[发明专利]一种车辆荷载预测方法和系统

说明书

本发明涉及一种车辆荷载预测方法和系统，方法包括：通过道路监控系统获取确定的车辆荷载特征，并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根据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；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，车辆荷载特征向量为由全部车辆荷载特征构成的向量。与现有技术相比，本发明具有较高的鲁棒性，且在统计上可以有效解决视觉信息中无法直接获取车辆荷载的问题。

技术领域

本发明涉及辆荷载预测技术领域，尤其是涉及一种车辆荷载预测方法和系统。

背景技术

随着社会经济的快速发展，公路交通荷载逐年增加。客运车辆载荷因车型限制和其他交通方式的快速发展，例如：高铁、飞机等，客运荷载已逐渐趋于平稳，但货运车辆年平均载荷却呈现逐年递增的趋势。这说明随着公路运输进一步发展，按现行标准建成的桥梁将面临越来越高的承载力要求，将不可避免的因运输荷载递增带来的桥梁结构损伤而大幅度缩减其使用寿命。因此，构建基于实测车流荷载的车辆荷载模型对于桥梁设计验证、安全维护、性能评价及运营管理意义重大。

然而，桥面车辆行驶具有很高的随机性，在观测上目前仍缺少有效的手段。当前，主流的技术方法是通过桥面动态称重系统(Weigh-in-Motion，WIM)采集的车辆荷载数据来构建车辆荷载模型。桥面动态称重系统可以准确的记录通过称重断面的各车的车速、车长、总重、轴型、轴数及轴重等车辆荷载关键信息，同时还可根据称重传感器的布设位置来记录车辆行驶通过的车道。然而，因为WIM系统数据仅表达了桥面某一断面各车道的实际车流荷载特性，而对于车辆是否换道、轮载加载的具体位置等情况则无法知晓，因此，对于桥梁整体结构而言，基于WIM数据建立的车辆荷载模型并不能准确的反应桥面各区域的实际车辆荷载水平。

发明内容

本发明的目的就是为了克服上述现有技术存在基于WIM数据建立的车辆荷载模型并不能准确的反应桥面各区域的实际车辆荷载水平的缺陷而提供一种车辆荷载预测方法和系统。

本发明的目的可以通过以下技术方案来实现：

一种车辆荷载预测方法，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。

进一步地，所述多层次蒙特卡洛模型的表达式为：

ξ₀＝F₀(x₀)

X＝[x₀,x₁,...,x_n}

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，ξ_i为符合(0,1]均匀分布的随机数，X为随机向量，x_n为第n个车辆荷载特征。