System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind() 车辆重量预测、样本数据构建、模型训练方法及装置制造方法及图纸_技高网

车辆重量预测、样本数据构建、模型训练方法及装置制造方法及图纸

技术编号:40762805 阅读:7 留言:0更新日期:2024-03-25 20:14
本发明专利技术公开了一种车辆重量预测、样本数据构建、模型训练方法及装置,车辆重量预测方法包括:获取斜拉桥上的目标车辆在指定时段内的位置序列数据,以及所述指定时段内的拉索索力序列数据和桥体位移序列数据;基于所述位置序列数据、所述拉索索力序列数据和所述桥体位移序列数据进行特征提取,得到长期时序特征;根据所述长期时序特征对所述目标车辆进行重量预测,得到所述目标车辆的重量。由此,根据车辆位置、拉索索力和桥体位移三个方面综合考虑车辆对桥梁的影响,可以有效提高车辆重量预测的准确性。

【技术实现步骤摘要】

本专利技术涉及车辆荷载识别,尤其涉及一种车辆重量预测、样本数据构建、模型训练方法及装置


技术介绍

1、随着我国经济和交通运输行业的快速发展,车辆的数量和重量不断增加,车辆超载超限现象屡有发生。车辆重量是高速公路和桥梁最重要的荷载之一,超载车辆会对斜拉桥等基础设施的路面造成严重的损害,因此,识别并限制车辆的重量对于斜拉桥等基础设施的监测和维护具有重要的作用。

2、相关技术中通常基于传感器采集的静态与路面动态响应数据进行车辆重量预测和超载检测。然而,由于传感器感应范围和精度等的限制,车辆重量预测的精度有待提高。


技术实现思路

1、本专利技术旨在至少在一定程度上解决相关技术中的技术问题之一。为此,本专利技术提供一种车辆重量预测、样本数据构建、模型训练方法及装置,有助于提高车辆重量预测的精度,从而提高对斜拉桥超载车辆进行实时监测预警的精度,减少桥梁结构性损伤的风险。

2、为达到上述目的,本专利技术第一方面实施方式提出了一种车辆重量预测方法,所述方法包括:获取斜拉桥上的目标车辆在指定时段内的位置序列数据,以及所述指定时段内的拉索索力序列数据和桥体位移序列数据;其中,所述位置序列数据包括所述目标车辆在指定时刻的车辆位置数据;所述拉索索力序列数据包括所述斜拉桥在所述指定时刻的拉索索力数据;所述桥体位移序列数据包括所述斜拉桥在所述指定时刻的桥体位移数据;所述指定时刻是所述指定时段内的任一时刻;基于所述位置序列数据、所述拉索索力序列数据和所述桥体位移序列数据进行特征提取,得到长期时序特征;其中,所述长期时序特征用于描述所述位置序列数据、所述拉索索力序列数据和所述桥体位移序列数据之间的长期依赖关系;根据所述长期时序特征对所述目标车辆进行重量预测,得到所述目标车辆的重量。

3、根据本专利技术的一个实施方式,所述基于所述位置序列数据、所述拉索索力序列数据和所述桥体位移序列数据进行特征提取,得到长期时序特征,包括:将所述位置序列数据、所述拉索索力序列数据和所述桥体位移序列数据输入至车辆重量预测模型中的特征提取网络进行局部特征提取,得到局部时序特征;其中,所述局部时序特征用于描述在局部时间段内所述位置序列数据、所述拉索索力序列数据和所述桥体位移序列数据表现出的模式和规律;所述局部时间段是所述指定时段内的任一时间段;将所述局部时序特征输入至所述车辆重量预测模型中的依赖关系提取网络进行长期依赖关系提取,得到所述长期时序特征;其中,所述车辆重量预测模型用于对所述目标车辆进行重量预测。

4、根据本专利技术的一个实施方式,所述斜拉桥对应有斜拉桥坐标系;所述车辆位置数据是所述目标车辆在所述斜拉桥坐标系中的位置数据;通过以下方式获取所述车辆位置数据:获取在所述指定时刻拍摄得到的所述目标车辆的车辆图像;其中,所述车辆图像对应有像素坐标系;确定所述目标车辆在所述像素坐标系中的图像位置数据;将所述图像位置数据转换至所述斜拉桥坐标系下,得到所述车辆位置数据。

5、根据本专利技术的一个实施方式,所述目标车辆的数量为多个;所述将所述目标车辆在所述像素坐标系中的图像位置数据转换至所述斜拉桥坐标系下,得到所述车辆位置数据,包括:将任一目标车辆在所述像素坐标系中的图像位置数据转换至所述斜拉桥坐标系下,得到所述任一目标车辆的任一车辆位置数据;其中,所述车辆位置数据包括所述任一车辆位置数据。

