CN112347693B

CN112347693B - 一种车辆运行动态镜像模拟方法、装置和系统

Info

Publication number: CN112347693B
Application number: CN202011158492.9A
Authority: CN
Inventors: 曹春耕
Original assignee: Shanghai Gantan Information Technology Co ltd
Current assignee: Shanghai Gantan Information Technology Co ltd
Priority date: 2020-10-26
Filing date: 2020-10-26
Publication date: 2023-12-22
Anticipated expiration: 2040-10-26
Also published as: CN112347693A

Abstract

本发明涉及车辆动态仿真领域，本发明提供一种车辆运行动态镜像模拟方法、装置和系统，其方法包括步骤：建立车辆运行的动态镜像仿真模型；通过所述动态镜像仿真模型对所述车辆运行的当前测量参数进行近似和耦合，以获得所述车辆的当前测量信息；根据所述车辆的当前测量信息，进行车辆运行的动态镜像仿真。通过本方案高效地利用现实资源，快速、精确、实时地对车辆运行进行动态镜像模拟。

Description

一种车辆运行动态镜像模拟方法、装置和系统

技术领域

本发明涉及车辆动态仿真领域，尤指一种车辆运行动态镜像模拟方法、装置和系统。

背景技术

智慧公路交通建设涉及汽车、道路、路面及路侧交通设施、网络、边缘侧设备、云端设备等设备、设施的建设，需要对车辆运行进行模拟。

在现实世界中，车辆的驾驶环境是变幻莫测的，而且不同车辆的情况也不尽相同。通过数学模型进行模拟时，需要对各种车辆的机械结构进行模拟，也即根据各种车辆的结构和特征，分别建立与多种车辆对应的数学模型，一种数学模型对应一种车辆。并且，还要针对各种数学模型设置和调试各种参数。

在现有技术中，收集、维护各种车辆的机械结构和特征数据是非常耗时和困难的。从而可以看出现有的自动驾驶车辆动态模拟方法中存在效率低、可靠性低，无法高效模拟一种车辆在不同环境中运动的动态情况。

发明内容

本发明的目的是提供一种车辆运行动态镜像模拟方法、装置和系统，实现高效地利用现实资源，快速、精确、实时地对车辆运行进行动态镜像模拟。

本发明提供的技术方案如下：

一种车辆运行动态镜像模拟方法，包括步骤：

建立车辆运行的动态镜像仿真模型；

通过所述动态镜像仿真模型对所述车辆运行的当前测量参数进行近似和耦合，以获得所述车辆的当前测量信息；

根据所述车辆的当前测量信息，进行车辆运行的动态镜像仿真。

进一步优选地，在所述建立车辆运行的动态镜像仿真模型之后，还包括步骤：

利用从不同观测角度观测车辆的历史测量参数，训练所述动态镜像仿真模型。

进一步优选地，所述通过所述动态镜像仿真模型对所述车辆运行的当前测量参数进行近似和耦合，以获得所述车辆的当前测量信息，包括步骤：

通过多参量传感器从不同观测角度观测车辆，以获取车辆的当前测量参数；

通过所述动态镜像仿真模型的方程式矩阵，对所述当前测量参数进行近似；

当对所述当前测量参数进行近似后，通过所述动态镜像仿真模型的参数矩阵以边缘计算方式将同一时间的所述当前测量参数进行耦合，获取所述车辆的当前耦合数据；

其中，所述观测方法包括车轮转速测距、卫星定位测距、无线网络基站定位测距、雷达测距参数和时位传感测距。

进一步优选地，所述通过所述动态镜像仿真模型的方程式矩阵，对所述当前测量参数进行近似，包括步骤：

比较多参量传感器采集的当前测量参数；

通过所述当前测量参数的分辨率差异调整分辨率刻度，以及修正标定参数的误差。

进一步优选地，所述通过所述动态镜像仿真模型的参数矩阵以边缘计算方式将同一时间的所述当前测量参数进行耦合，获取所述车辆的当前耦合数据，包括步骤：

导入所述当前测量参数至所述动态镜像仿真模型的参数矩阵；

其中，所述当前测量参数包括卫星定位传感数据D₁、无线基站定位传感数据D₂、雷达测距数据D₃、轴重数据D₄、车辆时位信息D₅、气象传感数据D₆、积水与路面湿度传感数据D₇、以及上传至边缘计算单元仿真器的车辆数据D₈、D₉、……D_N；

