区域桥梁群车流荷载识别方法及系统技术方案

本申请公开了区域桥梁群车流荷载识别方法及系统

【技术实现步骤摘要】
区域桥梁群车流荷载识别方法及系统


[0001]本申请涉及桥梁健康监测领域，具体涉及区域桥梁群车流荷载识别方法及系统
。

技术介绍

[0002]目前，桥梁结构在运营服役期间，最主要的荷载之一是移动车辆荷载，其中超重车辆是造成桥梁结构损伤的主要影响因素
。
因此，桥梁车辆荷载识别对桥梁结构的运维管理至关重要，尤其是数量较多
、
使用寿命较长的中小跨径桥梁
。
[0003]目前桥面车流荷载监测的主要技术手段有桥梁动态称重（
BWIM
）系统与基于计算机视觉的追踪与识别方法
。
其中，
BWIM
系统虽能在车辆正常行驶状态下保证测量的误差，但使用成本较高，降低了推广与应用范围，并且无法准确追踪车辆的行驶位置
。
而另一种基于计算机视觉的车辆荷载监测方法通过桥面高清视频监测单元
、
目标检测算法与相应几何坐标转换的算法对相机视场范围内行驶车辆的车型
、
空间位置与对应时间进行识别与跟踪
。
这种方法的局限性在于对货车车重的判别存在较大偏差，对于重型货车来说，误差范围在
10
吨至
20
吨之间
。
[0004]为此，需要设计一种新的桥梁车流荷载识别方法及识别系统
。

