CN111845768A - 车辆行驶参数的预测方法、装置 - Google Patents
车辆行驶参数的预测方法、装置 Download PDFInfo
- Publication number
- CN111845768A CN111845768A CN202010567797.9A CN202010567797A CN111845768A CN 111845768 A CN111845768 A CN 111845768A CN 202010567797 A CN202010567797 A CN 202010567797A CN 111845768 A CN111845768 A CN 111845768A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- time
- driving
- running
- target vehicle
- Prior art date
- Legal status (The legal status 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 status listed.)
- Pending
Links
Images
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W40/00—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models
- B60W40/10—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models related to vehicle motion
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W40/00—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models
- B60W40/12—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models related to parameters of the vehicle itself, e.g. tyre models
- B60W40/13—Load or weight
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
- B60W50/0097—Predicting future conditions
Landscapes
- Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Transportation (AREA)
- Mechanical Engineering (AREA)
- Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Human Computer Interaction (AREA)
- Traffic Control Systems (AREA)
Abstract
本申请的实施例提供了一种车辆行驶参数的预测方法、装置、计算机可读介质及电子设备。该方法包括:获取至少两辆车辆在第一时刻的行驶参数,所述至少两辆车辆包括目标车辆和至少一辆第一参考车辆;获取至少一辆第二参考车辆在第二时刻的行驶参数,所述第二时刻在所述第一时刻之后;根据所述至少一辆第一参考车辆在第一时刻的行驶参数和所述第二参考车辆在第二时刻的行驶参数,确定在第一时刻与第二时刻之间参考车辆的行驶参数变化信息;基于所述目标车辆在第一时刻的行驶参数和所述行驶参数变化信息,预测所述目标车辆在第二时刻的行驶参数。本申请实施例的技术方案可以保证对车辆行驶参数进行确定的实时性。
Description
技术领域
本申请涉及计算机及安全辅助驾驶技术领域,具体而言,涉及一种车辆行驶参数的预测方法、装置、计算机可读介质及电子设备。
背景技术
在交通场景中,比如在机动车道,车辆上传自身信息时具有自身规律,例如,车辆按照固定的周期上传包含有车辆自身行驶参数(如GPS信息、车辆速度、车辆加速度等等)的车辆信息,因此,服务器只能在具有固定周期的时间点确定车辆行驶参数,而不能在固定周期内的任意时间确定车辆行驶参数。可知,如何能够保证对车辆行驶参数进行确定的实时性是亟待解决的技术问题。
发明内容
本申请的实施例提供了一种车辆行驶参数的预测方法、装置、计算机可读介质及电子设备,进而至少在一定程度上可以保证对车辆行驶参数进行确定的实时性。
本申请的其他特性和优点将通过下面的详细描述变得显然,或部分地通过本申请的实践而习得。
根据本申请实施例的一个方面,提供了一种车辆行驶参数的预测方法,包括:获取至少两辆车辆在第一时刻的行驶参数,所述至少两辆车辆包括目标车辆和至少一辆第一参考车辆;获取至少一辆第二参考车辆在第二时刻的行驶参数,所述第二时刻在所述第一时刻之后;根据所述至少一辆第一参考车辆在第一时刻的行驶参数和所述第二参考车辆在第二时刻的行驶参数,确定在第一时刻与第二时刻之间参考车辆的行驶参数变化信息;基于所述目标车辆在第一时刻的行驶参数和所述行驶参数变化信息,预测所述目标车辆在第二时刻的行驶参数。
根据本申请实施例的一个方面,提供了一种车辆行驶参数的预测装置,包括:第一获取单元,被用于获取至少两辆车辆在第一时刻的行驶参数,所述至少两辆车辆包括目标车辆和至少一辆第一参考车辆;第二获取单元,被用于获取至少一辆第二参考车辆在第二时刻的行驶参数,所述第二时刻在所述第一时刻之后;确定单元,被用于根据所述至少一辆第一参考车辆在第一时刻的行驶参数和所述第二参考车辆在第二时刻的行驶参数,确定在第一时刻与第二时刻之间参考车辆的行驶参数变化信息;预测单元,被用于基于所述目标车辆在第一时刻的行驶参数和所述行驶参数变化信息,预测所述目标车辆在第二时刻的行驶参数。
在本申请的一些实施例中,基于前述方案,所述确定单元配置为:根据所述至少一辆第一参考车辆在第一时刻的行驶参数和第一参考车辆数量,确定所述第一参考车辆在第一时刻的第一平均行驶参数;根据所述至少一辆第二参考车辆在第二时刻的行驶参数和第二参考车辆数量,确定所述第二参考车辆在第二时刻的第二平均行驶参数;根据所述第一平均行驶参数和所述第二平均行驶参数,确定在第一时刻与第二时刻之间参考车辆的行驶参数变化信息。
