1.一种称重设备联合称重方法，其特征在于，包括：实时获取车辆经过第一称重设备的第一车辆特征信息；其中，所述第一车辆特征信息包括：接地长度、车速、上称时间、下称时间、波形点数、峰值点、轴距及轴数中的至少一种；

实时获取车辆经过第二称重设备的第二车辆特征信息；其中，所述第二车辆特征信息包括：接地长度、车速、上称时间、下称时间、波形点数、峰值点、轴距及轴数中的至少一种及第二称重设备得到的车辆重量信息，所述第二称重设备的称量精度大于所述第一称重设备的称量精度；

根据所述第一车辆特征信息及所述第二车辆特征信息将经过所述第一称重设备的车辆与经过所述第二称重设备的车辆进行逻辑匹配；

根据匹配成功的车辆对应的第二称重设备得到的车辆重量信息对该匹配成功的车辆的第一车辆特征信息中上称时间与下称时间之间的波形积分和/或第一称重设备的时序信号进行训练标定，得到称重模型，所述称重模型用于得到第一称重设备的车辆重量信息；根据第二称重设备得到的车辆重量信息及第一称重设备得到的车辆重量信息进行联合称重；

采用机器学习的方法训练称重模型，所述称重模型具体运行的框架是基于Google开源的Tensorflow框架，所述称重模型包括：输入层模块，卷积层模块，池化层模块，全连接层模块及输出层模块，其中卷积层模块和池化层模块可以归一为Cov模块。

2.根据权利要求1所述的称重设备联合称重方法，其特征在于，根据所述第一车辆特征信息及所述第二车辆特征信息将经过所述第一称重设备的车辆与经过所述第二称重设备的车辆进行逻辑匹配，包括：将所述第一车辆特征信息中的接地长度、车速、轴距、轴数中的一种或多种分别与所述第二车辆特征信息中的接地长度、车速、轴距、轴数中的一种或多种进行比较。

3.根据权利要求2所述的称重设备联合称重方法，其特征在于，根据所述第一车辆特征信息及所述第二车辆特征信息将经过所述第一称重设备的车辆与经过所述第二称重设备的车辆进行逻辑匹配，包括：

将所述第一车辆特征信息中的接地长度与所述第二车辆特征信息中的接地长度进行比较，如果误差在设定长度阈值范围内，则匹配成功；或将所述第一车辆特征信息中的车速与所述第二车辆特征信息中的车速进行比较，如果误差在设定速度阈值范围内，则匹配成功；或将所述第一车辆特征信息中的轴数及轴距与所述第二车辆特征信息中的轴数及轴距分别进行比较，如果一致，则匹配成功。

4.根据权利要求1所述的称重设备联合称重方法，其特征在于，根据匹配成功的车辆对应的车辆重量信息对该匹配成功的车辆的第一车辆特征信息中上称时间与下称时间之间的波形积分和/或第一称重设备的时序信号进行标定，包括：将匹配成功的车辆对应的车辆重量信息作为标签，并将所述第一车辆特征信息中上称时间与下称时间之间的波形的积分和作为输入，训练出所述第一称重设备的称重模型。

5.根据权利要求1所述的称重设备联合称重方法，其特征在于，实时获取车辆经过第一称重设备的第一车辆特征信息，包括：实时获取车辆完整经过所述第一称重设备的时序信号；

从所述时序信号中提取所述第一车辆特征信息；

匹配成功的车辆对应的车辆重量信息对该匹配成功的车辆的第一车辆特征信息中上称时间与下称时间之间的波形积分和/或第一称重设备的时序信号进行标定，包括：将匹配成功的车辆对应的车辆重量信息作为标签，并将所述时序信号作为输入，训练出所述第一称重设备的称重模型。

6.根据权利要求1所述的称重设备联合称重方法，其特征在于，所述根据第二称重设备得到的车辆重量信息及第一称重设备得到的车辆重量信息进行联合称重，包括：查找车辆的轴全部在称重设备上的至少一个时间点，在该时间点，所述车辆的部分轴在部分第一称重设备上，另一部分轴在部分第二称重设备上；

选取该时间点称重设备称得的各个轴的轴重，计算该车辆的重量。

7.根据权利要求1所述的称重设备联合称重方法，其特征在于，所述根据第二称重设备得到的车辆重量信息及第一称重设备得到的车辆重量信息进行联合称重，包括：获取车辆每一车轴在不同称重设备称得的多个轴重数据，其中部分轴重数据由第一称重设备得到，部分轴重数据由第二称重设备得到；

将多个轴重数据进行正弦拟合，得到车轴震动后的正弦曲线；

提取所述正弦曲线的直流分量，得到每一车轴的轴重；

将每一车轴的轴重相加，得到该车辆的车重。

8.根据权利要求1所述的称重设备联合称重方法，其特征在于，所述第一称重设备的称量精度低于GB/T 21296‑2007 10级，所述第二称重设备的称量精度等于GB/T 21296‑2007 

10级或者以上。

9.一种称重设备联合称重装置，其特征在于，包括：第一信息获取单元，用于实时获取车辆经过第一称重设备的第一车辆特征信息；其中，所述第一车辆特征信息包括：接地长度、车速、上称时间、下称时间、波形点数、峰值点、轴距及轴数中的至少一种；

第二信息获取单元，用于实时获取车辆经过第二称重设备的第二车辆特征信息；其中，所述第二车辆特征信息包括：接地长度、车速、上称时间、下称时间、波形点数、峰值点、轴距及轴数中的至少一种及车辆重量信息，所述第二称重设备的称量精度大于所述第一称重设备的称量精度；

匹配单元，用于根据所述第一车辆特征信息及所述第二车辆特征信息将经过所述第一称重设备的车辆与经过所述第二称重设备的车辆进行逻辑匹配；

标定单元，用于根据匹配成功的车辆对应的车辆重量信息对该匹配成功的车辆的第一车辆特征信息中上称时间与下称时间之间的波形积分和/或第一称重设备的时序信号进行标定，以使第一称重设备得到车辆重量信息；

联合称重单元，用于根据匹配成功的车辆对应的第二称重设备得到的车辆重量信息对该匹配成功的车辆的第一车辆特征信息进行训练标定，得到称重模型，所述称重模型用于得到第一称重设备的车辆重量信息；根据第二称重设备得到的车辆重量信息及第一称重设备得到的车辆重量信息进行联合称重，采用机器学习的方法训练称重模型，所述称重模型具体运行的框架是基于Google开源的Tensorflow框架，所述称重模型包括：输入层模块，卷积层模块，池化层模块，全连接层模块及输出层模块，其中卷积层模块和池化层模块可以归一为Cov模块。

10.根据权利要求9所述的称重设备联合称重装置，其特征在于，所述匹配单元具体用于：将所述第一车辆特征信息中的接地长度、车速、轴距、轴数中的一种或多种分别与所述第二车辆特征信息中的接地长度、车速、轴距、轴数中的一种或多种进行比较。

11.根据权利要求10所述的称重设备联合称重装置，其特征在于，所述匹配单元具体用于：

将所述第一车辆特征信息中的接地长度与所述第二车辆特征信息中的接地长度进行比较，如果误差在设定长度阈值范围内，则匹配成功；

将所述第一车辆特征信息中的车速与所述第二车辆特征信息中的车速进行比较，如果误差在设定速度阈值范围内，则匹配成功；

将所述第一车辆特征信息中的轴数及轴距与所述第二车辆特征信息中的轴数及轴距分别进行比较，如果一致，则匹配成功。

12.根据权利要求9所述的称重设备联合称重装置，其特征在于，所述标定单元具体用于：将匹配成功的车辆对应的车辆重量信息作为标签，并将所述第一车辆特征信息中上称时间与下称时间之间的波形的积分和作为输入，训练出所述第一称重设备的称重模型。

13.根据权利要求9所述的称重设备联合称重装置，其特征在于，所述第一信息获取单元包括：

时序信号获取模块，用于实时获取车辆完整经过所述第一称重设备的时序信号；

信息提取模块，用于从所述时序信号中提取所述第一车辆特征信息；

所述标定单元具体用于：将匹配成功的车辆对应的车辆重量信息作为标签，并将所述时序信号作为输入，训练出所述第一称重设备的称重模型。

14.根据权利要求9所述的称重设备联合称重装置，其特征在于，所述联合称重单元包括：

查找模块，用于查找车辆的轴全部在称重设备上的至少一个时间点，在该时间点，所述车辆的部分轴在部分第一称重设备上，另一部分轴在部分第二称重设备上；

车重计算模块，用于选取该时间点称重设备称得的各个轴的轴重，计算该车辆的重量。

15.根据权利要求13所述的称重设备联合称重装置，其特征在于，所述联合称重单元包括：

轴重数据获取模块，用于获取车辆每一车轴在不同称重设备称得的多个轴重数据，其中部分轴重数据由第一称重设备得到，部分轴重数据由第二称重设备得到；

拟合模块，用于将多个轴重数据进行正弦拟合，得到车轴震动后的正弦曲线；

提取模块，用于提取所述正弦曲线的直流分量，得到每一车轴的轴重；

车重生成模块，用于将每一车轴的轴重相加，得到该车辆的车重。

16.一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现以下步骤：实时获取车辆经过第一称重设备的第一车辆特征信息；其中，所述第一车辆特征信息包括：接地长度、车速、上称时间、下称时间、波形点数、峰值点、轴距及轴数中的至少一种；

实时获取车辆经过第二称重设备的第二车辆特征信息；其中，所述第二车辆特征信息包括：接地长度、车速、上称时间、下称时间、波形点数、峰值点、轴距及轴数中的至少一种及车辆重量信息，所述第二称重设备的称量精度大于所述第一称重设备的称量精度；

根据所述第一车辆特征信息及所述第二车辆特征信息将经过所述第一称重设备的车辆与经过所述第二称重设备的车辆进行逻辑匹配；

根据匹配成功的车辆对应的车辆重量信息对该匹配成功的车辆的第一车辆特征信息进行标定，以使第一称重设备得到车辆重量信息；

根据第二称重设备得到的车辆重量信息及第一称重设备得到的车辆重量信息中上称时间与下称时间之间的波形积分和/或第一称重设备的时序信号进行联合称重。

17.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现以下步骤：

实时获取车辆经过第一称重设备的第一车辆特征信息；其中，所述第一车辆特征信息包括：接地长度、车速、上称时间、下称时间、波形点数、峰值点、轴距及轴数中的至少一种；

实时获取车辆经过第二称重设备的第二车辆特征信息；其中，所述第二车辆特征信息包括：接地长度、车速、上称时间、下称时间、波形点数、峰值点、轴距及轴数中的至少一种及车辆重量信息，所述第二称重设备的称量精度大于所述第一称重设备的称量精度；

根据所述第一车辆特征信息及所述第二车辆特征信息将经过所述第一称重设备的车辆与经过所述第二称重设备的车辆进行逻辑匹配；

根据匹配成功的车辆对应的车辆重量信息对该匹配成功的车辆的第一车辆特征信息进行标定，以使第一称重设备得到车辆重量信息；

根据第二称重设备得到的车辆重量信息及第一称重设备得到的车辆重量信息中上称时间与下称时间之间的波形积分和/或第一称重设备的时序信号进行联合称重。