CN112781703A - 一种对车辆进行称重的系统及方法 - Google Patents
一种对车辆进行称重的系统及方法 Download PDFInfo
- Publication number
- CN112781703A CN112781703A CN202011603351.3A CN202011603351A CN112781703A CN 112781703 A CN112781703 A CN 112781703A CN 202011603351 A CN202011603351 A CN 202011603351A CN 112781703 A CN112781703 A CN 112781703A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- weighing
- data
- vibration data
- characteristic
- 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.)
- Pending
Links
- 238000005303 weighing Methods 0.000 title claims abstract description 207
- 238000000034 method Methods 0.000 title claims abstract description 25
- 238000012545 processing Methods 0.000 claims abstract description 37
- 230000001133 acceleration Effects 0.000 claims description 18
- 239000010453 quartz Substances 0.000 claims description 14
- VYPSYNLAJGMNEJ-UHFFFAOYSA-N silicon dioxide Inorganic materials O=[Si]=O VYPSYNLAJGMNEJ-UHFFFAOYSA-N 0.000 claims description 14
- 238000006073 displacement reaction Methods 0.000 claims description 7
- 230000001131 transforming effect Effects 0.000 claims description 6
- 238000010586 diagram Methods 0.000 description 21
- 238000013528 artificial neural network Methods 0.000 description 12
- 230000008569 process Effects 0.000 description 10
- 230000006399 behavior Effects 0.000 description 7
- 230000005484 gravity Effects 0.000 description 5
- 238000012549 training Methods 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 4
- 230000004044 response Effects 0.000 description 4
- 238000005096 rolling process Methods 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 238000010276 construction Methods 0.000 description 3
- 238000007405 data analysis Methods 0.000 description 3
- 238000001514 detection method Methods 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 230000007423 decrease Effects 0.000 description 2
- 238000009434 installation Methods 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 238000010521 absorption reaction Methods 0.000 description 1
- 239000000853 adhesive Substances 0.000 description 1
- 230000001070 adhesive effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 230000005284 excitation Effects 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 230000008676 import Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 239000002184 metal Substances 0.000 description 1
- 238000002156 mixing Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 238000011176 pooling Methods 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 230000002035 prolonged effect Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000035939 shock Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000004804 winding Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01G—WEIGHING