6、根据本专利技术的一个实施方式,所述斜拉桥上设置有车辆摄像机,所述车辆图像是根据所述车辆摄像机在所述指定时段内拍摄的所述目标车辆在所述斜拉桥上行驶的车辆行驶视频得到的。

7、根据本专利技术的一个实施方式,所述车辆摄像机对应有摄像机坐标系;所述将所述目标车辆在所述像素坐标系中的图像位置数据转换至所述斜拉桥坐标系下,得到所述车辆位置数据,包括:根据所述车辆摄像机的内部参数对所述图像位置数据进行转换,得到所述目标车辆在所述摄像机坐标系中的摄像机坐标数据;基于所述摄像机坐标系和所述斜拉桥坐标系之间的坐标系映射关系对所述摄像机坐标数据进行转换,得到所述车辆位置数据;其中,所述坐标系映射关系是根据所述车辆摄像机在所述斜拉桥上的设置位置和朝向对所述车辆摄像机进行外部参数标定得到的。

8、根据本专利技术的一个实施方式,所述车辆摄像机的数量为多个,所述车辆图像的数量为多个,多个车辆摄像机与多个车辆图像一一对应;针对所述多个车辆图像中的指定车辆图像,所述图像位置数据是在所述指定车辆图像对应的像素坐标系中的位置数据;所述根据所述车辆摄像机的内部参数对所述图像位置数据进行转换,得到所述目标车辆在所述摄像机坐标系中的摄像机坐标数据,包括:根据指定车辆摄像机的内部参数对所述图像位置数据进行转换,得到所述目标车辆在所述指定车辆摄像机对应的指定摄像机坐标系中的第一坐标数据;其中,所述指定车辆图像是由所述指定车辆摄像机拍摄得到的;所述摄像机坐标系包括所述指定摄像机坐标系;所述摄像机坐标数据包括所述第一坐标数据。

9、根据本专利技术的一个实施方式,所述基于所述摄像机坐标系和所述斜拉桥坐标系之间的坐标系映射关系对所述摄像机坐标数据进行转换,得到所述车辆位置数据,包括:基于所述指定摄像机坐标系和所述斜拉桥坐标系之间的指定映射关系对所述第一坐标数据进行转换,得到所述目标车辆在所述斜拉桥坐标系中的第二坐标数据;其中,所述坐标系映射关系包括所述指定映射关系;根据所述目标车辆在所述斜拉桥坐标系中的多个第二坐标数据进行拟合处理,得到所述车辆位置数据。

10、根据本专利技术的一个实施方式,所述斜拉桥具有多个拉索;通过以下方式获取所述斜拉桥在所述指定时刻的拉索索力数据:获取所述斜拉桥的任一拉索在所述指定时刻的张力数据;基于所述多个拉索在所述指定时刻的张力数据生成所述拉索索力数据。

11、根据本专利技术的一个实施方式,所述斜拉桥的桥体设置有多个位移标记点;通过以下方式获取所述斜拉桥在所述指定时刻的桥体位移数据:获取任一位移标记点在所述指定时刻的挠度位移数据;基于所述多个位移标记点在所述指定时刻的挠度位移数据生成所述桥体位移数据。

12、为达到上述目的,本专利技术第二方面实施方式提出了一种样本数据构建方法,所述方法包括:获取斜拉桥上的样本车辆在指定时段内的位置样本序列数据,以及所述斜拉桥在所述指定时段内的索力样本序列数据和位移样本序列数据;其中,所述位置样本序列数据包括所述样本车辆在指定时刻的车辆位置样本数据;所述索力样本序列数据包括所述斜拉桥在所述指定时刻的拉索索力样本数据;所述位移样本序列数据包括所述斜拉桥在所述指定时刻的桥体位移样本数据;所述指定时刻是所述指定时段内的任一时刻;将所述位置样本序列数据、所述索力样本序列数据和所述位移样本序列数据进行组合,得到用于训练车辆重量预测模型的样本数据;其中,所述样本数据标注有重量标签;所述重量标签是根据所述样本车辆的重量数据生成的。

13、为达到上述目的,本专利技术第三方面实施方式提出了一种车辆重量预测模型训练方法,所述方法包括:获取通过前述实施方式所述的样本数据构建方法所构建的样本数据;将所述样本文档来自技高网...

