CN116242465B - 一种动态车辆称重方法及系统 - Google Patents

Abstract

本发明涉及车辆称重领域，公开了一种动态车辆称重方法及系统，用于提高动态车辆称重的准确率。方法包括：对轮重信号进行车重计算，得到第一车重数据；对目标图像数据进行状态信息识别，得到车辆状态信息集合；对车辆状态信息集合进行行驶状态分析，得到目标行驶状态类型，并根据目标行驶状态类型匹配对应的初始车重分析模型；根据目标行驶状态类型，对初始车重分析模型进行参数补偿，得到目标车重分析模型；将车辆状态信息集合输入目标车重分析模型进行车重分析，得到第二车重数据；根据第二车重数据，对第一车重数据进行车重校验，得到车重校验结果，并根据车重校验结果生成目标车重数据。

Description

一种动态车辆称重方法及系统

技术领域

本发明涉及车辆称重领域，尤其涉及一种动态车辆称重方法及系统。

背景技术

对动态车辆进行称重，称重的准确度受车辆自身的行驶状态影响特别大，目前动态车辆称重系统大多由称重传感装置、车辆检测器、车牌识别仪、数据处理装置组成，其中单车道内布置称重传感装置通常是一个或两个独立的称重传感装置并排组成。由于此类系统无法得到车辆的行驶状态，无法对不同的行驶状态采用不同的重量计算方式，造成称重的准确度不高；另外，由于单车道内布置称重传感装置通常是一个或两个独立的称重传感装置并排组成，车辆非正常行驶时，同一称重传感装置可能同时被不同的车辆轮载作用，造成无法称重或错误称重。

发明内容

本发明提供了一种动态车辆称重方法及系统，用于提高动态车辆称重的准确率。

本发明第一方面提供了一种动态车辆称重方法，所述动态车辆称重方法包括：

基于预置的称重传感装置，采集预设车道称重区域中目标车辆产生的轮重信号，并对所述轮重信号进行车重计算，得到第一车重数据；

调用所述车道称重区域中的预设车道视频装置采集所述目标车辆的目标图像数据，并对所述目标图像数据进行状态信息识别，得到车辆状态信息集合；

对所述车辆状态信息集合进行行驶状态分析，得到目标行驶状态类型，并根据所述目标行驶状态类型匹配对应的初始车重分析模型；

根据所述目标行驶状态类型，对所述初始车重分析模型进行参数补偿，得到目标车重分析模型；

将所述车辆状态信息集合输入所述目标车重分析模型进行车重分析，得到第二车重数据；

根据所述第二车重数据，对所述第一车重数据进行车重校验，得到车重校验结果，并根据所述车重校验结果生成目标车重数据。

结合第一方面，在本发明第一方面的第一实施方式中，所述基于预置的称重传感装置，采集预设车道称重区域中目标车辆产生的轮重信号，并对所述轮重信号进行车重计算，得到第一车重数据，包括：

基于预置的称重传感装置，采集预设车道称重区域中目标车辆产生的压电变化数据；

通过预置的采集通道，对所述压电变化数据进行信号转换，生成所述目标车辆对应的轮重信号；

根据所述轮重信号，计算所述目标车辆的多个原始车重数据，并对所述多个原始车重数据进行均值运算，得到第一车重数据。

结合第一方面，在本发明第一方面的第二实施方式中，所述调用所述车道称重区域中的预设车道视频装置采集所述目标车辆的目标图像数据，并对所述目标图像数据进行状态信息识别，得到车辆状态信息集合，包括：

调用所述车道称重区域中的预设车道视频装置采集所述目标车辆的目标图像数据；

对所述目标图像数据进行车辆信息识别，得到多个车辆信息，其中，所述多个车辆信息包括：驶入时间、驶离时间，车牌号码、车辆外廓尺寸以及车型参数；

对所述目标图像数据进行车辆行驶状态识别，得到多个车辆行驶状态，其中，所述多个车辆行驶状态包括：行驶轨迹、平均速度、瞬时速度以及加速度；

根据所述多个车辆信息以及所述多个车辆行驶状态，构建车辆状态信息集合。

结合第一方面，在本发明第一方面的第三实施方式中，所述对所述车辆状态信息集合进行行驶状态分析，得到目标行驶状态类型，并根据所述目标行驶状态类型匹配对应的初始车重分析模型，包括：

对所述车辆状态信息集合进行特征分类，得到至少一个车辆状态特征；

对所述至少一个车辆状态特征进行行驶状态类型划分，得到目标行驶状态类型；

计算所述目标行驶状态类型与预置的多个候选车重分析模型之间的相关度；

根据所述相关度，从所述多个候选车重分析模型中选取对应的初始车重分析模型。

结合第一方面，在本发明第一方面的第四实施方式中，所述根据所述目标行驶状态类型，对所述初始车重分析模型进行参数补偿，得到目标车重分析模型，包括：

根据所述目标行驶状态类型，匹配所述初始车重分析模型的有效补偿参数集合；

根据所述有效补偿参数集合，对所述初始车重分析模型进行参数补偿，得到参数补偿后的车重分析模型；

对所述参数补偿后的车重分析模型进行性能测试，得到性能测试结果；

根据所述性能测试结果，生成所述目标车辆对应的目标车重分析模型。

结合第一方面，在本发明第一方面的第五实施方式中，所述将所述车辆状态信息集合输入所述目标车重分析模型进行车重分析，得到第二车重数据，包括：

对所述车辆状态信息集合进行矩阵转换，得到初始状态矩阵；

根据所述目标行驶状态类型，对所述初始状态矩阵进行权重设置，得到目标状态矩阵；

将所述目标状态矩阵输入所述目标车重分析模型，并通过所述目标车重分析模型进行车重分析，得到第二车重数据。

结合第一方面，在本发明第一方面的第六实施方式中，所述根据所述第二车重数据，对所述第一车重数据进行车重校验，得到车重校验结果，并根据所述车重校验结果生成目标车重数据，包括：

