CN108734963A - 一种基于多元非线性回归的车辆超载判定方法 - Google Patents

一种基于多元非线性回归的车辆超载判定方法 Download PDF

Info

Publication number
CN108734963A
CN108734963A CN201810693762.2A CN201810693762A CN108734963A CN 108734963 A CN108734963 A CN 108734963A CN 201810693762 A CN201810693762 A CN 201810693762A CN 108734963 A CN108734963 A CN 108734963A
Authority
CN
China
Prior art keywords
vehicle
overload
road
data
linear regression
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN201810693762.2A
Other languages
English (en)
Other versions
CN108734963B (zh
Inventor
罗赞文
吴华玲
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shanghai Jingda Information Technology Co Ltd
Original Assignee
Shanghai Jingda Information Technology Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Shanghai Jingda Information Technology Co Ltd filed Critical Shanghai Jingda Information Technology Co Ltd
Priority to CN201810693762.2A priority Critical patent/CN108734963B/zh
Publication of CN108734963A publication Critical patent/CN108734963A/zh
Application granted granted Critical
Publication of CN108734963B publication Critical patent/CN108734963B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis

Landscapes

  • Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Mathematical Physics (AREA)
  • Pure & Applied Mathematics (AREA)
  • Computational Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Mathematical Optimization (AREA)
  • Mathematical Analysis (AREA)
  • Evolutionary Biology (AREA)
  • Operations Research (AREA)
  • Probability & Statistics with Applications (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Algebra (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Databases & Information Systems (AREA)
  • Software Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Traffic Control Systems (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

一种基于多元非线性回归的车辆超载判定方法，通过车辆运营情况数据和车辆运行定位数据进行预处理和整合，建立车辆超载样本数据，在区分道路类型的基础上，将超载样本数据按道路类型进行划分。对每种道路类型的数据，利用多元非线性回归模型进行建模，得到车辆驾驶行为与车辆载重之间的车辆超载模型，从而对于车辆型号限载，判断监控车辆是否存在超载现象。

