柯于義 張和牧 刁含樓 王書升 司延召

摘 要：本文基于互聯(lián)網(wǎng)技術(shù)，進(jìn)行高速公路動態(tài)汽車衡稱重異常數(shù)據(jù)檢測及動態(tài)汽車衡修正參數(shù)推薦方法研究。將高速公路動態(tài)汽車衡的稱重數(shù)據(jù)進(jìn)行分析，結(jié)合動態(tài)汽車衡計量與檢定需求，按簽約車輛和非簽約車輛兩類來判定稱重數(shù)據(jù)異常與否，并對所檢測的異常數(shù)據(jù)進(jìn)行標(biāo)記。若異常數(shù)據(jù)數(shù)量達(dá)到設(shè)定閾值，則通過對所標(biāo)記的異常數(shù)據(jù)進(jìn)行數(shù)據(jù)分析，為汽車衡的修正參數(shù)推薦最佳修正值。

關(guān)鍵詞：動態(tài);汽車衡;稱重;數(shù)據(jù);修正參數(shù)

中圖分類號：U492.321 文獻(xiàn)標(biāo)識碼：A

0 引言

研究高速公路動態(tài)汽車衡稱重異常數(shù)據(jù)檢測與修正參數(shù)推薦方法，是積極響應(yīng)國家戰(zhàn)略號召、推動行業(yè)管理和行業(yè)發(fā)展的重要表現(xiàn)，不管是技術(shù)方面還是涉及到行業(yè)技術(shù)規(guī)范的健全與完善，在我國是一個全新的技術(shù)領(lǐng)域。[1-2]發(fā)展我國的動態(tài)汽車衡稱重數(shù)據(jù)自動化、智能化檢測，并基于檢測結(jié)果進(jìn)行修正參數(shù)計算與推薦，不僅為計量行業(yè)起到積極的推動作用，還能實現(xiàn)節(jié)約時間、減少浪費、優(yōu)化資源、保證質(zhì)量等社會綜合效益，從而促進(jìn)計量行業(yè)以及社會經(jīng)濟的發(fā)展。

1 現(xiàn)狀分析

本文以河南省動態(tài)汽車衡管理業(yè)務(wù)為案例進(jìn)行研究。動態(tài)汽車衡是國家強制檢定工作計量器具，是治理超限超載的主要計重設(shè)備，必須經(jīng)過法定計量機構(gòu)檢定合格后才能安裝使用，其準(zhǔn)確度不僅關(guān)系到收費站和司乘人員雙方的經(jīng)濟利益，還關(guān)系到交通執(zhí)法的公平公正，因此，動態(tài)汽車衡的檢定工作就顯得非常重要。

傳統(tǒng)的汽車衡的檢定方法主要存在以下不足：

（1）檢定成本高：檢定人員和車輛必須到現(xiàn)場才能開展檢定。未來隨著高速公路上道勸返和非現(xiàn)場執(zhí)法設(shè)備數(shù)量逐年增加，檢定成本將進(jìn)一步增加。（2）檢定效率低：全國高速公路通車?yán)锍桃呀?jīng)突破14多萬公里，計量技術(shù)機構(gòu)用于檢定動態(tài)汽車衡的車輛，超過50%的工作時間消耗在路途中。（3）人為因素影響大：目前，對動態(tài)汽車衡稱重數(shù)據(jù)的檢測、判定方式，主要是靠人工駕駛檢定方式，受人為因素影響較大。

因此，本文對動態(tài)汽車衡稱重異常數(shù)據(jù)分析方法進(jìn)行研究，以提升動態(tài)汽車衡計量的效率、降低成本。

2 系統(tǒng)架構(gòu)

