Классификация авто по классам таблица: Классы автомобилей A B C D E таблица с примерами | канал мужика «всё обо всём»

Классы автомобилей таблица по маркам — фото и видео

Некоторые автолюбители ещё не знают, какой именно автомобиль они захотят купить. Чтобы начать знакомство с представителями личного транспорта, стоит ознакомиться с классификационными категориями автомобилей и их характеристиками. Информация, представленная в этой статье, будет нести рекомендательный характер и никак не повлияет на выбор, а лишь поможет с чего-то начать поиски, чтобы определиться с весовой категорией будущего стального друга.

Все автомобили такие разные, но в чем-то все же они похожи. По этим признакам их сводят в единую классификационную таблицу с классами автомобилей по маркам, затем группируют.

О сложившейся системе табличной классификации с примерами

Производственные представители мирового автопрома и автолюбители разных стран для определения класса авто пользуются общепринятыми данными. Всего насчитывается порядка двадцати категорий, по которым можно определить каждый автомобиль. Некоторые из них даже занимают сразу два звена. Подробное изучение всех параметров конкретной модели и сравнение с имеющимися данными позволят сделать правильный выбор без промедлений.

Имея точные данные перед покупкой конкретного агрегата, начинающий драйвер сможет применить информацию для собственной пользы. К примеру, транспортное средство имеет определённый износ. Его реализует прежний владелец и пытается выдать за автомобиль высшей, чем он есть на самом деле, категории, то грамотный покупатель сможет довести продавцу, что этот агрегат недостоин той стоимости, какую за него требует владелец.

Итак, детальнее об отличиях авто.

вернуться к меню ↑

Первый класс автомобилей («Супер мини» в Европе)

Размером они небольшие: 380 см в длину и 160 в ширину. Небольшие двигатели от 600 мл до 1,2 литров потребляют горючее в малом количестве. Чаще они исполнены в кузове купе (с тремя дверьми), иногда — хэтчбек (с пятью створками).

Эти кары отлично подходят для ежедневных поездок в городских условиях, когда нужно быстро преодолевать незначительные расстояния и по возможности занимать незначительное пространство уличных парковок, просачиваться в транспортном потоке.

Представители этого звена хорошо известны соотечественникам по моделям из списка автомашин класса «а»:

• Ока;
• Matiz;
• Kia Picanto;
• Chevrolet Spark;
• Ford KA;
• Peugeot 107;
• Citroen C1;
• Chery qq6;
• Chery Kimo.

Все «микролитражки» или «сити-кары», так называют авто первого класса, отличаются от старших автомобилей своих компаний более доступной стоимостью и компактными параметрами. За это и получили признание в качестве дополнительного средства передвижения для повседневного пользования.

вернуться к меню ↑

Второй, малый класс автомобилей — «В»

Исследуя габариты этих авто, можно отметить следующие. По длине они меньше 4,2 м., по ширине – до 170 мм. Объем двигателя больше, чем у предыдущей категории, но менее 1,6 л.

Этот сегмент удачно объединяет доступную стоимость авто, наравне с первым классом и вместительность старших товарищей гольф-класса, а также предрасположенность для удобных передвижений в салоне четырёх-пяти человек. Ездить удобно как водителю, так и пассажирам, расположившимся на сиденьях спереди и сзади.

К перечню малых авто относят:

• Citroen C3;
• Peugeot 206;
• Peugeot 1007,
• Ford Fusion;
• Ford Fiesta;
• Renault Modus;
• Mitsubishi Colt;
• Kia Rio New;
• Honda Jazz;
• Nissan Micra;
• Nissan Note.

Иногда таких современников характеризуют рангом выше, например VW Polo, и другие иномарки. Но по определённым причинам они остаются коренным «В» классом.

вернуться к меню ↑

Третий, гольф-класс или порядковый «С»

Основоположником этого автомобильного течения стала популярная модель «Фольксваген Гольф». Теперь во дворах европейцев добрая половина авто – представители этого звена. За счёт габаритов, приближенных к классу «В», транспортные средства приравнивают к «В+». И количественные показатели у них такие же:

• ­  двигатель до двух литров,
• ­  кузов длиной менее 430 см, шириной – до 180 см.

Среди импортных моделей к сегменту «гольф» относят:

• Chevrolet Lacetti;
• Citroen C4;
• Ford Focus;
• Kia Cerato;
• Opel Astra;
• Peugeot 307;
• Hyundai: Elantra, Sonata, Matrix;
• Suzuki Liana;
• Skoda Octavia;
• Toyota Corolla.

Однако, есть несколько отличий автомобилей категории «с» от «б»:

• в салоне Гольфов просторнее, но преимущественно на первом ряду;
• наличие топовых комплектаций с расширенными интеллектуальными возможностями;
• приближённость к полноценному среднему классу за счёт увеличенных габаритов некоторых представителей.

По цене «С» и «В» мало чем различаются между собой, потому активно продаются во всех странах.

вернуться к меню ↑

D класс

Золотая середина легковых авто с такими предельными габаритами:

• ­   ширины – 190 см;
• ­   длины – 470 см;
• ­   увеличения объёма двигателя до 2,5 л.

Уровень цен выше среднего.

Присутствие топовых версий с улучшенными параметрами по оформлению (с кожаной отделкой), звукоизоляции и другими характеристиками.

Представители D класса:

• Alfa Romeo 159;
• Chevrolet Epica;
• Chrysler Sebring;
• Citroen C5;
• Kia Magentis;
• Honda Accord;
• Opel Vectra;
• Opel Signum;
• Skoda Superb;
• Toyota Avensis;
• Volvo S40 и S60.

вернуться к меню ↑

E – высший средний или бизнес-класс

Прибавка отмечается по всем параметрам:

• длина достигает 460 см;
• литраж двигателя – свыше 2,4 л.

Комфортабельнее и дороже предшественников, демонстрирует отделку натуральными материалами, климат-контролем.

Образцовые модели класса «Е»:

• ГАЗ 31105 (по габаритам и мощности),
• Audi A6;
• BMW 5 Series;
• Citroen C6;
• KIA Opirus;
• Lexus GS 450h;
• Mitsubishi Galant;
• Renault Vel Satis.
• Honda Legend;
• Jaguar S-Type;
• Volvo S80.

вернуться к меню ↑

F класс (представительский)

Имеет два варианта – серийные модели «F1» и премиум «F2».

У представителей обоих подклассов в единственном кузове седан — отменная комфортабельность, дорогостоящая отделка, длина более 5 метров. А у второго – исключительно ручная сборка, большинство экземпляров у мировых производителей насчитывается в разовом количестве, что подтверждает их заоблачная стоимость.

Ещё статьи:

Классы автомобилей — таблицы, классификация авто на kakoeAuto

Все легковые автомобили разбиты на классы на основании классификации Европейской экономической комиссии.
Согласно Европейской классификации все легковые автомобили относятся к одному из шести классов:

Таблица классов автомобилей

Обозначение класса	Длина, м	Ширина, м	Название
A	до 3,6	до 1,6	Mini cars («особо малый класс», «городской автомобиль»)
B	3,6 — 3,9	1,5 — 1,7	Small cars («малый класс»)
C	3,9 — 4,4	1,6 — 1,75	Medium cars («гольф-класс», «первый средний», «малый средний»)
D	4,4 — 4,8	1,7 — 1,8	Large cars («средний класс», «второй средний»)
E	более 4,8	более 1,7	Executive cars («высший средний», «бизнес-класс»)
F	более 5	более 1,7	Luxury cars («высший класс», «представительский»)

Разделение автомобилей по категориям и их классификация в таблице осуществлено в порядке возрастания габаритных размеров машин, что естественно влечет за собой увеличение мощности двигателей авто.

Часть автомобилей не входит в вышеприведенные типы, для них дополнительно существуют следующие категории:

Обозначение класса	Название
S	Спорткары — купе, кабриолеты
M	Минивэны, универсалы повышенной вместимости
J	Спортивно — утилитарные автомобили, кроссоверы, внедорожники

Группа авто «Минивэны» дополнительно разбита на подклассы: микровэны, компактвэны и собственно минивэны.
А в категории машин «Кроссоверы, внедорожники» дополнительно выделены подклассы: компактный кроссовер, средний внедорожник, тяжелый внедорожник.
Выделены также еще две группы, не имеющих обозначений в Европейской классификации, это: пикапы и фургоны.
Деление автомобилей на классы достаточно условно. При обновлении модельного ряда обычно происходит изменение габаритных размеров автомобилей в сторону увеличения, что не является достаточным основанием для переноса модели в другой класс.

Для справки:

Америка.

В США, в настоящее время, классификация автомобилей основана на делении машин по полезному объему салона (до 1985 года категория автомобиля определялась длиной колесной базы):

Категория машин	Объем салона, м3	Длина, футы	Соответствие с классами в Европе
Minicompact-cars (мини)	до 2,5	до 85	A-B
Sub-compact cars, subcompacts (субкомпактные)	2,5 — 2,8	85 — 99,9	B
Compact-cars, compacts (компактные)	2,8 — 3,1	100 — 109,9	C
Mid-size cars, intermediates (среднеразмерные)	3,1 — 3,4	110 – 119,9	D-E
Large cars, full-size, standard size (полноразмерные)	более 3,4	более 120	F

Аналогичное деление и внедорожников, называемых в США SUV (Sport-Utility Vehicles):

• Compact SUV
• Mid-size SUV
• Full-size SUV

В Канаде разделение легковых машин близко с принятой в США классификацией, различие только в единицах измерения объема салона — принято измерять в литрах:

Категория автомобиля	Объем салона, л
Two-seater (двухместный)	не нормируется
Subcompact-car (субкомпактный)	до 2830
Compact-car (компактный)	2830 — 3115
Mid-size (среднеразмерный)	3115 — 3400
Full-size (полноразмерный)	более 3400

Азия.

В Японии классификация проста:

Категория автомашины	Длина, мм	Ширина, м	Высота, м	Объем двигателя, см3
Keijidosha или kei-cars (легкий)*	до 3400	до 1,48	до 2	до 660
Small size vehicles	до 4700	до 1,7	до 2	до 2000
Normal size vehicles	более 4700	более 1,7	выше 2	более 2000

* Для этой категории машин действует льготное налогообложение.

В Китае действует классификация категорий легковых машин, разработанная Центральным Китайским автомобильным институтом — China Automotive Technology and Research Center (CATARC):

• Small-cars или A0-segment: длина до 4000 мм (аналогия европейским категориям A или B).
• Category A или A-segment: машины с кузовами длиной от 4000 до 4500 мм, и двигателем объемом до 1600 см³.
• Category B или B-segment: авто длиной кузова свыше 4500 мм, с двигателями объемом более 1600 см³.
• Multi-Purpose Vehicles или MPV: более двух рядов сидений.
• Sport Utility vehicles или SUVs: внедорожники.

Классификация автомобилей

Как сообщают многие автомобильные тематические источники, классификация автомобилей впервые была изобретена в Европе. Причем, начали классифицировать машины не автопроизводители, а автомобильные журналы. Позже автозаводы переняли практику присваивать каждой модели авто конкретный класс.

При присвоении того или иного класса ориентируются на массу машины, объем двигателя, размеры, тип привода и на многое другое. В этом заключается одна из проблем классификации. Например, в европейской системе классификации авто классов достаточно много. Иногда автомобиль сложно отнести определенно к одному классы, в связи с тем, что он имеет признаки двух и более классов.

Впрочем, часто класс авто – это показатель коммерческий. Работники сферы маркетинга могут присвоить машине более престижную букву из таблицы классификации, чтобы показать престижность конкретной модели.

Так как многие страны или регионы мира используют свою собственную классификацию, бывает, что происходит путаница в определении класса определенной модели. Это происходит, если разные классификации смешивают, «сваливают в кучу», что называется.

Тем не менее, любой автолюбитель должен хотя бы приблизительно знать основные классификации автомобилей, а уж в европейской обязан разбираться «на отлично».

С неё-то стоит начать обзор классов и классификаций.

Европейская система классификации автомобилей

В данной системе классификации авто обозначением класса служат буквы латинского алфавита. Отчасти и поэтому данную систему классификации машин легко запомнить. Забегая вперед, можно сказать, что, например, в СССР принцип обозначения модели автомобиля, исходя из класса, был сложнее. Но о нем далее.

Класс А

Это самые маленькие машинки, предназначенные для поездок по городу. Обычно, длина таких машин не превышает 3,6 метра, а ширина – 1,6 метра. Комплектуются автомобили класса А малолитражным двигателем, объем которого может варьироваться от 0,6 до 1,2 литра. Чаще всего машины данного класса являются трехдверными хэчбеками.

Учитывая технические характеристики и стоимость подобных автомобилей, можно сделать вывод, что они идеально подходят для езды в мегаполисах: топлива едят мало, места на парковке – немного. Естественно, что машины класса А не очень хорошо подходят для перевозки грузов и поездки большой семьей на пикник.

В России под класс А подходит «Ока» с двухцилиндровым двигателем. Из мировых малолитражных моделей большую популярность и большое распространение получил корейский «Матиз» от «Дэу». Эта машина отличается от своих классовых конкурентов выгодной ценой и неплохим по объему салоном. Но, перемещаясь на «Матизе», помните, что за город на нем лучше не выезжать! Конструкция авто такова, что боковой ветер может с легкостью опрокинуть машину в кювет. Да и в гололед на подобном авто ездить опасно.

.Чуть более дорогими представителями класса являются «Шевроле Спарк» и «Киа Пиканто».

Нужно добавить, что Европа очень любит малолитражки по одной простой причине: бензин  в Европейском союзе очень дорогой. Жители таких стран, как Греция и Болгария, в особенности не могут позволить себе V8 с непомерным расходом.

Класс B

Тем, кому гордость не позволяет «примерить на себя» фразу: «Полчаса позора – и ты на даче», рекомендуется не останавливаться на классе А, а обратить внимание на класс B.

Автомобили класса B имеют более стильную внешность, а также:

• длину до 4,2 метра;
• двигатель объемом до 1,6 литра;
• преимущественно кузов типа хэчбек или купе.

