KR20210039355A - 속도 예측 방법, 장치 및 전자 기기 - Google Patents

속도 예측 방법, 장치 및 전자 기기 Download PDF

Info

Publication number
KR20210039355A
KR20210039355A KR1020210036807A KR20210036807A KR20210039355A KR 20210039355 A KR20210039355 A KR 20210039355A KR 1020210036807 A KR1020210036807 A KR 1020210036807A KR 20210036807 A KR20210036807 A KR 20210036807A KR 20210039355 A KR20210039355 A KR 20210039355A
Authority
KR
South Korea
Prior art keywords
prediction
speed
data
target
time unit
Prior art date
Application number
KR1020210036807A
Other languages
English (en)
Inventor
빙 리
즈펑 저우
Original Assignee
베이징 바이두 넷컴 사이언스 앤 테크놀로지 코., 엘티디.
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by 베이징 바이두 넷컴 사이언스 앤 테크놀로지 코., 엘티디. filed Critical 베이징 바이두 넷컴 사이언스 앤 테크놀로지 코., 엘티디.
Publication of KR20210039355A publication Critical patent/KR20210039355A/ko

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01P—MEASURING LINEAR OR ANGULAR SPEED, ACCELERATION, DECELERATION, OR SHOCK; INDICATING PRESENCE, ABSENCE, OR DIRECTION, OF MOVEMENT
    • G01P3/00—Measuring linear or angular speed; Measuring differences of linear or angular speeds
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01P—MEASURING LINEAR OR ANGULAR SPEED, ACCELERATION, DECELERATION, OR SHOCK; INDICATING PRESENCE, ABSENCE, OR DIRECTION, OF MOVEMENT
    • G01P7/00—Measuring speed by integrating acceleration
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01P—MEASURING LINEAR OR ANGULAR SPEED, ACCELERATION, DECELERATION, OR SHOCK; INDICATING PRESENCE, ABSENCE, OR DIRECTION, OF MOVEMENT
    • G01P15/00—Measuring acceleration; Measuring deceleration; Measuring shock, i.e. sudden change of acceleration
    • G01P15/02—Measuring acceleration; Measuring deceleration; Measuring shock, i.e. sudden change of acceleration by making use of inertia forces using solid seismic masses
    • G01P9/00—
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S19/00—Satellite radio beacon positioning systems; Determining position, velocity or attitude using signals transmitted by such systems
    • G01S19/38—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system
    • G01S19/39—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system the satellite radio beacon positioning system transmitting time-stamped messages, e.g. GPS [Global Positioning System], GLONASS [Global Orbiting Navigation Satellite System] or GALILEO
    • G01S19/52—Determining velocity
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
    • G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
    • G06F18/2411—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on the proximity to a decision surface, e.g. support vector machines
    • G06K9/6256—
    • G06K9/6269—

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Theoretical Computer Science (AREA)
  • Remote Sensing (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Evolutionary Computation (AREA)
  • Evolutionary Biology (AREA)
  • General Engineering & Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Artificial Intelligence (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Navigation (AREA)

Abstract

본 개시는 스마트 교통 분야에 관한, 속도 예층 방법, 장치 및 전자 기기를 공개한다. 구체적은 구현 수단은 하기와 같다. IMU를 통해 데이터를 획득하고, 상기 데이터에 기반하여, 예측 가속도와 차량이 제로 스피드 상태인지 여부를 나타내는 예측 상태 정보 중의 적어도 하나를 포함하는 예측 결과를 획득하며, 상기 예측 결과에 따라, 타깃 예측 속도를 결정한다. 이렇게, 차량 탑재 단말기가 위성 신호를 획득할 수 없는 시나리오에서, IMU를 통해 차량에 대해 속도 예측을 진행하도록 하여, 차량속도 예측의 정확도를 향상시킬 수 있다.