计算所述第二车重数据与所述第一车重数据之间的误差值；

根据所述误差值，对所述第一车重数据进行车重校验，得到车重校验结果，其中，所述车重校验结果包括：校验通过和校验不通过；

若校验通过，则将所述第一车重数据作为所述目标车重数据。

本发明第二方面提供了一种动态车辆称重系统，所述动态车辆称重系统包括：

称重传感模块，用于基于预置的称重传感装置，采集预设车道称重区域中目标车辆产生的轮重信号，并对所述轮重信号进行车重计算，得到第一车重数据；

车道视频模块，用于调用所述车道称重区域中的预设车道视频装置采集所述目标车辆的目标图像数据，并对所述目标图像数据进行状态信息识别，得到车辆状态信息集合；

数据采集模块，用于对所述车辆状态信息集合进行行驶状态分析，得到目标行驶状态类型，并根据所述目标行驶状态类型匹配对应的初始车重分析模型；

补偿模块，用于根据所述目标行驶状态类型，对所述初始车重分析模型进行参数补偿，得到目标车重分析模型；

机械视觉模块，用于将所述车辆状态信息集合输入所述目标车重分析模型进行车重分析，得到第二车重数据；

数据处理模块，用于根据所述第二车重数据，对所述第一车重数据进行车重校验，得到车重校验结果，并根据所述车重校验结果生成目标车重数据。

本发明第三方面提供了一种动态车辆称重设备，包括：存储器和至少一个处理器，所述存储器中存储有指令；所述至少一个处理器调用所述存储器中的所述指令，以使得所述动态车辆称重设备执行上述的动态车辆称重方法。

本发明的第四方面提供了一种计算机可读存储介质，所述计算机可读存储介质中存储有指令，当其在计算机上运行时，使得计算机执行上述的动态车辆称重方法。

本发明提供的技术方案中，对轮重信号进行车重计算，得到第一车重数据；对目标图像数据进行状态信息识别，得到车辆状态信息集合；对车辆状态信息集合进行行驶状态分析，得到目标行驶状态类型，并根据目标行驶状态类型匹配对应的初始车重分析模型；根据目标行驶状态类型，对初始车重分析模型进行参数补偿，得到目标车重分析模型；将车辆状态信息集合输入目标车重分析模型进行车重分析，得到第二车重数据；根据第二车重数据，对第一车重数据进行车重校验，得到车重校验结果，并根据车重校验结果生成目标车重数据，本发明的称重传感装置安装在车道上，当车辆经过时，称重传感装置感知车辆的轮重信息并输出相应信号至数据采集装置，车道视频装置感知车辆经过时的图像信息，机器视觉单元根据图像信息分析得出车辆经过称重区时的状态信息，数据处理装置根据重量信息和车辆行驶状态信息得出车辆重量信息，解决了现有称重系统测量准确度不高和无法对非正常行驶车辆进行称重的问题，进而提高了动态车辆称重的准确率。

附图说明

图1为本发明实施例中动态车辆称重方法的一个实施例示意图；

图2为本发明实施例中状态信息识别的流程图；

图3为本发明实施例中行驶状态分析的流程图；

图4为本发明实施例中参数补偿的流程图；

图5为本发明实施例中动态车辆称重系统的一个实施例示意图；

图6为本发明实施例中动态车辆称重设备的一个实施例示意图。

具体实施方式

本发明实施例提供了一种动态车辆称重方法及系统，用于提高动态车辆称重的准确率。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”、“第三”、“第四”等（如果存在）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，以便这里描述的实施例能够以除了在这里图示或描述的内容以外的顺序实施。此外，术语“包括”或“具有”及其任何变形，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。

为便于理解，下面对本发明实施例的具体流程进行描述，请参阅图1，本发明实施例中动态车辆称重方法的一个实施例包括：

S101、基于预置的称重传感装置，采集预设车道称重区域中目标车辆产生的轮重信号，并对轮重信号进行车重计算，得到第一车重数据；

可以理解的是，本发明的执行主体可以为动态车辆称重系统，还可以是终端或者服务器，具体此处不做限定。本发明实施例以服务器为执行主体为例进行说明。

具体的，将预置的称重传感器安装在预设的车道称重区域，传感器可以是单个传感器或多个传感器组合成一个称重传感器组，称重传感器单块与单块连接，形成一排后贯穿整个车道及路面，可在车道称重区内布置1排或多排，其中，该称重传感器是基于应变测量原理或压电测量原理设置的，称重传感器的宽度根据车辆特性设置，保证在使用过程中，任何时刻，只有一个车轮作用其上，进一步地，本实施例具备多个采集通道，每个采集通道有独立固定的ID号，每个通道对应一个固定的称重传感装置，采集器实时采集车道里所有称重传感器装置的输出信号，当目标车辆行驶到称重区域时，预置的传感器将检测到轮重信号，并将其转换为数字信号，使用车牌识别、RFID等技术对目标车辆进行识别，以便将其称重数据与特定车辆相关联，通过处理传感器采集到的轮重信号，可以计算出车辆的总重量。具体计算方法根据传感器类型和配置而异，最终，服务器对论重信号进行车重计算，得到第一车重数据。