Тойота Ярис, Фольксваген Поло, Форд Фьюжн, Киа Рио — всё это B-класс. По российским меркам, очень даже популярные машины. Нельзя сказать, что большинство в нашей стране может позволить купить себе какую-либо из перечисленных моделей в автосалоне, то есть, новую.

Между тем, класс B продолжают считать женским. Возможно, в мировых масштабах, это действительно так.

Порадовать может то, что многие авто этого класса способны развивать приличную скорость и готовы к дальним поездкам. Например, к поездке к морю.

Класс С

На чем ездит большинство европейцев? Именно на С-классе. Доля потребителей, выбравших автомобили данного класса, составляет 30-40 процентов. При этом, С-класс – самый «пестрый» и «разношерстный».

Именно с ним происходит история, которая описана в начале статьи: некоторые автомобили С-класса часто причисляют к более престижному D.

Вообще же, типичным представителем данного класса является «Фольксваген Гольф». Компактная, но шустрая машина, способная вместить 5 человек и развить при этом неплохую скорость.

Характеристики класса:

• двигатель объемом до 2 литров;
• длина авто до 4,5 метра;
• кузов типа «хэчбек», реже «седан» и «универсал».

К классу С можно отнести ряд очень популярных в России автомобилей: «Форд Фокус», «Тойота Королла», «Хонда Цивик», «Киа Серато».

Стоит подчеркнуть, что С-класс – это не средний класс, а класс «ниже среднего».

Класс D

По отечественным меркам, D-класс – это уже «элита». Впрочем, как и С, он тоже слегка «разношерстный». Например, как сравнить «Шкоду Октавия» с двигателем 1,6 литра и «Хонду Аккорд» с двухлитровым, а то и более, движком.

Кроме указанных, популярными представителями класса являются «Форд Мондео» и «Фольскваген Пассат».

Иногда, некоторые автолюбители склонны причислять автомобили класса D в более престижный класс E. Например, существует мнение, что «Пассат» должен считаться автомобилем E-класса. Исходя из названия бренда («Фольксвагент»), причислить «Пассат» к Е-классу трудно, так как класс Е и «Народная машина» плохо сочетаются.

Автомобили класса D, как можно понять, ориентируясь на его типичных представителей, достаточно комфортные. Они имеют длину до 4,9 метра, что иногда затрудняет процесс парковки. Машины класса комплектуются различными двигателями: от «середнячка» в 1,6 литра до мощных 2 и даже 2,5 литра.

Класс Е

Данный класс автомобилей принято называть «бизнес-класс». Любят солидные фирмы закупать себе такие автомобили в качестве служебного транспорта. Е-класс характеризуется стильной отделкой салона: кожа или дерево; мощным двигателем, взаимодействующим с автоматической коробкой переключения передач; большими размерами: от 4,6 до 5,5 метра в длину. Характерный тип кузова: седан.

Типичные представители класса: «Нисан Тиана», «Тойота Камри».

Стоит подчеркнуть, что, согласно европейским представлениям, это еще средний класс автомобилей. Впрочем, даже в Европе на покупки машин Е-класса приходится всего 5 процентов от общего числа приобретений.

Класс F

Солидные автомобили для солидного бизнеса. К данному классу относятся «Ауди А8» «БМВ 7-ка». В связи с тем, что автомобилями данного класса пользуются состоятельные люди, у машин класса F имеются характерные особенности:

1) тип кузова только седан. Человек, могущий позволить себе «А8» не перевозит крупногабаритных вещей в салоне авто, он заказывает грузовой транспорт. Следовательно, универсал F-класса – нонсенс. При этом, обеспеченные люди хотят, чтобы в салоне было просторно. Таким образом, отпадает и кузов хэчбек.

2) Длина автомобилей класса от 5 метров. Тоже объяснимо: машина должна выделяться в потоке.

Существует мнение, что класс F стоит делить на подклассы F1 и F2. К первому подклассу относятся вышеуказанные модели класса: серийные, но комфортные и дорогие. А ко второму подклассу можно отнести автомобили, которые выпускаются в единичном экземпляре или в ограниченном количестве, при этом, многие из них – результат ручной работы. К подклассу F2 относят модели таких марок, как «Феррари», «Бентли», «Ламборджини».

На этом основная европейская классификация автомобилей заканчивается. Но есть в латинском алфавите еще немного букв. Их тоже решили использовать для дополнительной классификации машин.

Класс G

Купе – двухдверная укороченная версия какой-либо модели. Кто покупает купе? Люди, которые, во-первых, имеют возможность не ограничиваться классами A или B. А, во-вторых, не планируют перевозить на своей машине много пассажиров или грузов. Кичливые одиночки-эгоисты.

Как и в предыдущем классе, здесь тоже можно выделить подклассы G1 и G2. Принцип разделения такой же. К первому подклассу можно отнести серийные купе. Например, купе от «Киа Серато». А ко второму подклассу – премиум-авто. Например, купе «Астон Мартин».

Класс H

Автомобили данного класса предназначены для автомобилистов, которые готовы очень часто мыть голову. Да, кабриолет – это красиво, романтично, вдохновенно. Но владельцы кабриолетов открыто делятся и минусами управления подобными машинами: мошки во рту, пыль в волосах, дождь и холодный ветер.

С другой стороны, это такие мелочи. Зато десятки восхищенных взглядов в сторону автомобиля, водителя и пассажира (пассажиров) обеспечены.

Данный класс, также, принято разделять на подклассы.

Класс I

Универсалы повышенной проходимости. Интересный класс. Что-то среднее между легковыми автомобилями и внедорожниками. По управляемости – «легковушка», а вот по способности езды по бездорожью – внедорожник, но с оговорками.

Наверное, хорошим примером таких машин будут те модели, которые сейчас пытается выпускать «ВАЗ»: «Калина Кросс», «Ларгус Кросс». И добавление «Кросс», как выясняется, тут вовсе не «кроссовер», а способность проехать по влажному проселку на дачу, например.

Класс K

Данный класс включает в себя самое большое количество подклассов. И это объяснимо, потому что K- класс – это внедорожники. А у них между собой имеется множество различий.

Так К1 – это легкие «паркетники», которые только с виду выглядят, как настоящий внедорожник, а на деле увязнут в первой попавшейся луже.

K2 – среднеразмерные внедорожники, к числу которых можно отнести, как рамные автомобили, так и машины без рамы. Они универсальны в плане местности, по которой на них можно ездить. Для города они, конечно, великоваты, но опытны водитель справится. А в сельской местности точно не застрянут.

К3 – тяжелые внедорожники, предназначенные для серьезного внедорожья. В качестве примера можно привести «Джип Гранд Чероки», «Шевроле Субурбан», «Хаммер». Впрочем, на всех перечисленных автомобилях ездят и в городе.

К4 – пикапы. Пикапы очень удобны для эксплуатации в сельской местности. В России идет волна роста популярности пикапов. Наверное, одним из самых популярных на данный момент является «Митсубиси Эль 200». Страшная на вид, но очень функциональная машина.

Класс L

К этому классу относятся минивэны. Они очень популярны в Америке, так как могут иметь от 7 до 13 мест, и очень удобны для семейного отдыха, семейных поездок. В России, в связи с программами повышения рождаемости, многие семьи тоже начинают интересоваться подобными машинами. Производители у таких автомобилей разные. В качестве примеров, можно назвать «Форд Гэлекси», «Фольксваген Шаран» и другие.

Класс M

К этому классу относят «башмаки» и «пирожки». То есть, легковые машины, которые предназначены для коммерческой перевозки грузов в рамках города. Они проедут там, где грузовикам проезд запрещен или недоступен, в силу габаритов.

Стоит отметить, что маркетологи ведут активную деятельность по изобретению новых классификаций, или добавлению новых пунктов в стандартные классификации. Таким образом, как бы, расширяется возможность выбора у потребителя. Но это, надо понимать, иллюзия. Чтобы не погружаться в мир иллюзий, автомобильные журналисты разработали свою упрощенную классификацию авто.

Журналистская классификация авто

1. Малолитражки – автомобили европейских классов A и B. Компактные, экономичные, идеальные для езды по городу, маневрирования в городских потоках и т.п.
2. Эконом-класс – европейские классы С и частично D. Более-менее комфортные и вместительные машины, способные вести людей и грузы как в черте города, так и за городом. Дополнительными устройствами, как правило, не снабжены. Главный принцип дизайна салона – чем проще, тем лучше.
3. Средний класс – сегмент европейских D и Е классов.
4. Бизнес-класс – часть автомобилей E и D классов, которые имеют комфортный салон и богатое техническое оснащение.
5. Премиум-класс – соответствует европейскому F-классу.
6. Паркетник – автомобиль класса Н, без рамы, предназначенный для езды по городу.
7. Внедорожник – как правило, рамный автомобиль, предназначенный, как для города, так и для езды за городом.
8. Кабриолет.
9. Купе.
10. Лимузин.

Особенности классификации авто в некоторых странах

Не во всех странах учитывают размер и комфорт авто при классификации моделей. Так, в Испании и во Франции автомобили делят на классы, исходя из мощности двигателя. Дело в том, что именно с количества лошадиных сил взимается налог.

В Северной Америке всегда важна была длина колесной базы, а также объем салона.

В Японии машины классифицируют, исходя из их длины и объема двигателя. Но классов всего три: легкий, класс автомобилей до 4,7 метра в длину и класс авто более 4,7 метра в длину.

В остальных странах всё довольно стандартно, без особенностей. Однако, хотелось бы еще описать системы классификации авто в США и СССР.

Исторические особенности классификации авто в США

В США, как всегда, пошли своим путем, что, нужно сказать, вызывало и вызывает иногда некоторые проблемы.

В Соединенных первоначально не было четкого деления на классы. Там ориентировались на марку машины, а исходя из марки, на её стоимость. Самым наглядным примером классификации машин в США стала ситуация с «Тойотой». Машины этой японской марки не считалась в Америке автомобилями «премиум-класса», поэтому «Тойоте» пришлось разработать бренд «Лексус». «Тойоты» по высокой цене «Лексуса» никто бы не купил – дорого за средний класс, а вот «Лексусы» брали и берут охотно. Странно, но тем не менее.

После появления компактных авто, классификация машин в США более-менее стала соответствовать европейской.

Классификация авто в СССР

Чтобы определить класс большинства автомобилей в СССР, нужно посмотреть на название марки и модели и сопоставить их с «формулой» <Название завода>—abcd, где а класс автомобиля, b – тип авто, с и d – порядковые номера модели.

Для наглядности: автомобиль «ОКА» — это ВАЗ-1111. Особо малый легковой автомобиль 11-ой модели производства завода «ВАЗ».

Всего в СССР было 5 классов:

1. особо малый;
2. малый;
3. средний;
4. большой;
5. высший.

Нужно отметить, что подобная классификация сохраняется, частично, до сих пор.

Классификация легковых автомобилей | Brooklands

Aston Martin				Rapide, Vantage, DB, Lagona, Vanquish, Vulcan
Audi	A1, A2, A3, A4, A5, TT	A6, A7, RS6, RS7, Allroad, Q3, Q5	A8, A8 Long, R8, Q7, Q8
BMW	1, 2, 3, 4, M2, Z4, Z3	5, 6, X1, X2, X3, X4, M5F90	Z8, X5, X6, 7, 7 long, 8	X7
Bentley			Continental GT	Arnage, Flying Spur, Bentayga	Mulsanne
Cadillac		CTS, ATS, BLS	SRX, STS	Escalade	Escalade ESV
Chevrolet	Aveo, Lacetti, Spark	Captiva, Evica, Rezzo, Niva, Cruze	TrailBlazer, Corvette	Tahoe, Suburban
Chrysler	Neon	Sebring, Stratus, PT Cruiser	300C, Grand Voyager, Pacifica
Citroen	C2, C3, C4	C6, Picasso, Berlingo, C5, DS-5	C-crosser
Ferrari			488	California, 458	FF, F12, 812, GTC4
Ford	Fusion, Focus, Fiesta, Ka	Mondeo, Kuga, Maverick, Escape, S-Max	Galaxy, Explorer, Mustang		Raptor, F-150
Genesis	G70	G80	GV80, G90, G90L
Honda	Jazz, Civic	HR-V, Accord, Prelude	CR-V, Legend, Element, Crosstour	Ridgeline
HUMMER				h4	h3
HYUNDAI	Getz, I30, Atos, Solaris	Sonata, IX35, Matrix	Santa Fe, IX55, Terracan, Tucson, Genesis	Equus, h2	Starex
INFINITI	Q30	Q50	QX70	QX60, QX80, QX56
JAGUAR		XF, F-type, F-pace	XJ
JEEP		Liberty	Compass, Grand Cherokee, Cherokee, Wrangler
KIA	Ceed, Cerato, Rio, Picanto	K5, Sportage, Venga, Soul	Quoris, Sorento	Mohave
Lamborghini			Gallardo, Huracan	Aventador, Murcielago, Urus
LAND ROVER		Freelander, Evoque	Discovery, Range Rover Sport	Defender, Range Rover, Range Rover long
Lexus	IS, CT	NX, ES, GS	LS, GX, RX	LX
Maserati			Ghibli, Levante
MAZDA	2, 3, MX-5	5, 6, CX-5	MPV, CX-7	CX-9, BT-50
MERCEDES-BENZ	A, B, C, SLC, CLA	E, GLA, GLC, SL, CLS	AMG GT, GLE, GLE coupe, R, S, S coupe	AMG GT 4 door, Maybach, GLS	G class, V class
MINI	Cabrio, Coupe, Hatch	Countryman, Clubman
MITSUBISHI	Colt, Lancer	Pajero Pinin, Space Star, ASX	L-200, Outlander, Pajero, Pajero Sport
NISSAN	Almera, Note, Tiida, Micra	Juke, Qashqai, 350Z, Navara, Teana	Murano, X-Trail, GT-R	Pathfinder, Patrol
OPEL	Astra, Corsa	Zafira, Insignia, Omega, Vectra, Meriva
PEUGEOT	107, 207, 308	407, 508, Partner
PORSCHE		Cayman, Boxster, Macan	911, Cayenne, Panamera
RENAULT	Clio, Logan, Symbol	Kangoo, Duster, Fluence, Scenic, Megane, Laguna	Koleos
ROLLS-ROYCE				Ghost, Wraith	Cullinan, Phantom
SKODA	Fabia, Rapid, Ibiza	Octavia, Karoq, Kodiaq, Superb, Roomster, Yeti
SUBARU		Forester, Legacy, Outback, Impreza XV	Tribeca
Toyota	Auris, GT 86, Yaris	Avensis, Prius, Versa, Camry, Corolla, Crown	Venza, Highlander	FJ Cruiser, LC200, Prado	Tundra, Sequoya, Alphard
Volvo	C30, S40	S60, V40, V50, V70, XC40, XC60	XC70, XC90, S90, S80, V90
Volkswagen	Polo, Scriocco, Beetle	Touran, Sharan, Passat, Golf plus, Jetta, Tiguan	Touareg	Phaeton, Terramont	Caravelle, Multivan, Transporter

Классы автомобилей — таблица и варианты классификации

С развитием автомобилестроения возрастало количество моделей, каковые различались между собой по габаритно-массовым и характеристикам. В самые развитых государствах национальные органы стали вести учет машин.