Description

속도 예측 방법, 장치 및 전자 기기{SPEED PREDICTION METHOD, APPARATUS AND ELECTRONIC DEVICE}
본 개시는 컴퓨터 기술분야 중의 스마트 교통 기술에 관한 것으로, 특히 속도 예측 방법, 장치 및 전자 기기에 관한 것이다.
차량 주행 과정에서, 차량 속도는 차량 탑재 단말기가 획득해야 하는 중요한 데이터로, 예를 들어, 차량 탑재 단말기는 차량 속도에 따라 운전자에게 과속을 알려주고, 차량 속도에 따라 차량의 위치 자세를 산출할 수 있다.
현재, 일부 시나리오에서 획득되는 차량 속도는 정확하지 않는데, 예를 들어, 차량 탑재 박스 또는 백미러 등 추후 장착되는 시나리오일 때 정확한 실시간 차량 속도를 획득할 수 없고, 이 경우, 글로벌 위치 결정 시스템(Global Positioning System, 약칭: GPS) 신호와 같은 위성 신호를 통해 차량의 속도를 획득할 수 있다. 그러나 터널, 지하 통로 등 지하 도로 구간에서 위성 신호가 차단되어, 차량 탑재 단말기가 위성 신호를 획득할 수 없는 시나리오에서, 예측한 속도와 실제 속도 사이의 오차가 상대적으로 크며, 즉 속도 예측의 정확도가 낮게 된다.
본 개시의 실시예는 속도 예측 방법, 장치 및 전자 기기를 제공하여, 현재 차량 탑재 단말기가 위성 신호를 획득할 수 없는 시나리오에서 속도 예측의 정확도가 낮은 문제를 해결한다.
상기 기술적 과제를 해결하기 위해, 본 개시는 하기와 같이 구현된다.
본 개시의 제1 측면은,
관성 측정 유닛(IMU)을 통해 데이터를 획득하는 단계;
상기 데이터에 기반하여, 예측 가속도와 차량이 제로 스피드 상태인지 여부를 나타내는 예측 상태 정보 중의 적어도 하나를 포함하는 예측 결과를 획득하는 단계; 및
상기 예측 결과에 따라, 타깃 예측 속도를 결정하는 단계를 포함하는 속도 예측 방법을 제공한다.
또한, 상기 IMU를 통해 데이터를 획득하는 단계는,
상기 IMU의 타깃 가속도계를 통해 제1 시간 유닛에서 데이터를 획득하는 단계를 포함하고;
상기 데이터에 기반하여, 예측 결과를 획득하는 단계는,
상기 데이터에 기반하여, 상기 제1 모델을 이용하여, 상기 예측 가속도를 획득하는 단계를 포함하며, 상기 제1 모델의 트레이닝 샘플은 상기 타깃 가속도계에 따라 제2 시간 유닛에서 획득한 제1 트레이닝 데이터 및 제1 위성 신호에 따라 결정된 상기 제2 시간 유닛에 대응되는 가속도를 포함하고;
상기 예측 결과에 따라, 타깃 예측 속도를 결정하는 단계는,
상기 예측 가속도에 따라, 타깃 예측 속도를 결정하는 단계를 포함한다.
또한, 상기 IMU를 통해 데이터를 획득하는 단계는,
상기 IMU의 가속도계와 자이로스코프를 통해 제1 시간 유닛에서 데이터를 획득하는 단계를 포함하고;
상기 데이터에 기반하여, 예측 결과를 획득하는 단계는,
상기 데이터에 기반하여, 상기 제2 모델을 이용하여, 상기 예측 상태 정보를 획득하는 단계를 포함하며, 상기 제2 모델의 트레이닝 샘플은 상기 IMU의 가속도계와 자이로스코프에 따라 제3 시간 유닛에서 획득한 제2 트레이닝 데이터를 포함하고;
상기 예측 결과에 따라, 타깃 예측 속도를 결정하는 단계는,
상기 예측 상태 정보에 따라, 타깃 예측 속도를 결정하는 단계를 포함한다.
또한, 상기 IMU를 통해 데이터를 획득하는 단계는,
상기 IMU의 타깃 가속도계를 통해 제1 시간 유닛에서 제1 데이터를 획득하고, 상기 IMU의 가속도계와 자이로스코프를 통해 상기 제1 시간 유닛에서 제2 데이터를 획득하는 단계를 포함하며;
상기 데이터에 기반하여, 예측 결과를 획득하는 단계는,
상기 제1 데이터에 기반하여, 상기 제1 모델을 이용하여, 상기 예측 가속도를 획득하는 단계 - 상기 제1 모델의 트레이닝 샘플은 상기 타깃 가속도계에 따라 제2 시간 유닛에서 획득한 제1 트레이닝 데이터 및 제1 위성 신호에 따라 결정된 상기 제2 시간 유닛에 대응되는 가속도를 포함함 -; 및
상기 제2 데이터에 기반하여, 상기 제2 모델을 이용하여, 상기 예측 상태 정보를 획득하는 단계 - 상기 제2 모델의 트레이닝 샘플은 상기 IMU의 가속도계와 자이로스코프에 따라 제3 시간 유닛에서 획득한 제2 트레이닝 데이터를 포함함 - 를 포함하며;
상기 예측 결과에 따라, 타깃 예측 속도를 결정하는 단계는,
상기 예측 상태 정보에 따라 상기 차량이 제로 스피드 상태라고 결정되면, 상기 타깃 예측 속도가 제로 스피드라고 결정하는 단계; 및
상기 예측 상태 정보에 따라 상기 차량이 비제로 스피드 상태라고 결정되면, 상기 예측 가속도에 따라, 상기 타깃 예측 속도를 결정하는 단계를 포함한다.
또한, 상기 예측 가속도에 따라, 타깃 예측 속도를 결정하는 단계 이전에,
사전 설정 시간대의 각각의 제4 시간 유닛에 대해, 상기 제1 모델을 통해 예측하여 획득한 예측 속도 및 제2 위성 신호를 통해 획득한 대비 속도를 획득하는 단계;
각각의 상기 제4 시간 유닛에 대응되는 예측 속도와 대비 속도에 따라, 각각의 상기 제4 시간 유닛에 대응되는 오차를 획득하는 단계; 및
각각의 상기 제4 시간 유닛에 대응되는 오차가 사전 설정 범위에 있으면, 각각의 상기 제4 시간 유닛에 대응되는 오차에 따라 최종 오차를 결정하는 단계를 더 포함하고;
상기 예측 가속도에 따라, 타깃 예측 속도를 획득하는 단계는,
상기 예측 가속도에 따라, 중간 예측 속도를 산출하여 획득하는 단계; 및
상기 중간 예측 속도와 상기 최종 오차에 따라, 상기 타깃 예측 속도를 획득하는 단계를 포함한다.
또한, 상기 IMU의 타깃 가속도계를 통해 제1 시간 유닛에서 데이터를 획득하는 단계 이전에,
상기 IMU의 복수 개의 가속도계의 적분 결과에 따라, 복수 개의 예상 속도를 각각 결정하는 단계;
상기 복수 개의 예상 속도를 제3 위성 신호에 따라 결정된 속도와 각각 비교하여, 상기 복수 개의 예상 속도에 대응되는 복수 개의 오차를 결정하는 단계; 및
상기 복수 개의 오차 중 값이 가장 작은 오차에 대응되는 상기 가속도계를 상기 타깃 가속도계로 결정하는 단계를 포함한다.
본 개시의 제2 측면은,
관성 측정 유닛(IMU)을 통해 데이터를 획득하는 제1 획득 모듈;
상기 데이터에 기반하여, 예측 가속도와 차량이 제로 스피드 상태인지 여부를 나타내는 예측 상태 정보 중의 적어도 하나를 포함하는 예측 결과를 획득하는 제2 획득 모듈; 및
상기 예측 결과에 따라, 타깃 예측 속도를 결정하는 제1 결정 모듈을 포함하는 속도 예측 장치를 제공한다.
또한, 상기 제1 획득 모듈은,
상기 IMU의 타깃 가속도계를 통해 제1 시간 유닛에서 데이터를 획득하고;
상기 제2 획득 모듈은,
상기 데이터에 기반하여, 상기 제1 모델을 이용하여, 상기 예측 가속도를 획득하며, 상기 제1 모델의 트레이닝 샘플은 상기 타깃 가속도계에 따라 제2 시간 유닛에서 획득한 제1 트레이닝 데이터 및 제1 위성 신호에 따라 결정된 상기 제2 시간 유닛에 대응되는 가속도를 포함하고;
상기 제1 결정 모듈은,
상기 예측 가속도에 따라, 타깃 예측 속도를 결정한다.
또한, 상기 제1 획득 모듈은,
상기 IMU의 가속도계와 자이로스코프를 통해 제1 시간 유닛에서 데이터를 획득하고;
상기 제2 획득 모듈은,
상기 데이터에 기반하여, 상기 제2 모델을 이용하여, 상기 예측 상태 정보를 획득하며, 상기 제2 모델의 트레이닝 샘플은 상기 IMU의 가속도계와 자이로스코프에 따라 제3 시간 유닛에서 획득한 제2 트레이닝 데이터를 포함하고;
상기 제1 결정 모듈은, 상기 예측 상태 정보에 따라, 타깃 예측 속도를 결정한다.
또한, 상기 제1 획득 모듈은,
상기 IMU의 타깃 가속도계를 통해 제1 시간 유닛에서 제1 데이터를 획득하고, 상기 IMU의 가속도계와 자이로스코프를 통해 상기 제1 시간 유닛에서 제2 데이터를 획득하며;
상기 제2 획득 모듈은,
상기 제1 데이터에 기반하여, 상기 제1 모델을 이용하여, 상기 예측 가속도를 획득하는 제1 획득 서브 모듈 - 상기 제1 모델의 트레이닝 샘플은 상기 타깃 가속도계에 따라 제2 시간 유닛에서 획득한 제1 트레이닝 데이터 및 제1 위성 신호에 따라 결정된 상기 제2 시간 유닛에 대응되는 가속도를 포함함 -; 및
상기 제2 데이터에 기반하여, 상기 제2 모델을 이용하여, 상기 예측 상태 정보를 획득하는 제2 획득 서브 모듈 - 상기 제2 모델의 트레이닝 샘플은 상기 IMU의 가속도계와 자이로스코프에 따라 제3 시간 유닛에서 획득한 제2 트레이닝 데이터를 포함함 - 을 포함하며;
상기 제1 결정 모듈은,
상기 예측 상태 정보에 따라 상기 차량이 제로 스피드 상태라고 결정되면, 상기 타깃 예측 속도가 제로 스피드라고 결정하는 제1 결정 서브 모듈;
상기 예측 상태 정보에 따라 상기 차량이 비제로 스피드 상태라고 결정되면, 상기 예측 가속도에 따라, 상기 타깃 예측 속도를 결정하는 제2 결정 서브 모듈을 포함한다.
또한, 상기 장치는,
사전 설정 시간대의 각각의 제4 시간 유닛에 대해, 상기 제1 모델을 통해 예측하여 획득한 예측 속도 및 제2 위성 신호를 통해 획득한 대비 속도를 획득하는 제3 획득 모듈;
각각의 상기 제4 시간 유닛에 대응되는 예측 속도와 대비 속도에 따라, 각각의 상기 제4 시간 유닛에 대응되는 오차를 획득하는 제4 획득 모듈;
각각의 상기 제4 시간 유닛에 대응되는 오차가 사전 설정 범위에 있으면, 각각의 상기 제4 시간 유닛에 대응되는 오차에 따라 최종 오차를 결정하는 제5 획득 모듈을 더 포함하고;
상기 제1 결정 모듈은,
상기 예측 가속도에 따라, 중간 예측 속도를 산출하여 획득하는 산출 서브 모듈; 및
상기 중간 예측 속도와 상기 최종 오차에 따라, 상기 타깃 예측 속도를 획득하는 제3 획득 서브 모듈을 포함한다.
또한, 상기 장치는,
상기 IMU의 복수 개의 가속도계의 적분 결과에 따라, 복수 개의 예상 속도를 각각 결정하는 제2 결정 모듈;
상기 복수 개의 예상 속도를 제3 위성 신호에 따라 결정된 속도와 각각 비교하여, 상기 복수 개의 예상 속도에 대응되는 복수 개의 오차를 결정하는 제3 결정 모듈; 및
상기 복수 개의 오차 중 값이 가장 작은 오차에 대응되는 상기 가속도계를 상기 타깃 가속도계로 결정하는 제4 결정 모듈을 더 포함한다.
본 개시의 제3 측면은,
적어도 하나의 프로세서; 및
상기 적어도 하나의 프로세서와 통신 연결하는 메모리를 포함하고,