获得所述当前测量参数为{A}，

通过所述参数矩阵，对所述当前测量参数进行耦合，耦合公式为：

其中，f(t)为所述参数矩阵的算法器；B₀为导出间接参量；E₀为误差；λ为真值；

导出所述当前耦合数据{B}，所述当前耦合数据为：

；

其中，所述当前耦合数据为所述当前测量信息。

进一步优选地，所述根据所述车辆的当前测量信息，进行车辆运行的动态镜像仿真，包括步骤：

将控车动作信息和所述当前测量信息输入至所述动态镜像仿真模型；

通过所述动态镜像仿真模型，对所述车辆运行进行动态镜像仿真。

进一步优选地，所述建立车辆运行动态镜像仿真模型，包括步骤：

设置方程式矩阵和参数矩阵，以建立所述动态镜像仿真模型。

一种车辆运行动态镜像模拟装置，包括：

建立模块，用于建立车辆运行的动态镜像仿真模型；

训练模块，用于通过所述动态镜像仿真模型对所述车辆运行的当前测量参数进行进行近似和耦合，以获得所述车辆的当前测量信息；

模拟模块，用于根据所述车辆的当前测量信息，进行车辆运行的动态镜像仿真。

一种车辆运行动态镜像模拟系统，包括所述车辆运行动态镜像模拟装置；

多参量传感装置，与所述车辆运行动态模拟装置通讯，用于采集车辆的多参量传感数据至所述车辆运行动态镜像模拟装置。

本发明提供的一种车辆运行动态镜像模拟方法、装置和系统至少具有以下有益效果：

1)通过本方案高效地利用现实资源，快速、精确、实时地对车辆运行进行动态镜像模拟。

2)通过不同观测角度的传感获取现实对象参数变化的多参量数据，并将实时变化的参数导入到方程式，以对车辆运行进行精确的动态镜像模拟。

3)本方案设置有模型修正器，从而实现传感数据对仿真模型的相似度不断精细、优化；具体说是通过模型修正实现机器自我学习，从而实现仿真模型对现实对象近似过程的“全息度”与“置信度”提高。

附图说明

下面将以明确易懂的方式，结合附图说明优选实施方式，对一种车辆运行动态镜像模拟方法、装置和系统的上述特性、技术特征、优点及其实现方式予以进一步说明。

图1是本发明中一种车辆运行动态镜像模拟方法的一个实施例的流程图；

图2是本发明中静态“事件—时间—信息”逻辑图；

图3是本发明中波形可视化图；

图4是本发明中公式可视化图；

图5是本发明中效率可视化图；

图6是本发明中动态“事件—时间—信息”逻辑图

图7是本发明效率比较图；

图8是本发明中车辆运行动态镜像模拟装置的结构示意图；

图9是本发明中一种车辆运行动态镜像模拟方法的另一个实施例的流程图。

具体实施方式

以下描述中，为了说明而不是为了限定，提出了诸如特定系统结构、技术之类的具体细节，以便透彻理解本申请实施例。然而，本领域的技术人员应当清楚，在没有这些具体细节的其他实施例中也可以实现本申请。在其他情况中，省略对众所周知的系统、装置、电路以及方法的详细说明，以免不必要的细节妨碍本申请的描述。

应当理解，当在本说明书和所附权利要求书中使用时，术语“包括”指示所述描述特征、整体、步骤、操作、元素和/或组件的存在，但并不排除一个或多个其他特征、整体、步骤、操作、元素、组件和/或集合的存在或添加。

为使图面简洁，各图中只示意性地表示出了与本发明相关的部分，它们并不代表其作为产品的实际结构。另外，以使图面简洁便于理解，在有些图中具有相同结构或功能的部件，仅示意性地绘示了其中的一个，或仅标出了其中的一个。在本文中，“一个”不仅表示“仅此一个”，也可以表示“多于一个”的情形。

还应当进一步理解，在本申请说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合，并且包括这些组合。

另外，在本申请的描述中，术语“第一”、“第二”等仅用于区分描述，而不能理解为指示或暗示相对重要性。

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对照附图说明本发明的具体实施方式。显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图，并获得其他的实施方式。

本发明的一个实施例，如图1所示，一种车辆运行动态镜像模拟方法，包括：

S100建立车辆运行的动态镜像仿真模型。

具体的，建立预设路段中车辆运行的动态镜像仿真模型。车辆运行的动态镜像仿真模型是一种动态镜像全息，是针对具体现实对象而言的一种“镜像数据动态仿真模型”，即针对车辆运行进行动态镜像全息。在本实施例中，为了实现这个目的，采用传感设备实时监测现实对象，通过计算机对现实对象进行数学模型仿真。

其中，镜像是指与该现实对象与数学仿真模型呈镜像(一摸一样)的状态；其中动态仿真是指，根据实时的、在线的传感数据“流”，实时动态进行仿真运算；数学模型仿真是根据实时的、在线的传感数据动态变化的。

具体的，设置数学方程式，以建立车辆运行动态镜像仿真模型；通过所述数学方程式用于对车辆的环境信息、时空运动坐标系下车辆的运行动态进行近似。

示例性的，通过比较车轮转速测距、卫星定位测距、无线网络基站定位测距、雷达测距、时位传感方法对应的历史测量参数，并通过所述历史测量参数的分辨率差异调整分辨率刻度，以及修正标定参数的误差。

S200通过所述动态镜像仿真模型对所述车辆运行的当前测量参数进行近似和耦合，以获得所述车辆的当前测量信息。

具体包括步骤：通过所述动态镜像仿真模型构建多参量矩阵；基于所述多参量矩阵将待识别车辆的多参量参数进行耦合，获得多参量测量信息。

具体的，不同观测角度是指：1)车轮转速测距、2)卫星定位测距、3)无线网络基站定位测距、4)雷达测距、5)时位传感等观测角度。五种定位测距方法分别各自有明显的优势；其中，无线网络基站位移测距同时可以测定汽车的身份信息、雷达测距具有高速响应时间的优势、时位传感能提供路面精确位置和车辆通过该位置的时间的优势。这些不同观测角度的传感装置通过耦合在一起，能够实现优势互补。

通过这些多角度观测获取多参量数据即历史测量参数，将车辆的多参量数据作为训练样本对车辆运行动态镜像仿真模型进行训练。

示例性的，在本实施例中，通过设置多参量传感器，通过传感器获取现实对象参数变化，并将实时变化的参数导入至方程式中即模型中。

此外，本实施例还设置有模型修正模块，从而实现传感数据对仿真模型的相似度不断精细、优化。具体说是通过模型修正实现机器自我学习，从而实现仿真模型对现实对象近似过程的“全息度”与“置信度”提高。

同时，在传感侧设置有统一的时钟模块，并基于统一时钟对多参量进行关联耦合，依据多参量之间勾稽关系实现数据耦合统一。

S300根据所述车辆的当前测量信息，进行车辆运行的动态镜像仿真。

示例性的，由于车辆的多参量数据是实时变化的，训练后的车辆运行动态镜像仿真模型可以根据车辆实时的多参量数据，获取车辆的实时耦合数据，

进一步优选地，所述利用所述车辆运行的动态镜像仿真模型识别目标车辆的耦合数据，以控制所述目标车辆运行的动态镜像模拟，包括步骤：

实时获取目标车辆的当前动态数据，输入至所述动态镜像仿真模型生成所述目标车辆的当前耦合数据；

通过所述动态镜像仿真模型识别所述当前耦合数据，以对所述目标车辆运行进行动态镜像模拟。

具体的，建立一段路的车资源与路资源统一的车辆运行的动态镜像仿真模型；利用多参量传感器实时观测被仿真对象，并运用方程式对被仿真对象进行近似，并通过方程式阵列，构建多参量相互耦合，形成多参数矩阵勾稽关联，实现镜像仿真模型对被仿真对象的动态描述。

通过动态镜像仿真模型构建车资源与路资源的协同统一的多参量勾稽关联关系，即通过在动态的多参量关联耦合过程中，由相互关联的两种或多种参数之间产生逻辑关联关系，该关系是被仿真对象的重要间接参数，间接参数是仿真模型的全息度重要构成。

示例性的，最粗糙的仿真模型就是利用方程对现实进行近似，为了进一步精细，必须由描述“点”延伸到描述“场”，由描述“静态”片段延伸到“连续”运动；除了会出现约束条件，还会出现时间和空间的边界。多个方程式之间的相互关联，必然让这些参数勾稽在一起。

其中，多参量是指不同种类的传感器获得的不同实测物理参量；在同一时间系中，它们之间通过方程式实现耦合(两个以上参量同时出现在同一方程式中)，由于任意近似现实的方程均存在约束条件、边界条件，必然衍生方程组(更多参量加入)。方程式随时间不断更新，每个参数均是随时间延伸的曲线(运动)。这样必然产生间接的参量，间接参量包括已得参量之间的耦合关系、参量的时间导数、测点取样对“场”的近似、边界条件、约束条件。

通过动态镜像仿真模型构建车资源与路资源的协同统一的多参量勾稽关联关系，从而实现从不同角度观测的同一参数在仿真模型中统一，实现数据的置信度保证。

通过动态多参量勾稽关联关系提高动态镜像仿真模型对被仿真对象的全息度与置信度，利用多参量传感器和多参量相互关联耦合的间接参量，从不同观测角度归纳车辆的历史参数信息。

通过控车动作信息与反馈的测量信息在仿真模型的闭环耦合，训练所述车辆运行的动态镜像仿真模型，使得动态镜像仿真模型对被仿真对象的全息度与置信度进一步提高。

其中，智慧信息主要产出两类以效率为目的的成果：1、学习；2、决策。学习本事不产生效率，只能优化决策；而决策直接产生效率。控车信息是决策信息，又称为“仿真模型的模式识别”，控车动作信息是由传感器在实施控车动作之后，对动作效果进行反馈的信息。

利用训练后的车辆运行动态镜像仿真模型，并结合经验导入识别车辆的当前状态逻辑含义与趋势，并通过导出优化后的识别信息，进一步提高控车效率，以实现控制所述车辆运行的同时，动态镜像仿真模型与被仿真对象的进一步逼近。

其中，经验可以包括两类：1、由人工教授给计算机的规律、学习机制、决策机制等；2、由计算机自主学习形成的。对于当前状态逻辑含义与趋势来说，仿真是方程式对现实的近似，可无限精细接近，但不可能全息。全息度越高，信息御能效率越高。

在本实施例中的参数耦合关系，除了多角度测速耦合之外，还包括其余相关传感参量耦合。

设，车速为v，位移s，时间t，速度v，(其中s、v分别为向量)；其中，ds、dt通过传感器测量获得。

{v_n}＝{ds_n}/{dt_n}

其中，{ds_n}＝(ds₁,ds₂,…ds_n)，{dt_n}＝(dt₁,dt₂,…dt_n)。

又因为，ds＝v/dt，受实际传感测量取样限制，Δt>0；所以，Δs>0。

对于上述几种定位方法中，卫星定位gps的Δt大于无线网络基站定位Δt，无线网络基站定位Δt大于雷达定位Δt，雷达定位Δt大于车轮转速Δt：

Δt_gps>Δt_net；Δt_net>Δt_rada；Δt_rada>Δt_rps；Δt_rps>0

所以，卫星定位gps的Δs大于无线网络基站定位Δs，无线网络基站定位Δs大于雷达定位Δs，雷达定位Δs大于车轮转速Δs：

Δs_gps>Δs_net；Δs_net>Δs_rada；Δs_rada>Δs_rps；Δs_rps>0

设，车的加速度为a，速度变化为Δv，则：

{Δv}＝{a}·Δt

其中，a通过传感器测量，Δt通过传感器测量；当{Δt_gps}≈{Δt_m}≈{Δt_rps}时：

同时：

所以，据同理可得：

设，F表示地面与车台面综合作用力，m表示车质量，a表示加速度，N表示车与路面正压力，cosθ表示路面坡度，k表示坡速系数，μ表示动摩擦系数；(其中F、a、N、G分别为向量)；其中m通过轴重传感器测量获得；a通过计算获得，cosθ为测定常数，G为重力加速度，m通过轴重传感器测量获得，k为速度关联计算获得，N表示车与路面正压力。

则：

{F_n}＝{a_n}·m，且

其中，δn表示摩擦施力系数，即，摩擦系数最大能提供的力与实际产生的力之间的比值。

同时：

{N_n}＝{G×m×cosθ}·{k_n}

由车载传感可获得控车动作数据P_control；同时，由车载传感可获得控车动作反馈数据P_feedback；同时，由路侧获得时位关系反馈数据P_couple。

F(t)＝[P_control+P_feedback+P_couple]×η×ρ…………(式2)

其中，η表示控车动作因子，ρ表示反馈修正因子。

设，控制步长最小P_step；修正周期为γ；

假设，不考虑数据分辨率，且不考虑控制最小步长，则：

η＝F”(t)·{B}·P_step，且有ρ＝F”'(t)·{B}·γ

又因为，所有的传感数据来自于过去，所有的干预发生在未来，如图2所示的静态“事件—时间—信息”逻辑图。

因此，在(式1)中{A}、{B}都是形成于过去；其中{A}取样于过去，{B}是对未来发生{λ}值估算。

因此，在(式2)是对未来的干预中，依据是来自于已经发生的过去取样，并形成面对未来的信息背景。

所以，干预准确度取决于两个方面：其一，全息度分辨率；其二，控制动作分辨率。

设小于分辨率的参量符合概率性波函数

所以，考虑数据分辨率，且考虑控制最小步长，则：

且有/>

因为，在数学模型中，存在测量误差、不充分条件、经验假设，在控车动作输出中存在控制误差、输出误差、配合误差，且：

F(t)＞f(t)

所以，如图3所示，以数学模型导出数据为判据，通过模式识别完成控车动作输出；即：

F(t)......决策......模式识别......控车动作函数

f(t)......学习......模型修正......镜像仿真函数

其中：

single＝∑_Δt[P_step]

当，f(t)的最小分辨率小于F(t)的最小分辨率，则有：

f(t)∈F(t)；

反之，如图4所示，则有：

F(t)∈f(t)；

如图5所示，现实效率实现：

结论：由静态“事件—时间—信息”逻辑得到动态“事件—时间—信息”逻辑，如图6所示的动态“事件—时间—信息”逻辑图。

因此，现实资源的利用效率，取决于测量精确度、控制精准度两个方面，φ越小，现实产出效率最高；并且二者与现实之间发生最劣产出。

同时，cycle→Min，即Δt越小，现实产出效率最高。

所以，测、控二者的精度，应该在合理、统一的区间之内，如图7所示。

在本实施例中，通过建立一段路的车资源与路资源统一的车辆运行的动态镜像仿真模型。

利用多参量传感器实时观测被仿真对象，并运用方程式对被仿真对象进行近似，并通过方程式阵列，构建多参量相互耦合，形成多参数矩阵勾稽关联，实现镜像仿真模型对被仿真对象的动态描述。