S102、调用车道称重区域中的预设车道视频装置采集目标车辆的目标图像数据，并对目标图像数据进行状态信息识别，得到车辆状态信息集合；

具体的，将摄像头等视频装置安装在车道称重区域内，在车道上方布置单台或多台，能对车道图像全覆盖，保证其能够捕获到经过该区域的车辆图像。使用计算机视觉技术对视频流进行处理，检测出其中的车辆。目前常见的车辆检测算法包括基于背景减除、深度学习等方法。对视频流中的车牌部分进行图像处理和特征提取，再通过车牌识别算法对车牌号码进行识别和记录。车牌识别算法主要有利用传统机器学习、基于深度学习的CNN等多种方法。对车辆外观等特征进行提取，如车辆型号、车身颜色、车辆品牌等。这些特征能够为后续的状态识别提供帮助。通过对车辆外观特征的提取和车牌识别等步骤得到的信息，结合相应的模型和算法进行车辆状态识别，例如是否超速、是否超载、是否违规等。目前常见的状态识别算法包括支持向量机（SVM）、随机森林（Random Forest）等分类算法。

S103、对车辆状态信息集合进行行驶状态分析，得到目标行驶状态类型，并根据目标行驶状态类型匹配对应的初始车重分析模型；

需要说明的是，从车载传感器或其他设备中获取车辆状态信息，例如车速、油耗、行驶距离等数据。这些数据可以通过OBD（On-Board Diagnostic）接口或者其他方式采集到。对采集到的原始数据进行清洗和预处理，去除错误值和异常值，并进行数据缺失值的填充，从预处理后的数据中提取特征，例如平均车速、加速度、急刹车次数等。利用机器学习方法或其他算法对车辆的行驶状态进行分类，例如正常行驶、高速行驶、拥堵行驶等。这些分类结果可以作为后续分析的基础。针对不同的行驶状态类型，选择相应的初始车重分析模型进行计算。例如针对高速行驶状态，可以选择基于空气阻力的初始车重分析模型进行计算，将分析结果可视化展示，并进行进一步分析和优化。

S104、根据目标行驶状态类型，对初始车重分析模型进行参数补偿，得到目标车重分析模型；

具体的，根据目标行驶状态类型选择相应的初始车重分析模型。获取该初始车重分析模型的参数列表和默认参数值，针对目标行驶状态类型，根据已有数据或专业知识等方案，选定需要进行调整的参数（例如空气阻力系数、轮胎滚动阻力系数等），进行参数补偿，即修改所选参数的取值，最终得到目标车重分析模型，使得模型输出结果更准确。

S105、将车辆状态信息集合输入目标车重分析模型进行车重分析，得到第二车重数据；

具体的，选择目标车重分析模型，并确保该模型已经完成了参数补偿等处理。获取待分析的车辆状态信息集合，例如车速、加速度等数据。将车辆状态信息集合输入目标车重分析模型中进行计算，得到第二车重数据。

S106、根据第二车重数据，对第一车重数据进行车重校验，得到车重校验结果，并根据车重校验结果生成目标车重数据。

具体的，获取第一车重数据和第二车重数据。对两组数据进行比对和校验，例如计算两组数据之差的绝对值，判断是否在一定误差范围内等。根据校验结果，判断是否需要对第一车重数据进行修正或调整。如果校验结果在预设的阈值范围内，则可以直接使用第一车重数据作为目标车重数据；否则需要进行进一步处理。如果需要修正或调整第一车重数据，可以通过一些方法进行处理，例如加权平均、线性拟合等。

本发明实施例中，对轮重信号进行车重计算，得到第一车重数据；对目标图像数据进行状态信息识别，得到车辆状态信息集合；对车辆状态信息集合进行行驶状态分析，得到目标行驶状态类型，并根据目标行驶状态类型匹配对应的初始车重分析模型；根据目标行驶状态类型，对初始车重分析模型进行参数补偿，得到目标车重分析模型；将车辆状态信息集合输入目标车重分析模型进行车重分析，得到第二车重数据；根据第二车重数据，对第一车重数据进行车重校验，得到车重校验结果，并根据车重校验结果生成目标车重数据，本发明的称重传感装置安装在车道上，当车辆经过时，称重传感装置感知车辆的轮重信息并输出相应信号至数据采集装置，车道视频装置感知车辆经过时的图像信息，机器视觉单元根据图像信息分析得出车辆经过称重区时的状态信息，数据处理装置根据重量信息和车辆行驶状态信息得出车辆重量信息，解决了现有称重系统测量准确度不高和无法对非正常行驶车辆进行称重的问题，进而提高了动态车辆称重的准确率。

