CN109767520B - 一种车辆载重处理方法及装置 - Google Patents

Abstract

本发明提供一种车辆载重处理方法及装置，涉及电动车辆技术领域。该车辆载重处理方法包括：获取预设时间间隔内的车辆状态参数；对车辆状态参数进行预处理，得到第一有效车辆状态参数；根据所述第一有效车辆状态参数得到车辆在预设时间间隔内的各加速度值；根据车辆在预设时间间隔内的各加速度值，对各加速度值对应的第一有效车辆状态参数进行修正，得到第二有效车辆状态参数；根据该状态参数和预设的第一训练模型，得到第一车辆载重预估值；最终进行数据回归分析得到车辆的真实载重。使用该方法可以实时测量车辆的载重。

Description

一种车辆载重处理方法及装置

技术领域

本发明涉及电动车辆技术领域，具体而言，涉及一种车辆载重处理方法及装置。

背景技术

随着现代交通运输业取得了快速发展，车辆在国家政策的鼓励下，不断的进入城市配送链条，与此同时，交通检查、超限治理和车辆使用情况评估也不断深入，这使得车辆载重测量系统得到了越来越广泛的应用。

现有技术中，测量载重是通过车辆开到专门设置有车辆载重测量系统的区域，通过该区域的传感器测量到载重信号后经数据处理，得到车辆的载重量，再将车辆的载重量传输给驾驶室，实现测量车辆载重的目的。