技术实现思路

[0005]本申请的一个目的在于提供一种区域桥梁群车流荷载识别方法，实现识别行驶车辆荷载的同时追踪车辆时空分布位置，并且减少了所需的
BWIM
设备，利于减少整个识别系统的使用成本
。
[0006]本申请的另一个目的在于提供一种区域桥梁群车流荷载识别系统，用于对桥梁群内各个桥梁上的行驶车辆进行位置追踪及车辆荷载标记
。
[0007]为达到以上目的，本申请采用的技术方案为：一种区域桥梁群车流荷载识别方法，其包括步骤：
S1、
通过设置在目标区域内各桥梁的汇合点处的桥梁动态称重子系统，识别出经过所述汇合点的每辆行驶车辆的荷载参数及对应的车牌号，并将所有行驶车辆的荷载参数及车牌号上传至服务器数据库；
S2、
通过桥面车辆匹配子系统设置在各桥梁上的第一视频监测模块采集行驶进入各个桥梁的车辆的图像信息，桥面车辆匹配子系统根据该图像信息识别出各行驶车辆的车牌号，将车牌号与所述桥梁动态称重子系统上传到数据库服务器的车牌号进行匹配，并根据该车牌号匹配到由所述桥梁动态称重子系统上传到数据库服务器的该车辆的车辆荷载参数；
S3、
通过车辆时空分布识别子系统设置在各桥梁上的第二视频监测模块按照一定频率采集桥面上的行驶车辆的图像信息，车辆时空分布识别子系统根据该图像信息识别出各行驶车辆的车牌号及车型，进而依据车型得到车辆的预估车重范围，将各行驶车辆的预估车重范围与在步骤
S2
中匹配到车辆荷载参数进行匹配，以对车辆荷载参数中的车重参数
进行修正，同时，根据采集到的不同时刻的图像信息计算
、
统计得到每辆行驶车辆每一时刻所处的桥面的位置，再将经过各桥梁桥面上的各行驶车辆的车牌号
、
车型
、
预估车重范围及对应的时空分布位置上传至服务器数据库
。
[0008]作为一种优选，所述区域桥梁群车流荷载识别方法还包括步骤：
S4、
通过设置在桥梁底部的结构动挠度测量仪器测量桥梁目标截面处的车致振动挠度响应数据，截取一定时间范围内的所述车致振动挠度响应数据，与经过目标截面的对应行驶车辆在所述桥梁动态称重子系统中测得的车辆荷载参数一起作为训练数据样本集，通过算法训练得到车致振动挠度响应数据与车重的映射关系，依据该映射关系构建出车重预测模型；在建立车重预测模型后，当行驶车辆通过目标截面时，依据车致振动挠度响应数据及车重预测模型计算出预测车重，将该预测车重上传至服务器数据库，对步骤
S1
中识别出的车辆荷载参数中的车重参数
、
步骤
S3
中得到的预估车重范围，及预测车重进行匹配，以对车辆荷载参数中的车重参数进行二次修正
。
[0009]作为一种优选，所述桥梁动态称重子系统
、
所述车辆时空分布识别子系统
、
所述桥面车辆匹配子系统及所述车重修正子系统均采用边缘计算技术
。
[0010]作为一种优选，步骤
S4
中利用
BiLSTM
深度学习模型训练得到车致振动挠度响应数据与车重的映射关系并构建出车重预测模型
。
[0011]作为一种优选，所述区域桥梁群车流荷载识别方法还包括步骤：根据每座桥梁的长度与所述第二视频监测模块中每个视频监测单元的视场范围确定视频监测单元及其支架的布设数量，使所述第二视频监测模块的识别范围覆盖整座桥梁的桥面
。
[0012]作为一种优选，步骤
S3
具体包括：
a、
对于每座桥梁，根据所述第二视频监测模块中每个视频监测单元采集到的视频流数据，提取出帧图片数据，即行驶车辆的图像信息；
b、
根据行驶车辆的图像信息识别出各行驶车辆的车牌号及车型，依据车型得到车辆的预估车重范围，将各行驶车辆的预估车重范围与在步骤
S2
中匹配到车辆荷载参数进行匹配，以对车辆荷载参数中的车重参数进行修正；
c、
根据行驶车辆的图像信息识别出车牌号，并利用目标检测算法计算出桥面上每一行驶车辆在不同时刻的图像信息中的车辆边界框的中心点；
d、
以单个视频监测单元视场范围内的桥面作为参考坐标系，选取该视频监测单元获取的一定数量的图像信息作为参考，计算出每一时刻车辆边界框的中心点在当前视频监测单元视场范围内的坐标；
e、
对多个视频监测单元得出的同一行驶车辆的坐标进行拼接，结合图像信息被采集到的时间，能够得到每辆行驶车辆每一时刻所处的桥面的位置，即每一行驶车辆的时空分布位置；
f、
将经过各桥梁桥面上的各行驶车辆的车牌号
、
车型
、
预估车重范围及对应的时空分布位置上传至服务器数据库
。
[0013]作为一种优选，步骤
c
中的目标检测算法为
YOLO
目标检测算法
。
[0014]为了实现本申请的另一目的，本申请提供一种区域桥梁群车流荷载识别系统，用于实施上述的区域桥梁群车流荷载识别方法，其包括桥梁动态称重子系统
、
车辆时空分布
识别子系统
、
桥面车辆匹配子系统
、
车重修正子系统及服务器数据库，所述桥梁动态称重子系统设置在目标区域内各桥梁的汇合点处，并包括称重传感器及第三视频监测模块，所述桥面车辆匹配子系统包括设置在桥梁入口处的第一视频监测本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种区域桥梁群车流荷载识别方法，其特征在于，包括步骤：
S1、
通过设置在目标区域内各桥梁的汇合点处的桥梁动态称重子系统，识别出经过所述汇合点的每辆行驶车辆的荷载参数及对应的车牌号，并将所有行驶车辆的荷载参数及车牌号上传至服务器数据库；
S2、
通过桥面车辆匹配子系统设置在各桥梁上的第一视频监测模块采集行驶进入各个桥梁的车辆的图像信息，桥面车辆匹配子系统根据该图像信息识别出各行驶车辆的车牌号，将车牌号与所述桥梁动态称重子系统上传到数据库服务器的车牌号进行匹配，并根据该车牌号匹配到由所述桥梁动态称重子系统上传到数据库服务器的该车辆的车辆荷载参数；
S3、
通过车辆时空分布识别子系统设置在各桥梁上的第二视频监测模块按照一定频率采集桥面上的行驶车辆的图像信息，车辆时空分布识别子系统根据该图像信息识别出各行驶车辆的车牌号及车型，进而依据车型得到车辆的预估车重范围，将各行驶车辆的预估车重范围与在步骤
S2
中匹配到车辆荷载参数进行匹配，以对车辆荷载参数中的车重参数进行修正，同时，根据采集到的不同时刻的图像信息计算
、
统计得到每辆行驶车辆每一时刻所处的桥面的位置，再将经过各桥梁桥面上的各行驶车辆的车牌号
、
车型
、
预估车重范围及对应的时空分布位置上传至服务器数据库
。2.
如权利要求1所述的区域桥梁群车流荷载识别方法，其特征在于，还包括步骤：
S4、
通过设置在桥梁底部的结构动挠度测量仪器测量桥梁目标截面处的车致振动挠度响应数据，截取一定时间范围内的所述车致振动挠度响应数据，与经过目标截面的对应行驶车辆在所述桥梁动态称重子系统中测得的车辆荷载参数一起作为训练数据样本集，通过算法训练得到车致振动挠度响应数据与车重的映射关系，依据该映射关系构建出车重预测模型；在建立车重预测模型后，当行驶车辆通过目标截面时，依据车致振动挠度响应数据及车重预测模型计算出预测车重，将该预测车重上传至服务器数据库，对步骤
S1
中识别出的车辆荷载参数中的车重参数
、
步骤
S3
中得到的预估车重范围，及预测车重进行匹配，以对车辆荷载参数中的车重参数进行二次修正
。3.
如权利要求2所述的区域桥梁群车流荷载识别方法，其特征在于：所述桥梁动态称重子系统
、
所述车辆时空分布识别子系统
、
所述桥面车辆匹配子系统及所述车重修正子系统均采用边缘计算技术
。4.
如权利要求2或3所述的区域桥梁群车流荷载识别方法，其特征在于，步骤
S4
中利用
BiLSTM
深度学习模型训练得到车致振动挠度响应数据与车重的映射关系并构建出车重预测模型
。5.
如权利要求1所述的区域桥梁群车流荷载识别方法，其特征在于，还包括步骤：根据每座桥梁的长度与所述第二视频监测模块中每个视频监测单元的视场范围确定视频监测单元及其支架的布设数量，使所述第二视频监测模块的识别范围覆盖整座桥梁的桥面
。6.
如权利要求1或5所述的区域桥梁群车流荷载识别方法，其特征在于，步骤
S3<...

【专利技术属性】
技术研发人员：应国刚，胡洁亮，张文达，应柳祺，
申请(专利权)人：宁波朗达工程科技有限公司，
类型：发明
国别省市：