[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

本發明涉及一種車輛荷載預測方法和系統，方法包括：通過道路監控系統獲取確定的車輛荷載特征，并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根據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；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，車輛荷載特征向量為由全部車輛荷載特征構成的向量。與現有技術相比，本發明具有較高的魯棒性，且在統計上可以有效解決視覺信息中無法直接獲取車輛荷載的問題。

技術領域

本發明涉及輛荷載預測技術領域，尤其是涉及一種車輛荷載預測方法和系統。

背景技術

隨著社會經濟的快速發展，公路交通荷載逐年增加。客運車輛載荷因車型限制和其他交通方式的快速發展，例如：高鐵、飛機等，客運荷載已逐漸趨于平穩，但貨運車輛年平均載荷卻呈現逐年遞增的趨勢。這說明隨著公路運輸進一步發展，按現行標準建成的橋梁將面臨越來越高的承載力要求，將不可避免的因運輸荷載遞增帶來的橋梁結構損傷而大幅度縮減其使用壽命。因此，構建基于實測車流荷載的車輛荷載模型對于橋梁設計驗證、安全維護、性能評價及運營管理意義重大。

然而，橋面車輛行駛具有很高的隨機性，在觀測上目前仍缺少有效的手段。當前，主流的技術方法是通過橋面動態稱重系統(Weigh-in-Motion，WIM)采集的車輛荷載數據來構建車輛荷載模型。橋面動態稱重系統可以準確的記錄通過稱重斷面的各車的車速、車長、總重、軸型、軸數及軸重等車輛荷載關鍵信息，同時還可根據稱重傳感器的布設位置來記錄車輛行駛通過的車道。然而，因為WIM系統數據僅表達了橋面某一斷面各車道的實際車流荷載特性，而對于車輛是否換道、輪載加載的具體位置等情況則無法知曉，因此，對于橋梁整體結構而言，基于WIM數據建立的車輛荷載模型并不能準確的反應橋面各區域的實際車輛荷載水平。

發明內容

本發明的目的就是為了克服上述現有技術存在基于WIM數據建立的車輛荷載模型并不能準確的反應橋面各區域的實際車輛荷載水平的缺陷而提供一種車輛荷載預測方法和系統。

本發明的目的可以通過以下技術方案來實現：

一種車輛荷載預測方法，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。

進一步地，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。