[發明專利]一種車輛重量預測方法及其系統

有效

• 申請號: 202110303367.0
• 申請日: 2021-03-22
• 公開（公告）號: CN113064933B
• 公開（公告）日: 2023-04-07
• 發明（設計）人: 劉嶠;韓祥;張志鵬;代婷婷
• 申請（專利權）人: 四川云智造科技有限公司
• 主分類號: G06F16/2458
• 分類號: G06F16/2458;G06F17/16;G06F17/18;G06N3/0442;G06N3/08;G06Q10/04;G06Q10/083;G07C5/08
• 代理公司: 成都市集智匯華知識產權代理事務所(普通合伙) 51237
• 代理人: 羅艷

1.一種車輛重量預測方法，其特征在于，包括：

S1：基于多種采樣模式持續獲取車輛行駛數據，所述車輛行駛數據包括多組行駛子數據集，每組所述行駛子數據集包含的行駛子數據對應的所述采樣模式相同且時間戳連續，所述行駛子數據包括所述時間戳、車輛速度數據、車輛經度數據和車輛緯度數據，所述采樣模式包括起步模式、轉彎模式、爬坡模式和直行模式，所述起步模式和所述轉彎模式被配置為，基于第一預設時間間隔周期性地獲取所述行駛子數據；所述爬坡模式被配置為，基于第二預設時間間隔周期性地獲取所述行駛子數據；所述直行模式被配置為，基于第三預設時間間隔周期性地獲取所述行駛子數據，所述S1包括：在車輛初始起步時，數據采集單元在起步模式下基于第一預設時間間隔周期性地獲取所述行駛子數據；數據處理單元持續性解析所述車輛行駛數據并轉換數據采集單元的所述采樣模式，其中，在當前幀的所述車輛速度數據包含的車輛方向數據與上一幀的所述車輛速度數據包含的所述車輛方向數據的差值超過第一閾值的情況下，所述數據處理單元控制所述數據采集單元的采樣模式轉換為轉彎模式；在當前幀的所述車輛經度數據和所述車輛緯度數據與上一幀的所述車輛經度數據和所述車輛緯度數據的一階差分數值超過第二閾值的情況下，所述數據處理單元控制所述數據采集單元的采樣模式轉換為爬坡模式；在所述數據處理單元判斷車輛不處于起步狀態、轉彎狀態和爬坡狀態的情況下，所述數據處理單元控制所述數據處理單元的采樣模式轉換為直行模式；

S2：對所述車輛行駛數據進行特征變換和歸一化處理后生成行駛數據矩陣；

S3：神經網絡單元基于所述行駛數據矩陣輸出車輛重量數據。

2.根據權利要求1所述的車輛重量預測方法，其特征在于，所述S2包括：

所述數據處理單元按照所述時間戳升序的方式順序調用存儲于數據存儲單元的多組所述行駛子數據集構成的所述車輛行駛數據；

對所述車輛行駛數據進行特征變換和歸一化處理后生成歸一化數據集；

基于所述車輛行駛數據的分組信息對所述歸一化數據集進行分組并構建所述行駛數據矩陣。

3.根據權利要求2所述的車輛重量預測方法，其特征在于，對所述車輛行駛數據進行特征變換和歸一化處理，包括：

提取所述車輛行駛數據包含的所述時間戳、車輛速度數據、車輛經度數據和車輛緯度數據作為原始特征數據集；

對所述時間戳、所述車輛速度數據、所述車輛經度數據和所述車輛緯度數據進行一階差分和二階差分，并將差分后的特征數據合并至所述原始特征數據集，生成特征變換數據集；

基于離差標準化模型對所述特征變換數據集進行歸一化處理，生成歸一化數據集。

4.根據權利要求1所述的車輛重量預測方法，其特征在于，所述S3包括：

構建用于預測車輛重量的網絡模型；

獲取多組包含不同采樣模式下獲取的行駛子數據構成的標準行駛數據矩陣并對每組所述標準行駛數據矩陣進行車輛重量標注，生成由多組包含車輛重量信息的標準行駛數據矩陣構成的訓練樣本集和測試集；

基于所述訓練樣本集和測試集，對所述網絡模型進行訓練并驗證，生成用于預測車輛重量的預測模型；

將所述行駛數據矩陣輸入所述神經網絡單元，基于所述預測模型輸出所述車輛重量數據。