【技术保护点】

1.一种车辆重量预测方法,其特征在于,所述方法包括:

2.根据权利要求1所述的方法,所述基于所述位置序列数据、所述拉索索力序列数据和所述桥体位移序列数据进行特征提取,得到长期时序特征,包括:

3.根据权利要求1所述的方法,其特征在于,所述斜拉桥对应有斜拉桥坐标系;所述车辆位置数据是所述目标车辆在所述斜拉桥坐标系中的位置数据;通过以下方式获取所述车辆位置数据:

4.根据权利要求3所述的方法,其特征在于,所述目标车辆的数量为多个;所述将所述目标车辆在所述像素坐标系中的图像位置数据转换至所述斜拉桥坐标系下,得到所述车辆位置数据,包括:

5.根据权利要求3所述的方法,其特征在于,所述斜拉桥上设置有车辆摄像机,所述车辆图像是根据所述车辆摄像机在所述指定时段内拍摄的所述目标车辆在所述斜拉桥上行驶的车辆行驶视频得到的。

6.根据权利要求5所述的方法,其特征在于,所述车辆摄像机对应有摄像机坐标系;所述将所述目标车辆在所述像素坐标系中的图像位置数据转换至所述斜拉桥坐标系下,得到所述车辆位置数据,包括:

7.根据权利要求6所述的方法,其特征在于,所述车辆摄像机的数量为多个,所述车辆图像的数量为多个,多个车辆摄像机与多个车辆图像一一对应;针对所述多个车辆图像中的指定车辆图像,所述图像位置数据是在所述指定车辆图像对应的像素坐标系中的位置数据;所述根据所述车辆摄像机的内部参数对所述图像位置数据进行转换,得到所述目标车辆在所述摄像机坐标系中的摄像机坐标数据,包括:

8.根据权利要求7所述的方法,其特征在于,所述基于所述摄像机坐标系和所述斜拉桥坐标系之间的坐标系映射关系对所述摄像机坐标数据进行转换,得到所述车辆位置数据,包括:

9.根据权利要求1所述的方法,其特征在于,所述斜拉桥具有多个拉索;通过以下方式获取所述斜拉桥在所述指定时刻的拉索索力数据:

10.根据权利要求1所述的方法,其特征在于,所述斜拉桥的桥体设置有多个位移标记点;通过以下方式获取所述斜拉桥在所述指定时刻的桥体位移数据:

11.一种样本数据构建方法,其特征在于,所述方法包括:

12.一种车辆重量预测模型训练方法,其特征在于,所述方法包括:

13.一种车辆重量预测装置,其特征在于,所述装置包括:

14.一种样本数据构建装置,其特征在于,所述装置包括:

15.一种车辆重量预测模型训练装置,其特征在于,所述装置包括:

16.一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至12中任一项所述的方法的步骤。

17.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至12中任一项所述的方法的步骤。

...

【技术特征摘要】

1.一种车辆重量预测方法,其特征在于,所述方法包括:

2.根据权利要求1所述的方法,所述基于所述位置序列数据、所述拉索索力序列数据和所述桥体位移序列数据进行特征提取,得到长期时序特征,包括:

3.根据权利要求1所述的方法,其特征在于,所述斜拉桥对应有斜拉桥坐标系;所述车辆位置数据是所述目标车辆在所述斜拉桥坐标系中的位置数据;通过以下方式获取所述车辆位置数据:

4.根据权利要求3所述的方法,其特征在于,所述目标车辆的数量为多个;所述将所述目标车辆在所述像素坐标系中的图像位置数据转换至所述斜拉桥坐标系下,得到所述车辆位置数据,包括:

5.根据权利要求3所述的方法,其特征在于,所述斜拉桥上设置有车辆摄像机,所述车辆图像是根据所述车辆摄像机在所述指定时段内拍摄的所述目标车辆在所述斜拉桥上行驶的车辆行驶视频得到的。

6.根据权利要求5所述的方法,其特征在于,所述车辆摄像机对应有摄像机坐标系;所述将所述目标车辆在所述像素坐标系中的图像位置数据转换至所述斜拉桥坐标系下,得到所述车辆位置数据,包括:

7.根据权利要求6所述的方法,其特征在于,所述车辆摄像机的数量为多个,所述车辆图像的数量为多个,多个车辆摄像机与多个车辆图像一一对应;针对所述多个车辆图像中的指定车辆图像,所述图像位置数据是在所述指定车辆图像对应的像素坐标系中的位置数据;所述根据所述车辆摄像机的内部...

【专利技术属性】
技术研发人员:孙涛吴军杨广袁睿楚帅吴凡李刚
申请(专利权)人:合肥科大立安安全技术有限责任公司
类型:发明
国别省市:

网友询问留言 已有0条评论
  • 还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。

1