在一具体实施例中，执行步骤S101的过程可以具体包括如下步骤：

（1）基于预置的称重传感装置，采集预设车道称重区域中目标车辆产生的压电变化数据；

（2）通过预置的采集通道，对压电变化数据进行信号转换，生成目标车辆对应的轮重信号；

（3）根据轮重信号，计算目标车辆的多个原始车重数据，并对多个原始车重数据进行均值运算，得到第一车重数据。

具体的，服务器基于预置的称重传感装置，采集预设车道称重区域中目标车辆产生的压电变化数据，在预设车道称重区域中安装合适的称重传感器，例如压电传感器或者光纤传感器等。当车辆经过称重区域时，称重传感器会产生相应的压电变化数据，收集到的压电变化数据需要进行信号处理和转换，得到与车辆轴重相关的信号，进行滤波、放大、模数转换等操作，最终，根据信号特征和车辆的轮距信息，可以计算出每个轮轴的重量和总重量，根据预置的称重传感装置和采集通道等设备，获取目标车辆的轮重信号。根据轮重信号和车辆的轮距信息，计算出每个轮轴的重量和总重量。为了提高测量精度，需要多次对同一车辆进行称重。在得到多个原始车重数据后，进行均值运算，得到最终的第一车重数据。

在一具体实施例中，如图2所示，执行步骤S102的过程可以具体包括如下步骤：

S201、调用车道称重区域中的预设车道视频装置采集目标车辆的目标图像数据；

S202、对目标图像数据进行车辆信息识别，得到多个车辆信息，其中，多个车辆信息包括：驶入时间、驶离时间，车牌号码、车辆外廓尺寸以及车型参数；

S203、对目标图像数据进行车辆行驶状态识别，得到多个车辆行驶状态，其中，多个车辆行驶状态包括：行驶轨迹、平均速度、瞬时速度以及加速度；

S204、根据多个车辆信息以及多个车辆行驶状态，构建车辆状态信息集合。

具体的，当车辆进入称重区域时，由称重系统触发预设车道视频装置开始录制视频，预设车道视频装置将对车辆进行拍摄，并采集车辆轮胎经过称重区域的视频，通过计算机视觉技术，对视频进行处理以检测目标车辆，并提取出车辆的目标图像数据。这通常包括使用图像处理算法进行特征提取、目标检测和跟踪等操作。在本发明实施例中，需要说明的是，驶入时间指车辆进入称重区域的时间，驶离时间指车辆离开称重区域的时间。车牌号码指车辆的车牌号码。车辆外廓尺寸指车辆在水平方向和垂直方向上的外廓尺寸，通常包括长度、宽度和高度等参数，车型参数指车辆的类型、品牌、型号等参数，用于区分不同种类的车辆，需要说明的是，行驶轨迹指车辆在称重区域内的行驶轨迹，通常通过目标跟踪算法、轨迹重建和数据可视化等方式来实现。平均速度指车辆在称重区域内的平均速度，可以通过计算车辆通过称重区域的时间和距离来实现。瞬时速度指车辆在称重区域内的瞬时速度，通常通过车辆轮胎与地面接触后的运动学方程来计算。加速度指车辆在称重区域内的加速度，可以通过计算车辆速度随时间的变化率来实现，也可以通过使用车载传感器来采集车辆加速度数据，最终，服务器根据多个车辆信息以及多个车辆行驶状态，构建车辆状态信息集合。

在一具体实施例中，如图3所示，执行步骤S103的过程可以具体包括如下步骤：

S301、对车辆状态信息集合进行特征分类，得到至少一个车辆状态特征；

S302、对至少一个车辆状态特征进行行驶状态类型划分，得到目标行驶状态类型；

S303、计算目标行驶状态类型与预置的多个候选车重分析模型之间的相关度；

S304、根据相关度，从多个候选车重分析模型中选取对应的初始车重分析模型。

需要说明的是，从车载传感器或其他设备中获取车辆状态信息，例如车速、油耗、行驶距离等数据。这些数据可以通过OBD（On-Board Diagnostic）接口或者其他方式采集到。对采集到的原始数据进行清洗和预处理，去除错误值和异常值，并进行数据缺失值的填充，从预处理后的数据中提取特征，例如平均车速、加速度、急刹车次数等。利用机器学习方法或其他算法对车辆的行驶状态进行分类，例如正常行驶、高速行驶、拥堵行驶等。这些分类结果可以作为后续分析的基础。针对不同的行驶状态类型，选择相应的初始车重分析模型进行计算。例如针对高速行驶状态，可以选择基于空气阻力的初始车重分析模型进行计算，将分析结果可视化展示，并进行进一步分析和优化。

其中，需要说明的是，目标行驶状态类型是指车辆在不同的行驶状态下，如匀速直线行驶、加速、减速等，其所受到的力和动态载荷不同，因此需要根据行驶状态类型来分析车辆重量，对于不同的行驶状态类型，可以建立不同的车重分析模型。例如，对于匀速直线行驶，可以采用静态平衡方程计算车重；对于加速或减速，需要考虑惯性力，可以采用动态平衡方程计算车重。因此，可以建立多个候选车重分析模型，通过统计学方法，比如相关系数或者协方差矩阵，计算目标行驶状态类型与预置的多个候选车重分析模型之间的相关度。相关度反映了两个变量之间的关联程度，值域为-1到1之间。相关系数接近于1表示两个变量正相关，即它们随着时间的推移而同时增加或减少；相关系数接近于-1表示两个变量负相关，即它们相互抵消；相关系数接近于0表示两个变量之间没有线性关系，通过相关度计算结果，选取与目标行驶状态类型相关度最高的车重分析模型作为初始模型。因为相关度越高，说明两个变量之间的关联程度越强，选择相关度最高的模型能够提高车重估算的准确性。