本系統(tǒng)主要包括數(shù)據(jù)存儲、消息傳輸模塊、消息存儲模塊、算法處理模塊和參數(shù)推薦模塊。系統(tǒng)組成如右圖所示：

其中，數(shù)據(jù)存儲負(fù)責(zé)存儲來自動態(tài)汽車衡的稱重數(shù)據(jù)和算法處理的結(jié)果數(shù)據(jù)等內(nèi)容;消息傳輸模塊負(fù)責(zé)將數(shù)據(jù)庫中的數(shù)據(jù)與算法所需數(shù)據(jù)之間的傳輸;消息存儲模塊負(fù)責(zé)將各模塊間需要交互的消息進(jìn)行存儲;算法處理模塊則是執(zhí)行具體的異常數(shù)據(jù)處理與修正參數(shù)推薦算法，并輸出相應(yīng)的結(jié)果;參數(shù)推薦模塊為檢定人員提供修訂推薦值作為參考。

3 算法實現(xiàn)

3.1 數(shù)據(jù)輸入

消息傳輸模塊獲得動態(tài)汽車衡稱重數(shù)據(jù)，并將數(shù)據(jù)實時寫入消息存儲模塊供算法處理模塊使用。本文采用消息中間件實現(xiàn)消息的實時傳輸，消息傳輸連接地址為tcp：//{ip}：{port}，消息隊列名稱為carInfo，消息處理接口為measuringQueueHandler。消息傳輸格式為Json格式，主要字段包括：汽車衡ID、稱重時間、車牌、車速、整車重量稱量值、軸數(shù)、軸組數(shù)、軸組重量、軸組軸型、軸間距等[3-4]。

3.2 算法處理

算法處理主要由三部分組成：已知稱重標(biāo)準(zhǔn)值的稱重數(shù)據(jù)判斷、未知稱重標(biāo)準(zhǔn)值的稱重數(shù)據(jù)判斷和修正參數(shù)推薦值計算。

已知稱重標(biāo)準(zhǔn)值的稱重數(shù)據(jù)判斷，是通過與事先約定的企業(yè)、約定的車輛，在已知車輛及載重的情況下，利用目標(biāo)車輛通過動態(tài)汽車衡時所產(chǎn)生的稱重數(shù)據(jù)來進(jìn)行的數(shù)據(jù)判斷。其主要流程如下圖所示，通過實際稱重數(shù)據(jù)與已知標(biāo)準(zhǔn)重量按所允許的誤差進(jìn)行比較，若發(fā)現(xiàn)稱重數(shù)據(jù)存在異常，則對該稱重數(shù)據(jù)進(jìn)行標(biāo)記，計算所設(shè)定的閾值并進(jìn)行更新，若閾值大于設(shè)定值則觸發(fā)參數(shù)修正算法流程，否則本次判定流程結(jié)束。

未知稱重標(biāo)準(zhǔn)值的稱重數(shù)據(jù)判斷，是在未知車輛及載重的情況下，對動態(tài)汽車衡所稱重的數(shù)據(jù)，主要采用歷史大量稱重數(shù)據(jù)作為依據(jù)進(jìn)行判定。其主要流程如下圖所示，首先通過當(dāng)前車輛的進(jìn)出口實際稱重數(shù)據(jù)進(jìn)行對比，若兩組數(shù)據(jù)存在明顯異常，則啟動數(shù)據(jù)分析算法判定，對通過該兩組動態(tài)汽車衡的歷史稱重數(shù)據(jù)運用誤差分析、數(shù)據(jù)分析、置信概率計算、同比偏差計算等方法，分析得出兩組稱重數(shù)據(jù)中的異常數(shù)據(jù)，進(jìn)行標(biāo)記并記錄。計算所設(shè)定的閾值，并進(jìn)行更新，若閾值大于設(shè)定值則觸發(fā)參數(shù)修正算法流程，否則本次判定流程結(jié)束。

修正參數(shù)推薦值計算，依據(jù)動態(tài)汽車衡和車型分類進(jìn)行。車型通常包括2軸、3軸、4軸、5軸、6軸及其它共6類汽車衡，而車輛通過動態(tài)汽車衡時，速度區(qū)間通常為0～20km/h。因此，算法對每個動態(tài)汽車衡設(shè)定1個整車修正閾值、6個車型修正閾值及每車型20個速度修正閾值。修正參數(shù)推薦值計算主要分為三個步驟：整車修正參數(shù)A計算、車型修正參數(shù)B計算和速度修正參數(shù)C計算。

