一种基于EM算法的大数据称重精准度稽核方法与流程

本发明涉及道路数据分析，尤其涉及一种基于em算法的大数据称重精准度稽核方法。

背景技术：

1、随着物流、制造业、零售业等行业的不断发展，物品的精确称重变得至关重要，准确的称重数据不仅可以提高生产效率，还可以确保产品质量，减少资源浪费，降低运营成本，在这个背景下，大数据称重精准度稽核成为了一项关键技术，它结合了大数据分析和精准度评估方法，以确保称重过程的准确性和可追溯性，大数据技术在称重精准度稽核中的应用已经取得了显著进展，首先，传感器技术得到了极大的改进，现代传感器可以实时捕捉物体的重量，并将数据传输到集中式数据库中，这些传感器不仅可以测量静态物体的重量，还可以跟踪动态物体的重量变化，例如在生产线上移动的产品，然而目前在道路上对于车辆称重稽查仍然存在着一些缺陷，例如没有详细考虑到车辆本身状态所导致的称重不精准，进而导致异常称重站点筛选的精准度较低。

技术实现思路

1、基于此，有必要提供一种基于em算法的大数据称重精准度稽核方法，以解决至少一个上述技术问题。

2、为实现上述目的，基于em算法的大数据称重精准度稽核方法，所述方法包括以下步骤：

3、步骤s1：获取测重站点综合数据，其中测重站点数据包括停车过车称重数据、不停车过车称重数据、治超站点基础数据和车辆定位信息数据；利用时间窗口对测重站点综合数据进行数据标准化，从而生成测重站点标准数据；

4、步骤s2：根据测重站点综合数据确定车辆行驶时间戳；根据车辆行驶时间戳和测重站点综合数据进行车辆行驶路线构建，生成车辆行驶路径数据；利用3d模拟技术对车辆行驶路径数据进行出行段分割，从而生成车辆出行段数据；

5、步骤s3：对车辆出行段数据进行数据关联，得到治超站点访问数据；对治超站点访问数据进行治超站点路径偏移分析，从而得到路径偏移系数；将路径偏移系数与预设的标准偏移系数进行对比，生成正常出行行为数据和异常出行行为数据；

6、步骤s4：将正常出行行为数据和异常出行行为数据进行数据整合，得到车辆出行行为数据；根据摄像头获取车辆拍照信息数据；利用车辆拍照信息数据对车辆出行行为数据进行站点对比，从而得到有效出行记录；

7、步骤s5：利用有效出行记录对正常出行行为数据和异常出行行为数据进行图像采集，得到车辆过站图像；对车辆过站图像进行水平方向位置分析，生成车辆图像平衡度数据；对车辆过站图像进行像素密度分析，生成车辆像素密度数据；对车辆图像平衡度数据和车辆像素密度数据进行称重影响评估，从而得到车辆过站平衡系数；

8、步骤s6：基于虚拟现实场景技术对对停车过车称重数据和不停车过车称重数据进行场景构建，生成停车称重场景和不停车称重场景；当车辆处于停车称重场景时，利用加速度传感器对车辆进行车辆抖动分析，得到停车称重抖动频率数据；当车辆处于不停车称重场景时，利用速度传感器对车辆进行负载影响分析，得到车辆瞬时负载影响数据；

9、步骤s7：基于神经网络模型对停车称重抖动频率数据、车辆瞬时负载影响数据和车辆过站平衡系数进行站点异常称重预测，生成异常站点预测数据；利用em算法对异常站点预测数据进行迭代计算，从而生成异常站点结果数据。