但是，采用现有技术，无法满足实时测量车辆的载重的需求。

发明内容

本发明的目的在于，针对上述现有技术中的不足，提供一种车辆载重处理方法及装置，该方法可以实时测量车辆的载重。

为实现上述目的，本发明实施例采用的技术方案如下：

第一方面，本发明实施例提供了一种车辆载重处理方法，包括：

获取预设时间间隔内的车辆状态参数；

对所述车辆状态参数进行预处理，得到第一有效车辆状态参数；

根据所述第一有效车辆状态参数得到所述车辆在所述预设时间间隔内的各加速度值；

根据所述车辆在所述预设时间间隔内的各加速度值，对所述各加速度值对应的第一有效车辆状态参数进行修正，得到第二有效车辆状态参数；

根据所述第二有效车辆状态参数和预设的第一训练模型，得到第一车辆载重预估值；

确认所述第一车辆载重预估值是否符合预设条件；

若符合预设条件，则根据所述第一车辆载重预估值进行数据回归分析得到所述车辆的真实载重。

一种实施方式中，所述对所述车辆状态参数进行预处理，得到第一有效车辆状态参数的步骤，包括：

删除所述车辆状态参数中的缺失数据，筛选出所述车辆状态参数中的异常数据，用所述异常数据的两个相邻数据的平均值替换所述异常数据，得到所述第一有效车辆状态参数。

一种实施方式中，所述车辆状态参数包括车轮转速、车辆传动系统效率、轮胎半径、电机输入电压和电机输入电流。

一种实施方式中，所述根据所述第二有效车辆状态参数和预设的第一训练模型，得到第一车辆载重预估值的步骤，包括：

根据电机输入电压、电机输入电流、车轮转速、轮胎半径、以及传动系统效率得到车轮输出的驱动力；

根据所述车轮输出的驱动力分别与车轮输入的驱动力和车轮需要的驱动力相等，得到第一车辆载重预估值车辆总重量。

一种实施方式中，所述确认所述第一车辆载重预估值是否符合预设条件，包括：

获取所述第一车辆载重预估值的数量；

确认所述第一车辆载重预估值的数量是否符合预设上限阈值；

相应的，若达到预设上限阈值，则根据所述第一车辆载重预估值进行数据回归分析得到所述第一车辆的真实载重。

一种实施方式中，所述确认所述第一车辆载重预估值的数量是否符合预设上限阈值的步骤之后，还包括：

如果没有达到所述预设上限阈值，则继续获取达到预设上限阈值的数量的所述第一车辆载重预估值。

一种实施方式中，所述预设的第一训练模型包括反向传播算法训练BP、反向神经网络传播LM-BP、径向基函数神经网络RBF训练模型中的任意一种。

一种实施方式中，在得到所述车辆的真实载重的步骤之后，所述方法还包括：

将所述车辆的真实载重通过数据总线发送给车辆的显示设备或者车载终端。

第二方面，本发明实施例还提供了一种车辆载重处理装置，包括：

获取模块，用于获取预设时间间隔内的车辆状态参数；

预处理模块，用于对所述车辆状态参数进行预处理，得到第一有效车辆状态参数；

计算模块，用于根据所述第一有效车辆状态参数得到所述车辆在所述预设时间间隔内的各加速度值；

修正模块，用于根据所述车辆在所述预设时间间隔内的各加速度值，对所述各加速度值对应的第一有效车辆状态参数进行修正，得到第二有效车辆状态参数；

训练模型模块，用于根据所述第二有效车辆状态参数和预设的第一训练模型，得到第一车辆载重预估值；

确认模块，用于确认所述第一车辆载重预估值是否符合预设条件；

分析模块，用于若符合预设条件，则根据所述第一车辆载重预估值进行数据回归分析得到所述车辆的真实载重。

第三方面，本发明实施例还提供了一种电子设备，包括：处理器、存储介质和总线，所述存储介质存储有所述处理器可执行的机器可读指令，当电子设备运行时，所述处理器与所述存储介质之间通过总线通信，所述处理器执行所述机器可读指令，以执行时执行如第一方面所述的车辆载重处理方法的步骤。

本发明的有益效果是：

本发明实施例提供的一种车辆载重处理方法及装置，通过获取预设时间间隔内的车辆状态参数，得到车辆在预设时间间隔内的各加速度值，并根据各加速度值对车辆对应的状态参数进行修正得到第二有效车辆状态参数，根据第二有效车辆状态参数和预设的第一训练模型得到第一车辆载重预估值，若第一车辆载重预估值符合预设条件，可以得到第一辆的真实载重，该方法可以实时测量车辆的载重。

附图说明

为了更清楚地说明本发明实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本发明的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。

图1为本发明实施例提供的车辆载重处理方法步骤示意图；

图2为本发明实施例提供的第一车辆载重预估值的步骤示意图；

图3为本发明实施例提供的预设条件判断步骤示意图；

图4为本发明实施例提供的车辆载重处理装置模块示意图；

图5为本发明实施例提供的电子设备结构示意图。

图标：101-获取模块；102-预处理模块；103-计算模块；104-修正模块；105-训练模型模块；106-确认模块；107-分析模块；201-处理器；202-存储介质；203-总线。

具体实施方式

为了更清楚地说明本公开实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本公开的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。

第一实施例

图1为本发明实施例提供的车辆载重处理方法步骤示意图，请参照图1，本发明实施例提供一种车辆载重处理方法，应用于新能源电动车辆，该车辆载重处理方法包括：

S101、获取预设时间间隔内的车辆状态参数。

具体的，预设时间间隔可以是间隔半小时、20分钟、10分钟、5分钟或者1分钟，本实施例为了使获取的车辆状态参数更精确，预设时间间隔以1分钟的时间间隔为例，通过车辆的控制器局域网络(Controller Area Network,CAN)总线获取预设行驶里程的对应的车辆状态参数，其中，车辆状态参数包括车辆速度和车轮转速。

需要说明的是，在获取车辆状态参数之前，需要给该车辆通电，使得车辆的载重处理单元初始化、自检。

S102、对车辆状态参数进行预处理，得到第一有效车辆状态参数。

具体的，对获取的车辆状态参数进行预处理，预处理是删除不符合条件车辆状态参数，得到符合条件的第一有效车辆状态参数，该第一有效车辆状态参数包括有效的车辆速度和有效的车轮转速。例如，第一有效车辆状态参数中连续的车辆速度为10m/s、12m/s、100m/s、15m/s、18m/s、18m/s、20m/s，根据车辆速度合理性判断可知车辆速度在连续时间间隔的速度不可以明显的超出正常范围的值，因此用明显的超出正常范围的值的两个相邻数据的平均值替换该明显的超出正常范围的值，即用(12+15)/2＝13.5m/s代替100m/s，得到有效的车辆速度为10m/s、12m/s、13.5m/s、15m/s、18m/s、18m/s、20m/s。

