CN114414016A - 目标车辆的检测方法和装置、存储介质及电子设备 - Google Patents
目标车辆的检测方法和装置、存储介质及电子设备 Download PDFInfo
- Publication number
- CN114414016A CN114414016A CN202111670324.2A CN202111670324A CN114414016A CN 114414016 A CN114414016 A CN 114414016A CN 202111670324 A CN202111670324 A CN 202111670324A CN 114414016 A CN114414016 A CN 114414016A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- target vehicle
- target
- information
- weighing
- 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
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 163
- 238000003860 storage Methods 0.000 title claims abstract description 16
- 238000005303 weighing Methods 0.000 claims abstract description 146
- 238000000034 method Methods 0.000 claims abstract description 54
- 238000012937 correction Methods 0.000 claims description 36
- 230000002159 abnormal effect Effects 0.000 claims description 24
- 230000015654 memory Effects 0.000 claims description 17
- 238000004590 computer program Methods 0.000 claims description 16
- 230000008569 process Effects 0.000 claims description 7
- 230000000694 effects Effects 0.000 abstract description 5
- 230000008859 change Effects 0.000 description 12
- 238000012545 processing Methods 0.000 description 10
- 238000013499 data model Methods 0.000 description 8
- 230000006870 function Effects 0.000 description 8
- 230000005540 biological transmission Effects 0.000 description 6
- 238000009826 distribution Methods 0.000 description 6
- 239000011159 matrix material Substances 0.000 description 6
- 238000004891 communication Methods 0.000 description 5
- 230000006378 damage Effects 0.000 description 5
- 238000004458 analytical method Methods 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 4
- 238000007621 cluster analysis Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 238000007689 inspection Methods 0.000 description 4
- 238000004519 manufacturing process Methods 0.000 description 4
- 238000012216 screening Methods 0.000 description 4
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 206010039203 Road traffic accident Diseases 0.000 description 2
- 230000001174 ascending effect Effects 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 238000012790 confirmation Methods 0.000 description 2
- 238000005034 decoration Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 238000005096 rolling process Methods 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 208000027418 Wounds and injury Diseases 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 208000014674 injury Diseases 0.000 description 1
- 238000010295 mobile communication 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
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明公开了一种目标车辆的检测方法和装置、存储介质及电子设备。其中，该方法包括：获取目标车辆的车辆特征和运行状态；基于车辆特征确定目标车辆的车辆类型；基于车辆类型确定对应的称重模型，其中，称重模型是基于经过站点时检测得到相同类别的车辆的重量数据以及运行状态确定的；根据目标车辆的运行状态和称重模型，确定目标车辆的目标重量信息。进而达到了对绕行检测站点的同类别目标车辆准确且快速确定车辆的重量信息的目的，从而实现了提升对于目标车辆的检测效率的技术效果，使得对目标车辆车超载超限可以实时监控，进而解决了现有技术中对绕行检测站点的同类别目标车辆无法准确且快速确定车辆的重量信息等问题。
Description
技术领域
本发明涉及车载称重领域，具体而言，涉及一种目标车辆的检测方法和装置、存储介质及电子设备。
背景技术
对于车辆的超载超限检测一直时车辆重量监测领域的一个难点，现有技术中的通过设置固定的检测站点，例如，源头治超站，在重点货源地，对出厂货运车辆进行超限检测，超限超载车辆禁止驶出。检测效率低，难以做到全覆盖检测；流动检测站点，相关工作人员在路上对过往载重车辆进行抽检式检测。虽可以满足移动性与机动性的需求，但需要大量人力进行路面执法，检测效率同样低下；公路超限检测站，通常建在路侧，需要引导车辆进站接受检测。检测站点有限性、固定性与违法超限运输的机动性之间的矛盾仍然十分突出；不停车超限检测站，建在关键路段，可以对经过全部车辆进行不停车超限检测，效率大大提高。但是由于路网复杂，很难做到完全封闭式检测，超限超载货运车辆通过绕路等手段避开检测站点，从而逃避检测，并且上述检测方式并不能对同类车维度进行检测。