在本申请的一些实施例中,基于前述方案,所述确定单元配置为:将所述第二平均行驶参数与所述第一平均行驶参数之间的比值确定为在第一时刻与第二时刻之间参考车辆的行驶参数变化信息。
在本申请的一些实施例中,基于前述方案,所述装置还包括计算单元,被用于基于所述目标车辆在第二时刻的行驶参数、以及所述至少一辆第二参考车辆在第二时刻的行驶参数,通过驾驶风险模型计算所述目标车辆在第二时刻的第二驾驶风险。
在本申请的一些实施例中,基于前述方案,所述行驶参数包括行驶速度和行驶加速度,所述计算单元配置为:基于所述目标车辆在第二时刻的行驶速度和在第一时刻的行驶速度,计算目标车辆在第二时刻的间接加速度,以得到目标车辆在第二时刻的行驶加速度与所述间接加速度之间的第一差值绝对值;计算所述第一差值绝对值与所述目标车辆在第二时刻的行驶加速度之间的比值,得到第一比值;计算所述第一差值绝对值与所述间接加速度的比值,得到第二比值;在所述第一比值和所述第二比值均不超过第一预定阈值时,通过驾驶风险模型计算所述目标车辆在第二时刻的第二驾驶风险。
在本申请的一些实施例中,基于前述方案,所述装置还包括发送单元,被用于在通过驾驶风险模型计算所述目标车辆在第二时刻的第二驾驶风险之后,将所述第二驾驶风险发送至所述目标车辆。
在本申请的一些实施例中,基于前述方案,所述发送单元配置为:确定所述目标车辆在第一时刻的第一驾驶风险;计算所述第一驾驶风险和所述第二驾驶风险之间的第二差值绝对值;在所述第二差值绝对值与所述第一驾驶风险之间的比值不超过第二预定阈值时,将所述第二驾驶风险发送至所述目标车辆。
在本申请的一些实施例中,基于前述方案,所述发送单元配置为:在所述第二差值绝对值与所述第一驾驶风险之间的比值超过第二预定阈值时,通过所述第二差值绝对值与所述第一驾驶风险之间的比值计算所述第二驾驶风险的可信度;将所述第二驾驶风险、以及所述第二驾驶风险对应的可信度发送至所述目标车辆。
在本申请的一些实施例中,基于前述方案,所述发送单元配置为:基于所述第一参考车辆的车辆质量,计算所述至少一辆第一参考车辆的第一总质量;基于所述第二参考车辆的车辆质量,计算所述至少一辆第二参考车辆的第二总质量;计算所述第一总质量和所述第二总质量之间的第三差值绝对值;在所述第三差值绝对值与所述第一总质量之间的比值不超过第三预定阈值时,将所述第二驾驶风险发送至所述目标车辆。
根据本申请实施例的一个方面,提供了一种计算机可读介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现如上述实施例中所述的车辆行驶参数的预测方法。
根据本申请实施例的一个方面,提供了一种电子设备,包括:一个或多个处理器;存储装置,用于存储一个或多个程序,当所述一个或多个程序被所述一个或多个处理器执行时,使得所述一个或多个处理器实现如上述实施例中所述的车辆行驶参数的预测方法。
在本申请的一些实施例所提供的技术方案中,首先获取包括目标车辆和至少一辆第一参考车辆在内的车辆在第一时刻的行驶参数,以及至少一辆第二参考车辆在第二时刻的行驶参数,然后通过第一参考车辆在第一时刻的行驶参数和第二参考车辆在第二时刻的行驶参数,确定在第一时刻与第二时刻之间参考车辆的行驶参数变化信息,基于目标车辆在第一时刻的行驶参数,通过所述行驶参数变化信息预测所述目标车辆在第二时刻的行驶参数。由于车辆在道路上行驶时会受到周围车辆的制约,即车辆之间是相互关联的,所有车辆的行驶状态的平均变化情况能一定程度上反映出某辆车行驶状态的变化情况,因此,可以通过所述行驶参数变化信息预测所述目标车辆在任意第二时刻的行驶参数,从而能够保证对车辆行驶参数进行确定的实时性。
应当理解的是,以上的一般描述和后文的细节描述仅是示例性和解释性的,并不能限制本申请。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分,示出了符合本申请的实施例,并与说明书一起用于解释本申请的原理。显而易见地,下面描述中的附图仅仅是本申请的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。在附图中:
图1示出了可以应用本申请实施例的技术方案的示例性***架构的示意图;
图2示出了根据本申请的一个实施例的车辆行驶参数的预测方法的流程图;
图3示出了根据本申请的一个实施例的确定参考车辆的行驶参数变化信息的细节流程图;
图4示出了根据本申请的一个实施例的在计算目标车辆在第二时刻的第二驾驶风险之前的方法流程图;
图5示出了根据本申请的一个实施例的在将所述第二驾驶风险发送至所述目标车辆之前的方法流程图;
图6示出了根据本申请的一个实施例的在将所述第二驾驶风险发送至所述目标车辆之前的方法流程图;
图7示出了根据本申请的一个实施例的在将所述第二驾驶风险发送至所述目标车辆之前的方法流程图;
图8示出了根据本申请的一个实施例的基于云对车辆行驶参数进行预测的示意图;
图9示出了根据本申请的一个实施例的车辆行驶参数的预测装置的框图;
图10示出了适于用来实现本申请实施例的电子设备的计算机***的结构示意图。
具体实施方式
现在将参考附图更全面地描述示例实施方式。然而,示例实施方式能够以多种形式实施,且不应被理解为限于在此阐述的范例;相反,提供这些实施方式使得本申请将更加全面和完整,并将示例实施方式的构思全面地传达给本领域的技术人员。
此外,所描述的特征、结构或特性可以以任何合适的方式结合在一个或更多实施例中。在下面的描述中,提供许多具体细节从而给出对本申请的实施例的充分理解。然而,本领域技术人员将意识到,可以实践本申请的技术方案而没有特定细节中的一个或更多,或者可以采用其它的方法、组元、装置、步骤等。在其它情况下,不详细示出或描述公知方法、装置、实现或者操作以避免模糊本申请的各方面。
附图中所示的方框图仅仅是功能实体,不一定必须与物理上独立的实体相对应。即,可以采用软件形式来实现这些功能实体,或在一个或多个硬件模块或集成电路中实现这些功能实体,或在不同网络和/或处理器装置和/或微控制器装置中实现这些功能实体。
附图中所示的流程图仅是示例性说明,不是必须包括所有的内容和操作/步骤,也不是必须按所描述的顺序执行。例如,有的操作/步骤还可以分解,而有的操作/步骤可以合并或部分合并,因此实际执行的顺序有可能根据实际情况改变。
