ISO/TR 25221 — 电子收费：基于图像的收费系统的可测量特性

一、基于图像的收费系统框架

ISO/TR 25221:2025由ISO/TC 204（智能运输系统）制定，针对使用自动车牌识别技术进行电子收费的基于图像的收费系统的可测量特性。随着ANPR技术日益成为自由流收费、拥堵收费和执法系统的核心，对标准化性能指标和测试方法的需求变得至关重要。

该文件将离散收费系统分为两大类：自由流系统（无物理屏障，车辆全速通过）和受限系统（收费站、收费广场有车道限制）。这些类别从根本上影响检测、识别和分类子系统的性能要求。

从基于屏障的收费到自由流收费的转变代表着重大的工程挑战：必须在高速公路速度下、在多变的光照、天气和交通条件下保持检测和识别精度，而误报和漏报会带来重大的收入和法律执行影响。

ISO/TR 25221定义了一套全面的指标，用于评估整个EFC流程链中基于图像的收费系统的性能。

该文件识别了七个EFC子流程：信息与注册、通行检测、车辆识别、分类、验证与可靠性、支付和执法。关键的是，这些流程在不同实现中的排序和耦合方式各不相同——有些系统顺序处理，有些并行处理，还有一些将检测、分类和识别合并为一个不可分割的步骤。这种差异直接影响指标的定义和测量方式。

不考虑底层检测率而单独测量识别率可能会给出误导性的系统性能。一个ANPR精度99%但检测率只有80%的系统只能提供79%的有效识别——这些指标必须作为级联链进行评估。

ISO/TR 25221为设计、采购或运营基于图像的收费系统的工程师提供了关键指导：

现场条件显著影响ANPR性能。光照（白天/夜晚/阳光眩光）、天气（雨、雾、雪）、车速、车道几何形状、车牌状况（损坏、脏污、遮挡）和车牌设计（字体、颜色、反光度）都会引入变异性。该文件建议在预期的全部运行条件范围内进行测试，而不是依赖理想条件下的实验室测量。

辅助验证系统（如感应线圈、激光轮廓分析或DSRC）可以显著提高整体可靠性。”增加值”指标量化了辅助系统的贡献——其衡量的是仅由辅助系统正确识别的车辆数与总正确识别车辆数的比率。在设计多技术收费点时，该指标对于成本效益分析至关重要。

附录A提供了基于图像系统在EFC之外的应用案例研究，包括限行区、超速执法和门禁控制。相同的可测量特性适用，使得ANPR性能要求能够跨领域标准化。

对于收费管理部门和系统集成商，ISO/TR 25221中的指标框架实现了基于证据的采购：性能要求可以指定为可测量的KPI，验收测试可以在现实现场条件下验证合规性。

问1：ISO/TR 25221如何与现有EFC标准关联？
它补充了ISO/TS 17573-2（EFC词汇）和ISO/TR 6026（基于图像的收费标准化需求）等标准，提供了符合性测试和KPI定义所需的具体可测量特性。

问2：检测率和识别率之间有什么区别？
检测率衡量车辆通行是否被识别。识别率衡量在已检测车辆中车牌是否能被成功读取。车辆必须先被检测才能被识别。

问3：这些指标可以应用于基于AI的ANPR系统吗？
可以。这些指标与技术无关，同样适用于传统的基于OCR的系统和现代基于AI/深度学习的ANPR。该框架关注的是测量什么，而不是如何实现测量。

问4：执法中应如何处理误报？
ISO/TR 25221指出，误报可能导致错误的执法行动。该文件建议在执法关键应用中采用验证系统和人工复核流程，误报率应作为关键合同KPI。

🔒

请等待 10 秒，广告加载完成后将显示下载链接

暂无下载文件