车辆超载识别系统、方法及车辆超载识别模型训练方法

本申请实施例涉及人工智能，尤其涉及一种车辆超载识别系统、方法及车辆超载识别模型训练方法、电子设备。

背景技术：

1、随着国民经济的迅速发展，公路运输行业的运能与需求不断在提高，由此导致货车数量不断增加，超载现象变得更加严重。车辆超载不仅会加速结构破坏，还会威胁交通安全、加重环境污染以及扰乱市场秩序。因此，对超载车辆进行有效的管控与治理变得非常必要。

2、目前，我国主要采用车辆称重管理系统来治理车辆超载现象。该系统通过在高速路出入口收费站或公路治超站设置称重设备，从而获取到车辆的载重信息以判断是否超载。

3、常见的称重设备包括静态称重系统、动态称重系统、便携式称重仪和车载称重系统等。静态称重系统测量过程耗时长，效率低。动态称重系统需要路面嵌入式固定称重设备，对道路条件要求较高。便携式称重仪需要根据不同车辆类型进行调整。车载称重系统需要在后期对车辆进行安装。

4、上述无论是静态称重系统、动态称重系统、便携式称重仪，还是车载称重系统等都是接触式测量方法，一方面，设备的安装和维护成本较高，另外一方面，司机可以采取绕道等行为来躲避检查。

技术实现思路

1、本申请的目的在于提出一种车辆超载识别系统、方法及车辆超载识别模型训练方法、电子设备，用于解决或者克服现有技术中存在的上述技术问题。

2、根据本申请实施例的第一方面，提供了一种车辆超载识别系统，其包括：雷视一体机、激励源、载重称量模块、超载判定模块、模型训练模块；

3、所述雷视一体机基于如下处理过程确定车辆的基本信息以及驾驶行为信息：对其视野的车辆进行监控得到第一监控视频流，并对所述第一监控视频流进行分析以获取车辆基本信息，以及基于标定的虚拟触发线序列，形成所述车辆在所述激励源的激励下产生的驾驶行为信息；

4、所述载重称量模块用于基于如下处理确定所述车辆的基本信息以及载重信息：对所述车辆进行监控得到第二监控视频流，并对所述第二监控视频流进行分析以获取车辆基本信息；对所述车辆进行称重以获取所述载重信息；

5、所述超载判定模块用于基于如下处理判断所述车辆是否超载：

6、对所述载重称量模块获取到的车辆基本信息以及所述雷视一体机获取到的车辆基本信息进行匹配，以建立车辆驾驶行为信息与载重信息之间的对应关系；

7、根据所述载重信息以及车辆额定重量，判断是否超载；

8、根据所述超载信息以及所述车辆的额定载重，计算超载率以对所述载重信息进行分级并为对应的车辆构造超载标签；

9、所述模型训练模块用于基于如下处理构建车辆信息数据集，以对车辆超载识别模型进行训练：

10、以车辆为单位，基于对应的所述车辆基本信息、所述车辆驾驶行为信息、所述超载标签，构建车辆信息数据集；

11、基于所述车辆信息数据集，对所述车辆超载识别模型进行训练，使得所述车辆超载识别模型根据目标车辆的车辆基本信息以及车辆驾驶行为信息判断所述目标车辆是否超载。

12、一种车辆超载识别方法，其包括：

13、获取目标车辆的车辆基本信息以及车辆驾驶行为信息；

14、基于完成训练的车辆超载识别模型根据所述车辆基本信息以及车辆驾驶行为信息判断所述目标车辆是否超载；

15、其中，所述车辆超载识别模型基于如下步骤进行训练：

16、对雷视一体机的视野范围内的样本车辆进行监控得到第一监控视频流，并对所述第一监控视频流进行分析以获取车辆基本信息，以及基于标定的虚拟触发线序列，形成所述样本车辆在所述激励源的激励下产生的驾驶行为信息；

17、对所述样本车辆进行监控得到第二监控视频流，并对所述第二监控视频流进行分析以获取车辆基本信息；对所述样本车辆进行称重以获取所述载重信息；

18、对所述载重称量模块获取到的车辆基本信息以及所述雷视一体机获取到的车辆基本信息进行匹配，以建立样本车辆驾驶行为信息与载重信息之间的对应关系；

19、根据所述载重信息以及车辆额定重量，判断是否超载；

20、根据所述超载信息以及所述车辆的额定载重，计算超载率以对所述载重信息进行分级并为对应的车辆构造超载标签；

21、以样本车辆为单位，基于对应的所述车辆基本信息、所述车辆驾驶行为信息、所述超载标签，构建车辆信息数据集；

22、基于所述车辆信息数据集，对所述车辆超载识别模型进行训练。

23、一种车辆超载识别模型训练方法，其包括：

24、对获取到的第一车辆基本信息以及获取到的第二车辆基本信息进行匹配，以建立车辆驾驶行为信息与载重信息之间的对应关系，其中，所述第一车辆基本信息通过对车辆监控所形成的第一监控视频流进行分析得到，所述第二车辆基本信息通过对车辆监控所形成的第二监控视频流进行分析得到；

