CN117197760A - 一种基于视频监控的桥梁车辆荷载分布长期监测方法 - Google Patents
一种基于视频监控的桥梁车辆荷载分布长期监测方法 Download PDFInfo
- Publication number
- CN117197760A CN117197760A CN202311148252.4A CN202311148252A CN117197760A CN 117197760 A CN117197760 A CN 117197760A CN 202311148252 A CN202311148252 A CN 202311148252A CN 117197760 A CN117197760 A CN 117197760A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- bridge
- vehicles
- vehicle load
- video
- 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
- 238000009826 distribution Methods 0.000 title claims abstract description 70
- 238000012544 monitoring process Methods 0.000 title claims abstract description 64
- 238000000034 method Methods 0.000 title claims abstract description 46
- 230000007774 longterm Effects 0.000 title claims abstract description 25
- 238000005303 weighing Methods 0.000 claims abstract description 21
- 238000012423 maintenance Methods 0.000 claims abstract description 17
- 238000013507 mapping Methods 0.000 claims abstract description 14
- 238000001514 detection method Methods 0.000 claims description 26
- 238000012806 monitoring device Methods 0.000 claims description 11
- 238000012549 training Methods 0.000 claims description 6
- 238000013135 deep learning Methods 0.000 claims description 4
- 238000013528 artificial neural network Methods 0.000 claims description 3
- 230000008439 repair process Effects 0.000 claims description 3
- 230000004044 response Effects 0.000 abstract description 8
- 230000000007 visual effect Effects 0.000 abstract description 4
- 238000005259 measurement Methods 0.000 abstract description 3
- 230000002349 favourable effect Effects 0.000 abstract description 2
- 238000009434 installation Methods 0.000 description 4
- 238000011156 evaluation Methods 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
Landscapes
- Traffic Control Systems (AREA)
Abstract
本发明涉及一种基于视频监控的桥梁车辆荷载分布长期监测方法,短暂使用临时动态称重系统得到车辆类型与车辆荷载的统计映射关系,相较于安装永久WIM系统价格大幅降低,同时避免了长时间中断交通。单独使用视频监控设备进行后续的车辆荷载长期监测,使用阶段费用低,且因视频监控设备安装于桥侧,维修时也不需要中断交通。相较于现有技术中基于桥底布置传感器测量的桥梁响应估计车辆荷载,布置更方便,同时也避免了多轴响应混叠难以分离各轴的情况,结果更直观和准确,获取的车辆荷载分布数据有利于指导桥梁养护、维修和投资决策,适合在相关领域推广。
Description
技术领域
