一种无称重AI智能识别货车超载估算方法、装置及系统转让专利
申请号 : CN202011137723.8
文献号 : CN112528208B
文献日 : 2021-09-14
发明人 : 黄东 , 黄一闻 , 陈剑飞
申请人 : 南京微达电子科技有限公司
摘要 :
权利要求 :
1.一种无称重AI智能识别货车超载估算方法,其特征在于,所述方法包括如下步骤:(1)获取同类型车辆在不同载重量下的后轮载重轮胎平均变形系数,并进行拟合得到对应的轮胎平均变形系数随载重量变化而变化的统计数据线性回归函数模型;其中,货车后轮载重轮胎变形系数为后轮轮胎变形地平线长度与货车轮胎半径的比值;后轮轮胎平均变形系数采用以下公式进行计算:
其中, Kn为货车第n个车轴的后轮载重轮胎变形系数,n=2,3,…,N,N为货车总车轴数,Ln表示第n个车轴的后轮轮胎变形地平线的长度,Rn表示货车第n个车轴的后轮半径;
采用如下公式,计算货车重量和货车载重轮胎变形系数之间的关系:为同类型货车前轮载重轮胎变形系数,f(G)为随载重量变化而变化的前轮统计数据线性回归函数模型,G表示货车载重量;
为同类型货车后轮载重轮胎变形系数,p(G)为随载重量变化而变化的后轮统计数据线性回归函数模型;
(2)根据货车类型确定货车载重上限值和倍数载重值,带入统计数据线性回归函数模型得到相应的货车超载轮胎变形系数值和倍数超载变形系数值;
(3)当待测车辆通过视频检测点时,根据后轮轮胎变形地平线长度和货车轮胎半径计算得到后轮载重轮胎平均变形系数,并与步骤(2)得到的系数值进行比较,从而判断是否为超载或倍数超载嫌疑车辆;其中,统计并拟合同类型货车前轮载重变形系数相对装载重量的前轮统计数据线性回归函数模型,并与步骤(1)得到的后轮统计数据线性回归函数模型相除得到气压敏感性反应关系模型;将货车载重上限Gmax代入气压敏感性反应关系模型Q(G)=p(G)/f(G)、f(G)和p(G),得到正常敏感性界定阈值Q(Gmax)、前轮变形系数敏感性界定阈值 后轮变形系数敏感性界定阈值 若同类型货车通过路段视频分析检测点时,根据货车前轮载重轮胎变形系数和后轮载重轮胎平均变形系数得到实际敏感性值Q(G),同时具备以下三个条件,则排除货车轮胎气压轻度不足造成的超载误判:其中 K1为货车前轮载重轮胎变形系数,L1表示前轮轮胎变形地平线的长度,R1表示货车前轮半径; Q(G)>Q(Gmax)。
2.根据权利要求1所述的无称重AI智能识别货车超载估算方法,选择货车载重量G接近货车载重上限Gmax的样本数据,即取重量满足 的货车作为统计样本,使用最小二乘法求出 和 采用以下公式计算统计数据线性回归函数模型的标准误差S:其中,Ki为样本中第i辆货车的后轮胎变形系数, 是对应所有样本的后轮胎变形系数平均值,i=1,2,…,m。
3.根据权利要求1所述的无称重AI智能识别货车超载估算方法,其特征在于,按照环境温度分别采集和拟合获得统计数据线性回归函数模型,以适应不同温度的检测,在不同环境温度下,使用相应的统计数据线性回归函数模型。
4.一种无称重AI智能识别货车超载估算装置,其特征在于,包括AI学习分析模块以及货车超载识别模块;
所述AI学习分析模块,用于获取同类型车辆在不同载重量下的后轮载重轮胎平均变形系数,并进行拟合得到对应的轮胎平均变形系数随载重量变化而变化的统计数据线性回归函数模型;以及根据货车类型确定货车载重上限值和倍数载重值,带入统计数据线性回归函数模型得到相应的货车超载轮胎变形系数值和倍数超载变形系数值;其中货车后轮载重轮胎变形系数为后轮轮胎变形地平线长度与货车轮胎半径的比值;后轮轮胎平均变形系数采用以下公式进行计算:
其中, Kn为货车第n个车轴的后轮载重轮胎变形系数,n=2,3,…,N,N为货车总车轴数,Ln表示第n个车轴的后轮轮胎变形地平线的长度,Rn表示货车第n个车轴的后轮半径;
