[發明專利]基于改進KNN的動態汽車衡多車作弊檢測方法

有效

• 申請號: 202011619840.8
• 申請日: 2020-12-31
• 公開（公告）號: CN112729517B
• 公開（公告）日: 2022-08-23
• 發明（設計）人: 許素安;陳興;徐紅偉;富雅瓊
• 申請（專利權）人: 中國計量大學
• 主分類號: G01G23/01
• 分類號: G01G23/01;G06K9/62
• 代理公司: 杭州奧創知識產權代理有限公司 33272
• 代理人: 王佳健

本發明涉及一種基于改進KNN的動態汽車衡多車作弊檢測方法。本發明根據整體車輛的行駛參數，計算得到分離特征值和分離特征坐標；將分離特征坐標輸入多車分離模型；多車分離模型輸出不同待測車輛的行駛參數；根據不同待測車輛的行駛參數，分別計算得到不同待測車輛的作弊特征值和作弊特征坐標；將不同待測車輛的作弊特征坐標分別輸入到作弊檢測模型中；作弊檢測模型分別輸出不同待測車輛的行駛方式。本發明通過分析車輛的行駛參數樣本，建立多車分離模型和作弊檢測模型，能夠實現同時對多輛車進行作弊檢測；并且模型的建立不受稱臺結構、車道數和車輛實際行駛方式的限制；行駛參數樣本包含作弊類型多，作弊檢測模型的檢測范圍廣，檢測精度高。

技術領域

本發明涉及車輛動態稱重作弊檢測領域，具體涉及一種基于改進KNN的動態汽車衡多車作弊檢測方法。

背景技術

隨著動態稱重系統在超限超載領域的廣泛應用，如何檢測以及防范司機的主觀作弊行為越來越受到重視。目前，已知的作弊行為包括跨車道、走S形、壓邊、繞邊、拖秤、跳秤、墊鋼板以及緊密跟車等；此外，對于多車道的道路，還可能存在多車組合作弊的情況。作弊行為的多樣性和復雜性導致同時對多車進行作弊檢測比較困難。

傳統的作弊檢測方法的檢測范圍小，一種方法只能檢測有限的作弊行為，覆蓋面不夠廣；同一種方法對于不同結構的稱臺不能通用，適用性差。隨著機器學習的發展和廣泛應用，將機器學習分類方法運用到作弊檢測的分類中，可以解決較為復雜的分類問題。

發明內容

本發明針對現有技術的不足，提供了一種基于改進KNN的動態汽車衡多車作弊檢測方法。

本發明通過分析整體的車輛通過情況和待測車輛的行駛參數，能夠同時對多輛車進行包括壓邊、繞邊、跨車道、走S形、跳秤以及拖秤在內的作弊行為檢測。

本發明的技術方案：

根據整體車輛的行駛參數，計算得到分離特征值和分離特征坐標；將分離特征坐標輸入多車分離模型；多車分離模型輸出不同待測車輛的行駛參數；根據不同待測車輛的行駛參數，分別計算得到不同待測車輛的作弊特征值和作弊特征坐標；將不同待測車輛的作弊特征坐標分別輸入到作弊檢測模型中；作弊檢測模型分別輸出不同待測車輛的行駛方式。

進一步地，所述的行駛參數，包括以下內容：每個稱重傳感器的輸出電壓和每個稱臺的輸出電壓；車輛和車道數，每個車軸的軸加速度；車輛的經過稱臺數和經過車道數；車輛的經過稱臺編號和經過稱臺的編號之和；存在最大的稱臺編號和存在最小的稱臺編號。

進一步地，所述的分離特征值，是分離特征的取值，比如車輛數1輛、經過車道數1個以及經過稱臺數2個；所述的分離特征坐標，是將分離特征值順序排列組合后得到的坐標，比如(1,1,2)。