- G01G19/00—Weighing apparatus or methods adapted for special purposes not provided for in the preceding groups
- G01G19/02—Weighing apparatus or methods adapted for special purposes not provided for in the preceding groups for weighing wheeled or rolling bodies, e.g. vehicles
- G01G19/03—Weighing apparatus or methods adapted for special purposes not provided for in the preceding groups for weighing wheeled or rolling bodies, e.g. vehicles for weighing during motion
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
Abstract
本公开涉及一种对车辆进行称重的系统及方法。确定车辆重量的系统包括第一信号获取子系统,用于获取车辆行进时的称重数据;第二信号获取子系统,用于获取所述车辆行进时的振动数据;以及数据处理子系统,用于根据所述称重数据和所述振动数据确定车辆的最终重量。本公开利用结合称重数据和振动数据来提高车辆的称重精度,以便识别非正常行驶的车辆。
Description
技术领域
本公开一般地涉及称重技术领域。具体地,本公开涉及一种对车辆进行称重的系统及方法。
背景技术
本部分旨在为权利要求书中陈述的本发明的实施方式提供背景或上下文。此处的描述可包括可以探究的概念,但不一定是之前已经想到或者已经探究的概念。因此,除非在此指出,否则在本部分中描述的内容对于本申请的说明书和权利要求书而言不是现有技术,并且并不因为包括在本部分中就承认是现有技术。
动态称重技术是指在车辆行进过程中对车辆进行称重的技术。动态称重装置被广泛应用于计重收费、超限检测等应用中,在交通管理、超限治理以及进出口监管中起到了重要的作用。其中,超限检测通常设置于高速道路。目前,高速称重系统通常包括称重平台、摄像头、车型识别等设备。当车辆正常行驶经过称重平台对其称重来检测行驶车辆是否超限,同时识别车辆的重量、车型、速度等信息。对于非正常驾驶行为,采用当前称重系统可能会导致称重不准确。
发明内容
为了至少解决上面的一个或多个技术问题,本公开提供一种对车辆进行称重的系统及方法。本公开实施例通过利用第一信号获取子系统和第二信号获取子系统来分别获取车辆行进时的称重数据和振动数据,根据称重数据和振动数据来确定车辆的最终重量。根据车辆的最终重量与称重数据之间的差异,可以有效识别称重区域内存在作弊行为的车辆。鉴于此,本公开在如下的多个方面提供相应的解决方案。
在第一方面,本公开提供一种对车辆进行称重的系统,包括:第一信号获取子系统,用于获取车辆行进时的称重数据;第二信号获取子系统,用于获取所述车辆行进时的振动数据;以及数据处理子系统,用于根据所述称重数据和所述振动数据确定车辆的最终重量。
在一个实施例中,其中,所述数据处理子系统进一步用于:根据所述称重数据确定第一重量;根据所述振动数据确定特征数据;以及根据所述第一重量、特征数据和预定称重模型来确定所述车辆的最终重量。
在另一个实施例中,其中,所述特征数据至少包括所述车辆的速度、加速度、行驶位置、振动数据的积分和或者特征频率的强度值中的一种或者多种。
在又一个实施例中,其中,所述数据处理子系统进一步用于:基于所述第二信号获取子系统中不同排传感器获取的振动数据的绝对值;根据所述绝对值的最大值对应的特征时间与不同排传感器的距离确定车辆的速度;以及基于所述车辆的速度和所述特征时间确定所述车辆的加速度。
在又一个实施例中,其中,所述数据处理子系统进一步用于:基于所述第二信号获取子系统中同排传感器获取的振动数据确定所述振动数据的绝对值;以及基于所述绝对值的最大值与同排传感器中相邻传感器的距离来确定车辆的行驶位置。
在又一个实施例中,其中,所述数据处理子系统进一步用于:根据所述振动数据的信号强度确定时域上的特征区间;以及对所述特征区间进行积分获得所述振动数据的积分和。
在又一个实施例中,其中,其中,所述数据处理子系统进一步用于:对所述振动数据进行变换,获得所述振动数据的频率-强度图;根据所述频率-强度图确定特征频率区间;以及对所述特征频率区间内的信号强度进行积分获得特征频率的强度值。
在又一个实施例中,其中,所述数据处理子系统进一步用于:将所述第一重量和所述特征数据输入所述预定称重模型中;以及所述预定称重模型基于该输入,输出车辆的最终重量。
在又一个实施例中,所述预定称重模型包括BP网络模型、AlexNet网络模型、Resnet网络模型和VGG网络模型中的一种。
在又一个实施例中,其中,所述第一信号获取子系统和所述第二信号获取子系统沿车辆行驶方向前后布置、左右布置或叠加布置;优选地,所述第一信号获取子系统至少包括板式称重装置、条式称重装置、石英称重装置中的一种或者多种;优选地,所述第二信号获取子系统至少包括加速度传感器、速度传感器、位移传感器中的一种或者多种。
在第二方面,本公开还提供一种对车辆进行称重的方法,包括:获取车辆行进时的称重数据;获取所述车辆行进时的振动数据;以及根据所述称重数据和所述振动数据确定车辆的最终重量。
根据本公开的实施例,通过利用信号获取子系统分别感测车辆行驶过程中的称重数据和振动数据,根据感测到的称重数据和振动数据确定车辆的最终重量,通过比较车辆的最终重量与称重数据的差异,可以有效地识别作弊车辆。进一步地,由于同时第一信号获取子系统和第二信号获取子系统,使得延长了本公开实施例的称重系统区域,可以感测到车辆整个周期的称重信号和振动信号,从而提高了称重精度。进一步地,本公开实施例采用振动传感器(例如加速度、速度和/或位移传感器),相比于传统的称重装置而言,使得称重系统的成本较低。
附图说明
通过参考附图阅读下文的详细描述,本公开示例性实施方式的上述以及其他目的、特征和优点将变得易于理解。在附图中,以示例性而非限制性的方式示出了本公开的若干实施方式,并且相同或对应的标号表示相同或对应的部分其中:
图1是示出现有高速称重系统的示例性示意图;
图2是示出车辆沿路边行驶的示例性示意图;