针对上述的问题，现有技术中对绕行检测站点的同类别目标车辆无法准确且快速确定车辆的重量信息等问题，目前尚未提出有效的解决方案。
发明内容
本发明实施例提供了一种目标车辆的检测方法和装置、存储介质及电子设备，以至少解决现有技术中对绕行检测站点的同类别目标车辆无法准确且快速确定车辆的重量信息等问题。
根据本发明实施例的一个方面，提供了一种目标车辆的检测方法，包括：获取目标车辆的车辆特征和运行状态；基于所述车辆特征确定所述目标车辆的车辆类型；基于所述车辆类型确定对应的称重模型，其中，所述称重模型是基于经过站点时检测得到相同类别的车辆的重量数据以及运行状态确定的；根据目标车辆的运行状态和所述称重模型，确定所述目标车辆的目标重量信息。
在一个可选实施例中，建立上述称重模型的过程，包括：获取经过站点的同类别车辆的历史数据，其中，所述历史数据包括：相同类别的车辆经过站点时的车辆运行状态、相同类别的车辆经过站点时的发动机运行状态数据、相同类别的车辆经过站点时的重量信息、相同类别的车辆经过站点时的检测位置、相同类别的车辆经过站点时的车辆特征；基于所述历史数据，建立所述同类别车辆的称重模型。
在一个可选实施例中，根据目标车辆的运行状态和所述称重模型，确定所述目标车辆的目标重量信息，包括：将所述目标车辆的运行状态输入到所述称重模型中，得到与所述目标车辆的运行状态匹配的所述目标车辆的第一重量信息；获取所述目标车辆的当前位置信息；根据所述当前位置信息以及所述称重模型对应的检测位置，对所述第一重量信息进行修正，以确定出所述目标车辆的目标重量信息。
在一个可选实施例中，根据所述当前位置信息以及所述称重模型对应的检测位置，对所述第一重量信息进行修正之前，上述方法还包括：确定所述称重模型对应的检测位置与邻近区域的关联情况，其中，所述邻近区域中存在多条目标车辆的行驶路段；在所述检测位置与所述邻近区域存在关联的情况下，将所述邻近区域的称重信息与所述检测位置进行绑定，并确定所述邻近区域与所述检测位置之间的修正系数。
在一个可选实施例中，在所述检测位置与所述邻近区域存在关联的情况下，将所述邻近区域的称重信息与所述检测位置进行绑定，并确定所述邻近区域与所述检测位置之间的修正系数，包括：在获取预设重量误差的情况下，将所述目标车辆经过所述检测位置的第一称重信息与将所述目标车辆经过所述邻近区域的第二称重信息进行关联；根据预设重量误差、所述第一称重信息、所述第二称重信息确定出所述检测位置与所述邻近区域的修正系数，并将所述修正系数与所述邻近区域与所述检测位置进行关联绑定。
在一个可选实施例中，根据所述当前位置信息以及所述称重模型对应的检测位置，对所述第一重量信息进行修正，以确定出所述目标车辆的目标重量信息，上述方法还包括：根据所述目标车辆的当前位置信息确定所述称重模型输出的第一重量信息是否需要修正；在所述当前位置信息指示所述目标车辆处于异常重量区域的情况下，确定所述称重模型输出的第一重量信息需要修正，使用所述当前位置对应的修正系数对所述第一重量信息进行调整，得到所述目标车辆的目标重量信息；在所述当前位置信息指示所述目标车辆不处于异常重量区域的情况下，确定所述称重模型输出的第一重量信息不需要修正，直接将所述第一重量信息确定为所述目标车辆的目标重量信息。
在一个可选实施例中，获取目标车辆的运行状态，包括：确定所述目标车辆的行驶状态；在确定所述行驶状态为匀速运行的情况下，从所述目标车辆的车辆终端中获取所述目标车辆的运行状态。
根据本发明实施例的另一方面，还提供了一种目标车辆的检测方法装置，包括：获取模块，用于获取目标车辆的车辆特征和运行状态；第一确定模块，基于所述车辆特征确定所述目标车辆的车辆类型；第二确定模块，用于基于所述车辆类型确定对应的称重模型，其中，所述称重模型是基于经过站点时检测得到相同类别的车辆的重量数据以及运行状态确定的；第三确定模块，用于根据目标车辆的运行状态和所述称重模型，确定所述目标车辆的目标重量信息。
在一个可选实施例中，上述第二确定模块还包括：建立单元，用于获取经过站点的同类别车辆的历史数据，其中，所述历史数据包括：相同类别的车辆经过站点时的车辆运行状态、相同类别的车辆经过站点时的发动机运行状态数据、相同类别的车辆经过站点时的重量信息、相同类别的车辆经过站点时的检测位置、相同类别的车辆经过站点时的车辆特征；基于所述历史数据，建立所述同类别车辆的称重模型。
在一个可选实施例中，上述第三确定单元，还用于根据目标车辆的运行状态和所述称重模型，确定所述目标车辆的目标重量信息，包括：将所述目标车辆的运行状态输入到所述称重模型中，得到与所述目标车辆的运行状态匹配的所述目标车辆的第一重量信息；获取所述目标车辆的当前位置信息；根据所述当前位置信息以及所述称重模型对应的检测位置，对所述第一重量信息进行修正，以确定出所述目标车辆的目标重量信息。
在一个可选实施例中，上述装置还包括：修正模块，用于确定所述称重模型对应的检测位置与邻近区域的关联情况，其中，所述邻近区域中存在多条目标车辆的行驶路段；在所述检测位置与所述邻近区域存在关联的情况下，将所述邻近区域的称重信息与所述检测位置进行绑定，并确定所述邻近区域与所述检测位置之间的修正系数。
在一个可选实施例中，上述修正模块，还用于在获取预设重量误差的情况下，将所述目标车辆经过所述检测位置的第一称重信息与将所述目标车辆经过所述邻近区域的第二称重信息进行关联；根据预设重量误差、所述第一称重信息、所述第二称重信息确定出所述检测位置与所述邻近区域的修正系数，并将所述修正系数与所述邻近区域与所述检测位置进行关联绑定。
在一个可选实施例中，上述第三确定模块，还用于根据所述目标车辆的当前位置信息确定所述称重模型输出的第一重量信息是否需要修正；在所述当前位置信息指示所述目标车辆处于异常重量区域的情况下，确定所述称重模型输出的第一重量信息需要修正，使用所述当前位置对应的修正系数对所述第一重量信息进行调整，得到所述目标车辆的目标重量信息；在所述当前位置信息指示所述目标车辆不处于异常重量区域的情况下，确定所述称重模型输出的第一重量信息不需要修正，直接将所述第一重量信息确定为所述目标车辆的目标重量信息。
在一个可选实施例中，上述获取模块，还用于确定所述目标车辆的行驶状态；在确定所述行驶状态为匀速运行的情况下，从所述目标车辆的车辆终端中获取所述目标车辆的运行状态。
根据本发明实施例的又一方面，还提供了一种计算机可读的存储介质，该计算机可读的存储介质中存储有计算机程序，其中，该计算机程序被设置为运行时执行任一项方法实施例中的方法。
根据本发明实施例的又一方面，还提供了一种电子设备，包括存储器和处理器，上述存储器中存储有计算机程序，上述处理器被设置为通过所述计算机程序执行上述的任一项方法实施例中的方法。
在本发明实施例中，采用同类别车车辆进行统一确定的方式，获取目标车辆的车辆特征和运行状态；基于车辆特征确定目标车辆的车辆类型；基于车辆类型确定对应的称重模型，其中，称重模型是基于经过站点时检测得到相同类别的车辆的重量数据以及运行状态确定的；根据目标车辆的运行状态和称重模型，确定目标车辆的目标重量信息。进而达到了对绕行检测站点的同类别目标车辆准确且快速确定车辆的重量信息的目的，从而实现了提升对于目标车辆的检测效率的技术效果，使得对目标车辆车超载超限可以实时监控，进而解决了现有技术中对绕行检测站点的同类别目标车辆无法准确且快速确定车辆的重量信息等问题。
附图说明
此处所说明的附图用来提供对本发明的进一步理解，构成本申请的一部分，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：
图1是根据本发明实施例的一种目标车辆的检测方法的计算机终端的硬件结构框图；
图2为根据本发明实施例的目标车辆的检测方法的流程图；
图3为根据本发明可选实施例的超限超载运输检测系统的结构示意图；