Неспешно сложилась определенная совокупность, машины распределили по нескольким классам, каковые для удобства были сведены в таблицу.

За границей классификация транспортных средств развивалась с учетом местных изюминок. Последующее развитие глобализационных процессов в экономике и открытие рынков для продукции автомобильных компаний послужило выработке новых стандартов в сфере учета транспорта.

В итоге появилось пара совокупностей классификации автомобилей, каковые действуют в отдельных государствах либо распространяются на целые континенты:

• в ЕС действуют классификации ЕЭК и EuroNCAP. Помимо этого, имеются личные совокупности во Испании и Франции;
• в Канаде и Северной Америке;
• в Азии национальные классификации созданы в Японии и в Китае.

Классы машин в них определяются исходя из различных параметров, например, за базу смогут браться кое-какие характеристики, к примеру: количество двигателя, снаряженная масса либо протяженность автомобиля. Регламентация в данной сфере коснулась и некоторых вторых параметров, каковые стали устанавливаться на законодательном уровне.

Классификация машин по классам в различных государствах (таблица)

В развитых странах количество автомобилей, находящихся в эксплуатации и выходящих с заводских конвейеров, всегда увеличивается. Транспорт подлежит учету, что требует формализации и определённой систематизации. В каждой из государств к указанному вопросу подходят с учетом действующего законодательства и нормативно-правовой базы и определенных национальных изюминок.

Скачать таблицу классификации машин по классам в формате pdf  возможно Тут.

В Российской Федерации

Разделение транспортных средств по категориям в каждой из государств происходило с учетом национальных изюминок. В Советском Альянсе, а позднее в РФ этот процесс был делегирован Министерству внутренних дел, в составе которого были созданы органы по учету автотранспорта. Сначала это был ОРУД, после этого его поменяла Государственная автоинспекция, и на данный момент эти функции делает ГИБДД.

Регистрационно-экзаменационные отделения – это исполнительные органы, а методологическая работа проводилась профильными университетами. В Советском Альянсе была создана достаточно стройная совокупность распределения машин по классам. Она была введена в воздействие во второй половине 60-ых годов двадцатого века особым документом ОН 025270-66 (отраслевая нормаль).

На данный момент она носит больше рекомендательный темперамент.

В соответствии с отраслевой нормалью ОН 025270?66 автомобили подразделяются на 5 классов в зависимости от рабочего количества двигателя.

Таблица: классификация автомобилей в соответствии с ОН 025270?66

В соответствии с упомянутым документом наименование каждой модели складывается из сокращения завода изготовителя и цифрового кода из четырех и более цифр, каковые обозначали следующее:

• Первая — класс автомобиля.
• Вторая — тип транспортного средства.
• Третья и четвертая — заводской номер модели.
• Пятая — модификация.
• Шестая – импортное выполнение.

Как пример применения данной классификации в отношении популярного автомобиля производства СССР возможно привести ее расшифровку для одной из моделей малого класса. Обозначение ВАЗ-21079 свидетельствует:

• 2 — машина имеет количество двигателя в пределах от 1,2 до 1,8 л;
• 1 — в пассажирском выполнении;
• 07 – седьмая модель по заводской нумерации;
• 9 – модификация в этом случае с роторно-поршневым двигателем.

Совокупность была достаточно эргономичной в условиях планового хозяйства и централизованного государства. В Российской Федерации совокупность классификации машин по установленным классам осталась до тех пор пока неизменной с советских времен. В условиях рыночной экономии отдельные русские производители допускают отклонения от сложившейся практики, что может привести к дезориентации и путанице потребителя.

Методические указания МАДИ «маркировка и Классификация машин» в формате word возможно скачать Тут.

В Европе

образование и Объединение Европы наднациональных структур стало причиной образованию единого экономического и правового пространства. Данный процесс затронул и такую сферу, как классификация машин по классам, уполномоченными структурами была создана соответствующая таблица. Главным параметром, по которому осуществлялось деление на категории стали габаритные размеры.

Видео — классы автомобилей с примерами:

В итоге все существующие модели были поделены на шесть главных классов, каковые для удобства взяла обозначения по первым буквам латинского алфавита. Ниже приводится официальная таблица классов автомобилей, принятая в ЕС.

Принятая методика определения категории автомобилей не отличается совершенством, в нее не вписываются кое-какие модели. Для исправления данного положения классификация машин по классам в Европе была дополнена еще тремя категориями. Их описания представлены в нижеприведенной таблице:

Но, и указанных дополнений выяснилось не хватает. Было нужно делать дополнения к существующей совокупности и добавить два класса: пикапы и фургоны. направляться осознавать, что данное разделение достаточно условно и отражает скорее отношение модели к определенному рыночному сегменту.

Недаром же по окончании модернизации автомобили кроме того при трансформации ее габаритов, производитель приписывает ее к озвученной ранее категории.

Экологический класс автомобиля

Массовое развитие транспорта, оснащенного двигателями внутреннего сгорания, не имело возможности не сказаться на состоянии внешней среды. В начале девяностых годов прошлого века в ЕС были созданы последовательность нормативных актов, каковые устанавливали уровень предельно допустимых концентраций вредных веществ в выбросе. Так, было введено понятие об экологическом классе автомобиля.

Первый свод правил взял неспециализированное наименование Евро-1 и был утвержден в первой половине 90-ых годов двадцатого века. За бурным развитием разработок последовало предстоящее ужесточение требований к сходящим с конвейера машинам.

Так, спустя 4 года появляется новый стандарт Евро-2, а пара позднее и Евро–3. Но и он не стал последним в этом последовательности и на данный момент действует уже пятая версия экологических норм в сфере регулирования автотранспорта.

Наша страна присоединилась к указанному процессу существенно позднее — так стандарт Евро-2 введен был лишь девять лет назад. Через каждые два года требования усложнялись и к настоящему моменту все ввозимые в Российской Федерации машины должны соответствовать последней пятой версии данного стандарта.

Появляется закономерный вопрос, как определить экологический класс автомобиля и где отыскать нужную информацию.

Госконтроль в данной сфере возложен на особые органы сертификации, каковые реализовывают экспертизу транспортных средств. Сведения о выдаче соответствующих документов для конкретной модели возможно обнаружить сайте Федерального агентства по метрологии и техническому регулированию. Как показывает практика определить экологический класс автомобиля возможно по следующим данным: VIN номер, марка (год) и модель автомобиля его выхода с конвейера.

Указанные сведения нужны, в первую очередь, с целью проведения процедуры регистрации автомобили в МРЭО. В 2005 году были внесены трансформации в положение о ПТС и сейчас указанный документ нужный для постановки на учет снова ввезенного в страну авто нереально взять без сертификата. С 1 января прошлого года машина обязана соответствовать нормам последнего Евро-5.

Видео о необходимости проверки соответствия автомобиля экологическому классу Евро-5:

Законодатели внесли трансформации и в фискальную совокупность, размер дорожного сбора сейчас зависит от степени негативного действия автомобили на внешнюю среду. В большинстве случаев, определить экологический класс автомобиля для транспортного налога возможно на сайте все того же Федерального агентства, занимающегося вопросами метрологии и технического регулирования.

Другие варианты классификации машин

Категории A, B, C, D, E

Водителю для управления машиной необходимы определенные навыки, соответствующие категории данного транспортного средства. В 2013 году привычные всем классы машин A, B, C, D, E были поменяны в соответствии с новой редакцией закона «О безопасности дорожного перемещения». К уже имеющимся пяти категориям были добавлены целый рад подкатегорий, дающих право управления транспортом определенного вида либо сцепками.

Сейчас для управления популярным в народе скутером потребуется водительское удостоверение. В нем должна быть открыта категория А1, наряду с этим обладатель мотоциклетных прав также может ездить на таком транспортном средстве.

Кое-какие трансформации коснулись и класса легковых автомобилей, к каким относятся все машины весом до 3,5 тысячь киллограм. Для того дабы ездить с тяжелым прицепом автовладельцу нужно будет открывать категорию ВЕ.

В отдельный класс В1 выделяются такие экзотические для нашей страны автомобили как трициклы и квадроциклы. Ранее езда на них по дорогам неспециализированного пользования была и вовсе незаконной. Введение данной правой нормы разрешит обладателям упомянутых средств передвижения легально применять собственный имущество как в пределах населенных пунктов так, и вне их.

Кое-какие трансформации были сделаны и в отношении прав управления автопоездами и грузовиками.

По престижу

Автомобили одного размера смогут значительно различаться по уровню оснащенности и соответственно по цене. Престижность модели определяется еще ее маркой. Недаром же узнаваемые компании создали отделения, каковые занимаются выпуском автомобилей премиального класса.

Речь заходит о таких марках, как Лексус, Инфинити, Акура, Майбах и другие. Существуют кроме этого и компании, специализирующиеся только на дорогих авто: Порше, Мазерати, Бентли и другие.

Автомобиль Шевроле Corvette относится к S-классу

В качестве отдельного класса машин возможно выделить лимузины, каковые отличаются от простых моделей наличием перегородки между пассажирским салоном и водительским местом. направляться подчернуть, что такие автомобили производились лишь в трех государствах: в Англии – компанией Роллс-ройс, в Советском Альянсе, а позднее в Российской Федерации на автозаводе ЗИЛ, и в Китайской Народной Республике под маркой «Красная стенки».

Лимузины от вторых производителей  являются грубо говоря переделкой серийных моделей. Обычный кузов удлиняется и укрепляется, оборудуется соответствующим образом. Большая цена для того чтобы рода машин определяется в первую очередь громадными затратами ручного труда.

Многие сборочные операции довольно часто выполняются квалифицированными экспертами под контролем со стороны инженерно-технического персонала.

Транспорт скорой медицинской помощи

Кроме пассажирских и грузовых автомобилей существуют и оборудованный соответствующим образом транспорт для особых работ. К ним относятся пожарные, спасатели, органы и медики охраны правопорядка. Для исполнения поставленных перед ними задач употребляются машины, оборудованные на базе серийных моделей различных категорий.

Машины скорой медицинской помощи также делятся на классы

Соответственно они отличаются друг от друга по оснащённости и техническим характеристикам. Существуют следующие классы машин скорой медицинской помощи:

• А – машина для перевозки больных под присмотром доктора, фельдшера либо медицинской сестры. В таких машинах скорой помощи нет оборудования для оказания экстренной помощи больному. Таковой спецтранспорт у нас в большинстве случаев делается на базе микроавтобусов Горьковского автомобильного завода.
• В – машина экстренной медицинской помощи предназначена для перевозки больных при одновременном исполнении определенных лечебных мероприятий. Особый отсек автомобиля оборудуется диагностическими аппаратами, разрешающими осуществлять контроль состояние больного до момента доставки его в лечебное учреждение.
• С – реанимобиль карета скорой медицинской помощи, оснащенная для исполнения лечебных процедур специальными врачебными бригадами конкретно в ходе транспортировки больного либо раненного в поликлинику либо госпиталь.

Обрисованная совокупность классификации машин скорой помощи разрешает вести их учет по классам, степени оснащенности и вторым показателям. Существуют определенные нормативы по количеству спецмашин различных категорий. Он установлен для муниципальный и сельской местности с учетом плотности населения, расстояния до ближайшей станции скорой других факторов и помощи.

Для автомойки

Собственные совокупности классификации смогут быть созданы и некоторыми отраслевыми объединениями в сфере обслуживания транспортных или других видов бизнеса.

Существует, например, классификация машин по классам для автомойки, призванная упростить учет в сети принадлежащих одной компании фирм. Это нужно для установления единых урегулирования и тарифов иных хозяйственных вопросов.

Для проката машин

Подобные системы были созданы и в больших компаниях, каковые трудятся в сфере проката машин. Парк автомобилей у таких международных корпорации, как Enterprise, Hertz либо Avis превышает десятки тысяч единиц техники различных производителей и моделей. Для упрощения контроля были введены SIPP коды, каковые устанавливают не только класс, но и комплектацию прокатного авто.

Таковой подход разрешает в официальных документах и рекламных материалах не показывать полный перечень машин по маркам, а публиковать список по классам в виде таблицы. Клиенту при оформлении заказа достаточно указать сведения о том, машину какой категории он желал бы взять во временное пользование с учетом уровня ее оснащенности. Это намного проще, нежели оговаривать предоставление автомобили определенной комплектации и марки.

Прокатные компании приобретают возможность вовремя откликаться на трансформации конъюнктуры в отдельном регионе. Имея на руках таблицу классов машин с примерами, менеджер может оперативно связаться с управлением и передать информацию о наличии автомобилей и уровне спроса на них. Администрация на базе взятых сведений может перенаправить часть автомобилей из вторых филиалов.

Все совокупности классификации транспортных средств решают в полной мере конкретные задачи и строятся по определенным показателям. Любая из них имеет преимущества и недочёты.

