[發明專利]車速拼接方法、裝置、電子設備及存儲介質

在審

• 申請號: 202111451340.2
• 申請日: 2021-12-01
• 公開（公告）號: CN116198516A
• 公開（公告）日: 2023-06-02
• 發明（設計）人: 邵軍杰
• 申請（專利權）人: 北京羅克維爾斯科技有限公司
• 主分類號: B60W40/105
• 分類號: B60W40/105
• 代理公司: 北京清亦華知識產權代理事務所(普通合伙) 11201
• 代理人: 單冠飛

1.一種車速拼接方法，其特征在于，包括：

根據行程信息，獲取所述行程信息中所包含的各個路段的平均車速；

將相鄰兩個路段的平均車速分別作為起始車速和終止車速；

基于預設算法模型，獲取所述起始車速和終止車速對應的目標加速度偏好；

基于所述目標加速度偏好，對于所述起始車速和終止車速進行車速拼接，得到拼接后的車速曲線。

2.根據權利要求1所述的方法，其特征在于，所述預設算法模型包括預設機器學習模型，所述基于預設算法模型，獲取所述起始車速和終止車速對應的目標加速度偏好，包括：

將所述起始車速和終止車速輸入所述預設機器學習模型，獲取所述目標加速度偏好。

3.根據權利要求1所述的方法，其特征在于，所述預設算法模型包括本車的駕駛激進系數的正態分布模型，所述基于預設算法模型，獲取所述起始車速和終止車速對應的目標加速度偏好，包括：

基于所述本車的駕駛激進系數的正態分布模型，選擇預設場景閾值對應的目標駕駛激進系數；其中，所述駕駛激進系數為車速與加速度的乘積；

基于所述目標駕駛激進系數以及所述起始車速和終止車速，獲取所述目標加速度偏好。

4.根據權利要求3所述的方法，其特征在于，所述基于所述本車的駕駛激進系數的正態分布模型，選擇預設場景閾值對應的目標駕駛激進系數之前，還包括：

獲取預設機器學習模型的預測置信度；

響應于所述預測置信度小于所述置信度閾值，判斷所述預設算法模型中是否包括本車的駕駛激進系數的正態分布模型；

響應于所述預設算法模型中包括本車的駕駛激進系數的正態分布模型，獲取所述本車的駕駛激進系數的正態分布模型。

5.根據權利要求1所述的方法，其特征在于，所述預設算法模型包括其他車輛的駕駛激進系數的正態分布模型，所述基于預設算法模型，獲取所述起始車速和終止車速對應的目標加速度偏好，包括：

基于所述其他車輛的駕駛激進系數的正態分布，選擇預設場景閾值對應的目標駕駛激進系數；其中，所述駕駛激進系數為車速與加速度的乘積；

基于所述目標駕駛激進系數以及所述起始車速和終止車速，獲取所述目標加速度偏好。

6.根據權利要求5所述的方法，其特征在于，所述基于所述其他車輛的駕駛激進系數的正態分布，選擇預設場景閾值對應的目標駕駛激進系數之前，還包括：

響應于所述預設算法模型中不包括本車的駕駛激進系數的正態分布模型，獲取其他車輛的駕駛激進系數的正態分布。

7.根據權利要求1所述的方法，其特征在于，所述基于所述加速度偏好，對于所述起始車速和終止車速進行車速拼接，得到車速曲線，包括：

基于所述起始車速和終止車速以及所述加速度偏好，計算總加速距離S；

將所述總加速距離S分割為起始加速距離S/2和終止加速距離S/2；

根據所述起始加速距離S/2，計算起始加速位置；

根據所述終止加速距離S/2，計算終止加速位置；

基于所述起始加速位置和所述終止加速位置以及所述加速度偏好，對所述起始車速和終止車速進行車速拼接，得到車速曲線。

8.根據權利要求3所述的方法，其特征在于，還包括：

基于本車的歷史行車數據，構建本車的駕駛激進系數的正態分布，其中，所述駕駛激進系數為車速與加速度的乘積，所述本車的駕駛激進系數的正態分布模型的橫坐標為駕駛激進系數，縱坐標為頻次數。

9.一種車速拼接裝置，其特征在于，包括：

平均車速獲取模塊，用于根據行程信息，獲取所述行程信息中所包含的各個路段的平均車速；

待拼接車速獲取模塊，用于將相鄰兩個路段的平均車速分別作為起始車速和終止車速；

加速偏好獲取模塊，用于基于預設算法模型，獲取所述起始車速和終止車速對應的目標加速度偏好；

車速拼接模塊，用于基于所述目標加速度偏好，對于所述起始車速和終止車速進行車速拼接，得到拼接后的車速曲線。