本发明涉及一种基于视频监控的桥梁车辆荷载分布长期监测方法,属于桥梁车辆荷载监测领域。
背景技术
近些年,我国社会经济飞速发展,高速公路桥梁不断增长交通量为其运营和养护带来了巨大挑战,尤其是重载车辆数量的不断增加及超载车辆的客观存在,导致桥梁疲劳问题日益突出。获取合理准确的车辆荷载统计数据是桥梁全生命周期监测和运营状态评估预测的重要内容。
在所有车辆荷载统计数据中轴重是桥梁荷载监测的重要参数之一,对桥梁结构精确荷载分布评估、桥梁结构和桥面养护决策等均有重要意义,通过在桥底布设传感器测得的桥梁响应估计桥面车辆荷载的方法,在实际应用中往往因难以分离桥面同时存在的多个车轴引起的响应,导致错误的结果。进入21世纪以来,动态称重(WIM)系统在各地的高速公路和桥梁上得到了越来越多的应用,很多学者也据此对道路、桥梁所承受的车辆荷载进行了深入的分析。然而安装一套永久WIM系统无论是从需要中断交通安装还是后续的维护角度而言代价都较为昂贵,目前多以试点形式安装于部分重要大型桥梁附近,这对于我国量大面广的中小跨桥梁较难推广应用。同时因各地贸易往来活跃程度不同、运输路径各异,不同桥梁、车道经过的车辆类型、重量、速度均有差异,对所有桥梁使用统一的车辆荷载模型进行长期运营状态评估并不合理。同时对于同一桥梁,随着各地贸易往来更加频繁,当前调查的交通荷载可能并不适用未来的交通状况。
因此有必要设计一种监测方法,利用统计信息以低成本对桥梁进行车辆荷载长期监测的前提下,能够较为精确的统计所有车辆荷载统计数据。
发明内容
本发明提供一种基于视频监控的桥梁车辆荷载分布长期监测方法,通过低成本的手段获取准确的车辆荷载统计数据,进而实现对桥梁养护、维修以及投资决策的指导。
本发明解决其技术问题所采用的技术方案是:
一种基于视频监控的桥梁车辆荷载分布长期监测方法,具体包括以下步骤:
步骤S1:在待监测桥梁上架设若干视频监控设备,桥梁桥面上布设临时动态称重系统;前述的临时动态称重系统包含若干压电式车轴传感器,若干压电式车轴传感器均可拆卸固定在桥梁桥面;
步骤S2:获取初始时段T0内若干视频监控设备记录的车流视频以及临时动态称重系统测得的轴重数据,将车流视频输入训练完毕的计算机视觉模型,检测车型并跟踪车辆,根据时间对应关系依次将轴重赋予经过的车辆;
步骤S3:进行车辆-荷载分析,得到车辆-荷载分布映射关系以及初始车辆荷载统计数据;同时将固定在桥梁桥面的若干压电式车轴传感器拆卸,若干视频监控设备继续对经过的车辆进行监测;
步骤S4:若干视频监控设备继续获取时段T1、T2……Ti内记录的车流视频,通过训练完毕的计算机视觉模型在车流视频中检测并跟踪车型,依据步骤S3中得到的车辆-荷载分布映射关系获得每辆车的总重以及轴重的概率分布,每经过一辆车即按照得到的总重以及轴重概率进行车辆荷载叠加,在时段T1或者T2或者……Ti结束后,得到桥梁桥面各个车道所有经过的车辆荷载总和,即得到车辆荷载统计数据,除以经过的总车辆数,得到更新后的时段T1或者T2或者……Ti内各个车道车辆荷载概率分布;
步骤S5:记录时段T1、T2……Ti内各个车道的车辆荷载分布统计,用于指导桥梁养护或者维修或者投资决策;
作为本发明的进一步优选,步骤S2中,所述计算机视觉模型为基于深度学习的目标检测模型以及多目标跟踪模型,其中目标检测模型采用的是YOLO系列模型,多目标跟踪模型采用ByteTrack算法;
作为本发明的进一步优选,步骤S2中将车流视频以及车重数据输入训练完毕的计算机视觉模型进行训练的步骤具体为:
步骤S21:利用标记车型的车辆图片数据集训练目标检测模型,得到一组神经网络的权重参数;
步骤S22:使用步骤S21中得到的权重参数加载目标检测模型,并输入车流视频,输出检测结果,实现车流视频中车型的检测;
步骤S23:将步骤S22得到的检测结果输入ByteTrack算法判断和归并目标轨迹,实现车流视频中车型的跟踪;
作为本发明的进一步优选,步骤S3中,车辆-荷载分布映射关系包括不同类型车辆轴重的概率分布以及不同类型车辆总重的概率分布;
作为本发明的进一步优选,车型划分为2轴车、3轴车、4轴车、5轴车以及6轴车,其中2轴车划分为Ⅰ类2轴车、Ⅱ类2轴车以及Ⅲ类2轴车;
作为本发明的进一步优选,车辆荷载统计数据包括车型分布统计数据、轴重分布统计数据以及总重分布统计数据,其中,车流视频中能够直接获取车型分布,轴重分布以及总重分布由车流视频结合车辆-荷载分布映射关系获取。
通过以上技术方案,相对于现有技术,本发明具有以下有益效果:
1、本发明提供的基于视频监控的桥梁车辆荷载分布长期监测方法,在桥梁桥面上布设临时动态称重系统和视频监控,相较基于桥底布置传感器测量的桥梁响应估计车辆荷载,布置更方便,同时避免了多轴响应混叠难以分离各轴的现象,使得监测结果更直观以及准确;
2、本发明提供的基于视频监控的桥梁车辆荷载分布长期监测方法,在桥梁桥面上布设的临时动态称重系统,即压电式车轴传感器,避免了安装永久WIM系统需要长时间中断交通、价格昂贵、维修不便等困难,同时作为临时动态称重系统的压电式车轴传感器,能够在不同桥梁上反复利用,使得监测成本得到大幅度降低;
