【技术实现步骤摘要】
本申请涉及汽车，具体涉及一种车辆重量的预测方法、设备及存储介质。
技术介绍
1、现有技术中云平台在获得车辆数据之后，在对车辆数据进行简单的数据整合，数据清洗和标准化处理之后，得到训练数据，并基于得到的训练数据来对神经网络模型进行训练，得到载重模型，通过此种对车辆数据处理的方法所训练出来的载重模型的精度低，会影响到车辆载重预测的最终结果；
2、综上，现有技术中还缺少解决上述技术问题的方案。
技术实现思路
1、本申请的目的是针对以上问题，提供一种车辆重量的预测方法、设备及存储介质。
2、第一方面，本申请提供一种车辆重量的预测方法，所述方法包括：
3、获取所述目标车辆的目标车辆数据；
4、将所述目标车辆数据输入给所述目标车辆对应的重量预测模型，得到所述目标车辆的车辆重量；
5、其中，所述重量预测模型通过第一历史特征、第一历史标签进行模型训练得到，所述第一历史特征通过在所述目标车辆的第一历史车辆数据得到，所述第一历史车辆数据为所述目标车辆的第二历史车辆数据中符合第一预设条件的数据，所述第二历史车辆数据为所述目标车辆的第三历史车辆数据中去除符合第二预设条件的数据得到；所述第一历史标签为所述目标车辆的空载质量；所述第二预设条件为：所述目标车辆在目标时刻的车速为第一预设车速，且所述第一预设车速维持的时长小于或者等于第一预设时长；所述第一预设条件为所述目标车辆在所述目标时刻的加速度不为零，且所述目标车辆在所述目标时刻的车速大于第一速度阈值
6、根据本申请实施例提供的技术方案，所述方法还包括：
7、呈现所述车辆重量；和/或，
8、将所述车辆重量发送给电子设备，以便所述电子设备呈现所述车辆重量根据本申请实施例提供的技术方案，所述方法还包括：
9、比对所述车辆重量与所述目标车辆的装载重量的大小；
10、当所述车辆重量大于或者等于所述装载重量时，生成提示信息，所述提示信息用于提示所述目标车辆存在超载情况。
11、根据本申请实施例提供的技术方案，所述方法还包括：
12、所述车辆数据至少包括：所述目标车辆的时间、车速、发动机扭矩、发动机转速、发动机燃料流量、摩擦扭矩与进气量。
13、第二方面，本申请提供一种模型训练方法，包括：
14、获取目标车辆的第三历史车辆数据以及所述目标车辆的空载质量，所述第三历史车辆数据为所述目标车辆在历史时段采集的车辆数据；
15、从所述第三历史车辆数据中去除符合第二预设条件的数据，得到多组第二历史车辆数据；所述第二预设条件为所述目标车辆在目标时刻的车速为第一预设车速，且所述第一预设车速维持的时长小于或者等于第一预设时长；
16、从每一组所述第二历史车辆数据中筛选出符合第一预设条件的第一历史车辆数据；所述第一预设条件为：所述目标车辆在所述目标时刻的加速度不为零，且所述目标车辆在所述目标时刻的车速大于第一速度阈值；
17、以多组所述第一历史车辆数据作为第一历史特征，以空载质量作为第一历史标签进行模型训练，得到重量预测模型。
18、根据本申请实施例提供的技术方案，所述方法还包括：
19、获取每一组所述第一历史车辆数据中包含的数据的数量；
20、将数据的数量大于第一阈值的第一历史车辆数据作为第四历史车辆数据；
21、所述以多组所述第一历史车辆数据作为第一历史特征，以空载质量作为第一历史标签进行模型训练，得到重量预测模型，包括：
22、以多组所述第四历史车辆数据作为第一历史特征，以空载质量作为第一历史标签进行模型训练，得到重量预测模型。
23、根据本申请实施例提供的技术方案，所述方法还包括：
24、从多组所述第四历史车辆数据中确定目标组对应的第四历史车辆数据，所述目标组对应的第四历史车辆数据的数量在多组所述第四历史车辆数据中的数量最大；
25、所述以多组所述第四历史车辆数据作为第一历史特征，以空载质量作为第一历史标签进行模型训练，得到重量预测模型，包括：
26、以所述目标组对应的第四历史车辆数据作为第一历史特征，以空载质量作为第一历史标签进行模型训练，得到重量预测模型。
27、根据本申请实施例提供的技术方案，所述方法还包括：
