CN114333331B - 一种多车道桥梁车辆通行信息与车重识别方法及系统 - Google Patents
一种多车道桥梁车辆通行信息与车重识别方法及系统 Download PDFInfo
- Publication number
- CN114333331B CN114333331B CN202210203495.2A CN202210203495A CN114333331B CN 114333331 B CN114333331 B CN 114333331B CN 202210203495 A CN202210203495 A CN 202210203495A CN 114333331 B CN114333331 B CN 114333331B
- Authority
- CN
- China
- Prior art keywords
- vehicle
- lane
- bridge
- response
- dynamic strain
- 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.)
- Active
Links
Images
Abstract
本发明公开了一种多车道桥梁车辆通行信息与车重识别方法及系统,涉及车辆称重技术领域,该方法包括采用标准重量车辆在桥梁各车道上单独行驶以进行标定,并获取每次标定过程中的地磁响应和动应变响应,得到桥梁多车道响应矩阵;通过匹配车辆通过多个地磁传感器时的感应波峰特征,解算得到桥梁各车道的车辆通行信息;基于非负矩阵分解算法,并结合桥梁多车道响应矩阵和桥梁实时多车道动应变响应向量,得到多车道车重分配比和目标车辆车重;当目标车辆的车重大于预设重量时,将目标车辆的车辆信息实时传输至后台服务器。本发明能够实现了多车道桥梁全桥面复杂车辆通行状况下的车辆通行状况识别与车重解算,实现车辆通行状况全天候识别。
Description
技术领域
本发明涉及车辆称重技术领域,具体涉及一种多车道桥梁车辆通行信息与车重识别方法及系统。
背景技术
随着社会和经济的发展,交通运输需求不断增大,通行车辆的数量以及重量都在快速增长。车辆荷载是桥梁结构在桥面处所承受的主要活荷载之一,作用力的大小与桥梁结构服役期间的安全性有着密切的关系,因此车流量及车重的增长也给桥梁结构带来了越来越大的承载压力。其中,超重车辆过桥容易导致桥梁损伤、桥面破坏、桥梁劣化加速等一系列问题,在某些极端情况下,桥梁在超重车辆的作用下会发生垮塌、结构失效等事故,带来巨大的经济损失,并危害到人们的生命安全,因此,有必要对桥梁上通行的重车进行车重识别及管控。
近年来,桥梁动态称重(Bridge weigh-in-motion,简称BWIM)技术在车辆荷载识别领域中被广泛应用,该技术通过利用桥梁的动态响应反演得到过桥车辆的荷载信息,相较于传统桥梁称重技术,桥梁动态称重技术避免了对路面的开挖、路面维护过程中的养护问题,并能有效监测车辆过桥时对桥梁的作用力大小,具有成本低、使用寿命长等优点。虽然该技术目前在单车道桥梁中已有应用,但在多车道桥梁应用中面临着车辆通行信息识别困难、桥梁响应耦合因素多等问题。
目前,在多车道车辆通行信息识别方面,现有的技术手段多采用智能视频、探测雷达等方法识别。其中,探测雷达成本较高,大面积应用于多车道桥梁车辆通行信息识别的可能性较低。基于机器视觉技术具有非接触、远距离、高精度、抗电磁干扰、可以进行多点同步测量以及大范围的结构监测的优点,但仅依靠机器视觉方法对车辆通行状况进行识别易受到雨雾等不良天气影响,且对后台运算设备的计算能力要求较高;且需安装较多摄像机,存在成本偏高、安装不便、影响交通等问题,也增加了车辆通行风险。
发明内容
针对现有技术中存在的缺陷,本发明的目的在于提供一种多车道桥梁车辆通行信息与车重识别方法及系统,能够实现了多车道桥梁全桥面复杂车辆通行状况下的车辆通行状况识别与车重解算,实现车辆通行状况全天候识别。
为达到以上目的,本发明提供的一种多车道桥梁车辆通行信息与车重识别方法,具体包括以下步骤:
采用标准重量车辆在桥梁各车道上单独行驶以进行标定,并获取每次标定过程中的地磁响应和动应变响应,得到桥梁多车道响应矩阵;
基于桥梁上安装的地磁传感器,通过匹配车辆通过多个地磁传感器时的感应波峰特征,解算得到桥梁各车道的车辆通行信息;
基于非负矩阵分解算法,并结合桥梁多车道响应矩阵和桥梁实时多车道动应变响应向量,得到多车道车重分配比和目标车辆车重;
基于计算得到的目标车辆车重,当目标车辆的车重大于预设重量时,将目标车辆的车辆信息实时传输至后台服务器。
在上述技术方案的基础上,所述得到桥梁多车道响应矩阵,具体的得到步骤包括:
计算标准车重标定基准响应,计算公式为:
其中,表示标准车重标定基准响应,表示车道上的第个动应变传感器在一次过车历程中的第个应变响应值,表示一次过车历程中动应变传感器的应变响应值数量,表示桥梁上动应变传感器的数量,表示通过地磁传感器计算得到的车辆车速;
计算得到桥梁多车道响应矩阵:
在上述技术方案的基础上,
所述车辆通行信息包括车道上是否存在车辆、车辆类型、车辆速度、车辆位于桥梁的横向位置和驾驶行为;
所述驾驶行为包括变道、并行、超车、低速行驶和停车。