상기 메모리에는 상기 적어도 하나의 프로세서에 의해 실행 가능한 명령이 저장되고, 상기 명령은 상기 적어도 하나의 프로세서에 의해 실행되어, 상기 적어도 하나의 프로세서가 제1 측면에 따른 방법을 수행할 수 있도록 하는 것을 특징으로 하는 전자 기기를 제공한다.
본 개시의 제4 측면은, 컴퓨터 명령이 저장된 비일시적 컴퓨터 판독 가능한 저장 매체로서, 상기 컴퓨터 명령은 상기 컴퓨터가 제1 측면에 따른 방법을 수행하도록 하는 컴퓨터 명령이 저장된 비일시적 컴퓨터 판독 가능한 저장 매체를 제공한다.
상기 개시 중의 일 실시예는 하기와 같은 장점 또는 유익한 효과를 가진다.
차량 탑재 단말기가 위성 신호를 획득할 수 없는 시나리오에서, IMU를 통해 차량에 대해 속도 예측을 진행하도록 하여, 차량속도 예측의 정확도를 향상시킬 수 있다.
상기 선택 가능한 방식이 지니는 다른 효과는 아래 내용에서 구체적인 실시예와 함께 설명된다.
도면은 본 수단을 더욱 잘 이해하도록 하기 위한 것이고, 본 개시를 한정하기 위함이 아니다. 여기서:
도 1은 본 개시의 실시예에서 제공되는 속도 예측 방법의 흐름도 1이다.
도 2는 본 개시의 실시예에서 제공되는 속도 예측 방법의 흐름도 2이다.
도 3은 본 개시의 실시예에서 제공되는 속도 예측 방법의 흐름도 3이다.
도 4는 본 개시의 실시예에서 제공되는 속도 예측 방법의 흐름도 4이다.
도 5는 본 개시의 실시예에서 제공되는 속도 예측 장치의 구조도이다.
도 6은 본 개시의 실시예의 속도 예측 방법을 구현하기 위해 사용되는 전자 기기의 블록도이다.
아래 도면과 결부시켜 본 개시의 예시적 실시예를 설명하되, 여기에 이해를 돕기 위한 본 개시의 실시예의 다양한 세부사항들이 포함되지만, 이들은 단지 예시적인 것으로 이해해야 한다. 따라서, 본 기술분야의 통상의 기술자는 본 개시의 범위 및 정신을 벗어나지 않는 전제 하에 여기서 설명된 실시예에 대해 다양한 변형 및 수정을 진행할 수 있음을 이해해야 한다. 마찬가지로, 명확 및 간략을 위해, 아래의 설명에서 공지 기능 및 구조에 대한 설명을 생략한다.
도 1을 참조하면, 도 1은 본 개시의 실시예에서 제공되는 속도 예측 방법의 흐름도 1이고, 도 1에 도시된 바와 같이, 본 실시예는 전자 기기에 응용되며, 하기와 같은 단계를 포함하는 속도 예측 방법을 제공한다.
단계 101: 관성 측정 유닛(IMU)을 통해 데이터를 획득한다.
관성 측정 유닛(Inertial measurement unit, 약칭: IMU)은 물체의 3축 자세각 및 가속도를 측정하는 장치이고, IMU는 3개의 단축의 가속도계와 3개의 단축의 자이로스코프를 포함할 수 있으며, 가속도계는 가속도 신호를 검출하고, 자이로스코프는 각속도 신호를 검출한다. 차량에 IMU를 설치할 경우, 예를 들어, 차량의 추후 장착 네비게이션 제품에 IMU가 포함되면, IMU를 통해 데이터를 획득한다. 전자 기기는 차량 탑재 단말기일 수 있다.
단계 102: 상기 데이터에 기반하여, 예측 가속도와 차량이 제로 스피드 상태인지 여부를 나타내는 예측 상태 정보 중의 적어도 하나를 포함하는 예측 결과를 획득한다.
IMU이 획득한 데이터에 따라 예측하여, 예측 결과를 획득한다. 예를 들어, IMU의 가속도계의 적분 결과에 따라 예측하고, 예를 들어, 데이터에 따라 가속도를 예측하거나, 또는 IMU의 가속도계와 자이로스코프가 획득한 데이터에 따라 예측하며, 예를 들어, 데이터에 따라 차량의 상태를 예측하여, 예측 결과를 획득한다. 예측 결과는 예측 가속도와 예측 상태 정보 중의 적어도 하나를 포함한다.
단계 103: 상기 예측 결과에 따라, 타깃 예측 속도를 결정한다.
예측 결과에 예측 가속도가 포함되면, 예측 가속도에 따라, 타깃 예측 속도를 산출하여 획득하고; 예측 결과에 예측 상태 정보가 포함되고, 예측 상태 정보가 차량이 제로 스피드임을 나타내면, 타깃 예측 속도가 제로 스피드라고 결정하며; 예측 결과에 예측 가속도와 예측 상태 정보가 포함되고, 예측 상태 정보가 차량이 제로 스피드 상태임을 나타내면, 타깃 예측 속도가 제로 스피드라고 결정하며; 예측 결과에 예측 가속도와 예측 상태 정보가 포함되고, 예측 상태 정보가 차량이 비제로 스피드 상태임을 나타내면, 예측 가속도에 따라, 타깃 예측 속도를 산출하여 획득한다.
본 실시예에서, 차량에 설치된 관성 측정 유닛(IMU)을 통해 데이터를 획득하고, 상기 데이터에 기반하여, 예측 가속도와 상기 차량이 제로 스피드 상태인지 여부를 나타내는 예측 상태 정보 중의 적어도 하나를 포함하는 예측 결과를 획득하며, 상기 예측 결과에 따라, 타깃 예측 속도를 결정한다. 이렇게, 차량이 위성 신호를 획득할 수 없는 시나리오에서, 차량에 설치된 IMU를 통해 차량에 대해 속도 예측을 진행하도록 하여, 차량속도 예측의 정확도를 향상시킬 수 있다.
도 2를 참조하면, 도 2는 본 개시의 실시예에서 제공되는 속도 예측 방법의 흐름도 2이고, 도 2에 도시된 바와 같이, 본 실시예는 전자 기기에 응용되며, 하기와 같은 단계를 포함하는 속도 예측 방법을 제공한다.
단계 201: 상기 IMU의 타깃 가속도계를 통해 제1 시간 유닛에서 데이터를 획득한다.
단계 202: 상기 데이터에 기반하여, 상기 제1 모델을 이용하여, 상기 예측 가속도를 획득하고, 여기서 상기 제1 모델의 트레이닝 샘플은 상기 타깃 가속도계에 따라 제2 시간 유닛에서 획득한 제1 트레이닝 데이터 및 제1 위성 신호에 따라 결정된 상기 제2 시간 유닛에 대응되는 가속도를 포함한다.
단계 203: 상기 예측 가속도에 따라, 타깃 예측 속도를 결정한다.
단계 201, 단계 202 및 단계 203은 각각 단계 101, 단계 102 및 단계 103의 한 가지 실시예 중의 구현 형태이다.
본 실시예는 예측 결과가 예측 가속도를 포함하는 경우이다. 제1 시간 유닛은 하나의 시간 길이이고, 예를 들어 1초 또는 2초 등이며, 제1 시간 유닛과 제2 시간 유닛의 시간 길이는 동일하고, 여기서 제1, 제2 를 사용하여 구별하는 이유는, 이 두 개의 시간 유닛이 상이한 시간 구간에 속하는 것을 나타내기 위함이다. 제1 시간 유닛은 속도 예측을 진행할 때의 시간 구간에 속하고, 제2 시간 유닛은 트레이닝 샘플을 획득할 때의 시간 구간에 속한다. 위성 신호는 글로벌 위치 결정 시스템(Global Positioning System, 약칭: GPS) 신호 또는 BeiDou 위성 네비게이션 시스템(BeiDou Navigation Satellite System, 약칭: BDS) 신호 등일 수 있다. 본 개시 중의 제1 위성 신호, 제2 위성 신호 및 제3 위성 신호 중의 "제1", "제2" 및 "제3"은 상이한 시간에 획득한 위성 신호를 구별하기 위한 것이다. 위성 신호는 차량에 설치된 위성 위치 결정 시스템 또는 위성 네비게이션 시스템을 통해 수신될 수 있다. 위성 위치 결정 시스템 또는 위성 네비게이션 시스템은 전자 기기에 집적될 수 있고 전자 기기와 분리되어 설치될 수도 있으며, 분리되어 설치 시, 전자 기기는 유선 또는 무선 방식을 통해 위성 위치 결정 시스템 또는 위성 네비게이션 시스템으로부터 위성 데이터를 획득할 수 있다.
제1 모델은 트레이닝 샘플을 통해 제1 기초 모델을 획득할 수 있고, 예를 들어 서포트 벡터 머신(Support Vector Machine, 약칭: SVM)을 통해 트레이닝을 진행하여 획득할 수 있다. 제1 모델의 트레이닝 샘플은 두개 부분을 포함하는데, 제1 부분은 제1 트레이닝 데이터이고, 제2 부분은 제1 위성 신호를 통해 결정된 가속도(즉 속도 인크리먼트)이다. 타깃 가속도계를 통해 제2 시간 유닛에서 제1 트레이닝 데이터를 획득한 다음, 제1 트레이닝 데이터에 따라 제1 특징 벡터를 결정할 수 있다. 예를 들어, 제2 시간 유닛이 1초이면, 타깃 가속도계의 프레임 레이트는 100Hz이다. 다시 말해서, 타깃 가속도계는 1초동안 100프레임의 데이터를 획득할 수 있고, 이 100프레임 데이터에 따라, 100차원의 제1 특징 벡터를 획득할 수 있다. 타깃 가속도계의 프레임 레이트가 비교적 클 경우, 예를 들어 500Hz보다 클 경우, 차원 감소 처리를 진행하여 제1 특징 벡터의 차원(dimension)을 감소시킬 수 있다.
타깃 가속도계가 제1 트레이닝 데이터를 획득하는 제2 시간 유닛에서, 차량 상의 위성 위치 결정 시스템 또는 위성 네비게이션 시스템은 제1 위성 신호를 수신할 수 있다. 전자 기기는 제1 위성 신호에 따라 차량의 가속도를 산출하고, 상기 가속도는 참값으로서 제1 기초 모델의 트레이닝에 참여한다. 다시 말해서, 하나의 제2 시간 유닛의 경우, 하나의 제1 트레이닝 데이터와 하나의 가속도에 대응된다. 트레이닝 샘플은 복수 개의 상이한 시간 구간의 제2 시간 유닛에 각각 대응되는 제1 트레이닝 데이터와 가속도를 포함하여, 제1 기초 모델에 대해 트레이닝을 진행하여, 제1 모델을 획득할 수 있다. 비록 타깃 가속도계의 적분 결과에 따라 속도를 획득할 수 있으나, 타깃 가속도계의 과도한 소음때문에 심각한 드리프트(drift) 현상이 발생하게 되고, 타깃 가속도계의 적분 결과에 따라 결정된 속도와 실제 속도 사이에는 일정한 척도 관계가 존재하므로, 이렇게 타깃 가속도계의 적분 결과에 따라 직접 속도를 획득할 경우 정확도가 상대적으로 낮지만, 본 실시예에서는 제1 모델이 타깃 가속도계에 기반하여 획득한 데이터를 사용하여 예측하므로, 타깃 예측 속도의 정확성을 향상시킬 수 있다.
제1 시간 유닛이 획득한 데이터에 따라 특징 벡터를 결정하고, 상기 특징 벡터를 제1 모델에 입력하여, 제1 모델에 의해 예측 가속도를 출력한다. 예측 가속도에 기반하여, 차량의 타깃 예측 속도를 결정한다.
제1 모델 트레이닝 시, 제1 위성 신호에 따라 결정된 가속도를 참값으로 하고, 제1 트레이닝 데이터 예측에 기반하여 획득한 가속도를 시정하며, 제1 기초 모델을 계속하여 트레이닝시켜, 제1 모델의 예측 정확도를 향상시킴으로써, 차량이 위성 신호를 획득할 수 없는 시나리오에서, 차량에 설치된 IMU를 통해 차량에 대해 속도 예측을 진행하여, 차량속도 예측의 정확도를 향상시킬 수 있다.
IMU는 복수 개의 가속도계를 포함하고, 타깃 가속도계는 이 복수 개의 가속도계 중의 하나이며, 타깃 가속도계를 결정하는 방식은 랜덤 결정일 수 있거나, 또는 이 복수 개의 가속도계의 정확도를 비교하여 결정될 수 있다. 본 개시에서 타깃 가속도계를 결정하는 방식을 제공하고, 즉 상기 IMU의 타깃 가속도계를 통해 제1 시간 유닛에서 데이터를 획득하는 단계 이전에,
상기 IMU의 복수 개의 가속도계의 적분 결과에 따라, 복수 개의 예상 속도를 각각 결정하는 단계;
상기 복수 개의 예상 속도를 제3 위성 신호에 따라 결정된 속도와 각각 비교하여, 상기 복수 개의 예상 속도에 대응되는 복수 개의 오차를 결정하는 단계; 및
상기 복수 개의 오차 중 값이 가장 작은 오차에 대응되는 상기 가속도계를 상기 타깃 가속도계로 결정하는 단계를 더 포함한다.
본 실시예에서, IMU의 각각의 가속도계의 적분 결과를 각각 획득하고, 각 적분 결과에 따라 복수 개의 예상 속도를 결정하며, 즉 하나의 가속도계는 하나의 예상 속도에 대응되고, 다음, 이 복수 개의 예상 속도와 제3 위성 신호에 따라 결정된 속도를 각각 비교하여, 복수 개의 오차를 획득하며, 오차값이 가장 작은 오차에 대응되는 가속도계를 타깃 가속도계로 결정하고, 여기서, 타깃 가속도계는 가속도 감지축이라고도 한다. 타깃 가속도계를 결정하는 과정에서, 차량의 위성 위치 결정 시스템 또는 위성 네비게이션 시스템은 제3 위성 신호를 수신할 수 있다.
IMU의 복수 개의 가속도계의 적분 결과에 따라 결정된 복수 개의 예상 속도를 제3 위성 신호에 따라 결정된 속도와 비교하여, 값이 가장 작은 오차에 대응되는 가속도계를 타깃 가속도계로 결정하여, 후속적으로 타깃 가속도계가 획득한 데이터에 기반하여 차량 속도의 예측을 진행하기 편리하도록 하고, 타깃 예측 속도의 정확성을 향상시킨다.
타깃 예측 속도의 정확성을 더 향상시키기 위해, 본 개시는 제1 모델이 획득한 속도에 기반하여 오차를 결정하는 실시예를 더 제공하고, 즉 상기 예측 가속도에 따라, 타깃 예측 속도를 결정하는 단계 이전에, 속도 예측 방법은,
사전 설정 시간대의 각각의 제4 시간 유닛에 대해, 상기 제1 모델을 통해 예측하여 획득한 예측 속도 및 제2 위성 신호를 통해 획득한 대비 속도를 획득하는 단계;
각각의 상기 제4 시간 유닛에 대응되는 예측 속도와 대비 속도에 따라, 각각의 상기 제4 시간 유닛에 대응되는 오차를 획득하는 단계; 및
각각의 상기 제4 시간 유닛에 대응되는 오차가 사전 설정 범위에 있으면, 각각의 상기 제4 시간 유닛에 대응되는 오차에 따라 최종 오차를 결정하는 단계를 더 포함하고;
상기 예측 가속도에 따라, 타깃 예측 속도를 획득하는 단계는,
상기 예측 가속도에 따라, 중간 예측 속도를 산출하여 획득하는 단계; 및
상기 중간 예측 속도와 상기 최종 오차에 따라, 상기 타깃 예측 속도를 획득하는 단계를 포함한다.
본 실시예에서, 제1 모델을 획득한 후, 차량의 위성 위치 결정 시스템 또는 위성 네비게이션 시스템이 위성 신호를 수신한 경우, 제1 모델의 출력에 기반하여 결정한 속도에 대해 오차 계산을 진행할 수 있다. 제4 시간 유닛과 제1 시간 유닛의 시간 길이가 동일하다. 사전 설정 시간대는 복수 개의 제4 시간 유닛을 포함하고, 예를 들어, 제4 시간 유닛이 1초이면, 1분동안 60개의 제4 시간 유닛을 포함한다. 사전 설정 시간 유닛은 실제 상황에 따라 설정될 수 있고, 이에 제한되지 않는다.
사전 설정 시간대 중의 각각의 제4 시간 유닛의 경우, 상기 IMU의 타깃 가속도계를 통해 제4 시간 유닛에서 제3 데이터를 획득한 다음, 제3 데이터에 기반하여, 상기 제1 모델을 이용하여, 제1 예측 가속도를 획득하고, 제1 사전 설정 가속도에 따라 예측 속도를 획득하며, 아울러, 상기 제4 시간 유닛에서 획득한 제2 위성 신호에 따라 대비 속도를 결정한다. 다시 말해서, 하나의 제4 시간 유닛에는 하나의 예측 속도와 하나의 대비 속도가 존재한다. 동일한 제4 시간 유닛에서 획득한 예측 속도와 대비 속도에 따라 오차를 산출하고, 이렇게, 각각의 제4 시간 유닛은 하나의 오차에 대응되며, 사전 설정 시간대 내의 각각의 제4 시간 유닛에 대응되는 오차가 모두 하나의 사전 설정 범위 내에 있으면, 사전 설정 범위 내에 안정됨을 설명하고, 각각의 제4 시간 유닛에 대응되는 오차에 따라 최종 오차를 결정할 수 있다. 예를 들어, 각각의 오차의 가중평균값을 최종 오차로 하거나, 또는 이러한 오차의 중간값을 취하는 등등이다. 예측 범위는 실제 상황에 따라 미리 설정될 수 있고, 이에 제한되지 않는다.
상기 과정에 따라 최종 오차를 결정한 후, 제1 모델에 출력한 예측 가속도에 의해 산출하여 획득한 중간 예측 오차에 기반하여 교정하여, 타깃 예측 속도를 획득하여, 타깃 예측 속도가 실제 속도에 더욱 접근하도록 할 수 있다.
본 실시예에서, 차량이 위성 신호를 수신한 경우, 제1 모델을 사용하여 속도 예측을 진행하고, 획득한 예측 속도와 위성 신호(즉 제2 위성 신호)에 따라 결정된 대비 속도를 비교하여 오차를 획득하며, 각각의 제4 시간 유닛에 대응되는 오차가 사전 설정 범위에 안정된 후, 각각의 제4 시간 유닛에 대응되는 오차에 따라 최종 오차를 결정한다. 이렇게, 차량이 위성 신호를 수신하지 못하는 경우, 최종 오차를 사용하여, 제1 모델이 출력한 예측 가속도에 의해 산출하여 획득한 중간 예측 오차에 기반하여 교정을 진행하여, 획득한 타깃 예측 속도가 실제 속도에 더욱 접근하도록 할 수 있어, 속도 예측의 정확성을 향상시킨다.
도 3을 참조하면, 도 3은 본 개시의 실시예에서 제공되는 속도 예측 방법의 흐름도 3이고, 도 3에 도시된 바와 같이, 본 개시의 실시예는 전자 기기에 응용되고, 하기와 같은 단계를 포함하는 속도 예측 방법을 제공한다.
단계 301: 상기 IMU의 가속도계와 자이로스코프를 통해 제1 시간 유닛에서 데이터를 획득한다.
단계 302: 상기 데이터에 기반하여, 상기 제2 모델을 이용하여, 상기 예측 상태 정보를 획득하고, 여기서, 상기 제2 모델의 트레이닝 샘플은 상기 IMU의 가속도계와 자이로스코프에 따라 제3 시간 유닛에서 획득한 제2 트레이닝 데이터를 포함한다.
단계 303: 상기 예측 상태 정보에 따라, 타깃 예측 속도를 결정한다. 예측 상태 정보에 따라 상기 차량이 제로 스피드 상태라고 결정되면, 상기 타깃 예측 속도가 제로 스피드임을 결정한다.
단계 301, 단계 302 및 단계 303은 각각 단계 101, 단계 102 및 단계 103의 한 가지 구현 형태이다.
본 실시예는 예측 결과가 예측 상태 정보를 포함하는 경우이다. IMU는 3축 가속도계와 3축 자이로스코프를 포함할 수 있고, 즉 6축 IMU이며, 각 축의 가속도계와 자이로스코프는 모두 제1 시간 유닛에서 서브 데이터(상기 데이터가 데이터를 포함함)를 획득할 수 있다.
제1 시간 유닛은 하나의 시간 길이이고, 예를 들어 1초 또는 2초 등이며, 제1 시간 유닛과 제3 시간 유닛의 시간 길이는 동일하고, 여기서 제1, 제3을 사용하여 구별하는 이유는, 이 두 개의 시간 유닛이 상이한 시간 구간에 속하는 것을 나타내기 위함이다. 제1 시간 유닛은 속도 예측을 진행할 때의 시간 구간에 속하고, 제3 시간 유닛은 제2 모델의 트레이닝 샘플을 획득할 때의 시간 구간에 속한다.
제1 모델의 트레이닝 샘플과 구별하기 편리하도록, 본 개시에서 제1 모델의 트레이닝 샘플을 제1 트레이닝 샘플이라고도 하고, 제2 모델의 트레이닝 샘플을 제2 트레이닝 샘플이라고도 한다. 제2 모델은 제2 트레이닝 샘플을 통해 제2 기초 모델, 예를 들어 SVM에 대해 트레이닝을 진행하여 획득할 수 있다. 제2 트레이닝 샘플은 상기 IMU의 가속도계와 자이로스코프에 따라 제3 시간 유닛에서 획득한 제2 트레이닝 데이터를 포함하고, 예를 들어, 제3 시간 유닛에서, IMU의 3축 가속도계와 3축 자이로스코프가 획득한 데이터를 제2 트레이닝 데이터로 한 다음, 제2 트레이닝 데이터에 따라 제2 특징 벡터를 결정할 수 있다. 예를 들어, 제2 시간 유닛이 1초이면, IMU의 3축 가속도계와 3축 자이로스코프의 프레임 레이트가 모두 100Hz이다. 다시 말해서, 각각의 가속도계와 각각의 자이로스코프는 1초동안 모두 100프레임의 데이터를 획득할 수 있고, 제2 트레이닝 데이터가 600프레임 데이터를 포함하며, 또한, 이 600프레임 데이터에 따라, 600차원의 제2 특징 벡터를 획득할 수 있다. 획득한 제2 특징 벡터가 너무 크므로, 제2 트레이닝 데이터에 대해 차원 감소 처리를 진행하여 제2 특징 벡터의 차원을 감소시킬 수 있다. 제2 트레이닝 샘플은 복수 개의 상이한 시간 구간의 제3 시간 유닛을 포함할 수 있고, 예를 들어, 시간 구간이 차량 주행 과정(즉 비제로 스피드 시나리오)의 제3 시간 유닛에 속하고, 시간 유닛이 차량 정지(즉 제로 스피드 시나리오)시의 제3 시간 유닛에 속하는 등이다.
완성된 제2 모델을 트레이닝시키고, 상기 IMU의 가속도계와 자이로스코프가 제1 시간 유닛에서 획득한 데이터에 기반하여, 예측 상태 정보를 출력할 수 있다. 예측 상태 정보는 차량이 제로 스피드 상태인지 여부를 나타내기 위한 것으로, 예측 상태 정보에 따라 차량이 제로 스피드 상태라고 결정되면, 차량의 타깃 예측 속도가 제로 스피드이며, 즉 차량의 속도를 0으로 간주할 수 있다.
본 실시예에서, 제2 모델을 사용하여 제로 스피드 시나리오와 비제로 스피드 시나리오에 대해 판정할 수 있고, 제2 모델 트레이닝 시, IMU의 각각의 가속도계와 자이로스코프가 획득한 데이터를 종합적으로 고려하여, 제2 모델 예측의 정확성을 향상시킴으로써, 차량이 제로 스피드 시나리오인지 여부를 판정하는 정확성을 향상시킨다.
도 4를 참조하면, 도 4는 본 개시의 실시예에서 제공되는 속도 예측 방법의 흐름도 4이고, 도 4에 도시된 실시예는 예측 결과가 예측 가속도와 예측 상태 정보를 동시에 포함하는 경우이다. 도 4에 도시된 바와 같이, 본 실시예는 전자 기기에 응용되고, 하기와 같은 단계를 포함하는 속도 예측 방법을 제공한다.
단계 401: 상기 IMU의 타깃 가속도계를 통해 제1 시간 유닛에서 제1 데이터를 획득하고, 상기 IMU의 가속도계와 자이로스코프를 통해 상기 제1 시간 유닛에서 제2 데이터를 획득한다.
단계 401는 단계 101의 한 가지 구현 형태이다. IMU를 통해 획득한 데이터는 제1 데이터와 제2 데이터를 포함한다.
