【技术实现步骤摘要】
本申请涉及人工智能，尤其涉及一种车速预测方法、装置、电子设备及存储介质。
技术介绍
1、发展新能源汽车、增加新能源汽车的市场占比成为缓解石油资源短缺、解决环境污染问题，实现汽车产业结构调整和转型升级的重要手段。在现有技术条件下，增程式电动汽车被认为是一种很有前途的节能减排解决方案，具备节油和增程两大优势，在实现低排放、低成本、高效率的同时，能够有效解决纯电动汽车续驶里程问题，增程式电动汽车因其独特的节能减排优势，使其受到广泛关注和研究。在增程式电动汽车的总功率满足具体的动力要求时，能量管理策略可以对电机以及发动机进行功率分配，以实现节能减排的目的。由于增程式电动汽车不同动力源的输出和行驶工况有着直接的联系，因此能准确的获取行驶工况信息显得极其重要，这就需要对车速进行预测。
2、相关技术中通常采用的预测方法有基于指数函数预测模型的预测方法和基于循环神经网络(recurrent neural network，rnn)预测模型的预测方法。前者实现简单，计算量小且计算速度快，但预测精度不高，且在预测时域过长时容易出现误差过大的情况。后者在预测时仅关注历史车速数据之间的时间依赖性，忽略了车速数据之间的空间相关性以及时间距离产生相关性衰减等因素的影响，导致车速预测模型精度受限。
技术实现思路
1、有鉴于此，本申请实施例提供了一种车速预测方法、装置、电子设备及存储介质，以解决现有技术中车速预测准确性不高的问题。
2、本申请实施例的第一方面，提供了一种车速预测方法，包括：<...
【技术保护点】
1.一种车速预测方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，构建区间车速数据的图结构，包括：
3.根据权利要求2所述的方法，其特征在于，所述对所述第一邻接矩阵进行稀疏处理，得到第二邻接矩阵，包括：
4.根据权利要求2所述的方法，其特征在于，所述对所述第二邻接矩阵进行关键信息提取，得到第三邻接矩阵，包括：
5.根据权利要求1所述的方法，其特征在于，所述将所述N个区间车速数据的邻接矩阵进行拼接，得到历史车速数据的邻接矩阵，包括：
6.根据权利要求5所述的方法，其特征在于，所述对所述历史车速数据的邻接矩阵进行时间衰减处理，得到更新后的历史车速数据的邻接矩阵，包括：
7.根据权利要求1所述的方法，其特征在于，所述使用训练好的第一图卷积网络对所述更新后的历史车速数据的邻接矩阵和所述历史车速数据的特征序列进行聚合处理，得到更新后的历史车速数据的特征序列，包括：
8.一种车速预测装置，其特征在于，包括：
9.一种电子设备，包括存储器、处理器以及存储在所述存储器中并且可在所述处
10.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至7中任一项所述方法的步骤。
...【技术特征摘要】
1.一种车速预测方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，构建区间车速数据的图结构，包括：
3.根据权利要求2所述的方法，其特征在于，所述对所述第一邻接矩阵进行稀疏处理，得到第二邻接矩阵，包括：
4.根据权利要求2所述的方法，其特征在于，所述对所述第二邻接矩阵进行关键信息提取，得到第三邻接矩阵，包括：
5.根据权利要求1所述的方法，其特征在于，所述将所述n个区间车速数据的邻接矩阵进行拼接，得到历史车速数据的邻接矩阵，包括：
6.根据权利要求5所述的方法，其特征在于，所述对所述历史车速数据的邻接矩阵进行时间衰减处理，得到更新后的历史车速数据的邻接...
【专利技术属性】
技术研发人员：汪志刚，张敬毅，黄世明，张广山，刘志军，
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。