CN110288154A - 速度预测方法、装置、设备和介质 - Google Patents
速度预测方法、装置、设备和介质 Download PDFInfo
- Publication number
- CN110288154A CN110288154A CN201910556189.5A CN201910556189A CN110288154A CN 110288154 A CN110288154 A CN 110288154A CN 201910556189 A CN201910556189 A CN 201910556189A CN 110288154 A CN110288154 A CN 110288154A
- Authority
- CN
- China
- Prior art keywords
- acceleration
- information
- target vehicle
- current
- speed
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 44
- 230000001133 acceleration Effects 0.000 claims abstract description 150
- 238000012549 training Methods 0.000 claims description 17
- 238000004590 computer program Methods 0.000 claims description 3
- 230000015654 memory Effects 0.000 description 11
- 238000012545 processing Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 6
- 230000003287 optical effect Effects 0.000 description 5
- 230000006870 function Effects 0.000 description 4
- 230000005291 magnetic effect Effects 0.000 description 4
- 238000004891 communication Methods 0.000 description 3
- 238000001514 detection method Methods 0.000 description 3
- 238000005259 measurement Methods 0.000 description 3
- 235000019892 Stellar Nutrition 0.000 description 2
- 238000013527 convolutional neural network Methods 0.000 description 2
- 238000013507 mapping Methods 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 238000009825 accumulation Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000007787 long-term memory Effects 0.000 description 1
- 230000008450 motivation Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000006403 short-term memory Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/40—Business processes related to the transportation industry
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Economics (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- General Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- General Business, Economics & Management (AREA)
- General Health & Medical Sciences (AREA)
- Tourism & Hospitality (AREA)
- Marketing (AREA)
- Entrepreneurship & Innovation (AREA)
- Data Mining & Analysis (AREA)
- Game Theory and Decision Science (AREA)