3、本发明提供的基于视频监控的桥梁车辆荷载分布长期监测方法,由当前桥梁真实的车辆荷载监测数据构建车辆荷载概率分布,进而获取长期车辆荷载统计数据,更准确可靠。
附图说明
下面结合附图和实施例对本发明进一步说明。
图1是本发明提供的基于视频监控的桥梁车辆荷载分布长期监测方法流程图。
具体实施方式
现在结合附图对本发明作进一步详细的说明。
如背景技术中阐述的,目前关于桥梁车辆荷载分布监测的方法主要存在以下几个问题:第一,若要对桥梁荷载进行长期监测,安装永久的动态称重系统(WIM)从实施以及维护角度出发均具有较高成本;第二,针对不同的交通荷载,无法采用统一的车辆荷载模型进行长期评估,即无法提供较为准确的车辆荷载分布统计数据。基于上述原因,本申请提供了一种基于视频监控的桥梁车辆荷载分布长期监测方法。
本申请提供的监测方法主要具有两个创新点,首先是采用临时动态称重系统替代永久的动态称重系统,仅临时固定于桥面上进行一段时间的车辆荷载的准确测量,可以在不同桥梁上重复使用,避免了永久安装的动态称重系统需要埋入路面、安装和后期维修均需要长时间中断交通的问题,监测成本大幅度降低。其次,本申请监测方法利用视频监控设备以及临时动态称重系统得到车辆类型与车辆荷载的统计映射关系,后续只需利用此统计映射关系,在仅应用视频监控系统的情况下持续定期更新车辆荷载分布统计数据即可完成长期监测,相对于对所有桥梁采用相同的车辆荷载模型而言,以低成本的便捷手段实现不同桥梁精细化荷载监测,为桥梁维修养护提供更精准的数据。
接下来就阐述相关实施方法,具体包括以下步骤:
步骤S1:在待监测桥梁上架设若干视频监控设备(视频监控设备的布设位置应保证能够观测到后续设置的临时动态称重系统以及部分或者全部桥梁区域,同时尽可能布置于高处,以减少车辆间的遮挡),桥梁桥面上布设临时动态称重系统;前述的临时动态称重系统包含若干压电式车轴传感器,若干压电式车轴传感器均以扁平的结构特点得以灵活的可拆卸固定在桥梁桥面。
步骤S2:获取初始时段T0内若干视频监控设备记录的车流视频以及临时动态称重系统测得的轴重数据,将车流视频输入训练完毕的计算机视觉模型,检测车型并跟踪车辆,根据时间对应关系依次将轴重赋予经过的车辆;
所述计算机视觉模型为基于深度学习的目标检测模型以及多目标跟踪模型,其中目标检测模型采用的是YOLO系列模型,多目标跟踪模型采用ByteTrack算法。
具体训练步骤为:
步骤S21:利用标记车型的车辆图片数据集训练目标检测模型,得到一组神经网络的权重参数;
步骤S22:使用步骤S21中得到的权重参数加载目标检测模型,并输入车流视频,输出检测结果,实现车流视频中车型的检测;
步骤S23:将步骤S22得到的检测结果输入ByteTrack算法判断和归并目标轨迹,实现车流视频中车型的跟踪。
这里需要单独阐述的是,选用基于深度学习的目标检测模型,相比于传统方法特征学习能力更强大,可以利用上下文信息进行多尺度处理,尤其在复杂场景(如遮挡、视角变化、光照变化等)中具有明显优势。采用ByteTrack算法作为多目标跟踪模型,利用检测框和跟踪轨迹之间的相似性,在保留高分检测结果的同时,从低分检测结果中去除背景,挖掘出真正的物体(遮挡、模糊等困难样本),从而降低漏检并提高轨迹的连贯性,鲁棒性强,且仅使用了运动模型,没有使用ReID特征计算外观相似度,简单高速,实时性高。
步骤S3:进行车辆-荷载分析,得到车辆-荷载分布映射关系以及初始车辆荷载统计数据;同时将固定在桥梁桥面的若干压电式车轴传感器拆卸,若干视频监控设备继续对经过的车辆进行监测;
本步骤中的车辆-荷载分布映射关系包括不同类型车辆轴重的概率分布以及不同类型车辆总重的概率分布。此处车型可以划分为2轴车、3轴车、4轴车、5轴车以及6轴车,其中2轴车又因使用功能有较大荷载差异,可进一步划分为Ⅰ类2轴车(轿车等轻型车)、Ⅱ类2轴车(客车等中型车)以及Ⅲ类2轴车(卡车等重型车),也可再根据监测需求进一步细分。
步骤S4:若干视频监控设备继续获取时段T1、T2……Ti内记录的车流视频,通过训练完毕的计算机视觉模型在车流视频中检测并跟踪车型,依据步骤S3中得到的车辆-荷载分布映射关系获得每辆车的总重以及轴重的概率分布,每经过一辆车即按照得到的总重以及轴重概率进行车辆荷载叠加,在时段T1或者T2或者……Ti结束后,得到桥梁桥面各个车道所有经过的车辆荷载总和,即得到车辆荷载统计数据,除以经过的总车辆数,得到更新后的时段T1或者T2或者……Ti内各个车道车辆荷载概率分布;
步骤S4中一直强调基于S3中得到的车辆-荷载分布映射关系,这种映射关系是通过统计短时间内车辆类型和车辆荷载的数据,建立该车辆类型和车辆荷载的映射关系,后续根据该统计数据由车辆类型进行车重的推算是合理的,以保证整个监测过程中结果的准确性。
步骤S5:记录时段T1、T2……Ti内各个车道的车辆荷载分布统计,用于指导桥梁养护或者维修或者投资决策。
上述步骤中涉及到的车辆荷载统计数据包括车型分布统计数据、轴重分布统计数据以及总重分布统计数据,其中,车流视频中能够直接获取车型分布,轴重分布以及总重分布由车流视频结合车辆-荷载分布映射关系获取。
