在交通管理系統(tǒng)中可以將車輛在某條道路的平均旅行時間作為判斷該道路擁堵狀況的一個參數(shù)。安裝車牌識別設備于道路的起止點，識讀所有通過車輛并將牌照號碼傳回交通指揮中心，指揮中心的管理系統(tǒng)根據(jù)這些結(jié)果就可計算出車輛平均旅行時間。

通過對圖像的采集和處理，完成車牌自動識別功能，能從一幅圖像中自動提取車牌圖像，自動分割字符，進而對字符進行識別.其硬件基礎一般包括觸發(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。

系統(tǒng)進行視頻車輛檢測，需要具備很高的處理速度并采用的算法，在基本不丟幀的情況下實現(xiàn)圖像采集、處理。若處理速度慢，則導致丟幀，使系統(tǒng)無法檢測到行駛速度較快的車輛，同時也難以在有利于識別的位置開始識別處理，影響系統(tǒng)識別率。因此，將視頻車輛檢測與牌照自動識別相結(jié)合具備一定的技術(shù)難度。

自然光路線是指白天利用自然光線，夜間采用輔助照明光源，用彩色攝像機采集車輛真彩色圖像，用彩色圖像分析處理方法識別車牌。自然光真彩色識別技術(shù)路線，與人眼感光習慣一致，并且，真彩色圖像能夠反映車輛及其周圍環(huán)境真實的圖像信息，不僅可以用來識別車牌照，而且可以用來識別車牌照顏色、車流量、車型、車顏色等車輛特征。用一個攝像機采集的圖像，同時實現(xiàn)所有前端基本視頻信息采集、識別和人工輔助圖像取證判別，可以前瞻性的為未來的智能交通系統(tǒng)工程預留接口。

紅外光路線是指利用車牌反光和紅外光的光學特性，用紅外攝像機采集車輛灰度圖像，由于紅外特性，車輛圖像上幾乎只能看見車牌，然后用黑白圖像處理方法識別車牌。950nm的紅外照明裝置可抓拍到很好的反光車牌照圖像。因紅外光是不可見光，它不會對駕駛員產(chǎn)生視覺影響。另外，紅外照明裝置提供的是不變的光，所抓拍的圖像都是一樣的，不論是在一天中明亮的時候，還是在一天中暗的時候。的例外是在白天，有時會看到一些牌照周圍的細節(jié)，這是因為晴朗天氣時太陽光的外光波的影響。采用紅外燈的缺點就是所捕獲的車牌照圖像不是彩色的，不能獲取整車圖像，并且嚴重依賴車牌反光材料。

人工神經(jīng)網(wǎng)絡技術(shù)，計算機及相關(guān)技術(shù)發(fā)達的一些國家開始探討用人工神經(jīng)網(wǎng)絡技術(shù)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(jīng)網(wǎng)絡方法對車牌上的字符進行自動識別，BAM神經(jīng)網(wǎng)絡是由相同神經(jīng)元構(gòu)成的雙向聯(lián)想式單層網(wǎng)絡，每一個字符模板對應著個BAM矩陣，通過與車牌上的字符比較，識別出正確的車牌號碼。

傳統(tǒng)模式識別技術(shù)。傳統(tǒng)模式識別技術(shù)指結(jié)構(gòu)特征法，統(tǒng)計特征法等。90年代，由于計算機視覺技術(shù)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(shù)和圖像處理技術(shù)實現(xiàn)了車輛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(gòu)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(jīng)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。

為了測試一個車牌識別系統(tǒng)識別率，需要將該系統(tǒng)安裝在一個實際應用環(huán)境中，全天候運行24小時以上，采集至少1000輛自然車流通行時的車牌照進行識別，并且需要將車輛牌照圖像和識別結(jié)果存儲下來，以便調(diào)取查看。然后，還需要得到實際通過的車輛圖像以及正確的人工識別結(jié)果。之后便可以統(tǒng)計出以下識別率：
幾乎每家都宣稱擁有高辨識率，但為了避免事后因為雙方對產(chǎn)品認知有差異，而將運作不良的責任互相推托，用戶在采購車牌辨識系統(tǒng)時，不妨要求實地測試，而且測試時間好超過兩個禮拜，比較能判斷辨識結(jié)果是否“言過其實”。因為多變的環(huán)境，兩個禮拜應該可以對于場域可能影響辨識率的情形，大約掌握了八成，如果只是測一天、甚至幾個小時，是無法了解的。