[0001] 本实用新型涉及桥梁工程技术领域，具体地说是一种基于中小跨径混凝土小箱梁的全桥时域车辆跟踪系统。

[0002] 一般的，作为公路交通等基础设施的重要组成部分，桥梁工程的运营状况一直是社会关注的焦点。在国内，存在大量的客运或者货运车辆超重运载现象。超重车辆会导致桥梁实际承受荷载量偏大,而长期的超规范车辆荷载作用会急剧恶化结构材质状况、结构完整性和承载能力，造成结构物疲劳破坏, 耐久性大打折扣，严重时还会引起桥梁倒塌。因此，实时监测通行车辆荷载及其运行轨迹对研究桥梁承载机理及其性能劣化具有重要的指导意义。

[0003] 目前用来获取车辆重量的方法主要有动态称重技术(WIM :Weigh‑in‑motion)以及桥梁动态称重技术(BWIM: Bridge weigh in motion)两种，其中WIM可以准确识别车辆荷载的能力，但安装时需要中断交通且造价较高；而BWIM在同时识别车辆荷载的同时也可以对桥梁结构进行健康监测，性价比较高。但上述两种方法都无法实现对车辆的跟踪，仅能在固定位置获取车辆荷载，具有一定的局限性。实用新型内容

[0004] 本实用新型的技术任务是解决现有技术的不足，提供一种基于中小跨径混凝土小箱梁的全桥时域车辆跟踪系统。

[0005] 本实用新型的技术方案是按以下方式实现的，本实用新型的一种基于中小跨径混凝土小箱梁的全桥时域车辆跟踪系统，该系统结构包括桥面车辆视觉采集模块、桥梁重载识别模块、车辆跟踪计算模块、全桥时域车辆类型行驶轨迹荷载谱模块；

[0006] 桥面车辆视觉采集模块包括在桥梁护栏侧的加固件、在桥梁护栏上固定连接的监控杆、以及在监控杆顶部固定设置的4K相机、在4K相机上配置的自动变焦高清镜头；4K相机分散布置在全段桥梁上；

[0007] 桥梁重载识别模块包括称重传感器、车轴识别传感器、环境监测传感器；

[0008] 桥面车辆视觉采集模块以及桥梁重载识别模块通过数据传输与车辆跟踪计算模块连接；

[0009] 车辆跟踪计算模块与全桥时域车辆类型行驶轨迹荷载谱模块配置连接；

[0010] 监控杆设置为纵立主杆，纵立主杆下段两侧分别固定连接侧位支撑杆，于纵立主杆的底端、侧位支撑杆的底端分别固定连接有固定支座；

[0011] 侧位支撑杆的杆身和纵立主杆之间固定连接有斜拉固定杆；

[0012] 纵立主杆的顶端朝向桥面的一侧固定连接有机位固定杆，机位固定杆向桥面方向延伸探展，机位固定杆的杆身与纵立主杆之间固定连接有斜拉支撑杆；

[0013] 4K相机固定连接在机位固定杆的延伸探展端；

[0014] 桥梁重载识别模块还包括有应变传感器、加速度传感器、以及工控机；

[0015] 称重传感器、车轴识别传感器、环境监测传感器、应变传感器、加速度传感器分散布置在全段桥梁上且配置连接工控机；

[0016] 应变传感器采用纵向应变传感器和横向应变传感器，纵向应变传感器分散固定于桥梁梁底，横向应变传感器分散固定于桥面底面；

[0017] 车辆跟踪计算模块配置有集成于服务器的深度学习算法模块；

[0018] 桥面车辆视觉采集模块的4K相机通过数据传输连接深度学习算法模块；

[0019] 桥梁重载识别模块的工控机通过数据传输连接深度学习算法模块；

[0020] 桥面车辆视觉采集模块、桥梁重载识别模块、车辆跟踪计算模块以及全桥时域车辆类型行驶轨迹荷载谱模块集成构成全桥时域车辆跟踪系统。

[0021] 监控杆的固定支座预埋在桥梁护栏上，或锚固在桥梁护栏上。

[0022] 环境监测传感器采用温湿度传感器。

[0023] 本实用新型与现有技术相比所产生的有益效果是：

[0024] 本实用新型的一种基于中小跨径混凝土小箱梁的全桥时域车辆跟踪系统的优势在于：

[0025] 1. 本实用新型分散布置在全段桥梁上的4K相机以及各个传感器构成视觉技术，视觉技术+传统的BWIM技术，解决了传统BWIM技术难以识别车辆位置信息的痛点，同时通过视觉得到车辆荷载速度有助于BWIM更精准的识别车重，二者相互耦合相互促进，发挥各自的长处；

[0026] 2. 本实用新型可以获取沿线的车辆荷载谱，有助于对旧桥的加固及新桥的修建具有较强的指导意义，便于推进桥梁的精细化设计及运营；

[0027] 3. 本实用新型有助于获取到高精度的数据集，对后续桥梁承载机理以及性能劣化研究具有重要指导意义，同时有助于对桥梁的有限元模型修正进行更深层次的研究。