综上可知,本申请提供的基于视频监控的桥梁车辆荷载分布长期监测方法,短暂使用临时动态称重系统得到车辆类型与车辆荷载的统计映射关系,相较于安装永久WIM系统价格大幅降低,同时避免了长时间中断交通。单独使用视频监控设备进行后续的车辆荷载长期监测,使用阶段费用低,且因视频监控设备安装于桥侧,维修时也不需要中断交通。相较于现有技术中基于桥底布置传感器测量的桥梁响应估计车辆荷载统计,布置更方便,同时也避免了多轴响应混叠难以分离各轴的情况,结果更直观和准确,获取的车辆荷载分布数据有利于指导桥梁养护、维修和投资决策,适合在相关领域推广。
本技术领域技术人员可以理解,除非另外定义,这里使用的所有术语(包括技术术语和科学术语)具有与本申请所属领域中的普通技术人员的一般理解相同的意义。还应该理解的是,诸如通用字典中定义的那些术语应该被理解为具有与现有技术的上下文中的意义一致的意义,并且除非像这里一样定义,不会用理想化或过于正式的含义来解释。
本申请中所述的“和/或”的含义指的是各自单独存在或两者同时存在的情况均包括在内。
本申请中所述的“连接”的含义可以是部件之间的直接连接也可以是部件间通过其它部件的间接连接。
以上述依据本发明的理想实施例为启示,通过上述的说明内容,相关工作人员完全可以在不偏离本项发明技术思想的范围内,进行多样的变更以及修改。本项发明的技术性范围并不局限于说明书上的内容,必须要根据权利要求范围来确定其技术性范围。
Claims (6)
1.一种基于视频监控的桥梁车辆荷载分布长期监测方法,其特征在于:具体包括以下步骤:
步骤S1:在待监测桥梁上架设若干视频监控设备,桥梁桥面上布设临时动态称重系统;前述的临时动态称重系统包含若干压电式车轴传感器,若干压电式车轴传感器均可拆卸固定在桥梁桥面;
步骤S2:获取初始时段T0内若干视频监控设备记录的车流视频以及临时动态称重系统测得的轴重数据,将车流视频输入训练完毕的计算机视觉模型,检测车型并跟踪车辆,根据时间对应关系依次将轴重赋予经过的车辆;
步骤S3:进行车辆-荷载分析,得到车辆-荷载分布映射关系以及初始车辆荷载统计数据;同时将固定在桥梁桥面的若干压电式车轴传感器拆卸,若干视频监控设备继续对经过的车辆进行监测;
步骤S4:若干视频监控设备继续获取时段T1、T2……Ti内记录的车流视频,通过训练完毕的计算机视觉模型在车流视频中检测并跟踪车型,依据步骤S3中得到的车辆-荷载分布映射关系获得每辆车的总重以及轴重的概率分布,每经过一辆车即按照得到的总重以及轴重概率进行车辆荷载叠加,在时段T1或者T2或者……Ti结束后,得到桥梁桥面各个车道所有经过的车辆荷载总和,即得到车辆荷载统计数据,除以经过的总车辆数,得到更新后的时段T1或者T2或者……Ti内各个车道车辆荷载概率分布;
步骤S5:记录时段T1、T2……Ti内各个车道的车辆荷载分布统计,用于指导桥梁养护或者维修或者投资决策。
2.根据权利要求1所述的基于视频监控的桥梁车辆荷载分布长期监测方法,其特征在于:步骤S2中,所述计算机视觉模型为基于深度学习的目标检测模型以及多目标跟踪模型,其中目标检测模型采用的是YOLO系列模型,多目标跟踪模型采用ByteTrack算法。
3.根据权利要求2所述的基于视频监控的桥梁车辆荷载分布长期监测方法,其特征在于:步骤S2中将车流视频以及车重数据输入训练完毕的计算机视觉模型进行训练的步骤具体为:
步骤S21:利用标记车型的车辆图片数据集训练目标检测模型,得到一组神经网络的权重参数;
步骤S22:使用步骤S21中得到的权重参数加载目标检测模型,并输入车流视频,输出检测结果,实现车流视频中车型的检测;
步骤S23:将步骤S22得到的检测结果输入ByteTrack算法判断和归并目标轨迹,实现车流视频中车型的跟踪。
4.根据权利要求1所述的基于视频监控的桥梁车辆荷载分布长期监测方法,其特征在于:步骤S3中,车辆-荷载分布映射关系包括不同类型车辆轴重的概率分布以及不同类型车辆总重的概率分布。
5.根据权利要求4所述的基于视频监控的桥梁车辆荷载分布长期监测方法,其特征在于:车型划分为2轴车、3轴车、4轴车、5轴车以及6轴车,其中2轴车划分为Ⅰ类2轴车、Ⅱ类2轴车以及Ⅲ类2轴车。
6.根据权利要求5所述的基于视频监控的桥梁车辆荷载分布长期监测方法,其特征在于:车辆荷载统计数据包括车型分布统计数据、轴重分布统计数据以及总重分布统计数据,其中,车流视频中能够直接获取车型分布,轴重分布以及总重分布由车流视频结合车辆-荷载分布映射关系获取。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311148252.4A CN117197760B (zh) | 2023-09-06 | 2023-09-06 | 一种基于视频监控的桥梁车辆荷载分布长期监测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311148252.4A CN117197760B (zh) | 2023-09-06 | 2023-09-06 | 一种基于视频监控的桥梁车辆荷载分布长期监测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117197760A true CN117197760A (zh) | 2023-12-08 |