图1示出了可以应用本申请实施例的技术方案的示例性***架构的示意图。
如图1所示,***架构可以包括终端设备(如图1中所示智能手机 101、平板电脑102和便携式计算机103中的一种或多种,当然也可以是台式计算机、智能音箱、智能手表等等,但并不局限于此)、网络104和服务器105。网络104用以在终端设备和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型,例如有线通信链路、无线通信链路等等,本申请在此不做限制。应该理解,图1中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要,可以具有任意数目的终端设备、网络和服务器。比如服务器105可以是多个服务器组成的服务器集群等。
在本申请的一个实施例中,如图1中所示的终端设备均可以放置在本申请所述的目标车辆中,其中,可以是由所示终端设备周期性的向服务器上传目标车辆自身的车辆行驶参数,服务器105可以周期性的接收目标车辆上传的车辆行驶参数,也可以在周期内的任意第二时刻预测目标车辆的车辆行驶参数。
具体的,其预测过程可以为:服务器105可以首先获取包括目标车辆和至少一辆第一参考车辆在内的车辆在第一时刻的行驶参数,以及至少一辆第二参考车辆在第二时刻的行驶参数,然后通过第一参考车辆在第一时刻的行驶参数和第二参考车辆在第二时刻的行驶参数,确定在第一时刻与第二时刻之间参考车辆的行驶参数变化信息,最后基于目标车辆在第一时刻的行驶参数,通过所述行驶参数变化信息预测所述目标车辆在第二时刻的行驶参数。
需要说明的是,本申请实施例所提供的车辆行驶参数的预测方法一般由服务器105执行,相应地,车辆行驶参数的预测装置一般设置于服务器 105中。但是,在本申请的其它实施例中,终端设备也可以与服务器具有相似的功能,从而执行本申请实施例所提供的车辆行驶参数的预测方案。
需要说明的是,服务器可以是独立的物理服务器,也可以是多个物理服务器构成的服务器集群或者分布式***,还可以是提供云计算服务的云服务器。
需要说明的是,如上所述的云计算(cloud computing)是一种计算模式,它将计算任务分布在大量计算机构成的资源池上,使各种应用***能够根据需要获取计算力、存储空间和信息服务。提供资源的网络被称为“云”。“云”中的资源在使用者看来是可以无限扩展的,并且可以随时获取,按需使用,随时扩展。通过建立云计算资源池(简称云平台,一般称为 IaaS(Infrastructure as a Service,基础设施即服务)平台,在资源池中部署多种类型的虚拟资源,供外部客户选择使用。云计算资源池中主要包括:计算设备(为虚拟化机器,包含操作***)、存储设备、网络设备。
以下对本申请实施例的技术方案的实现细节进行详细阐述:
参见图2,示出了根据本申请的一个实施例的车辆行驶参数的预测方法的流程图。该车辆行驶参数的预测方法可以由具有计算处理功能的设备来执行,比如可以由图1中所示的服务器105来执行,也可以由图1中所示的终端设备来执行,还可以由具有云计算功能的云服务器来执行。如图2 所示,该车辆行驶参数的预测方法至少包括步骤210至步骤270:
在步骤210中,获取至少两辆车辆在第一时刻的行驶参数,所述至少两辆车辆包括目标车辆和至少一辆第一参考车辆。
在步骤230中,获取至少一辆第二参考车辆在第二时刻的行驶参数,所述第二时刻在所述第一时刻之后。
在本申请中,所述行驶参数可以包括车辆的速度、加速度、行驶方向、质量。
需要说明的是,在本申请中,所述第一时刻可以是指目标车辆和第一参考车辆主动上传行驶参数的时刻,第二时刻可以是指第一时刻与目标车辆在下一次主动上传自身行驶参数的时刻之间的任意一个时刻,因此,目标车辆并不在第二时刻主动上传自身的行驶参数。而对于第二参考车辆而言,第二时刻是其主动上传行驶参数的时刻。基于此,对于本领域技术人员而言,可以理解的是,在本申请中,所述至少一辆第一参考车辆和至少一辆第二参考车辆可以不是同一批车辆。
在步骤250中,根据所述至少一辆第一参考车辆在第一时刻的行驶参数和所述第二参考车辆在第二时刻的行驶参数,确定在第一时刻与第二时刻之间参考车辆的行驶参数变化信息。
在本申请的一个实施例中,根据所述至少一辆第一参考车辆在第一时刻的行驶参数和所述第二参考车辆在第二时刻的行驶参数,确定在第一时刻与第二时刻之间参考车辆的行驶参数变化信息,可以按照如图3所示的步骤执行。
参见图3,示出了根据本申请的一个实施例的确定参考车辆的行驶参数变化信息的细节流程图。其具体包括步骤251至253:
步骤251,根据所述至少一辆第一参考车辆在第一时刻的行驶参数和第一参考车辆数量,确定所述第一参考车辆在第一时刻的第一平均行驶参数。
具体的,例如,在第一时刻tlattest获取的至少一辆第一参考车辆的数量为 nlattest,其中,每一辆第一参考车辆的行驶参数包括速度、加速度、行驶方向角、质量。通过对这些行驶参数求平均,可以得到在时刻tlattest被获取到的第一参考车辆的平均速度、平均加速度、平均行驶方向角、平均质量,分别记为vlatest、alatest、θlatest、mlatest,进而得到所述第一参考车辆在第一时刻的第一平均行驶参数。
步骤252,根据所述至少一辆第二参考车辆在第二时刻的行驶参数和第二参考车辆数量,确定所述第二参考车辆在第二时刻的第二平均行驶参数。
具体的,例如,在第二时刻tcurrent获取的至少一辆第二参考车辆的数量为 ncurrent,其中,每一辆第二参考车辆的行驶参数包括速度、加速度、行驶方向角、质量。通过对这些行驶参数求平均,可以得到在时刻tcurrent被获取到的第二参考车辆的平均速度、平均加速度、平均行驶方向角、平均质量,分别记为vcurrent,acurrent,θcurrent,mcurrent,进而得到所述第二参考车辆在第二时刻的第二平均行驶参数。
步骤253,根据所述第一平均行驶参数和所述第二平均行驶参数,确定在第一时刻与第二时刻之间参考车辆的行驶参数变化信息。
在本实施例的具体实现中,所述根据所述第一平均行驶参数和所述第二平均行驶参数,确定在第一时刻与第二时刻之间参考车辆的行驶参数变化信息,可以是将所述第二平均行驶参数与所述第一平均行驶参数之间的比值确定为在第一时刻与第二时刻之间参考车辆的行驶参数变化信息。