- Development Economics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Operations Research (AREA)
- Evolutionary Computation (AREA)
- Quality & Reliability (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Primary Health Care (AREA)
- Navigation (AREA)
Abstract
本发明实施例公开了一种速度预测方法、装置、设备和介质，涉及车辆驾驶领域。该方法包括：获取目标车辆的当前加速度信息和当前转向信息；根据获取的当前加速度信息和当前转向信息，确定所述目标车辆的行驶速度。本发明实施例提供了一种速度预测方法、装置、设备和介质，实现了在GPS信号丢失或不稳定的场景中对车辆行驶速度的预测。
Description
技术领域
本发明实施例涉及车辆驾驶领域，尤其涉及一种速度预测方法、装置、设备和介质。
背景技术
驾车导航中比较重要的一个维度是车辆的行驶速度。车标速度展示及超速检测等非常依赖于该数据的准确性。另外，驾车惯性导航技术中非常重要的一个环节是对行驶速度的获取。现行驶速度的获取方式主要是：直接基于GPS定位数据确定车辆的行驶速度。
然而，虽然上述方法能够满足大部分驾车速度获取需求，但也存在一些场景问题。如低速下基于GPS定位数据的行驶速度确定不准确、GPS丢星等GPS信号丢失或不稳定的场景存在速度不能估计等问题。
基于上述问题目前各类地图应用对GPS丢星场景下只能选择不展示速度数值，也无法进行超速检测，从而使得产品体验差。
发明内容
本发明实施例提供一种速度预测方法、装置、设备和介质，以实现在GPS信号丢失或不稳定的场景中对车辆行驶速度的预测。
第一方面，本发明实施例提供了一种速度预测方法，该方法包括：
获取目标车辆的当前加速度信息和当前转向信息；
根据获取的当前加速度信息和当前转向信息，确定所述目标车辆的行驶速度。
第二方面，本发明实施例还提供了一种速度预测装置，该装置包括：
信息获取模块，用于获取目标车辆的当前加速度信息和当前转向信息；
速度确定模块，用于根据获取的当前加速度信息和当前转向信息，确定所述目标车辆的行驶速度。
第三方面，本发明实施例还提供了一种电子设备，所述设备包括：
一个或多个处理器；
存储装置，用于存储一个或多个程序，
当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如本发明实施例中任一项所述的速度预测方法。
第四方面，本发明实施例还提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如本发明实施例中任一项所述的速度预测方法。
本发明实施例通过根据获取的当前加速度信息和当前转向信息，确定所述目标车辆的行驶速度。因为行驶速度的确定不依赖GPS定位数据，所以本发明实施例可以实现在GPS信号丢失或不稳定的场景中，对车辆行驶速度的确定。
附图说明
图1为本发明实施例一提供的一种速度预测方法的流程图；
图2是本发明实施例二提供的一种速度预测方法的流程图；
图3a是本发明实施例三提供的一种速度预测方法的流程图；
图3b是本发明实施例三提供的一种速度预测模型的结构示意图；
图4是本发明实施例四的一种速度预测装置的结构示意图；
图5为本发明实施例五提供的一种设备的结构示意图。
具体实施方式
当前常用的行驶速度确定方式还包括：
方式1：直接从OBD(On-Board Diagnostics，车载诊断系统)的车速传感器获取；
方式2：直接基于IMU(惯性测量单元，用于测量物体三轴姿态角或角速率，以及加速度的装置)的加速度传感器进行积分推算获取速度；
发明人发现上述方法存在如下问题：
方式1需要手机接入汽车车载系统，通过总线获取汽车内部的速度传感器数据，该方式需要OBD专业接口，很少车主配置有该接口，即使有该接口，也需要跟车商进行联调且需要保证汽车系统安全性。
方式2直接依靠手机IMU传感器实现，但其物理模型简单，通过v＝v0+at即可从加速度积分至速度数据。其中v0是初速度，a是加速度，t是时间。该方式存在问题是初速度需要先估计，其次是如果加速度存在误差，随着时间的增加误差累计迅速，因此该方式速度估计值精确性非常差。
下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释本发明，而非对本发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本发明相关的部分而非全部结构。
实施例一
图1为本发明实施例一提供的一种速度预测方法的流程图。本实施例可适用于在GPS信号丢失或不稳定时，对车辆的行驶速度进行预测的情况。该方法可以由一种速度预测装置来执行，该装置可以由软件和/或硬件的方式实现，典型地该装置可以是安装有客户端的移动终端。参见图1，本实施例一提供的速度预测方法包括：
S110、获取目标车辆的当前加速度信息和当前转向信息。
