动态称重系统，是一种测量行驶中车辆重量的检测系统。通过传感器和称重处理器，测量行驶车辆在特定地点、时间的出现及其动态轮胎受力，生成总量、速度、轴重、轴数、轴距、车型等车辆信息。

随着高速公路网络的发展，公路交通安全与违章超载之间的矛盾更加突出，动态称重技术采用现代电子信息技术检测车辆超载，可有效保护道路及相关设施，是维持道路安全畅通的有效技术手段。

结合国内外资料，目前动态称重方法主要有以下几种：

1.ADV法、DV法、V法

该类方法是20世纪80年代的日本小野敏郎为解决动态称重问题所提出来的，其测量思路主要是同时或单独测量重物移动的位移、速度和加速度，然后用直接方法或数值积分方法来求解称重过程的微分方程以获得力值。

这类方法有些因需同时使用多种不同类型传感器而难以实现；有些虽然只使用同类传感器，但由于采用积分方法因而准确度较差，且往往只适用于噪声很小的场合。

2.位移积分法

该方法是ADV法、DV法、V法的一种沿袭。其原理大致是：将称重系统的输出信号对一小段位移L1沿其长度L方向积分，L1的两端通过对称重系统各传感器的输出信号进行比较而定。

动态分量在积分区间被平均，使车辆振动造成的干扰影响较小，因此精度也相对较高，但这需要较长的数据才能保证精度。

3.补偿法

该方法主要是针对传感器的响应速度慢和超调量大，在很大程度上限制了动态称重速度和准确度地提高的缺点，从而提出通过设计补偿元件，在比“称重传感器稳定时间”更短的时间里完成测量，因此动态称重装置主要由称重传感器和动态补偿元件组成。

4.专家系统

该方法主要是引入知识模型而构成专家系统，即把优秀称重测力专家的思维过程固化到测量程序中，并与计算机修正程序结合起来，进而提高计量仪器的测试能力和故障检测能力。

5.参数估计法

该方法主要是把动态测量作为一个参数估计和预测问题来处理，即首先根据有关称重测力系统的先验知识，推导出一个含有未知参数的模型，然后用该模型去拟合称重测力过程的输出信号，从而获得最小平方误差意义上的参数估计。

由于被测重量或力值可以看成是称重测力过程的终值，因此它们可以用模型参数进行估计或预测。

基于参数估计的系统辨识方法可由极短的轴重信号估计出模型参数和轴重值，而具有较高的准确度，同时利用适合的辨识算法可以进一步减小速度对测量结果的影响，可以在车辆中速及较高速的情况下使用此方法。

6.神经网络

神经网络是一种有效的非线性函数拟合工具，已经被应用到很多工程问题中。使用神经网络的方法，可以利用一个动态系统的输入输出数据建立它的输入-输出模型，通过这个模型可以根据该系统的后继输入来预测出想求得的对应输出值。

该方法主要是基于并行技术的思想，以神经网络技术为控制核心，采取多因素协调，将检测过程中对影响称重精度和限制车辆通过速度起主导作用的因素作为训练样本，通过训练获得较好的网络模型，再根据该模型和网络输入数据得出车重，并期望提高检测精度。

中交路桥科技基安云治超非现场执法是一种全新科技治超执法模式，采用国际先进的石英晶体压电技术，融合loT物联网、边缘计算、边缘Al、视觉识别、云边协同、数据挖掘、云计算等前沿技术，在不干扰道路正常通行秩序的前提条件下，24小时全天候自动检测5-200km/h车速的货运车辆重量以及外廓尺寸，自动识别超限超载违法车辆并形成完整违法证据链，提升治超规范执法、精确查处、精准服务的能力，推动交通运输行业综合治理现代化发展之路。

应用领域
要对接部门:治超办、公路局、交通局等非现场执法部门。对非现场执法、精检站执法、源头执法、流动执法、一超四罚等各类治超站点对超限车辆进行交警录入、审核、处理、归档、抄报和抄告台账等操作，数据信息包含检测站、车牌号码、所有人、查处时间、轴数、限重(t)、总重(t)、超限重(t)、超重比(%)、处理次数、交警警录入状态等数据信息。

设备特点

同时具备采集、分析、传输功能，内嵌智能芯片及AI边缘计算软件;

适应环境

技术成熟、广泛适用于高速、桥梁等动态称重;

适应车辆

检测轴载范围:30T;适应车速范围:5km/h-200km/h;

适应不同运行状态的车辆;

寿命长

满足恶劣环境下的正常使用要求，且数据稳定准确。