제1 시간 유닛은 하나의 시간 길이이고, 예를 들어 1초 또는 2초 등이다. IMU는 복수 개의 가속도계를 포함하고, 타깃 가속도계는 이 복수 개의 가속도계 중의 하나이며, 타깃 가속도계를 결정하는 방식은 랜덤 결정일 수 있거나, 또는 이 복수 개의 가속도계의 정확도를 비교하여 결정될 수 있고, 구체적인 방식은 도 2에 도시된 실시예 중의 기재를 참조할 수 있으므로, 여기서 설명하지 않는다.
IMU는 3축 가속도계와 3축 자이로스코프를 포함할 수 있고, 즉 6축 IMU이며, 각 축의 가속도계와 자이로스코프는 모두 제1 시간 유닛에서 서브 데이터(상기 제2 데이터가 데이터를 포함함)를 획득할 수 있다.
단계 402: 상기 제1 데이터에 기반하여, 상기 제1 모델을 이용하여, 상기 예측 가속도를 획득하고, 여기서, 상기 제1 모델의 트레이닝 샘플은 상기 타깃 가속도계에 따라 제2 시간 유닛에서 획득한 제1 트레이닝 데이터 및 제1 위성 신호에 따라 결정된 상기 제2 시간 유닛에 대응되는 가속도를 포함한다.
단계 403: 상기 제2 데이터에 기반하여, 상기 제2 모델을 이용하여, 상기 예측 상태 정보를 획득하고, 여기서, 상기 제2 모델의 트레이닝 샘플은 상기 IMU의 가속도계와 자이로스코프에 따라 제3 시간 유닛에서 획득한 제2 트레이닝 데이터를 포함한다.
단계 402, 단계 403는 단계 102의 한 가지 구현 형태이다. 단계 402과 단계 403 사이에는 선후 순서가 존재하지 않고, 단계 402는 단계 403 이전에 수행될 수 있으며, 단계 403이후 수행될 수도 있거나, 또는 단계 403와 동시에 수행되고 이에 제한되지 않는다.
제1 모델의 트레이닝 방식은 도 2에 도시된 실시예 중의 기재와 일치하고, 제2 모델의 트레이닝 방식은 도 3에 도시된 실시예 중의 기재와 일치하므로 구체적인 것은 관련 기재를 참조할 수 있고, 여기서 상세히 설명하지 않는다.
단계 404: 상기 예측 상태 정보에 따라 상기 차량이 제로 스피드 상태라고 결정되면, 상기 타깃 예측 속도가 제로 스피드라고 결정한다.
단계 405: 상기 예측 상태 정보에 따라 상기 차량이 비제로 스피드 상태라고 결정되면, 상기 예측 가속도에 따라, 상기 타깃 예측 속도를 결정한다.
단계 404, 단계 405는 단계 103의 한 가지 구현 형태이다. 예측 상태 정보에 따라 차량이 제로 스피드 상태라고 결정되면, 타깃 예측 속도가 제로 스피드라고 결정된다. 예측 상태 정보에 따라 차량이 비제로 스피드 상태라고 결정되면, 추가로 예측 가속도에 따라, 타깃 예측 속도를 결정한다. 예측 가속도에 따라, 타깃 예측 속도를 결정하는 과정은 단계 203의 기재와 일치하므로, 여기서 더 이상 설명하지 않는다.
본 실시예에서, 제1 모델과 제2 모델의 예측 결과를 종합적으로 고려하고, 차량이 제로 스피드 상태라고 결정된 경우, 타깃 사전 설정 속도가 제로 스피드라고 직접 결정하고, 차량이 비제로 스피드 상태라고 결정된 경우, 제1 모델이 출력한 예측 가속도에 따라, 타깃 예측 속도를 추가로 산출하여 획득한다. 이렇게, 차량이 위성 신호를 획득할 수 없는 시나리오에서, 차량에 설치된 IMU를 통해 차량에 대해 속도 예측을 진행하도록 하여, 차량속도 예측의 정확도를 향상시킬 수 있다.
도 5를 참조하면, 도 5는 본 개시의 실시예에서 제공되는 속도 예측 장치의 구조도이고, 도 5에 도시된 바와 같이, 본 실시예는,
관성 측정 유닛(IMU)을 통해 데이터를 획득하는 제1 획득 모듈(501);
상기 데이터에 기반하여, 예측 가속도와 상기 차량이 제로 스피드 상태인지 여부를 나타내는 예측 상태 정보 중의 적어도 하나를 포함하는 예측 결과를 획득하는 제2 획득 모듈(502); 및
상기 예측 결과에 따라, 타깃 예측 속도를 결정하는 제1 결정 모듈(503)을 포함하는 속도 예측 장치(500)를 제공한다.
본 개시의 일 실시예에서, 상기 제1 획득 모듈(501)은,
상기 IMU의 타깃 가속도계를 통해 제1 시간 유닛에서 데이터를 획득하고;
상기 제2 획득 모듈(502)은,
상기 데이터에 기반하여, 상기 제1 모델을 이용하여, 상기 예측 가속도를 획득하며, 여기서, 상기 제1 모델의 트레이닝 샘플은 상기 타깃 가속도계에 따라 제2 시간 유닛에서 획득한 제1 트레이닝 데이터 및 제1 위성 신호에 따라 결정된 상기 제2 시간 유닛에 대응되는 가속도를 포함하고;
상기 제1 결정 모듈(503)은,
상기 예측 가속도에 따라, 타깃 예측 속도를 결정한다.
본 개시의 일 실시예에서, 상기 제1 획득 모듈(501)은,
상기 IMU의 가속도계와 자이로스코프를 통해 제1 시간 유닛에서 데이터를 획득하고,
상기 제2 획득 모듈(502)은,
상기 데이터에 기반하여, 상기 제2 모델을 이용하여, 상기 예측 상태 정보를 획득하며, 여기서, 상기 제2 모델의 트레이닝 샘플은 상기 IMU의 가속도계와 자이로스코프에 따라 제3 시간 유닛에서 획득한 제2 트레이닝 데이터를 포함하고;
상기 제1 결정 모듈(503)은, 상기 예측 상태 정보에 따라, 타깃 예측 속도를 결정한다.
본 개시의 일 실시예에서, 상기 제1 획득 모듈(501)은,
상기 IMU의 타깃 가속도계를 통해 제1 시간 유닛에서 제1 데이터를 획득하고, 상기 IMU의 가속도계와 자이로스코프를 통해 상기 제1 시간 유닛에서 제2 데이터를 획득하고;
상기 제2 획득 모듈(502),
상기 제1 데이터에 기반하여, 상기 제1 모델을 이용하여, 상기 예측 가속도를 획득하되, 상기 제1 모델의 트레이닝 샘플은 상기 타깃 가속도계에 따라 제2 시간 유닛에서 획득한 제1 트레이닝 데이터 및 제1 위성 신호에 따라 결정된 상기 제2 시간 유닛에 대응되는 가속도를 포함하는 제1 획득 서브 모듈; 및
상기 제2 데이터에 기반하여, 상기 제2 모델을 이용하여, 상기 예측 상태 정보를 획득하되, 상기 제2 모델의 트레이닝 샘플은 상기 IMU의 가속도계와 자이로스코프에 따라 제3 시간 유닛에서 획득한 제2 트레이닝 데이터를 포함하는 제2 획득 서브 모듈을 포함하며;
상기 제1 결정 모듈(503)은,
상기 예측 상태 정보에 따라 상기 차량이 제로 스피드 상태라고 결정되면, 상기 타깃 예측 속도가 제로 스피드라고 결정하는 제1 결정 서브 모듈; 및
상기 예측 상태 정보에 따라 상기 차량이 비제로 스피드 상태라고 결정되면, 상기 예측 가속도에 따라, 상기 타깃 예측 속도를 결정하는 제2 결정 서브 모듈을 포함한다.
본 개시의 일 실시예에서, 상기 속도 예측 장치(500)는,
사전 설정 시간대의 각각의 제4 시간 유닛에 대해, 상기 제1 모델을 통해 예측하여 획득한 예측 속도 및 제2 위성 신호를 통해 획득한 대비 속도를 획득하는 제3 획득 모듈;
각각의 상기 제4 시간 유닛에 대응되는 예측 속도와 대비 속도에 따라, 각각의 상기 제4 시간 유닛에 대응되는 오차를 획득하는 제4 획득 모듈; 및
각각의 상기 제4 시간 유닛에 대응되는 오차가 사전 설정 범위에 있으면, 각각의 상기 제4 시간 유닛에 대응되는 오차에 따라 최종 오차를 결정하는 제5 획득 모듈을 더 포함하고;
상기 제1 결정 모듈(503)은,
상기 예측 가속도에 따라, 중간 예측 속도를 산출하여 획득하는 산출 서브 모듈; 및
상기 중간 예측 속도와 상기 최종 오차에 따라, 상기 타깃 예측 속도를 획득하는 제3 획득 서브 모듈을 포함한다.
본 개시의 일 실시예에서, 상기 속도 예측 장치(500)는,
상기 IMU의 복수 개의 가속도계의 적분 결과에 따라, 복수 개의 예상 속도를 각각 결정하는 제2 결정 모듈;
상기 복수 개의 예상 속도를 제3 위성 신호에 따라 결정된 속도와 각각 비교하여, 상기 복수 개의 예상 속도에 대응되는 복수 개의 오차를 결정하는 제3 결정 모듈; 및
상기 복수 개의 오차 중 값이 가장 작은 오차에 대응되는 상기 가속도계를 상기 타깃 가속도계로 결정하는 제4 결정 모듈을 더 포함한다.
속도 예측 장치(500)는 도 1 내지 도 4에 도시된 방법 실시예 중 전자 기기가 구현하는 각 과정을 구현할 수 있고, 중복 설명을 피면하기 위해, 여기서 더 이상 설명하지 않는다.
본 개시의 실시예의 속도 예측 장치(500)는, IMU를 통해 데이터를 획득하고, 상기 데이터에 기반하여, 예측 가속도와 상기 차량이 제로 스피드 상태인지 여부를 나타내는 예측 상태 정보 중의 적어도 하나를 포함하는 예측 결과를 획득하며, 상기 예측 결과에 따라, 타깃 예측 속도를 결정한다. 이렇게, 차량 탑재 단말기가 위성 신호를 획득할 수 없는 시나리오에서, IMU를 통해 차량에 대해 속도 예측을 진행하도록 하여, 차량속도 예측의 정확도를 향상시킬 수 있다.
본 개시의 실시예에 따르면, 본 개시는 전자 기기 및 판독 가능한 저장 매체를 더 제공한다.
도 6에 도시된 바와 같이, 이는 본 개시의 실시예에 따른 속도 예측 방법의 전자 기기의 블록도이다. 전자 기기는 랩톱 컴퓨터, 데스크톱 컴퓨터, 운영 플랫폼, 개인 정보 단말기, 서버, 블레이드 서버, 대형 컴퓨터, 및 다른 적합한 컴퓨터와 같은 다양한 형태의 디지털 컴퓨터를 의미한다. 전자 기기는 개인 디지털 처리, 셀룰러폰, 스마트폰, 웨어러블 기기 및 다른 유사한 컴퓨팅 장치와 같은 다양한 형태의 이동 장치를 의미할 수도 있다. 본문에서 나타낸 부재, 이들의 연결과 관계, 및 이들의 기능은 단지 예시적인 것으로, 본문에서 설명 및/또는 요구된 본 개시의 구현을 한정하지 않는다.
도 6에 도시된 바와 같이, 상기 전자 기기는 하나 또는 다수의 프로세서(601), 메모리(602), 및 고속 인터페이스 및 저속 인터페이스를 포함하는, 각 부재를 연결하기 위한 인터페이스를 포함한다. 각 부재는 상이한 버스를 이용하여 서로 연결되고, 공통 메인보드에 장착될 수 있거나 필요에 따라 다른 방식으로 장착될 수 있다. 프로세서는, 메모리에 저장되거나 메모리에서 외부 입력/출력 장치(예를 들어, 인터페이스에 커플링된 표시 기기)에 GUI의 그래픽 정보를 표시하는 명령을 포함하는, 전자 기기 내에서 실행되는 명령을 처리할 수 있다. 다른 실시 형태에서, 필요에 따라 다수의 프로세서 및/또는 다수의 버스를 다수의 메모리와 함께 사용할 수 있다. 마찬가지로, 다수의 전자 기기를 연결할 수 있고, 각 기기는 일부 필요한 동작(예를 들어, 서버 어레이, 한 그룹의 블레이드 서버, 또는 다중 프로세서 시스템)을 제공한다. 도 6에서 하나의 프로세서(601)를 예로 든다.
