本公开提供了速度的预估方法、装置、电子设备及存储介质，涉及人工智能技术领域，具体涉及数据处理、深度学习和智能交通技术。其中方法包括：获取多种模态的行驶数据；对所述多种模态的行驶数据进行特征提取，得到多种模态的行驶特征数据；将不同模态的所述行驶特征数据进行交互融合，得到多种融合模态的行驶特征融合数据；以及根据所述多种融合模态的行驶特征融合数据进行速度预估，得到目标速度预估值。本公开采用多模态融合的方式，融合不同模态的行驶特征数据，将不同模态的行驶特征数据交互，从而获得更具表示性的行驶特征融合数据，进而可以实现更为精准的速度预估以及整体通行时间预估。通行时间预估。通行时间预估。
【技术实现步骤摘要】
速度的预估方法、装置、电子设备及存储介质
[0001]本公开涉及人工智能
，具体涉及数据处理、深度学习和智能交通技术，尤其涉及一种速度的预估方法、装置、电子设备及存储介质。
技术介绍
[0002]目前，地图导航类别的手机应用程序，通常基于车辆的轨迹数据对车辆的实时速度进行估计。但实际情况中，基于轨迹数据进行速度计算受限于轨迹的质量以及数量，导致对速度的估计不够准确，进而导致对整体通行时间的估计也不够准确。
技术实现思路
[0003]提供了一种速度的预估方法、装置、电子设备及存储介质。
[0004]根据第一方面，提供了一种速度的预估方法，包括：获取多种模态的行驶数据；对所述多种模态的行驶数据进行特征提取，得到多种模态的行驶特征数据；将不同模态的所述行驶特征数据进行交互融合，得到多种融合模态的行驶特征融合数据；以及根据所述多种融合模态的行驶特征融合数据进行速度预估，得到目标速度预估值。
[0005]根据第二方面，提供了一种速度的预估装置，包括：获取模块，用于获取多种模态的行驶数据；提取模块，用于对所述多种模态的行驶数据进行特征提取，得到多种模态的行驶特征数据；融合模块，用于将不同模态的所述行驶特征数据进行交互融合，得到多种融合模态的行驶特征融合数据；以及预估模块，用于根据所述多种融合模态的行驶特征融合数据进行速度预估，得到目标速度预估值。
[0006]根据第三方面，提供了一种电子设备，包括：至少一个处理器；以及与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行本公开第一方面所述的速度的预估方法。
[0007]根据第四方面，提供了一种存储有计算机指令的非瞬时计算机可读存储介质，其中，所述计算机指令用于使所述计算机执行根据本公开第一方面所述的速度的预估方法。
[0008]根据第五方面，提供了一种计算机程序产品，包括计算机程序，所述计算机程序在被处理器执行时实现根据本公开第一方面所述速度的预估方法的步骤。
[0009]应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
附图说明
[0010]附图用于更好地理解本方案，不构成对本公开的限定。其中：
[0011]图1是根据本公开第一实施例的速度的预估方法的流程示意图；
[0012]图2是根据本公开第二实施例的速度的预估方法的流程示意图；
[0013]图3是根据本公开第三实施例的速度的预估方法的流程示意图；
[0014]图4是根据本公开第四实施例的速度的预估方法的整体流程示意图；
[0015]图5是根据本公开第一实施例的速度的预估装置的框图；
[0016]图6是根据本公开第二实施例的速度的预估装置的框图；
[0017]图7是用来实现本公开实施例的方法的电子设备的框图。
具体实施方式
[0018]以下结合附图对本公开的示范性实施例做出说明，其中包括本公开实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本公开的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。
[0019]人工智能(Artificial Intelligence，简称AI)，是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门技术科学。目前，AI技术具有自动化程度高、精确度高、成本低的优点，得到了广泛的应用。
[0020]数据处理(Data Processing，简称DP)，是对数据的采集、存储、检索、加工、变换和传输。数据处理的基本目的是从大量的、可能是杂乱无章的、难以理解的数据中抽取并推导出对于某些特定的人们来说是有价值、有意义的数据。数据处理是系统工程和自动控制的基本环节。数据处理贯穿于社会生产和社会生活的各个领域。数据处理技术的发展及其应用的广度和深度，极大地影响了人类社会发展的进程。
[0021]深度学习(Deep Learning，简称DL)，是机器学习(Machine Learning，简称ML)领域中一个新的研究方向，学习样本数据的内在规律和表示层次，这些学习过程中获得的信息对诸如文字，图像和声音等数据的解释有很大的帮助。它的最终目标是让机器能够像人一样具有分析学习能力，能够识别文字、图像和声音等数据。就具体研究内容而言，主要包括基于卷积运算的神经网络系统，即卷积神经网络；基于多层神经元的自编码神经网络；以多层自编码神经网络的方式进行预训练，进而结合鉴别信息进一步优化神经网络权值的深度置信网络。深度学习在搜索技术，数据挖掘，机器学习，机器翻译，自然语言处理，多媒体学习，语音，推荐和个性化技术，以及其他相关领域都取得了很多成果。深度学习使机器模仿视听和思考等人类的活动，解决了很多复杂的模式识别难题，使得人工智能相关技术取得了很大进步。