在一具体实施例中，如图4所示，执行步骤S104的过程可以具体包括如下步骤：

S401、根据目标行驶状态类型，匹配初始车重分析模型的有效补偿参数集合；

S402、根据有效补偿参数集合，对初始车重分析模型进行参数补偿，得到参数补偿后的车重分析模型；

S403、对参数补偿后的车重分析模型进行性能测试，得到性能测试结果；

S404、根据性能测试结果，生成目标车辆对应的目标车重分析模型。

需要说明的是，对于每种行驶状态类型，可以通过试验或者仿真等方式获得相应的补偿参数集合，这些补偿参数用于修正初始车重分析模型的误差，并提高其预测精度。例如，对于匀速直线行驶，可以通过校正静态平衡方程中的轮胎滚动阻力系数和空气阻力系数来改善车重估算结果。对于加速或减速，可以校正动态平衡方程中的惯性力等参数，根据目标行驶状态类型，选取对应的有效补偿参数集合，以此对初始车重分析模型进行参数补偿。补偿后得到的车重分析模型能够更好地反映实际情况，提高车重估算的准确性，最终，服务器对参数补偿后的车重分析模型进行性能测试，得到性能测试结果，根据性能测试结果，生成目标车辆对应的目标车重分析模型。本实施例会根据车辆不同的行驶状态采用不同的重量计算模型，并根据相关的参数进行有效补偿，从而提高称重检测准确度。

在一具体实施例中，执行步骤S105的过程可以具体包括如下步骤：

（1）对车辆状态信息集合进行矩阵转换，得到初始状态矩阵；

（2）根据目标行驶状态类型，对初始状态矩阵进行权重设置，得到目标状态矩阵；

（3）将目标状态矩阵输入目标车重分析模型，并通过目标车重分析模型进行车重分析，得到第二车重数据。

需要说明的是，车辆状态信息集合是指车辆在特定时刻或者一段时间内的状态信息，如速度、加速度、转向角度等。通常情况下，这些状态信息可以通过传感器或者车载计算机等设备获取，将车辆状态信息集合转化为矩阵形式。例如，可以将不同的状态信息作为矩阵的列向量，行表示时间或者采样点，在本发明实施例中，可以利用矩阵乘法和线性代数方法来进行状态信息的处理和分析，根据车辆状态信息集合进行矩阵转换得到初始状态矩阵。该矩阵反映了车辆在某一时刻或者一段时间内的状态信息，对于不同的行驶状态类型，可以设置不同的权重来定义目标状态矩阵。例如，在匀速直线行驶中，速度可能是最重要的状态信息，因此可以给速度所在的列向量赋予更高的权重，而在加速或减速过程中，则可以赋予加速度或者减速度所在的列向量更高的权重。通过设置不同的权重，可以凸显各个状态信息在不同行驶状态下的重要性。根据目标行驶状态类型和权重设置，对初始状态矩阵进行处理得到目标状态矩阵。目标状态矩阵反映了车辆在特定行驶状态下的关键状态信息，是后续状态监测和控制的基础，最终，服务器将目标状态矩阵输入目标车重分析模型，并通过目标车重分析模型进行车重分析，得到第二车重数据。

在一具体实施例中，执行步骤S106的过程可以具体包括如下步骤：

（1）计算第二车重数据与第一车重数据之间的误差值；

（2）根据误差值，对第一车重数据进行车重校验，得到车重校验结果，其中，车重校验结果包括：校验通过和校验不通过；

（3）若校验通过，则将第一车重数据作为目标车重数据。

具体的，第一车重数据和第二车重数据是指在不同时间点或不同地点测量得到的车辆重量数据。通常情况下，可以通过称重设备或者传感器等测量设备获得。将第二车重数据减去第一车重数据，得到它们之间的误差值。如果误差值接近于零，说明两次测量结果相差不大；如果误差值比较大，说明存在错误或其他干扰因素，根据误差值进行车重校验。一般情况下，根据行业标准或者相关法规规定，车重校验有一定的容差范围。如果误差值小于或等于容差范围，车重校验结果为“校验通过”；反之，车重校验结果为“校验不通过”，最终，若校验通过，则将第一车重数据作为目标车重数据。

