【技术实现步骤摘要】
本申请涉及智能驾驶，具体涉及一种车速预测方法。
技术介绍
1、随着智能驾驶技术的快速发展，车速预测技术在智能驾驶中的价值也愈专利技术显。车速预测在智能驾驶中具有诸多价值，不仅增加了汽车在行驶过程中的安全性，还便于能量管理策略(ems)系统基于预测得到车速，确定未来时刻的能量管理策略，以配置汽车动力源之间的功率分配，降低能量消耗。
2、随着人工智能技术的快速发展，当前的车速预测过程中的车速预测也应用了深度学习的方式，例如深度置信网络、堆叠自编码神经网络等，但是此种车速预测方式缺乏合理的建模机制，导致车速预测的准确性较差。
技术实现思路
1、基于此，有必要针对上述技术问题，提供一种可准确预测未来车速的车速预测方法。
2、第一方面，本申请提供了一种车速预测方法，该方法包括：
3、根据目标车辆在历史时段的全局车速特征，对目标车辆在历史时段内各历史时刻的历史车速信息进行处理，得到目标车辆在各历史时刻的车速聚合特征；
4、根据目标车辆在历史时段的全局加速度特征，对目标车辆在各历史时刻的历史加速度信息进行处理，得到目标车辆在各历史时刻的加速度聚合特征；
5、根据各车速聚合特征之间的第一相似度和各车速聚合特征，以及各加速度聚合特征之间的第二相似度和各加速度聚合特征，预测目标车辆在未来时刻的未来车速。
6、在其中一个实施例中，根据目标车辆在历史时段的全局车速特征，对目标车辆在历史时段内各历史时刻的历史车速信息进行处理，得到目标车
7、对目标车辆在历史时段内各历史时刻的历史车速信息进行特征提取，得到各历史时刻的车速值；
8、根据各历史时刻的车速值，确定目标车辆在历史时段的全局车速特征；
9、根据全局车速特征，对各历史时刻的车速值处理，得到目标车辆在各历史时刻的车速聚合特征。
10、在其中一个实施例中，根据各历史时刻的车速值，确定目标车辆在历史时段的全局车速特征，包括：
11、根据各历史时刻的车速值，构建历史车速矩阵；
12、对历史车速矩阵进行转置处理，得到历史车速矩阵的转置矩阵；
13、将历史车速矩阵和转置矩阵的乘积，作为目标车辆在历史时段的全局车速特征。
14、在其中一个实施例中，根据全局车速特征，对各历史时刻的车速值处理，得到目标车辆在各历史时刻的车速聚合特征，包括：
15、对全局车速特征进行预处理，得到预处理后的全局车速特征；其中，预处理至少包括归一化处理；
16、将预处理后的全局车速特征和各历史时刻的车速值输入至图卷积网络中，得到目标车辆在各历史时刻的车速聚合特征。
17、在其中一个实施例中，根据目标车辆在历史时段的全局加速度特征，对目标车辆在各历史时刻的历史加速度信息进行处理，得到目标车辆在各历史时刻的加速度聚合特征，包括：
18、对目标车辆在历史时段内各历史时刻的历史加速度信息进行特征提取，得到各历史时刻的加速度值；
19、根据各历史时刻的加速度值，确定目标车辆在历史时段的全局加速度特征；
20、根据全局加速度特征，对各历史时刻的加速度值进行处理，得到目标车辆在各历史时刻的加速度聚合特征。
21、在其中一个实施例中，根据各历史时刻的加速度值，确定目标车辆在历史时段的全局加速度特征，包括：
22、根据各历史时刻的加速度值之间的欧式距离，构建历史加速度矩阵；
23、将历史加速度矩阵，作为目标车辆在历史时段的全局加速度特征。
24、在其中一个实施例中，根据全局加速度特征，对各历史时刻的加速度值进行处理，得到目标车辆在各历史时刻的加速度聚合特征，包括：
25、将全局加速度特征和各历史时刻的加速度值输入至图卷积网络中，得到目标车辆在各历史时刻的加速度聚合特征；
26、该方法还包括：
27、基于鉴别器，根据预测得到的目标车辆在未来时刻的未来车速，以及目标车辆在未来时刻的实际车速，确定预测性能；
28、在预测性能不满足性能要求的情况下，更新图卷积网络中的权重系数。
29、在其中一个实施例中，根据各车速聚合特征之间的第一相似度和各车速聚合特征，以及各加速度聚合特征之间的第二相似度和各加速度聚合特征，预测目标车辆在未来时刻的未来车速，包括：
30、根据各车速聚合特征之间的第一相似度，从各车速聚合特征中选取最大的第一相似度所对应的第一车速聚合特征和第二车速聚合特征；
31、根据各加速度聚合特征之间的第二相似度，从各加速度聚合特征中选取最大的第二相似度所对应的第一加速度聚合特征和第二加速度聚合特征；
32、根据第一车速聚合特征、第二车速聚合特征、第一加速度聚合特征和第二加速度聚合特征，以及各车速聚合特征和各加速度聚合特征，预测目标车辆在未来时刻的未来车速。
33、在其中一个实施例中，根据第一车速聚合特征、第二车速聚合特征、第一加速度聚合特征和第二加速度聚合特征，以及各车速聚合特征和各加速度聚合特征，预测目标车辆在未来时刻的未来车速，包括：
34、将各车速聚合特征中第二车速聚合特征替换为第一加速度聚合特征，得到第一车速聚合特征组；
35、将各车速聚合特征中第一车速聚合特征替换为第二加速度聚合特征，得到第二车速聚合特征组；
36、将各加速度聚合特征中第一加速度聚合特征替换为第一速度聚合特征，得到第一加速度聚合特征组；
37、将各加速度聚合特征中第二加速度聚合特征替换为第二速度聚合特征，得到第二加速度聚合特征组；
38、根据第一车速聚合特征组、第二车速聚合特征组、第一加速度聚合特征组和第二加速度聚合特征组，预测目标车辆在未来时刻的未来车速。
39、在其中一个实施例中，根据第一车速聚合特征组、第二车速聚合特征组、第一加速度聚合特征组和第二加速度聚合特征组，预测目标车辆在未来时刻的未来车速，包括：
40、对第一车速聚合特征组、第二车速聚合特征组、第一加速度聚合特征组和第二加速度聚合特征组中的每一特征组进行图卷积处理，得到每一特征组对应的特征值；
41、基于注意力函数，确定各特征组的注意力系数；
42、根据各特征组对应的特征值和注意力系数，确定各特征组的预测结果；
43、根据各特征组的预测结果，预测目标车辆在未来时刻的未来车速。
44、第二方面，本申请提供了一种车速预测方法，该装置包括：
45、第一确定模块，用于根据目标车辆在历史时段的全局车速特征，对目标车辆在历史时段内各历史时刻的历史车速信息进行处理，得到目标车辆在各历史时刻的车速聚合特征；
46、第二确定模块，用于根据目标车辆在历史时段的全局加速度特征，对目标车辆在各历史时刻的历史加速度信息进行处理，得到目标车辆在各历史时本文档来自技高网...
【技术保护点】
1.一种车速预测方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述根据目标车辆在历史时段的全局车速特征，对所述目标车辆在历史时段内各历史时刻的历史车速信息进行处理，得到所述目标车辆在各历史时刻的车速聚合特征，包括：
3.根据权利要求2所述的方法，其特征在于，所述根据各历史时刻的车速值，确定所述目标车辆在历史时段的全局车速特征，包括：
4.根据权利要求2所述的方法，其特征在于，所述根据所述全局车速特征，对各历史时刻的车速值处理，得到所述目标车辆在各历史时刻的车速聚合特征，包括：
5.根据权利要求1所述的方法，其特征在于，所述根据所述目标车辆在历史时段的全局加速度特征，对所述目标车辆在各历史时刻的历史加速度信息进行处理，得到所述目标车辆在各历史时刻的加速度聚合特征，包括：
6.根据权利要求5所述的方法，其特征在于，所述根据各历史时刻的加速度值，确定所述目标车辆在历史时段的全局加速度特征，包括：
7.根据权利要求5所述的方法，其特征在于，所述根据所述全局加速度特征，对各历史时刻的加速度
8.根据权利要求1所述的方法，其特征在于，所述根据各车速聚合特征之间的第一相似度和各车速聚合特征，以及各加速度聚合特征之间的第二相似度和各加速度聚合特征，预测所述目标车辆在未来时刻的未来车速，包括：
9.根据权利要求8所述的方法，其特征在于，所述根据所述第一车速聚合特征、所述第二车速聚合特征、所述第一加速度聚合特征和所述第二加速度聚合特征，以及各车速聚合特征和各加速度聚合特征，预测所述目标车辆在未来时刻的未来车速，包括：
10.根据权利要求9所述的方法，其特征在于，所述根据所述第一车速聚合特征组、所述第二车速聚合特征组、所述第一加速度聚合特征组和所述第二加速度聚合特征组，预测所述目标车辆在未来时刻的未来车速，包括：
...【技术特征摘要】
1.一种车速预测方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述根据目标车辆在历史时段的全局车速特征，对所述目标车辆在历史时段内各历史时刻的历史车速信息进行处理，得到所述目标车辆在各历史时刻的车速聚合特征，包括：
3.根据权利要求2所述的方法，其特征在于，所述根据各历史时刻的车速值，确定所述目标车辆在历史时段的全局车速特征，包括：
4.根据权利要求2所述的方法，其特征在于，所述根据所述全局车速特征，对各历史时刻的车速值处理，得到所述目标车辆在各历史时刻的车速聚合特征，包括：
5.根据权利要求1所述的方法，其特征在于，所述根据所述目标车辆在历史时段的全局加速度特征，对所述目标车辆在各历史时刻的历史加速度信息进行处理，得到所述目标车辆在各历史时刻的加速度聚合特征，包括：
6.根据权利要求5所述的方法，其特征在于，所述根据各历史时刻的加速度值，确定所述目标车辆在历...
【专利技术属性】
技术研发人员：黄前海，朱乾勇，黄大飞，连源，黄帅，
申请(专利权)人：重庆赛力斯凤凰智创科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。