具体的,例如,可以将第二参考车辆的平均速度vcurrent与第一参考车辆的平均速度vlatest之间的比值vcurrent/vlatest、第二参考车辆的平均加速度acurrent与第一参考车辆的平均加速度alatest之间的比值acurrent/alatest、第二参考车辆的平均行驶方向角θcurrent与第一参考车辆的平均行驶方向角θlatest之间的比值θcurrent/θlatest、第二参考车辆的平均质量mcurrent与第一参考车辆的平均质量mlatest之间的比值mcurrent/mlatest确定为在第一时刻tlattest与第二时刻tcurrent之间参考车辆的行驶参数变化信息。
在步骤270中,基于所述目标车辆在第一时刻的行驶参数和所述行驶参数变化信息,预测所述目标车辆在第二时刻的行驶参数。
具体的,例如,所述目标车辆在第一时刻的行驶参数可以包括速度 vtarget1、加速度atarget1、行驶方向角θtarget1、质量mtarget1。进一步的,可以根据上述得到的速度相对变化量vcurrent/vlatest可以预测计算目标车辆在第二时刻的速度vtarget1·vcurrent/vlatest、根据上述得到的加速度相对变化量acurrent/alatest可以预测计算目标车辆在第二时刻的加速度atarget1·acurrent/alatest、根据上述得到的行驶方向角相对变化量θcurrent/θlatest可以预测计算目标车辆在第二时刻的行驶方向角θtarget1·θcurrent/θlatest。
需要注意的是,由于目标车辆在第一时刻和第二时刻的车辆质量不会发生变化,因此无需根据质量相对变化量mcurrent/mlatest对目标车辆在第二时刻的车辆质量进行预测。
在本申请中,由于车辆在道路上行驶时会受到周围车辆的制约,即车辆之间是相互关联的,所有车辆的行驶状态的平均变化情况能一定程度上反映出某辆车行驶状态的变化情况,因此,通过上述方式对目标车辆在第二时刻的行驶参数进行预测的好处在于:可以保证对目标车辆在第二时刻的行驶参数进行预测的准确性。
在本申请中,在所述基于所述目标车辆在第一时刻的行驶参数和所述行驶参数变化信息,预测所述目标车辆在第二时刻的行驶参数之后,还可以执行如下步骤:
基于所述目标车辆在第二时刻的行驶参数、以及所述至少一辆第二参考车辆在第二时刻的行驶参数,通过驾驶风险模型计算所述目标车辆在第二时刻的第二驾驶风险。
在本申请中,在通过驾驶风险模型计算所述目标车辆在第二时刻的第二驾驶风险之前,还可以获取目标车辆所在路段的道路参数。
具体的,在通过驾驶风险模型计算所述目标车辆在第二时刻的第二驾驶风险时,可以首先计算所述目标车辆在第二时刻分别与各个参考车辆之间的驾驶风险,再对目标车辆在第二时刻分别与各个参考车辆之间的驾驶风险进行求和,得到目标车辆在第二时刻的第二驾驶风险。
在计算目标车辆在第二时刻分别与各个参考车辆之间的驾驶风险时,需要同时考虑目标车辆在第二时刻的行驶参数,参考车辆在第二时刻的行驶参数,以及目标车辆所在路段的道路参数。
为了使本领域技术人员更好的理解本申请,下面将对现有技术中的驾驶风险模型进行简单阐述。
如下为两个运动的车辆(运动物体)之间驾驶风险值的计算公式:
其中,SPEV_ab表示车辆(物体)a和车辆(物体)b之间的驾驶风险;G 为一个常数(类似于万有引力常数);Ra表示车辆(物体)a所在路面的路况参数,路况参数用于综合衡量路面的粘度、湿度、坡度以及温度,一般与Rb相等;Rb表示车辆(物体)b所在路面的路况参数,路况参数用于综合衡量路面的粘度、湿度、坡度以及温度,一般与Ra相等;Ma表示车辆a的质量;Mb表示车辆b的质量;k3为一个常数(等于光速);k1为常数(在空气中一般为3);表示车辆a与车辆b的直线距离;表示车辆a与车辆b的相对速度;θa表示车辆a的行驶方向与车辆j的行驶方向之间的夹角。
在本申请的一个实施例中,所述行驶参数可以包括行驶速度和行驶加速度,在通过驾驶风险模型计算所述目标车辆在第二时刻的第二驾驶风险之前,还可以执行如图4所示的步骤。
参见图4,示出了根据本申请的一个实施例的在计算目标车辆在第二时刻的第二驾驶风险之前的方法流程图。其具体包括步骤271至步骤274:
步骤271,基于所述目标车辆在第二时刻的行驶速度和在第一时刻的行驶速度,计算目标车辆在第二时刻的间接加速度,以得到目标车辆在第二时刻的行驶加速度与所述间接加速度之间的第一差值绝对值。
具体的,在本申请中,可以通过如下公式计算目标车辆在第二时刻的间接加速度:
进而得到目标车辆在第二时刻的行驶加速度与所述间接加速度之间的第一差值绝对值:
步骤272,计算所述第一差值绝对值与所述目标车辆在第二时刻的行驶加速度之间的比值,得到第一比值。
具体的,在本申请中,所述第一比值Q1为:
步骤273,计算所述第一差值绝对值与所述间接加速度的比值,得到第二比值。
具体的,在本申请中,所述第一比值Q2为:
步骤274,在所述第一比值和所述第二比值均不超过第一预定阈值时,通过驾驶风险模型计算所述目标车辆在第二时刻的第二驾驶风险。
在本申请中,所述第一预定阈值可以是设定为目标车辆所在地的历史交通事故率P,其中,目标车辆所在地的历史交通事故率P可以从交通管理部门获取。
具体的,可以是当Q1≤P且Q2≤P时,通过驾驶风险模型计算所述目标车辆在第二时刻的第二驾驶风险。由于在Q1≤P且Q2≤P时,可以在一定程度上确定计算出的预测的间接加速度与预测的目标车辆在第二时刻的行驶加速度之间的差异处于可以容忍的范围之内,从而保证对目标车辆在第二时刻的行驶加速度进行预测的合理性,进而可以基于所述目标车辆在第二时刻的行驶参数,计算所述目标车辆在第二时刻的第二驾驶风险。
在本申请中,当Q1>P且Q2>P时,可以不用计算所述目标车辆在第二时刻的第二驾驶风险,因为对目标车辆在第二时刻的行驶参数进行预测,其目的是参照计算得到的目标车辆降低历史交通事故率,如果Q1>P且Q2> P,则可以认为预测得到的目标车辆在第二时刻的行驶参数不合理程度超过了历史交通事故率,使得计算得到的目标车辆在第二时刻的驾驶风险的错误率高于历史交通事故率,进而导致计算得到的目标车辆在第二时刻的第二驾驶风险不再具有参考性。
需要注意的是,在本申请中,所述第一预定阈值也可以设定为其它数值。
在本申请的一个实施例中,在通过驾驶风险模型计算所述目标车辆在第二时刻的第二驾驶风险之后,还可以执行如下步骤:
将所述第二驾驶风险发送至所述目标车辆。