采用如下公式,计算货车重量和货车载重轮胎变形系数之间的关系:为同类型货车前轮载重轮胎变形系数,f(G)为随载重量变化而变化的前轮统计数据线性回归函数模型,G表示货车载重量;
为同类型货车后轮载重轮胎变形系数,p(G)为随载重量变化而变化的后轮统计数据线性回归函数模型;
所述货车超载识别模块,用于当待测车辆通过视频检测点时,根据后轮轮胎变形地平线长度和货车轮胎半径计算得到后轮载重轮胎平均变形系数,并与货车超载轮胎变形系数值和倍数超载变形系数值进行比较,从而判断是否为超载或倍数超载嫌疑车辆;其中,统计并拟合同类型货车前轮载重变形系数相对装载重量的前轮统计数据线性回归函数模型,并与得到的后轮统计数据线性回归函数模型相除得到气压敏感性反应关系模型;将货车载重上限Gmax代入气压敏感性反应关系模型Q(G)=p(G)/f(G)、f(G)和p(G),得到正常敏感性界定阈值Q(Gmax)、前轮变形系数敏感性界定阈值 后轮变形系数敏感性界定阈值若同类型货车通过路段视频分析检测点时,根据货车前轮载重轮胎变形系数和后轮载重轮胎平均变形系数得到实际敏感性值Q(G),同时具备以下三个条件,则排除货车轮胎气压轻度不足造成的超载误判: 其中 K1为货车前轮载重轮胎变形系数,L1表示前轮轮胎变形地平线的长度,R1表示货车前轮半径; Q(G)>Q(Gmax)。
5.一种AI智能识别货车超载学习分析系统,其特征在于,包括车道汽车称重装置和车辆综合特征识别一体机及AI分析计算机;
所述车道汽车称重装置,用于获取道路过往车辆称重计量;
所述车辆综合特征识别一体机,用于获得对应过往车辆车牌号、车型、车长及正面轮胎半径、轮胎变形地平线及环境气温;
所述AI分析计算机,用于获取同类型车辆在不同载重量下的后轮载重轮胎平均变形系数,并进行拟合得到对应的轮胎平均变形系数随载重量变化而变化的统计数据线性回归函数模型;以及根据货车类型确定货车载重上限值和倍数载重值,带入统计数据线性回归函数模型得到相应的货车超载轮胎变形系数值和倍数超载变形系数值;其中货车后轮载重轮胎变形系数为后轮轮胎变形地平线长度与货车轮胎半径的比值;后轮轮胎平均变形系数采用以下公式进行计算:
其中, Kn为货车第n个车轴的后轮载重轮胎变形系数,n=2,3,…,N,N为货车总车轴数,Ln表示第n个车轴的后轮轮胎变形地平线的长度,Rn表示货车第n个车轴的后轮半径;
采用如下公式,计算货车重量和货车载重轮胎变形系数之间的关系:为同类型货车前轮载重轮胎变形系数,f(G)为随载重量变化而变化的前轮统计数据线性回归函数模型,G表示货车载重量;
为同类型货车后轮载重轮胎变形系数,p(G)为随载重量变化而变化的后轮统计数据线性回归函数模型;
其中,统计并拟合同类型货车前轮载重变形系数相对装载重量的前轮统计数据线性回归函数模型,并与得到的后轮统计数据线性回归函数模型相除得到气压敏感性反应关系模型;将货车载重上限Gmax代入气压敏感性反应关系模型Q(G)=p(G)/f(G)、f(G)和p(G),得到正常敏感性界定阈值Q(Gmax)、前轮变形系数敏感性界定阈值 后轮变形系数敏感性界定阈值;若同类型货车通过路段视频分析检测点时,根据货车前轮载重轮胎变形系数和后轮载重轮胎平均变形系数得到实际敏感性值Q(G),同时具备以下三个条件,则排除货车轮胎气压轻度不足造成的超载误判:
其中 K1为货车前轮载重轮胎变形系数,L1表示前轮轮胎变形地平线的长度,R1表示货车前轮半径;
Q(G)>Q(Gmax)。
6.一种无称重AI智能识别货车超载估算系统,其特征在于,包括车辆综合特征识别一体机及AI分析计算模块;
所述车辆综合特征识别一体机,用于获得过往车辆车牌号、车型、车长及正面轮胎半径、轮胎变形地平线及环境气温;
所述AI分析计算模块,用于根据后轮轮胎变形地平线长度和货车轮胎半径计算得到后轮载重轮胎平均变形系数,并与存储的货车超载轮胎变形系数值和倍数超载变形系数值进行比较,从而判断是否为超载或倍数超载嫌疑车辆;其中货车后轮载重轮胎变形系数为后轮轮胎变形地平线长度与货车轮胎半径的比值;后轮轮胎平均变形系数采用以下公式进行计算:
其中, Kn为货车第n个车轴的后轮载重轮胎变形系数,n=2,3,…,N,N为货车总车轴数,Ln表示第n个车轴的后轮轮胎变形地平线的长度,Rn表示货车第n个车轴的后轮半径;
采用如下公式,计算货车重量和货车载重轮胎变形系数之间的关系:为同类型货车前轮载重轮胎变形系数,f(G)为随载重量变化而变化的前轮统计数据线性回归函数模型,G表示货车载重量;
为同类型货车后轮载重轮胎变形系数,p(G)为随载重量变化而变化的后轮统计数据线性回归函数模型;
根据货车类型确定货车载重上限值和倍数载重值,带入统计数据线性回归函数模型得到所述货车超载轮胎变形系数值和倍数超载变形系数值;所述统计数据线性回归函数模型根据同类型车辆在不同载重量下的后轮载重轮胎平均变形系数拟合得到;其中,统计并拟合同类型货车前轮载重变形系数相对装载重量的前轮统计数据线性回归函数模型,并与得到的后轮统计数据线性回归函数模型相除得到气压敏感性反应关系模型;将货车载重上限Gmax代入气压敏感性反应关系模型Q(G)=p(G)/f(G)、f(G)和p(G),得到正常敏感性界定阈值Q(Gmax)、前轮变形系数敏感性界定阈值 后轮变形系数敏感性界定阈值 若同类型货车通过路段视频分析检测点时,根据货车前轮载重轮胎变形系数和后轮载重轮胎平均变形系数得到实际敏感性值Q(G),同时具备以下三个条件,则排除货车轮胎气压轻度不足造成的超载误判:
其中 K1为货车前轮载重轮胎变形系数,L1表示前轮轮胎变形地平线的长度,R1表示货车前轮半径;
7.根据权利要求6所述的无称重AI智能识别货车超载估算系统,其特征在于,所述AI分析计算模块采用边缘计算模式或云计算模式部署。
说明书 :
一种无称重AI智能识别货车超载估算方法、装置及系统
技术领域
背景技术
过地秤称重的办法,超载现象得到了一定控制,但建设和维护成本较大,也有少部分半挂车
跳磅、拖磅通过收费亭;非收费公路由于没有收费匝道难以安装称重设备,即使可安装但覆
盖安装数量大、维护管理复杂,投资巨大。各级公安交警和交通运输路政等部门,每年都投
入大量人力物力,上路巡查或设站检查,但难以路网覆盖,防不胜防,货车超限超载现象仍
然比较严重,带来普遍性交通安全隐患。
发明内容
能监测严重超载车辆在技术性和经济性方面存在的难题。
车后轮载重轮胎变形系数为后轮轮胎变形地平线长度与货车轮胎半径的比值;
否为超载或倍数超载嫌疑车辆。
轮半径;
数据线性回归函数模型的标准误差S:
感性反应关系模型;
胎气压轻度不足造成的超载误判:
回归函数模型;以及根据货车类型确定货车载重上限值和倍数载重值,带入统计数据线性
回归函数模型得到相应的货车超载轮胎变形系数值和倍数超载变形系数值;其中货车后轮
载重轮胎变形系数为后轮轮胎变形地平线长度与货车轮胎半径的比值;
系数值和倍数超载变形系数值进行比较,从而判断是否为超载或倍数超载嫌疑车辆。
归函数模型;以及根据货车类型确定货车载重上限值和倍数载重值,带入统计数据线性回
归函数模型得到相应的货车超载轮胎变形系数值和倍数超载变形系数值;其中货车后轮载
重轮胎变形系数为后轮轮胎变形地平线长度与货车轮胎半径的比值。
值进行比较,从而判断是否为超载或倍数超载嫌疑车辆;所述货车超载轮胎变形系数值和
倍数超载变形系数值根据货车类型确定货车载重上限值和倍数载重值,带入统计数据线性
回归函数模型得到;所述统计数据线性回归函数模型根据同类型车辆在不同载重量下的后
轮载重轮胎平均变形系数拟合得到。
通的矛盾。现有车辆称重设备及技术系统需要安装在固定车道口或引入检查站点才能检测
货车是否超载,因各地各等级公路分布广泛,出入口四通八达,社会不允许在各公路出入口
都安装引导称重设备系统来检测管控超载货车而影响道路通行效率。二是本发明装置安装
简便,可针对各种桥梁或重点管控桥梁,全方位布点而又不影响正常交通,侦测和预警可能
