一种公路治超执法系统及方法与流程

1.本发明涉及公路治超技术领域，具体涉及一种公路治超执法系统及方法。


背景技术：

2.一直以来，超限超载车辆是公路运输的“第一杀手”，随着物流成本的增高和行业竞争的加剧，运输企业单趟运输利润不断降低，从而导致货车超载超限现象日益突出，也带来了严峻的道路安全问题。数据统计显示，当前我国70%的道路交通安全事故由车辆超载超限引发，50%的群死群伤重特大道路交通事故与超载超限运输有直接关系，不仅严重破坏公路基础设施，还会经常引发交通事故，严重威胁人民群众的生命和财产安全。治超初始阶段，使用路政人员进行阻拦车辆、并督促其进行称重的手段，存在检测效率低，花费资源多，治超人员人身安全受到潜在危险以及负面影响等问题，自2006年，我国陆续推行并实施计重收费模式，开始通过经济和行政相结合的方式进行治超，这种模式对比与初期运用的手段更为科学化，保障了治超人员的安全。但两种方式都会导致公路车辆正常行驶效率低或者公路堵塞等情况，这在一定程度上侵犯了依法行驶车辆的权利。目前推广的非现场治超执法模式，是指在货物运输主要通道、重要桥梁入口、货运源头出口等路段和节点，设置货车超限超重运输动态检测技术监控设备，自动检测、拍摄和记录通行车辆号牌、轴数、车货总质量和超限量、超限率、检测时间、检测地点等信息，并根据采集的信息对车辆进行是否超限超重判断，通过科学技术收集证据，经人员审核确认后，事后依法对违法行为当事人作出行政处理的执法方式。对比传统的治超措施，非现场治超执法模式明显具有科学性、公正性、高效率及规范性等特征，然而都也存在一定的局限性，具体如下：1、称重误差大；由于是在车辆行驶过程中进行动态测量，称重传感器的端服务器采用单一正常工况下的算法进行测量计算，在遇到车辆不同工况（绕s，刹车，跳磅，溜边，走走停停，压边线等等）行驶时，使得测量结果误差大，系统稳定性差。
3.2、运维成本高；随着监测点的逐渐增多，大量数据通过现场传输到云端的云服务器，导致数据流量、服务器存储、网络带宽都需要不断扩容，将会导致运营成本激增。
4.3、执法不及时；由于是事后进行执法处理，车辆超限可继续在道路上行驶，使得其对道路和其他车辆人员存在安全风险，对于严重超限车辆路面执法人员不能及时参与制止，达不到及时教育，立即整改纠正的效果。
5.4、告知不及时；对于超限设备记录的违法信息，甚至所处的违法状态，驾驶员或许不能及时察觉，没有地方可以详细查看通过现场超限设备测量的详细数据和违法状态以及对应的历史记录。当事人因未接到及时通知，没有意识到违法状态的发生，导致持续性、连续性的违法，更容易引起驾驶员的负面情绪，给整个执法过程带来不良影响。


技术实现要素：

6.针对现有技术中的上述不足，本发明提供了一种公路治超执法系统及方法。
7.为了达到上述发明目的，本发明采用的技术方案为：
一种公路治超执法系统，包括物端层、边端层、云端层和用户层；物端层设置于源头企业检测点、高速入口检测点、移动执法治超检测点、固定治超检测点、非现场执法检测点等需要对车辆进行测量的位置，包括端传感器、端控制器、端服务器和led显示屏，其中，端控制器连接端传感器与端服务器，用于获取端传感器采集的数据，并进行协议转换处理；端服务器连接端控制器和边端层的边服务器的治超执法系统,同时接led显示屏；端服务器存储有对应的机器学习算法模型，端服务器用于获取端控制器转换后的数据，并通过机器学习算法模型对数据进行实时计算处理，生成处理结果并将处理结果显示在led显示屏上，在本地存储处理结果数据、视频、照片以及各个传感器的原始数据，同时只将处理的结果数据上传至边端层边服务器的治超执法系统；边端层设置于二级行政治超平台或三级行政治超平台，包括边服务器、系统管理终端、第三方系统，其中，边服务器连接各个检测点的端服务器、系统管理终端和第三方系统，边服务器获得超限超载数据后，根据对接的第三方系统获取车辆、驾驶员及附近巡查执法人员数据，将获得的超限超载数据、车辆驾驶员数据、执法人员数据进行实时的上传到云服务器；云端层设置于四级治超平台，包括云服务器治超执法系统大