道閘感應線圈對道閘運行狀態(tài)的影響性非常重要。

道閘線圈形狀及匝數(shù)，除非條件不允許，勘探線圈應該是長方形。兩條長邊與車輛運動方向筆直，互相距離引薦為1米。長邊的長度取決于路途的寬度，通常兩頭比路途寬度窄0.5米。道閘線圈影響主要有線圈材料，線圈形狀和是否準確施工埋設三個方面。

當?shù)篱l感應線圈非常挨近時，致使兩個線圈的磁場迭加，相互形成攪擾，這種現(xiàn)象就是線圈串擾。道閘串擾會致使過錯的 檢查結果和環(huán)路檢查器的死鎖。

為避免線圈串擾應： 

1、道閘線圈選擇不同的尺度不一樣的圈數(shù)以改動線圈的作業(yè)頻率。通常主張一個為4圈，另一個為6圈。

2、將道閘相鄰的線圈距離加大。有必要確?？碧骄€圈之間的距離大于3米。

 3、對道閘線圈引出導線進行杰出的屏蔽，屏蔽線有必要在勘探器端接地。線圈電纜和接頭最hao選用多股銅導線。在電纜和接頭之間最hao不要有接線處。

傳統(tǒng)模式識別技術指結構特征法，統(tǒng)計特征法等。90年，由于計算機視覺技術的發(fā)展，開始出現(xiàn)汽車牌照識別的系統(tǒng)化研究。1990年AS.Johnson等運用計算機視覺技術和圖像處理技術實現(xiàn)了牌照的自動識別系統(tǒng)。

該系統(tǒng)分為圖像分割、特征提取和模板構造、字符識別等三個部分。利用不同閩值對應的直方圖不同，經過大量統(tǒng)計實驗確定出車牌位置的圖像直方圖的閩值范圍，從而根據(jù)特定閩值對應的直方圖分割出車牌，再利用預先設置的標準字符模板進行模式匹配識別出字符。

計算機及相關技術發(fā)達的一些國家開始探討用人工神經網絡技術解決車牌自動識別問題，例如1994年M.M.M.FANHY等就成功地運用了BAM神經網絡方法對車牌上的字符進行自動識別，BAM神經網絡是由相同神經元構成的雙向聯(lián)想式單層網絡，每一個字符模板對應著一個BAM矩陣，通過與車牌上的字符比較，識別出正確的車牌號碼

車牌自動識別是一項利用車輛的動態(tài)視頻或靜態(tài)圖像進行牌照號碼、牌照顏色自動識別的模式識別技術。

其硬件基礎一般bao括觸發(fā)設備（監(jiān)測車輛是否進入視野）、攝像設備、照明設備、圖像采集設備、識別車牌號碼的處理機（如計算機）等，其軟件核心bao括車牌定位算法、車牌字符分割算法和光學字符識別算法等。

某些車牌識別系統(tǒng)還具有通過視頻圖像判斷是否有車的功能稱之為視頻車輛檢測。一個完整的車牌識別系統(tǒng)應bao括車輛檢測、圖像采集、車牌識別等幾部分(如圖1所示)。當車輛檢測部分檢測到車輛到達時觸發(fā)圖像采集單元，采集當前的視頻圖像。車牌識別單元對圖像進行處理，定位出牌照位置，再將牌照中的字符分割出來進行識別，然后組成牌照號碼輸出。