Любое распределение машин по классам достаточно условно, но значительно упрощает обработку громадных количеств информации для ответа прикладных задач учета транспортных средств либо производства.

Как происходит подбор запчастей по ВИН коду онлайн определите, прочтя статью.

Расчёт маршрута между городами Европы возможно выполнить Тут посредством нужного онлайн сервиса.

их значение и Жесты регулировщика (http://voditeliauto.ru/voditeli-i-gibdd/signaly-regulirovshhika-v-kartinkax.html) в картинах осознать существенно проще.

Видео — лимузин ЗиЛ 4112Р для президента:

В обязательном порядке к прочтению:

Машины «D» класса

Статьи как раз той тематики,которой Вы интересуетесь:

• Классы машин

  сравнения и Обзоры машин Классы машин – казалось бы, вопрос несложной, но в нем путаются кроме того бывалые водители. К примеру, автомобильные издания пестрят указаниями сегментов…

• Множество предложений по продаже машин

  Раньше с покупкой автомобиля довольно часто появлялись определенные сложности. Не каждый имел возможность позволить себе приобрести новенькую машину, да и выбор моделей был ограничен. К тому же необходимо было или…

• В случае если шофер вспоминает о замене автомобиля

  Возраст автомобиля Сейчас фактически все клиенты машин разделяются на тех, кто старается купить более новую модель, и на тех, кто заостряет внимание на бывшие в потреблении…

• Что такое ПТС автомобиля?

  водитель и Закон Паспорт транспортного средства, что в обиходе именуется техпаспортом либо ещё меньше – ПТС, есть главным документом автомобиля, фиксирующим его комплектацию и…

• Автомобиль – приятель «металлический» и надежный

  на данный момент, в то время, когда разработки заполнили отечественный мир, заметить живую лошадь на автостраде мегаполиса, запряженную в повозку, так же страно, как и столетие назад лицезреть автомобиль на проселочной…

Классы легковых автомобилей |

Классы легковых автомобилей.

1. Классы легковых автомобилей европейских производителей в зависимости от их размеров сгруппированы в классы 6 наименований по первым буквам классического латинского алфавита А, В, С, D, E и F.

2. Классы легковых автомобилей в зависимости от кузовных элементов сгруппированы в 3 класса по латинским буквам M, S и J.

3. Классы легковых автомобилей А, В, С, D, E и F – в таблице. В приведенной ниже таблице указаны наименования классов легковых автомобилей в зависимости от их размеров.

Класс легкового  автомобиля	Название, объем двигателя, л	Габаритные размеры, м (длина и ширина)	Отдельные модели для примера
А	Особо малый, 0,8 – 1,4	До 3,6 х 1,6	Citroën C1 Fiat 127 Ford Ka Peugeot 108 Renault Twingo Volkswagen Polo
В	Малый, 1,1 – 2,0	От 3,61 до 3,9 – длина, от 1,64 до 1,68 — ширина	Audi A1 Citroën C2 Fiat 133 Ford Fiesta Škoda Fabia Opel Corsa
С	Первый средний, 1,2 – 1,8	4,0 — 4,3 – длина 1,7 – 1,78 -ширина	Audi A3 Alfa Romeo 147 Citroën C4 Ford Focus Opel Astra Volvo V40
D	Второй средний, 1,6 – 2,5	4,5 – 4,7 – длина ширина до 1,9 метра	Audi A4 BMW E36 Ford Mondeo Volvo S70 Opel Vectra Peugeot 508
Е	Большой, объем двигателя от 2,4 л	4,7 – 4,9 – длина, 1,8 – 1,9 — ширина	Alfa Romeo Alfa 6 Audi A6 C5 BMW M5 Volvo V70 Renault Vel Satis Mercedes-Benz W212
F	Высший	Длина – более 5 метров, ширина – более 1,8 метра	Audi V8 BMW E65/E66 Rolls-Royce Ghost Mercedes-Benz W222 Opel Kapitän Maybach Zeppelin Volkswagen Phaeton

4. Классы легковых автомобилей в зависимости от кузовных элементов (M, S и J).

4.1. Класс легковых автомобилей M — минивэны.

К этому классу относятся легковые автомобили с однообъемным кузовом повышенной вместимости, получившие название минивэнов. Это автомобили, рассчитанные на 5-8 мест с 3 рядами сидений. Предназначены для больших семей, для путешествий, а также для обслуживания офисов.

Ниже приводятся характеристики минивэнов Фольксваген и Пежо.

4.1.1. Volkswagen Touran (Фольксваген Туран) – пяти- или семиместный компактвэн. К компактвэнам относятся автомобили длиной от 4,3 до 4,7 метров и высотой от 1,55 до 1,8 метра.

Модель 2015 года.

Колесная база – 2791 мм, длина 4527 мм, длина салона 1799 мм. Пассажировместимость – варианты в 5 и 7 мест.

Второй ряд сидений двигается продольно на 200 мм, Кроме того, пространство для ног пассажиров третьего ряда увеличилось на 54 мм в сравнении с предыдущей моделью. Багажный отсек в пятиместном варианте составляет 1040 литров. Максимальный доступный объем пространства для груза достигает 1980 и 1857 литров в пяти- и семиместной версиях соответственно. Пятая дверь для удобства может быть оснащена системой открывания движением ноги. Имеется множество мест для хранения мелких вещей.

Оснащается бензиновыми и дизельными двигателями мощностью от 110 до 190 л.с. Коробка – механическая или автомат, привод передний.

4.1.2. Peugeot Rifter – компактвэн с пяти- или семиместной раскладкой салона.

Выполняется в двух модификациях – стандартной и удлиненной. Стандартный вариант: — длина 4400 мм (колесная база 2780 мм), удлиненный – длина автомобиля 4750 мм с колесной базой 2970 мм.

В базовом варианте Peugeot Rifter обладает пятиместной раскладкой с передними креслами и комфортабельным и свободным задним диваном. В удлиненном автомобиле предусмотрен третий ряд сидений.

Одно из достоинств Пежо Рифтера – большой багажный отсек, объем которого составляет от 775 до 4000 литров в зависимости от версии. Сиденья второго и третьего рядов складываются вровень с полом, что дает возможность перевозить  крупногабаритный груз.

Устанавливаемые двигатели – бензиновые мощностью 110 и 130 л.с. и дизельные такой же мощности. Коробки передач 5 — 6-ступенчатые механические или 8-диапазонные гидромеханические «автоматы».

4.2. Класс легковых автомобилей S — спорткары, кабриолеты, купе и родстеры.

Спорткары – спортивные автомобили. К ним относятся легковые автомобили, имеющие в сравнении с базовыми вариантами повышенную мощность двигателя, обтекаемую форму кузова, низкий клиренс и более жесткую подвеску.

Кабриолеты — открытые автомобили с двумя рядами сидений.

Родстеры — двухместные легковые автомобили с открытым верхом.

Купе — закрытый кузов спортивного типа и стильного вида с 2-мя боковыми дверьми.

4.3. Класс легковых автомобилей J – кроссоверы и внедорожники.

4.3.1. Российская классификация. По условиям движения автотранспортные средства подразделяются на дорожные и внедорожные.

Грузовой дорожный автотранспорт предназначен для выполнения работ по дорогам общей сети I-V категории. Классификация грузовых автомобилей – в этой статье.

Грузовой внедорожный транспорт (внедорожные автомобили) – это карьерные автомобили.

4.3.2. Легковые автомобили по условиям движения подразделяются на дорожные и повышенной проходимости.

Дорожные автомобили предназначены для движения по дорогам с усовершенствованным типом покрытий, они имеют колесную формулу 4×2.

Автомобили повышенной проходимости имеют колесную формулу 4×4 (принудительный привод на оба моста, привод или полный или в варианте подключаемого второго моста) и предназначены для движения по неблагоустроенным дорогам и бездорожью.

Легковые автомобили повышенной проходимости (то есть внедорожники) характеризуются в основном рамной конструкцией, наличием раздаточной коробки со встроенным межосевым дифференциалом или без него, наличием 2-х мостов с главными передачами, дифференциалами и полуосями, высоким клиренсом и наличием не менее 2-х карданных валов.

4.4. Класс легковых автомобилей J по европейской классификации.

Кроссовер – тип автомобиля, созданный на легковой платформе с несущим кузовом с высокой посадкой водителя и пассажиров с передним или полным приводом и высоким клиренсом.

Типы приводов:

а) подключаемый вручную (Рart — time ). Два ведущих моста. Раздаточная коробка выполнена без межосевого дифференциала. Через раздатку подключается передний мост. Соединение получается жестким, т.е. передние и задние колеса вращаются с одинаковой скоростью. Не применяется на участках дорог с твердым покрытием;

б) автоматически подключаемый полный привод (AWD). Конструктивно привод выполнен в виде коробки перемены передач с двумя карданными валами, 2-х ведущих мостов и встроенной в задний мост автоматической электромагнитной или гидравлической муфты включения заднего моста (в переднеприводном варианте). Степень блокировки муфты управляется электроникой;

в) полный привод 4WD (внедорожник). Состоит из 3-х дифференциалов (межосевого и двух межколесных). Применяется жесткая механическая блокировка межосевого дифференциала с распределением момента по осям в пропорции 50:50. Кузов на раме или несущий.

ACRISS коды классификации автомобилей для аренды и проката (SIPP code)

ACRISS Car Classification Code (SIPP code) — коды, определяющие класс и комплектацию конкретного автомобиля, широко используются международными автопрокатными компаниями. При бронировании аренды автомобиля следует учитывать, что гарантируется только соответствие реального автомобиля данному классу (группе), а не конкретной марке.

До недавнего времени существовала старая система классификации автомобилей для аренды и проката, которая успешно использовалась на протяжении многих лет, но с течением времени и увеличением числа изменений, вносимых в конструкцию транспортных средств, возникла необходимость расширить систему классификации для обеспечения более точного и глубокого кодирования автомобилей в прокатном бизнесе.

ACRISS Car Classification Code (SIPP code) состоит из четырёх букв и в законченном виде выглядит например так — CCMN = Compact Car — 2/4 Door — Manual Transmission — Non air-conditioned (Автомобиль класса Компакт — 2/4 двери — Механическая коробка передач — Без кондиционера).

Категории автомобилей для аренды

Категория автомобиля для аренды — это первая и основная буква кода, которая определяет к какой категории относится бронируемый автомобиль.

Категория Elite (Элит) создана специально для проведения различий между стандартными и более высокими спецификациями и опциями у автомобилей для аренды и проката или для выделения моделей авто люксовых брендов среди других автомобилей подобных типоразмеров.

Тип автомобиля для аренды

Тип автомобиля автомобиля для аренды — вторая буква кода, которая определяет тип кузова или функциональные особенности арендуемого автомобиля.

Коробка передач — привод на колёса

Коробка передач и привод на колёса — третья буква кода, которая определяет тип коробки передач (механическая или автомат) и какие колёса у арендуемого автомобиля являются ведущими. Если в спецификации ведущие колёса не указаны (коды «M» и «A»), то автомобиль может иметь или передний или задний привод.

Код	Трансмиссия/Ведущие колёса	Русскоязычное значение
M	Manual Unspecified Drive	Механическая коробка передач, ведущие колёса не указаны
N	Manual 4WD	Механическая коробка передач, ведущие колёса передние и задние
C	Manual AWD	Механическая коробка передач, все колёса ведущие
A	Auto Unspecified Drive	Автоматическая коробка передач, ведущие колёса не указаны
B	Auto 4WD	Автоматическая коробка передач, ведущие колёса передние и задние
D	Auto AWD	Автоматическая коробка передач, все колёса ведущие

Топливная система — наличие кондиционера

Топливная система и наличие кондиционера — четвёртая буква кода, которая определяет тип двигателя (топливная система) и наличие или отсутствие кондиционера (климат-контроль) у арендуемого автомобиля.

Код	Топливо/Кондиционер	Русскоязычное значение
R	Unspecified Fuel/Power With Air	Топливо и тип двигателя не определены, с кондиционером
N	Unspecified Fuel/Power Without Air	Топливо и тип двигателя не определены, без кондиционера
D	Diesel Air	Дизель, кондиционер
Q	Diesel No Air	Дизель, без кондиционера
H	Hybrid Air	Гибридный двигатель, кондиционер
I	Hybrid No Air	Гибридный двигатель, без кондиционера
E	Electric Air	Электрический двигатель, кондиционер
C	Electric No Air	Электрический двигатель, без кондиционера
L	LPG/Compressed Gas Air	Сжиженный газ/Сжатый газ, кондиционер
S	LPG/Compressed Gas No Air	Сжиженный газ/Сжатый газ, без кондиционера
A	Hydrogen Air	Водород, кондиционер
B	Hydrogen No Air	Водород, без кондиционера
M	Multi Fuel/Power Air	Мульти-топливо (работа двигателя на нескольких видах топлива), кондиционер
F	Multi fuel/power No Air	Мульти-топливо, без кондиционера
V	Petrol Air	Бензиновый двигатель, кондиционер
Z	Petrol No Air	Бензиновый двигатель, без кондиционера
U	Ethanol Air	Биоэтанол (биотопливо), кондиционер
X	Ethanol No Air	Биоэтанол (биотопливо), без кондиционера

Кодирование пассажирских фургонов

Кодирование пассажирских фургонов по пассажировместимости и наличию дополнительного пространства.

Код	Количество пассажирских мест	Русскоязычное значение
IV	6 Seats	6 мест
JV	Elite 6 Seats	Элит 6 мест
SV	7 seats	7 мест
RV	Elite 7 Seats	Элит 7 мест
FV	7 Seats, plus more space	7 мест, плюс дополнительное пространство
GV	Elite 7 Seats plus more space	Элит 7 мест, плюс дополнительное пространство
PV	8 Seats	8 мест
UV	Elite 8 Seats	Элит 8 мест
LV	9 Seats	9 мест
WV	Elite 9 Seats	Элит 9 мест
XV	12 Seats	12 мест
OV	15+ Seats	15 и более мест

Коды дополнительного оборудования при аренде автомобилей

Дополнительное оборудование, которое бронируется в дополнение к транспортному средству при условии наличия данного оборудования в прокатной компании (пункте аренды и проката) и дополнительной оплаты.