메모리(602)는 본 개시에서 제공되는 비일시적 컴퓨터 판독 가능한 저장 매체이다. 여기서, 상기 메모리에는 적어도 하나의 프로세서에 의해 실행 가능한 명령이 저장되어, 상기 적어도 하나의 프로세서가 본 개시에서 제공되는 속도 예측 방법을 수행되도록 한다. 본 개시의 비일시적 컴퓨터 판독 가능한 저장 매체에는 상기 컴퓨터가 본 개시에서 제공되는 속도 예측 방법을 수행하도록 하는 컴퓨터 명령이 저장된다.
메모리(602)는 비일시적 컴퓨터 판독 가능한 저장 매체로서, 비일시적 소프트웨어 프로그램, 비일시적 컴퓨터 실행 가능한 프로그램 및 본 개시의 실시예의 속도 예측 방법에 대응되는 프로그램 명령/모듈(예를 들어, 도 5에 도시된 제1 획득 모듈(501), 제2 획득 모듈(502), 제3 획득 모듈(503) 및 제1 결정 모듈(504))과 같은 모듈을 저장할 수 있다. 프로세서(601)는 메모리(602)에 저장된 비일시적 소프트웨어 프로그램, 명령 및 모듈을 실행함으로써, 전자 기기의 다양한 기능 애플리케이션 및 데이터 처리를 수행하는데, 즉 상기 방법 실시예의 속도 예측 방법을 구현한다.
메모리(602)는 프로그램 저장 영역 및 데이터 저장 영역을 포함할 수 있고, 여기서, 프로그램 저장 영역은 운영 체제, 적어도 하나의 기능에 필요한 응용 프로그램을 저장할 수 있으며; 데이터 저장 영역은 속도 예측 방법의 전자 기기의 사용에 따라 구축된 데이터 등을 저장할 수 있다. 이 밖에, 메모리(602)는 고속 랜덤 액세스 메모리를 포함할 수 있고, 적어도 하나의 자기 디스크 메모리, 플래시 메모리, 또는 다른 비일시적 고체 상태 메모리와 같은 비일시적 메모리를 더 포함할 수 있다. 일부 실시예에서, 메모리(602)는 프로세서(601)에 대해 원격으로 설치된 메모리를 선택적으로 포함할 수 있고, 이러한 원격 메모리는 네트워크를 통해 속도 예측 방법의 전자 기기에 연결될 수 있다. 상기 네트워크의 구현예로 인터넷, 인트라넷, 근거리 통신망, 이동 통신망 및 이들의 조합을 포함하지만 이에 한정되지 않는다.
속도 예측 방법의 전자 기기는 입력 장치(603) 및 출력 장치(604)를 더 포함할 수 있다. 프로세서(601), 메모리(602), 입력 장치(603) 및 출력 장치(604)는 버스 또는 다른 방식을 통해 연결될 수 있고, 도 6에서 버스를 통해 연결되는 것을 예로 든다.
입력 장치(603)는 입력된 디지털 또는 문자 정보를 수신할 수 있고, 속도 예측 방법을 구현하는 전자 기기의 사용자 설정 및 기능 제어와 관련된 키 신호 입력을 발생할 수 있으며, 상기 입력 장치는 예를 들어 터치스크린, 키패드, 마우스, 트랙 패널, 터치 패널, 지시 바, 하나 또는 다수의 마우스 버튼, 트랙 볼, 조이스틱 등 입력 장치이다. 출력 장치(604)는 표시 기기, 보조 조명 장치(예를 들어, LED) 및 촉각 피드백 장치(예를 들어, 진동 모터) 등을 포함할 수 있다. 상기 표시 기기는 액정 표시 장치(LCD), 발광 다이오드(LED) 표시 장치 및 플라스마 표시 장치를 포함할 수 있지만 이에 한정되지 않는다. 일부 실시 형태에서, 표시 기기는 터치스크린일 수 있다.
여기서 설명된 시스템 및 기술의 다양한 실시 형태는 디지털 전자 회로 시스템, 집적 회로 시스템, 전용 ASIC(전용 집적 회로), 컴퓨터 하드웨어, 펌웨어, 소프트웨어, 및/또는 이들의 조합에서 구현될 수 있다. 이러한 다양한 실시 형태는 하나 또는 다수의 컴퓨터 프로그램에서의 구현을 포함할 수 있고, 상기 하나 또는 다수의 컴퓨터 프로그램은 적어도 하나의 프로그램 가능 프로세서를 포함하는 프로그램 가능 시스템에서 실행 및/또는 해석될 수 있으며, 상기 프로그램 가능 프로세서는 전용 또는 범용 프로그램 가능 프로세서일 수 있고, 저장 시스템, 적어도 하나의 입력 장치, 및 적어도 하나의 출력 장치로부터 데이터 및 명령을 수신할 수 있으며, 데이터 및 명령을 상기 저장 시스템, 상기 적어도 하나의 입력 장치, 및 상기 적어도 하나의 출력 장치에 전송할 수 있다.
이러한 컴퓨팅 프로그램(프로그램, 소프트웨어, 소프트웨어 애플리케이션, 또는 코드라고도 함)은 프로그램 가능 프로세서의 기계 명령을 포함하고, 하이레벨 프로세스 및/또는 객체에 대한 프로그래밍 언어, 및/또는 어셈블리/기계 언어를 이용하여 이러한 컴퓨팅 프로그램을 실행할 수 있다. 본문에서 사용된 바와 같이, 용어 “기계 판독 가능한 매체” 및 “컴퓨터 판독 가능한 매체”는 기계 명령 및/또는 데이터를 프로그램 가능 프로세서에 제공하기 위한 임의의 컴퓨터 프로그램 제품, 기기, 및/또는 장치(예를 들어, 자기 디스크, 광 디스크, 메모리, 프로그램 가능 로직 장치(PLD))를 의미하고, 기계 판독 가능한 신호인 기계 명령을 수신하는 기계 판독 가능한 매체를 포함한다. 용어 “기계 판독 가능한 신호”는 기계 명령 및/또는 데이터를 프로그램 가능 프로세서에 제공하기 위한 임의의 신호를 의미한다.
사용자와의 인터랙션을 제공하기 위하여, 컴퓨터에서 여기서 설명된 시스템 및 기술을 실시할 수 있고, 상기 컴퓨터는 사용자에게 정보를 표시하기 위한 표시 장치(예를 들어, CRT(음극선관) 또는 LCD(액정 표시 장치) 모니터); 및 키보드 및 지향 장치(예를 들어, 마우스 또는 트랙 볼)를 구비하며, 사용자는 상기 키보드 및 상기 지향 장치를 통해 컴퓨터에 입력을 제공할 수 있다. 다른 타입의 장치는 또한 사용자와의 인터랙션을 제공할 수도 있는데, 예를 들어, 사용자에게 제공된 피드백은 임의의 형태의 감지 피드백(예를 들어, 시각 피드백, 청각 피드백, 또는 촉각 피드백)일 수 있고; 임의의 형태(소리 입력, 음성 입력, 또는 촉각 입력)로 사용자로부터의 입력을 수신할 수 있다.
여기서 설명된 시스템 및 기술을 백그라운드 부재를 포함하는 컴퓨팅 시스템(예를 들어, 데이터 서버), 또는 미들웨어 부재를 포함하는 컴퓨팅 시스템(예를 들어, 응용 서버), 또는 프론트 엔드 부재를 포함하는 컴퓨팅 시스템(예를 들어, 그래픽 사용자 인터페이스 또는 웹 브라우저를 구비하는 사용자 컴퓨터이고, 사용자는 상기 그래픽 사용자 인터페이스 또는 웹 브라우저를 통해 여기서 설명된 시스템 및 기술의 실시 형태와 인터랙션할 수 있음), 또는 이러한 백그라운드 부재, 미들웨어 부재, 또는 프론트 엔드 부재의 임의의 조합을 포함하는 컴퓨팅 시스템에서 실시할 수 있다. 임의의 형태 또는 매체의 디지털 데이터 통신(예를 들어, 통신 네트워크)을 통해 시스템의 부재를 서로 연결시킬 수 있다. 통신 네트워크의 예시로 근거리 통신망(LAN), 광역 통신망(WAN), 인터넷을 포함한다.
컴퓨터 시스템은 클라이언트 및 서버를 포함할 수 있다. 클라이언트 및 서버는 일반적으로 서로 멀리 떨어져 있고 일반적으로 통신 네트워크를 통해 서로 인터랙션한다. 대응되는 컴퓨터에서 실행되고 또한 서로 클라이언트-서버 관계를 가지는 컴퓨터 프로그램을 통해 클라이언트 및 서버의 관계를 생성한다.
본 개시의 실시예의 기술적 해결수단에 따르면, IMU를 통해 데이터를 획득하고, 상기 데이터에 기반하여, 예측 가속도와 상기 차량이 제로 스피드 상태인지 여부를 나타내는 예측 상태 정보 중의 적어도 하나를 포함하는 예측 결과를 획득하며, 상기 예측 결과에 따라, 타깃 예측 속도를 결정한다. 이렇게, 차량 탑재 단말기가 위성 신호를 획득할 수 없는 시나리오에서, IMU를 통해 차량에 대해 속도 예측을 진행하도록 하여, 차량속도 예측의 정확도를 향상시킬 수 있다.
차량이 위성 신호를 수신한 경우, 제1 모델을 사용하여 속도 예측을 진행하고, 획득한 예측 속도와 위성 신호(즉 제2 위성 신호)에 따라 결정된 대비 속도를 비교하여 오차를 획득하며, 각각의 제4 시간 유닛에 대응되는 오차가 사전 설정 범위에 안정된 후, 각각의 제4 시간 유닛에 대응되는 오차에 따라 최종 오차를 결정한다. 이렇게, 차량이 위성 신호를 수신하지 못하는 경우, 최종 오차를 사용하여, 제1 모델이 출력한 예측 가속도에 의해 산출하여 획득한 중간 예측 오차에 기반하여 교정을 진행하여, 획득한 타깃 예측 속도가 실제 속도에 더욱 접근하도록 할 수 있어, 속도 예측의 정확성을 향상시킨다.
제2 모델을 사용하여 제로 스피드 시나리오와 비제로 스피드 시나리오에 대해 판정할 수 있고, 제2 모델 트레이닝 시, IMU의 각각의 가속도계와 자이로스코프가 획득한 데이터를 종합적으로 고려하여, 제2 모델 예측의 정확성을 향상시킴으로써, 차량이 제로 스피드 시나리오인지 여부를 판정하는 정확성을 향상시킨다.
제1 모델과 제2 모델의 예측 결과를 종합적으로 고려하고, 차량이 제로 스피드 상태라고 결정된 경우, 타깃 사전 설정 속도가 제로 스피드라고 직접 결정하고, 차량이 비제로 스피드 상태라고 결정된 경우, 제1 모델이 출력한 예측 가속도에 따라, 타깃 예측 속도를 추가로 산출하여 획득한다. 이렇게, 차량이 위성 신호를 획득할 수 없는 시나리오에서, IMU를 통해 차량에 대해 속도 예측을 진행하도록 하여, 차량속도 예측의 정확도를 향상시킬 수 있다.
최종 오차를 통해 제1 모델이 출력한 예측 가속도에 의해 산출하여 획득한 중간 예측 오차에 기반하여 교정을 진행하여, 타깃 예측 속도를 획득함으로써, 타깃 예측 속도가 실제 속도에 더욱 접근하도록 한다.
IMU의 복수 개의 가속도계의 적분 결과에 따라 결정된 복수 개의 예상 속도를 제3 위성 신호에 따라 결정된 속도와 비교하여, 값이 가장 작은 오차에 대응되는 가속도계를 타깃 가속도계로 결정하여, 후속적으로 타깃 가속도계가 획득한 데이터에 기반하여 차량 속도의 예측을 진행하기 편리하도록 하고, 타깃 예측 속도의 정확성을 향상시킨다.
위에서 설명한 다양한 형태의 프로세스를 사용하여 단계를 재배열, 추가 또는 삭제 단계를 사용할 수 있음을 이해해야 한다. 예를 들어, 본 개시에 기재된 각 단계는 동시에 수행될 수 있거나 순차적으로 수행될 수 있거나 상이한 순서로 수행될 수 있고, 본 개시에서 공개된 기술적 해결수단이 이루고자 하는 결과를 구현할 수만 있으면, 본문은 여기서 한정하지 않는다.
상기 구체적인 실시 형태는 본 개시의 보호 범위를 한정하지 않는다. 본 기술분야의 통상의 기술자는 설계 요구 및 다른 요소에 따라 다양한 수정, 조합, 서브 조합 및 대체를 진행할 수 있음을 이해해야 한다. 본 개시의 정신 및 원칙 내에서 진행한 임의의 수정, 등가적 대체 및 개선 등은 모두 본 개시의 보호 범위 내에 속해야 한다.