图3是示出车辆绕过称重平台行驶的示例性示意图;
图4是示出根据本公开实施例的称重系统的示例性结构示意图;
图5-图8是示出根据本公开实施例的第一、第二信号获取子系统的多种布局的示例性示意图;
图9-图12是示出根据本公开实施例的称重装置和传感器布局的示例性示意图;
图13是示出根据本公开实施例的滤波后的振动数据的示例性波形图;
图14示出根据本公开实施例的变换后的振动数据的示例性波形图;
图15示出根据本公开实施例的获得的原始振动数据的示例性波形图;
图16示出根据本公开实施例的特征频率信号的示例性波形图;
图17示出神经网络的示例性框图;以及
图18示出根据本公开实施例的确定车辆重量的方法的示例性流程图。
具体实施方式
下面将参考若干示例性实施方式来描述本公开的原理和精神。应当理解,给出这些实施方式仅仅是为了使本领域技术人员能够更好地理解进而实现本公开,而并非以任何方式限制本公开的范围。相反,提供这些实施方式是为了使本公开更加透彻和完整,并且能够将本公开的范围完整地传达给本领域的技术人员。
动态车辆称重是指通过测量和分析轮胎动态力来测量一辆运动中的车辆的总重和/或部分重量。动态称重系统通常至少包括一组传感器和包含软件的电子仪器组成,以便测量动态轮胎力、轮重、轮重或者总重。根据设备适应的速度范围,可以分为高速称重系统和低速称重系统。动态车辆称重通常可应用于例如计重收费、高速超限管理等多个场景中。其中,高速称重系统主要应用于高速道路的非现场超限超载执法场景中,可以对0~120km/h速度范围的车辆进行称重,该称重结果可能作为以后的执法依据。因此,高速称重系统的称重精度尤为重要。
图1示出现有高速称重系统的示例性示意图。如图1所示,在沿车辆行驶方向上的路面基础1上布置有称重平台2,称重平台2沿车辆行驶方向的前方设置有龙门架3。在龙门架3的顶部安装有识别设备4。其中,称重平台2处通常布置板式称重传感器、条式称重传感器或者石英称重传感器。同时,称重平台2可以通过有线或无线连接电子仪器和/数据处理装置(图中未示出)。识别设备4通常包括摄像机装置、轮廓识别装置以及电子显示屏等设备。
当车辆5沿行驶方向正常行驶经过称重平台2时,称重平台2感测车辆经过时的压力信号,感测到的压力接着可以传送到电子仪器和/或数据处理装置,以对压力信号进行分析、处理,从而获得车辆经过时的称重数值。同时,摄像机装置对车辆的车牌号码以及道路实况进行抓拍;轮廓识别装置扫描车辆轮廓等信息,并通过电子显示屏进行信息发布。此外,还通过后台处理器接收车辆的称重数值以及车辆的车辆信息与数据库中预存的数据比对,以判断当前车辆的型号、大小、自重,从而得出其尺寸是否超限、重量是否超载。
结合上述图1描述可知,采用现有高速称重系统可以实现车辆称重,并基于其重量和车型信息判断车辆是否超限或超载,但是也存在如下缺陷。
在一个方面,车辆在行驶过程中,由于车辆本身的减震结构和路面基础的影响,车辆自身也会发生振动,其振动的频率一般为1-3Hz。在现有的称重系统中的称重平台沿车辆行驶方向上的尺寸(例如长度)通常为1-4m,当车辆以较高速度通过较短范围内的称重平台时,称重平台可能不会覆盖车辆的整个振动周期,从而导致称重系统的称重数值不准确。
在另一个方面,现有的称重系统需要安装多个识别设备至龙门架或者道路两侧的立杆,从而造成安装和维护不便。此外,称重系统车型轮廓识别通常采用激光传感器等扫描技术,使得称重系统的成本较高。
在又一个方面,当车辆非正常行驶经过称重平台时,例如,车辆驾驶员有意在称重平台采取突然加速、减速或者绕“S”等作弊行为时,使得车辆重心转移而导致称重系统的称重精度降低。具体地,当车辆驾驶员有意在称重平台突然加速,此时由于惯性车辆向前行驶而重心向后转移,使得车辆的后轮抓地力增大,车辆前轮的对于地面的附着力降低,从而导致车辆后轮重量较重,前轮重量较轻。由此造成称重平台的称重不准确。
与上述加速相反,当车辆驾驶员有意在称重平台踩刹车减速,车辆的重心向前转移,使得车辆的前轮抓地力增大,车辆的后轮对于地面的附着力降低,从而导致车辆的前轮较重,车辆的后轮变轻,同样造成称重平台的称重不准确。
由于称重平台布置时可能与路边留有间隙(如图2所示),或者称重平台只布置在半个车道上(如图3所示),车辆驾驶员有意绕开称重平台行驶。例如图3中所示,车辆的一侧的车轮沿着图中箭头碾压路边间隙行驶,或者例如4中所示,车辆沿着箭头方向绕过称重平台2以避免碾压称重平台,使得称重平台的数值减小而导致无法获取车辆的准确重量,从而不能识别车辆称重作弊。
有鉴于此,为了克服上述一个或多个方面的缺陷,在本公开的实施例,基于称重系统分别获取车辆的称重数据和振动数据,对称重数据和振动数据进行分析处理来确定车辆的最终重量。当车辆的最终重量和称重数据的差异较大时,可以判断车辆在称重区域是否存在作弊行为。在一些实现中,提供了较长的称重区域,使得车辆高速经过时,能覆盖车辆振动的整个周期的信号,从而提高了称重精度。在这些实现中,只需要通过称重数据和振动数据即可分析出车辆的相关信息,不需要再安装其他车型识别设备(例如激光扫描仪等设备),从而节约了成本。
下面将结合本公开实施例中的附图,对本公开实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本公开一部分实施例,而不是全部的实施例。基于本公开中的实施例,本领域技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本公开保护的范围。
图4示出根据本公开实施例的确定车辆重量的系统200的示例性结构示意图。如图所示,确定车辆重量的系统200包括第一信号获取子系统201、第二信号获取子系统202以及数据处理子系统203。
第一信号获取子系统201用于获取车辆行进时的称重数据,第二信号获取子系统202用于获取车辆行进时的振动数据。在一个实施例中,第一信号获取子系统和第二信号获取子系统可以沿车辆行驶方向前后布置、左右布置或者叠加布置,例如图5-图8所示。
图5-图8是示出根据本公开实施例的第一、第二信号获取子系统的多种布局的示例性示意图。如图5所示,在路面基础6沿车辆行驶方向上的前方布置有第一信号获取子系统201,后方布置有第二信号获取子系统202,其中第一信号获取子系统201和第二信号获取子系统202可以通过有线或无线连接数据处理子系统203。采用如图所示的布局方式,使得称重区域延长,车辆高速通过该称重区域时可以感测到车辆完整周期的振动信号,从而提高称重精度。