图4是根据本发明实施例的目标车辆的检测装置的结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分的实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通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，都应当属于本发明保护的范围。
需要说明的是，本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
本申请实施例所提供的方法实施例可以在计算机终端、移动终端或者类似的运算装置中执行。以运行在计算机终端上为例，图1是本发明实施例的一种目标车辆的检测方法的计算机终端的硬件结构框图。如图1所示，计算机终端10可以包括一个或多个(图1中仅示出一个)处理器102(处理器102可以包括但不限于微处理器MCU或可编程逻辑器件FPGA等的处理装置)和用于存储数据的存储器104，可选地，上述计算机终端还可以包括用于通信功能的传输设备106以及输入输出设备108。本领域普通技术人员可以理解，图1所示的结构仅为示意，其并不对上述计算机终端的结构造成限定。例如，计算机终端10还可包括比图1中所示更多或者更少的组件，或者具有与图1所示等同功能或比图1所示功能更多的不同的配置。
存储器104可用于存储计算机程序，例如，应用软件的软件程序以及模块，如本发明实施例中的目标车辆的检测方法对应的计算机程序，处理器102通过运行存储在存储器104内的计算机程序，从而执行各种功能应用以及数据处理，即实现上述的方法。存储器104可包括高速随机存储器，还可包括非易失性存储器，如一个或者多个磁性存储装置、闪存、或者其他非易失性固态存储器。在一些实例中，存储器104可进一步包括相对于处理器102远程设置的存储器，这些远程存储器可以通过网络连接至计算机终端10。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
传输装置106用于经由一个网络接收或者发送数据。上述的网络具体实例可包括计算机终端10的通信供应商提供的无线网络。在一个实例中，传输装置106包括一个网络适配器(Network Interface Controller，简称为NIC)，其可通过基站与其他网络设备相连从而可与互联网进行通讯。在一个实例中，传输装置106可以为射频(Radio Frequency，简称为RF)模块，其用于通过无线方式与互联网进行通讯。
可选地，作为一种可选的实施方式，如图2所示，上述目标车辆的检测方法包括：
步骤S202，获取目标车辆的车辆特征和运行状态；
需要说明的是，车辆特征包括以下至少之一：车辆型号、车辆品牌、车辆轴重、车辆轴距、车身颜色、车辆的生产日期、车辆的行驶里程，运行状态用于指示车辆运行时刻对应的发动机信息以及车辆行驶信息，包括：车辆的发动机扭矩、车辆的发动机转速、车辆的车速、车辆的GPS位置。但不仅仅限于此，本发明实施例仅仅是示例。
步骤S204，基于所述车辆特征确定所述目标车辆的车辆类型；
步骤S206，基于所述车辆类型确定对应的称重模型，其中，所述称重模型是基于经过站点时检测得到相同类别的车辆的重量数据以及运行状态确定的；
步骤S208，根据目标车辆的运行状态和所述称重模型，确定所述目标车辆的目标重量信息。
通过上述步骤，采用同类别车车辆进行统一确定的方式，获取目标车辆的车辆特征和运行状态；基于车辆特征确定目标车辆的车辆类型；基于车辆类型确定对应的称重模型，其中，称重模型是基于经过站点时检测得到相同类别的车辆的重量数据以及运行状态确定的；根据目标车辆的运行状态和称重模型，确定目标车辆的目标重量信息。进而达到了对绕行检测站点的同类别目标车辆准确且快速确定车辆的重量信息的目的，从而实现了提升对于目标车辆的检测效率的技术效果，使得对目标车辆车超载超限可以实时监控，进而解决了现有技术中对绕行检测站点的同类别目标车辆无法准确且快速确定车辆的重量信息等问题。
在一个可选实施例中，建立上述称重模型的过程，包括：获取经过站点的同类别车辆的历史数据，其中，所述历史数据包括：相同类别的车辆经过站点时的车辆运行状态、相同类别的车辆经过站点时的发动机运行状态数据、相同类别的车辆经过站点时的重量信息、相同类别的车辆经过站点时的检测位置、相同类别的车辆经过站点时的车辆特征；基于所述历史数据，建立所述同类别车辆的称重模型。
简而言之，获取任意检测点经过的所有车辆的车辆重量信息和所述车辆重量信息对应的目标车辆特征；根据所述目标车辆特征对所述所有车辆进行聚类分析，将所述所有车辆划分为多个车辆类别，并将所述车辆重量信息划分至对应的车辆类别中。确定每一个车辆类别中的车辆重量信息中携带的称重检测时间以及称重检测位置；确定所述多个车辆的车辆信息中存在的多个目标位置与所述称重检测位置是否存在匹配的目标位置；在确定存在所述目标位置的情况下，根据所述称重检测时间对所述多个车辆的目标车辆信息进行筛选，得到允许与所述车辆重量信息进行关联的车辆信息。其中，所述目标车辆信息包括：用于指示所述目标车辆的运行状态的第一目标车辆信息，和/或用于指示所述目标车辆的车辆特征的第二目标车辆信息。将所述车辆重量信息与所述车辆信息进行绑定，建立同类别车辆的称重模型。
也就是说，从检车站点获取不同车辆的重量信息以及车辆特征(车型信息、车辆品牌、车辆轴重、车辆轴距、车身颜色)，进而根据车辆特征进行车辆类型的划分，进而在该车辆类型中的一个车辆经过检测站点的得到对应称重信息的情况下，确定该车辆对应的车辆信息的实时运行状态(发动机扭矩、转速、车速、GPS位置)，进而建立同类别车辆的称重模型，即同类别车辆重量信息和车辆信息关联的载荷估算模型。
例如，当车辆的实时运行状态包括目标车辆的发动机扭矩α、目标车辆的发动机转速β、目标车辆的车速υ、目标车辆的地理位置信息η，以及记录的车辆精确重量的w。结合上述采集信息构建精确重量w与发动机扭矩α、发动机转速β、目标车辆的车速υ、以及目标的车辆发动机扭矩对应的特征矩阵为{α,β,υ}；假设构建为hθ(x)＝θ0+θ1α+θ2β+θ3υ，其矩阵表达为：hθ(x)＝Xθ；其中，为了确定找到一组(θ0,θ1,θ2,θ3)，假设样本数为m，待求参数为n。将精确测量车重和预计重量的二阶矩作为损失函数J(θ)，其定义为：
由损失函数确定最优的最优(θ0,θ1,θ2,θ3)组合，所得即为所求。而损失函数意味着真实车重和预测车重之间的关系，当且仅当损失函数值最小时，求得的参数即为所求模型参数。
在一个可选实施例中，根据目标车辆的运行状态和所述称重模型，确定所述目标车辆的目标重量信息，包括：将所述目标车辆的运行状态输入到所述称重模型中，得到与所述目标车辆的运行状态匹配的所述目标车辆的第一重量信息；获取所述目标车辆的当前位置信息；根据所述当前位置信息以及所述称重模型对应的检测位置，对所述第一重量信息进行修正，以确定出所述目标车辆的目标重量信息。
简单来说，由于目标车辆是处于运动状态的下的，为了保证称重模型估计出的目标车辆的重量更符合目标车辆的实际重量，需要根据使用称重模型进行重量估计对应的检测位置以及目标车辆的当前位置信息确定对重量进行修正，进行确定出符合实际情况的目标重量信息。
在一个可选实施例中，根据所述当前位置信息以及所述称重模型对应的检测位置，对所述第一重量信息进行修正之前，上述方法还包括：确定所述称重模型对应的检测位置与邻近区域的关联情况，其中，所述邻近区域中存在多条目标车辆的行驶路段；在所述检测位置与所述邻近区域存在关联的情况下，将所述邻近区域的称重信息与所述检测位置进行绑定，并确定所述邻近区域与所述检测位置之间的修正系数。
可选的，本实施例中所述的邻近区域是指目标车辆经过检测位置前后车辆载荷未发生变化的路段，具体确认方式包括经过检测位置前后车辆速度连续不为零的路段，或者经过检测位置前后车辆第二称重信息变化未超出设定阈值。
