CN104848924A - 桥梁载重监测方法、装置及*** - Google Patents

Abstract

本发明公开了一种桥梁载重监测方法、装置及***，涉及桥梁监测技术领域，所述方法包括：S1：实时获取待监测桥梁的上桥端车辆的车重及特征信息和下桥端车辆的特征信息；S2：根据特征信息将所述下桥端车辆与上桥端车辆进行匹配；S3：获取未匹配成功的上桥端车辆的车重总和，将车重总和作为桥梁载重。本发明通过获取上桥端车辆的车重及特征信息和下桥端车辆的特征信息，将下桥端车辆与上桥端车辆进行匹配，将未匹配成功的上桥端车辆的车重总和作为所述待监测桥梁的桥梁载重，便捷地实现了对桥梁载重的监测，实现只需要设置几个较为简单的设备，实现简单，成本低廉，并且采用近距离特征采集，使得匹配的精度高，从而保证了桥梁载重的监测精度。

Description

桥梁载重监测方法、装置及***

技术领域

本发明涉及桥梁监测技术领域，特别涉及一种桥梁载重监测方法、装置及***。

背景技术

随着交通运输事业的蓬勃发展，公路交通流量的不断增多以及载重量的不断增大，现有桥梁结构的承载能力和可靠性面临着严峻的考验，对于车辆荷载而言，其主要由车重、轴重、轴距及车间距等多个参数影响着产生于桥梁结构中的效应；而对于桥梁结构，由于荷载和抗力的内在相关性，其承载能力需满足车辆的构型、载重量、载重量在各轴上的分配、车辆在桥上的位置以及桥梁跨径等方面的要求。车辆拥挤堵塞，许多桥梁上车辆前后间距仅3.0～5.0m，造成桥梁损坏加剧，形成恶性循环，车辆及行人的安全受到威胁。更为严重的是，由此引发的桥梁垮塌事故令人触目惊心。

对于小跨径桥梁，由于车辆间距不可能无限缩短的缘故，桥梁最大荷载效应一般由单车车重控制或单车轴载控制，目前多采用控制单车车重上限或单车轴载上限实现桥梁安全监测，但无法对中等跨径和大跨径桥梁进行桥梁安全监测。

对于中等跨径和大跨径桥梁，桥梁结构的最大荷载效应往往是在车辆拥堵情况下产生的，其主要原因是由于车辆在拥堵状态下，车辆间距小、桥梁上行驶车辆较多所致；传统的方法是运用传感器与通信技术，适时地或定期地采集桥梁的工作参数，由计算机根据桥梁的设计参数结合桥梁健康检测指标对采集的参数进行识别、加工和分析，给出桥梁的荷载分布，为桥梁维护、维修与管理决策提供依据和指导。由于大跨度桥梁具有结构形式复杂、跨度大、所处环境恶劣等特点， 给桥梁车辆动态荷载分布检测带来很多弊端，如所需传感器数量较多、成本较高，且干扰信号容易对传感器造成影响，布线易混乱，布置和维护设备工作量较大，实时性较差等。

现有技术中还存在利用全景摄像机的拼接技术对大跨度桥梁的检测方法，该检测方法通过检测和跟踪整个桥面上的车辆，从而实现车辆与重量的跟踪匹配。但该检测方法仅依靠视频作为识别因素，匹配因素单一，过于依赖视频识别***，在夜间或光线环境较差时容易出现跟踪失败，同时该检测方法需要在桥梁上安装大量的全景摄像机，数据处理难度大，造价较高。

发明内容

鉴于上述问题，本发明提供一种克服上述问题或者至少部分地解决上述问题的一种桥梁载重监测方法、装置及***。

依据本发明的一个方面，提供了一种桥梁载重监测方法，所述方法包括：

S1：实时获取待监测桥梁的上桥端车辆的车重及特征信息和下桥端车辆的特征信息；

S2：根据所述特征信息将所述下桥端车辆与所述上桥端车辆进行匹配；

S3：获取未匹配成功的上桥端车辆的车重总和，并将所述车重总和作为所述待监测桥梁的桥梁载重。

其中，步骤S2具体包括： 

S201：计算所述下桥端车辆的特征信息和当前上桥端车辆的特征信息之间的特征偏差，所述特征信息包括：轴重、轴组重、轴数、车牌、车长、车高、车宽和三维轮廓中的至少一项；

S202：根据所述特征偏差计算相似性评价指标；

S203：将所述相似性评价指标与相似性评价阈值进行比较，若小于，则认定为匹配成功，并执行步骤S3，否则认定为匹配不成功， 并执行步骤S204；

S204：将未被选中过的上桥端车辆作为新的当前上桥端车辆，并返回步骤S201，直至所有上桥端车辆均被选中过。

其中，步骤S3之后，还包括：

S4：判断所述桥梁载重是否处于危险载荷范围，若所述桥梁载重处于所述危险载荷范围内，则输出预警信息；

步骤S3和步骤S4之间，还包括：

统计预设时间内的匹配成功车辆的平均时间，若所述上桥端车辆的存在时间与所述平均时间得到的比值超过了预设值，则将该上桥端车辆的重量从所述桥梁载重中清除；

或，

步骤S4中，输出预警信息之前，还包括：

统计预设时间内的匹配成功车辆的平均时间，若所述上桥端车辆的存在时间与所述平均时间得到的差值超过了预设值，则将该上桥端车辆的重量从所述桥梁载重中清除；

判断所述桥梁载重是否处于危险载荷范围，若所述桥梁载重仍处于所述危险载荷范围内，则执行输出预警信息。

其中，步骤S1具体包括： 

实时获取待监测桥梁的上桥端车辆的车重及特征信息和下桥端车辆的车重及特征信息；

相应地，步骤S2具体包括： 

将所述车重及特征信息作为新的特征信息，根据所述新的特征信息对所述下桥端车辆与所述上桥端车辆进行匹配。

根据本发明的另一方面，提供了一种桥梁载重监测装置，所述装置包括：

信息获取模块，用于实时获取待监测桥梁的上桥端车辆的车重及特征信息和下桥端车辆的特征信息；

信息匹配模块，用于根据所述特征信息将所述下桥端车辆与所述上桥端车辆进行匹配；

载重计算模块，用于获取未匹配成功的上桥端车辆的车重总和，并将所述车重总和作为所述待监测桥梁的桥梁载重。

其中，所述信息匹配模块具体包括：

偏差计算子模块，用于计算所述下桥端车辆的特征信息和当前上桥端车辆的特征信息之间的特征偏差，所述特征信息包括：轴重、轴组重、轴数、车牌、车长、车高、车宽和三维轮廓中的至少一项；

指标计算子模块，用于根据所述特征偏差计算相似性评价指标；

阈值比较子模块，用于将所述相似性评价指标与相似性评价阈值进行比较，若小于，则认定为匹配成功，否则认定为匹配不成功；

车辆选择子模块，用于将未被选中过的上桥端车辆作为新的当前上桥端车辆，直至所有上桥端车辆均被选中过。

其中，所述装置还包括：

危险预警模块，用于判断所述桥梁载重是否处于危险载荷范围，若所述桥梁载重处于所述危险载荷范围内，则输出预警信息；

所述装置还包括：

载重清除模块，用于统计预设时间内的匹配成功车辆的平均时间，若所述上桥端车辆的存在时间与所述平均时间得到的比值超过了预设值，则将该上桥端车辆的重量从所述桥梁载重中清除；

或，

所述危险预警模块，还用于统计预设时间内的匹配成功车辆的平均时间，若所述上桥端车辆的存在时间与所述平均时间得到的比值超过了预设值，则将该上桥端车辆的重量从所述桥梁载重中清除；判断所述桥梁载重是否处于危险载荷范围，若所述桥梁载重仍处于所述危险载荷范围内，则执行输出预警信息。

其中，所述信息获取模块，还用于实时获取待监测桥梁的上桥端 车辆的车重及特征信息和下桥端车辆的车重及特征信息；

相应地，所述信息匹配模块，还用于将所述车重及特征信息作为新的特征信息，根据所述新的特征信息对所述下桥端车辆与所述上桥端车辆进行匹配。

根据本发明的另一方面，提供了一种桥梁载重监测***，所述***包括：设于待监测桥梁的上桥端的第一动态称重平台、第一车牌识别相机和第一车辆检测器、设于所述待检测桥梁的下桥端的第二车牌识别相机和第二车辆检测器、及所述的装置，所述第一动态称重平台、第一车牌识别相机、第一车辆检测器、第二车牌识别相机和第二车辆检测器均与所述装置连接。

其中，所述***还包括：设于所述待检测桥梁的下桥端的第二动态称重平台，所述第二动态称重平台与所述装置连接；

和/或，

所述***还包括：警示单元，所述警示单元与所述装置连接。

本发明通过获取上桥端车辆的车重及特征信息和下桥端车辆的特征信息，将下桥端车辆与上桥端车辆进行匹配，将未匹配成功的上桥端车辆的车重总和作为所述待监测桥梁的桥梁载重，便捷地实现了对桥梁载重的监测，实现只需要设置几个较为简单的设备，实现简单，成本低廉，并且采用近距离特征采集，使得匹配的精度高，从而保证了桥梁载重的监测精度。

附图说明

图1是本发明一种实施方式的桥梁载重监测方法的流程图；

图2是本发明一种实施方式的桥梁载重监测装置的结构框图；

图3是本发明一种实施方式的桥梁载重监测***的结构框图；

图4是图3中的车辆检测器的侧视图；

图5是图3中的车辆检测器的正视图；

图6是图3中的动态称重平台的示意图；

图7是图3中的警示单元的结构示意图；

图8是本发明另一种实施方式的桥梁载重监测***的结构框图。

具体实施方式

下面结合附图和实施例，对本发明的具体实施方式作进一步详细描述。以下实施例用于说明本发明，但不用来限制本发明的范围。

图1是本发明一种实施方式的桥梁载重监测方法的流程图；参照图1，所述方法包括：

S1：实时获取待监测桥梁的上桥端车辆的车重及特征信息和下桥端车辆的特征信息；

S2：根据所述特征信息将所述下桥端车辆与所述上桥端车辆进行匹配；

S3：获取未匹配成功的上桥端车辆的车重总和，并将所述车重总和作为所述待监测桥梁的桥梁载重。

需要说明的是，本步骤中，可先将上桥端车重总和进行累加，再将匹配成功的上桥端车辆的车重从累加值中清除，从而提高步骤S3的计算效率。

为保证匹配的准确率，优选地，步骤S2具体包括： 

S201：计算所述下桥端车辆的特征信息和当前上桥端车辆的特征信息之间的特征偏差，所述特征信息包括：轴重、轴组重、轴数、车牌、车长、车高、车宽和三维轮廓中的至少一项；

S202：根据所述特征偏差计算相似性评价指标；

S203：将所述相似性评价指标与相似性评价阈值η进行比较，若小于，则认定为匹配成功，并执行步骤S3，否则认定为匹配不成功，并执行步骤S204；

S204：将未被选中过的上桥端车辆作为新的当前上桥端车辆，并返回步骤S201，直至所有上桥端车辆均被选中过。

需要说明的是，在实践过程中进行车辆匹配时，可能会出现匹配 延迟的问题，故而在步骤S204中的“所有上桥端车辆”是指所述下桥端车辆被获取到的时刻对应的上桥端车辆，为便于说明该问题，可举例如下，假设在中午11点整，上桥端获取了100辆车的车重和特征信息，下桥端获取了1辆车的特征信息，此时会将下桥端的该车与上桥端的该100辆车进行匹配，但由于匹配过程时间过程，可能此时已经中午11点过5分才匹配成功80辆，而上桥端在这5分钟内又上了10辆车，在匹配过程中不会将这10辆车拿来进行匹配，即“所述有上桥端车辆”只包括在中午11点整时获取的这100辆车。

以n＝5为例，本实施方式采用特征信息计算相似性评价指标的过程，具体包括：

A1：获取特征信息的特征集U＝{x₁,x₂,x₃,x₄,x₅}。其中，x₁为车牌匹配偏差，x₂为车长偏差，x₃为车宽偏差，x₄为车高偏差，x₅为车辆三维轮廓信息。建立对应的权重因子K＝{k₁,k₂,k₃,k₄,k₅}，聚类中心因子Ψ＝{φ₁,φ₂,φ₃,φ₄,φ₅}，方差因子Σ＝{σ₁,σ₂,σ₃,σ₄,σ₅}。

A2：利用相似性评价指标判定因素集U的匹配度，相似性评价指标的计算公式为：

$V=\underset{i=1}{\overset{5}{\mathrm{\Σ}}}{k}_i*{\left[\mathrm{\μ}\left(x_i\right)\right]}^2$

其中，μ(x_i)为隶属度函数， $\mathrm{\μ}\left(x_i\right)={\∫}_{x_i}^{2*{\mathrm{\φ}}_i-x_i}\frac{1}{\sqrt{2\mathrm{\π}}*{\mathrm{\σ}}_i}\exp [-\frac{{(x_i-{\mathrm{\φ}}_i)}^2}{2{\mathrm{\σ}}_i^2}].$

对相似性评价指标中参数进行自学习的过程如下：

B1：选取上述特征集中预设个数的特征信息作为主要维度，通过所述主要维度建立初始隶属度函数，所述预设个数为不小于1、且小于n的整数，例如该预设个数取3，对应的特征信息分别为第p项、m项、q项，并设权重因子k_i的初始值为：i＝p,m,q时，k_i＝1，当i为其他值时，k_i＝0.5，初始隶属度函数如下：

${\mathrm{\μ}}_0\left(x_i\right)=\left\{\begin{array}{cc}0& x_i\∈A\\ 1& x_i\∉A\end{array}\right.,i=p,m,q$

用K-means算法以0作为聚类中心，获取相似性评价指标：

V₀＝Σ_i＝p,m,qk_i*[μ₀(x_i)-0]²

当V₀＝0时，则认为匹配成功，并将匹配成功的样本实时更新到样本集A中。当样本集A的样本个数大于ξ时(ξ是预设值，例如取ξ＝10000)，更新样本集A为最新的ξ条样本，同时进入步骤B2。需要说明的是，本步骤中，为了保证参数自学习的准确率，主维度会优先选择：车牌匹配偏差、车重偏差和轴重中的至少一个。

B2：根据实时更新的样本集A训练其余几个次要维度的隶属度函数μ₁(x_i)、聚类中心φ_i及相似性阈值η₁，

按照k_i的调整规则调整k_i，所述k_i的调整规则为：当D(μ₁(x_i))>β时，取k_i＝0；当α<D(μ₁(x_i))<β时，若k_i<0时，取k_i＝0；当D(μ₁(x_i))<α时，k_i的迭代取值最大不超过初始值的1.5倍。

当μ₁(x_i)满足稳定条件D(μ₁(x_i))＜β时，得到相似性评价指标  $V=\underset{i=0}{\overset{n}{\mathrm{\&Sigma;}}}{k}_i*{\left[{\mathrm{\&mu;}}_1\left(x_i\right)\right]}^2,i\&NotEqual;p,m,q.$

其中，φ_i＝E[μ₀(x_i)],i≠p,m,q， ${\mathrm{\&mu;}}_1\left(x_i\right)={\&Integral;}_{x_i}^{2*{\mathrm{\&phi;}}_i-x_i}\frac{1}{\sqrt{2\mathrm{\&pi;}}*{\mathrm{\&sigma;}}_i}\exp [-\frac{{(x_i-{\mathrm{\&phi;}}_i)}^2}{2{\mathrm{\&sigma;}}_i^2}],i\&NotEqual;p,m,q,$ η₁＝E(V₁)*m，其中m为可设系数，D(*)为方差计算符，E(*)为平均值计算符。

当满足稳定条件的次要维度个数大于某一预设值η时，执行B3，否则，随着样本集A的实时更新直至满足要求。

B3，利用相似性评价指标V₁，V₂实时评价最新样本，当V₁＜η₁且V₂＝0时，匹配成功，实时更新到样本集B中。

其中， $V_2=\underset{i=p,m,q}{\mathrm{\&Pi;}}{k}_i*{\left[{\mathrm{\&mu;}}_0\left(x_i\right)\right]}^2.$

当B的样本个数大于时(是预设值，例如取)，更新样本集B为最新的条样本，同时进入步骤B4。

B4，在实时更新的样本集B中，训练上述3个主要维度的隶属度函数μ(x_i)，聚类中心φ_i及相似性阈值η。

按照k_i的调整规则调整k_i，所述k_i的调整规则为：当D(μ₁(x_i))>β 时，取k_i＝0；当α<D(μ₁(x_i))<β时，若k_i<0时，取k_i＝0；当D(μ₁(x_i))<α时，k_i的迭代取值最大不超过初始值的1.5倍。

当每一个主要维度都满足条件D(μ(x_i))＜β时，输出稳定的相似性评价指标 $V=\underset{i=1}{\overset{n}{\mathrm{\&Sigma;}}}{k}_i*{\left[\mathrm{\&mu;}\left(x_i\right)\right]}^2.$

其中，

$\mathrm{\&mu;}\left(x_i\right)={\&Integral;}_{x_i}^{2*{\mathrm{\&phi;}}_i-x_i}\frac{1}{\sqrt{2\mathrm{\&pi;}}*{\mathrm{\&sigma;}}_i}\exp [-\frac{{(x_i-{\mathrm{\&phi;}}_i)}^2}{2{\mathrm{\&sigma;}}_i^2}]$

φ_i＝E[μ₁(x_i)]

${\mathrm{\&sigma;}}_i=\sqrt{D\left[{\mathrm{\&mu;}}_1\left(x_i\right)\right]}$

η＝E(V)*m，其中m为可设系数。 

否则，随着样本集A的实时更新直至满足要求。

需要说明的是，上述B1～B4的参数自学习过程是伴随着最新的过车数据实时计算实时更新的。这样做就保证了性能评价指标参数的自适应性，提高了***运行的稳定度。

为对所述桥梁载重进行危险预警，优选地，步骤S3之后，还包括：

S4：判断所述桥梁载重是否处于危险载荷范围，若所述桥梁载重处于所述危险载荷范围内，则输出预警信息；

由于匹配可能存在误差，有些车辆在上桥端有记录，但在实际下桥时下桥端未匹配成功，导致这些车辆的重量一直计算在桥梁载重中，影响所述桥梁载重的精度，为避免该问题，需要将这些车辆的重量从所述桥梁载重中清除，为清除这些车辆的重量，可用两种方式触发清除，第一种方式为：每隔预定周期进行一次清除，具体过程如下：

在步骤S3和步骤S4之间，还包括：

统计预设时间内的匹配成功车辆的平均时间，若所述上桥端车辆的存在时间与所述平均时间得到的比值超过了预设值，则将该上桥端 车辆的重量从所述桥梁载重中清除；

第二种方式为：当桥梁载重处于危险载荷范围内时，再进行清除，具体过程如下：

步骤S4中，输出预警信息之前，还包括：

统计预设时间内的匹配成功车辆的平均时间，若所述上桥端车辆的存在时间与所述平均时间得到的比值超过了预设值，则将该上桥端车辆的重量从所述桥梁载重中清除；

判断所述桥梁载重是否处于危险载荷范围，若所述桥梁载重仍处于所述危险载荷范围内，则执行输出预警信息。

为了计算桥梁载重，故而必须要获取上桥端车辆的车重，在进行车辆匹配时，可采用特征信息，而车重事实上也可算作特征信息的一种，故而在测量过程中，除了采用上述特征信息外，还可将车重也算作特征信息进行匹配，优选地，步骤S1具体包括：

实时获取待监测桥梁的上桥端车辆的车重及特征信息和下桥端车辆的车重及特征信息；

相应地，步骤S2具体包括： 

将所述车重及特征信息作为新的特征信息，根据所述新的特征信息对所述下桥端车辆与所述上桥端车辆进行匹配。

以n＝8为例，本实施方式中公开了采用新的特征信息计算相似性评价指标的过程，具体包括：

A1’：获取新的特征信息的特征集U＝{x₁,x₂,x₃,x₄,x₅,x₆,x₇,x₈}，针对特征集建立权重因子矩阵K＝{k₁,k₂,k₃,k₄,k₅,k₆,k₇,k₈}。其中，x₁为车牌匹配偏差(匹配率)，x₂为车重偏差(比例值)，x₃为轴数偏差(差值)，x₄为各轴重偏差均值(比例值)，x₅为车长偏差(比例值)，x₆为车宽偏差(比例值)，x₇为车高偏差(比例值)，x₈为车辆过桥时间差与平均过桥时间的偏差(比例值)。建立对应的权重因子K＝{k₁,k₂,k₃,k₄,k₅,k₆,k₇,k₈}，聚类中心因子Ψ＝{φ₁,φ₂,φ₃,φ₄,φ₅,φ₆,φ₇,φ₈}，方 差因子Σ＝{σ₁,σ₂,σ₃,σ₄,σ₅,σ₆,σ₇,σ₈}。

A2’：利用相似性评价指标判定因素集U的匹配度，相似性评价指标为V：

$V=\underset{i=1}{\overset{8}{\mathrm{\&Sigma;}}}{k}_i*{\left[\mathrm{\&mu;}\left(x_i\right)\right]}^2$

其中， $\mathrm{\&mu;}\left(x_i\right)={\&Integral;}_{x_i}^{2*{\mathrm{\&phi;}}_i-x_i}\frac{1}{\sqrt{2\mathrm{\&pi;}}*{\mathrm{\&sigma;}}_i}\exp [-\frac{{(x_i-{\mathrm{\&phi;}}_i)}^2}{2{\mathrm{\&sigma;}}_i^2}].$

本发明还公开了一种桥梁载重监测装置，参照图2，所述装置包括：

信息获取模块，用于实时获取待监测桥梁的上桥端车辆的车重及特征信息和下桥端车辆的特征信息；

信息匹配模块，用于根据所述特征信息将所述下桥端车辆与所述上桥端车辆进行匹配；

载重计算模块，用于获取未匹配成功的上桥端车辆的车重总和，并将所述车重总和作为所述待监测桥梁的桥梁载重。

优选地，所述信息匹配模块具体包括：

偏差计算子模块，用于计算所述下桥端车辆的特征信息和当前上桥端车辆的特征信息之间的特征偏差，所述特征信息包括：轴重、轴组重、轴数、车牌、车长、车高、车宽和三维轮廓中的至少一项；

指标计算子模块，用于根据所述特征偏差计算相似性评价指标；

阈值比较子模块，用于将所述相似性评价指标与相似性评价阈值进行比较，若小于，则认定为匹配成功，否则认定为匹配不成功；

车辆选择子模块，用于将未被选中过的上桥端车辆作为新的当前上桥端车辆，直至所有上桥端车辆均被选中过。

优选地，所述装置还包括：

危险预警模块，用于判断所述桥梁载重是否处于危险载荷范围，若所述桥梁载重处于所述危险载荷范围内，则输出预警信息；

所述装置还包括：

载重清除模块，用于统计预设时间内的匹配成功车辆的平均时间，若所述上桥端车辆的存在时间与所述平均时间得到的比值超过了预设值，则将该上桥端车辆的重量从所述桥梁载重中清除；

或，

所述危险预警模块，还用于统计预设时间内的匹配成功车辆的平均时间，若所述上桥端车辆的存在时间与所述平均时间得到的比值超过了预设值，则将该上桥端车辆的重量从所述桥梁载重中清除；判断所述桥梁载重是否处于危险载荷范围，若所述桥梁载重仍处于所述危险载荷范围内，则执行输出预警信息。

优选地，所述信息获取模块，还用于实时获取待监测桥梁的上桥端车辆的车重及特征信息和下桥端车辆的车重及特征信息；

相应地，所述信息匹配模块，还用于将所述车重及特征信息作为新的特征信息，根据所述新的特征信息对所述下桥端车辆与所述上桥端车辆进行匹配。

本发明还公开了一种桥梁载重监测***，本实施方式以分别安装于桥梁上桥端的动态称重平台、车牌识别相机、车辆检测器以及下桥端的车牌识别相机、车辆检测器为例来说明本发明，但不限定本发明的保护范围。具体的结构请参考图3，所述***包括：设于待监测桥梁的上桥端的第一动态称重平台102、第一车牌识别相机103和第一车辆检测器101、设于所述待检测桥梁的下桥端的第二车牌识别相机105和第二车辆检测器104、及所述的装置107，所述第一动态称重平台102、第一车牌识别相机103、第一车辆检测器101、第二车牌识别相机105和第二车辆检测器104均与所述装置107连接。