10、本发明通过标准化处理可以确保测重站点数据在格式和单位上一致，减少误差和不确定性，这有助于提高数据的准确性和可信度，标准化处理后的数据可供不同测重站点之间进行比较和分析，例如，可以对停车过车称重数据和不停车过车称重数据进行对比，找出异常情况或差异点，标准数据易于可视化和报告，可以通过图表、图像和报告等形式呈现，这有助于决策者和相关人员更好地理解和利用测重站点的数据；将车辆行驶路径数据细分为不同的出行段，可以更好地理解车辆的出行行为，包括起点、终点、行程距离、行程时间等，这有助于分析车辆的行驶模式、常用路径、频繁出行区域等，通过分析车辆出行段的数据，可以得到不同路段和时间段的交通流量信息，这有助于交通规划师和城市管理者更好地了解交通拥堵情况，优化交通流量管理和道路规划，通过分析车辆出行段的数据，可以研究不同出行模式的分布和特征，例如，可以分析通勤行程、商务出行、旅行等类型的出行段，以了解出行模式的变化和需求，通过分析车辆出行段数据，可以评估驾驶行为，如平均速度、加速度、拐弯半径等，这有助于提高交通安全、研究驾驶行为的影响因素，并支持智能交通系统的发展；通过数据关联步骤，可以得到车辆在治超站点的访问数据，包括经过站点的时间、位置等信息，这对于治超站点的管理和监测具有重要意义，通过路径偏移计算，可以利用车辆的轨迹数据来评估车辆是否存在超载行为，路径偏移系数提供了一种客观的指标，可以快速判断车辆的运输情况，通过将路径偏移系数与预设标准进行对比，可以准确地识别出异常的出行行为，即存在超载的情况，这有助于及时发现和处理非法或危险的运输活动，通过生成正常出行行为数据和异常出行行为数据，可以进行进一步的数据分析和统计，了解超载情况的分布和趋势；利用摄像头等设备获取车辆的拍照信息数据，可以获得车辆在不同站点的图片数据，这些图片数据可以提供额外的证据和信息来验证车辆的实际行驶情况，将车辆拍照信息数据与车辆出行行为数据进行站点对比，即比对车辆经过的实际站点和记录的出行行为，这可以确保出行记录的准确性和可信度，并帮助排除误判或异常事件，将车辆拍照信息数据与车辆出行行为数据进行站点对比，即比对车辆经过的实际站点和记录的出行行为。这可以确保出行记录的准确性和可信度，并帮助排除误判或异常事件；对车辆过站图像进行水平方向位置分析，可以评估车辆在水平方向上的平衡度，这有助于判断车辆是否在通过站点时保持平衡，以及是否存在倾斜、侧倾等问题，对车辆过站图像进行像素密度分析，可以评估车辆图像中像素点的分布密度，通过分析像素密度，可以推测车辆的装载情况、密度是否均匀等信息，通过车辆平衡偏移公式可以量化车辆的平衡情况，辅助判断车辆是否符合平衡要求，通过对车辆图像平衡度数据和车辆像素密度数据进行评估和称重影响评估，可以得到车辆过站平衡系数，该系数可以用来衡量车辆在过站过程中的平衡情况，提供客观的指标来评估车辆的稳定性和安全性；基于虚拟现实场景技术进行场景构建，并利用传感器对车辆抖动和负载影响进行分析，能够提供更全面的车辆称重数据，有助于评估车辆称重的准确性和稳定性；通过神经网络模型和em算法的结合，可以提高异常站点称重预测的准确性和稳定性。神经网络模型能够学习和捕捉输入数据之间的复杂关系，提供更精确的预测结果，em算法则能够通过迭代计算，充分利用预测数据和参数估计，得到对异常站点的更准确的估计结果，有助于及时发现和解决称重过程中可能存在的问题，提高称重的可靠性和成效。因此，本发明通过对站点数据进行车辆路径分析以及车辆状态分析，减少站点称重异常的发生概率，提高了异常站点的筛选精准度。

技术特征：

1.一种基于em算法的大数据称重精准度稽核方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的基于em算法的大数据称重精准度稽核方法，其特征在于，步骤s1包括以下步骤：

3.根据权利要求1所述的基于em算法的大数据称重精准度稽核方法，其特征在于，步骤s2包括以下步骤：

4.根据权利要求1所述的基于em算法的大数据称重精准度稽核方法，其特征在于，步骤s3包括以下步骤：

5.根据权利要求1所述的基于em算法的大数据称重精准度稽核方法，其特征在于，步骤s4包括以下步骤：

6.根据权利要求1所述的基于em算法的大数据称重精准度稽核方法，其特征在于，步骤s5包括以下步骤：

7.根据权利要求1所述的基于em算法的大数据称重精准度稽核方法，其特征在于，步骤s6包括以下步骤：

8.根据权利要求1所述的基于em算法的大数据称重精准度稽核方法，其特征在于，步骤s7包括以下步骤：

技术总结本发明涉及道路数据分析技术领域，尤其涉及一种基于EM算法的大数据称重精准度稽核方法。所述方法包括以下步骤：获取测重站点综合数据，其中测重站点数据包括停车过车称重数据、不停车过车称重数据、治超站点基础数据和车辆定位信息数据；利用时间窗口对测重站点综合数据进行数据标准化，从而生成测重站点标准数据；根据测重站点综合数据确定车辆行驶时间戳；根据车辆行驶时间戳和测重站点综合数据进行车辆行驶路线构建，生成车辆行驶路径数据；利用3D模拟技术对车辆行驶路径数据进行出行段分割，从而生成车辆出行段数据；本发明通过对站点数据进行车辆路径分析以及车辆状态分析，减少站点称重异常的发生概率，提高了异常站点的筛选精准度。技术研发人员：戴剑军,陈贤谋,姚崇富,邓露,李苗华,孔烜,姚千成受保护的技术使用者：湖南省交通科学研究院有限公司技术研发日：技术公布日：2024/5/27