上面对本发明实施例中动态车辆称重方法进行了描述，下面对本发明实施例中动态车辆称重系统进行描述，请参阅图5，本发明实施例中动态车辆称重系统一个实施例包括：

称重传感模块501，用于基于预置的称重传感装置，采集预设车道称重区域中目标车辆产生的轮重信号，并对所述轮重信号进行车重计算，得到第一车重数据；

车道视频模块502，用于调用所述车道称重区域中的预设车道视频装置采集所述目标车辆的目标图像数据，并对所述目标图像数据进行状态信息识别，得到车辆状态信息集合；

数据采集模块503，用于对所述车辆状态信息集合进行行驶状态分析，得到目标行驶状态类型，并根据所述目标行驶状态类型匹配对应的初始车重分析模型；

补偿模块504，用于根据所述目标行驶状态类型，对所述初始车重分析模型进行参数补偿，得到目标车重分析模型；

机械视觉模块505，用于将所述车辆状态信息集合输入所述目标车重分析模型进行车重分析，得到第二车重数据；

数据处理模块506，用于根据所述第二车重数据，对所述第一车重数据进行车重校验，得到车重校验结果，并根据所述车重校验结果生成目标车重数据。

通过上述各个组成部分的协同合作，对轮重信号进行车重计算，得到第一车重数据；对目标图像数据进行状态信息识别，得到车辆状态信息集合；对车辆状态信息集合进行行驶状态分析，得到目标行驶状态类型，并根据目标行驶状态类型匹配对应的初始车重分析模型；根据目标行驶状态类型，对初始车重分析模型进行参数补偿，得到目标车重分析模型；将车辆状态信息集合输入目标车重分析模型进行车重分析，得到第二车重数据；根据第二车重数据，对第一车重数据进行车重校验，得到车重校验结果，并根据车重校验结果生成目标车重数据，本发明的称重传感装置安装在车道上，当车辆经过时，称重传感装置感知车辆的轮重信息并输出相应信号至数据采集装置，车道视频装置感知车辆经过时的图像信息，机器视觉单元根据图像信息分析得出车辆经过称重区时的状态信息，数据处理装置根据重量信息和车辆行驶状态信息得出车辆重量信息，解决了现有称重系统测量准确度不高和无法对非正常行驶车辆进行称重的问题，进而提高了动态车辆称重的准确率。

上面图5从模块化功能实体的角度对本发明实施例中的动态车辆称重系统进行详细描述，下面从硬件处理的角度对本发明实施例中动态车辆称重设备进行详细描述。

图6是本发明实施例提供的一种动态车辆称重设备的结构示意图，该动态车辆称重设备600可因配置或性能不同而产生比较大的差异，可以包括一个或一个以上处理器（central processing units，CPU）610（例如，一个或一个以上处理器）和存储器620，一个或一个以上存储应用程序633或数据632的存储介质630（例如一个或一个以上海量存储设备）。其中，存储器620和存储介质630可以是短暂存储或持久存储。存储在存储介质630的程序可以包括一个或一个以上模块（图示没标出），每个模块可以包括对动态车辆称重设备600中的一系列指令操作。更进一步地，处理器610可以设置为与存储介质630通信，在动态车辆称重设备600上执行存储介质630中的一系列指令操作。

动态车辆称重设备600还可以包括一个或一个以上电源640，一个或一个以上有线或无线网络接口650，一个或一个以上输入输出接口660，和/或，一个或一个以上操作系统631，例如Windows Serve，Mac OS X，Unix，Linux，FreeBSD等等。本领域技术人员可以理解，图6示出的动态车辆称重设备结构并不构成对动态车辆称重设备的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。

本发明还提供一种动态车辆称重设备，所述动态车辆称重设备包括存储器和处理器，存储器中存储有计算机可读指令，计算机可读指令被处理器执行时，使得处理器执行上述各实施例中的所述动态车辆称重方法的步骤。

本发明还提供一种计算机可读存储介质，该计算机可读存储介质可以为非易失性计算机可读存储介质，该计算机可读存储介质也可以为易失性计算机可读存储介质，所述计算机可读存储介质中存储有指令，当所述指令在计算机上运行时，使得计算机执行所述动态车辆称重方法的步骤。

所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统，装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。

所述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，可以存储在一个计算机可读取存储介质中。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一个存储介质中，包括若干指令用以使得一台计算机设备（可以是个人计算机，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。而前述的存储介质包括：U盘、移动硬盘、只读存储器（read-only memory，ROM）、随机存取存储器（random acceS memory，RAM）、磁碟或者光盘等各种可以存储程序代码的介质。

以上所述，以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。

Claims (6)

1.一种动态车辆称重方法，其特征在于，所述动态车辆称重方法包括：

基于预置的称重传感装置，采集预设车道称重区域中目标车辆产生的轮重信号，并对所述轮重信号进行车重计算，得到第一车重数据；

调用所述车道称重区域中的预设车道视频装置采集所述目标车辆的目标图像数据，并对所述目标图像数据进行状态信息识别，得到车辆状态信息集合；其中，调用所述车道称重区域中的预设车道视频装置采集所述目标车辆的目标图像数据；对所述目标图像数据进行车辆信息识别，得到多个车辆信息，其中，所述多个车辆信息包括：驶入时间、驶离时间，车牌号码、车辆外廓尺寸以及车型参数；对所述目标图像数据进行车辆行驶状态识别，得到多个车辆行驶状态，其中，所述多个车辆行驶状态包括：行驶轨迹、平均速度、瞬时速度以及加速度；根据所述多个车辆信息以及所述多个车辆行驶状态，构建车辆状态信息集合；其中，驶入时间指目标车辆进入称重区域的时间，驶离时间指目标车辆离开称重区域的时间，车牌号码指目标车辆的车牌号码，车辆外廓尺寸指目标车辆在水平方向和垂直方向上的外廓尺寸，车辆外廓尺寸包括长度、宽度和高度参数，车型参数指车辆的类型、品牌、型号参数，车型参数用于区分不同种类的车辆，行驶轨迹指目标车辆在称重区域内的行驶轨迹，平均速度指车辆在称重区域内的平均速度，瞬时速度指目标车辆在称重区域内的瞬时速度，加速度指目标车辆在称重区域内的加速度；