在上述技术方案的基础上,所述解算得到桥梁各车道的车辆通行信息,其中,判断车道上是否存在车辆的具体过程为:
其中,当时,满足且时的最大值记为,表示时刻,第个车道上有车辆通过时地磁传感器Z方向的磁场响应监测值;当时,满足且时的最小值记为,表示调整常量,表示时刻,第个车道上有车辆通过时地磁传感器Z方向的磁场响应监测值。
在上述技术方案的基础上,所述解算得到桥梁各车道的车辆通行信息,其中,解算得到车辆速度的公式为:
在上述技术方案的基础上,
所述桥梁上还安装有多用监控摄像机,所述多用监控摄像机用于对桥梁上的车辆通行图像进行采集并上传至后台服务器;
所述后台服务器还用于在设定桥梁通行工况下,基于图像识别算法识别多用监控摄像机上传的车辆通行图像,得到车辆通行信息;
当基于地磁传感器无法得到桥梁各车道的车辆通行信息时,将多用监控摄像机采集的车辆通行图像上传至后台服务器,然后基于图像识别算法识别多用监控摄像机上传的车辆通行图像,得到车辆通行信息。
在上述技术方案的基础上,
所述多用监控摄像机安装于桥梁侧方立杆上;
所述地磁传感器地磁传感器和动应变传感器安装于桥梁梁底;
所述车辆通行图像进行关键帧抽取处理后上传至后台服务器。
在上述技术方案的基础上,所述基于非负矩阵分解算法,并结合桥梁多车道响应矩阵和桥梁实时多车道动应变响应向量,得到多车道车重分配比和目标车辆车重,具体步骤包括:
基于得到的车辆通行信息,当中大型车辆通过桥梁时,由动应变传感器获取车辆通过时各车道下方主梁跨中部位的实时动应变响应;
基于获取的实时动应变响应,当实时动应变响应大于重车触发阈值时,计算动应变传感器的动应变响应值和,计算公式为:
其中,SX表示动应变响应值和,SXjk表示第j个动应变传感器的第k个应变响应值;
基于动应变响应值和、多车道车重分配系数、桥梁多车道响应矩阵三者间的关系,计算得到多车道车重分配系数,动应变响应值和、多车道车重分配系数、桥梁多车道响应矩阵三者间的关系为:
通过动应变响应值计算得到桥梁断面各车道通行车辆总重量,并结合多车道车重分配系数,计算得到各车道中车辆的车辆重量,得到目标车辆车重。
在上述技术方案的基础上,标定过程中,标准重量车辆在同一车道多次单独行驶过程中,动应变传感器的所有动应变响应峰值的最小值,为该车道的重车触发阈值。
本发明提供的一种多车道桥梁车辆通行信息与车重识别系统,包括:
标定模块,其用于采用标准重量车辆在桥梁各车道上单独行驶以进行标定,并获取每次标定过程中的地磁响应和动应变响应,得到桥梁多车道响应矩阵和桥梁影响线;
解算模块,其用于基于桥梁上安装的地磁传感器,通过匹配车辆通过多个地磁传感器时的感应波峰特征,解算得到桥梁各车道的车辆通行信息;
确定模块,其用于基于非负矩阵分解算法,并结合桥梁多车道响应矩阵和桥梁实时多车道动应变响应向量,得到多车道车重分配比和目标车辆车重;
传输模块,其用于基于计算得到的目标车辆车重,当目标车辆的车重大于预设重量时,将目标车辆的车辆信息实时传输至后台服务器,所述传输模块还用于当基于地磁传感器无法得到桥梁各车道的车辆通行信息时,将多用监控摄像机采集的车辆通行图像上传至后台服务器,然后根据图像识别算法识别得到车辆通行信息。
与现有技术相比,本发明的优点在于:基于车辆通行信息、多车道响应矩阵、实时动应变响应等多源信息,利用非负矩阵分解解算出各车道实际单车车重,并结合标定得到的桥梁影响线判定车道组合车重是否超过设计规范荷载,且本发明无需开挖路面布设传感元件,对桥上交通影响较小,且成本低,同时提升了动态称重覆盖范围,实现了多车道桥梁全桥面复杂车辆通行状况下的车辆通行状况识别与车重解算,实现车辆通行状况全天候识别;同时采用“边-端-云”协同计算的数据处理方式,节约了边缘计算终端算力,降低了硬件成本;本发明适用于空心板梁桥、T梁桥、装配式梁桥等常见中小桥梁。
附图说明
为了更清楚地说明本申请实施例中的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本申请的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例中一种多车道桥梁车辆通行信息与车重识别方法的流程图;
图2为本发明实施例中桥梁上设备布置示意图;
图3为本发明实施例中边缘计算终端及相关设备的结构示意图;
图4为本发明实施例中多车道桥梁车辆通行信息与车重识别方法的具体执行流程图。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚,下面将结合本申请实施例中的附图,对本申请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申请的一部分实施例,而不是全部的实施例。
参见图1所示,本发明实施例提供的一种多车道桥梁车辆通行信息与车重识别方法,基于各车道下方主梁跨中部设置的动应变传感器、各车道沿跨中对称布置的地磁传感元件和设置于桥梁上部覆盖桥面区域的视频监控部件实现,具体包括以下步骤:
S1:采用标准重量车辆在桥梁各车道上单独行驶以进行标定,并获取每次标定过程中的地磁响应和动应变响应,得到桥梁多车道响应矩阵;
