[發明專利]一種車輛荷載預測方法和系統

有效

• 申請號: 202110378341.2
• 申請日: 2021-04-08
• 公開（公告）號: CN113312744B
• 公開（公告）日: 2022-11-18
• 發明（設計）人: 潘玥;董一慶;王達磊
• 申請（專利權）人: 同濟大學
• 主分類號: G06F30/20
• 分類號: G06F30/20;G06F30/15
• 代理公司: 上海科盛知識產權代理有限公司 31225
• 代理人: 趙繼明

1.一種車輛荷載預測方法，其特征在于，包括以下步驟：

通過道路監控系統采集車輛視頻數據，并進行數據處理，獲取確定的車輛荷載特征，

將所述確定的車輛荷載特征載入預先建立并訓練好的多層次蒙特卡洛模型中，該多層次蒙特卡洛模型將所述確定的車輛荷載特征與預設的全部車輛荷載特征對比，得到不確定的車輛荷載特征；根據所述不確定的車輛荷載特征對應的預先訓練好的隨機向量以及確定的車輛荷載特征，獲取全部車輛荷載特征的預測結果；

所述多層次蒙特卡洛模型包括多層節點，每層節點分別代表一種車輛荷載特征的預測層，每個節點代表車輛荷載特征向量在某種條件下相應維度上的分布模型，所述車輛荷載特征向量為由所述全部車輛荷載特征構成的向量；

所述多層次蒙特卡洛模型的訓練包括：構建車輛荷載特征向量的樣本集，并載入多層次蒙特卡洛模型中，進行訓練，獲取多層次蒙特卡洛模型中每層節點對應的隨機向量的訓練值。

2.根據權利要求1所述的一種車輛荷載預測方法，其特征在于，所述多層次蒙特卡洛模型的表達式為：

ξ₀＝F₀(x₀)

X＝{x₀,x₁,…,x_n}

式中，ξ₀為首個隨機向量，為多層次蒙特卡洛模型中第i層上第j節點的聯合概率分布函數，ξ_i為符合(0,1]均勻分布的隨機數，X為隨機向量，x_n為第n個車輛荷載特征。

3.根據權利要求1所述的一種車輛荷載預測方法，其特征在于，通過動態稱重系統獲取動態稱重數據，并結合道路監控系統獲取的車輛荷載特征，構建所述車輛荷載特征向量樣本集，用于多層次蒙特卡洛模型的訓練。

4.根據權利要求1所述的一種車輛荷載預測方法，其特征在于，所述車輛荷載特征包括車輛行駛方向、車輛類別、車輛尺寸、車輛總重、車輛軸組合模式、車軸類型和車軸重量。

5.根據權利要求4所述的一種車輛荷載預測方法，其特征在于，通過編碼表示所述車輛軸組合模式。

6.一種車輛荷載識別系統，其特征在于，包括：

視覺采集模塊，用于通過道路監控系統采集車輛視頻數據，并進行數據處理，獲取確定的車輛荷載特征和車輛跟蹤結果，

車輛荷載預測模塊，用于將所述確定的車輛荷載特征載入預先建立并訓練好的多層次蒙特卡洛模型中，該多層次蒙特卡洛模型將所述確定的車輛荷載特征與預設的全部車輛荷載特征對比，得到不確定的車輛荷載特征；根據所述不確定的車輛荷載特征對應的預先訓練好的隨機向量以及確定的車輛荷載特征，獲取全部車輛荷載特征的預測結果；

所述多層次蒙特卡洛模型包括多層節點，每層節點分別代表一種車輛荷載特征的預測層，每個節點代表車輛荷載特征向量在某種條件下相應維度上的分布模型，所述車輛荷載特征向量為由所述全部車輛荷載特征構成的向量；

車輛荷載時空分布識別模塊，用于結合車輛跟蹤結果和全部車輛荷載特征的預測結果，構建車輛荷載時空分布模型；

模型訓練模塊，用于訓練多層次蒙特卡洛模型，該訓練過程包括：構建車輛荷載特征向量的樣本集，并載入多層次蒙特卡洛模型中，進行訓練，獲取多層次蒙特卡洛模型中每層節點對應的隨機向量的訓練值。

7.根據權利要求6所述的一種車輛荷載識別系統，其特征在于，所述多層次蒙特卡洛模型的表達式為：

ξ₀＝F₀(x₀)

X＝{x₀,x₁,…,x_n}

式中，ξ₀為首個隨機向量，為多層次蒙特卡洛模型中第i層上第j節點的聯合概率分布函數，ξ_i為符合(0,1]均勻分布的隨機數，X為隨機向量，x_n為第n個車輛荷載特征。