实施例二

基于上述实施例，在本实施例中，关于步骤S200所述利用从不同观测角度观测车辆的历史测量参数，训练所述车辆运行的动态镜像仿真模型，包括步骤：

通过多参量传感器从不同观测角度观测车辆，以获取车辆的历史测量参数。

通过边缘计算方式将同一时间的所述历史测量参数进行耦合，获取所述车辆的历史耦合数据。

具体的，导入历史测量参数至边缘计算单元仿真器。

其中，所述历史测量参数包括卫星定位传感数据D₁、无线基站定位传感数据D₂、雷达测距数据D₃、轴重数据D₄、车辆时位信息D₅、气象传感数据D₆、积水与路面湿度传感数据D₇、以及上传至边缘计算单元仿真器的车辆数据D₈、D₉、……D_N；

由传感侧导入参数为{A}，即模型获得所述历史测量参数为{A}：

设，仿真器的算法器f(t)，导出间接参量B₀，误差E₀，真值为λ；则通过所述边缘计算单元仿真器，对所述历史测量参数进行耦合，耦合公式为：

由上述公式，导出所述耦合参数{B}，所述耦合参数为：

。

同时，则有||λ||＝{B₀}+E₀，且|||λ||-{B₀}|≤|||λ||-{A}|。

在本实施例中还包括对模型的修正，设仿真器的模型修正器为则，修正后导出参数：

修正后仿真器的算法器为f(t₁)×(A∪B₁)，导出参数为B₂；继续循环修正，……修正后仿真器的算法器为f(t_n-1)×(A∪B_n-1)，导出参数为B_n；当n→∞时，则{B_n}收敛于||λ||。

在本实施例，由于仿真模型还可能存在误差，因此通过设置模型修正器，对模型进行修正，使得模型的预测和判断更加准确。

实施例三

如图9所述，本实施例提供一种车辆运行动态镜像模拟方法，具体包括步骤：

建立一段路的车资源与路资源统一的车辆运行的动态镜像仿真模型。

通过控车动作信息与反馈的测量信息在仿真模型的闭环耦合，训练所述车辆运行动态镜像仿真模型，使得动态镜像仿真模型对被仿真对象的全息度与置信度进一步提高。

实施例四

一种车辆运行动态镜像模拟装置，如图8所示，包括：

建立模块801，用于建立车辆运行动态镜像仿真模型。

训练模块802，用于利用从不同观测角度观测车辆的历史测量参数，训练所述车辆运行的动态镜像仿真模型。

模拟模块803，用于利用训练后的车辆运行动态镜像仿真模型识别车辆的当前耦合数据，以控制所述车辆运行的动态镜像模拟。

实施例五

在本申请所提供的实施例中，应该理解到，所揭露的装置/设备和方法，可以通过其他的方式实现。示例性的，以上所描述的装置/设备实施例仅仅是示意性的，示例性的，所述模块或单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，示例性的，多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通讯连接可以是通过一些接口，装置或单元的间接耦合或通讯连接，可以是电性、机械或其他的形式。

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

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

所述集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个介质中。基于这样的理解，本发明实现上述实施例方法中的全部或部分流程，也可以通过计算机程序121发送指令给相关的硬件完成，所述的计算机程序121可存储于一介质中，该计算机程序121在被处理器执行时，可实现上述各个方法实施例的步骤。其中，所述计算机程序121可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述介质可以包括：能够携带所述计算机程序121的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、电载波信号、电信信号以及软件分发介质等。需要说明的是，所述介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减，示例性的：在某些司法管辖区，根据立法和专利实践，计算机可读的介质不包括电载波信号和电信信号。所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，仅以上述各程序模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的程序模块完成，即将所述装置的内部结构划分成不同的程序单元或模块，以完成以上描述的全部或者部分功能。实施例中的各程序模块可以集成在一个处理单元中，也可是各个单元单独物理存在，也可以两个或两个以上单元集成在一个处理单元中，上述集成的单元既可以采用硬件的形式实现，也可以采用软件程序单元的形式实现。另外，各程序模块的具体名称也只是为了便于相互区分，并不用于限制本申请的保护范围。