在一个可选实施例中，在所述检测位置与所述邻近区域存在关联的情况下，将所述邻近区域的称重信息与所述检测位置进行绑定，并确定所述邻近区域与所述检测位置之间的修正系数，包括：在获取预设重量误差的情况下，将所述目标车辆经过所述检测位置的第一称重信息与将所述目标车辆经过所述邻近区域的第二称重信息进行关联；根据预设重量误差、所述第一称重信息、所述第二称重信息确定出所述检测位置与所述邻近区域的修正系数，并将所述修正系数与所述邻近区域与所述检测位置进行关联绑定。
作为一种可选的实施方式，随着车辆行驶过程的状态变化，将获取预测车辆重量和行驶状态的关联，结合位置信息；将获取车辆重量异常随车辆行驶位置的分布；位置修正实例如下：
可选的，方式一：通过车辆地理位置信息将车辆重量异常分布及车辆行驶速度关联，判断异常区域内的车速无明显变化，则考虑车辆行驶重量的异常变化与地理位置变化有关(如：路面坑洼、上坡、下坡)，则考虑将此处标记为待优化区间，其次，结合不同的车辆过车状态下异常值的差距，将不同类型的车辆的真实重量wο和预测重量误差
建立如下模型：
K为修正系数，W为车辆载荷估算模型确定出的估计重量。
可选的，方式二：通过统计异常行驶的路段，结合车辆扭矩变化情况获取车辆工况异常随地理位置状态变化的统计，结合车辆误差随地理位置分布曲线，量化车辆真实重量和误差的关系。
在一个可选实施例中，根据所述当前位置信息以及所述称重模型对应的检测位置，对所述第一重量信息进行修正，以确定出所述目标车辆的目标重量信息，上述方法还包括：根据所述目标车辆的当前位置信息确定所述称重模型输出的第一重量信息是否需要修正；在所述当前位置信息指示所述目标车辆处于异常重量区域的情况下，确定所述称重模型输出的第一重量信息需要修正，使用所述当前位置对应的修正系数对所述第一重量信息进行调整，得到所述目标车辆的目标重量信息；在所述当前位置信息指示所述目标车辆不处于异常重量区域的情况下，确定所述称重模型输出的第一重量信息不需要修正，直接将所述第一重量信息确定为所述目标车辆的目标重量信息。
可选地，确定所述称重模型输出的第一重量信息需要修正，使用所述当前位置对应的修正系数对所述第一重量信息进行调整，得到所述目标车辆的目标重量信息，包括：在所述修正系数为正时，确定所述称重模型确定出所述目标车辆的第一重量大于或者等于所述目标车辆的实际载重，使用所述第一重量减去所述修正系数与预设误差重量的乘积，得到所述目标车辆修正后的目标重量信息；在所述修正系数为负时，确定所述称重模型确定出所述目标车辆的第一重量小于所述目标车辆的实际载重，使用所述第一重量加上所述修正系数与预设误差重量的乘积，得到所述目标车辆修正后的目标重量信息。
在一个可选实施例中，获取目标车辆的运行状态，包括：确定所述目标车辆的行驶状态；在确定所述行驶状态为匀速运行的情况下，从所述目标车辆的车辆终端中获取所述目标车辆的运行状态。
简单来说，车辆运行时，在适宜进行载荷识别时(固定路段、车速稳定等条件)，起动识别策略，用发动机当前运行工况也就是输出扭矩或者输出扭矩百分比，转速等信息，来查询数据库，经过计算分析，锁定车辆当前的载荷状态。例如可以通过当前扭矩与满载和空载时的扭矩百分比关系，来判断车辆当前稳态状况下的载荷质量。
为了更好的理解本发明实施例以及可选实施例的技术方案，以下结合示例对上述的目标车辆的检测方法的流程进行解释说明，但不用于限定本发明实施例的技术方案。
为了更好的理解本发明实施例以及可选实施例的技术方案，以下对本发明实施例以及可选实施例中可能出现的应用场景进行说明，但不用于限定以下场景的应用。
超限超载定义：超限，是指货运车辆外廓尺寸、轴荷、总质量超过机动车国家安全技术标准的限制或者超过公路交通标志标明的限载、限高、限宽、限长标准。超载，是指货运车辆载物超过车辆行驶证核定的载质量。
可选的，源头治超站，在重点货源地，对出厂货运车辆进行超限检测，超限车辆禁止驶出。检测效率低，难以做到全覆盖检测；
可选的，流动检测，相关工作人员在路上对过往载重车辆进行抽检式检测。虽可以满足移动性与机动性的需求，但需要大量人力进行路面执法，检测效率同样低下；
可选的，公路超限检测站，通常建在路侧，需要引导车辆进站接受检测。检测站点有限性、固定性与违法超限运输的机动性之间的矛盾仍然十分突出；
可选的，不停车超限检测站，建在关键路段，可以对经过全部车辆进行不停车超限检测，效率大大提高。
此外，需要说明的是，超限超载严重威胁人民生命财产安全，车辆严重超限，使车辆的技术状况大大降低，极易引发交通安全事故。据统计，50％的群死群伤性重特大道路交通事故与货车有关，其中70％以上与超限运输有关；超限超载严重破坏公路基础设施。根据国际通用的轴载换算方法，车辆对路面的损坏程度与车重的4次方成正比，超重一倍的车辆行驶一次对路面产生的破坏，相当于标准重量状态下16次行驶对路面的损伤。据统计，全国公路每年因车辆超限运输造成的损失超过300亿元，公路寿命因超限运输缩短50％～60％。近5年来，全国因为货车超限导致主要桥梁垮塌事故达30多起；超限超载严重扰乱货运市场秩序，车辆超限运输恶性竞争导致运价降低，运价的降低同时刺激超限运输，恶性循环，严重影响货运行业的健康有序发展。
由此可见，虽然目前主流的不停车超限检测站的检测效率相较于公路超限检测站等传统检测方式已经大大提高，但是不停车超限检测站本质上仍属于固定点位的检测方式。由于路网复杂，很难做到完全封闭式检测，超限超载货运车辆通过绕路等手段避开检测站点，从而逃避检测。
作为可选的实施方式，提供了一种货运车辆超限超载运输检测方法，可以在很大程度上弥补现在“固定式治超检测站”的检测漏洞，具体包括以下步骤；
步骤1、对货运车辆进行数据采集，具体的，由不停车超限检测站、公路超限检测站等获取车辆的重量信息以及车型信息、车辆品牌、车辆轴重、车辆轴距、车身颜色等；由车载终端获取车辆的发动机扭矩、转速、车速、GPS位置以及注册时登记的车辆品牌、型号、生产日期等车辆信息；
需说明的是，车辆载荷与发动机状态(扭矩、转速)、车速、GPS位置等车辆信息呈对应关系，汽车运行时的运动规律仍然符合牛顿第二定律，通过对车辆进行受力分析，可以得出汽车行驶方程式：F＝Ff+Fw+Fi；汽车等速行驶时的驱动力等于等速行驶时的行驶阻力(Ff+Fw+Fi)。其中，Fw为空气阻力；Ff为汽车的滚动阻力和坡度阻力Fi正比于汽车总重，f为滚动阻力系数，即随着汽车总重的增加，汽车的行驶阻力成比例增加。汽车的驱动力又正比于发动机的输出扭矩。所以，在坡度及车速一定的情况下，车辆载荷正比于发动机扭矩。
可选的，上述车载终端通过车辆OBD口接入整车CAN(controller Area network，控制器域网，简称CAN)网络，依照J1939标准协议进行数据的解析(采样周期100ms)。J1939协议是一种支持闭环控制的高速通信的网络协议，主要用于载货车或客车上。ECU(Electronic Control Unit，电子控制单元，简称ECU)按照J1939协议中所描述的数据转换方式以一定频率将其数据打包至CAN数据中。依照协议车载信息单元对数据进行采集记录。通过GPS模块实时获取车辆运行时间和地理位置信息。
可选的，在由车载终端获取车辆信息之前，为了保证确定出的数据的精度得到保证，通过数据筛选去除对于车辆质量的估计精度有重要影响的数据。具体筛选条件如下：
1、选择固定路段的数据，固定路段的坡度等路况是不变的，排除坡度阻力不一致影响。
2、记录在固定路段行驶时的车速，因为车速跟车辆风阻相关。
3、样本数有最小限制：样本数太少，由于数据波动造成的随机误差会被扩大，所以必须有足够的样本数保证数据源的精确度。
4、保证车辆不在制动状态：从CAN线上采集到的制动扭矩不准。
5、档位切换时的数据不可用：因为档位切换时，发动机与传动系之间的联系被切断，这种情况下的计算精度较差。
