[发明专利]一种基于多源数据融合深度学习的非现场超载监测方法

说明书

本发明涉及公路超载监测技术领域，且公开了一种基于多源数据融合深度学习的非现场超载监测方法，包括以下监测步骤；S1）、交通标志指示；S2）、车牌识别、抓拍；S3）、动态称重；S4）、检测信息发布；S5）、全景视频监控；S6）、深度学习分析模块。该基于多源数据融合深度学习的非现场超载监测方法，同时利用视频抓拍车辆特征、石英称重数据等多种数据，建立深度学习分析模型，与仅依赖单源信息称重（因为车辆本体特征如车型、轴距与车辆运行时对地面压力传感器的影响具有复杂非线性相关性）相比，该方法可显著提升动态称重可靠性及精度，通过建立全景视频监控子系统，可根据追踪车辆特征及时准确定位通过车辆。

技术领域

本发明涉及公路超载监测技术领域，具体为一种基于多源数据融合深度学习的非现场超载监测方法。

背景技术

货运车辆超载行驶现状一直是公路运输系统管理工作中的难题，突出表现在以下4个方面：

（1）超限案件屡禁不止，超限率居高不下。（2）由车辆超限引发的重大交通事故时有发生，严格治超已逐渐成社会共识。（3）超限车辆会对道路路面产生极大损害，超限外部社会成本极大，影响正常车辆使用。（4）由于现行法律法规尚不成熟，对超限行为多以处罚教育为主，超限现象仍广泛存在，导致治超警力严重不足，打击治超收效不大，甚至催生了“超限黄牛”等灰色行业的发展。

若治超工作持续的低效势可能会导致超限社会外部成本的不断增加，甚至危及道路安全，对于常态化非现场治超，现考虑如何整合多个技术手段全面提升治超管理的多个重要环节，包括方便快捷的车辆动态称重组织、精确可靠地动态称重及不良逃避称重行为捕捉，为此提出一种基于多源数据融合深度学习的非现场超载监测方法。

发明内容

解决的技术问题

针对现有技术的不足，本发明提供了一种基于多源数据融合深度学习的非现场超载监测方法，解决了上述背景技术中提出的问题。

技术方案

为实现以上目的，本发明通过以下技术方案予以实现：一种基于多源数据融合深度学习的非现场超载监测方法，包括以下监测步骤；

S1）、交通标志指示；在载重检测区域安装动态交通指示牌，其动态交通指示牌与交通标志单元相连接，指示引导特定车辆进入检测车道进行非现场动态载重检测；

S2）、车牌识别、抓拍；在步骤S1）中对于待载重检测区域的两旁安装高精度视频智能识别单元及激光监测建模单元，对引导检测的载重车辆进行车牌的识别、抓拍；

S3）、动态称重；在待载重检测车道上安装石英传感器及与其交互的称重控制柜，称重控制柜与称重控制单元相连接，石英传感器对载重车辆进行载重检测；

S4）、检测信息发布；步骤S1）、S2）和S3）中的车牌识别、抓拍和称重监测数据通过信息发布单元上传于驾驶员、管理部门及公众，

若步骤S2）和S3）中车辆涉嫌超载、遮挡号牌或越过待检车道，则步骤S1）中交通标志单元对超载车辆进行标志引导，使其禁止通行并自动将其引导至装卸区；

S5）、全景视频监控；在多个卡口及路段设置多角度高精度视屏监控单元，及时的识别分析不良载重车辆驾驶行为并上传至管理部门，并将其数据输入步骤S1）中，在特定路口对其进行引导检测；

S6）、深度学习分析模块；步骤S1）、S2）和S3）中的监测数据同步输入学习模型内并建立深度学习模型，并将建立后的深度学习模型反馈给步骤S3）中的称重控制单元。

可选的，步骤S3）中动态称重的具体安装步骤如下；

S31）、在待载重检测车道上通过相应工具对路面进行切槽；

S32）、将用于安装石英传感器的模具放置于路面的切槽内；

S33）、对模具与切槽的间隙进行浇筑灌浆；

S34）、将石英传感器安装于模具内；

S35）、对石英传感器的顶部进行打磨；

S36）、在石英传感器的周围涂抹聚氨酯面漆；