28、将其他组所对应的所述第四历史车辆数据输入至所述重量预测模型中，得到其他组分别对应的第一车辆重量，所述其他组为所述多组中除所述目标组以外的组；
29、将每一个所述第一车辆重量与所述空载质量进行比较；
30、若所有所述第一车辆重量均大于所述空载质量，则将多个所述第一车辆重量中的中位数作为目标车辆的车辆重量；
31、若所述第一车辆重量中任一个小于或等于所述空载质量时，则对所述重量预测模型进行更新。
32、第三方面，本申请提供了一种计算设备，包括存储器和处理器；
33、其中，在所述存储器中存储有一个或多个计算机程序，所述一个或多个计算机程序包括指令；当所述指令被所述处理器执行时，使得所述计算设备执行如第一方面或第二方面中任一项所述的方法。
34、第四方面，本申请提供了一种计算机可读存储介质，所述计算机可读存储介质用于存储计算机程序，所述计算机程序用于执行如第一方面或第二方面中任一项所述的方法。
35、与现有技术相比，本申请的有益效果：
36、本申请所述的方法首先要获取目标车辆的目标车辆数据，并将目标车辆数据输入给目标车辆对应的重量预测模型中，得到目标车辆的车辆重量，其中，重量预测模型是通过第一历史特征、第一历史标签进行模型训练之后得到的，第一历史特征通过目标车辆的第一历史车辆数据得到，第一历史标签为目标车辆的空载质量；第一历史车辆数据为目标车辆的第二历史车辆数据中符合第一预设条件的数据，第二历史车辆数据为在目标车辆的第三历史车辆数据中去除符合第二预设条件的数据得到的；
37、在使用过程中，获取目标车辆的目标车辆数据，并将目标车辆数据输入至目标车辆对应的重量预测模型中，能够得到目标车辆的车辆重量；
38、本申请通过对目标车辆的使用场景进行区分，即在目标车辆的第三历史车辆数据中去除符合第二预设条件之后得到第二历史车辆数据，使用场景包括目标车辆处于堵车的场景、目标车辆处于等红绿灯的场景、以及目标车辆正常行驶的场景，当目标车辆处于堵车或者等红绿灯的情况时，目标车辆车速为0，且红绿灯的最长时间为120s，如果目标车辆目标时刻的车速为0，且车速为0所持续的时间小于或者等于120s，则说明目标车辆处于堵车或者等红绿灯的场景，本申请通过在第三历史车辆数据中删除掉符合第二预设条件的数据，得到第二历史车辆数据，再从第二历史车辆数据中筛选出符合第一预设条件的数据，作为第一历史车辆数据；也即一开始会在第三历史车辆数本文档来自技高网...
【技术保护点】
1.一种车辆重量的预测方法，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，所述方法还包括：
3.根据权利要求1所述的方法，其特征在于，所述方法还包括：
4.根据权利要求1所述的方法，其特征在于，所述方法还包括：
5.一种模型训练方法，其特征在于，包括：
6.根据权利要求5所述的方法，其特征在于，所述方法还包括：
7.根据权利要求6所述的方法，其特征在于，所述方法还包括：
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：
9.一种计算设备，其特征在于，包括存储器和处理器；
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质用于存储计算机程序，所述计算机程序用于执行权利要求1至8任一项所述的方法。
【技术特征摘要】
1.一种车辆重量的预测方法，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，所述方法还包括：
3.根据权利要求1所述的方法，其特征在于，所述方法还包括：
4.根据权利要求1所述的方法，其特征在于，所述方法还包括：
5.一种模型训练方法，其特征在于，包括：
6.根据权利要求5所述的方法，其特征在于...
【专利技术属性】
技术研发人员：庞玉涵，罗茂才，王朝均，
申请(专利权)人：重庆赛力斯新能源汽车设计院有限公司，
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。