需要说明的是，上述车辆速度只是为了举例，在具体操作过程中，测得的车辆速度可能不都是整数，为了使得车辆速度更准确，可以保留小数点后两位。

S103、根据第一有效车辆状态参数得到车辆在预设时间间隔内的各加速度值。

具体的，根据S102步骤得到的有效的车辆速度、有效的车轮转速和预设时间间隔，得到各预设时间间隔的加速度。

例如，根据有效的车辆速度、有效的车轮转速和预设时间间隔得到个加速度的值分别是10m/s²、10m/s²、11m/s²、10m/s²、···、10m/s²。

S104、根据车辆在预设时间间隔内的各加速度值，对各加速度值对应的第一有效车辆状态参数进行修正，得到第二有效车辆状态参数。

具体的，第二有效车辆状态参数包括第二有效的车辆速度和第二有效的车轮转速。

进一步的，车辆在平稳行驶的过程中可以比较准确的计算出车辆的载重量，根据车辆在预设时间间隔内的各加速度值，选出加速度中数据和其他加速度的数据不同的加速度，对该加速度对应的第一有效车辆状态参数中的有效的车辆速度、有效的车轮转速进行修正，最终使得该修正后第二有效的车辆速度、第二有效的车轮转速对应的加速度的值和其他加速度值相等。例如，S103步骤中，计算得到加速度的值分别是10m/s²、10m/s²、11m/s²、10m/s²、···、10m/s²，对加速度值为11m/s²对应的有效的车辆速度和有效的车轮速度进行修正，最终使得修正后的第二有效车辆速度和第二有效车轮速度得到的加速度为10m/s²。

S105、根据第二有效车辆状态参数和预设的第一训练模型，得到第一车辆载重预估值。

具体的，根据S104得到的第二有效车辆状态参数，其中，第二有效车辆状态参数包括第二有效车辆速度、第二有效车轮速度、传动系统转动惯量、车轮半径、电机输入电压、电机输入电流、轮胎半径，根据第二有效车辆速度、第二有效车轮速度、传动系统转动惯量、车轮半径、电机输入电压、电机输入电流、轮胎半径和预设的第一训练模型得到第一车辆载重预估值。

S106、确认第一车辆载重预估值是否符合预设条件。

具体的，确认第一车辆载重预估值的数据量对应的行驶里程是否符合预设里程，比如预设里程为3km，第一车辆载重预估值的数据量对应的里程大于或等于3km，则第一车辆载重预估值的数据量对应的路程符合预设里程，第一车辆载重预估值的数据量对应的里程小于3km，则第一车辆载重预估值的数据量对应的路程不符合预设里程。

S107、若符合预设条件，则根据第一车辆载重预估值进行数据回归分析得到第一车辆的真实载重。

具体的，如果符合预设条件，根据第一车辆载重预估值进行分析得到第一车辆的真实载重。

本实施例提供的一种车辆载重处理方法，通过获取预设时间间隔内的车辆状态参数，得到车辆在预设时间间隔内的各加速度值，并根据各加速度值对车辆对应的状态参数进行修正得到第二有效车辆状态参数，根据第二有效车辆状态参数和预设的第一训练模型得到第一车辆载重预估值，若第一车辆载重预估值符合预设条件，可以得到第一车辆的真实载重，该方法通过第二有效车辆状态参数和预设的第一训练模型进行数据回归分析可以实时测量车辆的载重。

一种实施方式中，对车辆状态参数进行预处理，得到第一有效车辆状态参数的步骤，包括：

删除车辆状态参数中的缺失数据，筛选出所述车辆状态参数中的异常数据，用异常数据的两个相邻数据的平均值替换所述异常数据，得到所述第一有效车辆状态参数。

具体的，根据车辆状态参数合理性的要求，车辆状态参数中出现缺失数据和异常数据是不合理的，因此删除车辆状态参数中的缺失数据，对异常数据的处理方法采用异常数据的两个相邻数据的平均值替换所述异常数据，得到所述第一有效车辆状态参数。