在本申请的一个实施例中,,在将所述第二驾驶风险发送至所述目标车辆之前,还可以执行如图5所示的步骤。
参见图5,示出了根据本申请的一个实施例的在将所述第二驾驶风险发送至所述目标车辆之前的方法流程图。其具体包括步骤281至步骤283:
步骤281,确定所述目标车辆在第一时刻的第一驾驶风险。
具体的、例如,目标车辆在第一时刻tlattest的第一驾驶风险为Elattest。
步骤282,计算所述第一驾驶风险和所述第二驾驶风险之间的第二差值绝对值。
具体的、例如,目标车辆在第二时刻tcurrent的第二驾驶风险为Ecurrent,第二差值绝对值为|Ecurrent-Elattest|。
步骤283,在所述第二差值绝对值与所述第一驾驶风险之间的比值不超过第二预定阈值时,将所述第二驾驶风险发送至所述目标车辆。
具体的、例如,所述第二差值绝对值与所述第一驾驶风险之间的比值为 |Ecurrent-Elattest|/Elattest。
在本申请中,所述第二预定阈值可以是设定为目标车辆所在地的历史交通事故率P,其中,目标车辆所在地的历史交通事故率P可以从交通管理部门获取。
需要注意的是,在本申请中,所述第二预定阈值也可以设定为其它数值。
在上述实施例中,还可以执行如图6所示的步骤。
参见图6,示出了根据本申请的一个实施例的在将所述第二驾驶风险发送至所述目标车辆之前的方法流程图。其具体包括步骤284至步骤285:
步骤284,在所述第二差值绝对值与所述第一驾驶风险之间的比值超过第二预定阈值时,通过所述第二差值绝对值与所述第一驾驶风险之间的比值计算所述第二驾驶风险的可信度。
在本申请中,所述第二驾驶风险的可信度可以为:1-(Ecurrent-Epast)/Epast,对于本领域技术人员而言,可以理解的是,当1-(Ecurrent-Epast)/Epast的值越小时,则说明所述第二驾驶风险的可信度越低。
步骤285,将所述第二驾驶风险、以及所述第二驾驶风险对应的可信度发送至所述目标车辆。
在本申请的一个实施例中,所述行驶参数包括车辆质量,在将所述第二驾驶风险发送至所述目标车辆之前,还可以执行如图7所示的步骤。
参见图5,示出了根据本申请的一个实施例的在将所述第二驾驶风险发送至所述目标车辆之前的方法流程图。其具体包括步骤291至步骤294:
步骤291,基于所述第一参考车辆的车辆质量,计算所述至少一辆第一参考车辆的第一总质量。
步骤292,基于所述第二参考车辆的车辆质量,计算所述至少一辆第二参考车辆的第二总质量。
步骤293,计算所述第一总质量和所述第二总质量之间的第三差值绝对值。
步骤294,在所述第三差值绝对值与所述第一总质量之间的比值不超过第三预定阈值时,将所述第二驾驶风险发送至所述目标车辆。
在本申请中,所述第三预定阈值可以是设定为目标车辆所在地的历史交通事故率P,其中,目标车辆所在地的历史交通事故率P可以从交通管理部门获取。
需要注意的是,在本申请中,所述第三预定阈值也可以设定为其它数值。
在本申请中,在交通场景中,在对目标车辆的行驶参数进行预测的实施例中,还可以搭建融合汽车云、区域云以及边缘云来实现通过云车***来为车联网中的各个车辆预测车辆行驶参数,如图8,示出了根据本申请的一个实施例的基于云对车辆行驶参数进行预测的示意图。该***由云端与车联网组成。其中,本方案的所有计算功能可以在汽车云上实现,车辆可周期性的获取车辆自身的行驶参数,并上传给汽车云端。
具体的,汽车云首先获取包括目标车辆和至少一辆第一参考车辆在内的车辆在第一时刻的行驶参数,以及至少一辆第二参考车辆在第二时刻的行驶参数,然后通过第一参考车辆在第一时刻的行驶参数和第二参考车辆在第二时刻的行驶参数,确定在第一时刻与第二时刻之间参考车辆的行驶参数变化信息,基于目标车辆在第一时刻的行驶参数,通过所述行驶参数变化信息预测所述目标车辆在第二时刻的行驶参数。
而且,本申请发明人通过重复进行10次仿真实验,对本申请方法与现有技术进行了比较,具体的,基于本申请中的车辆行驶参数的预测方法,对目标车辆的行驶风险进行预警,统计实验结果如表1所示。
表1
从表1可知,现有技术的预测值的样本方差大于本发明的预测值的样本方差,样本方差是方差的无偏估计,能反映出预警误差情况。可见,基于本申请中的车辆行驶参数的预测方法,能够保证对车辆行驶参数进行确定的准确性和实时性,进而使得对目标车辆的行驶风险进行预警,相对于现有技术而言,具有更高的准确性。
在本申请的一些实施例所提供的技术方案中,首先获取包括目标车辆和至少一辆第一参考车辆在内的车辆在第一时刻的行驶参数,以及至少一辆第二参考车辆在第二时刻的行驶参数,然后通过第一参考车辆在第一时刻的行驶参数和第二参考车辆在第二时刻的行驶参数,确定在第一时刻与第二时刻之间参考车辆的行驶参数变化信息,基于目标车辆在第一时刻的行驶参数,通过所述行驶参数变化信息预测所述目标车辆在第二时刻的行驶参数。由于车辆在道路上行驶时会受到周围车辆的制约,即车辆之间是相互关联的,所有车辆的行驶状态的平均变化情况能一定程度上反映出某辆车行驶状态的变化情况,因此,可以通过所述行驶参数变化信息预测所述目标车辆在任意第二时刻的行驶参数,从而能够保证对车辆行驶参数进行确定的实时性。
以下介绍本申请的装置实施例,可以用于执行本申请上述实施例中的车辆行驶参数的预测方法。对于本申请装置实施例中未披露的细节,请参照本申请上述的车辆行驶参数的预测方法的实施例。
图9示出了根据本申请的一个实施例的车辆行驶参数的预测装置的框图。
参照图9所示,根据本申请的一个实施例的车辆行驶参数的预测装置 900,包括:第一获取单元901、第二获取单元902、确定单元903、预测单元904。
其中,第一获取单元901,被用于获取至少两辆车辆在第一时刻的行驶参数,所述至少两辆车辆包括目标车辆和至少一辆第一参考车辆;第二获取单元902,被用于获取至少一辆第二参考车辆在第二时刻的行驶参数,所述第二时刻在所述第一时刻之后;确定单元903,被用于根据所述至少一辆第一参考车辆在第一时刻的行驶参数和所述第二参考车辆在第二时刻的行驶参数,确定在第一时刻与第二时刻之间参考车辆的行驶参数变化信息;预测单元904,被用于基于所述目标车辆在第一时刻的行驶参数和所述行驶参数变化信息,预测所述目标车辆在第二时刻的行驶参数。
