[发明专利]一种车辆重量预测方法及其系统

权利要求书

1.一种车辆重量预测方法，其特征在于，包括：

S1：基于多种采样模式持续获取车辆行驶数据，所述车辆行驶数据包括多组行驶子数据集，每组所述行驶子数据集包含的行驶子数据对应的所述采样模式相同且时间戳连续，所述行驶子数据包括所述时间戳、车辆速度数据、车辆经度数据和车辆纬度数据，所述采样模式包括起步模式、转弯模式、爬坡模式和直行模式，所述起步模式和所述转弯模式被配置为，基于第一预设时间间隔周期性地获取所述行驶子数据；所述爬坡模式被配置为，基于第二预设时间间隔周期性地获取所述行驶子数据；所述直行模式被配置为，基于第三预设时间间隔周期性地获取所述行驶子数据，所述S1包括：在车辆初始起步时，数据采集单元在起步模式下基于第一预设时间间隔周期性地获取所述行驶子数据；数据处理单元持续性解析所述车辆行驶数据并转换数据采集单元的所述采样模式，其中，在当前帧的所述车辆速度数据包含的车辆方向数据与上一帧的所述车辆速度数据包含的所述车辆方向数据的差值超过第一阈值的情况下，所述数据处理单元控制所述数据采集单元的采样模式转换为转弯模式；在当前帧的所述车辆经度数据和所述车辆纬度数据与上一帧的所述车辆经度数据和所述车辆纬度数据的一阶差分数值超过第二阈值的情况下，所述数据处理单元控制所述数据采集单元的采样模式转换为爬坡模式；在所述数据处理单元判断车辆不处于起步状态、转弯状态和爬坡状态的情况下，所述数据处理单元控制所述数据处理单元的采样模式转换为直行模式；

S2：对所述车辆行驶数据进行特征变换和归一化处理后生成行驶数据矩阵；

S3：神经网络单元基于所述行驶数据矩阵输出车辆重量数据。

2.根据权利要求1所述的车辆重量预测方法，其特征在于，所述S2包括：

所述数据处理单元按照所述时间戳升序的方式顺序调用存储于数据存储单元的多组所述行驶子数据集构成的所述车辆行驶数据；

对所述车辆行驶数据进行特征变换和归一化处理后生成归一化数据集；

基于所述车辆行驶数据的分组信息对所述归一化数据集进行分组并构建所述行驶数据矩阵。

3.根据权利要求2所述的车辆重量预测方法，其特征在于，对所述车辆行驶数据进行特征变换和归一化处理，包括：

提取所述车辆行驶数据包含的所述时间戳、车辆速度数据、车辆经度数据和车辆纬度数据作为原始特征数据集；

对所述时间戳、所述车辆速度数据、所述车辆经度数据和所述车辆纬度数据进行一阶差分和二阶差分，并将差分后的特征数据合并至所述原始特征数据集，生成特征变换数据集；

基于离差标准化模型对所述特征变换数据集进行归一化处理，生成归一化数据集。

4.根据权利要求1所述的车辆重量预测方法，其特征在于，所述S3包括：

构建用于预测车辆重量的网络模型；

获取多组包含不同采样模式下获取的行驶子数据构成的标准行驶数据矩阵并对每组所述标准行驶数据矩阵进行车辆重量标注，生成由多组包含车辆重量信息的标准行驶数据矩阵构成的训练样本集和测试集；

基于所述训练样本集和测试集，对所述网络模型进行训练并验证，生成用于预测车辆重量的预测模型；

将所述行驶数据矩阵输入所述神经网络单元，基于所述预测模型输出所述车辆重量数据。