CN117197760B CN117197760B (zh) | 2024-08-20 |
Family
ID=88982903
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311148252.4A Active CN117197760B (zh) | 2023-09-06 | 2023-09-06 | 一种基于视频监控的桥梁车辆荷载分布长期监测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117197760B (zh) |
Citations (30)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102288268A (zh) * | 2010-06-18 | 2011-12-21 | 上海明永工程设备有限公司 | 动态车辆称重方法 |
CN102384856A (zh) * | 2011-08-15 | 2012-03-21 | 东南大学 | 基于概率有限元法的钢桥疲劳可靠度评估方法 |
US8669861B1 (en) * | 2011-01-06 | 2014-03-11 | Globaltrak, Llc | Method for establishing a risk profile using RFID tags |
CN107436266A (zh) * | 2017-07-18 | 2017-12-05 | 扬州大学 | 基于utm试验机的沥青混合料随机加载方法 |
CN109167956A (zh) * | 2018-05-21 | 2019-01-08 | 同济大学 | 基于动态称重和多视频信息融合的全桥面移动荷载空间分布监测系统 |
CN109903558A (zh) * | 2019-03-07 | 2019-06-18 | 南京博瑞吉工程技术有限公司 | 一种道路桥梁车辆荷载监控系统及监控方法 |
CN111354035A (zh) * | 2020-03-17 | 2020-06-30 | 陕西高速机械化工程有限公司 | 一种桥梁动态荷载自动检测与反演系统及方法 |
WO2020180038A2 (ko) * | 2019-03-04 | 2020-09-10 | 한국도로공사 | 고속축중기 성능 모니터링 방법 및 장치 |
AU2020102912A4 (en) * | 2020-10-21 | 2020-12-24 | China Railway Bridge Science Research Institute, Ltd. | Device and Method for All-round Precise Recognition of Vehicle Load on the Bridge Deck |
CN112595356A (zh) * | 2020-06-06 | 2021-04-02 | 东南大学 | 一种基于柔性压电传感器的高速公路/桥梁结构动态称重、测速、测试应变的监测系统 |
CN213014021U (zh) * | 2020-07-15 | 2021-04-20 | 中电建路桥集团有限公司 | 一种桥梁的荷载识别装置 |
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 |
CN113033284A (zh) * | 2020-12-22 | 2021-06-25 | 迪比(重庆)智能科技研究院有限公司 | 一种基于卷积神经网络的车辆实时超载检测方法 |
CN113124974A (zh) * | 2021-04-20 | 2021-07-16 | 山东大学 | 车辆超载检测方法、系统、存储介质及设备 |
US20210304594A1 (en) * | 2020-03-27 | 2021-09-30 | South China University Of Technology | Method for simulating, grading, and compiling two-dimensional over-limit vehicle load spectrum |
US20210381911A1 (en) * | 2020-06-04 | 2021-12-09 | Zhejiang University | Method for identifying spatial-temporal distribution of vehicle loads on bridge based on densely connected convolutional networks |