即通过标准重量车辆(车重优选为30吨)进行标定,标定过程为标准重量车辆在各车道上单独行驶,当标准重量车辆在某一车道上行驶时,其他车道均无车辆行驶,标准重量车辆在一车道上的一次单独行驶过程为一次标定过程。
在一种可能的实施方式中,记录下各车道每一次标定过程中的地磁响应和动应变响应,且每个车道需进行多次标定(优选为5次),然后将得到的所有应变数据进行去除均值、去除异常值等预处理操作,得到桥梁多车道响应矩阵。
为实现多车道重车触发,在标定过程中,进行重车触发阈值的设置,且各车道设置单独的重车触发阈值。
重车触发阈值的具体设置过程为:每个车道选择一个动应变传感器用于进行重车触发阈值设置和重车触发,重车触发阈值设置的依据为标定过程中该车道单独跑车工况下的应变响应,重车触发阈值为该车道每次跑车时应变响应峰值的最小值,例如,一个车道5次标定过程中引起的应变响应峰值分别为A1、A2、A3、A4、A5,则该车道的重车触发阈值为A1、A2、A3、A4、A5中的最小值。
即标定过程中,标准重量车辆在同一车道多次单独行驶过程中,动应变传感器的所有动应变响应峰值的最小值,为该车道的重车触发阈值。
具体的,动应变传感器的布设位置为桥跨跨中、各车道中心位置的梁底部,每个车道至少布置一个动应变传感器,动应变传感器用于获取车辆通过时各车道下方的实时动应变响应。
地磁传感器布设的纵向位置为桥跨跨中两侧0.5~2.5m处,横向位置为各车道中心位置梁底部,每个车道至少选择2个断面布设地磁传感器,用于获取磁场信息以解算车辆通行相关信息。
S2:基于桥梁上安装的地磁传感器,通过匹配车辆通过多个地磁传感器时的感应波峰特征,解算得到桥梁各车道的车辆通行信息;
即通过桥梁上安装的地磁传感器Z轴响应确定车辆通过情况,通过阵列式地磁传感器响应波峰特征匹配解算车辆行驶方向与速度,实现多车道桥梁车辆通行信息识别。
本发明实施例中,车辆通行信息包括车道上是否存在车辆、车辆类型、车辆速度、车辆位于桥梁的横向位置和驾驶行为;驾驶行为包括变道、并行、超车、低速行驶和停车。
进一步的,桥梁上还安装有多用监控摄像机,所述多用监控摄像机用于对桥梁上的车辆通行图像进行采集并上传至后台服务器;后台服务器还用于在设定桥梁通行工况下,基于图像识别算法识别多用监控摄像机上传的车辆通行图像,得到车辆通行信息。当基于地磁传感器无法得到桥梁各车道的车辆通行信息时,将多用监控摄像机采集的车辆通行图像上传至后台服务器,然后基于图像识别算法识别多用监控摄像机上传的车辆通行图像,得到车辆通行信息。
即当桥梁为复杂车况,通过地磁传感器监测的数据无法准确判定各车道的车辆通行信息时,通过调取多用监控摄像机采集的车辆通行图像,对多车道车辆通行情况进行机器视觉云端辅助识别,并将识别结果反馈给基于地磁传感器数据的车辆通行状况识别算法,进行机器学习识别模型有监督强化训练,实现“边-端-云”协同计算与机器学习模型强化。多用监控摄像机还用于获取车辆的车牌信息。
参见图2所示,多用监控摄像机安装于桥梁侧方立杆上;地磁传感器地磁传感器和动应变传感器安装于桥梁梁底;数据采集模块、边缘计算终端和无线通讯设备安装于桥下数据采集箱内,易于安装且对桥上交通影响较小。多用监控摄像机旁还设置有补光设备。
进一步的,边缘计算终端用于在桥梁本地执行本发明的步骤S2~S4,边缘计算终端及相关设备的具体结构如图3所示,图3中标号1表示电源,标号2表示电路保护设备,标号3表示工业交换机,标号4表示无线通信模块,标号5表示数据存储硬盘,标号6表示边缘计算终端,虚线表示通讯线路,其上端连接地磁传感器和动应变传感器,波浪线表示供电线路,其上端连接电网。
边缘计算终端具体布置于桥跨附近,用于现场采集多源信息解算以识别车辆通行状况与超重车辆;数据存储硬盘和无线通信模块布置于桥跨附近,用于将采集的数据、抓拍的录像或照片、评估出的车重信息存储于桥址现场,同时通过4G/5G无线网络实时传输至后台服务器。
车辆通行图像进行关键帧抽取处理后(如抽取关键帧至5~ 20fps)上传至后台服务器,由后台服务器基于图像识别得到车辆通行信息,并将识别结果反馈给边缘计算终端,实现“边-端-云”协同计算。
S3:基于非负矩阵分解算法,并结合桥梁多车道响应矩阵和桥梁实时多车道动应变响应向量,得到多车道车重分配比和目标车辆车重,同时可结合标定实验所得桥梁影响线以判定车道组合车重是否超过桥梁设计荷载;本发明实施例中的目标车辆为桥梁上行驶的中大型车辆。
当基于地磁传感器监测数据或多用监控摄像机拍摄的车辆通行图像,识别得到中大型车辆通过桥梁时,则驱动边缘计算终端中的桥梁动态称重计算模块工作,然后基于非负矩阵分解算法,并结合桥梁多车道响应矩阵和桥梁实时多车道动应变响应向量,得到多车道车重分配比和目标车辆车重。
S4:基于计算得到的目标车辆车重,当目标车辆的车重大于预设重量时,将目标车辆的车辆信息实时传输至后台服务器。
即当计算识别得到目标车辆为超重车辆时,则将目标车辆的车牌信息、桥梁通行时间、车重、通行桥梁时的视频等信息发送给后台服务器,及时推送给相关管理部门。
本发明实施例中,得到桥梁多车道响应矩阵,具体的得到步骤包括:
S101:计算标准车重标定基准响应,计算公式为:
其中,Wb表示标准车重标定基准响应,Sik表示车道上的第i个动应变传感器在一次过车历程中的第k个应变响应值,n表示一次过车历程中动应变传感器的应变响应值数量,j表示桥梁上动应变传感器的数量,V表示通过地磁传感器计算得到的车辆车速;
为实现重载识别,需要对车重进行标定。以一个行进方向的整幅桥梁为一个整体进行标定,标定依据为标定过程中各工况下的应变响应以及地磁传感器获得的车辆行驶速度,其中车速可通过两个地磁传感器截面的距离除以一次行驶过程中两个截面的响应峰值时间差求得。针对每一次标定过程,从车辆对当前车道上传感器造成响应开始,到车辆不再影响当前车道传感器响应结束,这一历程中当前车道的每一个动应变传感器得到n个应变响应值,记为一次过车历程。将一次过车历程中每一传感器的n个动应变时程响应值进行求和,将整幅桥梁的j个传感器响应之和再求和,然后乘以车辆速度,即为标准车重标定基准响应。
S102:计算得到桥梁多车道响应矩阵:
桥梁多车道响应矩阵中,每一行代表某一车道单独跑车时的工况,每个元素对应为该车道单独跑车工况下,每一传感器的应变响应和。
本发明实施例中,解算得到桥梁各车道的车辆通行信息,其中,判断车道上是否存在车辆的具体过程为:
其中,表示t时刻,第x个车道上有车辆通过时地磁传感器Z方向的磁场响应监测值,表示t时刻,第x个车道上无车辆通过时地磁传感器Z方向的磁场响应监测值,表示预设磁场响应监测值,具体的,根据现场测试确定,使得第x个车道上有车辆通过时,地磁传感器Z方向的磁场响应监测值满足的概率等于95%;
其中,当时,满足且时t1的最大值记为ts,表示 t1时刻,第x个车道上有车辆通过时地磁传感器Z方向的磁场响应监测值;当时,满足且t2>t时的t2最小值记为te,m表示调整常量,取值范围为(0.3,0.9),表示t2时刻,第x个车道上有车辆通过时地磁传感器Z方向的磁场响应监测值。
对车辆通过第一个地磁传感器的波峰进行匹配,确定车辆通过下一地磁传感器的位置、时间,解算车辆速度与行驶方向,初步判断是否存在变道行驶等驾驶行为。
本发明实施例中,解算得到桥梁各车道的车辆通行信息,其中,解算得到车辆速度的公式为:
本发明基于地磁传感器监测数据进行车辆通行信息解算时,还需考虑邻近车道地磁场影响。
当t时刻,第x个车道上判定有车辆通过时,若存在,秒或存在,秒,则t时刻,第x个车道存在磁场感应受临近车道影响而造成误判的可能。表示t1时刻,第x-1个车道上有车辆通过时地磁传感器Z方向的磁场响应监测值,表示t2时刻,第x+1个车道上有车辆通过时地磁传感器Z方向的磁场响应监测值。
具体的,车辆通行信息的具体解算过程可以基于上述判定方法进行有监督机器学习模型来进行,通过各类车型及多车道多种组合车况数据集对机器学习模型进行训练,训练后对该桥梁车辆识别情况进行人工修正,最终形成可靠的基于机器学习算法的大型车辆识别。对上述判断车道上是否存在车辆、车辆速度和是否受邻近车道地磁场影响的具体计算过程进行进一步的融合分析,基于当前磁场响应监测数据解析多车道车辆通行状况。
在一种可能的实施方式中,车辆通行状况视频辅助判断与机器学习模型动态识别相结合。当存在以下两种情况,将调用监控得到的车辆通行图像进行视觉辅助识别:
情况1:当车况较为复杂,或特殊车辆途径时,基于地磁传感器磁场响应监测值无法准确判定车辆类型时,将调用视频监控进行车辆识别;情况2:将地磁传感器Z轴磁场响应峰值、通行时产生的正向磁场响应积分面积作为辅助判定手段,当这两项数值达到阈值而机器学习算法未触发重车通过事件时,调取视频对通行车辆进行辅助判断。
为确保机器学习算法能动态适应当前车流情况与桥梁工程实际,将视觉识别结果反馈给机器学习算法进行训练,动态更新车辆通过时地磁响应模型,提高机器算法车辆通行状况识别准确性。
本发明实施例中,基于非负矩阵分解算法,并结合桥梁多车道响应矩阵和桥梁实时多车道动应变响应向量,得到多车道车重分配比和目标车辆车重,具体步骤包括:
S301:基于得到的车辆通行信息,当中大型车辆通过桥梁时,由动应变传感器获取车辆通过时各车道下方主梁跨中部位的实时动应变响应;
S302:基于获取的实时动应变响应,当实时动应变响应大于重车触发阈值时,计算动应变传感器的动应变响应值和,计算公式为:
其中,SX表示动应变响应值和,SXjk表示第j个动应变传感器的第k个应变响应值;
S303:基于动应变响应值和、多车道车重分配系数、桥梁多车道响应矩阵三者间的关系,计算得到多车道车重分配系数,动应变响应值和、多车道车重分配系数、桥梁多车道响应矩阵三者间的关系为:
S304:通过动应变响应值计算得到桥梁断面各车道通行车辆总重量,并结合多车道车重分配系数,计算得到各车道中车辆的车辆重量,得到目标车辆车重。
从实测中获得的多车道响应向量和标定试验中获得的多车道响应标定矩阵中反演出多车道车重分配比是多车道桥梁动态称重的重点,通过动应变数据计算断面各车道通行车辆总重量,按照多车道车中分配比求得当前时刻通过当前断面的车辆重量。
在一种可能的实施方式中,还包括:
S305:通过标定获得桥梁影响线,按照桥梁采用的设计规范施加荷载,得到标准状况下跨中理论动应变D L0 。动应变传感器监测到动应变响应为D C ,则等效车道荷载系数k s =D C /D L0 ,当多车道动应变传感器存在k s >1时,判定车道组合车重是否超过桥梁设计荷载。