Claims (15)

  1. 속도 예측 방법으로서,
    관성 측정 유닛(IMU)을 통해 데이터를 획득하는 단계;
    상기 데이터에 기반하여, 예측 가속도와 차량이 제로 스피드 상태인지 여부를 나타내는 예측 상태 정보 중의 적어도 하나를 포함하는 예측 결과를 획득하는 단계; 및
    상기 예측 결과에 따라, 타깃 예측 속도를 결정하는 단계;를 포함하는 것을 특징으로 하는 속도 예측 방법.
  2. 제1항에 있어서,
    상기 IMU를 통해 데이터를 획득하는 단계는,
    상기 IMU의 타깃 가속도계를 통해 제1 시간 유닛에서 데이터를 획득하는 단계를 포함하고;
    상기 데이터에 기반하여, 예측 결과를 획득하는 단계는,
    상기 데이터에 기반하여, 제1 모델을 이용하여, 상기 예측 가속도를 획득하는 단계를 포함하며, 상기 제1 모델의 트레이닝 샘플은 상기 타깃 가속도계에 따라 제2 시간 유닛에서 획득한 제1 트레이닝 데이터 및 제1 위성 신호에 따라 결정된 상기 제2 시간 유닛에 대응되는 가속도를 포함하고;
    상기 예측 결과에 따라, 타깃 예측 속도를 결정하는 단계는,
    상기 예측 가속도에 따라, 타깃 예측 속도를 결정하는 단계;를 포함하는 것을 특징으로 하는 속도 예측 방법.
  3. 제1항에 있어서,
    상기 IMU를 통해 데이터를 획득하는 단계는,
    상기 IMU의 가속도계와 자이로스코프를 통해 제1 시간 유닛에서 데이터를 획득하는 단계를 포함하고;
    상기 데이터에 기반하여, 예측 결과를 획득하는 단계는,
    상기 데이터에 기반하여, 제2 모델을 이용하여, 상기 예측 상태 정보를 획득하는 단계를 포함하며, 상기 제2 모델의 트레이닝 샘플은 상기 IMU의 가속도계와 자이로스코프에 따라 제3 시간 유닛에서 획득한 제2 트레이닝 데이터를 포함하고;
    상기 예측 결과에 따라, 타깃 예측 속도를 결정하는 단계는,
    상기 예측 상태 정보에 따라, 타깃 예측 속도를 결정하는 단계를 포함하는 것을 특징으로 하는 속도 예측 방법.
  4. 제1항에 있어서,
    상기 IMU를 통해 데이터를 획득하는 단계는,
    상기 IMU의 타깃 가속도계를 통해 제1 시간 유닛에서 제1 데이터를 획득하고, 상기 IMU의 가속도계와 자이로스코프를 통해 상기 제1 시간 유닛에서 제2 데이터를 획득하는 단계를 포함하고;
    상기 데이터에 기반하여, 예측 결과를 획득하는 단계는,
    상기 제1 데이터에 기반하여, 제1 모델을 이용하여, 상기 예측 가속도를 획득하는 단계 - 상기 제1 모델의 트레이닝 샘플은 상기 타깃 가속도계에 따라 제2 시간 유닛에서 획득한 제1 트레이닝 데이터 및 제1 위성 신호에 따라 결정된 상기 제2 시간 유닛에 대응되는 가속도를 포함함 - ; 및
    상기 제2 데이터에 기반하여, 제2 모델을 이용하여, 상기 예측 상태 정보를 획득하는 단계 - 상기 제2 모델의 트레이닝 샘플은 상기 IMU의 가속도계와 자이로스코프에 따라 제3 시간 유닛에서 획득한 제2 트레이닝 데이터를 포함함 - 를 포함하며;
    상기 예측 결과에 따라, 타깃 예측 속도를 결정하는 단계는,
    상기 예측 상태 정보에 따라 상기 차량이 제로 스피드 상태라고 결정되면, 상기 타깃 예측 속도가 제로 스피드라고 결정하는 단계; 및
    상기 예측 상태 정보에 따라 상기 차량이 비제로 스피드상태라고 결정되면, 상기 예측 가속도에 따라, 상기 타깃 예측 속도를 결정하는 단계를 포함하는 것을 특징으로 하는 속도 예측 방법.
  5. 제2항에 있어서,
    상기 예측 가속도에 따라, 타깃 예측 속도를 결정하는 단계 이전에, 상기 방법은:
    사전 설정 시간대의 각각의 제4 시간 유닛에 대해, 상기 제1 모델을 통해 예측하여 획득한 예측 속도 및 제2 위성 신호를 통해 획득한 대비 속도를 획득하는 단계;
    각각의 상기 제4 시간 유닛에 대응되는 예측 속도와 대비 속도에 따라, 각각의 상기 제4 시간 유닛에 대응되는 오차를 획득하는 단계; 및
    각각의 상기 제4 시간 유닛에 대응되는 오차가 사전 설정 범위에 있으면, 각각의 상기 제4 시간 유닛에 대응되는 오차에 따라 최종 오차를 결정하는 단계를 더 포함하고;
    상기 예측 가속도에 따라, 타깃 예측 속도를 결정하는 단계는,
    상기 예측 가속도에 따라, 중간 예측 속도를 산출하여 획득하는 단계; 및
    상기 중간 예측 속도와 상기 최종 오차에 따라, 상기 타깃 예측 속도를 획득하는 단계를 포함하는 것을 특징으로 하는 속도 예측 방법.
  6. 제2항에 있어서,
    상기 IMU의 타깃 가속도계를 통해 제1 시간 유닛에서 데이터를 획득하는 단계 이전에, 상기 방법은:
    상기 IMU의 복수 개의 가속도계의 적분 결과에 따라, 복수 개의 예상 속도를 각각 결정하는 단계;
    상기 복수 개의 예상 속도를 제3 위성 신호에 따라 결정된 속도와 각각 비교하여, 상기 복수 개의 예상 속도에 대응되는 복수 개의 오차를 결정하는 단계; 및
    상기 복수 개의 오차 중 값이 가장 작은 오차에 대응되는 상기 가속도계를 상기 타깃 가속도계로 결정하는 단계를 더 포함하는 것을 특징으로 하는 속도 예측 방법.
  7. 속도 예측 장치로서,
    관성 측정 유닛(IMU)을 통해 데이터를 획득하는 제1 획득 모듈;
    상기 데이터에 기반하여, 예측 가속도와 차량이 제로 스피드 상태인지 여부를 나타내는 예측 상태 정보 중의 적어도 하나를 포함하는 예측 결과를 획득하는 제2 획득 모듈; 및
    상기 예측 결과에 따라, 타깃 예측 속도를 결정하는 제1 결정 모듈을 포함하는 것을 특징으로 하는 속도 예측 장치.
  8. 제7항에 있어서,
    상기 제1 획득 모듈은,
    상기 IMU의 타깃 가속도계를 통해 제1 시간 유닛에서 데이터를 획득하고;
    상기 제2 획득 모듈은,
    상기 데이터에 기반하여, 제1 모델을 이용하여, 상기 예측 가속도를 획득하며, 상기 제1 모델의 트레이닝 샘플은 상기 타깃 가속도계에 따라 제2 시간 유닛에서 획득한 제1 트레이닝 데이터 및 제1 위성 신호에 따라 결정된 상기 제2 시간 유닛에 대응되는 가속도를 포함하고;
    상기 제1 결정 모듈은,
    상기 예측 가속도에 따라, 타깃 예측 속도를 결정하는 것을 특징으로 하는 속도 예측 장치.
  9. 제7항에 있어서,
    상기 제1 획득 모듈은,
    상기 IMU의 가속도계와 자이로스코프를 통해 제1 시간 유닛에서 데이터를 획득하고;
    상기 제2 획득 모듈은,
    상기 데이터에 기반하여, 제2 모델을 이용하여, 상기 예측 상태 정보를 획득하며, 상기 제2 모델의 트레이닝 샘플은 상기 IMU의 가속도계와 자이로스코프에 따라 제3 시간 유닛에서 획득한 제2 트레이닝 데이터를 포함하고;
    상기 제1 결정 모듈은, 상기 예측 상태 정보에 따라, 타깃 예측 속도를 결정하는 것을 특징으로 하는 속도 예측 장치.
  10. 제7항에 있어서,
    상기 제1 획득 모듈은,
    상기 IMU의 타깃 가속도계를 통해 제1 시간 유닛에서 제1 데이터를 획득하고, 상기 IMU의 가속도계와 자이로스코프를 통해 상기 제1 시간 유닛에서 제2 데이터를 획득하며;
    상기 제2 획득 모듈은,
    상기 제1 데이터에 기반하여, 제1 모델을 이용하여, 상기 예측 가속도를 획득하는 제1 획득 서브 모듈 - 상기 제1 모델의 트레이닝 샘플은 상기 타깃 가속도계에 따라 제2 시간 유닛에서 획득한 제1 트레이닝 데이터 및 제1 위성 신호에 따라 결정된 상기 제2 시간 유닛에 대응되는 가속도를 포함함 - ; 및
    상기 제2 데이터에 기반하여, 제2 모델을 이용하여, 상기 예측 상태 정보를 획득하는 제2 획득 서브 모듈 - 상기 제2 모델의 트레이닝 샘플은 상기 IMU의 가속도계와 자이로스코프에 따라 제3 시간 유닛에서 획득한 제2 트레이닝 데이터를 포함함 - 을 포함하며;
    상기 제1 결정 모듈은,
    상기 예측 상태 정보에 따라 상기 차량이 제로 스피드 상태라고 결정되면, 상기 타깃 예측 속도가 제로 스피드라고 결정하는 제1 결정 서브 모듈; 및
    상기 예측 상태 정보에 따라 상기 차량이 비제로 스피드 상태라고 결정되면, 상기 예측 가속도에 따라, 상기 타깃 예측 속도를 결정하는 제2 결정 서브 모듈을 포함하는 것을 특징으로 하는 속도 예측 장치.
  11. 제8항에 있어서,
    상기 장치는,
    사전 설정 시간대의 각각의 제4 시간 유닛에 대해, 상기 제1 모델을 통해 예측하여 획득한 예측 속도 및 제2 위성 신호를 통해 획득한 대비 속도를 획득하는 제3 획득 모듈;
    각각의 상기 제4 시간 유닛에 대응되는 예측 속도와 대비 속도에 따라, 각각의 상기 제4 시간 유닛에 대응되는 오차를 획득하는 제4 획득 모듈; 및
    각각의 상기 제4 시간 유닛에 대응되는 오차가 사전 설정 범위에 있으면, 각각의 상기 제4 시간 유닛에 대응되는 오차에 따라 최종 오차를 결정하는 제5 획득 모듈을 더 포함하고;
    상기 제1 결정 모듈은,
    상기 예측 가속도에 따라, 중간 예측 속도를 산출하여 획득하는 산출 서브 모듈; 및
    상기 중간 예측 속도와 상기 최종 오차에 따라, 상기 타깃 예측 속도를 획득하는 제3 획득 서브 모듈을 포함하는 것을 특징으로 하는 속도 예측 장치.
  12. 제8항에 있어서,
    상기 장치는,
    상기 IMU의 복수 개의 가속도계의 적분 결과에 따라, 복수 개의 예상 속도를 각각 결정하는 제2 결정 모듈;
    상기 복수 개의 예상 속도를 제3 위성 신호에 따라 결정된 속도와 각각 비교하여, 상기 복수 개의 예상 속도에 대응되는 복수 개의 오차를 결정하는 제3 결정 모듈; 및
    상기 복수 개의 오차 중 값이 가장 작은 오차에 대응되는 상기 가속도계를 상기 타깃 가속도계로 결정하는 제4 결정 모듈을 더 포함하는 것을 특징으로 하는 속도 예측 장치.
  13. 전자 기기로서,
    적어도 하나의 프로세서; 및
    상기 적어도 하나의 프로세서와 통신 연결하는 메모리를 포함하고,
    상기 메모리에는 상기 적어도 하나의 프로세서에 의해 실행 가능한 명령이 저장되고, 상기 명령은 상기 적어도 하나의 프로세서에 의해 실행되어, 상기 적어도 하나의 프로세서가 청구항 제1항 내지 제6항 중 어느 한 항에 따른 방법을 수행할 수 있도록 하는 전자 기기.
  14. 컴퓨터 명령이 저장된 비일시적 컴퓨터 판독 가능한 저장 매체로서,
    상기 컴퓨터 명령은 상기 컴퓨터가 청구항 제1항 내지 제6항 중 어느 한 항에 따른 방법을 수행하도록 하는 것을 특징으로 하는 컴퓨터 명령이 저장된 비일시적 컴퓨터 판독 가능한 저장 매체.
  15. 컴퓨터 판독 가능 저장 매체에 저장된 컴퓨터 프로그램에 있어서,
    상기 컴퓨터 프로그램은 적어도 하나의 프로세서에 의해 실행될 경우, 청구항 제1항 내지 제6항 중 임의의 어느 한 항에 따른 상기 방법을 구현하는 것인,
    컴퓨터 판독 가능 저장 매체에 저장된 컴퓨터 프로그램.
KR1020210036807A 2020-05-29 2021-03-22 속도 예측 방법, 장치 및 전자 기기 KR20210039355A (ko)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
CN202010473770.3A CN111693723B (zh) 2020-05-29 2020-05-29 速度预测方法、装置和电子设备
CN202010473770.3 2020-05-29

Publications (1)

Publication Number Publication Date
KR20210039355A true KR20210039355A (ko) 2021-04-09

Family

ID=72478780

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020210036807A KR20210039355A (ko) 2020-05-29 2021-03-22 속도 예측 방법, 장치 및 전자 기기

Country Status (3)

Country Link
JP (1) JP7372949B2 (ko)
KR (1) KR20210039355A (ko)
CN (1) CN111693723B (ko)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115267838A (zh) * 2022-06-22 2022-11-01 湖北星纪时代科技有限公司 一种定位性能的测试方法、装置、设备和介质

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113899915B (zh) * 2021-09-28 2024-06-04 湖南三一智能控制设备有限公司 一种臂架线速度获取方法、装置及工程车辆

Family Cites Families (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP6094026B2 (ja) * 2011-03-02 2017-03-15 セイコーエプソン株式会社 姿勢判定方法、位置算出方法及び姿勢判定装置
US9228836B2 (en) * 2013-03-15 2016-01-05 Cambridge Mobile Telematics Inference of vehicular trajectory characteristics with personal mobile devices
CN104200687B (zh) * 2014-09-11 2017-12-12 长安大学 一种驾驶员速度控制行为监测装置及监测方法
CN104316716B (zh) * 2014-11-20 2016-11-09 清华大学 一种用gps速度信息改进车载速度表的方法
FR3029878B1 (fr) * 2014-12-16 2017-01-13 Michelin & Cie Procede de prediction de la vitesse d'un conducteur au volant d'un vehicule
CN106203626A (zh) * 2016-06-30 2016-12-07 北京奇虎科技有限公司 汽车驾驶行为检测方法及装置、汽车
US10512204B1 (en) * 2016-07-22 2019-12-24 Ag Leader Technology, Inc. Heading measurement compensation for GNSS navigation
CN106384540B (zh) * 2016-10-20 2019-04-19 深圳市元征科技股份有限公司 车辆实时轨迹预测方法及预测系统
US10449959B2 (en) * 2017-10-30 2019-10-22 Wipro Limited System and method for navigating an autonomous vehicle
JP2019091140A (ja) * 2017-11-13 2019-06-13 一 笠原 移動体評価装置
CN109631915B (zh) * 2018-12-19 2021-06-29 百度在线网络技术（北京）有限公司 轨迹预测方法、装置、设备及计算机可读存储介质
CN110288154A (zh) * 2019-06-25 2019-09-27 北京百度网讯科技有限公司 速度预测方法、装置、设备和介质
CN110221328A (zh) * 2019-07-23 2019-09-10 广州小鹏汽车科技有限公司 一种组合导航方法和装置
CN110702104B (zh) * 2019-09-27 2023-09-26 同济大学 一种基于车辆零速检测的惯性导航误差修正方法
CN111102978B (zh) * 2019-12-05 2022-03-29 深兰科技（上海）有限公司 一种车辆运动状态确定的方法、装置及电子设备
CN111174791A (zh) * 2020-01-09 2020-05-19 电子科技大学 一种基于双向长短期记忆网络的定位修正方法

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115267838A (zh) * 2022-06-22 2022-11-01 湖北星纪时代科技有限公司 一种定位性能的测试方法、装置、设备和介质

Also Published As

Publication number Publication date
CN111693723A (zh) 2020-09-22
CN111693723B (zh) 2022-04-22
JP2021099373A (ja) 2021-07-01
JP7372949B2 (ja) 2023-11-01

Similar Documents

Publication Publication Date Title
KR102454882B1 (ko) 차량 주행위치 추산 방법, 장치, 기기, 저장매체 및 프로그램
US20210206390A1 (en) Positioning method and apparatus, vehicle device, and autonomous vehicle
CN111679302B (zh) 车辆定位方法、装置、电子设备和计算机存储介质
US11789455B2 (en) Control of autonomous vehicle based on fusion of pose information and visual data
JP2021152906A (ja) 車両軌跡の予測方法、装置、機器及び記憶媒体
EP3910289B1 (en) Method, apparatus, device and medium for calibrating temperature drift
US20220306121A1 (en) Method for detecting bumpy region of road surface, electronic device, storage medium, and vehicle
KR20210039355A (ko) 속도 예측 방법, 장치 및 전자 기기
KR20210089116A (ko) 종방향 동역학 모델의 트레이닝 방법, 장치 및 기기
WO2013179852A1 (ja) 車両位置検出装置、及びプログラム
CN111026081A (zh) 一种误差计算方法、装置、设备及存储介质
CN111521187B (zh) 自动驾驶定位组合导航方法、装置、设备及存储介质
JP2019082328A (ja) 位置推定装置
CN115037703B (zh) 数据处理方法、装置、计算机存储介质及计算机程序产品
CN113218380B (zh) 一种电子罗盘的校正方法、装置、电子设备及存储介质
CN111780757B (zh) 定位方法和装置、电子设备、车端设备、自动驾驶汽车
CN110579779B (zh) Gps质量确定方法、装置、设备和介质
CN114056468A (zh) 车辆偏航角的校准方法、装置及可读介质
KR20210049044A (ko) 위치 정보 결정 방법, 장치 및 기기
CN117091596A (zh) 一种姿态信息获取方法以及相关设备
CN112595325A (zh) 初始位置确定方法、装置、电子设备和存储介质
CN117537807A (zh) 可移动机构的定位方法、装置、介质及电子设备
CN116046020A (zh) 零偏值确定方法及装置

Legal Events

Date Code Title Description
E902 Notification of reason for refusal