Description

一种基于多元非线性回归的车辆超载判定方法
技术领域:
本发明涉及物理领域，尤其涉及测量技术，特别是一种基于多元非线性回归的车辆超载判定方法。
背景技术:
现有技术中，大型货车违规造成的交通安全问题尤为严重，超重对路面造成了严重损害的同时，也引发了众多重大的交通安全事故。为检查货车超重等违规行为，交通管理部门在要道通常会设立超重监测点，由于监测点的时间和地点的固定性，不能有效的监控货车的超载违规行为，交通部门的检查监督显得被动，不能很好控制道路交通。因此，利用信息化技术实现货运车辆的实时监管具有重大的应用价值。
发明内容：
本发明的目的在于克服现有技术存在的缺点，提供了一种基于多元非线性回归的车辆超载判定方法，通过分析处理车辆运营情况数据和车辆运行定位数据并设定超载特征指标变量，建立车辆超载判定模型，满足货运车辆超载实时监管的要求。
本发明的这种基于多元非线性回归的车辆超载判定方法，包括步骤一：获取车辆运营情况数据和车辆运行定位数据；
步骤二：综合分析车辆运营情况数据和车辆运行定位数据，按照道路类型建立车辆超载样本数据；
步骤三：分析车辆超载样本数据，选取速度、加速度、超速程度、急加急减速作为不同道路类型下的超载特征指标变量；
步骤四：利用多元非线性回归法针对各种道路类型下的超载特征指标变量建立车辆超载模型；
步骤五：通过车辆超载模型进行车辆载重计算，获取载重预测值，与车辆额定荷载比较，车辆超出一倍额定荷载以上则确定为超载行为；
通过上述步骤完成车辆超载的判定。
进一步的，所述步骤一中，车辆运营情况数据包括车牌号、车型、运营时间、装货地点、卸货地点、货物重量，车辆运行定位数据包括车牌号、驾驶时间、经度、纬度、速度。
进一步的，所述步骤二中，车辆超载样本数据包括车牌号、时间、经度、纬度、道路、道路类型、速度、加速度、超速程度、急加急减速情况、货物重量特征值，其中道路类型特征值包括高速公路、城市快速道路、城市主要道路、城市次要道路、城市普通道路。
进一步的，所述步骤四中，针对不同道路类型下的超载特征指标变量，所建立的车辆超载模型函数为：yi＝f(xi,β)+εi，其中，i＝1,2,…,n，向量xi＝(xi1,xi2,xi3,xi4)为超载特征指标变量，yi为车辆载重，β为未知参数向量，εi为随机误差项；所述车辆超载模型对应的残差平方和函数为：
本发明的工作原理是：通过对车辆运营情况数据和车辆运行定位数据进行预处理和整合，建立车辆超载样本数据，在区分道路类型的基础上，将超载分析源数据按道路类型进行划分并并确定超载特征指标变量。对每种道路类型的数据，利用多元非线性回归模型进行建模，得到车辆驾驶行为与车辆载重之间的车辆超载模型，从而对于车辆型号限载，判断监控车辆是否存在超载现象。
本发明和已有技术相比较，其效果是积极和明显的。本发明利用信息化技术对车辆数据进行分析处理后，获得基于不同道路类型的车辆超载样本数据，并运用多元非线性回归法建立车辆超载模型，实现货运车辆的超载实时监管，相对于传统的超重监测点方式，实时性强、覆盖率高。
附图说明：
图1是本发明的车辆超载判定方法的流程示意图。
图2是本发明的车辆超载样本数据处理流程示意图。
图3是本发明的超载特征指标变量结构示意图。
具体实施方式：
实施例1:
如图1、图2和图3所示：本发明的这种基于多元非线性回归的车辆超载判定方法具体实施步骤如下：获取车辆运行定位数据(包括车牌号、驾驶时间、经度、纬度、速度等)和车辆运营情况数据(包括车牌号、车型、运营时间、装货地点、卸货地点、货物重量)。
将车辆运行定位数据和车辆运营情况数据预处理，得到超载样本数据(包括车牌号、时间、经度、纬度、道路、道路类型、速度、加速度、超速程度、急加急减速情况、货物重量)。然后，在区分道路类型的基础上，将超载样本数据按五种道路类型(高速公路、城市快速道路、城市主要道路、城市次要道路、城市普通道路)进行划分，得到个道路类型上的车辆超载样本数据。
超载特征指标变量的建立：
考虑到车辆在不同载重状态下，其驾驶行为特征应该会有所差异。根据现有数据，可选择的特征如下：
输入特征X：不同道路类型下的：速度、加速度、超速程度、急加急减速
输出Y：车辆载重
对于数据预处理得到的源数据，在区分道路类型的基础上，可选取的特征指标为车辆行驶速度、加速度、超速程度、急加急减速。其中道路类型分为高速公路、城市快速道路、城市主要道路、城市次要道路和城市普通道路。设道路类型数目r＝5，每种道路类型上的特征变量数目为x＝4。车辆超载模型建立：
对于某种道路类型的车辆超载样本数据，建立非线性模型
yi＝f(xi,β)+εi
式中，i＝1,2,…,n，向量xi＝(xi1,xi2,xi3,xi4)为超载特征指标自变量(速度、加速度、超速程度、急加急减速)，yi为车辆载重，β为未知参数向量，εi为随机误差项。
比较样本中的测试载重数据与预测载重值，残差平方和函数为：需要求解使S(β)最小的系数值β。
设β的初值为β1，则其近似Taylor展式如下：
代入到残差平方和函数中得到：
令
其最小二乘估计为
设置一个β的初值β1，代入以上迭代表达式，可以得到新值β2，如此循环直到有βn+1-βn<ε，此时，S(β)的一阶导数为0，即残差平方和函数S(β)达到极值。
最后根据样本数据建立的超载模型，对车辆载重进行计算，获取载重预测值，与额定荷载比较，超出一倍以上则判定该车辆存在超载行为。

Claims (4)

1.一种基于多元非线性回归的车辆超载判定方法，其特征在于：包括：
步骤一：获取车辆运营情况数据和车辆运行定位数据；
步骤二：综合分析车辆运营情况数据和车辆运行定位数据，按照道路类型建立车辆超载样本数据；
步骤三：分析车辆超载样本数据，选取速度、加速度、超速程度、急加急减速作为不同道路类型下的超载特征指标变量；
步骤四：利用多元非线性回归法针对各种道路类型下的超载特征指标变量建立车辆超载模型；
步骤五：通过车辆超载模型进行车辆载重计算，获取载重预测值，与车辆额定荷载比较，车辆超出一倍额定荷载以上则确定为超载行为；通过上述步骤完成车辆超载的判定。
2.如权利要求1所述的一种基于多元非线性回归的车辆超载判定方法，其特征在于：所述步骤一中，车辆运营情况数据包括车牌号、车型、运营时间、装货地点、卸货地点、货物重量，车辆运行定位数据包括车牌号、驾驶时间、经度、纬度、速度。
3.如权利要求1所述的一种基于多元非线性回归的车辆超载判定方法，其特征在于：所述步骤二中，车辆超载样本数据包括车牌号、时间、经度、纬度、道路、道路类型、速度、加速度、超速程度、急加急减速情况、货物重量特征值，其中道路类型特征值包括高速公路、城市快速道路、城市主要道路、城市次要道路、城市普通道路。
4.如权利要求1所述的一种基于多元非线性回归的车辆超载判定方法，其特征在于：所述步骤四中，针对不同道路类型下的超载特征指标变量，所建立的车辆超载模型函数为：yi＝f(xi,β)+εi，其中，i＝1,2,…,n，向量xi＝(xi1,xi2,xi3,xi4)为超载特征指标变量，yi为车辆载重，β为未知参数向量，εi为随机误差项；
所述车辆超载模型对应的残差平方和函数为：
CN201810693762.2A 2018-06-29 2018-06-29 一种基于多元非线性回归的车辆超载判定方法 Active CN108734963B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810693762.2A CN108734963B (zh) 2018-06-29 2018-06-29 一种基于多元非线性回归的车辆超载判定方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810693762.2A CN108734963B (zh) 2018-06-29 2018-06-29 一种基于多元非线性回归的车辆超载判定方法

Publications (2)

Publication Number Publication Date
CN108734963A true CN108734963A (zh) 2018-11-02
CN108734963B CN108734963B (zh) 2021-03-02

Family

ID=63931103

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810693762.2A Active CN108734963B (zh) 2018-06-29 2018-06-29 一种基于多元非线性回归的车辆超载判定方法

Country Status (1)

Country Link
CN (1) CN108734963B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109767023A (zh) * 2019-01-16 2019-05-17 北京经纬恒润科技有限公司 一种车辆载重状态的预估方法及系统
CN109767520A (zh) * 2019-01-11 2019-05-17 清华四川能源互联网研究院 一种车辆载重处理方法及装置

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH1079096A (ja) * 1996-09-03 1998-03-24 Toshiba Corp 経路選択支援情報提供装置
CN101739816A (zh) * 2009-11-26 2010-06-16 西北工业大学 交通车辆道路行驶安全分析方法
CN106918459A (zh) * 2016-06-26 2017-07-04 黑龙江工程学院 货车超载判定方法
CN107766877A (zh) * 2017-09-27 2018-03-06 华南理工大学 一种桥梁监测系统中超重车动态识别方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH1079096A (ja) * 1996-09-03 1998-03-24 Toshiba Corp 経路選択支援情報提供装置
CN101739816A (zh) * 2009-11-26 2010-06-16 西北工业大学 交通车辆道路行驶安全分析方法
CN106918459A (zh) * 2016-06-26 2017-07-04 黑龙江工程学院 货车超载判定方法
CN107766877A (zh) * 2017-09-27 2018-03-06 华南理工大学 一种桥梁监测系统中超重车动态识别方法

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109767520A (zh) * 2019-01-11 2019-05-17 清华四川能源互联网研究院 一种车辆载重处理方法及装置
CN109767520B (zh) * 2019-01-11 2021-06-04 清华四川能源互联网研究院 一种车辆载重处理方法及装置
CN109767023A (zh) * 2019-01-16 2019-05-17 北京经纬恒润科技有限公司 一种车辆载重状态的预估方法及系统

Also Published As

Publication number Publication date
CN108734963B (zh) 2021-03-02

Similar Documents

Publication Publication Date Title
Fwa Skid resistance determination for pavement management and wet-weather road safety
Adeli et al. Neuro-fuzzy logic model for freeway work zone capacity estimation
CN104732013B (zh) 一种单车通过多梁式桥梁的车辆荷载识别方法
Lu et al. Accident prediction model for public highway-rail grade crossings
CN109002622B (zh) 一种随机车流作用下大跨径桥梁总体荷载响应估算方法
Ahn et al. A field evaluation case study of the environmental and energy impacts of traffic calming
Chu et al. Pavement skid resistance consideration in rain-related wet-weather speed limits determination
Chen et al. Bridge vehicle load model on different grades of roads in China based on Weigh-in-Motion (WIM) data
CN104050809A (zh) 交通状况自动分析预测方法
CN108573601A (zh) 一种基于wim数据的交通安全风险场构建方法
CN108734963A (zh) 一种基于多元非线性回归的车辆超载判定方法
CN112528208B (zh) 一种无称重ai智能识别货车超载估算方法、装置及系统
Chen et al. Freeway deceleration lane lengths effects on traffic safety and operation
Peng et al. Analysis of vehicle skidding potential on horizontal curves
Nadimi et al. Calculating dynamic thresholds for critical time to collision as a safety measure
CN107480353B (zh) 基于不同时段随机车流的双层悬索桥疲劳性能评估方法
Hajj et al. Assessment of pavement damage from bus rapid transit: Case study for Nevada
Weng et al. New methodology to determine work zone capacity distribution
Chen et al. Measurement‐Based Vehicle Load Model for Urban Expressway Bridges
Sperry et al. Current issues in highway–rail grade crossing hazard-ranking and project development
Donnell et al. Analysis of effects of pavement marking retroreflectivity on traffic crash frequency on highways in North Carolina: application of artificial neural networks and generalized estimating equations
Ehsani Sohi et al. Effects of roadway and traffic characteristics on accidents frequency at city entrance zone
CN105678862A (zh) 一种基于大数据的货车检测装置
Chen et al. The impact of truck proportion on traffic safety using surrogate safety measures in China
Chu et al. Incorporating braking distance evaluation into pavement management system for safe road operation

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant