原文传递
基于深度学习的货车载重实时估计方法研究
| 题名： | 基于深度学习的货车载重实时估计方法研究 |
| 作者： | 韩春阳;宿旸;裴欣;岳云;韩煦;田珊;张毅 |
| 作者单位： | 清华大学自动化系;清华大学北京信息科学与技术研究中心 |
| 关键词： | 交通工程;载重动态估计;LSTM模型;车辆运行数据;货车安全;超载管理 |
| 摘要： | 为了解决现有货车称重技术在实时性、可靠性、便捷性、扩展性和精确性等方面的问题，提出一种基于人工智能方法的货车载重实时估计技术框架，包括网联车载传感设备与数据采集模块、网联云平台与数据处理模块和基于车辆动力学的AI估重算法模块，运用车辆动力学原理，借助人工智能理论方法，通过感知车辆行驶时的运动参数特征，实现对车辆载重的实时测算。通过自主设计研发的物联网车载传感设备和云平台，实现对多车行驶运动特征信息的动态采集和集成处理，进一步对车辆加速度特征进行提取，构建基于双向长短时记忆网络(LSTM)的车辆质量估计模型，通过学习车辆运动特征与车重之间的非线性关系，在实时估计的基础上实现对货车质量的精确测量。研究结果表明：在车辆自估重测试中，基于车辆历史数据训练的LSTM模型，在每分钟逐点估计时，80%以上样本点的平均相对误差为3.58%，按照行程估计的误差为3.15%；在车辆间交叉估重测试中，采用其他#辆历史数据所训练的模型进行逐点估计的平均相对误差为5.29%，行程估计的误差为3.42%；相比于现有技术，所提出的技术框架在测算自动化、精准化，设备便捷化、普适化以及面向监管的实时性、覆盖性方面均有显著优势，在物流调度、货物监管、安全运输、能耗监测等方面有广阔的应用前景。 |
| 期刊名称： | 中国公路学报 |
| 出版日期： | 202203 |
| 出版年： | 2022 |
| 期： | 03 |
| 页码： | 295-306 |
检索历史
应用推荐