通过的严重超载车辆,有效防止桥梁超载损害和桥梁交通事故。三是相对现有称重设备系
统,本发明装置系统及安装成本极低,后续运维成本更低,随着数据不断积累AI学习训练技
术运用使系统性更优。四是极大提高了低等级交通运输和公安交管执法人员道路超载管控
效率和安全性。
附图说明
具体实施方式
于本发明的实施例,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其他所有
实施例,都属于本发明保护的范围。
其车货总质量超过18000千克;三轴货车,其车货总质量超过25000千克;三轴汽车列车,其
车货总质量超过27000千克;四轴货车,其车货总质量超过31000千克;四轴汽车列车,其车
货总质量超过36000千克;五轴汽车列车,其车货总质量超过43000千克;六轴及六轴以上汽
车列车,其车货总质量超过49000千克,其中牵引车驱动轴为单轴的,其车货总质量超过
46000千克。
气方法、标准、气压检查知识掌握和判断能力及自觉性都较强。货车载重量对轮胎受力变形
构成直接影响,超载量越大变形影响越大。不同类型的货车超载,对轮胎受力变形影响程度
各有不同。
装置获得货车载重量为G(含空车自重);车辆综合特征识别一体机视频检测计算出轮胎图
像半径为R、货车总车轴数N及因货车装载货物后轮胎发生明显变形压在路面上形成轮胎变
形地平线。前轮轮胎变形地平线的长度为L1,后轮的胎变形地平线的长度为LN(见图2和图
3)。那么: (K1为货车前轮载重轮胎变形系数), (Kn为货车第n个车轴后
轮载重轮胎变形系数,n=2,3,…,N,N为货车总车轴数),那么:
样本数据不考虑)即取 时的统计样本容量,此时使用最小二乘法求出 和
的拟合度较高,且样本数越大,边际误差越小。
值。
的标准误差为:
位温度差区间,第1个温差区间零下30‑40℃、第2个温差区间为20‑30℃......以此类推直
至第11个温差区间为60‑70℃。
型货车全部样本数据进行分组,同上式(2)和式(3)方法分别求出每一个温度区间对应的同
类型车 和 随载重量变化而变化的统计数据线性回归函数:
个温度区间单位,那么t=t1,t2,……t11,t1表示零下30‑40℃、t2表示零下20‑30℃......以
此类推直至第t11即第11个温差区间为60‑70℃。
道路当时环境温度区间同类型货车超载和严重超载轮胎变形系数阈值。
值。
超载拉货便默认轮胎气压轻度不足可以出车或检查轮胎气压经验不足造成货车在轮胎气
压轻度不足时出车拉货的情形是可能发生的。因此,仅通过后轮的轮胎变形系数来判断是
否超载,容易造成检测误判(实际不超载被误判超载),即当视频图像检测计算出现
时可能是超载也可能是轮胎气压轻度不足原因导致误判。用以下方法:
增加前轮变形系数比后轮变形系数增加少;而在轮胎气压轻度不足时,也没有超载拉货,不
仅前轮对装载货物重量的变形敏感反应明显,且后轮较前轮对装载货物重量的变形敏感反
应也更明显。由上述式(2)和式(3)得货车后轮相对前轮因载重量G变化而变形的敏感性反
应关系模型:
值越大,说明轮胎气压不足的可能性越大,反之可能性越小。
情况下Q(G)≤Q(Gmax)。
A、B视角汽车综合特征识别一体机获得对应过往车辆车牌号、车型、车长及正面轮胎半径R、
轮胎变形地平线L及环境气温等参数,AI分析计算机对获得数据进行学习分析建立上述
(1)、(2)、(4)、(5)数学模型和计算误差及修正系数模型。
(R为视频检测计算出的轮胎图像半径)的计算与轮胎与抓拍设备在有效可视范围
内的垂直距离变化无关;B视角侧面对着车头方向抓取车牌和车型等数据。
辆综合特征识别一体机和AI分析计算部分组成。
局域网络或设备连线获取的车辆综合特征识别一体机抓取的数据,直接计算并输出是否超
载或严重超载的识别结果。
计算服务器通过互联网发往云服务器的车辆综合特征识别一体机抓取的数据,进行分析计
算并输出是否超载或严重超载的识别结果。