如图6所示,在路面基础6沿车辆行驶方向上的右侧布置有第一信号获取子系统201,左侧布置有第二信号获取子系统202,其中第一信号获取子系统201和第二信号获取子系统202可以通过有线或无线连接数据处理子系统203。采用图所示的布局方式,便于第二信号获取子系统检测出车辆驾驶员有意绕过第一信号获取子系统的行为。
如图7所示,在路面基础6沿车辆行驶方向上布置有第一信号获取子系统201和第二信号获取子系统202,其中第一信号获取子系统201和第二信号获取子系统202可以重叠布置或者交叉布置,并且通过有线或无线连接数据处理子系统203。采用如图所示的布局方式以便减少施工量。
如图8所示,在路面基础6沿车辆行驶方向上布置有第一信号获取子系统201,路面基础两侧均布置有第二信号获取子系统202。其中第一信号获取子系统201和第二信号获取子系统202可以通过有线或无线连接数据处理子系统203。采用如图所示的布局方式,可以不用在路面开槽从而减少了施工量。此外,也便于检测车辆驾驶员有意绕路边或绕S等行为。
需要理解的是,上述图5-图8仅仅是几种不同的示例性的布局方式,本领域技术人员还可以根据需求进行布局,本公开实施例对此不作限制。例如,图5中的第二信号获取子系统布置在前方,第一信号获取子系统布置于后方;图6中第一信号获取子系统布置在左侧,第二信号获取子系统布置在右侧。可选地,图6中还可以布置为第一信号获取子系统在中间,第二信号子系统布置于第一信号获取子系统的左右两侧。图8中第二信号获取子系统也可以在路侧和路面基础上同时布置,只需检测到信号即可。此外,第一信号获取子系统在沿与车辆行驶方向垂直的方向上的尺寸(宽度)可以是一个车道的宽度,在与车辆行驶方向平行的方向上的尺寸(长度)可以是任意的,例如可以为一米至四米,本公开实施例并不限制第一信号获取子系统的长度和宽度。
在一个实施例中,第一信号获取子系统可以是板式称重装置、条式称重装置以及石英称重装置中任意一种,也可以是前述三种称重装置中的任意两种或者前述三种称重装置组合布置。在另一个实施例中,第二信号获取子系统可以是加速度传感器、速度传感器和位移传感器中的任意一种,也可以是前述三种传感器中的任意两种或者前述三种传感器一起使用。在一个实施场景中,加速度传感器、速度传感器和位移传感器可以安装在路面基础中或者安装在路侧,例如图9-图12。
图9-图12是示出根据本公开实施例的称重装置和传感器布局的示例性示意图。这里需要理解的是,图9-图12是图5-图8所描述的第一、第二信号获取子系统的具体实现方式。因此,上文结合图5-图8所描述的布置中的某些技术特征和细节也同样适用于图9-图12。
如图9所示,在路面基础6沿车辆方向上依次布置有板式称重装置201-10、条式称重装置201-11、石英称重装置201-12以及多个传感器202-20。在该图中,第一信号获取子系统由板式称重装置、条式称重装置以及石英称重装置组成,第二信号获取子系统由多个传感器组成,其对应于上述图5中所描述的沿车辆行驶方向的前后布置。
如图10所示,在路面基础6沿车辆方向上的左侧依次布置有两个条式称重装置201-11以及石英称重装置201-12,右侧上布置有多个传感器202-20。在该图中,第一信号获取子系统由条式称重装置和石英称重装置组成,第二信号获取子系统由多个传感器组成,其对应于上述图6中所描述的沿车辆行驶方向的左右布置。
如图11所示,在路面基础6沿车辆方向上布置有三个条式称重装置201-11以及三排传感器202-20,并且条式称重装置和传感器交叉布置。在该图中,第一信号获取子系统由条式称重装置组成,第二信号获取子系统由三排传感器组成,其对应于上述图7中所描述的第一信号获取子系统与第二信号获取子装置重叠(交叉)布置。
如图12所示,在路面基础6沿车辆方向上布置有一个板式称重装置201-10和两排传感器202-20,在路面基础6两侧的传感器202-20通过安装装置(图中未示出)固定。在一个实施例中,安装装置可以是立杆、龙门架和L杆中的一种。在该图中,第一信号获取子系统由板式称重装置组成,第二信号获取子系统由路面上的传感器和路侧的传感器组成,其对应于上述图8中所描述布局。
本公开实施例基于上述描述对第一信号获取子系统和第二信号获取子系统进行布局,可延长确定车辆的重量的系统200的称重区域,使得在称重区域内获得车辆完整周期的信号,从而提高称重精度。此外,本公开实施例允许混合各种传感器,为系统设计人员提供了更多种选择,以便综合考虑称重精度和建造成本。需要理解的是,图9-图12仅仅是示例性示意图,本公开实施例对称重装置和传感器的具体位置以及数量不作限制。优选地,第一信号获取子系统和第二信号获取子系统被设置为与路面基础平齐,或者略高于路面基础,而低于路面基础会导致车辆振动大,从而增大了称重误差。
结合上述描述,当车辆行驶经过第一信号获取子系统时,车辆重量对板式称重装置、条式称重装置以及石英称重装置造成压力,将该压力转换为车辆的称重数据。在一个实施场景中,由于板式称重装置、条式称重装置以及石英称重装置的输出称重数据不同,例如,板式称重装置采集到的是车辆总重数据,而条式称重装置和石英称重装置采集到的是车辆的轴重数据。由此,对于条式称重装置和石英称重装置采集到的信号可以通过加和获得车辆总重数据;对于每个称重装置的称重数据,可以采用加权平均以获得一个总的称重数据。
当车辆行驶经过第二信号子系统时,由于车辆振动从而感测到车辆的振动数据。经过分析,车辆行驶通过确定车辆的重量的系统200时的主要振动包括以下几类:车辆的轴重给路面板块的形变;车身自身的俯仰振动传递给路面;车轮部分振动的固有频率;以及车轮的轮胎花纹、发动机振动、变速箱等给路面的激励。更进一步分析,车辆的轴重给板块的形变又可以包括两部分:重量带给板块的形变,其表现为超低频的信号;其次为重物对板块的冲击带来的板块振动,这部分振动的频率与速度相关。
继续图4,数据处理子系统203用于根据称重数据和振动数据来确定车辆的最终重量。在一个实施例中,数据处理子系统可以包括例如电子仪器装置(其例如可以是数字接线盒)和数据分析装置(可以是运行信号分析软件的处理器,例如MATLAB)。
具体地,数据处理子系统中的电子仪器装置可以用于接收并显示由第一信号获取子系统获取的称重数据以及由第二信号获取子系统获取的振动数据,同时对获取到的称重数据和振动数据进行预处理(例如放大、模数转换)转换为可处理的数字信号。该数字信号是前述称重数据和振动数据的数字化表征。本领域技术人员可以理解,数据处理子系统也可以直接对采集到的模拟信号进行处理,无需进行模数转换。本公开实施例在此方面没有限制。