例如，车辆速度参数为10m/s、12m/s、0m/s、15m/s、18m/s、18m/s、20m/s，那么删除车辆速度参数中的0m/s，得到第一有效车辆速度10m/s、12m/s、15m/s、18m/s、18m/s、20m/s。

一种实施方式中，车辆状态参数包括车轮转速、车辆传动系统效率、轮胎半径、电机输入电压和电机输入电流。

具体的，通过控制器局域网络(Controller Area Network，CAN)获取车轮转速、车辆传动系统效率、轮胎半径、电机输入电压和电机输入电流等车辆状态参数，获取上述参数是根据预设的里程数内来获取该里程内的参数。

需要说明的是CAN是一种有效支持分布式控制或者实时控制的串行通信网络，还需要获取传动系统转动惯量、车轮半径、传动系统转动惯量等效系数、滚动阻力系数、空气阻力系数、车辆迎风面积、空气密度和车辆速度等参数。

一种实施方式中，图2为本发明实施例提供的第一车辆载重预估值的步骤示意图，请参照图2，根据第二有效车辆状态参数和预设的第一训练模型，得到第一车辆载重预估值的步骤，包括：

S201、根据电机输入电压、电机输入电流、车轮转速、轮胎半径、以及传动系统效率得到车轮输出的驱动力。

具体的，电机输入电压为U、电机输入电流为I、车轮转速为n、轮胎半径为R和传动系统效率为η，根据公式

得到以及车轮输出的驱动力F₁。

S202、根据车轮输出的驱动力分别与车轮输入的驱动力和车轮需要的驱动力相等，得到第一车辆载重预估值车辆总重量。

具体的，根据公式

其中，F_a表示车轮所需驱动力、Θ_i表示传动系统转动惯量、r_d表示车轮半径、F₂表示车轮输入的驱动力、δ_i表示传动系统转动惯量等效系数、f_R表示滚动阻力系数、C_D表示空气阻力系数、A表示车辆迎风面积、ρ_a表示空气密度，u表示车辆速度，并根据F_a＝F₁＝F₂，得到第一车辆载重预估值车辆总重量m_v+m_C。

一种实施方式中，图3为本发明实施例提供的预设条件判断步骤示意图，请参照图3，所述确认所述第一车辆载重预估值是否符合预设条件，包括：

S301、获取第一车辆载重预估值的数量。

具体的，根据S202中得到的第一车辆载重预估值，并获取第一车辆载重预估值的数量，得到第一车辆载重预估值与行驶里程的对应关系，例如，计算了10个第一车辆载重预估值。

S302、确认第一车辆载重预估值的数量是否符合预设上限阈值。

具体的，预设上限阈值通过第一车辆达到设定的行驶里程经过大数据平台训练得出的里程与车辆载重数据的对应关系，例如，总的行驶里程为3km后，预估货物载重的精度就可以达到监控测量的要求。

S303、相应的，若达到预设上限阈值，则根据第一车辆载重预估值进行数据回归分析得到第一车辆的真实载重。

具体的，根据S302的第一车辆载重预估值的数量和对应的行驶里程达到了预设上限阈值，则对第一车辆载重预估值进行分析得到第一车辆的真实载重。

一种实施方式中，确认第一车辆载重预估值的数量是否符合预设上限阈值的步骤之后，还包括：

如果没有达到预设上限阈值，则继续获取达到预设上限阈值的数量的第一车辆载重预估值。

具体的，第一车辆载重预估值的数量没有达到预设上限阈值，则继续获取预设时间间隔内的车辆状态参数，通过车辆状态参数计算第一车辆载重预估值，直到第一车辆载重预估值是否符合预设上限阈值。

一种实施方式中，预设的第一训练模型包括反向传播算法训练BP、反向神经网络传播LM-BP、径向基函数神经网络RBF训练模型中的任意一种。

具体的，预设的第一训练模型包括反向传播算法训练(Back Propagation，BP)、反向神经网络传播(Levenberg-marquardt back propagation，LM-BP)、径向基函数神经网络(Radical Basis Function，RBF)等多种模型训练方式，不限于上述模型训练方式。

一种实施方式中，在得到车辆的真实载重的步骤之后，该方法还包括：

将车辆的真实载重通过数据总线发送给车辆的显示设备或者车载终端。

具体的，通过CAN将车辆的真实载重发送给车辆的显示设备或者车载终端，该步骤可以使用户实时通过显示设备或者车载终端实时观测到车辆的真实载重。

第二实施例

图4为本发明实施例提供的车辆载重处理装置模块示意图，请参照图4，本发明实施例还提供了一种车辆载重处理装置，包括：

获取模块101，用于获取预设时间间隔内的车辆状态参数；

预处理模块102，用于对所述车辆状态参数进行预处理，得到第一有效车辆状态参数；

计算模块103，用于根据所述第一有效车辆状态参数得到所述车辆在所述预设时间间隔内的各加速度值；

修正模块104，用于根据所述车辆在所述预设时间间隔内的各加速度值，对所述各加速度值对应的第一有效车辆状态参数进行修正，得到第二有效车辆状态参数；

训练模型模块105，用于根据所述第二有效车辆状态参数和预设的第一训练模型，得到第一车辆载重预估值；

确认模块106，用于确认所述第一车辆载重预估值是否符合预设条件；

分析模块107，用于若符合预设条件，则根据所述第一车辆载重预估值进行数据回归分析得到所述车辆的真实载重。

上述装置用于执行前述实施例提供的方法，其实现原理和技术效果类似，在此不再赘述。

第三实施例

图5为本发明实施例提供的电子设备结构示意图，请参照图5，本发明实施例还提供了一种电子设备，包括：处理器201、存储介质202和总线203，所述存储介质202存储有处理器201可执行的机器可读指令，当电子设备运行时，所述处理器201与所述存储介质202之间通过总线203通信，所述处理器201执行所述机器可读指令，以执行时执行如第一实施例的车辆载重处理方法的步骤。

在本发明所提供的几个实施例中，应该理解到，所揭露的装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个装置或系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。

所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。

另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用硬件加软件功能单元的形式实现。

上述以软件功能单元的形式实现的集成的单元，可以存储在一个计算机可读取存储介质中。上述软件功能单元存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)或处理器(英文：processor)执行本发明各个实施例所述方法的部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(英文：Read-Only Memory，简称：ROM)、随机存取存储器(英文：Random Access Memory，简称：RAM)、磁碟或者光盘等各种可以存储程序代码的介质。

Claims (8)

1.一种车辆载重处理方法，其特征在于，包括：

获取预设时间间隔内的车辆状态参数；

对所述车辆状态参数进行预处理，得到第一有效车辆状态参数；

根据所述第一有效车辆状态参数得到所述车辆在所述预设时间间隔内的各加速度值；

根据所述车辆在所述预设时间间隔内的各加速度值，对所述各加速度值对应的第一有效车辆状态参数进行修正，得到第二有效车辆状态参数；

根据所述第二有效车辆状态参数和预设的第一训练模型，得到第一车辆载重预估值；

确认所述第一车辆载重预估值是否符合预设条件；

若符合预设条件，则根据所述第一车辆载重预估值进行数据回归分析得到所述车辆的真实载重；

所述车辆状态参数包括车轮转速、车辆传动系统效率、轮胎半径、电机输入电压和电机输入电流；

所述根据所述第二有效车辆状态参数和预设的第一训练模型，得到第一车辆载重预估值的步骤，包括：

根据电机输入电压、电机输入电流、车轮转速、轮胎半径、以及传动系统效率得到车轮输出的驱动力；

根据所述车轮输出的驱动力F₁分别与车轮输入的驱动力F₂和车轮需要的驱动力F_a相等，得到第一车辆载重预估值车辆总重量，其中，

U表示电机输入电压、I表示电机输入电流、n表示车轮转速、R表示轮胎半径、η表示传动系统效率；

Θ_i表示传动系统转动惯量、r_d表示车轮半径；

δ_i表示传动系统转动惯量等效系数、f_R表示滚动阻力系数、C_D表示空气阻力系数、A表示车辆迎风面积、ρ_a表示空气密度、u表示车辆速度、m_v+m_C表示第一车辆载重预估值车辆总重量。

2.根据权利要求1所述的车辆载重处理方法，其特征在于，所述对所述车辆状态参数进行预处理，得到第一有效车辆状态参数的步骤，包括：

删除所述车辆状态参数中的缺失数据，筛选出所述车辆状态参数中的异常数据，用所述异常数据的两个相邻数据的平均值替换所述异常数据，得到所述第一有效车辆状态参数。

3.根据权利要求1所述的车辆载重处理方法，其特征在于，所述确认所述第一车辆载重预估值是否符合预设条件，包括：

获取所述第一车辆载重预估值的数量；

确认所述第一车辆载重预估值的数量是否符合预设上限阈值；

相应的，若达到预设上限阈值，则根据所述第一车辆载重预估值进行数据回归分析得到所述第一车辆的真实载重。

4.根据权利要求3所述的车辆载重处理方法，其特征在于，所述确认所述第一车辆载重预估值的数量是否符合预设上限阈值的步骤之后，还包括：

如果没有达到所述预设上限阈值，则继续获取达到预设上限阈值的数量的所述第一车辆载重预估值。

5.根据权利要求1所述的车辆载重处理方法，其特征在于，所述预设的第一训练模型包括反向传播算法训练BP、反向神经网络传播LM-BP、径向基函数神经网络RBF训练模型中的任意一种。

6.根据权利要求1所述的车辆载重处理方法，其特征在于，在得到所述车辆的真实载重的步骤之后，所述方法还包括：

将所述车辆的真实载重通过数据总线发送给车辆的显示设备或者车载终端。

7.一种车辆载重处理装置，其特征在于，包括：

获取模块，用于获取预设时间间隔内的车辆状态参数；

预处理模块，用于对所述车辆状态参数进行预处理，得到第一有效车辆状态参数；

计算模块，用于根据所述第一有效车辆状态参数得到所述车辆在所述预设时间间隔内的各加速度值；

修正模块，用于根据所述车辆在所述预设时间间隔内的各加速度值，对所述各加速度值对应的第一有效车辆状态参数进行修正，得到第二有效车辆状态参数；

训练模型模块，用于根据所述第二有效车辆状态参数和预设的第一训练模型，得到第一车辆载重预估值；

确认模块，用于确认所述第一车辆载重预估值是否符合预设条件；

分析模块，用于若符合预设条件，则根据所述第一车辆载重预估值进行数据回归分析得到所述车辆的真实载重；

所述车辆状态参数包括车轮转速、车辆传动系统效率、轮胎半径、电机输入电压和电机输入电流；

所述训练模型模块，具体用于根据电机输入电压、电机输入电流、车轮转速、轮胎半径、以及传动系统效率得到车轮输出的驱动力；

根据所述车轮输出的驱动力分别与车轮输入的驱动力和车轮需要的驱动力相等，得到第一车辆载重预估值车辆总重量，其中，

U表示电机输入电压、I表示电机输入电流、n表示车轮转速、R表示轮胎半径、η表示传动系统效率；

Θ_i表示传动系统转动惯量、r_d表示车轮半径；

δ_i表示传动系统转动惯量等效系数、f_R表示滚动阻力系数、C_D表示空气阻力系数、A表示车辆迎风面积、ρ_a表示空气密度、u表示车辆速度、m_v+m_C表示第一车辆载重预估值车辆总重量。

8.一种电子设备，其特征在于，包括：处理器、存储介质和总线，所述存储介质存储有所述处理器可执行的机器可读指令，当电子设备运行时，所述处理器与所述存储介质之间通过总线通信，所述处理器执行所述机器可读指令，以执行时执行如权利要求1-6任一所述的车辆载重处理方法的步骤。

Images