[发明专利]一种车辆荷载预测方法和系统有效
申请号: | 202110378341.2 | 申请日: | 2021-04-08 |
公开(公告)号: | CN113312744B | 公开(公告)日: | 2022-11-18 |
发明(设计)人: | 潘玥;董一庆;王达磊 | 申请(专利权)人: | 同济大学 |
主分类号: | G06F30/20 | 分类号: | G06F30/20;G06F30/15 |
代理公司: | 上海科盛知识产权代理有限公司 31225 | 代理人: | 赵继明 |
地址: | 200092 *** | 国省代码: | 上海;31 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 一种 车辆 荷载 预测 方法 系统 | ||
1.一种车辆荷载预测方法,其特征在于,包括以下步骤:
通过道路监控系统采集车辆视频数据,并进行数据处理,获取确定的车辆荷载特征,
将所述确定的车辆荷载特征载入预先建立并训练好的多层次蒙特卡洛模型中,该多层次蒙特卡洛模型将所述确定的车辆荷载特征与预设的全部车辆荷载特征对比,得到不确定的车辆荷载特征;根据所述不确定的车辆荷载特征对应的预先训练好的随机向量以及确定的车辆荷载特征,获取全部车辆荷载特征的预测结果;
所述多层次蒙特卡洛模型包括多层节点,每层节点分别代表一种车辆荷载特征的预测层,每个节点代表车辆荷载特征向量在某种条件下相应维度上的分布模型,所述车辆荷载特征向量为由所述全部车辆荷载特征构成的向量;
所述多层次蒙特卡洛模型的训练包括:构建车辆荷载特征向量的样本集,并载入多层次蒙特卡洛模型中,进行训练,获取多层次蒙特卡洛模型中每层节点对应的随机向量的训练值。
2.根据权利要求1所述的一种车辆荷载预测方法,其特征在于,所述多层次蒙特卡洛模型的表达式为:
ξ0=F0(x0)
X={x0,x1,…,xn}
式中,ξ0为首个随机向量,为多层次蒙特卡洛模型中第i层上第j节点的联合概率分布函数,ξi为符合(0,1]均匀分布的随机数,X为随机向量,xn为第n个车辆荷载特征。
3.根据权利要求1所述的一种车辆荷载预测方法,其特征在于,通过动态称重系统获取动态称重数据,并结合道路监控系统获取的车辆荷载特征,构建所述车辆荷载特征向量样本集,用于多层次蒙特卡洛模型的训练。
4.根据权利要求1所述的一种车辆荷载预测方法,其特征在于,所述车辆荷载特征包括车辆行驶方向、车辆类别、车辆尺寸、车辆总重、车辆轴组合模式、车轴类型和车轴重量。
5.根据权利要求4所述的一种车辆荷载预测方法,其特征在于,通过编码表示所述车辆轴组合模式。
6.一种车辆荷载识别系统,其特征在于,包括:
视觉采集模块,用于通过道路监控系统采集车辆视频数据,并进行数据处理,获取确定的车辆荷载特征和车辆跟踪结果,
车辆荷载预测模块,用于将所述确定的车辆荷载特征载入预先建立并训练好的多层次蒙特卡洛模型中,该多层次蒙特卡洛模型将所述确定的车辆荷载特征与预设的全部车辆荷载特征对比,得到不确定的车辆荷载特征;根据所述不确定的车辆荷载特征对应的预先训练好的随机向量以及确定的车辆荷载特征,获取全部车辆荷载特征的预测结果;
所述多层次蒙特卡洛模型包括多层节点,每层节点分别代表一种车辆荷载特征的预测层,每个节点代表车辆荷载特征向量在某种条件下相应维度上的分布模型,所述车辆荷载特征向量为由所述全部车辆荷载特征构成的向量;
车辆荷载时空分布识别模块,用于结合车辆跟踪结果和全部车辆荷载特征的预测结果,构建车辆荷载时空分布模型;
模型训练模块,用于训练多层次蒙特卡洛模型,该训练过程包括:构建车辆荷载特征向量的样本集,并载入多层次蒙特卡洛模型中,进行训练,获取多层次蒙特卡洛模型中每层节点对应的随机向量的训练值。
7.根据权利要求6所述的一种车辆荷载识别系统,其特征在于,所述多层次蒙特卡洛模型的表达式为:
ξ0=F0(x0)
X={x0,x1,…,xn}
式中,ξ0为首个随机向量,为多层次蒙特卡洛模型中第i层上第j节点的联合概率分布函数,ξi为符合(0,1]均匀分布的随机数,X为随机向量,xn为第n个车辆荷载特征。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于同济大学,未经同济大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202110378341.2/1.html,转载请声明来源钻瓜专利网。