在本申请的一些实施例中,基于前述方案,所述确定单元903配置为:根据所述至少一辆第一参考车辆在第一时刻的行驶参数和第一参考车辆数量,确定所述第一参考车辆在第一时刻的第一平均行驶参数;根据所述至少一辆第二参考车辆在第二时刻的行驶参数和第二参考车辆数量,确定所述第二参考车辆在第二时刻的第二平均行驶参数;根据所述第一平均行驶参数和所述第二平均行驶参数,确定在第一时刻与第二时刻之间参考车辆的行驶参数变化信息。
在本申请的一些实施例中,基于前述方案,所述确定单元903配置为:将所述第二平均行驶参数与所述第一平均行驶参数之间的比值确定为在第一时刻与第二时刻之间参考车辆的行驶参数变化信息。
在本申请的一些实施例中,基于前述方案,所述装置还包括计算单元,被用于基于所述目标车辆在第二时刻的行驶参数、以及所述至少一辆第二参考车辆在第二时刻的行驶参数,通过驾驶风险模型计算所述目标车辆在第二时刻的第二驾驶风险。
在本申请的一些实施例中,基于前述方案,所述行驶参数包括行驶速度和行驶加速度,所述计算单元配置为:基于所述目标车辆在第二时刻的行驶速度和在第一时刻的行驶速度,计算目标车辆在第二时刻的间接加速度,以得到目标车辆在第二时刻的行驶加速度与所述间接加速度之间的第一差值绝对值;计算所述第一差值绝对值与所述目标车辆在第二时刻的行驶加速度之间的比值,得到第一比值;计算所述第一差值绝对值与所述间接加速度的比值,得到第二比值;在所述第一比值和所述第二比值均不超过第一预定阈值时,通过驾驶风险模型计算所述目标车辆在第二时刻的第二驾驶风险。
在本申请的一些实施例中,基于前述方案,所述装置还包括发送单元,被用于在通过驾驶风险模型计算所述目标车辆在第二时刻的第二驾驶风险之后,将所述第二驾驶风险发送至所述目标车辆。
在本申请的一些实施例中,基于前述方案,所述发送单元配置为:确定所述目标车辆在第一时刻的第一驾驶风险;计算所述第一驾驶风险和所述第二驾驶风险之间的第二差值绝对值;在所述第二差值绝对值与所述第一驾驶风险之间的比值不超过第二预定阈值时,将所述第二驾驶风险发送至所述目标车辆。
在本申请的一些实施例中,基于前述方案,所述发送单元配置为:在所述第二差值绝对值与所述第一驾驶风险之间的比值超过第二预定阈值时,通过所述第二差值绝对值与所述第一驾驶风险之间的比值计算所述第二驾驶风险的可信度;将所述第二驾驶风险、以及所述第二驾驶风险对应的可信度发送至所述目标车辆。
在本申请的一些实施例中,基于前述方案,所述发送单元配置为:基于所述第一参考车辆的车辆质量,计算所述至少一辆第一参考车辆的第一总质量;基于所述第二参考车辆的车辆质量,计算所述至少一辆第二参考车辆的第二总质量;计算所述第一总质量和所述第二总质量之间的第三差值绝对值;在所述第三差值绝对值与所述第一总质量之间的比值不超过第三预定阈值时,将所述第二驾驶风险发送至所述目标车辆。
图10示出了适于用来实现本申请实施例的电子设备的计算机***的结构示意图。
需要说明的是,图10示出的电子设备的计算机***1000仅是一个示例,不应对本申请实施例的功能和使用范围带来任何限制。
如图10所示,计算机***1000包括中央处理单元(Central Processing Unit,CPU)1001,其可以根据存储在只读存储器(Read-Only Memory, ROM)1002中的程序或者从存储部分1008加载到随机访问存储器 (Random Access Memory,RAM)1003中的程序而执行各种适当的动作和处理,例如执行上述实施例中所述的方法。在RAM 1003中,还存储有***操作所需的各种程序和数据。CPU 1001、ROM 1002以及RAM 1003通过总线1004彼此相连。输入/输出(Input/Output,I/O)接口1005也连接至总线1004。
以下部件连接至I/O接口1005:包括键盘、鼠标等的输入部分1006;包括诸如阴极射线管(Cathode Ray Tube,CRT)、液晶显示器(Liquid Crystal Display,LCD)等以及扬声器等的输出部分1007;包括硬盘等的存储部分1008;以及包括诸如LAN(Local AreaNetwork,局域网)卡、调制解调器等的网络接口卡的通信部分1009。通信部分1009经由诸如因特网的网络执行通信处理。驱动器1010也根据需要连接至I/O接口1005。可拆卸介质1011,诸如磁盘、光盘、磁光盘、半导体存储器等等,根据需要安装在驱动器1010上,以便于从其上读出的计算机程序根据需要被安装入存储部分1008。
特别地,根据本申请的实施例,上文参考流程图描述的过程可以被实现为计算机软件程序。例如,本申请的实施例包括一种计算机程序产品,其包括承载在计算机可读介质上的计算机程序,该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中,该计算机程序可以通过通信部分1009从网络上被下载和安装,和/或从可拆卸介质1011被安装。在该计算机程序被中央处理单元(CPU)1001执行时,执行本申请的***中限定的各种功能。
需要说明的是,本申请实施例所示的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的***、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(Erasable Programmable Read Only Memory, EPROM)、闪存、光纤、便携式紧凑磁盘只读存储器(Compact Disc Read- Only Memory,CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本申请中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行***、装置或者器件使用或者与其结合使用。而在本申请中,计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读介质可以发送、传播或者传输用于由指令执行***、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输,包括但不限于:无线、有线等等,或者上述的任意合适的组合。