[0028] 本实用新型的一种基于中小跨径混凝土小箱梁的全桥时域车辆跟踪系统设计合理、结构简单、安全可靠、使用方便、易于维护，具有很好的推广使用价值。

[0045] 下面结合附图对本实用新型的一种基于中小跨径混凝土小箱梁的全桥时域车辆跟踪系统作以下详细说明。

[0046] 如附图所示，本实用新型的一种基于中小跨径混凝土小箱梁的全桥时域车辆跟踪系统，该系统结构包括桥面车辆视觉采集模块1、桥梁重载识别模块2、车辆跟踪计算模块3、全桥时域车辆类型行驶轨迹荷载谱模块4；

[0047] 桥面车辆视觉采集模块1包括在桥梁护栏侧的加固件、在桥梁护栏上固定连接的监控杆、以及在监控杆顶部固定设置的4K相机、在4K相机上配置的自动变焦高清镜头；4K相机分散布置在全段桥梁上；

[0048] 桥梁重载识别模块2包括称重传感器、车轴识别传感器、环境监测传感器；

[0049] 桥面车辆视觉采集模块1以及桥梁重载识别模块2通过数据传输与车辆跟踪计算模块3连接；

[0050] 车辆跟踪计算模块3与全桥时域车辆类型行驶轨迹荷载谱模块4配置连接；

[0051] 监控杆5设置为纵立主杆11，纵立主杆11下段两侧分别固定连接侧位支撑杆12，于纵立主杆11的底端、侧位支撑杆12的底端分别固定连接有固定支座13；

[0052] 侧位支撑杆12的杆身和纵立主杆11之间固定连接有斜拉固定杆14；

[0053] 纵立主杆11的顶端朝向桥面的一侧固定连接有机位固定杆15，机位固定杆15向桥面方向延伸探展，机位固定杆15的杆身与纵立主杆11之间固定连接有斜拉支撑杆16；

[0054] 4K相机6固定连接在机位固定杆15的延伸探展端；

[0055] 桥梁重载识别模块2还包括有应变传感器17、加速度传感器18、以及工控机19；

[0056] 称重传感器、车轴识别传感器、环境监测传感器、应变传感器、加速度传感器分散布置在全段桥梁上且配置连接工控机19；

[0057] 应变传感器采用纵向应变传感器20和横向应变传感器21，纵向应变传感器20分散固定于桥梁梁底，横向应变传感器21分散固定于桥面底面；

[0058] 车辆跟踪计算模块3配置有集成于服务器的深度学习算法模块22；

[0059] 桥面车辆视觉采集模块的4K相机6通过数据传输连接深度学习算法模块；

[0060] 桥梁重载识别模块的工控机19通过数据传输连接深度学习算法模块；

[0061] 深度学习算法模块22配置车辆目标检测算法、车辆跟踪优化算法、以及车中匹配算法；

[0062] 全桥时域车辆类型行驶轨迹荷载谱模块4监控和预测全桥时域车辆类型和行驶轨迹，并对桥梁沿线车辆荷载谱分布进行监测和分析；

[0063] 桥面车辆视觉采集模块1、桥梁重载识别模块2、车辆跟踪计算模块3以及全桥时域车辆类型行驶轨迹荷载谱模块4集成组网构成全桥时域车辆跟踪系统23。

[0064] 监控杆的固定支座预埋在桥梁护栏上，或锚固在桥梁护栏上。

[0065] 环境监测传感器采用温湿度传感器。

[0066] 工控机19配置连接有16通道采集仪、4G工业路由器，配置数字传输网管（485型）进行数据传输。

[0067] 加速度传感器采用磁感式加速度计。

[0068] 本实用新型的结合计算机计算能力，实现计算机视觉处理，将传统的BWIM系统与计算机视觉技术相结合，实现高精度的全桥时域车辆跟踪，获得高质量的数据，便于后续桥梁承载机理及性能劣化机理研究。同时此系统还可实现桥上车流量数量的统计，获取桥梁线路上的车辆荷载谱。

[0069] 本实用新型主要贡献分为三大部分：

[0070] 一是桥面车辆视觉采集模块。要求在中小跨径混凝土桥梁的护栏侧加装监控杆，以放置监控摄像头获取高质量的视频数据；

[0071] 二是桥梁重载识别模块，主要是在桥下安装应变传感器、加速度传感器等以及工控机等，获取桥梁的动力特性，以及桥面车辆荷载的重量。

[0072] 三是采用基于深度学习的算法对视觉数据对桥面车辆进行检测与分类，并制定跟踪策略，对不同帧之间的车辆ID进行匹配，从而获取视野范围内的车辆荷载行驶轨迹及其重量信息，实现全桥时域车辆全轨迹跟踪。