[發明專利]基于BP神經網絡的車輛超載判別方法、系統和裝置

在審

• 申請號: 201811213520.5
• 申請日: 2018-10-18
• 公開（公告）號: CN109377046A
• 公開（公告）日: 2019-02-22
• 發明（設計）人: 羅贊文;吳華玲
• 申請（專利權）人: 上海經達信息科技股份有限公司
• 主分類號: G06Q10/06
• 分類號: G06Q10/06;G06N3/04
• 代理公司: 上海驍象知識產權代理有限公司 31315
• 代理人: 趙峰

1.一種基于BP神經網絡的車輛超載判別方法，包括一個對車聯網監控系統中的海量GPS數據進行處理的過程，其特征在于：所述的過程中包括：

步驟S1，對超載源數據進行預處理；

步驟S2，利用BP神經網絡結構建立超載模型；

步驟S3，將經過預處理的超載源數據代入超載模型中獲取載重預測值；

將步驟S3獲得的載重預測值與車輛額定荷載進行比較，從而判斷是否車輛超載，

在載重預測值與車輛額定荷載的比值大于1時，判定車輛超載；

在載重預測值與車輛額定荷載的比值小于或者等于1時，判定車輛未超載。

2.根據權利要求1所述的基于BP神經網絡的車輛超載判別方法，其特征在于，步驟S1包括：

步驟S1.1，獲取車輛的原始數據；

步驟S1.2，對原始數據根據道路類型進行劃分。

3.根據權利要求2所述的基于BP神經網絡的車輛超載判別方法，其特征在于，步驟S1中，原始數據包括車輛運營情況、車輛定位數據及車輛總線數據。

4.根據權利要求1所述的基于BP神經網絡的車輛超載判別方法，其特征在于，步驟S2包括：

步驟S2.1，建立輸入層、隱含層及輸出層；其中

輸入層有n個神經元，隱含層有p個神經元，輸出層有q個神經元；

輸入向量x＝(x₁,x₂,...,x_n)；隱含層輸入向量hi＝(hi₁,hi₂,...,hi_n)；隱含層輸出向量ho＝(xo₁,xo₂,...,xo_p)；輸出層輸入向量yi＝(yi₁,yi₂,...,yi_q)；輸出層輸出向量yo＝(yo₁,yo₂,...,yo_q)；期望輸出向量d_o＝(d₁,d₂,...,d_q)；

輸入層第i個神經元與隱含層第h個神經元之間的連接權值為W_ih，隱含層第h個神經元與輸出層第o個神經元之間的連接權值為W_ho；

隱含層各神經元的閾值為b_隱，輸出層各神經元的閾值為b_出；

樣本數據個數：k＝1,2,…,m，激活函數f(x)，誤差函數其中，對于第k個樣本，d_o(k)表示期望輸出向量的第o個神經元，yo_o(k)表示輸出層輸出向量的第o個神經元；

①初始化；給各連接權值分別賦一個區間(-1,1)內的隨機數，設定誤差函數e，給定計算精度值ε和最大學習次數M；

②隨機選取第k個輸入樣本以及對應的期望輸出，其中k的取值范圍為k＝1,2,…,m：

x(k)＝(x₁(k),x₂(k),...,x_n(k)),d_o(k)＝(d₁(k),d₂(k),.....,d_n(k))

③將x(k)代入下式，計算各層各神經元的輸入和輸出：

④計算誤差函數對輸出層的各神經元的偏導數δ_o(k)

⑤計算誤差函數對隱含層各神經元的偏導數δ_h(k)；

⑥利用第④步計算的δ_o(k)和隱含層各神經元的輸出來修正連接權值w_ho(k)，設連接權值的修正值為Δw_ho(k)，給定學習率即步長η；

⑦利用第⑤步計算的δ_h(k)和輸入層神經元的輸入參數修正連接權值，設連接權值的修正值為Δw_ih(k)，給定學習率即步長η；

⑧計算全局誤差E

當誤差達到預設精度或學習次數大于設定的最大次數，則結束算法；否則，選取下一個學習樣本及對應的期望輸出，返回到第③步，進入下一輪學習。