数据平台、公安交警六合一平台、道路运输管理信息系统、第三方系统，其中，云服务器连接各个边服务器、第三方系统、公安交警六合一平台、道路运输管理信息系统、维护运维终端、应用管理终端；云服务器接收边服务器上传的数据，通过边服务器远程调阅端服务器上的原始数据，当确认车辆超限超载后，将超限超载详细信息发送给车辆驾驶员；当出现严重超限超载车辆时，系统自动将违法车辆信息推送到违法车辆附近巡查执法人员的ar终端或app上，第一时间进行布控拦截，并保存确认后超载超限的原始数据在云端；用户层分布在各个用户，包括维护运维终端、应用管理终端。
8.进一步的，所述云服务器按需获取边服务器对应的端服务器的原始数据，进行机器学习算法模型的修正，并通过边服务器向端服务器下发对应的优化后的机器学习算法模型。
9.进一步的，每个检测点具有一个对应的端服务器和至少一个端控制器，端控制器位于端传感器附近，一个端控制器所监控的传感器数量至少为一个；多个端服务器连接同一个边服务器，多个边服务器连接同一个云服务器。
10.进一步的，端传感器的类型包括称重传感器、工业摄像机、红外线传感器、激光雷达传感器、光纤传感器。
11.进一步的，边服务器存储的数据包括端服务器处理的结果数据、以及从第三方系统获得的车辆及驾驶员数据、巡查执法人员数据，其中数据包括文本、图片、视频、语音。
12.进一步的，物端层、边端层、云端层和用户层之间的连接方式包括有线连接或者无线连接，各层内系统或模块之间的连接方式包括有线连接或者无线连接。
13.还提出一种公路治超执法方法，其特征在于，包括如下步骤：s1:云服务器通过边服务器将对应的机器学习算法模型下发至每个对应的检测点的端服务器；s2:在车辆通过检测点时，利用现场的端传感器采集车辆的相关数据，并发送到端
控制器；s3:端控制器接收到数据后，进行协议转换，进行统一传输到端服务器，端服务器利用机器学习算法模型对待检测车辆进行边缘计算处理，并将计算的处理结果上传到边服务器，其处理结果及原始数据存储在端服务器中。
14.s4:边服务器接收到多个端服务器的上传数据，根据数据对接第三方系统，解析获取更多车辆、驾驶员相关信息统一上传到云服务器；s5:云服务器获取到多个边服务器上传的数据，根据超限超载规则，严重的直接将超限车辆数据发送给超限车辆附近的巡查执法人员，通过手持及辅助设备进行及时布控拦截，同时对应的数据会经过人工审核，将车辆相关的详细违法信息发送给车辆、驾驶员、企业及相关第三方系统，同时将原始数据反馈给大数据平台的机器学习算法模型，以优化算法模型参数。
15.进一步的，所述s3中边缘计算处理的计算结果包括车辆是否超限超载以及对应的具体数值。
16.进一步的，所述执法方法还包括云服务器还按需的从边服务器获取对应端传感器存储的各种工况原始数据，并基于数据对对应的机器学习算法模型进行优化，然后在通过边服务器向对应的端服务器下发优化后的机器学习算法模型，使端服务器内的机器学习算法模型得以更新。
17.本发明具有以下有益效果：（1）通过物、边和云协同，云服务器能够按需获取所有连接检测点的端传感器和端服务器数据，对智能算法模型进行优化，实现可以根据车辆实际运行的全工况来优化定制机器学习算法模型，并将优化后的机器学习算法模型下发到对应的端服务器，同时更新端服务器的机器学习算法模型，从而做到各个工况检测对应的机器学习算法模型都不一致，对车辆各个工况相应测量识别准确性有质的提升，误差小，系统稳定性高。
18.（2）利用本技术，数据在现场就能完成实时处理，处理结果及原始数据存储在检测点的现场端服务器中，同时将处理的结果传输到云服务器，云服务器可以按需获取端服务器的原始数据及相应的工况数据，这样导致通讯数据流量、云服务器及存储硬件和网络带宽都大大降低，大幅度降低整个平台后期运营成本。
19.（3）系统将数据传输到治超执法系统大数据平台，平台系统自动通知前方的固定检测点进行复检，并根据结果进行执法处理；同时数据通过平台超限超载规则设定通知等级，严重的直接发送通知到违法车辆附近巡查执法人员的ar终端或app上，第一时间进行布控拦截，进行执法处理，有效的提高了执法效率。
