[发明专利]基于FBG传感器及卷积神经网络的桥梁车流量统计方法

说明书

本发明公开一种基于FBG传感器及卷积神经网络的桥梁车流量统计方法，包括在待统计路段桥面板底部布设FBG传感器，FBG传感器连接光纤光栅解调仪；利用光纤光栅解调仪获得FBG传感器的高频监测数据，转化为应变数据；把高频监测数据转化为应变‑时程图像，通过有无车辆通行划分为不同的图像数据集；构建卷积神经网络模型，把需要统计车流量的时间段内的高频监测数据按照时间步长转化为应变‑时程视频数据；识别并统计出车流量的信息。本发明能够准确统计桥梁车流量，为交管部门的交通运营管理、研判、分析等提供决策支持定量分析数据,提升高速公路运营管理效果，且对桥面的铺装层没有影响，工作稳定，抗干扰性强，受温度、光照等环境因素的影响较小。

技术领域

本发明涉及土木交通与人工智能交互技术领域，具体是一种基于FBG传感器及卷积神经网络的桥梁车流量统计方法。

背景技术

随着经济与科技的快速发展，交通作为提高人们生活水平的基本条件得到了巨大的发展。现在私家车逐步得到普及，交通量也随之不断的增长。同时，交通道路拥堵、交通事故频发及交通环境恶化已经成为了日益突出的问题，有效的交通管理，提升高速公路运营管理效果是亟待解决的问题，智能交通系统也应运而生。

车流量的检测是智能交通的基础，在系统中占重要地位，传统的车流量检测方法有红外检测、地感应线圈检测、超声波检测、视频检测等。红外线检测的方法可提供大量的交通管理信息,但它抗噪能力不强,有时可能需要降低可靠性来提高灵敏度；地感应线圈检测的技术已比较成熟,性能稳定且计数非常精确,它可检测车流量，道路占有率等,但是这种方法要在公路线铺设线圈,影响路面寿命,并且易被重型车辆等损坏；超声波检测方法根据接收和返回的超声波的时间差来确定车辆通过情况,具有体积小,易于安装等优点,但是它受天气和温度影响较大；视频检测优点是可以从图像序列中提取较为丰富的信息，不过受到光照影响较大。

FBG传感器不受光源的光强波动、光纤连接、耦合损耗及光波偏振态的变化等因素的影响，高灵敏度，高分辨率，美国Micron Optics公司生产的用于应变测量的FBG产品最大量程可达5000με，测量稳定性1～2με，可重复性小于1με。

卷积神经网络是人工神经网络的一种，已经成为当前图像识别领域的研究热点。它的权值共享的网络结构使之更类似与生物神经网络，减少了权值的数量。卷积神经网络可以直接使用多维图像作为神经网络的输入，避免了传统识别算法中复杂的特征提取和数据重建过程且具有较高的识别准确率。

发明内容

发明目的：为了克服现有技术中存在的不足，本发明提供一种基于FBG传感器与卷积神经网络的车流量统计方法。

技术方案：为解决上述技术问题，本发明的一种基于FBG传感器及卷积神经网络的桥梁车流量统计方法，包括以下步骤：

S1：在待统计路段桥面板底部布设FBG传感器，FBG传感器连接光纤光栅解调仪；

S2：利用光纤光栅解调仪获得FBG传感器的高频监测数据，并将测得的高频监测数据转化为应变数据；

S3：把步骤S2测得的高频监测数据以特定的时间步长，转化为应变-时程图像，并通过有车辆通行和无车辆通行划分为不同的图像数据集；

S4：构建卷积神经网络模型，用步骤S3得到的有车辆通行及无车辆通行的图像数据训练卷积神经网络，得到能够自动识别有车量通行和无车量通行图像的卷积神经网络模型；

S5：把需要统计车流量的时间段内的高频监测数据按照与步骤S3步中相同的时间步长转化为应变-时程视频数据；

S6：用步骤S4中训练好的卷积神经网络模型对该视频进行逐帧识别并统计出车流量的信息。

优选地，步骤S1中，FBG传感器布设于待统计车道的中心，安装时，FBG传感器嵌入混凝土保护层，并使用结构胶做好保护。