基于上述获取的称重数据,数据处理子系统中的数据分析装置可以对预处理后称重数据来确定车辆的第一重量。本领域技术人员可以采用现有方法计算车辆的第一重量。例如,利用v·∑si来计算第一重量。其中,si表示形变位移,由称重数据获得,v表示车辆的速度,可以由振动数据获得。此外,第一信号获取子系统中不同称重装置(板式称重装置、条式称重装置、石英称重装置)的输出的不同信号进行加权平均,以便获得称重数据的一致性。
基于上述获取的振动数据,数据处理子系统中的数据分析装置对振动数据进行分析以获取车辆的特征数据。具体地,数据处理子系统可以基于预处理后的振动数据来获取振动数据的数据特征,例如对振动数据进行滤波,获取滤波后的振动数据的绝对值,优选地,可以获取滤波后的振动数据的绝对值的最大值。此外,数据处理子系统还可以对预处理后的振动数据进行变换,以便获取变换后的振动数据的信号强度,优选地,可以获取变换后的振动数据的信号强度的最大值。进一步地,数据处理子系统根据绝对值的最大值和/或信号强度的最大值确定特征数据。在一个实施例中,特征数据至少包括车辆的速度、加速度、行驶位置、振动数据的积分和或者特征频率的强度值中的一种或者多种。
需要理解的是,本公开也可以通过对振动数据提取数据特征(例如绝对值或者信号强度)来确定车辆的特征数据,也可以直接采用获取的原始振动数据来获取车辆的特征数据,本公开对此不作限制。同时,本公开的数据特征也不仅仅限制于绝对值或者信号强度。
更进一步地,数据处理子系统基于不同排传感器获取的振动数据确定振动数据的绝对值的最大值,根据绝对值的最大值对应的特征时间与不同排传感器的距离确定车辆的速度。
图13是示出根据本公开实施例的滤波后的振动数据的示例性波形图。图中横坐标表示时间,纵坐标表示幅值。图中示出的振动数据可以是不同排传感器获得的两组振动数据,也可以是不同排中的两个传感器获得的振动数据。假设图中位于上方的波形a是沿行驶方向上靠前一排的传感器中的其中一个传感器A(如图10所述)的振动数据;图中位于下方的波形b是前述传感器A沿车辆行驶方向相邻后排传感器中的其中一个传感器B(如图10所示)的振动数据。由上述描述可知,每个传感器的振动信号具有一致性,由此,图中波形a和波形b波形相似。当有车辆经过时,车辆轮胎先碾压经过传感器A,再经过传感器B。因此,传感器A的相位领先于传感器B的相位。
结合上述图13可知,图中虚线L1与滤波后的振动数据的波形a相交于绝对值的最大值点a1,图中虚线L1与滤波后的振动数据的波形b相交于绝对值的最大值点b1。假设点a1所对应的特征时间为t1,点b1所对应的特征时间为t2,基于此,可以获得不同排传感器的振动数据的绝对值的最大值所对应的特征时间差。由于,车辆不同排传感器布置在路面上的距离已知,因此,根据不同排传感器的振动数据的绝对值的最大值所对应的特征时间差和不同排传感器之间的距离,可以获得车辆的速度。例如,车辆的速度v=d/Δt,其中,d表示不同排传感器之间的距离,Δt表示时间差,即Δt=t2-t1。基于前述描述,通过对每排传感器获取的振动数据进行分析,可以获得车辆在每个特征时间下的车辆的速度。
获取车辆的速度后,可以基于车辆的速度和特征时间来确定车辆的加速度。更为具体地,根据上述分析可以分别获取不同排传感器的特征时间,例如将车辆通过第一排传感器的特征时间记为t1,车辆通过第二排传感器的特征时间记为t2,车辆的速度记为v1,则此时对应的时刻为(t1+t2)/2。类似地,当车辆通过第三排传感器的特征时间为t3,则此时车辆的速度-时刻对应为(v2,(t2+t3)/2)。基于获取的每个时刻下的车辆的速度,本领域技术人员可以根据加速度公式获得车辆的加速度。
在一个实施例中,数据处理子系统还可以基于同排传感器获取的振动数据确定振动数据的绝对值的最大值,并且基于绝对值的最大值与同排传感器中相邻传感器的距离来确定车辆的行驶位置。该车辆的行驶位置可以是车辆轮胎的横向碾压位置。在一个实施场景中,可以对同排传感器获取的振动数据进行滤波,并对滤波后的振动数据计算其绝对值的最大值,选取两个振动数据的绝对值的最大值来计算车辆轮胎的碾压位置。例如,车辆的碾压位置x=x=M1*L/(M1+M2)。其中,M1表示传感器获取的振动数据的绝对值的最大值,M2表示其相邻的传感器获取的振动数据的绝对值的最大值,L表示同排中两个传感器之间的距离。
数据处理子系统还可以用于根据振动数据的信号强度的来确定时域上的特征区间,并且对特征区间进行积分获得振动数据的积分和。该信号强度可以通过对振动数据进行变换来确定。本领域技术人员可以采用例如傅里叶变换、短时傅里叶变换或者小波变换来将振动数据由时域变换至频域,从而获得信号强度。
图14示出根据本公开实施例的变换后的振动数据的示例性波形图。该图为振动数据进行变换后获得的时频图,图中横坐标表示时间,纵坐标表示频率。图中灰度值的大小可以表示信号的强弱。通过比较每个时刻对应的振动数据的信号强度,获得信号强度的最大值。根据信号强度的最大值,找出对应的特征区间,并对该特征区间在时间上进行积分,获得振动数据的积分和。
在一些实施例中,也可以直接通过原始振动数据确定信号强度的最大值,也即传感器的振动幅度最大。图15示出根据本公开实施例的获得的原始振动数据的示例性波形图。根据原始振动数据确定传感器的振动幅度最大的特征区间(图中示出的t-Δt到t+Δt的区间),对该特征区间进行时间上的积分,从而获得振动数据的积分和。本领域技术人员可以选择前述两种方式中的任一方式来确定车辆的振动数据的积分和,本公开对此不作限制。
在一个实施场景中,还可以通过对振动数据进行变换(例如傅里叶变换),从而获得振动数据的频率-强度图,再基于获得的频率-强度图来确定特征频率区间。进一步地,对该特征频率区间内的信号强度进行积分,进而获得特征频率的强度值。更为具体地,可以将频率-强度图中信号强度最大值所对应的频率作为特征频率,其邻近区域作为特征频率区间。
图16示出根据本公开实施例的特征频率信号的示例性波形图。该图示出的是不同频率下的信号强度值,也即频率-强度图,图中横坐标表示频率,纵坐标表示信号强度值。以图16为例,图中信号强度最大值对应的频率为300Hz,因此,可以将300Hz作为特征频率,其邻近作为特征频率区间。在该特征区间内的信号强度进行积分后,获得车辆的特征频率的强度值。
