载重估计方法及装置与流程

本发明涉及车辆参数测量，尤其涉及一种载重估计方法及装置。

背景技术：

1、商用车辆的载重情况既是相关交管部门需要监控的一个重要参数，同时也是整车企业进行车辆性能匹配开发，特别是对于细分市场的路谱分析过程中的重要数据。

2、为了准确预测车辆的载重情况，主要采用以下方式：第一类是基于传感器测量的方法，主要通过在车辆上安装相应的传感器使得质量辨识变得简单；第二类是基于车辆动力学的方法，主要通过从can总线获取驱动扭矩、加速度及车速等信息，通过递归最小二乘法、扩展卡尔曼滤波等算法进行数据处理得到估算质量。

3、然而，上述第一类方式中需要加装传感器，增加了车辆生产成本，难以满足工程实际的需求；第二类方式对数据质量要求较高，对于普通车辆往往难以达到。

技术实现思路

1、本发明提供一种载重估计方法及装置，用以解决现有技术中受限于数据质量要求过高以致载重估计使用受限的缺陷，在增加额外车辆生产成本基础上，基于商用车辆的数据，实现载重的准确预估。

2、本发明提供一种载重估计方法，包括：获取车辆运行过程中各个运行时刻的车辆瞬时数据和车辆瞬时数据序列，所述车辆瞬时数据包括对应运行时刻的车辆状态和天气信息，所述车辆瞬时数据序列包括所述车辆瞬时数据和在先于所述车辆瞬时数据对应运行时刻的预设时间段内的车辆瞬时数据；根据所述车辆瞬时数据和车辆瞬时数据序列，对载重进行预测，得到对应运行时刻预测载重；从预测载重中，随机选择预设数量的预测载重，并根据随机选择的预测载重，得到第一平均载重，以及获取当前迭代次数；根据预测载重与所述第一平均载重，并结合绝对值函数和第一预设误差阈值，构建载重数据集；比较所述载重数据集的数据量与预设最小数量，并基于所述载重数据集的数据量大于预设最小数量，获取所述载重数据集的第二平均载重和平均误差；基于所述平均误差小于第二预设误差阈值，且所述当前迭代次数大于预设迭代次数，将所述第二平均载重作为最优预测载重。

3、根据本发明提供的一种载重估计方法，所述根据所述车辆瞬时数据和所述车辆瞬时数据序列进行载重预估，得到对应运行时刻的预测载重，包括：将所述车辆瞬时数据和所述车辆瞬时数据序列输入至载重混合检测模型中，得到预测载重；其中，所述载重混合检测模型是基于车辆目标历史时刻训练数据、车辆瞬时训练数据序列和对应时刻的车辆载重真值训练得到的；所述载重混合检测模型用于利用至少两个载重预估子模型分别基于所述车辆瞬时数据序列和所述车辆瞬时数据进行预测，并将预测得到的载重进行数据融合，得到预测载重。

4、根据本发明提供的一种载重估计方法，所述将所述车辆瞬时数据序列输入至载重混合检测模型中，得到预测载重，包括：将所述车辆瞬时数据分别输入至至少两个第一载重预估子模型中，得到对应第一载重；将所述车辆瞬时数据序列输入至第二载重预估子模型中，得到第二载重；将各所述第一载重和所述第二载重输入至线性回归子模型中，得到预测载重。

5、根据本发明提供的一种载重估计方法，在所述将所述车辆瞬时数据序列输入至载重混合检测模型中之前，包括：获取多个训练数据，所述训练数据包括车辆目标历史时刻训练数据、车辆瞬时训练数据序列和对应时刻的车辆载重真值，所述车辆瞬时训练数据序列是根据车辆目标历史时刻训练数据和目标时间内、且在先于目标历史时刻的车辆在先历史时刻训练数据得到的；对所述训练数据进行划分，得到第一训练数据集和第二训练数据集；基于所述第一训练数据集，对待训练第二载重预估子模型和至少两个待训练第一载重预估子模型进行训练，得到对应训练好的第二载重预估子模型和第一载重预估子模型；基于所述第二训练数据集，利用训练好的第一载重预估子模型进行载重预估，得到对应第一训练预估载重，以及利用训练好的第二载重预估子模型进行载重预估，得到第二训练预估载重；将各所述第一训练预估载重和所述第二训练预估载重作为待训练线性回归子模型的训练数据，将所述第二训练数据集中对应时刻的车辆载重真值作为待训练线性回归子模型的标签，对所述待训练线性回归子模型进行训练，得到线性回归子模型。

6、根据本发明提供的一种载重估计方法，所述基于所述第一训练数据集，对待训练第二载重预估子模型和至少两个待训练第一载重预估子模型进行训练，包括：针对所述第一训练数据集中的同一训练数据，将所述车辆目标历史时刻训练数据作为各个待训练第一载重预估子模型的训练数据，将对应时刻的车辆载重真值作为训练所述待训练第一载重预估子模型使用的标签，对至少两个所述待训练第一载重预估子模型分别进行训练；将所述车辆瞬时训练数据序列作为待训练第二载重预估子模型的训练数据，将对应时刻的车辆载重真值作为训练所述待训练第二载重预估子模型使用的标签，对所述待训练第二载重预估子模型分别进行训练；

7、所述基于所述第二训练数据集，训练好的第一载重预估子模型进行载重预估，以及利用训练好的第二载重预估子模型进行载重预估，包括：针对所述第二训练数据子集中的同一训练数据，将同一车辆目标历史时刻训练数据分别输入至各第一载重预估子模型中，得到对应第一训练载重；将所述车辆瞬时训练数据序列输入至训练好的第二载重预估子模型中，得到第二训练载重。

8、根据本发明提供的一种载重估计方法，所述根据预测载重与所述第一平均载重，并结合绝对值函数和第一预设误差阈值，构建载重数据集，包括：针对预测载重，分别根据单个所述预测载重与所述第一平均载重，利用绝对值函数，得到对应各预测载重的绝对误差；将各所述预测载重的绝对误差与第一预设误差阈值进行比较，并利用绝对差值小于所述第一预设误差阈值的预测载重，构建载重数据集。

9、根据本发明提供的一种载重估计方法，所述比较所述载重数据集的数据量与预设最小数量，包括：基于所述载重数据集的数据量不大于预设最小数量，基于预设数值更新当前迭代次数，并重新从预测载重中，随机选择预设数量的预测载重，得到第一平均载重；重新根据预测载重与所述第一平均载重，并结合绝对值函数和第一预设误差阈值，构建载重数据集，并重新比较所述载重数据集的数据量与预设最小数量的大小。

10、本发明还提供一种载重估计装置，包括：数据获取模块，获取车辆运行过程中各个运行时刻的车辆瞬时数据和车辆瞬时数据序列，所述车辆瞬时数据包括对应运行时刻的车辆状态和天气信息，所述车辆瞬时数据序列包括所述车辆瞬时数据和在先于所述车辆瞬时数据对应运行时刻的预设时间段内的车辆瞬时数据；载重预测模块，根据所述车辆瞬时数据和车辆瞬时数据序列，对载重进行预测，得到对应运行时刻预测载重；载重选择模块，从预测载重中，随机选择预设数量的预测载重，并根据随机选择的预测载重，得到第一平均载重，以及获取当前迭代次数；数据集构建模块，根据预测载重与所述第一平均载重，并结合绝对值函数和第一预设误差阈值，构建载重数据集；比较模块，比较所述载重数据集的数据量与预设最小数量，并基于所述载重数据集的数据量大于预设最小数量，获取所述载重数据集的第二平均载重和平均误差；最优载重获取模块，基于所述平均误差小于第二预设误差阈值，且所述当前迭代次数大于预设迭代次数，将所述第二平均载重作为最优预测载重。

11、本发明还提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如上述任一种所述载重估计方法的步骤。

12、本发明还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如上述任一种所述载重估计方法的步骤。

13、本发明还提供一种计算机程序产品，包括计算机程序，所述计算机程序被处理器执行时实现如上述任一种所述载重估计方法的步骤。

14、本发明提供的载重估计方法及装置，通过对获取的各个运行时刻的车辆瞬时数据和车辆瞬时数据序列进行载重预测，进而便于从预测载重中随机选择预设数量的样本进行车辆总重的预估，降低了异常数据的影响，提升了结果的准确性；通过采用多模型融合的方式预测载重，利用多模型之间的互补，提高了预测的准确性和模型的稳定性，另外，模型考虑了天气的因素，使载重估计方法更符合实际的动力学规律，提高了模型预测的准确性。