CN114169039A (zh) * | 2021-10-22 | 2022-03-11 | 江苏开放大学(江苏城市职业学院) | 一种基于拍照识别的桥梁车辆荷载安全预警系统 |
CN114202572A (zh) * | 2022-02-17 | 2022-03-18 | 湖南大学 | 基于机器视觉的车辆荷载测量、运输线路规划方法及系统 |
CN114290866A (zh) * | 2022-01-12 | 2022-04-08 | 太原科技大学 | 一种油气悬挂式自卸车超载监测与偏载调节系统及方法 |
KR20220080837A (ko) * | 2020-12-08 | 2022-06-15 | 서울시립대학교 산학협력단 | 딥러닝을 활용한 교량통행 차량하중 분석시스템 |
CN114674403A (zh) * | 2021-12-30 | 2022-06-28 | 北京万集科技股份有限公司 | 目标车辆的检测方法和装置、存储介质及电子设备 |
CN114822029A (zh) * | 2022-04-26 | 2022-07-29 | 广州大学 | 桥面车流荷载时空分布重构方法、系统及装置 |
CN114937365A (zh) * | 2022-06-21 | 2022-08-23 | 东南大学 | 一种基于同步多视觉传感器的桥面车辆参数识别方法 |
CN115169237A (zh) * | 2022-07-22 | 2022-10-11 | 徐州徐工矿业机械有限公司 | 一种基于深度学习的大型矿用自卸车车辆载荷预测算法 |
CN115240111A (zh) * | 2022-07-22 | 2022-10-25 | 东南大学 | 一种中小跨径桥梁车流荷载实时反算方法 |
CN115326181A (zh) * | 2022-09-30 | 2022-11-11 | 深圳市城市交通规划设计研究中心股份有限公司 | 一种桥面载荷时空分布监测装置、系统和方法 |
CN115326178A (zh) * | 2022-01-27 | 2022-11-11 | 河北省交通规划设计研究院有限公司 | 一种桥梁超载主动预警的方法及系统 |
CN115470554A (zh) * | 2022-09-09 | 2022-12-13 | 中铁桥隧技术有限公司 | 一种桥梁施工载荷动态跟踪方法 |
CN115909223A (zh) * | 2022-10-14 | 2023-04-04 | 北京科技大学 | 一种wim系统信息与监控视频数据匹配的方法和系统 |
CN116680894A (zh) * | 2023-05-31 | 2023-09-01 | 东南大学 | 一种桥梁车辆荷载效应实时孪生方法 |
-
2023
- 2023-09-06 CN CN202311148252.4A patent/CN117197760B/zh active Active
Patent Citations (30)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102288268A (zh) * | 2010-06-18 | 2011-12-21 | 上海明永工程设备有限公司 | 动态车辆称重方法 |
US8669861B1 (en) * | 2011-01-06 | 2014-03-11 | Globaltrak, Llc | Method for establishing a risk profile using RFID tags |
CN102384856A (zh) * | 2011-08-15 | 2012-03-21 | 东南大学 | 基于概率有限元法的钢桥疲劳可靠度评估方法 |
CN107436266A (zh) * | 2017-07-18 | 2017-12-05 | 扬州大学 | 基于utm试验机的沥青混合料随机加载方法 |
CN109167956A (zh) * | 2018-05-21 | 2019-01-08 | 同济大学 | 基于动态称重和多视频信息融合的全桥面移动荷载空间分布监测系统 |
WO2020180038A2 (ko) * | 2019-03-04 | 2020-09-10 | 한국도로공사 | 고속축중기 성능 모니터링 방법 및 장치 |
CN109903558A (zh) * | 2019-03-07 | 2019-06-18 | 南京博瑞吉工程技术有限公司 | 一种道路桥梁车辆荷载监控系统及监控方法 |
CN111354035A (zh) * | 2020-03-17 | 2020-06-30 | 陕西高速机械化工程有限公司 | 一种桥梁动态荷载自动检测与反演系统及方法 |
US20210304594A1 (en) * | 2020-03-27 | 2021-09-30 | South China University Of Technology | Method for simulating, grading, and compiling two-dimensional over-limit vehicle load spectrum |