20.（4）通过系统各部分的协调，在检测点就可以实时查看超限超载信息，当车辆通过检测点后，马上收到人工审核后的超限超载详细数据，同时也可以查询历史记录，数据信息详细，告知实时性强。
附图说明
21.图1为本发明公路治超执法系统结构示意图。
具体实施方式
22.下面对本发明的具体实施方式进行描述，以便于本技术领域的技术人员理解本发明，但应该清楚，本发明不限于具体实施方式的范围，对本技术领域的普通技术人员来讲，只要各种变化在所附的权利要求限定和确定的本发明的精神和范围内，这些变化是显而易见的，一切利用本发明构思的发明创造均在保护之列。
23.一种公路治超执法系统，其包括物端层、边端层、云端层和用户层；物端层分布在源头企业检测点、高速入口检测点、移动执法治超检测点、固定治超检测点、非现场执法检测点等需要对车辆进行测量的位置。包括端传感器、端控制器、端服务器和led显示器。
24.边端层分布在站级治超平台或市级治超平台，包括边服务器（即治超执法系统）、系统管理终端、第三方系统（公安交警、检察院、法院等）。
25.云端层分布在省级治超平台或国家级治超平台，包括云服务器（即是治超执法系统大数据平台）、公安交警六合一平台、道路运输管理信息系统、第三方系统,包括公安交警、检察院、法院等。
26.用户层分布在各个用户，包括维护运维终端、应用管理终端。
27.端传感器位于待进行监控点的车辆附近，用于采集车辆长宽高数据，重量数据，车辆照片，车辆视频，车辆轨迹等数据。
28.端控制器连接端传感器与端服务器。用于获取端传感器采集的数据，并进行协议转换处理。
29.端服务器连接端控制器和边端层的边服务器的治超执法系统,同时也可以连接led显示屏。端服务器存储有对应的机器学习算法模型，端服务器用于获取端控制器转换后的数据，并通过机器学习算法模型对数据进行实时计算处理，生成处理结果。并将结果显示在led显示屏上，并在本地存储处理结果数据及原始数据（视频、照片、传感器），同时只将结果数据（不含视频、照片、传感器）上传至边端层边服务器的治超执法系统。
30.led显示屏连接端服务器，从端服务器获取相应的结果进行显示，及时告知驾驶人员当前车辆的检测结果。
31.边服务器（治超执法系统）连接各个检测点的端服务器、系统管理终端和第三方系统（公安交警、检察院、法院等）。边服务器获得超限超载数据后，根据对接的第三方系统获取车辆驾驶员及附近巡查执法人员数据，将获得的超限超载数据、车辆驾驶员数据、执法人员数据进行实时的上传到云服务器。
32.云服务器（治超执法系统大数据平台）连接各个边服务器、第三方系统（公安交警、检察院、法院等）、公安交警六合一平台、道路运输管理信息系统、维护运维终端、应用管理终端。云服务器接收边服务器上传的数据，公路运营及公安交管进行人工审核，远程调阅边服务器对应的端服务器的原始数据，当确认车辆超限超载后，依法进行处罚，将超限超载详细信息发送给车辆驾驶员。当出现严重超限超载车辆时，系统自动将违法车辆信息推送到违法车辆附近巡查执法人员的ar终端或app上，第一时间进行布控拦截，并保存超载超限的原始数据在云端。云服务器可以按需的获取边服务器对应的端服务器的原始数据（不同工况），进行机器学习算法模型的修正，并通过边服务器向端服务器下发对应的优化后的机器学习算法模型。
33.进一步地，每个检测点具有一个对应的端服务器和至少一个端控制器，端控制器位于端传感器附近，一个端控制器所监控的传感器数量至少为一个或者一个以上；多个端服务器连接同一个边服务器，多个边服务器连接同一个云服务器；端传感器的类型包括称重传感器、工业摄像机、红外线传感器、激光雷达传感器、光纤传感器等类型。
34.边服务器存储的数据包括端服务器处理的结果数据、以及从第三方系统获得的车辆驾驶员数据、巡查执法人员数据，其中数据包括文本、图片、视频、语音等。
35.以上各层之间的连接方式包括有线连接或者无线连接，各层内系统或模块之间的连接方式包括有线连接或者无线连接。