Код	Доп. оборудование	Русскоязычное значение
BBS	Baby Stroller	Детская коляска
BYC	Bicycle Rack	Велобагажник
CSB	Child seat baby Seats determined by weight/age child	Детское автомобильное кресло до 1 года определяются по весу и возрасту ребенка
CSI	Child seat infant Seats determined by weight/age child	Детское автомобильное кресло от 1 года до 3-х лет определяются по весу и возрасту ребенка
CST/BST	Child seat toddler Seats determined by weight/age child	Детское автомобильное кресло от 3-х лет и старше определяются по весу и возрасту ребенка
LUG	Luggage Rack	Автомобильный багажник
NVS	Navigational system	Автомобильная навигационная система
PHN	Mobile phone	Мобильный телефон
SKR	Ski Rack	Автомобильный крепёж для лыж
SNO	Snow Chains	Цепи на колёса
STR	Winter Tyres	Зимние шины
TEL	Car Telephone	Автомобильный телефон
TRH	Trailer Hitch	Буксировочное устройство для прицепа
HCL	Hand controls on left	Ручное управление левостороннее
HCR	Hand controls on right	Ручное управление правостороннее

Информация о классификации транспортных средств

— автомагистраль штата Нью-Йорк

Информация о классификации транспортных средств

Классификация транспортных средств основана на высоте транспортного средства над первыми двумя осями и общем количестве осей, включая буксируемые транспортные средства или прицепы. Транспортные средства ниже 7 футов 6 дюймов считаются «НИЗКИМИ» (L). Транспортные средства высотой 7 футов 6 дюймов и более считаются «ВЫСОКИМИ» (H).

Общее количество осей плюс обозначение высоты соответствует классу транспортного средства, как показано в таблице (Рисунок 1) ниже.На диаграмме (рис. 2) ниже показана приблизительная высота транспортного средства. На схеме (рис. 3) ниже показаны примеры подсчета осей на различных транспортных средствах. Пример: большинство двухосных легковых автомобилей относится к классу 2L.

Полезную информацию также можно найти в разделе «Часто задаваемые вопросы». (Скидка распространяется только на аккаунты E-ZPassNY).

Рисунок 1 — Таблица классов транспортных средств

Класс	Высота	Количество осей	E-ZPass * Скидка
2 л	ДО 7 футов 6 дюймов	2	5%
3 л	ДО 7 футов 6 дюймов	3	5%
4 л	ДО 7 футов 6 дюймов	4 и более	5%
2 ч	7 футов 6 дюймов ИЛИ БОЛЬШЕ	2	5%
3H	7 футов 6 дюймов ИЛИ БОЛЬШЕ	3	5%
4 ч	7 футов 6 дюймов ИЛИ БОЛЬШЕ	4	5%
5 ч	7 футов 6 дюймов ИЛИ БОЛЬШЕ	5	5%
6 ч	7 футов 6 дюймов ИЛИ БОЛЬШЕ	6	5%
7H	7 футов 6 дюймов ИЛИ БОЛЬШЕ	7 и более	5%

* Скидка отражена в графиках взимания платы за проезд E-ZPass.

---

Рисунок 2 — Диаграмма, показывающая примерную высоту транспортного средства по отношению к пункту взимания платы за проезд

---

Рисунок 3 — Примеры подсчета осей на различных транспортных средствах

5 осей

2 оси

3 оси

Отдел автотранспортных средств

Класс A

Легковые и грузовые автомобили

Легковые и грузовые автомобили полной массой не более 10 000 фунтов

Класс B

Грузовики

Грузовые автомобили, седельные тягачи или дорожные тракторы полной массой 10 001 фунт или более

Класс C

Прицепы и полуприцепы

Все прицепы и полуприцепы, кроме; домашние прицепы, прицепы или полуприцепы, предназначенные для буксировки автотранспортными средствами класса А, и имеющие общий вес более 2000 фунтов

Класс G

Мотоциклы (3 колеса или меньше)

Каждый мотоцикл, включая; мотоциклетные мопеды с седлом и не более трех колес

Класс H

Автобусы

Каждое моторное транспортное средство, предназначенное для перевозки более семи пассажиров или перевозки людей за компенсацию, за исключением такси

Класс J

Такси

Автотранспортные средства, используемые для перевозки людей за компенсацию

Класс M

Мобильное оборудование

Каждое самоходное транспортное средство, не предназначенное или не используемое в первую очередь для перевозки людей или имущества по шоссе, которое может нечасто или случайно перемещаться по шоссе между площадками для хранения оборудования, площадками для ремонта, включая сельскохозяйственное оборудование, сельскохозяйственные орудия, хорошо- бурильщики, краны и лесопильное оборудование

Класс R

Дорожные прицепы

Любое транспортное средство, предназначенное для временного проживания для отдыха, путешествий или кемпинга.

Класс T

Прицепы

Прицепы, лодочные прицепы или полуприцепы типа, предназначенного для буксировки транспортных средств класса А, с полной массой менее 2000 фунтов

Класс V

Старинные автомобили

Старинные автомобили старше 25 лет

Класс X

Сельскохозяйственные грузовики

Используется исключительно для перевозки фермерских продуктов и материалов.

% PDF-1.4 % 1 0 obj > эндобдж 5 0 obj /Режиссер / CreationDate (D: 201812133Z ‘) / ModDate (D: 20151123185212Z) /PTEX.Fullbanner (Это pdfTeX, версия 3.1415926-2.3-1.40.12 \ (TeX Live 2011 \) kpathsea версия 6.0.1) / В ловушке / Ложь >> эндобдж 2 0 obj > эндобдж 3 0 obj > / Содержание 19 0 руб. >> эндобдж 4 0 объект > транслировать 2015-06-26T18: 33: 53 + 01: 00TeX2015-11-23T18: 52: 12Z2015-11-23T18: 52: 12ZЭто pdfTeX, версия 3.1415926-2.3-1.40.12 (TeX Live 2011) kpathsea версия 6.0.1pdfTeX -1,40.12Falseapplication / pdfuuid: 5c2525be-c994-7f47-92ee-60b132cd05eduuid: 18922853-e1b8-954c-94c7-613c1c009b6b конечный поток эндобдж 6 0 obj > эндобдж 7 0 объект > эндобдж 8 0 объект > эндобдж 9 0 объект > эндобдж 10 0 obj > эндобдж 11 0 объект > эндобдж 12 0 объект > эндобдж 13 0 объект > эндобдж 14 0 объект > эндобдж 15 0 объект > / ProcSet [/ PDF / Text / ImageC / ImageI / ImageB] >> эндобдж 16 0 объект > >> эндобдж 17 0 объект > >> эндобдж 18 0 объект > >> эндобдж 19 0 объект > транслировать xYK6W \ `S-AIRm / ؽ /) P,» # ER | 4ӗçif +, h2O; 7 = 82.1LOt ΧL> L.): XO ~ kOv_ \ Kt3 «Zlx! -Jz7ZWCʟ _; \ _ \ xt | ɾ8ψ + bL 뽐 wkHYRhbQuk-ZhH` x] fCdYp: «\ (& tI ~ Yn» @ | 3ertK1Qkmh2Z) ެ @ hwd \ D3 \ \: ≵

Как определить свой класс фрахта

Если вы не профессионал в сфере грузоперевозок, классы грузоперевозок могут запутать. Существует множество различных вариантов, и выбор неправильного может стоить вам как драгоценного времени, так и денег.

Так почему мы используем грузовые классы? Классы фрахта предназначены для помощи в установлении общей и стандартизированной цены фрахта для отправлений.Это удобно, когда вам приходится работать с несколькими транспортными компаниями, различными перевозчиками, складами и брокерами, и гарантирует, что вы знаете, что получаете справедливую цену.

Национальная ассоциация автомобильных грузоперевозок (NMFTA) определяет классы и становится доступной через Национальную классификацию автомобильных грузоперевозок (NMFC).

NMFTA определяет классы на основе четырех транспортных характеристик, и они следующие:

• Плотность: Это вес на один кубический фут;

• Возможность хранения: Это длина и ширина в соответствии с правилами режима несущей;

• Обработка: Оценка ухода, который будет задействован при транспортировке, и;

• Ответственность: Сюда входит стоимость фрахта за фунт, вероятность кражи, ответственность за повреждение, хрупкость и недолговечность.

Используя эти четыре характеристики, NMFTA определил 18 различных классов, от низкого класса 50 до высокого класса 500. Как правило, чем ниже класс, тем ниже плата за отгрузку.

Ниже приведены все классы и описания:

Имя	Стоимость	Примеры	Диапазон веса на кубический фут
Класс 50 — Чистый груз	Самая низкая стоимость	Очень прочный, подходит для стандартного термоусадочного поддона 4 × 4	Более 50 фунтов.
Класс 55		Кирпич, цемент, раствор, паркет	35-50 фунтов.
Класс 60		Автомобильные аксессуары и запчасти	30-35 фунтов.
Класс 65		Автомобильные аксессуары и запчасти, напитки в бутылках, книги в коробках	22.5-30 фунтов.
Класс 70		Автомобильные аксессуары и запчасти, продукты питания, автомобильные двигатели	15-22,5 фунтов
Класс 77,5		Шины, сантехника	13,5-15 фунтов.
Класс 85		Машины в ящиках, печи чугунные	12-13.5 фунтов.
Класс 92,5		Компьютеры, мониторы, холодильники	10,5-12 фунтов.
Класс 100		Чехлы для лодок, автомобильные чехлы, брезент, винные ящики, шкатулки	9-10,5 фунтов.
Класс 110		Шкафы в рамах, настольная пила	8-9 фунтов.
Класс 125		Мелкая бытовая техника	7-8 фунтов.
Класс 150		Автозапчасти из листового металла, книжные шкафы	6-7 фунтов.
Класс 175		Одежда, диваны, мягкая мебель	5-6 фунтов.
Класс 200		Автозапчасти из листового металла, детали самолетов, алюминиевый стол, упакованные матрасы	4-5 фунтов.
Класс 250		Бамбуковая мебель, матрас и пружинный матрас, плазменный телевизор	3-4 фунта.
Класс 300		Шкафы, столы, стулья из дерева, модель лодки	2-3 фунта.
Класс 400		Рога оленя	1-2 фунта.
Класс 500 — низкая плотность или высокое значение	Самая высокая стоимость	Мешки с золотой пылью, мячи для пинг-понга	Менее 1 фунта.

Если вы сомневаетесь, к какому классу может относиться ваш груз, обратитесь за помощью к таблице выше.Если вы все еще не уверены, Freight Rate Central всегда готов помочь и ответить на любые вопросы.

Хотя Freight Rate Central имеет офисы во Флориде и Айдахо, мы обслуживаем по всей территории Соединенных Штатов. Мы стремимся обеспечить наиболее эффективную и экономичную доставку для всех наших клиентов и работаем с тысячами грузовых перевозчиков, чтобы гарантировать, что вы получите только лучшие ставки фрахта независимо от ваших потребностей в доставке. Мы заботимся о деталях, как больших, так и малых, поэтому вы можете спокойно отдыхать, когда ваши грузы находятся в наших руках.Свяжитесь с нами сегодня по телефону 855-FRC-SHIP (855-372-7447), чтобы узнать больше о наших услугах по перевозке грузов, или посетите нас в Интернете, чтобы запросить бесплатное ценовое предложение.

Классификация грузовиков

Знание классов и категорий грузовиков не требуется для прогулочный автомобиль буксировка, но это очень полезно при общении друг с другом, в сервисных центрах и для понимания правил, касающихся транспортных средств на дорогах общего пользования. Есть две классификации, наиболее применимые к RV эвакуаторы. Во-первых, весовые категории, определенные правительством США, от класса 1 до класса 8. Во-вторых, следующие более широкие категории: Легкий грузовик Средний грузовик Тяжелый грузовик Весовые категории и категории Весовые категории определены правительством США и постоянно используются во всей отрасли.Они основаны на грузовых автомобилях. GVWR, или в сфере грузоперевозок на Полная масса плюс средний вес груза. Категории, с другой стороны, не так хорошо определены. Один и тот же грузовик может считаться тяжелым грузовиком одним сегментом отрасли и среднетоннажным грузовиком другим. Наше исследование показывает, что наиболее часто используемые официальные категории получены из US DOT Vehicle Inventory and Use Survey ( VIUS ). Мы указываем категории грузовиков VIUS в четвертом столбце таблицы ниже. Однако сервисные магазины, водители грузовиков, страховые компании и опытные автомобилисты определяют границы категорий иначе, чем VIUS; поэтому в последний столбец мы включили наиболее часто используемые категории. Хорошим примером разногласий по категориям являются одна тонна пикапы, некоторые из которых имеют полную разрешенную массу выше 10 000 фунтов. В соответствии с GVWR эти грузовики относятся к Классу 3 и имеют категорию VIUS для средней грузоподъемности. Однако мало кто посчитает пикап весом в одну тонну чем-нибудь, кроме легкого грузовика. Вес класс Минимальная полная масса тела (фунты) Максимальная полная масса тела (фунты) Категория VIUS * Общая Категория 1 класс 6000 Легкий Легкий долг 2 класс 6 001 10 000 Легкий Легкий долг 3 класс 10 001 14 000 Средняя нагрузка Легкий долг 4 класс 14 001 16 000 Средняя нагрузка Средняя нагрузка 5 класс 16 001 19 500 Средняя нагрузка Средняя нагрузка 6 класс 19 501 26 000 Полутяжелый Средняя нагрузка 7 класс 26 001 33 000 Тяжелый-тяжелый Сверхмощный 8 класс 33 001 Тяжелый-тяжелый Сверхмощный * VIUS: Инвентаризация и исследование использования транспортных средств Министерства транспорта США Примеры В таблице ниже мы перечислили распространенные модели автоэвакуаторов и их классификацию.Имейте в виду, что в таблице представлен полный ассортимент каждой модели. Подмодель и опции транспортного средства влияют на фактическую категорию, в которую попадает конкретный грузовик. Вес » 1 2 3 4 5 6 7 8 Общая категория » Свет Средний тяжелый Шевроле Сильверадо 1500 2 Шевроле Сильверадо 2500HD 2 Шевроле Сильверадо 3500 2 3 Додж Рам 1500 2 Додж Рам 2500 2 Додж Рам 3500 2 3 Dodge Ram 3500 шасси с кабиной 3 Dodge Ram 4500 шасси с кабиной 4 Dodge Ram 5500 шасси с кабиной 5 Ford F-150 2 Форд Ф-250 2 Форд Ф-350 3 Форд Ф-450 4 Ford F-550 5 Форд Ф-650 6 7 Форд Ф-750 7 GMC Sierra 1500 2 GMC Sierra 2500HD 2 GMC Sierra 3500 2 3 GM C4500 4 5 GM C5500 5 6 GM C6500 6 7 GM C7500 6 7 8 GM C8500 7 8 Полуприцепы 8 Классификация основана на опубликованных данных производителя, доступных на 28.03.2009.