所述第一车辆检测器101位于第一动态称重平台102的正上方，第一车牌识别相机103位于所述第一动态称重平台102的后方。

如图4和5所示，在本实施例中第一车辆检测器101和第二车辆检测器104均由两个按一定角度放置的激光传感器201、202组成， 其中激光传感器202为垂直路面布置，激光传感器201、202的安装位置及角度可以通过激光传感器的扫描时间及上传时间延时进行适当计算。激光传感器201、202每隔20ms进行一次180°断面扫描测距，可以对断面内的障碍物与激光的距离进行测量。

当车辆203驶入车辆检测器的扫描区域时，即进入激光传感器201的扫描断面，激光扫描到的障碍物距离小于阈值后判断车辆驶入扫描区域，记录进入201扫描断面的时间t1，控制车牌识别相机进行抓拍，同时根据180°断面扫描的极坐标转换为车辆的宽高数据；当车辆继续前行至激光202的扫描断面，记录进入202扫描断面的时间t2，同时根据180°断面扫描的极坐标转换为车辆的宽高数据；根据车辆203的高度h，以及激光的高度H，两个激光的夹角α，计算出车辆通过两个断面时通过的距离ΔL＝(H-h)*cotα，则车辆运行速度v＝ΔL/(t2-t1)；记录车辆驶出201扫描断面的时间t3，车辆长度L＝v*(t3-t1)，则车辆的长、宽、高以及三维轮廓数据均可获得。

在本实施方式中，动态称重平台如图6所示，包括称重传感器301、车辆检测器以及称重数据处理器303；称重传感器301铺设于车辆检测器激光扫描断面302后的路面上，并通过导线将称重传感器301的信号连接到称重数据处理设备303上。当车辆进入车辆检测器的扫描断面302，车辆检测器将车辆进入的信息以及车辆位置信息发送给称重数据处理设备303，随后车辆行驶到称重传感器301上进行称重，称重传感器301的称重信号通过导线上传到称重数据处理设备303，称重处理设备303通过计算获得车辆的轴重、轴数、轴距、车速等等数据。

优选地，所述车辆检测器与所述动态称重平台之间的间距为0.5m～2m；所述车辆检测器与车牌识别相机之间的间距为15m～25m。

为便于进行预警提示，所述***还包括：警示单元106，所述警示单元106与所述装置107连接，警示单元如图7所示，警示单元接 收所述装置发出的警示数据通过短信发送模块502或警示灯501通知执法人员，及时采取措施限制车辆继续上桥。

为获取下桥端的车重，参照图8，优选地，所述***还包括：设于所述待检测桥梁的下桥端的第二动态称重平台108，所述第二动态称重平台108与所述装置107连接。

以上实施方式仅用于说明本发明，而并非对本发明的限制，有关技术领域的普通技术人员，在不脱离本发明的精神和范围的情况下，还可以做出各种变化和变型，因此所有等同的技术方案也属于本发明的范畴，本发明的专利保护范围应由权利要求限定。

Claims (10)

1.一种桥梁载重监测方法，其特征在于，所述方法包括：

S1：实时获取待监测桥梁的上桥端车辆的车重及特征信息和下桥端车辆的特征信息；

S2：根据所述特征信息将所述下桥端车辆与所述上桥端车辆进行匹配；

S3：获取未匹配成功的上桥端车辆的车重总和，并将所述车重总和作为所述待监测桥梁的桥梁载重。

2.如权利要求1所述的方法，其特征在于，步骤S2具体包括：

S201：计算所述下桥端车辆的特征信息和当前上桥端车辆的特征信息之间的特征偏差，所述特征信息包括：轴重、轴组重、轴数、车牌、车长、车高、车宽和三维轮廓中的至少一项；

S202：根据所述特征偏差计算相似性评价指标；

S203：将所述相似性评价指标与相似性评价阈值进行比较，若小于，则认定为匹配成功，并执行步骤S3，否则认定为匹配不成功，并执行步骤S204；

S204：将未被匹配成功的上桥端车辆作为新的当前上桥端车辆，并返回步骤S201，直至所有上桥端车辆均被选中过。

3.如权利要求1所述的方法，其特征在于，步骤S3之后，还包括：

S4：判断所述桥梁载重是否处于危险载荷范围，若所述桥梁载重处于所述危险载荷范围内，则输出预警信息；

步骤S3和步骤S4之间，还包括：

统计预设时间内的匹配成功车辆的平均时间，若所述上桥端车辆的存在时间与所述平均时间得到的比值超过了预设值，则将该上桥端车辆的重量从所述桥梁载重中清除；

或，

步骤S4中，输出预警信息之前，还包括：

统计预设时间内的匹配成功车辆的平均时间，若所述上桥端车辆的存在时间与所述平均时间得到的比值超过了预设值，则将该上桥端车辆的重量从所述桥梁载重中清除；

判断所述桥梁载重是否处于危险载荷范围，若所述桥梁载重仍处于所述危险载荷范围内，则执行输出预警信息。

4.如权利要求1～3中任一项所述的方法，其特征在于，步骤S1具体包括：

实时获取待监测桥梁的上桥端车辆的车重及特征信息和下桥端车辆的车重及特征信息；

相应地，步骤S2具体包括：

将所述车重及特征信息作为新的特征信息，根据所述新的特征信息对所述下桥端车辆与所述上桥端车辆进行匹配。

5.一种桥梁载重监测装置，其特征在于，所述装置包括：

信息获取模块，用于实时获取待监测桥梁的上桥端车辆的车重及特征信息和下桥端车辆的特征信息；

信息匹配模块，用于根据所述特征信息将所述下桥端车辆与所述上桥端车辆进行匹配；

载重计算模块，用于获取未匹配成功的上桥端车辆的车重总和，并将所述车重总和作为所述待监测桥梁的桥梁载重。

6.如权利要求5所述的装置，其特征在于，所述信息匹配模块具体包括：

偏差计算子模块，用于计算所述下桥端车辆的特征信息和当前上桥端车辆的特征信息之间的特征偏差，所述特征信息包括：轴重、轴组重、轴数、车牌、车长、车高、车宽和三维轮廓中的至少一项；

指标计算子模块，用于根据所述特征偏差计算相似性评价指标；

阈值比较子模块，用于将所述相似性评价指标与相似性评价阈值进行比较，若小于，则认定为匹配成功，否则认定为匹配不成功；

车辆选择子模块，用于将未被选中过的上桥端车辆作为新的当前上桥端车辆，直至所有上桥端车辆均被选中过。

7.如权利要求6所述的装置，其特征在于，所述装置还包括：

危险预警模块，用于判断所述桥梁载重是否处于危险载荷范围，若所述桥梁载重处于所述危险载荷范围内，则输出预警信息；

所述装置还包括：

载重清除模块，用于统计预设时间内的匹配成功车辆的平均时间，若所述上桥端车辆的存在时间与所述平均时间得到的比值超过了预设值，则将该上桥端车辆的重量从所述桥梁载重中清除；

或，

所述危险预警模块，还用于统计预设时间内的匹配成功车辆的平均时间，若所述上桥端车辆的存在时间与所述平均时间得到的比值超过了预设值，则将该上桥端车辆的重量从所述桥梁载重中清除；判断所述桥梁载重是否处于危险载荷范围，若所述桥梁载重仍处于所述危险载荷范围内，则执行输出预警信息。

8.如权利要求5～7中任一项所述的装置，其特征在于，所述信息获取模块，还用于实时获取待监测桥梁的上桥端车辆的车重及特征信息和下桥端车辆的车重及特征信息；

相应地，所述信息匹配模块，还用于将所述车重及特征信息作为新的特征信息，根据所述新的特征信息对所述下桥端车辆与所述上桥端车辆进行匹配。

9.一种桥梁载重监测***，其特征在于，所述***包括：设于待监测桥梁的上桥端的第一动态称重平台、第一车牌识别相机和第一车辆检测器、设于所述待检测桥梁的下桥端的第二车牌识别相机和第二车辆检测器、及权利要求5～8中任一项所述的装置，所述第一动态称重平台、第一车牌识别相机、第一车辆检测器、第二车牌识别相机和第二车辆检测器均与所述装置连接。

10.如权利要求9所述的***，其特征在于，所述***还包括：设于所述待检测桥梁的下桥端的第二动态称重平台，所述第二动态称重平台与所述装置连接；

和/或，

所述***还包括：警示单元，所述警示单元与所述装置连接。