36.基于以上系统，本发明还提出一种公路治超执法方法，包括以下步骤：s1:云服务器通过边服务器将对应的机器学习算法模型下发至每个对应的检测点的端服务器；s2:在车辆通过检测点时，利用现场的端传感器采集车辆的相关数据，并发送到端控制器；s3:端控制器接收到数据后，进行协议转换，进行统一传输到端服务器，端服务器利用机器学习算法模型对待检测车辆进行边缘计算处理，并将计算的处理结果（是否超限超载、超多少的信息）上传到边服务器，其处理结果及原始数据存储在端服务器中。
37.s4:边服务器接收到多个端服务器的上传数据，根据数据对接第三方系统，解析获取更多车辆、驾驶员相关信息统一上传到云服务器；s5:云服务器获取到多个边服务器上传的数据，根据超限超载规则，严重的直接将超限车辆数据发送给超限车辆附近的巡查执法人员，通过手持及辅助设备进行及时布控拦截，同时对应的数据会经过人工审核，将车辆相关的详细违法信息发送给车辆、驾驶员、企业及相关第三方系统（公安交警、检察院、法院等），同时将原始数据反馈给大数据平台的机器学习算法模型，以优化算法模型参数。
38.本实施例里的方法还包括：云服务器还按需的从边服务器获取对应端传感器存储的各种工况原始数据，并基于数据对对应的机器学习算法模型进行优化，然后在通过边服务器向对应的端服务器下发优化后的机器学习算法模型，使端服务器内的机器学习算法模型得以更新。
39.本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
40.这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
41.这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计
算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
42.本发明中应用了具体实施例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本发明的限制。
43.本领域的普通技术人员将会意识到，这里所述的实施例是为了帮助读者理解本发明的原理，应被理解为本发明的保护范围并不局限于这样的特别陈述和实施例。本领域的普通技术人员可以根据本发明公开的这些技术启示做出各种不脱离本发明实质的其它各种具体变形和组合，这些变形和组合仍然在本发明的保护范围内。

技术特征：
1.一种公路治超执法系统，其特征在于，包括物端层、边端层、云端层和用户层；物端层设置于源头企业检测点、高速入口检测点、移动执法治超检测点、固定治超检测点、非现场执法检测点等需要对车辆进行测量的位置，包括端传感器、端控制器、端服务器和led显示屏，其中，端控制器连接端传感器与端服务器，用于获取端传感器采集的数据，并进行协议转换处理；端服务器连接端控制器和边端层的边服务器的治超执法系统,同时接led显示屏；端服务器存储有对应的机器学习算法模型，端服务器用于获取端控制器转换后的数据，并通过机器学习算法模型对数据进行实时计算处理，生成处理结果并将处理结果显示在led显示屏上，在本地存储处理结果数据及包括视频、照片及各传感器的原始数据，同时只将不含视频、照片的结果数据上传至边端层边服务器的治超执法系统；边端层设置于二级治超平台或三级治超平台，包括边服务器、系统管理终端、第三方系统，其中，边服务器连接各个检测点的端服务器、系统管理终端和第三方系统，边服务器获得超限超载数据后，根据对接的第三方系统获取车辆驾驶员及附近巡查执法人员数据，将获得的超限超载数据、车辆驾驶员数据、执法人员数据以及第三方系统相关数据进行实时的上传到云服务器；云端层设置于四级治超平台，包括云服务器治超执法系统大数据平台、公安交警六合一平台、道路运输管理信息系统、第三方系统，其中，云服务器连接各个边服务器、第三方系统、公安交警六合一平台、道路运输管理信息系统、维护运维终端、应用管理终端；云服务器接收边服务器上传的结果数据，当发现有端服务器通过智能算法判定有超限超载数据时，系统通过对应的边服务器远程调阅端服务器上的原始数据，当确认车辆超限超载后，将超限超载详细信息发送给车辆驾驶员；当出现严重超限超载车辆时，系统自动将违法车辆信息推送到违法车辆附近巡查执法人员的ar终端或app上，第一时间进行布控拦截，并保存确认后超载超限的原始数据在云端，同时原始数据可以传输给云服务器的机器学习算法进行自学习，优化端服务器的算法模型；用户层分布在各个用户，包括维护运维终端、应用管理终端。