对所述车辆状态信息集合进行行驶状态分析，得到目标行驶状态类型，并根据所述目标行驶状态类型匹配对应的初始车重分析模型；其中，对所述车辆状态信息集合进行特征分类，得到至少一个车辆状态特征；对所述至少一个车辆状态特征进行行驶状态类型划分，得到目标行驶状态类型；计算所述目标行驶状态类型与预置的多个候选车重分析模型之间的相关度；根据所述相关度，从所述多个候选车重分析模型中选取对应的初始车重分析模型；其中，目标行驶状态类型是指目标车辆在不同的行驶状态下所受到的力和动态载荷不同，目标行驶状态类型包括：匀速直线行驶、加速、减速，根据目标行驶状态类型分析车辆重量，对于不同的目标行驶状态类型，建立不同的车重分析模型；其中，对于匀速直线行驶，采用静态平衡方程计算车重；对于加速或减速，采用动态平衡方程计算车重，建立多个候选车重分析模型，通过相关系数或者协方差矩阵，计算目标行驶状态类型与预置的多个候选车重分析模型之间的相关度，其中，相关度反映了两个变量之间的关联程度，值域为-1到1之间，相关度接近于1表示两个变量正相关，即随着时间的推移而同时增加或减少；相关度接近于-1表示两个变量负相关，即相互抵消；相关度接近于0表示两个变量之间没有线性关系，通过相关度计算结果，选取与目标行驶状态类型相关度最高的车重分析模型作为初始车重分析模型；

根据所述目标行驶状态类型，对所述初始车重分析模型进行参数补偿，得到目标车重分析模型；其中，根据所述目标行驶状态类型，匹配所述初始车重分析模型的有效补偿参数集合；根据所述有效补偿参数集合，对所述初始车重分析模型进行参数补偿，得到参数补偿后的车重分析模型；对所述参数补偿后的车重分析模型进行性能测试，得到性能测试结果；根据所述性能测试结果，生成所述目标车辆对应的目标车重分析模型；其中，对于每种目标行驶状态类型，通过试验或者仿真方式获得相应的补偿参数集合，补偿参数集合用于修正初始车重分析模型的误差；对于匀速直线行驶，通过校正静态平衡方程中的轮胎滚动阻力系数和空气阻力系数来补偿车重估算结果，对于加速或减速，通过校正动态平衡方程中的惯性力参数，根据目标行驶状态类型，选取对应的有效补偿参数集合，对初始车重分析模型进行参数补偿；

将所述车辆状态信息集合输入所述目标车重分析模型进行车重分析，得到第二车重数据；其中，对所述车辆状态信息集合进行矩阵转换，得到初始状态矩阵；根据所述目标行驶状态类型，对所述初始状态矩阵进行权重设置，得到目标状态矩阵；将所述目标状态矩阵输入所述目标车重分析模型，并通过所述目标车重分析模型进行车重分析，得到第二车重数据；其中，车辆状态信息集合是指车辆在预设时刻或者一段时间内的状态信息，状态信息包括速度、加速度、转向角度，将车辆状态信息集合转化为矩阵形式；其中，将不同的状态信息作为矩阵的列向量，行表示时间或者采样点，利用矩阵乘法和线性代数方法进行状态信息处理和分析，根据车辆状态信息集合进行矩阵转换得到初始状态矩阵，初始状态矩阵反映目标车辆在某一时刻或者一段时间内的状态信息，对于不同的行驶状态类型，设置不同的权重来定义目标状态矩阵，其中，在匀速直线行驶中，速度是最重要的状态信息，给速度所在的列向量赋予高权重，在加速或减速过程中，则赋予加速度或者减速度所在的列向量高权重，根据目标行驶状态类型和权重设置，对初始状态矩阵进行处理得到目标状态矩阵，将目标状态矩阵输入目标车重分析模型，并通过目标车重分析模型进行车重分析，得到第二车重数据；

根据所述第二车重数据，对所述第一车重数据进行车重校验，得到车重校验结果，并根据所述车重校验结果生成目标车重数据。

2.根据权利要求1所述的动态车辆称重方法，其特征在于，所述基于预置的称重传感装置，采集预设车道称重区域中目标车辆产生的轮重信号，并对所述轮重信号进行车重计算，得到第一车重数据，包括：

基于预置的称重传感装置，采集预设车道称重区域中目标车辆产生的压电变化数据；

通过预置的采集通道，对所述压电变化数据进行信号转换，生成所述目标车辆对应的轮重信号；

根据所述轮重信号，计算所述目标车辆的多个原始车重数据，并对所述多个原始车重数据进行均值运算，得到第一车重数据。

3.根据权利要求1所述的动态车辆称重方法，其特征在于，所述根据所述第二车重数据，对所述第一车重数据进行车重校验，得到车重校验结果，并根据所述车重校验结果生成目标车重数据，包括：