25、根据载重信息以及车辆额定重量，判断是否超载，所述载重信息通过对所述车辆进行称重得到；

26、根据所述超载信息以及所述车辆的额定载重，计算超载率以对所述载重信息进行分级并为对应的车辆构造超载标签；

27、以车辆为单位，基于对应的所述车辆基本信息、车辆驾驶行为信息、所述超载标签，构建车辆信息数据集，所述车辆驾驶行为信息由所述车辆基于标定的虚拟触发线序列在所述激励源的激励下产生；

28、基于所述车辆信息数据集，对车辆超载识别模型进行训练，使得所述车辆超载识别模型根据目标车辆的车辆基本信息以及车辆驾驶行为信息判断所述目标车辆是否超载。

29、一种电子设备，其包括存储器以及处理器，所述存储器上存储有计算机可执行程序，所述处理器用于执行所述计算机可执行程序以实施：

30、对获取到的第一车辆基本信息以及获取到的第二车辆基本信息进行匹配，以建立车辆驾驶行为信息与载重信息之间的对应关系，其中，所述第一车辆基本信息通过对监控车辆所形成的第一监控视频流进行分析得到，所述第二车辆基本信息通过对监控车辆所形成的第二监控视频流进行分析得到；

31、根据载重信息以及车辆额定重量，判断是否超载，所述载重信息通过对所述车辆进行称重得到；

32、根据所述超载信息以及所述车辆的额定载重，计算超载率以对所述载重信息进行分级并为对应的车辆构造超载标签；

33、以车辆为单位，基于对应的所述车辆基本信息、车辆驾驶行为信息、所述超载标签，构建车辆信息数据集，所述车辆驾驶行为信息由所述车辆基于标定的虚拟触发线序列在所述激励源的激励下产生；

34、基于所述车辆信息数据集，对车辆超载识别模型进行训练，使得所述车辆超载识别模型根据目标车辆的车辆基本信息以及车辆驾驶行为信息判断所述目标车辆是否超载。

技术特征：

1.一种车辆超载识别系统，其特征在于，包括：雷视一体机、激励源、载重称量模块、超载判定模块、模型训练模块；

2.根据权利要求1所述的一种车辆超载识别系统，其特征在于，所述虚拟触发线序列基于如下方式建立在所述雷视一体机的监控界面上：

3.根据权利要求1所述的一种车辆超载识别系统，其特征在于，所述模型训练模块还用于执行如下步骤以将所述车辆信息数据集转换成模型输入数据：

4.根据权利要求1所述的一种车辆超载识别系统，其特征在于，所述模型训练模块还用于执行如下步骤判断所述车辆信息数据集是否出现样本不均衡，并在出现所述样本不均衡时，对所述车辆信息数据集进行样本均衡处理：

5.根据权利要求1所述的一种车辆超载识别系统，其特征在于，所述模型训练模块在基于所述车辆信息数据集，对所述车辆超载识别模型进行训练时，执行如下步骤：

6.根据权利要求5所述的一种车辆超载识别系统，其特征在于，所述模型训练模块在基于所述车辆信息数据集，对所述车辆超载识别模型进行训练时，执行如下步骤：

7.根据权利要求6所述的一种车辆超载识别系统，其特征在于，所述模型训练模块在根据所述性能评价矩阵，判断所述车辆超载识别模型的性能是否匹配需求性能时，执行如下步骤：

8.一种车辆超载识别方法，其特征在于，包括：

9.一种车辆超载识别模型训练方法，其特征在于，包括：

10.一种电子设备，其特征在于，包括存储器以及处理器，所述存储器上存储有计算机可执行程序，所述处理器用于执行所述计算机可执行程序以实施：

技术总结
本申请中提供一种车辆超载识别系统、方法及车辆超载识别模型训练方法中，雷视一体机获取车辆基本信息与车辆驾驶行为信息；载重称量模块获取车辆基本信息以及载重信息；超载判定模块根据载重信息以及车辆额定重量，判断是否超载；根据超载信息以及车辆的额定载重，计算超载率以对载重信息进行分级并为对应的车辆构造超载标签；模型训练模块以车辆为单位，基于对应的车辆基本信息、车辆驾驶行为信息、超载标签，构建车辆信息数据集；基于车辆信息数据集，对车辆超载识别模型进行训练，使得车辆超载识别模型根据目标车辆的车辆基本信息以及车辆驾驶行为信息判断目标车辆是否超载，避免了设备的安装和维护成本，防止了司机采取绕道等行为来躲避检查。

技术研发人员：柳美玉,李道恒,郭洁,杨璐,杨雷
受保护的技术使用者：北京工业大学
技术研发日：
技术公布日：2024/2/21