§ 46.2-341.16. Классификации транспортных средств, ограничения и одобрения

A. Водительские права или разрешение на коммерческое обучение разрешают лицензиату или держателю разрешения использовать только указанные классы и типы коммерческих автомобилей. Классы коммерческих автомобилей, на которые может быть выдана такая лицензия:

1. Комбинированный тяжелый автомобиль класса А. — Любая комбинация транспортных средств с номинальной полной массой 26 001 фунт или более при условии, что максимальная полная масса буксируемых транспортных средств превышает 10 000 фунтов;

2.Класс B — Тяжелый прямой автомобиль или другая комбинация. — Любое отдельное транспортное средство с номинальной полной массой 26 001 фунт или более или любое такое транспортное средство, буксирующее транспортное средство с максимальной полной массой, не превышающей 10 000 фунтов; и

3. Малое транспортное средство класса С. — Любое транспортное средство, которое не соответствует определению транспортного средства класса A или класса B и либо (i) предназначено для перевозки 16 или более пассажиров, включая водителя, либо (ii) используется для перевозки опасных материалов.

B. Коммерческие водительские права должны быть выданы с отметками, разрешающими водителю управлять следующими типами транспортных средств:

1. Транспортные средства типа T с двойным или тройным прицепом;

2. Транспортные средства типа Р, перевозящие пассажиров;

3. Транспортные средства типа N с грузовыми цистернами;

4. Транспортные средства типа H, требующие маркировки опасных материалов;

5. Школьные автобусы типа S, перевозящие 16 и более пассажиров, включая водителя;

6.Сертификаты типа X на автоцистерну и опасные материалы для водительских прав, выданных 1 июля 2014 г. или позднее; и

7. По усмотрению Департамента любые дополнительные коды для групп одобрений с объяснением такого кода, появляющиеся на лицевой или оборотной стороне лицензии.

C. Водительское удостоверение коммерческого назначения должно быть выдано с ограничениями, ограничивающими водителя только следующими типами транспортных средств:

1. L для коммерческих автомобилей без пневматического тормоза для лицензий, выданных 1 июля 2014 г. или позднее.Кандидату запрещается управлять коммерческим автотранспортным средством с любым типом пневматического тормоза, если он не проходит или не проходит компонент пневматического тормоза теста знаний или выполняет тест навыков в транспортном средстве, не оборудованном пневматическими тормозами;

2. Z для коммерческих автомобилей, не оборудованных пневматическим тормозом. Если кандидат выполняет проверку навыков на транспортном средстве, оборудованном пневматическими тормозами вместо гидравлических, ему запрещается управлять коммерческим автотранспортным средством, оборудованным любой тормозной системой, полностью работающей на принципе пневматического тормоза;

3.E для коммерческих автомобилей без механической коробки передач для коммерческих водительских прав, выданных 1 июля 2014 г. или позднее;

4. O для грузовых автомобилей без тягачей;

5. M для легковых автомобилей не класса А;

6. N для легковых автомобилей, не относящихся к классам A и B;

7. K для транспортных средств, не оборудованных пневматическими тормозами, для водительских прав, выданных до 1 июля 2014 года. Кандидату запрещается управлять коммерческим автотранспортным средством с любым типом пневматических тормозов, если он не использует или выходит из строя компонент пневматического тормоза. о прохождении проверки знаний или выполняет проверку навыков на транспортном средстве, не оборудованном пневматическими тормозами;

8.K для внутригосударственных водителей только для водительских прав, выданных 1 июля 2014 г. или позднее;

9. V — медицинская вариация; и

10. По усмотрению Департамента любые дополнительные коды для группирования ограничений с объяснением такого кода, появляющиеся на лицевой или оборотной стороне лицензии.

D. Разрешения для учащихся, обучающихся коммерческой деятельности, должны быть выданы с одобрением, разрешающим водителю использовать следующие типы транспортных средств:

1. Транспортные средства типа P, перевозящие пассажиров, как предусмотрено в § 46.2-341.10;

2. Транспортные средства типа N с грузовыми цистернами, как предусмотрено в § 46.2-341.10; и

3. Школьные автобусы типа S с 16 или более пассажирами, включая водителя, как предусмотрено в § 46.2-341.10.

E. Разрешение на обучение коммерческому обучению должно быть выдано с ограничениями, ограничивающими водителя только следующими типами транспортных средств:

1. P для пассажиров коммерческих транспортных средств автобус;

2. X для грузовых автомобилей-цистерн без груза;

3.L для коммерческих автомобилей без пневматического тормоза для разрешений для учащихся коммерческих предприятий, выданных 1 июля 2014 г. или после этой даты. Кандидату запрещается управлять коммерческим транспортным средством с любым типом пневматического тормоза, если он не использует или выходит из строя компонент пневматического тормоза проверка знаний;

4. M для легковых автомобилей не класса А;

5. N для легковых автомобилей классов A и B;

6. K для транспортных средств, не оборудованных пневматическими тормозами, для получения разрешения на коммерческое обучение, выданного до 1 июля 2014 года.Кандидату запрещается управлять коммерческим автотранспортным средством с любым типом пневматического тормоза, если он не сдает или не проходит компонент пневматического тормоза теста знаний;

7. K для внутригосударственных разрешений только для учащихся коммерческих школ, выданных 1 июля 2014 г. или позднее;

8. V — медицинская вариация; и

9. Любые дополнительные юрисдикционные ограничения, применимые к разрешению для учащихся по коммерческим направлениям.

F. Лица, имеющие право управлять транспортными средствами класса A, также имеют право управлять транспортными средствами классов B и C при условии, что такие лица имеют необходимые подтверждения для типа управляемого транспортного средства.

G. Лица, имеющие право управлять транспортными средствами класса B, также имеют право управлять транспортными средствами класса C при условии, что такие лица имеют необходимые подтверждения для типа управляемого транспортного средства.

H. Любой лицензиат, который стремится добавить классификацию или подтверждение к своим коммерческим водительским правам, должен подать заявки, сертификаты и другую обновленную информацию, требуемую Департаментом, а также пройти и успешно пройти тесты, необходимые для такой классификации или подтверждения.

I. Если какое-либо подтверждение коммерческого водительского удостоверения аннулируется Департаментом и лицензиат не явился лично в Департамент для удаления такого подтверждения из лицензии, то Департамент может аннулировать коммерческое водительское удостоверение лицензиата.

1989, г. 705, § 46.1–372.15: 1; 1990, г. 218; 2006, г. 226; 2012, см. 22, 111; 2013, см. 165, 582; 2014, см. 77, 803; 2015, г. 258.

Классификация транспортных средств на основе сверточной нейронной сети в неблагоприятных условиях освещения для интеллектуальных транспортных систем

Вместе с быстрым развитием компьютерного зрения классификация транспортных средств демонстрирует значительный потенциал для изменения формы интеллектуальных транспортных систем.В последние пару десятилетий системы классификации транспортных средств на основе обработки изображений и распознавания образов использовались для повышения эффективности автоматизированных систем сбора платы за проезд и мониторинга дорожного движения. Однако эти методы обучаются на ограниченных вручную созданных функциях, извлеченных из небольших наборов данных, которые не учитывают условия дорожного движения в реальном времени. Были предложены системы классификации, основанные на глубоком обучении, чтобы включить вышеупомянутые проблемы в традиционные методы.Однако сверточным нейронным сетям требуются груды данных, включая факторы шума, погоды и освещения, чтобы гарантировать надежность в приложениях реального времени. Более того, нет доступного обобщенного набора данных для проверки эффективности систем классификации транспортных средств. Чтобы преодолеть эти проблемы, мы предлагаем систему классификации транспортных средств на основе сверточной нейронной сети для повышения надежности классификации транспортных средств в приложениях реального времени. Мы представляем набор данных транспортных средств, состоящий из 10 000 изображений, разделенных на шесть общих классов транспортных средств с учетом неблагоприятных условий освещения, чтобы обеспечить надежность систем классификации транспортных средств в реальном времени.Первоначально предварительно обученные AlexNet, GoogleNet, Inception-v3, VGG и ResNet настраиваются на самостоятельно созданном наборе данных о транспортных средствах, чтобы оценить их производительность с точки зрения точности и сходимости. Архитектура ResNet, основанная на более высокой производительности, дополнительно улучшена за счет добавления нового блока классификации в сеть. Чтобы обеспечить обобщение, мы настроили сеть на общедоступном наборе данных VeRi, содержащем 50 000 изображений, которые были разделены на шесть классов транспортных средств. Наконец, было проведено сравнительное исследование предлагаемых и существующих методов классификации транспортных средств для оценки эффективности предлагаемой системы классификации транспортных средств.Следовательно, наша предложенная система достигла 99,68%, 99,65% и 99,56% точности, точности и F1-балла на нашем собственном наборе данных.

1. Введение

При экспоненциальном росте производства транспортных средств по всему миру системы классификации транспортных средств могут играть значительную роль в развитии интеллектуальных транспортных систем, т. Е. Автоматизированного сбора платы за проезд на автомагистралях, восприятия беспилотных транспортных средств и дорожного движения. системы управления потоком. Ранее для классификации типов транспортных средств предлагались методы на основе лазерных и петлевых индукционных датчиков [1–4].Эти датчики были установлены под дорожным покрытием для сбора и анализа данных с целью извлечения соответствующей информации о транспортных средствах. Однако на точность и стабильность этих методологий в значительной степени влияют нежелательные погодные условия и повреждение дорожного покрытия [5]. По мере развития компьютерного зрения были предложены системы классификации транспортных средств на основе обработки изображений и распознавания образов [6, 7]. По сути, система классификации на основе компьютерного зрения представляет собой двухэтапную процедуру; на первом этапе используются ручные методы извлечения для получения визуальных характеристик из входного визуального кадра.На втором этапе классификаторы машинного обучения обучаются на извлеченных функциях, чтобы выполнить классификацию на основе данных на основе групп. Созданные вручную функции подразделяются на (i) глобальные и (ii) локальные функции для одновременного описания и представления данных изображения [8]. Эти функции объединены при обучении традиционных классификаторов машинного обучения распознаванию объектов. Хотя эти системы хорошо работают в конкретной контролируемой среде и более удобны с точки зрения установки и обслуживания, чем существующие лазерные и индуктивные схемы, эти методы обучены ограниченным ручным функциям, извлеченным из небольших наборов данных, в то время как обширные предварительные знания необходимы требуется для поддержания точности времени среды [9].

Недавно были внедрены методы извлечения и классификации признаков на основе глубокого обучения, которые продемонстрировали лучшую применимость и адаптируемость, чем традиционные системы классификации. Системы классификации на основе сверточных нейронных сетей (CNN) достигли значительной точности в крупномасштабных наборах данных изображений из-за их сложной архитектуры [10–12]. Тем не менее, разработка графического процессора (GPU) значительно увеличила возможности вычислительных машин по обработке изображений.Но на самом деле система классификации, основанная на CNN, требует груды данных для поддержания точности и обеспечения обобщения. До недавнего времени, насколько нам известно, не существовало обобщенного набора эталонных данных для разработки и оценки систем классификации транспортных средств. Следовательно, доступные наборы данных классификации транспортных средств относительно малы и основаны на ограниченных классах конкретных регионов, например, на CompCars [13] и наборе данных Stanford cars [14]. Интеллектуальные транспортные системы этих регионов могут добиться значительных результатов с этими наборами данных; однако их работе наносится ущерб появлению нерегиональных классов.Чтобы устранить вышеупомянутые ограничения в системах классификации транспортных средств, мы сделали следующие вклады: (i) Обобщенная архитектура классификации транспортных средств на основе сверточной нейронной сети (CNN) представлена ​​для повышения надежности систем классификации транспортных средств для интеллектуальных транспортных систем (ITS). в условиях плохой освещенности. (ii) Локальный набор данных, состоящий из 10 000 изображений, основанных на шести классах (например, автомобиль, фургон, грузовик, мотоцикл, рикша и мини-фургон), был собран из видео наблюдения за дорожным движением и вождения.Важно отметить, что эти классы уникальны по дизайну и форме, которые не охвачены в существующих наборах данных о транспортных средствах. (Iii) Модифицированная CNN была использована и обучена на наборе данных VeRi, содержащем 50000 изображений для шести классов транспортных средств, чтобы гарантировать обобщение сети. (iv) Наконец, было проведено обширное сравнительное исследование между предлагаемыми и существующими методами классификации транспортных средств, чтобы продемонстрировать эффективность предложенной сети классификации.

Остальная часть статьи организована следующим образом.В разделе 2 кратко обсуждаются существующие методы извлечения признаков и классификации транспортных средств, созданные вручную и с глубоким обучением. В разделе 3 была разработана сетевая архитектура вместе с предварительной обработкой и сбором наборов данных. Результаты и сравнительное исследование представлены в Разделе 4. Наконец, статья завершается в Разделе 5.

2. Связанные работы

В соответствии с быстрым развитием искусственного интеллекта, классификация транспортных средств на основе зрения рассматривается как важный элемент в модуле восприятия беспилотных транспортных средств.В существующей исследовательской работе [5] классификация транспортных средств на основе видения подразделяется на две основные категории: (i) методологии, основанные на ручных функциях, и (ii) методологии, основанные на глубоких характеристиках.

На заре компьютерного зрения для интеллектуальных транспортных систем были предложены ручные методы классификации транспортных средств на основе характеристик. В связи с этим Ng et al. [15] предложили метод ручных функций на основе HOG-SVM для обучения классификатора SVM с использованием функций HOG с функцией ядра Гаусса.Предложенный классификатор был оценен на наборе данных из 2800 изображений видеонаблюдения, который классифицировал мотоциклы, автомобили и грузовики с точностью 92,3%. В другой исследовательской работе Chen et al. [16] представили метод классификации, который извлекает текстуры и особенности HOG и классифицирует автомобили с использованием нечеткого классификатора SVM. Представленный классификатор был оценен на наборе данных, состоящем из 2000 изображений, на которых предложенные системы классифицировали автомобили, фургоны и автобусы с 92.6% точность. Matos et al. [17] предложили комбинированный метод на основе двух нейронных сетей, встраивающий функции, то есть высоту, ширину и ограничивающие границы транспортных средств. В результате предлагаемый классификатор достиг 69% на наборе данных из 100 изображений. Кроме того, Cui et al. [18] предложили дескрипторы масштабно-инвариантного преобразования признаков (SIFT) и основанную на плохих словах (BoW) комбинированную модель для извлечения признаков и использовали SVM для классификации набора данных, состоящего из 340 изображений автомобилей, микроавтобусов и грузовиков.В результате показано, что предложенный классификатор достиг точности 90,2% на предоставленном наборе данных. Wen et al. [19] предложили быстро обучающийся классификатор транспортных средств на основе AdaBoost для разделения данных на классы транспортных средств и не транспортных средств. Более того, авторы предложили алгоритм извлечения хаар-подобных признаков для быстрого обучения классификаторов. Представленный классификатор был оценен на общедоступном наборе данных Caltech, в котором система достигла точности 92,89%.

Чтобы преодолеть проблемы созданных вручную классификаторов на основе признаков, были предложены системы на основе глубоких признаков.Донг и др. [20] представили метод полууправляемой классификации на основе CNN для классификации транспортных средств в реальном времени. Метод на основе разреженного лапласовского фильтра был разработан для извлечения относительной информации о транспортном средстве, а слой softmax обучен вычислять вероятность класса принадлежащего транспортного средства. Представленный метод был протестирован на наборе данных Bit-Vehicle и достиг точности 96,1% и 89,6% на дневных и ночных изображениях, соответственно. В другой исследовательской работе Wang et al. [21] представили метод классификации транспортных средств на основе Fast R – CNN для наблюдения за дорожным движением в режиме реального времени.Набор данных перекрестка, состоящий из 60 000 изображений, был собран и разделен на обучающие и проверенные данные, на которых предложенный метод достиг точности 80,051%. Cao et al. [22] предложили CNN и комплексную комбинированную архитектуру для классификации транспортных средств в ненадежной дорожной среде. Предлагаемая структура была оценена на наборе данных CompCars с учетом представлений, в котором предложенный классификатор достиг уровня точности 0,953. Чаухан и др. [23] предложили структуру классификации транспортных средств на основе CNN для классификации и подсчета транспортных средств на шоссе.Авторы утверждают, что предложенная структура достигла 75% MAP по собранному набору данных из 5562 видео с камер видеонаблюдения с дорожным движением. Jo et al. [24] предложили основанную на трансферном обучении структуру GoogLeNet для классификации транспортных средств в дорожном движении. Авторы показали, что представленный классификатор достиг точности 0,983 во время экспериментов с набором данных ILSVRC-2012. Kim et al. [25] предложили комбинированный метод извлечения признаков на основе PCANeT-HOG-HU, который предоставляется SVM в качестве входных данных для обучения модели классификации.Более того, авторы собрали набор данных, состоящий из 13700 изображений транспортных средств с учетом шести категорий транспортных средств (например, мотоциклов, фургонов, автомобилей, грузовиков, мини-автобусов и больших автобусов), извлеченных из видео наблюдения для обучения и тренировок. тестирование предложенной классификационной сети. Результаты показали, что предложенный облегченный классификатор достиг средней точности 98,34% на предоставленном наборе данных.

Хотя подходы, основанные на глубоких характеристиках, могут эффективно повысить точность классификации транспортных средств, эти методологии требуют огромного количества данных для достижения значительной точности в приложениях ITS в реальном времени [26–29].В последнее время в этой области были проведены обширные исследования; однако доступные общедоступные наборы данных для беспилотных транспортных средств / интеллектуальных транспортных систем включают современные типы транспортных средств, которые распространены в хорошо развитых странах. Следовательно, эти системы классификации неприменимы для интеллектуальных транспортных систем в азиатских странах, то есть в Пакистане, Индии, Бангладеш и Китае. Вышеупомянутые проблемы указывают на необходимость новой системы классификации транспортных средств вместе с набором данных, охватывающим обычные транспортные средства, т.е.е., традиционные грузовики, автобусы, легковые автомобили, рикши и мотоциклы азиатских стран.

3. Предлагаемый метод

Чтобы решить вышеупомянутые проблемы, мы представляем новый набор данных транспортных средств, состоящий из 10 000 изображений, имеющих шесть классов, основанных на обычных транспортных средствах дорожного движения, как показано на рисунке 1. Для повышения производительности предложенная классификация в приложениях ITS в реальном времени, изначально существующие предварительно обученные AlexNet [30], VGG [31], GoogleNet [32], Inception-v3 [33] и ResNet [34] настраиваются на самостоятельно созданном наборе данных. чтобы получить окончательную сеть.На основе производительности этих моделей выбирается наиболее эффективная модель для точной настройки, чтобы повысить точность классификации сети. Для обеспечения обобщения предлагаемая сеть дополнительно дорабатывается на общедоступном наборе данных VeRi для обеспечения надежной работы в интеллектуальной транспортной системе различных регионов. Весь процесс кратко описан ниже на Рисунке 1.

3.1. Набор данных

В системах классификации на основе глубокого обучения набор данных является ключевым входом, который помогает алгоритмам изучать функции для выполнения прогнозов на основе полученной информации.В настоящее время, насколько нам известно, не существует общедоступного набора данных по общественным транспортным средствам, который содержит изображения обычных транспортных средств для решения проблем классификации. Например, наборы данных автомобилей CompCars и Standford содержат только классы современных автомобилей определенных регионов, которые не могут использоваться в системах классификации в реальном времени других регионов. Более того, предлагаемый набор данных отличается от существующих наборов данных с точки зрения функций и представлений. Кроме того, существующие системы классификации транспортных средств обучаются на относительно небольших наборах данных, содержащих ограниченные классы, что не очень хорошо работает в приложениях интеллектуальных транспортных систем в реальном времени [35].Чтобы решить эти проблемы, из разных регионов собираются видеозаписи наблюдения за дорогами и вождения для извлечения изображений транспортных средств. На основе анализа идентифицируются шесть общих классов дорожных транспортных средств, и набор данных формируется путем ручной маркировки с использованием инструмента редактирования Windows, как показано на рисунке 2. Набор данных включает 10000 изображений, которые были разделены на шесть классов (например, автомобиль, автобус, фургон, грузовик, мотоцикл и рикша), и каждый класс состоит из 1670 изображений.

3.2. Дополнение данных

Дополнение данных уравнениями — самый простой и наиболее распространенный метод уменьшения переобучения в сети путем искусственного расширения набора данных с помощью методов преобразования с сохранением меток [36].Чтобы увеличить разнообразие нашего набора данных, мы использовали четыре различных типа увеличения данных: (i) размытие по Гауссу, (ii) вращение, (iii) горизонтальный поворот и (iv) гауссовский шум, как показано на рисунке 3.

Мы использовали размытие по Гауссу с ядром 5 × 5, чтобы уменьшить высокочастотные зашумленные пиксели при сохранении низкой пространственной частоты за счет свертки ядра Гаусса по изображению размером 224 × 224. Во втором типе увеличения данных, т. Е. Вращении, мы использовали поворот на 10 градусов на изображениях исходного набора данных для создания разнообразного представления исходного набора данных.Третий тип увеличения данных включает генерацию набора данных путем горизонтального переворачивания исходного набора данных, тогда как мы использовали гауссовский шум в качестве четвертого типа увеличения данных, чтобы добавить некоторый случайный световой фактор в набор данных. Здесь важно отметить, что горизонтальное отражение, размытие по Гауссу и вращение применяются к набору обучающих данных, тогда как гауссов шум применяется к набору тестовых данных, как показано на рисунке 3. Основная цель применения увеличения данных на основе гауссова шума. к набору тестовых данных заключается в проверке эффективности предложенной классификационной сети на зашумленных данных.

3.3. Сверточная нейронная сеть (CNN) Model

CNN — это контролируемые сети с прямой связью, которые доказали значительную производительность в приложениях для классификации крупномасштабных объектов. Основная структура CNN стимулируется ключевой зрительной корой головного мозга человека, которая наблюдает за обработкой визуальной информации [37]. В классификации изображений, по сравнению с традиционными методами извлечения элементов вручную, CNN могут автоматически извлекать обучаемые визуальные элементы из входных изображений крупномасштабного набора данных из классов для выполнения классификации.Одно из основных преимуществ CNN над традиционными методами классификации состоит в том, что в CNN представление функций и классификатор используются в одной и той же сети для устранения их зависимостей. Архитектура CNN в основном включает три типа слоев: (i) сверточные уровни, (ii) уровни объединения и (iii) соединительные уровни, которые кратко обсуждаются ниже.

3.4. Сверточные слои

Сверточные слои считаются одним из наиболее важных уровней в CNN, которые состоят из определенного набора обучаемых фильтров.Фильтры пространственно меньше, чем входной размер, который скользит по входным данным изображения во время прямого прохода для создания двумерной карты активации. Карта активации указывает местоположение вместе с силой обнаруженных визуальных функций во входном изображении. Вычисление признаков сверточных слоев выполняется с использованием где — карта признаков n ^th l-слоя, это C-ядро, в то время как извлечение признаков из слоя-l и является характеристическими шаблонами, связанными со слоем-l. .

3.5. Уровни объединения

Уровень объединения обычно используется между последовательными слоями свертки структуры CNN, чтобы постепенно минимизировать размер пространственного представления для сокращения вычислений при сохранении полезной информации, что помогает контролировать переобучение во время процесса обучения. Важно отметить, что в существующих современных CNN используются два типа уровней объединения, то есть уровень объединения, имеющий размер фильтра = 2 и stride = 3, который называется объединением с перекрытием; другой слой объединения с размером фильтра = 2 имеет шаг 2.Кроме того, в существующих CNN также использовались некоторые другие типы объединения, то есть функции объединения по норме L2 и среднего пула. Функцию объединения можно выполнить, если — значение, извлеченное из l — 1 функций свертки, — вес карты и — значение смещения.

3.6. Уровень исключения

В CNN регуляризация является обычным способом избежать эффектов переобучения путем добавления значительного штрафа к используемой функции потерь. В связи с этим в нижнюю часть предлагаемой сети добавляется выпадающий слой, чтобы система не узнавала взаимозависимые веса функций.

3,7. Полностью связанный слой

В последнем разделе структуры CNN нейроны полностью связанного слоя связаны со всеми активациями предыдущего слоя, чтобы минимизировать размеры объекта. Последний уровень объединения CNN выравнивает сверточный уровень, который направляется полностью подключенным узлам сети. На следующем этапе для вычисления этих активаций применяется матричное умножение, за которым следует смещение коэффициента смещения. Полностью связанные нейроны можно вычислить, используя где — номер.нейронов выходного слоя — м характеристического паттерна слоя l-1, и — связанные веса.

3.8. Выбор модели CNN

При обучении с учителем сети на основе CNN продемонстрировали выдающуюся производительность классификации крупномасштабных наборов данных [38–41]. Чтобы выбрать подходящую модель CNN, изначально мы доработали существующие современные модели AlexNet, Inception-v3, GoogleNet, VGG и ResNet в соответствии с классами собранного набора данных.На следующем этапе к этим моделям применяется трансферное обучение, чтобы оценить самостоятельно созданный набор данных о транспортных средствах. В результате ResNet продемонстрировала лучшую применимость с точки зрения конвергенции, времени отклика и точности, чем конкурирующие сети (кратко обсуждаемые в разделе 4). Следовательно, сетевая архитектура ResNet со 152 уровнями улучшается и используется в предлагаемой системе классификации транспортных средств.

4. Архитектура

В предлагаемой системе мы использовали архитектуру ResNet для выполнения классификации транспортных средств, одну из самых новаторских архитектур CNN, предложенных He et al.[34], который продемонстрировал выдающуюся производительность в распознавании и классификации объектов, заняв первое место в ILSVRC-15 с коэффициентом ошибок 3,57% в первой пятерке [34]. В предыдущих сетях глубокого обучения увеличение сетевых уровней могло вызвать проблему исчезающего градиента, из-за которой модель не могла сойтись в лучшем виде. В сетевой архитектуре ResNet была введена новая методика на основе пропуска соединения, при которой каждый ввод с предыдущего уровня накапливается для вывода следующего уровня. Поскольку сеть уходит глубже, была принята конструкция узких мест, чтобы уменьшить временную сложность этой архитектуры CNN.Мы использовали подход трансфертного обучения, при котором модель, обученная для некоторой конкретной задачи, может быть настроена для выполнения другой задачи путем простого изучения новых весов. Этот подход может быть эффективным, если у нас меньше данных, которых недостаточно для обучения с нуля.

В этой работе мы развернули предварительно обученную сеть ResNet-152 для классификации транспортных средств, как показано в таблице 1. Глубина этой сети составляет 152 уровня, что было достигнуто заменой каждого двухуровневого блока в исходной сети ResNet на 3-х слойная блокировка узких мест [34].Входной слой этой сети принимает цветное изображение RGB размером 224 × 224 пикселей. В таблице 1 можно заметить, что структура представленного метода использует 64 ядра свертки 7 × 7 с шагом 2 в первом слое, а слой max-pooling 3 × 3 с шагом 2 используется для первый условный слой. Кроме того, сверточные блоки, то есть 2–5, организованы в виде трехуровневых блоков узких мест, имеющих несколько фильтров до 128, 256, 1024 и 2048, за которыми следует уровень объединения с адаптивным усреднением соответственно.Для выполнения трансферного обучения из сети был удален последний полностью связанный слой, который был предварительно обучен для выполнения классификации 1000 естественных категорий. Кроме того, мы добавляем новый блок классификации, состоящий из полностью связанного слоя, имеющего вектор признаков из 1024 нейронов, замененных слоем среднего пула и слоем ReLU, чтобы изучить новые визуальные особенности из набора обучающих данных. Внизу сети есть выпадающий слой для решения проблемы исчезающего градиента. На основе блока классификации вставляется новый полностью связанный уровень для выполнения шести типов классификации транспортных средств, где каждая единица в последнем уровне связана с шестью классами выходной вероятности с помощью функции softmax.Чтобы эти новые слои изучали визуальные функции более высокого уровня из набора данных, мы увеличили скорость обучения этих слоев по сравнению с предыдущими уровнями, скорость обучения которых остается неизменной. Мы установили размер пакета и общее количество эпох равным 64 и 100 соответственно. Обучение сети выполнялось на тяжелой вычислительной машине, оснащенной RTX 2080TI, 11 ГБ DDR5 GPU, процессором core i9 — 9900k и 32 ГБ RAM, что заняло 8 часов для завершения обучения.

Имя слоя Размер вывода Слои Conv 1 112 × 112 Размер ядра = 7 × 7, количество ядер = 64, шаг = 2 Объединение 56 × 56 Размер ядра = 3 × 3, шаг = 2 Conv 2 56 × 56 × 3 Conv 3 28 × 28 × 3 Conv 4 14 × 14 × 3 Conv 5 7 × 7 × 3 Pooling 1 × 1 Adaptive -средний пул 2d Предлагаемый блок классификации fc1: In-features = 2048, out-feature = 1024 Relu (in-place) drop-out (0.5) fc2: In-features = 1024, out-features = 6 Softmax () Выходные данные классификации (кросс-энтропия)

5. Эксперименты и результаты

Предлагаемый метод классификации транспортных средств оценивается на платформе на основе набора данных. Эксперименты проводятся на тяжелой вычислительной машине, оснащенной RTX 2080TI, 11 ГБ DDR5 GPU, процессором core i9 — 9900k, а также 32 ГБ оперативной памяти с 64-битной операционной системой Windows 10.

5.1. Обучение предлагаемой системе классификации

Весь процесс обучения разделен на три этапа: (i) предварительная обработка данных, (ii) обучение и (iii) оценка. На первом этапе изображения набора данных распределяются на данные обучения, проверки и тестирования, нормализованные до размера 224 × 224 в соответствии со стандартным размером ввода архитектур CNN. Обучающие и тестовые изображения случайным образом разделяются на 80–20% от общего количества изображений набора данных, а набор для проверки формируется путем случайного выбора 20% изображений из обучающего набора.Библиотека Pytorch 1.4.0 и MATLAB 2019a используются для реализации (т.е. предварительной обработки данных и организации, обучения, оценки и модификации сети) предлагаемой системы классификации. Эксперименты были разделены на три типа: (i) оценка сетей без точной настройки, (ii) оценка точно настроенной модели на самостоятельно созданном наборе данных транспортных средств и (iii) оценка настроенной модели на общедоступном VeRi. набор данных, которые кратко обсуждаются ниже.

5.2. Оценка современных CNN без точной настройки

Для оценки CNN из ресурсов Pytorch загружаются AlexNet, Inception-v3, GoogleNet, VGG и ResNet. Обучение этих сетей выполняется с использованием фреймворка Pytorch; Оптимизатор стохастического градиентного спуска (SGD) используется для обучения параметрам с импульсом, скоростью обучения и размером пакета 0,9, 0,001 и 128 соответственно. Кросс-энтропия, обычно используемая функция потерь, используется для накопления потерь в течение всего процесса, а проверка выполняется после каждой эпохи для оценки обучения при обучении сети.Сравнительная точность этих сетей показана на рисунке 4.

Обсуждение: Из рисунка 4 видно, что ResNet со 152 уровнями продемонстрировал лучшую точность, чем 19-слойная VGG, 22-слойная GoogLeNet, AlexNet с 25 уровнями. Layers и Inception-v3 со средней разницей 1,7%. Следовательно, можно предположить, что ResNet может достичь большей точности после тонкой настройки архитектуры.

5.3. Оценка модифицированной сети на самостоятельно созданном наборе данных о транспортных средствах

На основе производительности сетей, описанных в предыдущем разделе, архитектура ResNet улучшена путем добавления нового блока классификации в основу сети.Новый блок классификации включает полностью связанные уровни, за которыми следуют уровни среднего пула и уровни Relu, соответственно. Однако, чтобы найти наиболее подходящие векторы признаков полностью связанных слоев, ResNet со 152 слоями была оценена на самостоятельно созданном наборе данных с множественными комбинациями векторов признаков полностью связанных слоев в блоке классификации для повышения устойчивости сети.

Чтобы применить трансферное обучение, для нового добавленного блока классификации установлено извлечение признаков, чтобы узнать оптимальные веса и смещения из входного набора данных.Оптимизатор SGD вместе с теми же параметрами, то есть скоростью обучения и импульсом, используется при обучении и оценке предлагаемой системы классификации. Из таблицы 2 видно, что предложенная сеть с двумя полностью связанными, содержащими более высокие векторы признаков, достигла значительно более высокой точности среди других уровней FC с низкими векторами признаков. Полностью связанный уровень 1 передает 2048 объектов вниз по классификационному блоку. Одновременно с этим к классификационному блоку сети был добавлен другой уровень FC с более высокими векторами признаков.

Количество FC Выходные элементы FC1 Входные элементы FC2 Выходные элементы FC2 Точность 1 6 — — 95,14% 2 1536 1536 6 99,74% 2 1024 1024 6 99.68% 2 768 768 6 99,51%

На следующем этапе предлагаемая сеть с разными глубинными слоями, т. Е. 18, 34, 50, 101 и 152, и производительность этих сетей с точки зрения точности показана в таблице 3.

Глубина Точность (в процентах) Общая точность Автобус Автомобиль Мотоцикл Рикша Грузовик Фургон 18 95.89 99,68 97,77 92,82 97,37 95,56 96,52 34 97,83 98,17 98,66 95,39 97,13 96,92 97,31 98,93 97,45 94,57 97,04 98,70 97,33 101 98,51 99.02 98,34 96,51 98,93 97,27 98,10 152 99,48 99,68 99,08 100 100 99,65 99,65 9159 Обсуждение: Таблица 3 демонстрирует влияние глубины сети на производительность с точки зрения точности самостоятельно созданного набора данных о транспортных средствах.Видно, что производительность ResNet увеличивается с увеличением глубины сети. Следовательно, ResNet со 152 уровнями обеспечивает лучшую точность в общих классах набора данных по сравнению с ResNet с более низкими уровнями глубины. Подробные матрицы производительности ResNet со 152 уровнями показаны в Таблице 4. Мотоцикл 0,92,65 Класс Точность Частота ошибок Специфичность Точность Отзыв Оценка F1 Автобус 99.48 0,52 99,90 99,4852 99,13 99,3072 Автомобиль 99,68 0,32 99,94 99,6832 99,68 99,6816 99,82 99,0832 99,08 99,0816 Рикша 100,0 0,00 100,0 100.000 99,83 99,9149 Грузовик 100,0 0,00 100,0 100,000 99,48 99,7393 Фургон 99,65 0,35 99,94 99,6512 Итого: 99,65 0,35 99,93 99,65 99.48 99,56 5.4. Оценка модифицированной CNN на наборе данных VeRi Основываясь на характеристиках настроенных сетей, показанных в таблице 4, предлагаемая классификационная сеть была точно настроена на общедоступном наборе данных VeRi [42, 43] для обеспечения обобщения. Набор данных, включающий 50000 изображений, был разделен на шесть классов, то есть автобус, MPV, пикап, седан, грузовик и фургон, распределенный между тестами и поездами с соотношением сторон 80: 20.Важно отметить, что эти классы выбираются на основе разброса данных. Матрицы эффективности, представленные в таблице 5, раскрывают эффективность представленной системы классификации. 7,24 Класс Точность Частота ошибок Специфичность Точность Отзыв Оценка F1 Автобус 100.0 0,00 100,0 100,000 98,60 99,29507 MPV 94,19 5,86 99,82 94,1914 96,87 95,51192 99,53 92,7637 99,04 95,79916 Седан 99,59 0,41 99,91 99.5971 91,52 95,38787 Грузовик 96,01 3,99 99,18 96,0118 93,64 94,81107 Фургон 93,79 6,21 98 96,01835 Итого: 96,06 3,95 99,53 96.06 96,34 96,14 5.5. Сравнение с существующими современными методами классификации транспортных средств Эффективность представленного метода классификации сравнивается с традиционными методами классификации транспортных средств, чтобы доказать применимость предлагаемой системы с точки зрения классовой и средней точности, как показано в таблице 6. Существующие системы классификации [11, 44–46] были реализованы в MATLAB 2019a, который был обучен и оценен на самостоятельно созданном наборе данных о транспортных средствах. 915 9 Метод (ы) Точность (в процентах) Итого Автобус Автомобиль Мотоцикл Рикша Грузовик Фургон Zhuo et al. [44] 95,76 94,70 96,67 95,11 95,45 92,25 95,49 Gao et al.[45] 91,78 95,28 97,03 98,77 93,35 91,43 92,61 Shivai et al. [46] 88,17 90,42 91,78 83,37 89,71 89,11 88,96 Zakria et al. [11] 90,55 91,26 97,73 93,36 94,76 88,99 92,77 Предлагаемый метод 99.48 99,68 99,08 100,0 100,0 99,65 99,68 Обсуждение. Предложенная система классификации была сравнена с существующими системами классификации транспортных средств [11, 44–46], чтобы подтвердить эффективность предложенной сети. Существующие сети были воспроизведены в предлагаемом наборе данных. Zhuo et al. [44] представили метод классификации транспортных средств на основе архитектуры GoogleNet с 22-уровневой глубинной сетью.С другой стороны, Gao et al. [45] представили основанную на AlexNet систему классификации транспортных средств, содержащую 5 сверточных и 3 полносвязных уровня в сети. Shivai et al. [46] представили самопредложенную систему классификации транспортных средств на основе CNN, имеющую 13 сверточных слоев и один полностью связанный слой, за которым следуют уровни максимального объединения и отбрасывания, тогда как Zakria et al. [11] представили систему классификации на основе начальной архитектуры. Хотя эти системы продемонстрировали хорошую производительность на своих наборах данных, одна из основных причин разницы в точности заключается в том, что эти существующие системы [11, 44–46] состоят из сетей небольшой глубины, которые не сходятся на крупномасштабных наборах данных. .Кроме того, существующие системы [11, 44–46] обучаются на ограниченных классах, не охватывающих обычные дорожные транспортные средства. В результате эти системы плохо работают в приложениях классификации в реальном времени. Более того, здесь важно упомянуть, что эти методы были обучены на несбалансированных наборах данных, что также является важным фактором в работе систем классификации транспортных средств в реальном времени. Следовательно, производительность этих существующих систем подвергается сомнению при оценке предлагаемого нами самостоятельно созданного сбалансированного набора данных, тогда как, с другой стороны, предлагаемая система классификации транспортных средств обучается на самостоятельно созданном наборе данных транспортных средств, состоящем из 10000 изображений, которые охватывают общие классы дорожного движения, а также доработаны в общедоступном наборе данных VeRi, который содержит 50 000 изображений, чтобы обеспечить обобщение предлагаемой системы классификации.Следовательно, предложенная нами система классификации достигла более высокой точности, чем существующие системы классификации транспортных средств. 6. Заключение В этой статье предлагается система классификации транспортных средств на основе CNN для повышения эффективности интеллектуальных транспортных систем. Новый набор данных, содержащий 10 000 изображений шести классов, создан для обучения системе классификации. Первоначально пять современных CNN, то есть AlexNet, Inception-v3, GoogleNet, VGG и ResNet, обучаются на собранном наборе данных для проверки производительности.Основываясь на эффективности, ResNet со 152 уровнями улучшена путем добавления нового блока классификации в исходную сеть посредством передачи обучения. Для обеспечения обобщения предлагаемая система классификации доработана для общедоступного набора данных VeRi. Результаты показывают, что предложенная система классификации достигла более высокой точности, т. Е. 99,68% и 97,66%, на самостоятельно созданном наборе данных и наборе данных VeRi, соответственно, что значительно выше, чем у существующих современных систем классификации.В будущем мы стремимся расширить нашу работу по разработке детальной системы классификации для повышения эффективности предлагаемого метода в интеллектуальных транспортных системах. Доступность данных Все данные, использованные для подтверждения результатов исследования, доступны в рукописи. Раскрытие информации Мухаммад Атиф Батт и Асад Масуд Хаттак — первые совместные авторы этой работы. Конфликт интересов Авторы заявляют об отсутствии конфликта интересов. Вклад авторов Концептуализация и методология исследования были выполнены Мухаммадом Атифом Баттом, Асадом Масудом Хаттаком и Сармадом Шафиком. Техническая и теоретическая основа была подготовлена ​​Сармадом Шафиком и Саймой Абид. Технический обзор и улучшения были выполнены Ахташамом Саджидом, Мухаммадом Вакасом Аюбом, Баширом Хаятом и Авайсом Аднаном. No related posts. alexxlab Отменить ответ Ваш электронный адрес не будет опубликован. Комментарий... Имя Email Веб-сайт