模型训练和公路轴载确定方法、装置、设备及介质与流程

1.本公开涉及交通技术领域，尤其涉及一种模型训练和公路轴载确定方法、装置、设备及介质。


背景技术：

2.车辆轴载可以对道路表面及内部造成压损影响，公路养护管理与运营组织中，轴载情况是其决策分析的重要依据，用于衡量路段重载交通的服务质量状况、性能衰减速率和时空分布特征。
3.随着汽车制造技术发展，当前汽车最大允许轴荷限值和最大允许总质量限值都有所提高，重载运输单元结构更为复杂。货车车型、轴型和轮型日趋多样化，使得车辆荷载指标的统计、计算和分析变得更有难度，而对于大部分普通公路，往往只有少量点位布置有治超站、非现场执法站和轴载调查站，数据支撑条件较为薄弱。


技术实现要素：

4.本公开提供了一种模型训练和公路轴载确定方法、装置、设备及介质。
5.根据本公开的一方面，提供了一种模型训练方法，包括：
6.基于多个路段中每个路段的轴载统计信息确定每个路段的轴载谱以及每个路段对应的当量轴次信息；
7.将每个路段的轴载谱以及每个路段对应的当量轴次信息作为每个路段的车流量信息对应的标注信息；
8.基于每个路段的车流量信息以及对应的标注信息，训练得到公路轴载预测模型。
9.根据本公开的另一方面，提供了一种公路轴载确定方法，包括：
10.基于公路轴载预测模型对目标路段的车流量信息进行处理，确定目标路段的轴载谱以及目标路段对应的当量轴次信息。
11.根据本公开的另一方面，提供了一种模型训练装置，包括：
12.第一确定模块，基于多个路段中每个路段的轴载统计信息确定每个路段的轴载谱以及每个路段对应的当量轴次信息；
13.第二确定模块，用于将每个路段的轴载谱以及每个路段对应的当量轴次信息作为每个路段的车流量信息对应的标注信息；
14.训练模块，用于基于每个路段的车流量信息以及对应的标注信息，训练得到公路轴载预测模型。
15.根据本公开的另一方面，提供了一种公路轴载确定装置，包括：
16.处理模块，用于基于公路轴载预测模型对目标路段的车流量信息进行处理，确定所述目标路段的轴载谱以及所述目标路段对应的当量轴次信息。
17.根据本公开的另一方面，提供了一种电子设备，包括：
18.至少一个处理器；以及
19.与该至少一个处理器通信连接的存储器；其中，
20.该存储器存储有可被该至少一个处理器执行的指令，该指令被该至少一个处理器执行，以使该至少一个处理器能够执行本公开任一实施例中的方法。
21.根据本公开的另一方面，提供了一种存储有计算机指令的非瞬时计算机可读存储介质，该计算机指令用于使计算机执行本公开任一实施例中的方法。
22.根据本公开的技术，可以训练得到仅依据目标路段的车流量信息预测目标路段的轴载谱以及对应的当量轴次信息的公路轴载预测模型，可以在路段缺乏轴重数据条件的情况下，根据公路轴载预测模型估算公路轴载，进而满足设计与养护精细化管理的需要。
23.应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
附图说明
24.附图用于更好地理解本方案，不构成对本公开的限定。其中：
25.图1是根据本公开一实施例的模型训练方法的流程示意图一；
26.图2是根据本公开一实施例的模型训练方法的流程示意图二；
27.图3是根据本公开一实施例的模型训练方法的流程示意图三；
28.图4是根据本公开一实施例的公路轴载确定方法的流程示意图一；
29.图5是根据本公开一实施例的模型训练装置的示意图；
30.图6是根据本公开一实施例的公路轴载确定装置的示意图；
31.图7是是用来实现本公开实施例的模型训练方法或公路轴载确定方法的电子设备的框图。
具体实施方式
32.以下结合附图对本公开的示范性实施例做出说明，其中包括本公开实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本公开的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。
33.图1是根据本公开一实施例的模型训练方法的流程示意图，包括：
34.s110，基于多个路段中每个路段的轴载统计信息确定每个路段的轴载谱以及每个路段对应的当量轴次信息；
35.s120，将每个路段的轴载谱以及每个路段对应的当量轴次信息作为每个路段的车流量信息对应的标注信息；
36.s130，基于每个路段的车流量信息以及对应的标注信息，训练得到公路轴载预测模型。
37.示例性地，公路轴载是指因车辆轴荷负担对路段表面及内部造成的压损影响，主要量化指标包括轴载谱和当量轴次，其中，当量轴次可以指按弯沉等效或拉应力等效的原则对不同车型、不同轴载作用次数进行换算得到的与标准轴载相当的轴载作用次数，表示单轴轴荷与标准轴荷(100kn)等效的压力次数。轴载谱定义为“各级轴载所占的比例，即根据实测的通过轴载次数和相应的轴重所在区间构成的直方图，称为路段的轴载谱”，表示不
同类型车辆的不同轴型在不同轴重区间所占的百分比，即不同轴型的轴重分布系数。
38.基于实际调查统计流程的轴载谱计算如公式(1)所示:
39.aldf
mij
＝nd
mij
/na
mi
ꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(1)
40.其中，m为车型索引变量，用于表示根据单轴、双联轴和三联轴等不同轴型组合的各类车辆；i为轴型索引变量，用于表示单轴、双联轴或三联轴等轴型；j为轴重区间索引变量，用于表示轴重所在区间，具体地，单轴、双联轴和三联轴可以分别间隔2.5kn、4.5kn、9.0kn和13.5kn划分区间；aldf
mij
表示路段断面统计中，第m类车辆中第i种轴型在第j级轴重区间的轴重分布系数；nd
mij
表示路段断面统计中，第m类车辆中第i种轴型在第j级轴重区间的作用次数；na
mi
表示路段断面统计中，第m类车辆中第i种轴型的总作用次数。
41.在步骤s110中，每个路段对应的当量轴次信息包括每个路段中多种车辆中每种车辆的当量轴次，确定每种车辆的当量轴次的方式具体分为以下两步：
42.1)计算不同轴型的目标种类车辆在不同轴重区间的当量轴次，具体如公式(2)所示：
43.ealf
mij
＝c1c2(p
mij
/ps)bꢀꢀꢀꢀꢀꢀ
(2)
44.其中，ealf
mij
即表示断面统计中第m类车辆中第i种轴型在第j级轴重区间的当量轴次，第c1、c2分别为轴组系数和轮组系数，ps为路面设计轴载，b为换算指数，c1、c2、ps以及b都是可以根据相关设计规范确定的，p
mij
为断面统计中第m类车辆第i种轴型在第j级轴重区间的单轴轴载。
45.2)基于不同轴型的目标种类车辆在不同轴重区间的当量轴次，计算汇总目标种类车辆的当量轴次，具体如公式(3)所示：
46.ealfm＝∑{napt
mi
∑(ealf
mij
·
aldf
mij
)}
ꢀꢀꢀ
(3)
47.其中，napt
mi
为第m类车辆中第i种轴型的平均作用次数，对于2轴车而言，其平均作用次数为2，ealfm为断面统计中第m类车辆的当量轴次。
48.基于上述轴载谱和每种车辆的当量轴次的确定方式，可以理解的是，若要获得步骤s120中每个路段的车流量信息对应的标注信息(每个路段的轴载谱以及每个路段中每种车辆的当量轴次)，还需要获得nd
mij
(第m类车辆中第i种轴型在第j级轴重区间的作用次数)、na
mi
(第m类车辆中第i种轴型的总作用次数)以及p
mij
(第m类车辆第i种轴型在第j级轴重区间的单轴轴载)。
49.示例性地，通过上述步骤s120，可以基于多个路段的相关信息得到与多个路段一一对应的多个样本数据对，每个样本数据对包括对应的路段的车流量信息、轴载谱以及当量轴次信息；其中，车流量信息用于输入预设模型，轴载谱与当量轴次信息用于作为标注信息，以与预设模型的输出信息进行比对，调整预设模型的参数。如此，在上述步骤s130中，可以基于多个样本数据对，对预设模型进行多次参数调整，得到公路轴载预测模型，该模型可以基于车流量信息预测对应的轴载谱和当量轴次信息。
50.在一种实施方式中，如图2所示，上述模型训练方法还包括：
51.s210，采用在每个路段上设置的轴载信息统计装置获取每个路段中每个车辆的轴重信息、轴型信息和种类信息；
52.s220，基于轴重信息、轴型信息和种类信息得到每个路段的轴载统计信息。
53.可以理解的是，在每个路段上设置的轴载信息统计装置获取了单车级别的轴重信
息、轴型信息和种类信息，轴重信息包括对应车辆的每个轴的轴重，基于单车级别的轴重信息、轴型信息和种类信息，使用上述公式(1)、(2)和(3)，即可获得步骤s120中每个路段的轴载谱以及每个路段对应的当量轴次信息。
54.具体地，轴载信息统计装置可以包括称重传感器、车牌识别及抓拍设备以及视频监控设备等。其中，称重传感器用于获取车辆的单轴轴重，车牌识别及抓拍设备可以获取车道代码、检测时间、号牌号码、号牌颜色、号牌位置、号牌图像等内容，可以根据车牌信息(如号牌号码、号牌颜色)初步确定车辆类型，而后综合视频监控设备确定车辆的具体轴型和种类信息。
55.进一步地，在步骤s220中，可以对获得的单车级别的轴重信息、轴型信息和种类信息进行预处理，去除掉明显异常的数据，以提高用于训练模型的样本信息的质量，例如称重传感器获取的车辆单轴轴重明显不符合车牌识别及抓拍设备以及视频监控设备所确定的当前轴型和种类车辆的常规轴重区间的数据，又例如称重传感器记录的目标车辆的轴重数据量不符合车牌识别及抓拍设备以及视频监控设备所确定车辆轴型信息(如称重传感器对应某两轴车记录了两个以上轴重信息)，。
56.示例性地，在上述步骤s120中，每个路段的车流量信息包括每个路段中每种车的数量信息，如图3所示，上述步骤s130具体包括：
57.s311，将多个路段中的第i个路段的车流量信息输入预设模型，得到预设模型输出的轴载谱以及对应的当量轴次信息；其中，i为大于或等于1的整数；
58.s312，根据预设模型输出的轴载谱以及对应的当量轴次信息以及第i个路段的车流量信息所对应的标注信息，调整预设模型的参数；
59.s313，在符合预设的收敛条件的情况下，将预设模型作为公路轴载预测模型。
60.示例性地，预设模型可以是基于深度学习网络架构设计的模型。例如，预设模型可以包括卷积网络以及解码器。其中，卷积网络用于提取输入模型的车流量信息的特征信息，解码器用于对特征信息进行解码，得到预测的轴载谱和当量轴次信息。