进一步的,为节约边缘计算终端的算力,将本发明的多车道桥梁车辆通行信息与车重识别方法具体分为车辆通行信息识别、机器视觉算法辅助识别、基于桥梁动应变的车重解算和超重车辆信息发送四个步骤,采用分级唤醒逻辑,当前一步骤执行获得相应关键信息时,才会触发执行后一步骤。同时,本发明还采用“边-端-云”协同计算方式,当需要视频辅助识别时,将视频抽帧后通过传输模块发送到云端服务器进行视觉计算,计算完成后反馈识别结果给边缘计算终端。实现系统低复杂度计算,有效提高系统稳定性、降低系统硬件成本。
本发明的多车道桥梁车辆通行信息与车重识别方法,通过在桥下安装地磁传感器阵列获取各车道车辆通行信息,安装动应变传感器捕获桥梁车辆通过时的动应变响应,安装监控摄像机与补光设备用于拍摄桥梁车道通行视频,并运用机器视觉方法进行车牌号记录与通行状况辅助识别。桥下安装多源信息边缘计算终端与无线传输系统,现场解算车辆通行信息与车重信息,并将记录下的超重车辆信息实时传输至云服务器并推送给管理部门。边缘计算终端程序采用分级唤醒-低复杂度计算算法,以节约边缘计算终端算力。
本发明与传统的动态秤重系统相比,无需开挖路面布设传感元件,系统主要传感元件及边缘计算终端安装于桥梁梁底或桥梁下方空间,集成多功能摄像机布置于桥上侧方立杆,通讯模块采用无线数据传输模式,设备元件便于安装,对桥上交通影响较小。市面上已有桥梁动态秤重系统的动态称重覆盖范围窄,只适用于简单通行车况、一般在单车道引桥应用。与之相比,本发明提升了动态秤重覆盖范围,实现了多车道桥梁全桥面复杂车辆通行状况下的车量通行状况识别与车重解算。
本发明与仅基于视觉桥梁通行信息识别方式相比:本发明以地磁传感器为主、机器视觉为辅的判断方式克服了视频判断易受不良天气影响的问题,实现车辆通行状况全天候识别,同时降低了调用视频监控进行视觉识别的频率,节约了系统算力。
本发明与其他多车道桥梁车重解算方法相比:本发明有效考虑了多车道桥梁复杂车况下动应变干扰,提出基于非负矩阵解算方法求得多车道车重分配比的方案,精准解算复杂车况下各车道通行车辆实际车重。在算法方面,系统计算流程分为基于地磁感应的车辆信息识别、机器视觉算法辅助识别、基于桥梁动应变的车重解算和整合并发送超重车辆信息四个过程,算法采用分级唤醒逻辑,计算实现低复杂度“边-端-云”协同计算;实现系统低复杂度计算,节约了边缘计算终端算力,降低了硬件成本。
此外,本发明还具有计算模型机器学习动态修正、多源监测数据边缘计算、超重车辆实时报警等特点。本发明适用于空心板梁桥、T梁桥、装配式梁桥等常见中小桥梁,实现多车道、全天候车辆通行状况识别、称重抓拍,具有广阔的工程应用前景。
参见图4所示,以下对本发明的多车道桥梁车辆通行信息与车重识别方法进行具体说明。
通过标定工况,确定桥梁多车道响应矩阵与桥梁影响线;利用梁底阵列式布设的地磁传感器获取各车道车辆车型、通行车速、驾驶行为等车辆通行信息,必要时调取视频监控进行机器视觉云端辅助判别。利用动应变监测模块获取车辆行驶时各车道下方主梁的实时动应变响应;基于车辆通行信息、多车道响应矩阵、实时动应变响应等多源信息,利用非负矩阵分解,解算出各车道实际单车车重。基于桥梁设计规范理论动应变值与动应变监测值解算等效车道荷载,判定多车道桥梁组合荷载是否超过设计规范,即目标车辆的车重是否大于预设重量。计算流程分为基于桥下地磁扰动的车辆信息识别、机器视觉算法辅助判别、基于桥梁动应变的车重解算和超重车辆信息管理四个方面,算法采用分级唤醒逻辑、“边-端-云”协同计算模式,实现系统低复杂度计算。
本发明的多车道桥梁车辆通行信息与车重识别方法适用于空心板梁桥、T梁桥、装配式梁桥等大量常见中小桥梁。本发明实现了多车道桥梁车辆通行状况全天候识别、通行车辆车重解算及超重车辆抓拍报警的功能。
本发明通过标定工况,确定桥梁多车道响应矩阵;利用梁底阵列式布设地磁传感器获取各车道车辆车型、通行车速、驾驶行为等信息,必要时调取视频监控进行机器视觉云端辅助判别。获取车辆行驶时各车道下方主梁的实时动应变响应,基于车辆通行信息、多车道响应矩阵、实时动应变响应等多源信息,利用非负矩阵分解,解算出各车道实际单车车重。基于桥梁设计规范理论值与动应变监测值解算等效车道荷载,判定多车道桥梁组合荷载是否超过设计规范。计算流程分为基于桥下地磁扰动的车辆信息识别、机器视觉算法辅助判别、基于桥梁动应变的车重解算和超重车辆信息管理四个模块,算法采用分级唤醒逻辑。计算实现系统低复杂度“边-端-云”协同计算;本发明适用于空心板梁桥、T梁桥、装配式梁桥等常见中小桥梁。本发明实现了多车道桥梁车辆通行信息全天候识别、通行车辆车重解算、等效车道荷载计算及超重车辆抓拍报警的功能。
本发明实施例提供的一种多车道桥梁车辆通行信息与车重识别系统,包括标定模块、解算模块、确定模块和传输模块。