一种介质，所述介质中存储有至少一条指令，所述指令由处理器加载并执行以实现所述车辆运行动态镜像模拟方法所执行的操作。

在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详细描述或记载的部分，可以参见其他实施例的相关描述。

本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本申请的范围。

应当说明的是，上述实施例均可根据需要自由组合。以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。

Claims

1.一种车辆运行动态镜像模拟方法，其特征在于，包括步骤：

建立车辆运行的动态镜像仿真模型；

根据所述车辆的当前测量信息，进行车辆运行的动态镜像仿真；

所述通过所述动态镜像仿真模型对所述车辆运行的当前测量参数进行近似和耦合，以获得所述车辆的当前测量信息，包括步骤：

其中，所述观测方法包括车轮转速测距、卫星定位测距、无线网络基站定位测距、雷达测距参数和时位传感测距；

所述通过所述动态镜像仿真模型的参数矩阵以边缘计算方式将同一时间的所述当前测量参数进行耦合，获取所述车辆的当前耦合数据，包括步骤：

其中，所述当前测量参数包括卫星定位传感数据D1、无线基站定位传感数据D2、雷达测距数据D3、轴重数据D4、车辆时位信息D5、气象传感数据D6、积水与路面湿度传感数据D7、以及上传至边缘计算单元仿真器的车辆数据D8、D9、……DN；

获得所述当前测量参数为{A}，

其中，f(t)为所述参数矩阵的算法器；B0为导出间接参量；E0为误差；λ为真值；

导出所述当前耦合数据{B}，所述当前耦合数据为：

其中，所述当前耦合数据为所述当前测量信息。

2.根据权利要求1所述车辆运行动态镜像模拟方法，其特征在于，在所述建立车辆运行的动态镜像仿真模型之后，还包括步骤：

3.根据权利要求1所述车辆运行动态镜像模拟方法，其特征在于，所述通过所述动态镜像仿真模型的方程式矩阵，对所述当前测量参数进行近似，包括步骤：

比较多参量传感器采集的当前测量参数；

4.根据权利要求1～3中任一项所述车辆运行动态镜像模拟方法，其特征在于，所述根据所述车辆的当前测量信息，进行车辆运行的动态镜像仿真，包括步骤：

5.根据权利要求1所述车辆运行动态镜像模拟方法，其特征在于，所述建立车辆运行动态镜像仿真模型，包括步骤：

6.一种车辆运行动态镜像模拟装置，其特征在于，包括：

建立模块，用于建立车辆运行的动态镜像仿真模型；

模拟模块，用于根据所述车辆的当前测量信息，进行车辆运行的动态镜像仿真；

所述训练模块具体用于通过多参量传感器从不同观测角度观测车辆，以获取车辆的当前测量参数；

获得所述当前测量参数为{A}，

导出所述当前耦合数据{B}，所述当前耦合数据为：

；

其中，所述当前耦合数据为所述当前测量信息。

7.一种车辆运行动态镜像模拟系统，其特征在于，包括如权利要求6所述车辆运行动态镜像模拟装置；

8.一种设备，其特征在于，包括处理器、存储器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器，用于执行所述存储器上所存放的计算机程序，实现如权利要求1～5任一项所述车辆运行动态镜像模拟方法所执行的操作。

9.一种介质，其特征在于，所述介质中存储有至少一条指令，所述指令由处理器加载并执行以实现如权利要求1～5中任一项所述车辆运行动态镜像模拟方法所执行的操作。