附图中的流程图和框图,图示了按照本申请各种实施例的***、方法和计算机程序产品的可能实现的体系架构、功能和操作。其中,流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分,上述模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个接连地表示的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图或流程图中的每个方框、以及框图或流程图中的方框的组合,可以用执行规定的功能或操作的专用的基于硬件的***来实现,或者可以用专用硬件与计算机指令的组合来实现。
描述于本申请实施例中所涉及到的单元可以通过软件的方式实现,也可以通过硬件的方式来实现,所描述的单元也可以设置在处理器中。其中,这些单元的名称在某种情况下并不构成对该单元本身的限定。
作为另一方面,本申请还提供了一种计算机可读介质,该计算机可读介质可以是上述实施例中描述的电子设备中所包含的;也可以是单独存在,而未装配入该电子设备中。上述计算机可读介质承载有一个或者多个程序,当上述一个或者多个程序被一个该电子设备执行时,使得该电子设备实现上述实施例中所述的方法。
应当注意,尽管在上文详细描述中提及了用于动作执行的设备的若干模块或者单元,但是这种划分并非强制性的。实际上,根据本申请的实施方式,上文描述的两个或更多模块或者单元的特征和功能可以在一个模块或者单元中具体化。反之,上文描述的一个模块或者单元的特征和功能可以进一步划分为由多个模块或者单元来具体化。
通过以上的实施方式的描述,本领域的技术人员易于理解,这里描述的示例实施方式可以通过软件实现,也可以通过软件结合必要的硬件的方式来实现。因此,根据本申请实施方式的技术方案可以以软件产品的形式体现出来,该软件产品可以存储在一个非易失性存储介质(可以是CD- ROM,U盘,移动硬盘等)中或网络上,包括若干指令以使得一台计算设备(可以是个人计算机、服务器、触控终端、或者网络设备等)执行根据本申请实施方式的方法。
本领域技术人员在考虑说明书及实践这里公开的实施方式后,将容易想到本申请的其它实施方案。本申请旨在涵盖本申请的任何变型、用途或者适应性变化,这些变型、用途或者适应性变化遵循本申请的一般性原理并包括本申请未公开的本技术领域中的公知常识或惯用技术手段。
应当理解的是,本申请并不局限于上面已经描述并在附图中示出的精确结构,并且可以在不脱离其范围进行各种修改和改变。本申请的范围仅由所附的权利要求来限制。
Claims (10)
1.一种车辆行驶参数的预测方法,其特征在于,所述方法包括:
获取至少两辆车辆在第一时刻的行驶参数,所述至少两辆车辆包括目标车辆和至少一辆第一参考车辆;
获取至少一辆第二参考车辆在第二时刻的行驶参数,所述第二时刻在所述第一时刻之后;
根据所述至少一辆第一参考车辆在第一时刻的行驶参数和所述第二参考车辆在第二时刻的行驶参数,确定在第一时刻与第二时刻之间参考车辆的行驶参数变化信息;
基于所述目标车辆在第一时刻的行驶参数和所述行驶参数变化信息,预测所述目标车辆在第二时刻的行驶参数。
2.根据权利要求1所述的方法,其特征在于,所述根据所述至少一辆第一参考车辆在第一时刻的行驶参数和所述第二参考车辆在第二时刻的行驶参数,确定在第一时刻与第二时刻之间参考车辆的行驶参数变化信息,包括:
根据所述至少一辆第一参考车辆在第一时刻的行驶参数和第一参考车辆数量,确定所述第一参考车辆在第一时刻的第一平均行驶参数;
根据所述至少一辆第二参考车辆在第二时刻的行驶参数和第二参考车辆数量,确定所述第二参考车辆在第二时刻的第二平均行驶参数;
根据所述第一平均行驶参数和所述第二平均行驶参数,确定在第一时刻与第二时刻之间参考车辆的行驶参数变化信息。
3.根据权利要求2所述的方法,其特征在于,所述根据所述第一平均行驶参数和所述第二平均行驶参数,确定在第一时刻与第二时刻之间参考车辆的行驶参数变化信息,包括:
将所述第二平均行驶参数与所述第一平均行驶参数之间的比值确定为在第一时刻与第二时刻之间参考车辆的行驶参数变化信息。
4.根据权利要求1所述的方法,其特征在于,在所述基于所述目标车辆在第一时刻的行驶参数和所述行驶参数变化信息,预测所述目标车辆在第二时刻的行驶参数之后,所述方法还包括:
基于所述目标车辆在第二时刻的行驶参数、以及所述至少一辆第二参考车辆在第二时刻的行驶参数,通过驾驶风险模型计算所述目标车辆在第二时刻的第二驾驶风险。
5.根据权利要求4所述的方法,其特征在于,所述行驶参数包括行驶速度和行驶加速度,在通过驾驶风险模型计算所述目标车辆在第二时刻的第二驾驶风险之前,所述方法还包括:
基于所述目标车辆在第二时刻的行驶速度和在第一时刻的行驶速度,计算目标车辆在第二时刻的间接加速度,以得到目标车辆在第二时刻的行驶加速度与所述间接加速度之间的第一差值绝对值;
计算所述第一差值绝对值与所述目标车辆在第二时刻的行驶加速度之间的比值,得到第一比值;
计算所述第一差值绝对值与所述间接加速度的比值,得到第二比值;
在所述第一比值和所述第二比值均不超过第一预定阈值时,通过驾驶风险模型计算所述目标车辆在第二时刻的第二驾驶风险。
6.根据权利要求4所述的方法,其特征在于,在通过驾驶风险模型计算所述目标车辆在第二时刻的第二驾驶风险之后,所述方法还包括:
将所述第二驾驶风险发送至所述目标车辆。
7.根据权利要求6所述的方法,其特征在于,在将所述第二驾驶风险发送至所述目标车辆之前,所述方法还包括:
确定所述目标车辆在第一时刻的第一驾驶风险;
计算所述第一驾驶风险和所述第二驾驶风险之间的第二差值绝对值;
在所述第二差值绝对值与所述第一驾驶风险之间的比值不超过第二预定阈值时,将所述第二驾驶风险发送至所述目标车辆。
8.根据权利要求7所述的方法,其特征在于,所述方法还包括:
在所述第二差值绝对值与所述第一驾驶风险之间的比值超过第二预定阈值时,通过所述第二差值绝对值与所述第一驾驶风险之间的比值计算所述第二驾驶风险的可信度;
将所述第二驾驶风险、以及所述第二驾驶风险对应的可信度发送至所述目标车辆。
9.根据权利要求6所述的方法,其特征在于,所述行驶参数包括车辆质量,在将所述第二驾驶风险发送至所述目标车辆之前,所述方法还包括:
基于所述第一参考车辆的车辆质量,计算所述至少一辆第一参考车辆的第一总质量;
基于所述第二参考车辆的车辆质量,计算所述至少一辆第二参考车辆的第二总质量;
计算所述第一总质量和所述第二总质量之间的第三差值绝对值;
在所述第三差值绝对值与所述第一总质量之间的比值不超过第三预定阈值时,将所述第二驾驶风险发送至所述目标车辆。