（1）分析異常數(shù)據(jù)的車型分布情況，異常數(shù)據(jù)在所有車型上都是呈現(xiàn)同偏差，即各車型的稱重數(shù)據(jù)異常比例均在所設(shè)定的置信概率內(nèi)，則認(rèn)為該動態(tài)汽車衡對于各車型存在同偏差，此時保持B、C不變，修正整車修正參數(shù)性價比最大。再通過計算得出A值，即為整車修正參數(shù)推薦值。

（2）若動態(tài)汽車衡對于各車型不滿足同偏差條件，則針對各車型修正參數(shù)進(jìn)行計算。通過各車型的稱重數(shù)據(jù)異常比例分析，若某類車型修正參數(shù)達(dá)到該車型修正閾值時，則觸發(fā)該類車型修正參數(shù)值的計算，即保持A、C不變，再通過計算出該車型修正參數(shù)B的推薦值。

（3）同理，以上兩個條件均不滿足時，則按速度區(qū)間進(jìn)行閾值判定，若某速度區(qū)間達(dá)到修正條件，則通過公式計算出該車型的該速度區(qū)間的推薦值C。

3.3 算法輸出

本文采用消息中間件實現(xiàn)消息的實時傳輸，消息傳輸連接地址為tcp：//{ip}：{port}，消息隊列名稱為recommendInfo，消息處理接口為recommendQueueHandler。參數(shù)以Json格式傳輸，主要包括：參數(shù)推薦事件ID、汽車衡ID、稱重時間、整體修正參數(shù)、車型修正參數(shù)、2軸速度修正參數(shù)、3軸速度修正參數(shù)、4軸速度修正參數(shù)、5軸速度修正參數(shù)、6軸速度修正參數(shù)等。

3.4 系統(tǒng)應(yīng)用

通過對本文的算法思路進(jìn)行設(shè)與實現(xiàn)，以河南省動態(tài)汽車衡管理業(yè)務(wù)為案例進(jìn)行研究，算法與動態(tài)汽車衡通過硬件網(wǎng)關(guān)、數(shù)據(jù)接收模塊進(jìn)行對接，進(jìn)而實現(xiàn)動態(tài)汽車衡的稱重異常數(shù)據(jù)判定以及修正參數(shù)推薦值的計算。該算法的運行環(huán)境如下：處理器：I7-8700;內(nèi)存：16G;硬盤：512SSD;顯卡：GTX1080TI;操作系統(tǒng)：CentOS7。其它模塊運行環(huán)境：CPU：IntelXeon3106（8核-1.7GHz）處理器;內(nèi)存：配置≥32GB DDR4;硬盤：配置3塊600GB10KrpmSAS2.5硬盤;操作系統(tǒng)：CentOS7。

4 總結(jié)

本文設(shè)計并實現(xiàn)了一種高速公路動態(tài)汽車衡稱重異常數(shù)據(jù)檢測與修正參數(shù)推薦方法，該方法實現(xiàn)了動態(tài)汽車衡計量的信息化、自動化，大幅降低人工成本、降低安全風(fēng)險、減少直接經(jīng)濟成本、減少物資損耗，同時，提高了動態(tài)汽車衡的計量效率、節(jié)約計量時間、優(yōu)化物資資源等。本算法可為動態(tài)汽車衡檢定行業(yè)標(biāo)準(zhǔn)向非現(xiàn)場化、信息化、智能化方向發(fā)展和完善提供參考。

參考文獻(xiàn)：

[1]陳忠良，江益.浙江：首個高速入口稱重勸返系統(tǒng)試運行[J].中國公路，2019，26（16）：23.

[2]季晨暉，高速公路入口車道超高勸返系統(tǒng)[J].中國交通信息化，2019，21（S1）：267-268.

[3]王書升，張勇，劉濤，等.加速度對動態(tài)汽車衡稱重結(jié)果的影響研究[M].計量與測試技術(shù)，2019，46（10）：18-19.

[4]王書升，張勇，劉濤，等.坡度對動態(tài)汽車衡稱重結(jié)果的影響研究[M].計量與測試技術(shù)，2019，46（11）：32-33.