[0022]智能交通(Intelligent Traffic System，简称ITS)，又称智能运输系统(Intelligent Transportation System)，是将先进的科学技术(信息技术、计算机技术、数据通信技术、传感器技术、电子控制技术、自动控制理论、运筹学、人工智能等)有效地综合运用于交通运输、服务控制和车辆制造，加强车辆、道路、使用者三者之间的联系，从而形成一种保障安全、提高效率、改善环境、节约能源的综合运输系统。
[0023]下面结合附图描述本公开实施例的速度的预估方法、装置、电子设备及存储介质。
[0024]图1是根据本公开第一实施例的速度的预估方法的流程示意图。
[0025]如图1所示，本公开实施例的速度的预估方法具体可包括以下步骤：
[0026]S101，获取多种模态的行驶数据。
[0027]具体的，本公开实施例的速度的预估方法的执行主体可为本公开实施例提供的速度的预估装置，该速度的预估装置可为具有数据信息处理能力的硬件设备和/或驱动该硬
件设备工作所需必要的软件。可选的，执行主体可包括工作站、服务器、计算机、用户终端及其他设备。其中，用户终端包括但不限于手机、电脑、智能语音交互设备、智能家电、车载终端等。
[0028]在本公开实施例中，行驶数据是指与车辆行驶相关的数据。模态，每一种信息的来源或者形式，都可以称为一种模态。多种模态即多模态，指的是至少两种模态的信息，包括：文本、图像、视频、音频等。本步骤用于获取多种模态的行驶数据。其中，多种模态的行驶数据具体可包括但不限于以下模态中的至少两种：图像数据、雷达数据和行驶轨迹数据等。
[0029]其中，图像数据为车机摄像头在车辆行驶过程中拍摄的图像。此处需要说明的是，每个图像返回时带有返回的时间戳，因为在使用图像数据进行特征表示的最后本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种速度的预估方法，包括：获取多种模态的行驶数据；对所述多种模态的行驶数据进行特征提取，得到多种模态的行驶特征数据；将不同模态的所述行驶特征数据进行交互融合，得到多种融合模态的行驶特征融合数据；以及根据所述多种融合模态的行驶特征融合数据进行速度预估，得到目标速度预估值。2.根据权利要求1所述的预估方法，其中，所述多种模态的行驶数据包括以下模态中的至少两种：图像数据、雷达数据和行驶轨迹数据。3.根据权利要求1所述的预估方法，其中，所述将不同模态的所述行驶特征数据进行交互融合，得到多种融合模态的行驶特征融合数据，包括：采用孪生网络模型将不同模态的所述行驶特征数据进行交互融合，得到所述多种融合模态的行驶特征融合数据。4.根据权利要求1所述的预估方法，其中，所述根据所述多种融合模态的行驶特征融合数据进行速度预估，得到目标速度预估值，包括：将所述多种融合模态的行驶特征融合数据输入至同一速度预估模型进行速度预估，得到所述目标速度预估值。5.根据权利要求1所述的预估方法，其中，所述根据所述多种融合模态的行驶特征融合数据进行速度预估，得到目标速度预估值，包括：将所述多种融合模态的行驶特征融合数据按照融合模态输入至不同的速度预估模型进行速度预估，得到多种融合模态的初始速度预估值；以及根据所述多种融合模态的初始速度预估值确定所述目标速度预估值。6.根据权利要求5所述的预估方法，其中，所述根据所述多种融合模态的初始速度预估值确定所述目标速度预估值，包括：对所述多种融合模态的初始速度预估值进行规则融合，得到所述目标速度预估值，所述规则融合包括以下融合方式中的任意一种：最大值融合和平均值融合。7.根据权利要求2所述的预估方法，其中，所述对所述多种模态的行驶数据进行特征提取，得到多种模态的行驶特征数据，包括：采用特征提取模型对所述行驶数据进行特征提取，得到所述行驶特征数据。8.根据权利要求7所述的预估方法，其中，所述采用特征提取模型对所述行驶数据进行特征提取，得到所述行驶特征数据，包括：采用图像特征提取模型对所述图像数据进行特征提取，得到所述行驶特征数据。9.根据权利要求7所述的预估方法，其中，所述采用特征提取模型对所述行驶数据进行特征提取，得到所述行驶特征数据，包括：采用时间序列模型对所述雷达数据或行驶轨迹数据进行特征提取，得到所述行驶特征数据。10.一种速度的预估装置，包括：获取模块，用于获取多种模态的行驶数据；提取模块，用于对所述多种模态的行驶数据进行特征提取，得到多种模态的行驶特征
...
【专利技术属性】
技术研发人员：刘莹，李子烁，武治，白红霞，张岩，
申请(专利权)人：北京百度网讯科技有限公司，
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。