步骤2、数据关联：对步骤1中获取的数据进行聚类分析，将车辆归为有限类别；从某类车的车辆重量信息中获取归属于此类车的所有车辆的称重检测时间及位置；截取该车辆在称重检测的时间和位置一定时间段及一定区域内的车辆信息；将重量信息和车辆信息关联匹配；
步骤3、车辆载荷估算：经过一定量的数据积累后，通过自学习方法，建立同类车的数据模型，实现利用车辆信息获得车辆的重量信息；
可选的，建立同类车的数据模型是基于汽车运动平衡方程，通过记录从治超站等称重检测装置获取的车辆重量信息，该重量下相对应的车辆稳态行驶工况(路段信息)，并记录下发动机转速、发动机扭矩百分比、车速等关键信息，车辆品牌、型号、生产日期等车辆信息，构建成数据库，存储到控制器中。当存储在数据库中的数据达到一定数量后，利用基于递推最小二乘的估计算法，构建车辆载荷估算方程，进而通过自学习方法，建立同类车的数据模型。
步骤4、超限检测：对实时采集到车辆信息进行归类，然后查询该类车是否已经建立数据模型，如果已经建立则将车辆信息输入至模型，输出车辆的重量，进而判断是否存在超限嫌疑。
例如，车辆运行时，在适宜进行载荷识别时(固定路段、车速稳定等条件)，起动识别策略，用发动机当前运行工况也就是输出扭矩或者输出扭矩百分比，转速等信息，来查询数据库，经过计算分析，锁定车辆当前的载荷状态。例如可以通过当前扭矩与满载和空载时的扭矩百分比关系，来判断车辆当前稳态状况下的载荷质量。
作为可选的实施方式，提供了一种货运车辆超限超载运输检测系统，如图3所示，上述检测系统包括称重检测站点302、车载终端304、数据处理平台306等部分组成。
其中，称重检测站点302通过称重检测系统确定经过该站点的车辆的重量信息，其中，所述重量信息至少包括：车辆的实时重量信息、车辆的称重检测时间、车辆的称重检测位置；并获取对应的车辆特征，如：车型信息、车辆品牌、车辆轴重、车辆轴距、车身颜色等。
车载终端304，用于向检测系统提供获取的车辆的发动机扭矩、转速、车速、GPS位置以及注册时登记的车辆品牌、型号、生产日期等车辆信息；
数据处理平台306，用于对称重检测站点302和车载终端304提供的数据，进行聚类分析，将车辆归为有限类别；从某类车的车辆重量信息中获取归属于此类车的所有车辆的称重检测时间及位置；截取该车辆在称重检测的时间和位置一定时间段及一定区域内的车辆信息；将重量信息和车辆信息关联匹配；进一步的，经过一定量的数据积累后，通过自学习方法，建立同类车的数据模型，实现利用车辆信息获得车辆的重量信息；
可选的，当需要对货运车辆进行超限超载运输检测时，实时采集货运车辆的车辆信息，并根据所述车辆信息进行归类，然后查询数据处理平台36该类车是否已经建立数据模型，如果已经建立则将车辆信息输入至模型，输出车辆的重量，进而判断是否存在超限嫌疑。
通过上述实施例，提供了一种超限检测方法，该检测方法适用性更强，使得对应车辆在获取不到对应车辆的重量信息的情况，通过确定车辆的类别，利用同类车辆一直的情况，使用自学习后的同类车辆模型进行车辆重量的预估，以实现车辆载重的实时确定，进而达到了对绕行检测站点的目标车辆准确且快速确定车辆的重量信息的目的，不论该车辆是否存在对应车车辆检测点的检测记录，从而实现了提升对于目标车辆的检测效率的技术效果，使得对目标车辆车超载超限可以实时监控，进而解决了现有技术中对绕行检测站点的目标车辆无法准确且快速确定车辆的重量信息等问题，相比于现有的技术，准确率和实时性都要更高，使得应用场景更广泛。
需要说明的是，对于前述的各方法实施例，为了简单描述，故将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本发明并不受所描述的动作顺序的限制，因为依据本发明，某些步骤可以采用其他顺序或者同时进行。其次，本领域技术人员也应该知悉，说明书中所描述的实施例均属于优选实施例，所涉及的动作和模块并不一定是本发明所必须的。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到根据上述实施例的方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质(如ROM/RAM、磁碟、光盘)中，包括若干指令用以使得一台终端设备(可以是手机，计算机，服务器，或者网络设备等)执行本发明各个实施例所述的方法。
根据本发明实施例的另一个方面，还提供了一种用于实施上述目标车辆的检测方法的目标车辆的检测装置。如图4所示，该装置包括：
获取模块402，用于获取目标车辆的车辆特征和运行状态；
第一确定模块404，用于基于所述车辆特征确定所述目标车辆的车辆类型；
第二确定模块406，用于基于所述车辆类型确定对应的称重模型，其中，所述称重模型是基于经过站点时检测得到相同类别的车辆的重量数据以及运行状态确定的；
第三确定模块408，用于根据目标车辆的运行状态和所述称重模型，确定所述目标车辆的目标重量信息。
通过上述装置，采用同类别车车辆进行统一确定的方式，获取目标车辆的车辆特征和运行状态；基于车辆特征确定目标车辆的车辆类型；基于车辆类型确定对应的称重模型，其中，称重模型是基于经过站点时检测得到相同类别的车辆的重量数据以及运行状态确定的；根据目标车辆的运行状态和称重模型，确定目标车辆的目标重量信息。进而达到了对绕行检测站点的同类别目标车辆准确且快速确定车辆的重量信息的目的，从而实现了提升对于目标车辆的检测效率的技术效果，使得对目标车辆车超载超限可以实时监控，进而解决了现有技术中对绕行检测站点的同类别目标车辆无法准确且快速确定车辆的重量信息等问题。
在一个可选实施例中，上述第二确定模块还包括：建立单元，用于获取经过站点的同类别车辆的历史数据，其中，所述历史数据包括：相同类别的车辆经过站点时的车辆运行状态、相同类别的车辆经过站点时的发动机运行状态数据、相同类别的车辆经过站点时的重量信息、相同类别的车辆经过站点时的检测位置、相同类别的车辆经过站点时的车辆特征；基于所述历史数据，建立所述同类别车辆的称重模型。
简而言之，获取任意检测点经过的所有车辆的车辆重量信息和所述车辆重量信息对应的目标车辆特征；根据所述目标车辆特征对所述所有车辆进行聚类分析，将所述所有车辆划分为多个车辆类别，并将所述车辆重量信息划分至对应的车辆类别中。确定每一个车辆类别中的车辆重量信息中携带的称重检测时间以及称重检测位置；确定所述多个车辆的车辆信息中存在的多个目标位置与所述称重检测位置是否存在匹配的目标位置；在确定存在所述目标位置的情况下，根据所述称重检测时间对所述多个车辆的目标车辆信息进行筛选，得到允许与所述车辆重量信息进行关联的车辆信息。其中，所述目标车辆信息包括：用于指示所述目标车辆的运行状态的第一目标车辆信息，和/或用于指示所述目标车辆的车辆特征的第二目标车辆信息。将所述车辆重量信息与所述车辆信息进行绑定，建立同类别车辆的称重模型。
也就是说，从检车站点获取不同车辆的重量信息以及车辆特征(车型信息、车辆品牌、车辆轴重、车辆轴距、车身颜色)，进而根据车辆特征进行车辆类型的划分，进而在该车辆类型中的一个车辆经过检测站点的得到对应称重信息的情况下，确定该车辆对应的车辆信息的实时运行状态(发动机扭矩、转速、车速、GPS位置)，进而建立同类别车辆的称重模型，即同类别车辆重量信息和车辆信息关联的载荷估算模型。
例如，当车辆的实时运行状态包括目标车辆的发动机扭矩α、目标车辆的发动机转速β、目标车辆的车速υ、目标车辆的地理位置信息η，以及记录的车辆精确重量的w。结合上述采集信息构建精确重量w与发动机扭矩α、发动机转速β、目标车辆的车速υ、以及目标的车辆发动机扭矩对应的特征矩阵为{α,β,υ}；假设构建为hθ(x)＝θ0+θ1α+θ2β+θ3υ，其矩阵表达为：hθ(x)＝Xθ；其中，为了确定找到一组(θ0,θ1,θ2,θ3)，假设样本数为m，待求参数为n。将精确测量车重和预计重量的二阶矩作为损失函数J(θ)，其定义为：
由损失函数确定最优的最优(θ0,θ1,θ2,θ3)组合，所得即为所求。而损失函数意味着真实车重和预测车重之间的关系，当且仅当损失函数值最小时，求得的参数即为所求模型参数。