在一个应用场景中,通常在沿车辆行驶方向的称重系统的两侧设置分车设备,例如可以采用线圈来分离车辆。由于车辆是金属,因此,当有车辆经过线圈时会有电流产生,其周围磁场发生变化,以此来对车辆进行分离,以获得每辆车经过称重装置时的振动信号。
根据前文描述,可以获取车辆的第一重量和特征数据,其中,特征数据包括车辆的速度、加速度、行驶位置、振动数据的积分和或者特征频率的强度值中的一种或者多种。进一步地,数据处理子系统可以将第一重量和特征数据输入预定称重模型中,并且预定称重模型基于该输入,输出车辆的最终重量。
在一个实施场景中,该预定称重模型可以基于机器学习训练获得。具体地,预先会提供大量的样本数据(包含输入和输出)对初始神经网络进行训练。在本公开实施例中基于称重数据获得的第一重量和基于振动数据获得的特征数据作为神经网络的输入,来对初始神经网络进行训练。图17示出神经网络1700的示例性框图。本领域技术人员所知,神经网络的训练过程分为两个阶段,第一阶段是信号的正向处理操作(在本公开中称为“前向传播过程”),训练从输入层经过隐藏层(图中示出卷积层、激活层、池化层以及全连接层),最后到达输出层。更为具体地,在前向传播过程中,将输入值输入到神经网络的输入层,经过多个隐藏层的相关算子执行的相应运算,可以从神经网络的输出层得到所谓的预测值的输出。本实施例中输入为第一重量和特征数据,输出为车辆的最终重量。
第二阶段是反向传播梯度操作(在本公开中称为后向传播过程),训练从输出层到隐藏层,最后到输入层,根据梯度依次调节神经网络中每层的权值和偏置。更为具体地,在反向传播过程中,可以使用微分学的链式法则来对各层的权值进行更新,以期在下一次的前向传播过程中获得相对于前次较低的误差值。也即调整车辆的预测值和车辆的真实重量之间的误差。
训练完成后,就获得训练后的神经网络,也即BP网络模型。该受训后的神经网络可以对于将来的真实环境的输入给出一个正确的输出,就本公开实施例而言,当有车辆通过时,第一信号获取子系统和第一信号获取子系统分别获取当前车辆的称重数据和振动数据,并将基于称重数据和振动数据获取的第一重量和特征数据输入训练好的神经网络中,可以直接输出车辆的最终重量。
在一个实施场景中,本公开实施例也可以直接利用AlexNet网络模型、Resnet网络模型、VGG网络模型。其中,AlexNet网络模型中的隐藏层包括5个卷积层和3个全连接层,并在全连接层后面加入Dropout层,以便减少模型的过拟合问题。VGG网络模型相对于AlexNet网络模型,采用了较小卷积核(例如3*3)来代替AlexNet网络模型中的较大卷积核(例如11*11,5*5)。Resnet网络模型与VGG网络模型类似,采用3*3大小的卷积核,并在VGG网络模型的基础上通过短路连接插入(也即在输入和输出直接建立一个直接连接),从而形成残差网络。本领域技术人员可以根据需要选择任意神经网络模型,本公开对此不作限制。
基于上述获得车辆的最终重量,将其与车辆的第一重量进行比较,当车辆的最终重量与第一重量相一致或基本一致,可以判断为车辆正常行驶,不存在称重作弊行为。当车辆的最终重量与第一重量差异较大时,可以认为车辆存在称重作弊行为。
可以理解,上述称重作弊行为包括加速、减速或者绕S等操作。例如,当车辆驾驶员有意在称重区域突然加速,此时车辆的重心转移至车辆后轮而导致车辆的前轮重量变轻,从而导致称重不准确;当车辆驾驶员有意在称重区域突然减速,此时车辆的重心转移至车辆前轮而导致车辆的后轮重量变轻,使得称重不准确;此外,车辆驾驶员还可能有意绕过称重区域,例如沿着路面基础的边沿行驶,导致路面基础中的传感器可能感测不到振动数据,从而使得称重不准确。由此,可以在路侧安装传感器来感测车辆的振动数据,将其与称重数据结合来对车辆进行称重,以便提高称重精度。
以上描述了本公开实施例提供的基于称重数据和振动数据来确定车辆的最终重量。从上述描述可知,本公开实施例提供了根据称重数据和振动数据确定车辆的第一重量和特征数据,从而获得车辆的准确(最终)重量的方案,提高了称重的精度。同时,将最终重量与车辆的第一重量作比较,从而有效地识别称重作弊的车辆。
基于前述确定车辆重量的系统,本公开还提供了一种相应的确定车辆重量的方法。图18示出根据本公开实施例的确定车辆重量的方法1800的示例性流程图。
如图所示,在步骤1802处,方法1800获取车辆行进时的称重数据。同时,在步骤1804处,方法1800获取车辆行进时的振动数据。其中,称重数据由布置于路面基础中的第一信号获取子系统感测,振动数据由布置于路面基础中的第二信号获取子系统感测。在一个实施例中,第一信号获取子系统和第二信号获取子系统可以沿车辆行驶方向的前后布置、左右布置或者叠加布置,具体的布局方式可以结合图5-图8的描述布置,此处不再重复。在另一个实施例中,第一信号获取子系统可以至少包括板式称重装置、条式称重装置和/或石英称重装置,第二信号获取子系统至少包括加速度传感器、速度传感器和/或位移传感器,称重装置和传感器的布局可以参考图9-图12的描述,此处不再重复。
基于上述采集到称重数据和振动数据后,在步骤1806处,方法1800根据称重数据和振动数据确定车辆的最终重量。进一步地,首先可以根据称重数据获取车辆的第一重量;接着根据振动数据获取车辆的特征数据。在一个实施场景中,可以通过将振动数据进行滤波后获得振动数据的绝对值的最大值,或者对振动数据进行变换获得振动数据的信号强度的最大值,进一步地,基于绝对值的最大值和/或信号强度的最大值来确定车辆的特征数据。特征数据可以是例如车辆的速度、加速度、行驶位置、振动数据的积分和或者特征频率的强度值中的一种或者多种。
基于获取的第一重量和特征数据,将其作为预定称重模型的输入,预定称重模型基于该输入,输出车辆的最终重量。根据车辆的最终重量和第一重量之间的差异,可以判断车辆是否存在作弊行为。例如车辆驾驶员有意在称重区域进行加速、减速或者绕S。
应当注意,尽管在附图中以特定顺序描述了本发明方法的操作,但是,这并非要求或者暗示必须按照该特定顺序来执行这些操作,或是必须执行全部所示的操作才能实现期望的结果。相反,流程图中描绘的步骤可以改变执行顺序。附加地或备选地,可以省略某些步骤,将多个步骤合并为一个步骤执行,和/或将一个步骤分解为多个步骤执行。
应当理解,本公开的权利要求、说明书及附图中的术语“第一”、“第二”、“第三”和“第四”等是用于区别不同对象,而不是用于描述特定顺序。本公开的说明书和权利要求书中使用的术语“包括”和“包含”指示所描述特征、整体、步骤、操作、元素和/或组件的存在,但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。