标定模块用于采用标准重量车辆在桥梁各车道上单独行驶以进行标定,并获取每次标定过程中的地磁响应和动应变响应,得到桥梁多车道响应矩阵和桥梁影响线;解算模块用于基于桥梁上安装的地磁传感器,通过匹配车辆通过多个地磁传感器时的感应波峰特征,解算得到桥梁各车道的车辆通行信息;确定模块用于基于非负矩阵分解算法,并结合桥梁多车道响应矩阵和桥梁实时多车道动应变响应向量,得到多车道车重分配比和目标车辆车重;传输模块用于基于计算得到的目标车辆车重,当目标车辆的车重大于预设重量时,将目标车辆的车辆信息实时传输至后台服务器,传输模块还用于当基于地磁传感器无法得到桥梁各车道的车辆通行信息时,将多用监控摄像机采集的车辆通行图像上传至后台服务器,然后根据图像识别算法识别得到车辆通行信息,实现“边-端-云”协同计算。
以上所述仅是本申请的具体实施方式,使本领域技术人员能够理解或实现本申请。对这些实施例的多种修改对本领域的技术人员来说将是显而易见的,本文中所定义的一般原理可以在不脱离本申请的精神或范围的情况下,在其它实施例中实现。因此,本申请将不会被限制于本文所示的这些实施例,而是要符合与本文所申请的原理和新颖特点相一致的最宽的范围。
本发明是参照根据本发明实施例的方法、设备(系统)和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
Claims (9)
1.一种多车道桥梁车辆通行信息与车重识别方法,其特征在于,具体包括以下步骤:
采用标准重量车辆在桥梁各车道上单独行驶以进行标定,并获取每次标定过程中的地磁响应和动应变响应,基于地磁响应和动应变响应得到桥梁多车道响应矩阵;
基于桥梁上安装的地磁传感器,通过匹配车辆通过多个地磁传感器时的感应波峰特征,解算得到桥梁各车道的车辆通行信息;
基于非负矩阵分解算法,并结合桥梁多车道响应矩阵和桥梁实时多车道动应变响应向量,得到多车道车重分配比和目标车辆车重;
基于计算得到的目标车辆车重,当目标车辆的车重大于预设重量时,将目标车辆的车辆信息实时传输至后台服务器;
其中,所述基于非负矩阵分解算法,并结合桥梁多车道响应矩阵和桥梁实时多车道动应变响应向量,得到多车道车重分配比和目标车辆车重,具体步骤包括:
基于得到的车辆通行信息,当中大型车辆通过桥梁时,由动应变传感器获取车辆通过时各车道下方主梁跨中部位的实时动应变响应;
基于获取的实时动应变响应,当实时动应变响应大于重车触发阈值时,计算动应变传感器的动应变响应值和,计算公式为:
其中,SX表示动应变响应值和,SXjk表示第j个动应变传感器的第k个应变响应值,n表示一次过车历程中动应变传感器的应变响应值数量;
基于动应变响应值和、多车道车重分配系数、桥梁多车道响应矩阵三者间的关系,计算得到多车道车重分配系数,动应变响应值和、多车道车重分配系数、桥梁多车道响应矩阵三者间的关系为:
通过动应变响应值计算得到桥梁断面各车道通行车辆总重量,并结合多车道车重分配系数,计算得到各车道中车辆的车辆重量,得到目标车辆车重。
3.如权利要求2所述的一种多车道桥梁车辆通行信息与车重识别方法,其特征在于:
所述车辆通行信息包括车道上是否存在车辆、车辆类型、车辆速度、车辆位于桥梁的横向位置和驾驶行为;
所述驾驶行为包括变道、并行、超车、低速行驶和停车。
6.如权利要求3所述的一种多车道桥梁车辆通行信息与车重识别方法,其特征在于:
所述桥梁上还安装有多用监控摄像机,所述多用监控摄像机用于对桥梁上的车辆通行图像进行采集并上传至后台服务器;
所述后台服务器还用于在设定桥梁通行工况下,基于图像识别算法识别多用监控摄像机上传的车辆通行图像,得到车辆通行信息;
当基于地磁传感器无法得到桥梁各车道的车辆通行信息时,将多用监控摄像机采集的车辆通行图像上传至后台服务器,然后基于图像识别算法识别多用监控摄像机上传的车辆通行图像,得到车辆通行信息。
7.如权利要求6所述的一种多车道桥梁车辆通行信息与车重识别方法,其特征在于:
所述多用监控摄像机安装于桥梁侧方立杆上;
所述地磁传感器地磁传感器和动应变传感器安装于桥梁梁底;
所述车辆通行图像进行关键帧抽取处理后上传至后台服务器。
8.如权利要求5所述的一种多车道桥梁车辆通行信息与车重识别方法,其特征在于:标定过程中,标准重量车辆在同一车道多次单独行驶过程中,动应变传感器的所有动应变响应峰值的最小值,为该车道的重车触发阈值。
9.一种多车道桥梁车辆通行信息与车重识别系统,其特征在于,包括:
标定模块,其用于采用标准重量车辆在桥梁各车道上单独行驶以进行标定,并获取每次标定过程中的地磁响应和动应变响应,基于地磁响应和动应变响应得到桥梁多车道响应矩阵和桥梁影响线;
解算模块,其用于基于桥梁上安装的地磁传感器,通过匹配车辆通过多个地磁传感器时的感应波峰特征,解算得到桥梁各车道的车辆通行信息;
确定模块,其用于基于非负矩阵分解算法,并结合桥梁多车道响应矩阵和桥梁实时多车道动应变响应向量,得到多车道车重分配比和目标车辆车重;
传输模块,其用于基于计算得到的目标车辆车重,当目标车辆的车重大于预设重量时,将目标车辆的车辆信息实时传输至后台服务器,所述传输模块还用于当基于地磁传感器无法得到桥梁各车道的车辆通行信息时,将多用监控摄像机采集的车辆通行图像上传至后台服务器,然后根据图像识别算法识别得到车辆通行信息;
其中,所述基于非负矩阵分解算法,并结合桥梁多车道响应矩阵和桥梁实时多车道动应变响应向量,得到多车道车重分配比和目标车辆车重,具体步骤包括:
基于得到的车辆通行信息,当中大型车辆通过桥梁时,由动应变传感器获取车辆通过时各车道下方主梁跨中部位的实时动应变响应;