US20210381911A1 (en) * | 2020-06-04 | 2021-12-09 | Zhejiang University | Method for identifying spatial-temporal distribution of vehicle loads on bridge based on densely connected convolutional networks |
CN112595356A (zh) * | 2020-06-06 | 2021-04-02 | 东南大学 | 一种基于柔性压电传感器的高速公路/桥梁结构动态称重、测速、测试应变的监测系统 |
CN213014021U (zh) * | 2020-07-15 | 2021-04-20 | 中电建路桥集团有限公司 | 一种桥梁的荷载识别装置 |
AU2020102912A4 (en) * | 2020-10-21 | 2020-12-24 | China Railway Bridge Science Research Institute, Ltd. | Device and Method for All-round Precise Recognition of Vehicle Load on the Bridge Deck |
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 |
KR20220080837A (ko) * | 2020-12-08 | 2022-06-15 | 서울시립대학교 산학협력단 | 딥러닝을 활용한 교량통행 차량하중 분석시스템 |
CN113033284A (zh) * | 2020-12-22 | 2021-06-25 | 迪比(重庆)智能科技研究院有限公司 | 一种基于卷积神经网络的车辆实时超载检测方法 |
CN113124974A (zh) * | 2021-04-20 | 2021-07-16 | 山东大学 | 车辆超载检测方法、系统、存储介质及设备 |
CN114169039A (zh) * | 2021-10-22 | 2022-03-11 | 江苏开放大学(江苏城市职业学院) | 一种基于拍照识别的桥梁车辆荷载安全预警系统 |
CN114674403A (zh) * | 2021-12-30 | 2022-06-28 | 北京万集科技股份有限公司 | 目标车辆的检测方法和装置、存储介质及电子设备 |
CN114290866A (zh) * | 2022-01-12 | 2022-04-08 | 太原科技大学 | 一种油气悬挂式自卸车超载监测与偏载调节系统及方法 |
CN115326178A (zh) * | 2022-01-27 | 2022-11-11 | 河北省交通规划设计研究院有限公司 | 一种桥梁超载主动预警的方法及系统 |
CN114202572A (zh) * | 2022-02-17 | 2022-03-18 | 湖南大学 | 基于机器视觉的车辆荷载测量、运输线路规划方法及系统 |
CN114822029A (zh) * | 2022-04-26 | 2022-07-29 | 广州大学 | 桥面车流荷载时空分布重构方法、系统及装置 |
CN114937365A (zh) * | 2022-06-21 | 2022-08-23 | 东南大学 | 一种基于同步多视觉传感器的桥面车辆参数识别方法 |
CN115169237A (zh) * | 2022-07-22 | 2022-10-11 | 徐州徐工矿业机械有限公司 | 一种基于深度学习的大型矿用自卸车车辆载荷预测算法 |
CN115240111A (zh) * | 2022-07-22 | 2022-10-25 | 东南大学 | 一种中小跨径桥梁车流荷载实时反算方法 |
CN115470554A (zh) * | 2022-09-09 | 2022-12-13 | 中铁桥隧技术有限公司 | 一种桥梁施工载荷动态跟踪方法 |
CN115326181A (zh) * | 2022-09-30 | 2022-11-11 | 深圳市城市交通规划设计研究中心股份有限公司 | 一种桥面载荷时空分布监测装置、系统和方法 |
CN115909223A (zh) * | 2022-10-14 | 2023-04-04 | 北京科技大学 | 一种wim系统信息与监控视频数据匹配的方法和系统 |
CN116680894A (zh) * | 2023-05-31 | 2023-09-01 | 东南大学 | 一种桥梁车辆荷载效应实时孪生方法 |
Non-Patent Citations (5)
Title |
---|
宗周红;陆飞龙;薛程;杨泽刚;袁微微;: "基于WIM系统的京沪高速公路重车疲劳荷载模型", 东南大学学报(自然科学版), no. 05, 20 September 2018 (2018-09-20) * |