还应当理解,在此本公开说明书中所使用的术语仅仅是出于描述特定实施例的目的,而并不意在限定本公开。如在本公开说明书和权利要求书中所使用的那样,除非上下文清楚地指明其它情况,否则单数形式的“一”、“一个”及“该”意在包括复数形式。还应当进一步理解,在本公开说明书和权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合,并且包括这些组合。
如在本说明书和权利要求书中所使用的那样,术语“如果”可以依据上下文被解释为“当...时”或“一旦”或“响应于确定”或“响应于检测到”。类似地,短语“如果确定”或“如果检测到[所描述条件或事件]”可以依据上下文被解释为意指“一旦确定”或“响应于确定”或“一旦检测到[所描述条件或事件]”或“响应于检测到[所描述条件或事件]”。
虽然本文已经示出和描述了本披露的多个实施例,但对于本领域技术人员显而易见的是,这样的实施例只是以示例的方式来提供。本领域技术人员可以在不偏离本披露思想和精神的情况下想到许多更改、改变和替代的方式。应当理解的是在实践本披露的过程中,可以采用对本文所描述的本披露实施例的各种替代方案。所附权利要求书旨在限定本披露的保护范围,并因此覆盖这些权利要求范围内的等同或替代方案。
Claims (11)
1.一种对车辆进行称重的系统,包括:
第一信号获取子系统,用于获取车辆行进时的称重数据;
第二信号获取子系统,用于获取所述车辆行进时的振动数据;以及
数据处理子系统,用于根据所述称重数据和所述振动数据确定车辆的最终重量。
2.根据权利要求1所述的系统,其中,所述数据处理子系统进一步用于:
根据所述称重数据确定第一重量;
根据所述振动数据确定特征数据;以及
根据所述第一重量、特征数据和预定称重模型来确定所述车辆的最终重量。
3.根据权利要求2所述的系统,其中,所述特征数据至少包括所述车辆的速度、加速度、行驶位置、振动数据的积分和或者特征频率的强度值中的一种或者多种。
4.根据所述权利要求3的系统,其中,所述数据处理子系统进一步用于:
基于所述第二信号获取子系统中不同排传感器获取的振动数据的绝对值;
根据所述绝对值的最大值对应的特征时间与不同排传感器的距离确定车辆的速度;以及
基于所述车辆的速度和所述特征时间确定所述车辆的加速度。
5.根据所述权利要求3的系统,其中,所述数据处理子系统进一步用于:
基于所述第二信号获取子系统中同排传感器获取的振动数据确定所述振动数据的绝对值;以及
基于所述绝对值的最大值与同排传感器中相邻传感器的距离来确定车辆的行驶位置。
6.根据所述权利要求3的系统,其中,所述数据处理子系统进一步用于:
根据所述振动数据的信号强度确定时域上的特征区间;以及
对所述特征区间进行积分获得所述振动数据的积分和。
7.根据所述权利要求3的系统,其中,所述数据处理子系统进一步用于:
对所述振动数据进行变换,获得所述振动数据的频率-强度图;
根据所述频率-强度图确定特征频率区间;以及
对所述特征频率区间内的信号强度进行积分获得特征频率的强度值。
8.根据所述权利要求2-7任一所述的系统,其中,所述数据处理子系统进一步用于:
将所述第一重量和所述特征数据输入所述预定称重模型中;以及
所述预定称重模型基于该输入,输出车辆的最终重量。
9.根据所述权利要求8所述的系统,其中,所述预定称重模型包括BP网络模型、AlexNet网络模型、Resnet网络模型和VGG网络模型中的一种。
10.根据权利要求1-9任一所述的系统,其中,所述第一信号获取子系统和所述第二信号获取子系统沿车辆行驶方向前后布置、左右布置或叠加布置;优选地,所述第一信号获取子系统至少包括板式称重装置、条式称重装置、石英称重装置中的一种或者多种;
优选地,所述第二信号获取子系统至少包括加速度传感器、速度传感器、位移传感器中的一种或者多种。
11.一种对车辆进行称重的方法,包括:
获取车辆行进时的称重数据;
获取所述车辆行进时的振动数据;以及
根据所述称重数据和所述振动数据确定车辆的最终重量。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011603351.3A CN112781703A (zh) | 2020-12-30 | 2020-12-30 | 一种对车辆进行称重的系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011603351.3A CN112781703A (zh) | 2020-12-30 | 2020-12-30 | 一种对车辆进行称重的系统及方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112781703A true CN112781703A (zh) | 2021-05-11 |
Family
ID=75751749
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011603351.3A Pending CN112781703A (zh) | 2020-12-30 | 2020-12-30 | 一种对车辆进行称重的系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112781703A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114279541A (zh) * | 2021-12-30 | 2022-04-05 | 中储恒科物联网系统有限公司 | 一种轴组式防作弊车辆称重系统 |
CN114548167A (zh) * | 2022-02-19 | 2022-05-27 | 江阴旺达商务贴有限公司 | 运载对象信息识别系统 |
CN116242465A (zh) * | 2023-05-12 | 2023-06-09 | 深圳亿维锐创科技股份有限公司 | 一种动态车辆称重方法及系统 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1844865A (zh) * | 2006-05-08 | 2006-10-11 | 何宏伟 | 车辆动态称重系统及方法 |
US20090024336A1 (en) * | 2005-10-11 | 2009-01-22 | Tatom Frank B | Method for weighing vehicles crossing a bridge |