基于获取的实时动应变响应,当实时动应变响应大于重车触发阈值时,计算动应变传感器的动应变响应值和,计算公式为:
其中,SX表示动应变响应值和,SXjk表示第j个动应变传感器的第k个应变响应值,n表示一次过车历程中动应变传感器的应变响应值数量;
基于动应变响应值和、多车道车重分配系数、桥梁多车道响应矩阵三者间的关系,计算得到多车道车重分配系数,动应变响应值和、多车道车重分配系数、桥梁多车道响应矩阵三者间的关系为:
通过动应变响应值计算得到桥梁断面各车道通行车辆总重量,并结合多车道车重分配系数,计算得到各车道中车辆的车辆重量,得到目标车辆车重。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210203495.2A CN114333331B (zh) | 2022-03-03 | 2022-03-03 | 一种多车道桥梁车辆通行信息与车重识别方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210203495.2A CN114333331B (zh) | 2022-03-03 | 2022-03-03 | 一种多车道桥梁车辆通行信息与车重识别方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114333331A CN114333331A (zh) | 2022-04-12 |
CN114333331B true CN114333331B (zh) | 2022-06-17 |
Family
ID=81029885
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210203495.2A Active CN114333331B (zh) | 2022-03-03 | 2022-03-03 | 一种多车道桥梁车辆通行信息与车重识别方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114333331B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114936398B (zh) * | 2022-05-12 | 2023-04-07 | 石家庄铁道大学 | 一种基于车桥耦合及随机车辆荷载模型的荷载效应计算方法 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5002141A (en) * | 1989-12-08 | 1991-03-26 | Toledo Scale Corporation | Vehicle weighing in motion apparatus and method |
JP2006317413A (ja) * | 2005-05-16 | 2006-11-24 | Mitsubishi Heavy Ind Ltd | 車輌通行構造の保全システム、及び、車輌通行構造の保全方法 |
CN102735320A (zh) * | 2012-07-19 | 2012-10-17 | 广西交通科学研究院 | 基于桥梁动应变识别车辆重量的方法 |
CN105190259A (zh) * | 2013-04-08 | 2015-12-23 | 拜仁工程两合有限公司 | 具有称重装置的运输铁轨系统 |
CN107389168A (zh) * | 2017-07-18 | 2017-11-24 | 重庆交通大学 | 一种用于桥梁的车辆移动载荷的识别方法 |
CN109141598A (zh) * | 2018-08-20 | 2019-01-04 | 中北大学 | 一种基于分布式震动传感器阵列的车辆动态超载监测系统 |
JP2020105803A (ja) * | 2018-12-27 | 2020-07-09 | セントラルコンサルタント株式会社 | 斜張橋、および斜張橋の架設方法 |
CN112179467A (zh) * | 2020-11-27 | 2021-01-05 | 湖南大学 | 一种基于视频测量动挠度的桥梁动态称重方法和系统 |
CN112710371A (zh) * | 2020-12-03 | 2021-04-27 | 湖南大学 | 基于车辆实时空间位置的桥梁动态称重方法及系统 |
-
2022
- 2022-03-03 CN CN202210203495.2A patent/CN114333331B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5002141A (en) * | 1989-12-08 | 1991-03-26 | Toledo Scale Corporation | Vehicle weighing in motion apparatus and method |
JP2006317413A (ja) * | 2005-05-16 | 2006-11-24 | Mitsubishi Heavy Ind Ltd | 車輌通行構造の保全システム、及び、車輌通行構造の保全方法 |