2.根据权利要求1所述的公路治超执法系统，其特征在于，所述云服务器按需获取边服务器对应的端服务器的原始数据，进行机器学习算法模型的修正，并通过边服务器向端服务器下发对应的优化后的机器学习算法模型。3.根据权利要求1所述的公路治超执法系统，其特征在于，每个检测点具有一个对应的端服务器和至少一个端控制器，端控制器位于端传感器附近，一个端控制器所监控的传感器数量至少为一个；多个端服务器连接同一个边服务器，多个边服务器连接同一个云服务器。4.根据权利要求1所述的公路治超执法系统，其特征在于，端传感器的类型包括称重传感器、工业摄像机、红外线传感器、激光雷达传感器、光纤传感器。5.根据权利要求1所述的公路治超执法系统，其特征在于，边服务器存储的数据包括端服务器处理的结果数据、以及从第三方系统获得的车辆及驾驶员数据、巡查执法人员数据，其中数据包括文本、图片、视频、语音。6.根据权利要求1所述的公路治超执法系统，其特征在于，物端层、边端层、云端层和用户层之间的连接方式包括有线连接或者无线连接，各层内系统或模块之间的连接方式包括
有线连接或者无线连接。7.基于权利要求1-6任一项所述的公路治超执法系统的公路治超执法方法，其特征在于，包括如下步骤：s1:云服务器通过边服务器将对应的机器学习算法模型下发至每个对应的检测点的端服务器；s2:在车辆通过检测点时，利用现场的端传感器采集车辆的相关数据，并发送到端控制器；s3:端控制器接收到数据后，进行协议转换，进行统一传输到端服务器，端服务器利用机器学习算法模型对待检测车辆进行边缘计算处理，并将计算的处理结果上传到边服务器，其处理结果及原始数据存储在端服务器中；s4:边服务器接收到多个端服务器的上传数据，根据数据对接第三方系统，解析获取更多车辆、驾驶员相关信息统一上传到云服务器；s5:云服务器获取到多个边服务器上传的数据，根据超限超载规则，严重的直接将超限车辆数据发送给超限车辆附近的巡查执法人员，通过手持及辅助设备进行及时布控拦截，同时对应的数据会经过人工审核，将车辆相关的详细违法信息发送给车辆驾驶员及企业，同时与第三方系统共享数据;云服务器按需获取端服务器的原始数据给大数据平台的机器学习算法模型进行自学习，以优化算法模型参数。8.根据权利要求7所述的公路治超执法方法，其特征在于，所述s3中边缘计算处理的计算结果包括通行车辆号牌、轴数、车货总质量和超限量、超限率、检测时间、检测地点具体数值。9.根据权利要求7所述的公路治超执法方法，其特征在于，所述执法方法还包括云服务器按需从边服务器获取对应端传感器存储的各种工况数据，并基于数据对对应的机器学习算法模型进行优化，然后在通过边服务器向对应的端服务器下发优化后的机器学习算法模型，使端服务器内的机器学习算法模型得以更新。

技术总结
本发明公开了一种公路治超执法系统及方法，包括物端层、边端层、云端层和用户层；物端层分布在源头企业检测点、高速入口检测点、移动执法治超检测点、固定治超检测点、非现场执法检测点等需要对车辆进行测量的位置。包括端传感器、端控制器、端服务器和LED显示器。边端层分布在站级治超平台或市级治超平台，包括边服务器、系统管理终端、第三方系统。云端层分布在省级或国家级治超平台，包括云服务器、第三方平台、道路运输管理信息系统、第三方系统。通过系统各部分的协调，在检测点就可以实时查看超限超载信息，当车辆通过检测点后，用户层马上收到系统人工审核后的超限超载详细数据，同时数据准确度高，系统运维成本低，信息告知实时性强。时性强。时性强。


技术研发人员：王小康 陈彬 王竹林 庹茹君
受保护的技术使用者：成都西交轨道交通技术服务有限公司
技术研发日：2023.04.04
技术公布日：2023/5/16