CN102901550A (zh) * | 2012-11-15 | 2013-01-30 | 陕西电器研究所 | 一种实现车载动态称重的方法 |
CN107223205A (zh) * | 2016-05-31 | 2017-09-29 | 深圳市大疆创新科技有限公司 | 检测外部撞击物的检测系统、方法以及可移动物体 |
CN108871526A (zh) * | 2018-05-31 | 2018-11-23 | 运城学院 | 一种监测秤台振动预减法运算的动态称重方法 |
CN210664723U (zh) * | 2019-06-14 | 2020-06-02 | 北京万集科技股份有限公司 | 一种条式传感器动态称重系统 |
-
2020
- 2020-12-30 CN CN202011603351.3A patent/CN112781703A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20090024336A1 (en) * | 2005-10-11 | 2009-01-22 | Tatom Frank B | Method for weighing vehicles crossing a bridge |
CN1844865A (zh) * | 2006-05-08 | 2006-10-11 | 何宏伟 | 车辆动态称重系统及方法 |
CN102901550A (zh) * | 2012-11-15 | 2013-01-30 | 陕西电器研究所 | 一种实现车载动态称重的方法 |
CN107223205A (zh) * | 2016-05-31 | 2017-09-29 | 深圳市大疆创新科技有限公司 | 检测外部撞击物的检测系统、方法以及可移动物体 |
CN108871526A (zh) * | 2018-05-31 | 2018-11-23 | 运城学院 | 一种监测秤台振动预减法运算的动态称重方法 |
CN210664723U (zh) * | 2019-06-14 | 2020-06-02 | 北京万集科技股份有限公司 | 一种条式传感器动态称重系统 |
Non-Patent Citations (1)
Title |
---|
李海龙等: "基于BP网络的整车式动态称重数据处理", 《计算机仿真》 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114279541A (zh) * | 2021-12-30 | 2022-04-05 | 中储恒科物联网系统有限公司 | 一种轴组式防作弊车辆称重系统 |
CN114548167A (zh) * | 2022-02-19 | 2022-05-27 | 江阴旺达商务贴有限公司 | 运载对象信息识别系统 |
CN114548167B (zh) * | 2022-02-19 | 2022-10-25 | 江阴旺达商务贴有限公司 | 运载对象信息识别系统 |
CN116242465A (zh) * | 2023-05-12 | 2023-06-09 | 深圳亿维锐创科技股份有限公司 | 一种动态车辆称重方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112781703A (zh) | 一种对车辆进行称重的系统及方法 | |
CN104164829B (zh) | 基于移动终端的路面平整度检测方法和智能路面信息实时监测系统 | |
CN112781702B (zh) | 一种对车辆称重的方法及系统 | |
KR100917051B1 (ko) | 주행차량의 교통정보산출장치 및 그 산출방법 | |
CN110702195B (zh) | 载重车辆运行状态监测方法及装置 | |
CN111667688B (zh) | 一种基于路面振动信号的综合交通信息解析方法及系统 | |
CN103196530A (zh) | 车辆动态称重系统及其称重方法 | |
CN104792937A (zh) | 一种基于车载重力加速度传感器的桥头跳车检测评价方法 | |
CN106710242B (zh) | 基于桥梁动应变识别车队车辆数的方法 | |
CN108318117A (zh) | 一种车辆动态称重补偿传感器阵列、系统与方法 | |
CN103473948A (zh) | 压电电缆布设结构及超载车辆轮迹线横向位置识别方法 | |
CN112697249B (zh) | 一种动态车辆超限判定方法及判定系统 | |
CN106638242A (zh) | 一种适应低速及变速测量的平整度检测装置及方法 | |
CN114023065A (zh) | 一种利用视频解析数据智能诊断路口服务等级的算法 | |
CN112816043B (zh) | 一种确定车辆的车型的方法及系统 | |
CN112484839A (zh) | 一种基于二轴车辆响应的桥梁移动检测方法和系统 | |
CN203274877U (zh) | 车辆动态称重系统 | |
CN214224320U (zh) | 一种动态车辆超限判定系统 | |
CN112781701A (zh) | 一种对称重信息进行可信度评分的方法及系统 | |
JP6864734B2 (ja) | 課金システム、課金方法及びプログラム | |
CN112816044A (zh) | 一种动态车辆超限判定系统及判定方法 | |
CN112697248B (zh) | 一种动态车辆超限判定方法及判定系统 | |
Szczodrak et al. | Road surface roughness estimation employing integrated position and acceleration sensor | |
JP6741797B2 (ja) | 車載システム、課金システム、課金方法及びプログラム | |
CN106408937A (zh) | 分布式路况检测系统及路况检测方法 |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20210511 |
|
RJ01 | Rejection of invention patent application after publication |