CN102735320A (zh) * | 2012-07-19 | 2012-10-17 | 广西交通科学研究院 | 基于桥梁动应变识别车辆重量的方法 |
CN105190259A (zh) * | 2013-04-08 | 2015-12-23 | 拜仁工程两合有限公司 | 具有称重装置的运输铁轨系统 |
CN107389168A (zh) * | 2017-07-18 | 2017-11-24 | 重庆交通大学 | 一种用于桥梁的车辆移动载荷的识别方法 |
CN109141598A (zh) * | 2018-08-20 | 2019-01-04 | 中北大学 | 一种基于分布式震动传感器阵列的车辆动态超载监测系统 |
JP2020105803A (ja) * | 2018-12-27 | 2020-07-09 | セントラルコンサルタント株式会社 | 斜張橋、および斜張橋の架設方法 |
CN112179467A (zh) * | 2020-11-27 | 2021-01-05 | 湖南大学 | 一种基于视频测量动挠度的桥梁动态称重方法和系统 |
CN112710371A (zh) * | 2020-12-03 | 2021-04-27 | 湖南大学 | 基于车辆实时空间位置的桥梁动态称重方法及系统 |
Non-Patent Citations (2)
Title |
---|
Identification of Vehicular Axle Weights with a Bridge Weight-in-Motion System Considering Transverse Distribution of WheelLoads;Hua Zhao 等;《Journal of Bridge Engineering》;20140331;全文 * |
基于独立分量分析的多车响应信号分离;董岳等;《公路工程》;20190420(第02期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN114333331A (zh) | 2022-04-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109686088B (zh) | 一种交通视频告警方法、设备及系统 | |
CN103258427B (zh) | 基于信息物理网络的城市快速路交通实时监控方法 | |
CN103985250A (zh) | 轻量级的全息道路交通状态视觉检测装置 | |
CN109064495A (zh) | 一种基于Faster R-CNN与视频技术的桥面车辆时空信息获取方法 | |
CN111027430B (zh) | 一种面向无人车智能评估的交通场景复杂度计算方法 | |
CN111833598B (zh) | 一种高速公路无人机交通事件自动监测方法及系统 | |
CN104616502A (zh) | 基于组合式车路视频网络的车牌识别与定位系统 | |
CN109815912B (zh) | 一种基于人工智能的高速公路安全巡查系统 | |
CN111524365B (zh) | 一种利用多地磁传感器进行车型分类的方法 | |
CN101882374A (zh) | 一种车辆行程分布综合信息分析系统及方法 | |
CN103236181A (zh) | 一种基于机器视觉的交通信号灯状态监控系统及方法 | |
CN112017437A (zh) | 路口交通信息感知控制系统和方法 | |
CN117058600B (zh) | 区域桥梁群车流荷载识别方法及系统 | |
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 | |
CN114489122A (zh) | 一种基于uav及配套机场的高速公路自动巡检方法及系统 | |
CN114333331B (zh) | 一种多车道桥梁车辆通行信息与车重识别方法及系统 | |
CN112258850A (zh) | 一种车路协同系统边缘侧多传感器数据融合系统 | |
CN103528531A (zh) | 小型车车辆参数的物联网图像智能检测系统 | |
CN116912551A (zh) | 基于车联网的高速公路设备监测系统 | |
CN111724604A (zh) | 一种带车牌识别的高速公路不停车测速称重系统及方法 | |
CN103149603A (zh) | 一种基于视频的道路气象检测方法 | |
KR102561656B1 (ko) | 딥-러닝 기반 객체 감응을 활용한 차량 흐름 제어 시스템 | |
CN113392817A (zh) | 一种基于多列卷积神经网络的车辆密度估计的方法及装置 | |
KR20140146837A (ko) | 센서 및 카메라를 이용한 스마트 도로 감시시스템 | |
CN116631187B (zh) | 一种案件现场勘查信息智能采集分析系统 |
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 |