梁旭;陈斌;王健伟;谢旭;卢彭真;: "基于WIM的典型城市桥梁车辆荷载状况分析", 土木工程与管理学报, no. 04, 15 December 2013 (2013-12-15) * |
田野: "基于埋入式压电陶瓷传感器的车辆动态称重研究", CNKI优秀硕士论文电子期刊库, 15 March 2017 (2017-03-15) * |
陈艾荣;马如进;许艳梅;: "苏通大桥运营阶段车辆荷载识别及其特性", 重庆交通大学学报(自然科学版), no. 1, 19 June 2013 (2013-06-19) * |
鲍天哲;韩锟;潘迪夫;: "两系悬挂式轨道交通车辆二系支承载荷均布方法研究:建模分析与载荷优化调整(英文)", JOURNAL OF CENTRAL SOUTH UNIVERSITY, no. 04, 15 April 2018 (2018-04-15) * |
Also Published As
Publication number | Publication date |
---|---|
CN117197760B (zh) | 2024-08-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112179467B (zh) | 一种基于视频测量动挠度的桥梁动态称重方法和系统 | |
Zhou et al. | Vehicle weight identification system for spatiotemporal load distribution on bridges based on non-contact machine vision technology and deep learning algorithms | |
CN109906366A (zh) | 监控系统 | |
CN103279996B (zh) | 一种多车道情况下的车辆信息检测与识别系统 | |
CN109635386B (zh) | 一种桥梁移动车辆荷载识别方法 | |
CN105513354A (zh) | 基于视频的城市道路交通拥堵检测系统 | |
CN115326181B (zh) | 一种桥面载荷时空分布监测装置、系统和方法 | |
CN101303802A (zh) | 货车超载在线自动预判断方法及系统 | |
CN110414803B (zh) | 不同网联程度下自动驾驶系统智能水平的测评方法及装置 | |
Ge et al. | Intelligent simulation method of bridge traffic flow load combining machine vision and weigh-in-motion monitoring | |
CN115240111A (zh) | 一种中小跨径桥梁车流荷载实时反算方法 | |
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 | |
Xue et al. | Monitoring the speed, configurations, and weight of vehicles using an in-situ wireless sensing network | |
CN117058600A (zh) | 区域桥梁群车流荷载识别方法及系统 | |
CN113255469A (zh) | 交通监控场景道路占有率的测定方法及装置 | |
CN116448224A (zh) | 基于视觉应变监测的桥梁动态称重与分级报警方法 | |
CN114926984B (zh) | 一种实时交通冲突收集与道路安全评价方法 | |
CN115808324A (zh) | 一种中小跨径桥梁轻量化安全管理监测方法及系统 | |
CN112985311A (zh) | 一种车载便携轻量化智能巡检方法与系统 | |
CN117194923A (zh) | 一种道路情况分析系统、方法、设备及介质 | |
CN117197760B (zh) | 一种基于视频监控的桥梁车辆荷载分布长期监测方法 | |
CN112781702B (zh) | 一种对车辆称重的方法及系统 | |
Brzozowski et al. | A weigh-in-motion system with automatic data reliability estimation | |
Wu et al. | A computer vision-assisted method for identifying wheel loads of moving vehicles from dynamic bridge responses | |
CN117198057A (zh) | 一种面向路侧感知轨迹数据质量检评的实验方法及系统 |
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 |