在一个可选实施例中，上述第三确定单元，还用于根据目标车辆的运行状态和所述称重模型，确定所述目标车辆的目标重量信息，包括：将所述目标车辆的运行状态输入到所述称重模型中，得到与所述目标车辆的运行状态匹配的所述目标车辆的第一重量信息；获取所述目标车辆的当前位置信息；根据所述当前位置信息以及所述称重模型对应的检测位置，对所述第一重量信息进行修正，以确定出所述目标车辆的目标重量信息。
简单来说，由于目标车辆是处于运动状态的下的，为了保证称重模型估计出的目标车辆的重量更符合目标车辆的实际重量，需要根据使用称重模型进行重量估计对应的检测位置以及目标车辆的当前位置信息确定对重量进行修正，进行确定出符合实际情况的目标重量信息。
在一个可选实施例中，上述装置还包括：修正模块，用于确定所述称重模型对应的检测位置与邻近区域的关联情况，其中，所述邻近区域中存在多条目标车辆的行驶路段；在所述检测位置与所述邻近区域存在关联的情况下，将所述邻近区域的称重信息与所述检测位置进行绑定，并确定所述邻近区域与所述检测位置之间的修正系数。
可选的，本实施例中所述的邻近区域是指目标车辆经过检测位置前后车辆载荷未发生变化的路段，具体确认方式包括经过检测位置前后车辆速度连续不为零的路段，或者经过检测位置前后车辆第二称重信息变化未超出设定阈值。
在一个可选实施例中，上述修正模块，还用于在获取预设重量误差的情况下，将所述目标车辆经过所述检测位置的第一称重信息与将所述目标车辆经过所述邻近区域的第二称重信息进行关联；根据预设重量误差、所述第一称重信息、所述第二称重信息确定出所述检测位置与所述邻近区域的修正系数，并将所述修正系数与所述邻近区域与所述检测位置进行关联绑定。
作为一种可选的实施方式，随着车辆行驶过程的状态变化，将获取预测车辆重量和行驶状态的关联，结合位置信息；将获取车辆重量异常随车辆行驶位置的分布；位置修正实例如下：
可选的，方式一：通过车辆地理位置信息将车辆重量异常分布及车辆行驶速度关联，判断异常区域内的车速无明显变化，则考虑车辆行驶重量的异常变化与地理位置变化有关(如：路面坑洼、上坡、下坡)，则考虑将此处标记为待优化区间，其次，结合不同的车辆过车状态下异常值的差距，将不同类型的车辆的真实重量wο和预测重量误差
建立如下模型：
K为修正系数，W为车辆载荷估算模型确定出的估计重量。
可选的，方式二：通过统计异常行驶的路段，结合车辆扭矩变化情况获取车辆工况异常随地理位置状态变化的统计，结合车辆误差随地理位置分布曲线，量化车辆真实重量和误差的关系。
在一个可选实施例中，上述第三确定模块，还用于根据所述目标车辆的当前位置信息确定所述称重模型输出的第一重量信息是否需要修正；在所述当前位置信息指示所述目标车辆处于异常重量区域的情况下，确定所述称重模型输出的第一重量信息需要修正，使用所述当前位置对应的修正系数对所述第一重量信息进行调整，得到所述目标车辆的目标重量信息；在所述当前位置信息指示所述目标车辆不处于异常重量区域的情况下，确定所述称重模型输出的第一重量信息不需要修正，直接将所述第一重量信息确定为所述目标车辆的目标重量信息。
在一个可选实施例中，上述获取模块，还用于确定所述目标车辆的行驶状态；在确定所述行驶状态为匀速运行的情况下，从所述目标车辆的车辆终端中获取所述目标车辆的运行状态。简单来说，车辆运行时，在适宜进行载荷识别时(固定路段、车速稳定等条件)，起动识别策略，用发动机当前运行工况也就是输出扭矩或者输出扭矩百分比，转速等信息，来查询数据库，经过计算分析，锁定车辆当前的载荷状态。例如可以通过当前扭矩与满载和空载时的扭矩百分比关系，来判断车辆当前稳态状况下的载荷质量。
需要说明的是，上述各个模块是可以通过软件或硬件来实现的，对于后者，可以通过以下方式实现，但不限于此：上述模块均位于同一处理器中；或者，上述各个模块以任意组合的形式分别位于不同的处理器中。
本发明的实施例还提供了一种存储介质，该存储介质中存储有计算机程序，其中，该计算机程序被设置为运行时执行上述任一项方法实施例中的步骤。
可选地，在本实施例中，上述存储介质可以被设置为存储用于执行以下步骤的计算机程序：
S1、获取目标车辆的车辆特征和运行状态；
S2、基于所述车辆特征确定所述目标车辆的车辆类型；
S3、基于所述车辆类型确定对应的称重模型，其中，所述称重模型是基于经过站点时检测得到相同类别的车辆的重量数据以及运行状态确定的；
S4、根据目标车辆的运行状态和所述称重模型，确定所述目标车辆的目标重量信息。
可选地，在本实施例中，上述存储介质可以包括但不限于：U盘、只读存储器(Read-Only Memory，简称为ROM)、随机存取存储器(Random Access Memory，简称为RAM)、移动硬盘、磁碟或者光盘等各种可以存储计算机程序的介质。
可选地，本实施例中的具体示例可以参考上述实施例及可选实施方式中所描述的示例，本实施例在此不再赘述。
本发明的实施例还提供了一种电子设备，包括存储器和处理器，该存储器中存储有计算机程序，该处理器被设置为运行计算机程序以执行上述任一项方法实施例中的步骤。
可选地，上述电子设备还可以包括传输设备以及输入输出设备，其中，该传输设备和上述处理器连接，该输入输出设备和上述处理器连接。
可选地，在本实施例中，上述处理器可以被设置为通过计算机程序执行以下步骤：
S1、获取目标车辆的车辆特征和运行状态；
S2、基于所述车辆特征确定所述目标车辆的车辆类型；
S3、基于所述车辆类型确定对应的称重模型，其中，所述称重模型是基于经过站点时检测得到相同类别的车辆的重量数据以及运行状态确定的；
S4、根据目标车辆的运行状态和所述称重模型，确定所述目标车辆的目标重量信息。
可选地，在本实施例中，本领域普通技术人员可以理解上述实施例的各种方法中的全部或部分步骤是可以通过程序来指令终端设备相关的硬件来完成，该程序可以存储于一计算机可读存储介质中，存储介质可以包括：闪存盘、只读存储器(Read-Only Memory，ROM)、随机存取器(Random Access Memory，RAM)、磁盘或光盘等。
上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。
上述实施例中的集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在上述计算机可读取的存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在存储介质中，包括若干指令用以使得一台或多台计算机设备(可为个人计算机、服务器或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。
在本发明的上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其他实施例的相关描述。
在本申请所提供的几个实施例中，应该理解到，所揭露的客户端，可通过其它的方式实现。其中，以上所描述的装置实施例仅仅是示意性的，例如所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，单元或模块的间接耦合或通信连接，可以是电性或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。
Claims (10)
1.一种目标车辆的检测方法，其特征在于，包括：
获取目标车辆的车辆特征和运行状态；
基于所述车辆特征确定所述目标车辆的车辆类型；
基于所述车辆类型确定对应的称重模型，其中，所述称重模型是基于经过站点时检测得到相同类别的车辆的重量数据以及运行状态确定的；
根据目标车辆的运行状态和所述称重模型，确定所述目标车辆的目标重量信息。
2.根据权利要求1所述的方法，其特征在于，建立所述称重模型的过程，包括：