10.一种车辆行驶参数的预测装置,其特征在于,所述装置包括:
第一获取单元,被用于获取至少两辆车辆在第一时刻的行驶参数,所述至少两辆车辆包括目标车辆和至少一辆第一参考车辆;
第二获取单元,被用于获取至少一辆第二参考车辆在第二时刻的行驶参数,所述第二时刻在所述第一时刻之后;
确定单元,被用于根据所述至少一辆第一参考车辆在第一时刻的行驶参数和所述第二参考车辆在第二时刻的行驶参数,确定在第一时刻与第二时刻之间参考车辆的行驶参数变化信息;
预测单元,被用于基于所述目标车辆在第一时刻的行驶参数和所述行驶参数变化信息,预测所述目标车辆在第二时刻的行驶参数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010567797.9A CN111845768A (zh) | 2020-06-19 | 2020-06-19 | 车辆行驶参数的预测方法、装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010567797.9A CN111845768A (zh) | 2020-06-19 | 2020-06-19 | 车辆行驶参数的预测方法、装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111845768A true CN111845768A (zh) | 2020-10-30 |
Family
ID=72987009
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010567797.9A Pending CN111845768A (zh) | 2020-06-19 | 2020-06-19 | 车辆行驶参数的预测方法、装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111845768A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112572458A (zh) * | 2020-12-21 | 2021-03-30 | 东软睿驰汽车技术(沈阳)有限公司 | 一种车辆速度控制器的性能估计方法和装置 |
CN113788031A (zh) * | 2021-10-19 | 2021-12-14 | 广州小鹏自动驾驶科技有限公司 | 车辆速度的预测方法及装置、电子设备、存储介质 |
WO2024073938A1 (zh) * | 2022-10-08 | 2024-04-11 | 合众新能源汽车股份有限公司 | 车速预测方法及装置 |
-
2020
- 2020-06-19 CN CN202010567797.9A patent/CN111845768A/zh active Pending
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112572458A (zh) * | 2020-12-21 | 2021-03-30 | 东软睿驰汽车技术(沈阳)有限公司 | 一种车辆速度控制器的性能估计方法和装置 |
CN113788031A (zh) * | 2021-10-19 | 2021-12-14 | 广州小鹏自动驾驶科技有限公司 | 车辆速度的预测方法及装置、电子设备、存储介质 |
WO2024073938A1 (zh) * | 2022-10-08 | 2024-04-11 | 合众新能源汽车股份有限公司 | 车速预测方法及装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111605555A (zh) | 车辆驾驶策略的推荐方法、装置、介质及电子设备 | |
CN111845768A (zh) | 车辆行驶参数的预测方法、装置 | |
CN110784825B (zh) | 车辆行驶轨迹的生成方法、装置 | |
CN110782706B (zh) | 智能车辆驾驶风险的预警方法和装置 | |
CN111613055A (zh) | 车辆驾驶风险的预警方法及装置 | |
CN111220147B (zh) | 终端的定位修正方法、装置 | |
US20200164881A1 (en) | Vehicle passing controller | |
CN112885146A (zh) | 车辆预警方法、装置、计算机设备和存储介质 | |
CN110456798B (zh) | 用于控制车辆行驶的方法及装置 | |
CN112230663B (zh) | 车辆定位数据的监测方法、装置 | |
CN111327473B (zh) | 网络调控方法、装置、网络调控***及电子设备 | |
US11993287B2 (en) | Fleet-level AV simulation system and method | |
CN111710187A (zh) | 确定车辆驾驶风险的方法、装置、介质及电子设备 | |
CN112017462B (zh) | 用于生成场景信息的方法、装置、电子设备和介质 | |
CN111862599A (zh) | 车辆信息处理方法、装置 | |
CN111833608B (zh) | 路况信息的处理方法、装置 | |
CN111260912B (zh) | 车辆编队的处理方法及装置 | |
CN112633980B (zh) | 用于车辆网点呈现的方法、电子设备和存储介质 | |
CN111524389B (zh) | 车辆驾驶方法和装置 | |
CN111800465A (zh) | 车辆消息的处理方法、装置、介质及电子设备 | |
CN110896524B (zh) | 网络结构监测方法、装置 | |
CN111131384B (zh) | 位置排序方法及装置 | |
CN110782063A (zh) | 区域拥堵程度的预测方法、装置 | |
CN112373471A (zh) | 用于控制车辆行驶的方法、装置、电子设备和可读介质 | |
CN112677985A (zh) | 车辆中控功能激活等级确定方法、装置、电子设备和介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |