【技术实现步骤摘要】
一种车速预测方法、装置和电子设备
[0001]本专利技术涉及数据处理
，具体涉及一种车速预测方法、装置和电子设备。
技术介绍
[0002]随着经济的增长和人们生活水平的日益提高，人们在生活中使用车辆的频率也在增加。为了避免交通拥堵和减少交通事故，对行驶过程中车辆的车速进行预测具有十分重要的意义。
[0003]相关技术中，当车辆在行驶时，预测车辆在未来一段时间内的车速时，存在用于预测车速的有效信息较少，导致所确定的未来一段时间内的车速预测结果存在精确度不高的问题。
技术实现思路
[0004]本专利技术为解决上述技术问题，提供了一种车速预测方法，通过将车辆的当前车速信息和/或当前加速度信息输入车速预测模型，预测得到车辆在下一时刻的车速信息，由于车速预测模型已经学习到车辆的当前时刻数据信息和下一时刻车速信息之间的对应关系，因此，将车辆的当前数据信息输入车速预测模型，可以精准的预测得到车辆在下一时刻的车速信息。
[0005]本专利技术采用如下技术方案：
[0006]第一方面，本专利技术提...
【技术保护点】
【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：获取车辆的当前数据信息，所述当前数据信息包括当前车速信息和/或当前加速度信息；将所述当前数据信息输入车速预测模型，得到所述车速预测模型输出的下一时刻所述车辆的车速信息；所述车速预测模型已经学习到所述车辆的当前时刻数据信息和所述下一时刻车速信息之间的对应关系。2.根据权利要求1所述的方法，其特征在于，所述车速预测模型是通过以下方法生成的：获取所述车辆的历史数据信息，所述历史数据信息包括历史车速信息和/或历史加速度信息；根据所述历史数据信息，生成多个训练样本；采用所述多个训练样本对所述车速预测模型的模型参数进行训练，以确定目标模型参数；采用所述多个训练样本，对所述模型参数为所述目标模型参数的所述车速预测模型进行训练。3.根据权利要求2所述的方法，其特征在于，所述获取所述车辆的历史数据信息，包括：获取所述车辆的历史数据信息集；对所述历史数据信息集中的每一个历史数据信息进行归一化处理，得到处理后的历史数据信息集；对所述处理后的历史数据信息集按照预设时间窗口尺寸进行切片，得到多个历史数据信息。4.根据权利要求2所述的方法，其特征在于，所述采用所述多个训练样本对所述车速预测模型的模型参数进行训练，以确定目标模型参数之前，所述方法还包括：构建所述车速预测模型，所述车速预测模型包括输入层、至少一层隐含层和输出层。5.根据权利要求4所述的方法，其特征在于，所述构建所述车速预测模型之后，所述方法还包括：对所述车速预测模型的模型参数按顺序进行编码，所述模型参数包括输入层节点到隐含层节点的权值矩阵对应的参数、所述隐含层节点之间的权值矩阵对应的参数以及所述隐含层节点到输出层节点的权值矩阵对应的参数；所述模型参数的总个数为输入层节点个数与隐含层节点个数的乘积、隐含层节点个数与隐含层节点个数的乘积、隐含层节点个数与输出层节点个数的乘积以及隐含层节点输出量矩阵在初始时间段内所有参数的个数之和；分别初始化遗传算法和粒子群算法中的算法参数，并按照编码后的参数顺序对所述模型参数进行初始化；建立目标损失函数，所述目标损失函数为至少一个预测车速信息与对应的真实车速信息之间的平均方差，所述预测车速信息为将所述历史数据信息输入所述车速预测模型后，所述车速预测模型预测得到的车速信息。6.根据权利要求2所...
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。