其中，目标车辆是待预测行驶速度的车辆。
当前加速度信息是当前时刻或当前时间段目标车辆的加速度。
当前转向信息是当前时刻或当前时间段目标车辆的转向信息。
具体地，转向信息可以根据目标车辆的角速度确定。
所述目标车辆的当前加速度信息和当前转向信息的获取，包括：
根据目标车辆中的惯性测量单元采集得到目标车辆的当前加速度信息和当前转向信息。
可选地，惯性测量单元可以设置在车载终端上，也可以设置在目标车辆内的移动终端上。
S120、根据获取的当前加速度信息和当前转向信息，确定所述目标车辆的行驶速度。
具体地，根据获取的当前加速度信息和当前转向信息，确定所述目标车辆的行驶速度，包括：
将当前加速度信息和当前转向信息，与预设加速度信息、转向信息和行驶速度的映射关系中的加速度信息和转向信息进行匹配；
将匹配成功的加速度信息和转向信息的关联行驶速度，作为所述目标车辆的行驶速度。
本发明实施例的技术方案，通过根据获取的当前加速度信息和当前转向信息，确定所述目标车辆的行驶速度。因为行驶速度的确定不依赖GPS定位数据，所以本发明实施例可以实现在GPS信号丢失或不稳定的场景中，对车辆行驶速度的确定。
实施例二
图2是本发明实施例二提供的一种速度预测方法的流程图。本实施例是在上述实施例的基础上提出的一种可选方案。参见图2，本实施例提供的速度预测方法包括：
S210、获取目标车辆的当前加速度信息和当前转向信息。
S220、根据所述当前加速度信息确定所述目标车辆的加速度变化信息，并根据所述当前转向信息确定所述目标车辆的行驶方向变化信息。
其中，所述目标车辆的加速度变化信息是描述目标车辆加速度变化的信息。
所述当前转向信息是描述目标车辆加速度变化的信息。
具体地，所述根据所述当前加速度信息确定所述目标车辆的加速度变化信息，包括：
根据所述目标车辆在当前时间段内的至少两个加速度，确定所述目标车辆的加速度变化信息；其中，所述加速度变化信息包括：加速度的过零率、最大加速度和最小加速度的差值、加速度的方差和加速度中超出加速度均值部分的和中的至少一种。
其中，过零率是指当前时间段内的至少两个加速度的变化比率，例如加速度从小于加速度均值变成大于加速度均值，或反过来。
具体地，加速度的过零率的确定包括：
确定当前时间段内的至少两个加速度的加速度均值；
确定当前时间段内相邻时刻的加速度对；
若所述加速度对中一个加速度大于加速度均值，另一个加速度小于加速度均值，则将该加速度对作为目标加速度对；
将目标加速度对与相邻时刻的加速度对的比值作为加速度的过零率。
超出加速度均值部分的和的确定包括：
将当前时间段内的至少两个加速度中大于加速度均值的加速度作为目标加速度；
计算目标加速度与加速度均值的差值；
对计算得到的差值求和，将求和结果作为超出加速度均值部分的和。
具体地，所述目标车辆的行驶方向变化信息包括：行驶方向的过零率、最大行驶方向和最小行驶方向的差值、行驶方向的方差和行驶方向中超出行驶方向均值部分的和中的至少一种。
上述信息的计算过程与上述加速度变化信息的计算过程相同，此处不再赘述。
S230、根据确定的加速度变化信息和行驶方向变化信息，确定所述目标车辆的行驶速度。
具体地，根据确定的加速度变化信息和行驶方向变化信息，确定所述目标车辆的行驶速度，包括：
将确定的加速度变化信息和行驶方向变化信息，与预设加速度变化信息、行驶方向变化信息和行驶速度的映射关系中的加速度变化信息和行驶方向变化信息进行匹配；
将匹配成功的加速度变化信息和行驶方向变化信息的关联行驶速度，作为所述目标车辆的行驶速度。
本发明实施例的技术方案，通过根据确定的加速度变化信息和行驶方向变化信息，确定所述目标车辆的行驶速度。因为加速度变化信息和行驶方向变化信息能更准确地描述车辆的行驶状态，所以本实施例可以提高目标车辆行驶的速度的确定准确率。
实施例三
图3a是本发明实施例三提供的一种速度预测方法的流程图。本实施例是在上述实施例的基础上提出的一种可选方案。参见图3a，本实施例提供的速度预测方法包括：
S310、获取目标车辆的当前加速度信息和当前转向信息。
具体的，通过手机中的IMU传感器获得目标车辆的当前加速度信息和当前转向信息。
S320、基于目标速度预测模型，根据获取的当前加速度信息和当前转向信息得到所述目标车辆的当前行驶速度。
其中，目标速度预测模型是预先训练的预测目标车辆行驶速度的模型。
目标速度预测模型的训样本是历史时刻的加速度信息和转向信息，训练目标是基于历史时刻的GPS定位数据确定的行驶速度，该GPS定位数据的准确率大于设定准确率阈值。
在模型的训练阶段，划分验证集防止训练模型的过拟合。
参见图3b具体地，所述目标速度预测模型包括特征向量提取网络和速度预测网络。
其中，特征向量提取网络用于根据获取的当前加速度信息和当前转向信息提取目标车辆的状态特征向量。速度预测网络用于根据提取的状态特征向量，预测目标车辆的行驶速度。
典型地，特征向量提取网络包括输入层、基于卷积神经网络的卷积层和池化层。速度预测网络包括LSTM(Long Short-Term Memory，长短期记忆网络)层、隐层和输出层。
具体地，所述基于目标速度预测模型，根据获取的当前加速度信息和当前转向信息得到所述目标车辆的行驶速度，包括：
根据获取的当前加速度信息和当前转向信息，确定目标车辆的加速度特征向量和转向特征向量；
拼接所述加速度特征向量和转向特征向量，生成目标车辆的当前状态特征向量；
根据目标车辆的当前状态特征向量，确定所述目标车辆的行驶速度。
因为，不同时刻的车辆状态之间存在依赖关系，所以为提高行驶速度的预测准确率，根据目标车辆的当前状态特征向量，确定所述目标车辆的行驶速度，包括：
基于目标车辆的历史状态信息与当前状态的依赖关系，根据目标车辆的当前状态特征向量，确定所述目标车辆的行驶速度。
典型地，基于目标车辆的历史状态信息与当前状态的依赖关系，根据目标车辆的当前状态特征向量，确定所述目标车辆的行驶速度，包括：
将目标车辆的当前状态特征向量输入LSTM，输出目标车辆的行驶速度。
具体地，根据获取的当前加速度信息和当前转向信息，确定目标车辆的加速度特征向量和转向特征向量，包括：
将获取的当前加速度信息和当前转向信息分别输入不同的卷积神经网络，经卷积神经网络的卷积层和池化层的处理，输出目标车辆的加速度特征向量和转向特征向量。
本发明实施例的技术方案，通过基于目标速度预测模型，根据获取的当前加速度信息和当前转向信息得到所述目标车辆的行驶速度，从而实现对目标车辆行驶速度的预测。进而实现在无法接收GPS信号的定位盲区，持续提供速度推算，为车速展示及超速检测提供支持。
为使得预测结果更符合目标车辆的行驶习惯，所述基于目标速度预测模型，根据获取的当前加速度信息和当前转向信息得到所述目标车辆的行驶速度之前，所述方法还包括：
获取基于样本车辆信息训练得到的初始速度预测模型；
根据目标车辆信息对所述初始速度预测模型进行训练，以得到所述目标速度预测模型。
其中，通过利用目标车辆信息对所述初始速度预测模型进行训练，以使得训练得到的目标速度预测模型更符合目标车辆的行驶习惯。
因为客户端的计算能力有限，而模型的完整训练的计算量大，所以为减轻客户端的计算压力，所述根据目标车辆信息对所述初始速度预测模型进行训练，以得到所述目标速度预测模型，包括：
根据目标车辆信息对所述初始速度预测模型中的输出层参数进行训练，以得到所述目标速度预测模型。
其中，通过利用目标车辆信息仅对所述初始速度预测模型中的输出层参数进行训练和调整，模型中的其他参数仍保留初始速度预测模型的模型参数值，从而减轻客户端的计算压力。
本实施例旨在利用目前手机设备的GPS、IMU传感器等进行车辆速度全程预测，是解决GPS定位缺失环境瓶颈问题的技术创新探索。具体地在实际应用中，若无GPS信号或GPS访问不可靠，则利用本实施例的技术方案预测车辆的行驶位置，以弥补空缺位置或纠正位置偏差，提升终端的综合导航定位能力，为用户提供更准确的定位和导航服务。
需要说明的是，经过本实施例的技术教导，本领域技术人员有动机将上述实施例中描述的任一种实施方式进行方案的组合，以实现在车辆低速行驶场景和GPS丢星场景中对车辆行驶速度的预测。
实施例四
图4是本发明实施例四的一种速度预测装置的结构示意图。参见图4，本实施例提供的速度预测装置包括：信息获取模块10、速度确定模块20。
其中，信息获取模块10，用于获取目标车辆的当前加速度信息和当前转向信息；
速度确定模块20，用于根据获取的当前加速度信息和当前转向信息，确定所述目标车辆的行驶速度。
本发明实施例通过根据获取的当前加速度信息和当前转向信息，确定所述目标车辆的行驶速度。因为行驶速度的确定不依赖GPS定位数据，所以本发明实施例可以实现在GPS信号丢失或不稳定的场景中，对车辆行驶速度的确定。进一步地，所述速度确定模块，包括：加速度变化确定单元，方向变化确定单元和行驶速度确定单元。
其中，加速度变化确定单元，用于根据所述当前加速度信息确定所述目标车辆的加速度变化信息；
方向变化确定单元，用于根据所述当前转向信息确定所述目标车辆的行驶方向变化信息；
行驶速度确定单元，用于根据确定的加速度变化信息和行驶方向变化信息，确定所述目标车辆的行驶速度。
进一步地，所述加速度变化确定单元具体用于：
根据所述目标车辆在当前时间段内的至少两个加速度，确定所述目标车辆的加速度变化信息；其中，所述加速度变化信息包括：加速度的过零率、最大加速度和最小加速度的差值、加速度的方差和加速度中超出加速度均值部分的和中的至少一种。
进一步地，所述行驶速度确定单元具体用于：
基于目标速度预测模型，根据获取的当前加速度信息和当前转向信息得到所述目标车辆的行驶速度。
进一步地，所述装置还包括：模型获取模块、模型训练模块。
其中，模型获取模块，用于所述基于目标速度预测模型，根据获取的当前加速度信息和当前转向信息得到所述目标车辆的行驶速度之前，获取基于样本车辆信息训练得到的初始速度预测模型；
模型训练模块，用于根据目标车辆信息对所述初始速度预测模型进行训练，以得到所述目标速度预测模型。
进一步地，所述模型训练模块，包括：模型训练单元。
其中，模型训练单元，用于根据目标车辆信息对所述初始速度预测模型中的输出层参数进行训练，以得到所述目标速度预测模型。
本发明实施例所提供的速度预测装置可执行本发明任意实施例所提供的速度预测方法，具备执行方法相应的功能模块和有益效果。
实施例五
图5为本发明实施例五提供的一种设备的结构示意图。图5示出了适于用来实现本发明实施方式的示例性设备12的框图。图5显示的设备12仅仅是一个示例，不应对本发明实施例的功能和使用范围带来任何限制。
如图5所示，设备12以通用计算设备的形式表现。设备12的组件可以包括但不限于：一个或者多个处理器或者处理单元16，系统存储器28，连接不同系统组件(包括系统存储器28和处理单元16)的总线18。
总线18表示几类总线结构中的一种或多种，包括存储器总线或者存储器控制器，外围总线，图形加速端口，处理器或者使用多种总线结构中的任意总线结构的局域总线。举例来说，这些体系结构包括但不限于工业标准体系结构(ISA)总线，微通道体系结构(MAC)总线，增强型ISA总线、视频电子标准协会(VESA)局域总线以及外围组件互连(PCI)总线。
设备12典型地包括多种计算机系统可读介质。这些介质可以是任何能够被设备12访问的可用介质，包括易失性和非易失性介质，可移动的和不可移动的介质。
系统存储器28可以包括易失性存储器形式的计算机系统可读介质，例如随机存取存储器(RAM)30和/或高速缓存存储器32。设备12可以进一步包括其它可移动/不可移动的、易失性/非易失性计算机系统存储介质。仅作为举例，存储系统34可以用于读写不可移动的、非易失性磁介质(图5未显示，通常称为“硬盘驱动器”)。尽管图5中未示出，可以提供用于对可移动非易失性磁盘(例如“软盘”)读写的磁盘驱动器，以及对可移动非易失性光盘(例如CD-ROM,DVD-ROM或者其它光介质)读写的光盘驱动器。在这些情况下，每个驱动器可以通过一个或者多个数据介质接口与总线18相连。存储器28可以包括至少一个程序产品，该程序产品具有一组(例如至少一个)程序模块，这些程序模块被配置以执行本发明各实施例的功能。
具有一组(至少一个)程序模块42的程序/实用工具40，可以存储在例如存储器28中，这样的程序模块42包括但不限于操作系统、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。程序模块42通常执行本发明所描述的实施例中的功能和/或方法。
设备12也可以与一个或多个外部设备14(例如键盘、指向设备、显示器24等)通信，还可与一个或者多个使得用户能与该设备12交互的设备通信，和/或与使得该设备12能与一个或多个其它计算设备进行通信的任何设备(例如网卡，调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口22进行。并且，设备12还可以通过网络适配器20与一个或者多个网络(例如局域网(LAN)，广域网(WAN)和/或公共网络，例如因特网)通信。如图所示，网络适配器20通过总线18与设备12的其它模块通信。应当明白，尽管图中未示出，可以结合设备12使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储系统等。
处理单元16通过运行存储在系统存储器28中的程序，从而执行各种功能应用以及数据处理，例如实现本发明实施例所提供的速度预测方法。
实施例六
本发明实施例六还提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如本发明实施例中任一项所述的速度预测方法，该方法包括：
获取目标车辆的当前加速度信息和当前转向信息；
根据获取的当前加速度信息和当前转向信息，确定所述目标车辆的行驶速度。
本发明实施例的计算机存储介质，可以采用一个或多个计算机可读的介质的任意组合。计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本文件中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。
计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。
计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括——但不限于无线、电线、光缆、RF等等，或者上述的任意合适的组合。
可以以一种或多种程序设计语言或其组合来编写用于执行本发明操作的计算机程序代码，所述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
注意，上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解，本发明不限于这里所述的特定实施例，对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此，虽然通过以上实施例对本发明进行了较为详细的说明，但是本发明不仅仅限于以上实施例，在不脱离本发明构思的情况下，还可以包括更多其他等效实施例，而本发明的范围由所附的权利要求范围决定。
Claims (14)
1.一种速度预测方法，其特征在于，包括：
获取目标车辆的当前加速度信息和当前转向信息；
根据获取的当前加速度信息和当前转向信息，确定所述目标车辆的行驶速度。
2.根据权利要求1所述的方法，其特征在于，所述根据获取的当前加速度信息和当前转向信息，确定所述目标车辆的行驶速度，包括：
根据所述当前加速度信息确定所述目标车辆的加速度变化信息；
根据所述当前转向信息确定所述目标车辆的行驶方向变化信息；
根据确定的加速度变化信息和行驶方向变化信息，确定所述目标车辆的行驶速度。
3.根据权利要求2所述的方法，其特征在于，所述根据所述当前加速度信息确定所述目标车辆的加速度变化信息，包括：
根据所述目标车辆在当前时间段内的至少两个加速度，确定所述目标车辆的加速度变化信息；其中，所述加速度变化信息包括：加速度的过零率、最大加速度和最小加速度的差值、加速度的方差和加速度中超出加速度均值部分的和中的至少一种。
4.根据权利要求1所述的方法，其特征在于，所述根据获取的当前加速度信息和当前转向信息，确定所述目标车辆的行驶速度，包括：
基于目标速度预测模型，根据获取的当前加速度信息和当前转向信息得到所述目标车辆的行驶速度。
5.根据权利要求4所述的方法，其特征在于，所述基于目标速度预测模型，根据获取的当前加速度信息和当前转向信息得到所述目标车辆的行驶速度之前，所述方法还包括：
获取基于样本车辆信息训练得到的初始速度预测模型；
根据目标车辆信息对所述初始速度预测模型进行训练，以得到所述目标速度预测模型。
6.根据权利要求5所述的方法，其特征在于，所述根据目标车辆信息对所述初始速度预测模型进行训练，以得到所述目标速度预测模型，包括：
根据目标车辆信息对所述初始速度预测模型中的输出层参数进行训练，以得到所述目标速度预测模型。
7.一种速度预测装置，其特征在于，包括：
信息获取模块，用于获取目标车辆的当前加速度信息和当前转向信息；
速度确定模块，用于根据获取的当前加速度信息和当前转向信息，确定所述目标车辆的行驶速度。
8.根据权利要求7所述的装置，其特征在于，所述速度确定模块，包括：
加速度变化确定单元，用于根据所述当前加速度信息确定所述目标车辆的加速度变化信息；
方向变化确定单元，用于根据所述当前转向信息确定所述目标车辆的行驶方向变化信息；
行驶速度确定单元，用于根据确定的加速度变化信息和行驶方向变化信息，确定所述目标车辆的行驶速度。
9.根据权利要求8所述的装置，其特征在于，所述加速度变化确定单元具体用于：
根据所述目标车辆在当前时间段内的至少两个加速度，确定所述目标车辆的加速度变化信息；其中，所述加速度变化信息包括：加速度的过零率、最大加速度和最小加速度的差值、加速度的方差和加速度中超出加速度均值部分的和中的至少一种。
10.根据权利要求7所述的装置，其特征在于，所述行驶速度确定单元具体用于：
基于目标速度预测模型，根据获取的当前加速度信息和当前转向信息得到所述目标车辆的行驶速度。
11.根据权利要求10所述的装置，其特征在于，所述装置还包括：
模型获取模块，用于所述基于目标速度预测模型，根据获取的当前加速度信息和当前转向信息得到所述目标车辆的行驶速度之前，获取基于样本车辆信息训练得到的初始速度预测模型；
模型训练模块，用于根据目标车辆信息对所述初始速度预测模型进行训练，以得到所述目标速度预测模型。
12.根据权利要求11所述的装置，其特征在于，所述模型训练模块，包括：
模型训练单元，用于根据目标车辆信息对所述初始速度预测模型中的输出层参数进行训练，以得到所述目标速度预测模型。
13.一种电子设备，其特征在于，所述设备包括：
一个或多个处理器；
存储装置，用于存储一个或多个程序，
当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1-6中任一项所述的速度预测方法。
14.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1-6中任一项所述的速度预测方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910556189.5A CN110288154A (zh) | 2019-06-25 | 2019-06-25 | 速度预测方法、装置、设备和介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910556189.5A CN110288154A (zh) | 2019-06-25 | 2019-06-25 | 速度预测方法、装置、设备和介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN110288154A true CN110288154A (zh) | 2019-09-27 |
Family
ID=68005762
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910556189.5A Pending CN110288154A (zh) | 2019-06-25 | 2019-06-25 | 速度预测方法、装置、设备和介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110288154A (zh) |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111693723A (zh) * | 2020-05-29 | 2020-09-22 | 北京百度网讯科技有限公司 | 速度预测方法、装置和电子设备 |
| CN111915402A (zh) * | 2020-07-31 | 2020-11-10 | 北京骑胜科技有限公司 | 共享车辆状态检测方法及装置 |
| CN111931286A (zh) * | 2020-06-29 | 2020-11-13 | 北京百度网讯科技有限公司 | 纵向动力学模型的训练方法、装置及设备 |
| CN112834775A (zh) * | 2021-01-04 | 2021-05-25 | 腾讯科技（深圳）有限公司 | 一种车辆速度的预测方法、装置、电子设备和存储介质 |
| CN113071497A (zh) * | 2021-04-28 | 2021-07-06 | 中国第一汽车股份有限公司 | 一种驾驶场景判断方法、装置、设备及存储介质 |
| CN113442949A (zh) * | 2021-07-30 | 2021-09-28 | 中汽创智科技有限公司 | 一种车辆控制方法、装置、设备及存储介质 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP1903306A2 (en) * | 2006-09-19 | 2008-03-26 | Alpine Electronics, Inc. | Method and system for estimating ground vehicle dynamics based on an integrated MEMS-INS/GPS navigation system |
| US9254824B2 (en) * | 2013-12-30 | 2016-02-09 | Automotive Research & Testing Center | Adaptive anti-collision method for vehicle |
| CN109872415A (zh) * | 2018-12-28 | 2019-06-11 | 北京理工大学 | 一种基于神经网络的车速估计方法及系统 |
-
2019
- 2019-06-25 CN CN201910556189.5A patent/CN110288154A/zh active Pending
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP1903306A2 (en) * | 2006-09-19 | 2008-03-26 | Alpine Electronics, Inc. | Method and system for estimating ground vehicle dynamics based on an integrated MEMS-INS/GPS navigation system |
| US9254824B2 (en) * | 2013-12-30 | 2016-02-09 | Automotive Research & Testing Center | Adaptive anti-collision method for vehicle |
| CN109872415A (zh) * | 2018-12-28 | 2019-06-11 | 北京理工大学 | 一种基于神经网络的车速估计方法及系统 |
Non-Patent Citations (1)
| Title |
|---|
| 谢浩: "基于BP神经网络及其优化算法的汽车车速预测", 《中国优秀硕士学位论文全文数据库（信息科技辑）》 * |
Cited By (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111693723A (zh) * | 2020-05-29 | 2020-09-22 | 北京百度网讯科技有限公司 | 速度预测方法、装置和电子设备 |
| JP2021099373A (ja) * | 2020-05-29 | 2021-07-01 | 北京百度網訊科技有限公司 | 速度予測方法、装置、電子機器、記憶媒体及びコンピュータプログラム製品 |
| CN111693723B (zh) * | 2020-05-29 | 2022-04-22 | 阿波罗智联(北京)科技有限公司 | 速度预测方法、装置和电子设备 |
| JP7372949B2 (ja) | 2020-05-29 | 2023-11-01 | 阿波▲羅▼智▲聯▼（北京）科技有限公司 | 速度予測方法、装置、電子機器、記憶媒体及びコンピュータプログラム製品 |
| CN111931286A (zh) * | 2020-06-29 | 2020-11-13 | 北京百度网讯科技有限公司 | 纵向动力学模型的训练方法、装置及设备 |
| CN111915402A (zh) * | 2020-07-31 | 2020-11-10 | 北京骑胜科技有限公司 | 共享车辆状态检测方法及装置 |
| CN112834775A (zh) * | 2021-01-04 | 2021-05-25 | 腾讯科技（深圳）有限公司 | 一种车辆速度的预测方法、装置、电子设备和存储介质 |
| CN112834775B (zh) * | 2021-01-04 | 2022-04-08 | 腾讯科技（深圳）有限公司 | 一种车辆速度的预测方法、装置、电子设备和存储介质 |
| CN113071497A (zh) * | 2021-04-28 | 2021-07-06 | 中国第一汽车股份有限公司 | 一种驾驶场景判断方法、装置、设备及存储介质 |
| CN113442949A (zh) * | 2021-07-30 | 2021-09-28 | 中汽创智科技有限公司 | 一种车辆控制方法、装置、设备及存储介质 |
| CN113442949B (zh) * | 2021-07-30 | 2022-11-15 | 中汽创智科技有限公司 | 一种车辆控制方法、装置、设备及存储介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110288154A (zh) | 速度预测方法、装置、设备和介质 | |
| CN109931944B (zh) | 一种ar导航方法、装置、车端设备、服务端及介质 | |
| CN109435955B (zh) | 一种自动驾驶系统性能评估方法、装置、设备及存储介质 | |
| US10380890B2 (en) | Autonomous vehicle localization based on walsh kernel projection technique | |
| CN109032103B (zh) | 无人驾驶车辆的测试方法、装置、设备及存储介质 | |
| JP6890639B2 (ja) | 自動運転のための交差検証に基づく自動ｌｉｄａｒキャリブレーション | |
| US11704554B2 (en) | Automated training data extraction method for dynamic models for autonomous driving vehicles | |
| CN112798004B (zh) | 一种车辆的定位方法、装置、设备及存储介质 | |
| CN111856521B (zh) | 数据处理方法、装置、电子设备和存储介质 | |
| CN107450511B (zh) | 评估车辆控制模型的方法、装置、设备和计算机存储介质 | |
| AU2021204643A1 (en) | Positioning method, device, medium and equipment | |
| CN111797780A (zh) | 一种跟车轨迹规划方法、装置、服务器及存储介质 | |
| US10408621B2 (en) | Navigation device for vehicle, method therefor, and navigation system | |
| CN109213144A (zh) | 人机接口（hmi）架构 | |
| CN114167470A (zh) | 一种数据处理方法和装置 | |
| CN114019954B (zh) | 航向安装角标定方法、装置、计算机设备和存储介质 | |
| CN110017840B (zh) | 导航数据的处理方法和装置、电子设备、计算机可读介质 | |
| CN114578401B (zh) | 一种车道航迹点的生成方法、装置、电子设备及存储介质 | |
| CN109270566A (zh) | 导航方法、导航效果测试方法、装置、设备和介质 | |
| CN107878325A (zh) | 确定泊车系统重新标定时机的方法、装置及自动标定系统 | |
| US20230236216A1 (en) | System and method for estimating a velocity of a vehicle using inertial sensors | |
| CN110798793A (zh) | 车辆间相对位置确定方法、装置 | |
| CN109919118A (zh) | Ar导航中的障碍物提示方法、装置、设备及介质 | |
| US11465453B2 (en) | Computer system with tire wear measurement mechanism and method of operation thereof | |
| CN114323693A (zh) | 车路云感知系统的测试方法、装置、设备及存储介质 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190927 |