获取经过站点的同类别车辆的历史数据，其中，所述历史数据包括：相同类别的车辆经过站点时的车辆运行状态、相同类别的车辆经过站点时的发动机运行状态数据、相同类别的车辆经过站点时的重量信息、相同类别的车辆经过站点时的检测位置、相同类别的车辆经过站点时的车辆特征；
基于所述历史数据，建立所述同类别车辆的称重模型。
3.根据权利要求1所述的方法，其特征在于，根据目标车辆的运行状态和所述称重模型，确定所述目标车辆的目标重量信息，包括：
将所述目标车辆的运行状态输入到所述称重模型中，得到与所述目标车辆的运行状态匹配的所述目标车辆的第一重量信息；
获取所述目标车辆的当前位置信息；
根据所述当前位置信息以及所述称重模型对应的检测位置，对所述第一重量信息进行修正，以确定出所述目标车辆的目标重量信息。
4.根据权利要求3所述的方法，其特征在于，根据所述当前位置信息以及所述称重模型对应的检测位置，对所述第一重量信息进行修正之前，所述方法还包括：
确定所述称重模型对应的检测位置与邻近区域的关联情况，其中，所述邻近区域中存在多条目标车辆的行驶路段；
在所述检测位置与所述邻近区域存在关联的情况下，将所述邻近区域的称重信息与所述检测位置进行绑定，并确定所述邻近区域与所述检测位置之间的修正系数。
5.根据权利要求4所述的方法，其特征在于，在所述检测位置与所述邻近区域存在关联的情况下，将所述邻近区域的称重信息与所述检测位置进行绑定，并确定所述邻近区域与所述检测位置之间的修正系数，包括：
在获取预设重量误差的情况下，将所述目标车辆经过所述检测位置的第一称重信息与将所述目标车辆经过所述邻近区域的第二称重信息进行关联；
根据预设重量误差、所述第一称重信息、所述第二称重信息确定出所述检测位置与所述邻近区域的修正系数，并将所述修正系数与所述邻近区域与所述检测位置进行关联绑定。
6.根据权利要求3所述的方法，其特征在于，根据所述当前位置信息以及所述称重模型对应的检测位置，对所述第一重量信息进行修正，以确定出所述目标车辆的目标重量信息，包括：
根据所述目标车辆的当前位置信息确定所述称重模型输出的第一重量信息是否需要修正；
在所述当前位置信息指示所述目标车辆处于异常重量区域的情况下，确定所述称重模型输出的第一重量信息需要修正，使用所述当前位置对应的修正系数对所述第一重量信息进行调整，得到所述目标车辆的目标重量信息；
在所述当前位置信息指示所述目标车辆不处于异常重量区域的情况下，确定所述称重模型输出的第一重量信息不需要修正，直接将所述第一重量信息确定为所述目标车辆的目标重量信息。
7.根据权利要求1所述的方法，其特征在于，获取目标车辆的运行状态，包括：
确定所述目标车辆的行驶状态；
在确定所述行驶状态为匀速运行的情况下，从所述目标车辆的车辆终端中获取所述目标车辆的运行状态。
8.一种目标车辆的检测装置，其特征在于，包括：
获取模块，用于获取目标车辆的车辆特征和运行状态；
第一确定模块，用于基于所述车辆特征确定所述目标车辆的车辆类型；
第二确定模块，用于基于所述车辆类型确定对应的称重模型，其中，所述称重模型是基于经过站点时检测得到相同类别的车辆的重量数据以及运行状态确定的；
第三确定模块，用于根据目标车辆的运行状态和所述称重模型，确定所述目标车辆的目标重量信息。
9.一种计算机可读的存储介质，其特征在于，所述计算机可读的存储介质包括存储的程序，其中，所述程序运行时执行所述权利要求1至7任一项中所述的方法。
10.一种电子设备，包括存储器和处理器，其特征在于，所述存储器中存储有计算机程序，所述处理器被设置为通过所述计算机程序执行所述权利要求1至7任一项中所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111670324.2A CN114414016B (zh) | 2021-12-30 | 2021-12-30 | 目标车辆的检测方法和装置、存储介质及电子设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111670324.2A CN114414016B (zh) | 2021-12-30 | 2021-12-30 | 目标车辆的检测方法和装置、存储介质及电子设备 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN114414016A true CN114414016A (zh) | 2022-04-29 |
| CN114414016B CN114414016B (zh) | 2024-04-09 |
Family
ID=81270981
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111670324.2A Active CN114414016B (zh) | 2021-12-30 | 2021-12-30 | 目标车辆的检测方法和装置、存储介质及电子设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114414016B (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| 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 (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1570589A (zh) * | 2004-05-10 | 2005-01-26 | 林武 | 小汽车底盘试验台 |
| CN101440863A (zh) * | 2007-11-22 | 2009-05-27 | 西南大学 | 驱动扭矩-阻力矩传动传感智能化两档自动变速器 |
| EP2088407A1 (en) * | 2008-02-07 | 2009-08-12 | Tedea Huntleigh International Ltd. | Load indicating system |
| US20100070135A1 (en) * | 2008-09-12 | 2010-03-18 | Wang Dexin | Steering Pull Compensation |
| US20110077808A1 (en) * | 2009-09-30 | 2011-03-31 | Searete LLC; a limited liability corporation of the State of Delaware | Vehicle system for varied compliance benefits |
| CN103072573A (zh) * | 2013-01-28 | 2013-05-01 | 王建钧 | 一种混合动力汽车的动力单元 |
| CN105599768A (zh) * | 2014-09-23 | 2016-05-25 | 卡明斯公司 | 包括在车辆运行期间的动态车辆质量和道路坡度估计的车辆控件 |
| KR101699884B1 (ko) * | 2016-05-18 | 2017-01-26 | 유비씨엔(주) | Obd와 gps 정보를 이용한 맞춤형 차량정비 관리 시스템 및 방법 |
| CN112067104A (zh) * | 2020-08-07 | 2020-12-11 | 北京万集科技股份有限公司 | 获取目标车辆称重信息的方法和装置、存储介质 |
| CN113222387A (zh) * | 2021-04-30 | 2021-08-06 | 北京理工新源信息科技有限公司 | 面向氢燃料车辆的多目标调度与协同优化方法 |
-
2021
- 2021-12-30 CN CN202111670324.2A patent/CN114414016B/zh active Active