61.可以理解的是，多个路段中的每个路段作为公路轴载预测模型的样本路段，通过将多个路段中的第i个路段的车流量信息输入预设模型，使得预测模型预测输出第i个路段对应的轴载谱以及当量轴次信息，并以根据每个路段的轴载统计信息以及上述公式(1)-(3)实际获得的第i个路段的真实情况的轴载谱以及对应的当量轴次信息作为标注信息，根据预测信息相比于标注信息的损失，调整预设模型的参数。
62.示例性地，预设的收敛条件可以为预测信息与标注信息之间的差异小于预设阈值，其中，该差异可以采用损失函数表征。预设的收敛条件也可以为参数调整的次数达到预设阈值，例如每次从多个样本数据对中随机选取一个样本数据对进行上述模型参数的调整过程，在采样次数达到预设阈值的情况下确定满足收敛条件。可以理解，收敛条件还可以根据实际应用场景灵活设计为其他条件，本技术不对此进行限制。
63.可以看到，在上述方法中，可以采用大量的样本路段数据输入预测模型，并重复上述调整预设模型参数的过程，若符合预设的收敛条件，即可认为经训练的预设模型具备了一定程度的预测公路轴载的能力，将符合预设的收敛条件下的预设模型作为公路轴载预测模型。
64.采用上述实施例的方法，将具备轴载统计能力的路段作为样本路段，获取样本路
段的轴载谱以及对应的当量轴次信息，通过将样本路段的轴载谱以及对应的当量轴次信息作为其车流量信息对应的标注信息，经过大量样本路段的输入训练，可以得到只需获得路段的车流量信息，即可预测公路轴载情况的公路轴载预测模型。
65.在另一种实施方式中，本技术还提供一种公路轴载确定方法，图4是根据本公开一实施例的公路轴载确定方法的流程示意图，包括：
66.s410，基于公路轴载预测模型对目标路段的车流量信息进行处理，确定目标路段的轴载谱以及目标路段对应的当量轴次信息。
67.其中，公路轴载预测模型是上述实施例的模型训练方法得到的。
68.示例性地，目标路段为缺乏轴重数据条件，仅能获取车流量信息的路段，采用上述训练好的公路轴载预测模型对目标路段的车流量信息进行处理，可以对目标路段的轴载谱以及对应的当量轴次信息进行预测。
69.采用上述实施例的方法，可以在路段缺乏轴重数据条件的情况下，根据公路轴载预测模型估算公路轴载，进而满足设计与养护精细化管理的需要。
70.以上从不同角度描述了本技术实施例的具体设置和实现方式。利用上述实施例提供的方法，以可获取轴载统计信息的路段作为样本路段，训练得到可以仅依据目标路段的车流量信息预测目标路段的轴载谱以及对应的当量轴次信息的公路轴载预测模型，可以在路段缺乏轴重数据条件的情况下，根据公路轴载预测模型估算公路轴载，进而满足设计与养护精细化管理的需要。
71.作为上述各方法的实现，本公开实施例还提供了一种模型训练装置和一种公路轴载确定装置。
72.图5是根据本公开一实施例的模型训练装置的示意图，该装置包括：
73.第一确定模块510，基于多个路段中每个路段的轴载统计信息确定每个路段的轴载谱以及每个路段对应的当量轴次信息；
74.第二确定模块520，用于将每个路段的轴载谱以及每个路段对应的当量轴次信息作为每个路段的车流量信息对应的标注信息；
75.训练模块530，用于基于每个路段的车流量信息以及对应的标注信息，训练得到公路轴载预测模型。
76.在一种实施方式中，上述装置还包括：
77.第一获取模块，用于采用在每个路段上设置的轴载信息统计装置获取每个路段中每个车辆的轴重信息、轴型信息和种类信息；
78.第二获取模块，用于基于轴重信息、轴型信息和种类信息得到每个路段的轴载统计信息。
79.其中，训练模块530具体包括：
80.输入单元，用于将多个路段中的第i个路段的车流量信息输入预设模型，得到预设模型输出的轴载谱以及对应的当量轴次信息；其中，i为大于或等于1的整数；
81.调参单元，用于根据预设模型输出的轴载谱以及对应的当量轴次信息以及第i个路段的车流量信息所对应的标注信息，调整预设模型的参数；
82.模型获取单元，用于在符合预设的收敛条件的情况下，将预设模型作为公路轴载预测模型。
83.示例性地，每个路段对应的当量轴次信息包括每个路段中多种车辆中每种车辆的当量轴次。
84.图6是根据本公开一实施例的公路轴载确定装置的示意图，该装置包括：
85.处理模块610，用于基于公路轴载预测模型对目标路段的车流量信息进行处理，确定目标路段的轴载谱以及目标路段对应的当量轴次信息。
86.示例性地，公路轴载预测模型是基于上述模型训练装置训练得到的。
87.本公开实施例各装置中的各单元、模块或子模块的功能可以参见上述方法实施例中的对应描述，具备相应的有益效果，在此不再赘述
88.本公开的技术方案中，所涉及的用户个人信息的获取，存储和应用等，均符合相关法律法规的规定，且不违背公序良俗。
89.根据本公开的实施例，本公开还提供了一种电子设备、一种可读存储介质。
90.图7示出了可以用来实施本公开的实施例的示例电子设备700的示意性框图。电子设备旨在表示各种形式的数字计算机，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本公开的实现。
91.如图7所示，设备700包括计算单元701，其可以根据存储在只读存储器(rom)702中的计算机程序或者从存储单元708加载到随机访问存储器(ram)703中的计算机程序，来执行各种适当的动作和处理。在ram 703中，还可存储设备700操作所需的各种程序和数据。计算单元701、rom 702以及ram 703通过总线704彼此相连。输入/输出(i/o)接口705也连接至总线704。
92.设备700中的多个部件连接至i/o接口705，包括：输入单元706，例如键盘、鼠标等；输出单元707，例如各种类型的显示器、扬声器等；存储单元708，例如磁盘、光盘等；以及通信单元709，例如网卡、调制解调器、无线通信收发机等。通信单元709允许设备700通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
93.计算单元701可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元701的一些示例包括但不限于中央处理单元(cpu)、图形处理单元(gpu)、各种专用的人工智能(ai)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(dsp)、以及任何适当的处理器、控制器、微控制器等。计算单元701执行上文所描述的各个方法和处理。例如，在一些实施例中，上文所描述的各个方法可被实现为计算机软件程序，其被有形地包含于机器可读介质，例如存储单元708。在一些实施例中，计算机程序的部分或者全部可以经由rom 702和/或通信单元709而被载入和/或安装到设备700上。当计算机程序加载到ram 703并由计算单元701执行时，可以执行上文描述的方法的一个或多个步骤。备选地，在其他实施例中，计算单元701可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行上文描述的方法。
94.本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(fpga)、专用集成电路(asic)、专用标准产品(assp)、芯片上系统的系统(soc)、复杂可编程逻辑设备(cpld)、计算机硬件、固件、软件、和/或它们的组合中实
现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
95.用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器，使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行，作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
96.在本公开的上下文中，机器可读介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(ram)、只读存储器(rom)、可擦除可编程只读存储器(eprom或快闪存储器)、光纤、便捷式紧凑盘只读存储器(cd-rom)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
97.为了提供与用户的交互，可以在计算机上实施此处描述的系统和技术，该计算机具有：用于向用户显示信息的显示装置(例如，crt(阴极射线管)或者lcd(液晶显示器)监视器)；以及键盘和指向装置(例如，鼠标或者轨迹球)，用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈、或者触觉反馈)；并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
98.可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如，作为数据服务器)、或者包括中间件部件的计算系统(例如，应用服务器)、或者包括前端部件的计算系统(例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如，通信网络)来将系统的部件相互连接。通信网络的示例包括：局域网(lan)、广域网(wan)和互联网。
99.计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器，也可以为分布式系统的服务器，或者是结合了区块链的服务器。
100.应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本发公开中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本公开公开的技术方案所期望的结果，本文在此不进行限制。
101.上述具体实施方式，并不构成对本公开保护范围的限制。本领域技术人员应该明
白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本公开的精神和原则之内所作的修改、等同替换和改进等，均应包含在本公开保护范围之内。