[发明专利]一种基于车辆运行数据的公交车总重量测量方法

权利要求书

1.一种基于车辆运行数据的公交车总重量测量方法，其特征在于，包括以下步骤：

S1、获取目标公交车的行程状态数据，包括目标公交车的实时承载人数、站点信息、档位和离合器的开合状态；

S2、基于步骤S1获取到的档位和离合器的开合状态，确定采样窗口，从而进行数据筛选，获取合适的样本数据集；

S3、基于步骤S2获取到的合适的样本数据集，计算目标公交车的总重量大小比较标志y_ik；

S4、建立公交车行程状态数据修正模型，去除状态环境对传感器监测的干扰，修正公交车的行程状态数据；

S5、结合修正的公交车行程状态数据，建立公交车总重量测量模型；

S6、结合总重量大小比较标志yik，通过模型参数拟合模型对公交车总重量测量模型的参数进行优化，得到参数优化后的公交车总重量测量模型；

S7、通过参数优化后的公交车总重量测量模型对目标公交车的总重量进行测量，得到测量结果；

所述步骤S3包括：

对任意样本i和任意样本k，若i的公交车承载人数大于k的公交车承载人数，则判定i的车辆总重量大于k的车辆总重量，总重量大小比较标志y_ik＝1；若i的公交车承载人数小于k的公交车承载人数，则判定i的车辆总重量小于k的车辆总重量，总重量大小比较标志y_ik＝-1；若i的公交车承载人数等于k的公交车承载人数，则判定i的车辆总重量与k的车辆总重量接近，总重量大小比较标志y_ik＝0；

所述步骤S6包括：

模型参数拟合模型如下：

aim：

min：max var(m_i)|for i＝1～p

subject to：

W∈R^u×q+q，α∈R^c

y_ik(m_i-m_k)≥0

m_ij＝M(d_ij，W，α)，for i＝1～p，for j＝1～o_i

M_min≤m_ij≤M_max，for i＝1～p，for j＝1～o_i

u为模型中全连接神经网络MLP个数，q为单个车辆行程状态数据修正模型所需的参数个数，q′为实际状态下的偏差估计使用的MLP网络参数个数；

c为动力学模型参数数目；

m_ij为行程i的第j个状态计算得到的车辆总重量的估计值；

M(d_ij，W，α)为测量车辆总重量的整体模型，d_ij为对应的输入状态数据，W为全连接神经网络MLP的参数，α为动力学参数；

若行程i的车辆总重量大于行程k的车辆总重量，则总重量大小比较标志y_ik＝1；

若行程i的车辆总重量小于行程k的车辆总重量，则总重量大小比较标志y_ik＝-1；

若行程i的车辆总重量与行程k的车辆总重量相等，则总重量大小比较标志y_ik＝0；

p为行程段数目，o_i为第i段行程的状态个数；

M_min和M_max分别为最小车辆总重量和最大车辆总重量；

最后使用遗传算法求解模型参数拟合模型，从而求得车辆总重量测量模型的所有参数。

2.根据权利要求1所述的一种基于车辆运行数据的公交车总重量测量方法，其特征在于，所述步骤S1中，还原站点信息、档位和离合器的开合状态包括：

基于目标公交车安装传感器获取状态的时间序列数据，对数据进行基础的修复和时空序列同步，得到各个时刻下目标公交车的各项状态数据集合；

根据采集的GPS信息和实际标定的站点GPS数据还原车辆运行的站点信息；

依据各个时刻下目标公交车的各项状态数据集合计算其每个时刻的档位和离合器状态。