Patent Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1570589A (zh) * | 2004-05-10 | 2005-01-26 | 林武 | 小汽车底盘试验台 |
| CN101440863A (zh) * | 2007-11-22 | 2009-05-27 | 西南大学 | 驱动扭矩-阻力矩传动传感智能化两档自动变速器 |
| EP2088407A1 (en) * | 2008-02-07 | 2009-08-12 | Tedea Huntleigh International Ltd. | Load indicating system |
| US20100070135A1 (en) * | 2008-09-12 | 2010-03-18 | Wang Dexin | Steering Pull Compensation |
| US20110077808A1 (en) * | 2009-09-30 | 2011-03-31 | Searete LLC; a limited liability corporation of the State of Delaware | Vehicle system for varied compliance benefits |
| CN103072573A (zh) * | 2013-01-28 | 2013-05-01 | 王建钧 | 一种混合动力汽车的动力单元 |
| CN105599768A (zh) * | 2014-09-23 | 2016-05-25 | 卡明斯公司 | 包括在车辆运行期间的动态车辆质量和道路坡度估计的车辆控件 |
| KR101699884B1 (ko) * | 2016-05-18 | 2017-01-26 | 유비씨엔(주) | Obd와 gps 정보를 이용한 맞춤형 차량정비 관리 시스템 및 방법 |
| CN112067104A (zh) * | 2020-08-07 | 2020-12-11 | 北京万集科技股份有限公司 | 获取目标车辆称重信息的方法和装置、存储介质 |
| CN113222387A (zh) * | 2021-04-30 | 2021-08-06 | 北京理工新源信息科技有限公司 | 面向氢燃料车辆的多目标调度与协同优化方法 |
Non-Patent Citations (5)
| Title |
|---|
| S. FUJIMOTO等: "valuation of an in-motion vehicle weighing method via Grey estimation model", PROCEEDINGS OF THE 41ST SICE ANNUAL CONFERENCE. SICE 2002, 29 April 2003 (2003-04-29) * |
| XU GUANGHUA等: "A dynamic weighing method for vehicle scales based on system identification", CHINA MECHANICAL ENGINEERING, 30 April 2002 (2002-04-30) * |
| 张晓娜;何仁;刘志强;陈士安;倪捷;: "基于空间信息高斯混合模型的运动车辆检测", 江苏大学学报(自然科学版), no. 04, 10 July 2011 (2011-07-10) * |
| 赵向平;李惠敏;: "基于STM32与GPRS的车载称重系统研究", 无线互联科技, no. 04, 25 February 2016 (2016-02-25) * |
| 钟红君;霍英;邓纯聪;: "基于多阶段分层校验算法的运输车辆超载测量系统设计", 计算机测量与控制, no. 04, 25 April 2013 (2013-04-25) * |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| 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 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN114414016B (zh) | 2024-04-09 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111452619A (zh) | 电动车辆在线能耗预测方法及系统 | |
| CN108475358B (zh) | 用于评价驾驶员的行程性能的方法和系统 | |
| CN108369682B (zh) | 用于评价驾驶员的行程性能的方法和系统 | |
| CN113140121B (zh) | 一种面向网联货车驾驶员的安全预警方法、装置及系统 | |
| EP3391304B1 (en) | Method and system for assessing the trip performance of a driver | |
| CN108431837B (zh) | 用于评价驾驶员的行程性能的方法和系统 | |
| CN112356837A (zh) | 车辆载重监测方法、服务器及控制系统 | |
| CN110044639A (zh) | 一种基于实车运行大数据平台的细分市场商用车md-vtd系统 | |
| EP3391308B1 (en) | Method and system for assessing the trip performance of a driver | |
| CN114414016A (zh) | 目标车辆的检测方法和装置、存储介质及电子设备 | |
| CN111348048A (zh) | 货车超载报警方法、装置、设备及存储介质 | |
| CN112687099A (zh) | 一种超载嫌疑车辆判定方法和装置 | |
| JP2023063233A (ja) | 作業条件識別に基づく一車用エアコンのエネルギー消費量の予測方法および予測装置 | |
| CN114414024A (zh) | 车载称重系统的监测方法及装置、存储介质、电子装置 | |
| CN113223294B (zh) | 基于社会车辆大数据的高速公路汽车衡期间核查方法 | |
| Na et al. | Quantifying fuel-saving benefit of low-rolling-resistance tyres from heavy goods vehicle in-service operations | |
| CN114611228A (zh) | 一种确定变速器载荷谱的方法、系统、存储介质及设备 | |
| CN105258770A (zh) | 公路车辆动态称重方法和设备 | |
| CN111767644B (zh) | 考虑单隧道限速影响高速公路路段实际通行能力估计方法 | |
| EP3391307B1 (en) | Method and system for assessing the trip performance of a driver | |
| CN103164577A (zh) | 确定港口桥梁汽车车辆荷载计算图式的方法 | |
| CN115871684B (zh) | 基于网联运行数据和机器学习的重型车辆质量估算方法 | |
| CN114674403B (zh) | 目标车辆的检测方法和装置、存储介质及电子设备 | |
| CN113282844B (zh) | 一种优先级的确定方法和装置 | |
| CN114414025A (zh) | 车辆检测方法及装置、存储介质、电子装置 |
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 |