计算所述第二车重数据与所述第一车重数据之间的误差值；

根据所述误差值，对所述第一车重数据进行车重校验，得到车重校验结果，其中，所述车重校验结果包括：校验通过和校验不通过；

若校验通过，则将所述第一车重数据作为所述目标车重数据。

4.一种动态车辆称重系统，其特征在于，所述动态车辆称重系统包括：

称重传感模块，用于基于预置的称重传感装置，采集预设车道称重区域中目标车辆产生的轮重信号，并对所述轮重信号进行车重计算，得到第一车重数据；

车道视频模块，用于调用所述车道称重区域中的预设车道视频装置采集所述目标车辆的目标图像数据，并对所述目标图像数据进行状态信息识别，得到车辆状态信息集合；其中，调用所述车道称重区域中的预设车道视频装置采集所述目标车辆的目标图像数据；对所述目标图像数据进行车辆信息识别，得到多个车辆信息，其中，所述多个车辆信息包括：驶入时间、驶离时间，车牌号码、车辆外廓尺寸以及车型参数；对所述目标图像数据进行车辆行驶状态识别，得到多个车辆行驶状态，其中，所述多个车辆行驶状态包括：行驶轨迹、平均速度、瞬时速度以及加速度；根据所述多个车辆信息以及所述多个车辆行驶状态，构建车辆状态信息集合；其中，驶入时间指目标车辆进入称重区域的时间，驶离时间指目标车辆离开称重区域的时间，车牌号码指目标车辆的车牌号码，车辆外廓尺寸指目标车辆在水平方向和垂直方向上的外廓尺寸，车辆外廓尺寸包括长度、宽度和高度参数，车型参数指车辆的类型、品牌、型号参数，车型参数用于区分不同种类的车辆，行驶轨迹指目标车辆在称重区域内的行驶轨迹，平均速度指车辆在称重区域内的平均速度，瞬时速度指目标车辆在称重区域内的瞬时速度，加速度指目标车辆在称重区域内的加速度；

数据采集模块，用于对所述车辆状态信息集合进行行驶状态分析，得到目标行驶状态类型，并根据所述目标行驶状态类型匹配对应的初始车重分析模型；其中，对所述车辆状态信息集合进行特征分类，得到至少一个车辆状态特征；对所述至少一个车辆状态特征进行行驶状态类型划分，得到目标行驶状态类型；计算所述目标行驶状态类型与预置的多个候选车重分析模型之间的相关度；根据所述相关度，从所述多个候选车重分析模型中选取对应的初始车重分析模型；其中，目标行驶状态类型是指目标车辆在不同的行驶状态下所受到的力和动态载荷不同，目标行驶状态类型包括：匀速直线行驶、加速、减速，根据目标行驶状态类型分析车辆重量，对于不同的目标行驶状态类型，建立不同的车重分析模型；其中，对于匀速直线行驶，采用静态平衡方程计算车重；对于加速或减速，采用动态平衡方程计算车重，建立多个候选车重分析模型，通过相关系数或者协方差矩阵，计算目标行驶状态类型与预置的多个候选车重分析模型之间的相关度，其中，相关度反映了两个变量之间的关联程度，值域为-1到1之间，相关度接近于1表示两个变量正相关，即随着时间的推移而同时增加或减少；相关度接近于-1表示两个变量负相关，即相互抵消；相关度接近于0表示两个变量之间没有线性关系，通过相关度计算结果，选取与目标行驶状态类型相关度最高的车重分析模型作为初始车重分析模型；

补偿模块，用于根据所述目标行驶状态类型，对所述初始车重分析模型进行参数补偿，得到目标车重分析模型；其中，根据所述目标行驶状态类型，匹配所述初始车重分析模型的有效补偿参数集合；根据所述有效补偿参数集合，对所述初始车重分析模型进行参数补偿，得到参数补偿后的车重分析模型；对所述参数补偿后的车重分析模型进行性能测试，得到性能测试结果；根据所述性能测试结果，生成所述目标车辆对应的目标车重分析模型；其中，对于每种目标行驶状态类型，通过试验或者仿真方式获得相应的补偿参数集合，补偿参数集合用于修正初始车重分析模型的误差；对于匀速直线行驶，通过校正静态平衡方程中的轮胎滚动阻力系数和空气阻力系数来补偿车重估算结果，对于加速或减速，通过校正动态平衡方程中的惯性力参数，根据目标行驶状态类型，选取对应的有效补偿参数集合，对初始车重分析模型进行参数补偿；

机械视觉模块，用于将所述车辆状态信息集合输入所述目标车重分析模型进行车重分析，得到第二车重数据；其中，对所述车辆状态信息集合进行矩阵转换，得到初始状态矩阵；根据所述目标行驶状态类型，对所述初始状态矩阵进行权重设置，得到目标状态矩阵；将所述目标状态矩阵输入所述目标车重分析模型，并通过所述目标车重分析模型进行车重分析，得到第二车重数据；其中，车辆状态信息集合是指车辆在预设时刻或者一段时间内的状态信息，状态信息包括速度、加速度、转向角度，将车辆状态信息集合转化为矩阵形式；其中，将不同的状态信息作为矩阵的列向量，行表示时间或者采样点，利用矩阵乘法和线性代数方法进行状态信息处理和分析，根据车辆状态信息集合进行矩阵转换得到初始状态矩阵，初始状态矩阵反映目标车辆在某一时刻或者一段时间内的状态信息，对于不同的行驶状态类型，设置不同的权重来定义目标状态矩阵，其中，在匀速直线行驶中，速度是最重要的状态信息，给速度所在的列向量赋予高权重，在加速或减速过程中，则赋予加速度或者减速度所在的列向量高权重，根据目标行驶状态类型和权重设置，对初始状态矩阵进行处理得到目标状态矩阵，将目标状态矩阵输入目标车重分析模型，并通过目标车重分析模型进行车重分析，得到第二车重数据；

数据处理模块，用于根据所述第二车重数据，对所述第一车重数据进行车重校验，得到车重校验结果，并根据所述车重校验结果生成目标车重数据。

5.一种动态车辆称重设备，其特征在于，所述动态车辆称重设备包括：存储器和至少一个处理器，所述存储器中存储有指令；

所述至少一个处理器调用所述存储器中的所述指令，以使得所述动态车辆称重设备执行如权利要求1-3中任一项所述的动态车辆称重方法。

6.一种计算机可读存储介质，所述计算机可读存储介质上存储有指令，其特征在于，所述指令被处理器执行时实现如权利要求1-3中任一项所述的动态车辆称重方法。