-
公开(公告)号：CN113255951B
公开(公告)日：2025-02-28
申请号：CN202010086899.9
申请日：2020-02-11
IPC: G06Q10/04 , G06N3/0442 , G06N3/092 , G06N3/0475 , G06N3/084 , G06N3/094
Abstract: 本发明实施例提供了一种移动轨迹的生成方法和装置，本发明实施例使用循环神经网络来抽取移动轨迹的复杂特征，建模移动轨迹中的复杂转移关系。另外，还基于强化学习和对抗生成网络并综合移动规律来构建轨迹质量评价系统，通过自动化比较生成轨迹与真实轨迹的差异来指导模型训练和更新，可以获得能够生成更加真实移动轨迹的生成模型。
-
公开(公告)号：CN118618396A
公开(公告)日：2024-09-10
申请号：CN202310231725.0
申请日：2023-03-10
Applicant: 株式会社日立制作所
IPC: B60W40/13
Abstract: 本申请提供了一种车辆重量预测方法及装置，所述方法包括：根据历史车辆数据对应的车辆状态，对所述历史车辆数据进行标定，生成训练数据，获得由训练数据组成的训练数据总集；根据训练数据对应的车辆状态，将训练数据总集划分成不同车辆状态对应的训练数据子集；利用训练数据总集训练得到分类模型；利用每个车辆状态对应的训练数据子集，训练得到车辆状态对应的车重预测模型；将目标车辆数据输入至分类模型，获得目标车辆数据对应的目标车辆状态，并选择所述目标车辆状态对应的目标车重预测模型；将所述目标车辆数据输入至所述目标车重预测模型，获得所述目标车重预测模型预测得到的车重结果。本申请能够提高车辆载重估计的精度和适用范围。
-
公开(公告)号：CN114662726A
公开(公告)日：2022-06-24
申请号：CN202011543722.3
申请日：2020-12-24
Applicant: 株式会社日立制作所
Abstract: 本发明提供一种车辆能耗预测方法及装置，属于车辆数据分析处理技术领域。车辆能耗预测方法，包括：获取车辆的历史行驶数据，所述历史行驶数据包括时间和与时间对应的车辆位置；利用所述历史行驶数据训练得到车辆路线预测模型；将所述车辆的当前位置和当前时间输入所述车辆路线预测模型，得到所述车辆的未来行程，所述车辆的未来行程为所述车辆即将行驶的路线；至少利用所述车辆的未来行程、历史能耗信息、当前位置和当前时间确定所述车辆在未来行程中的能耗。本发明能够获得更为准确的车辆能耗预测值。
-
公开(公告)号：CN113255951A
公开(公告)日：2021-08-13
申请号：CN202010086899.9
申请日：2020-02-11
Abstract: 本发明实施例提供了一种移动轨迹的生成方法和装置，本发明实施例使用循环神经网络来抽取移动轨迹的复杂特征，建模移动轨迹中的复杂转移关系。另外，还基于强化学习和对抗生成网络并综合移动规律来构建轨迹质量评价系统，通过自动化比较生成轨迹与真实轨迹的差异来指导模型训练和更新，可以获得能够生成更加真实移动轨迹的生成模型。
-
公开(公告)号：CN107331149B
公开(公告)日：2021-07-09
申请号：CN201610281163.0
申请日：2016-04-29
Applicant: 株式会社日立制作所
Abstract: 本发明提供一种预测车辆行驶时间的方法和系统，所述方法包括：预测模型建立步骤(S1)，从历史行驶信息记录库中，根据指定的起始点和目标点，收集所述起始点到所述目标点的历史行驶信息记录，利用所述历史行驶信息记录，计算所述历史行驶信息记录的基准历史行驶时间，确定行驶影响因素中对行驶时间影响最大的至少一个主影响因素，来建立预测模型；和车辆行驶时间预测步骤(S2)，当需要预测从所述起始点到所述目标点的车辆行驶时间时，根据当前实际输入条件，利用已建立的所述预测模型，预测从所述起始点到所述目标点的车辆行驶时间，其中所述当前实际输入条件包括作为车辆出发地的所述起始点、作为车辆目的地的目标点、以及所述主影响因素。
-
Patent Agency Ranking
公开(公告)号：CN113252054B
公开(公告)日：2023-11-28
申请号：CN202010086672.4
申请日：2020-02-11
IPC: G01C21/34 , G06N3/0499 , G06N3/092
Abstract: 本发明实施例提供了一种导航方法和导航系统，其中，所述方法包括：获取路网的拓扑结构和出行数据，所述出行数据包括所述路网在历史时间内的车辆的出发时间、出发地和目的地；将所述历史时间划分为多个时间片，并根据所述出行数据，生成每个时间片对应的训练数据；以所有车辆的总通行时间作为强化学习的奖励值，利用所述时间片对应的训练数据，训练得到一个全连接的神经网络模型；利用训练得到的所述神经网络模型，生成目标车辆的导航路线并下发给所述目标车辆。本发明可以在提前感知所有交通需求的情况下，通过强化学习充分疏导和分散交通，可以在给车辆规划路线的同时减轻拥堵，从而减少全局的通行时间。
-
公开(公告)号：CN116946154A
公开(公告)日：2023-10-27
申请号：CN202210386901.3
申请日：2022-04-13
Applicant: 株式会社日立制作所
IPC: B60W40/13
Abstract: 本申请提供了一种车辆的实时估重的方法、服务器及系统，其中，所述方法包括：获取车辆状态数据，所述车辆状态数据包括周期性采集到的车速以及所述车速对应的三轴加速度，其中，所述速度是由车载诊断系统OBD采集得到，所述三轴加速度是由位于所述车辆上的通信设备采集得到；将所述车辆的状态数据输出至预先训练得到的车辆估重模型，获得所述车辆估重模型周期性预测得到的车重数据；按照预先确定的最优时间间隔，计算所述最优时间间隔内预测得到的车重数据的平均值，作为所述车辆的估重结果。本申请通过OBD模块获取车速等数据，避免了采用GPS数据容易受到外部环境的干扰影响，能够实现对车辆的实时估重，提高估重结果的准确性。
-
公开(公告)号：CN116824837A
公开(公告)日：2023-09-29
申请号：CN202210281046.X
申请日：2022-03-21
Applicant: 株式会社日立制作所
IPC: G08G1/01 , G08G1/0967 , G08G1/0968 , H04L67/12 , H04L67/52 , G07C5/00 , G07C5/08 , G06F16/29 , G06F16/9537 , G06N20/10
Abstract: 本发明提供了一种数据采集方法、动态兴趣点的识别方法及装置，其中，动态兴趣点的识别方法包括：接收第一车辆发送的转向行为发生期间的第一转向行为相关数据；将第一转向行为相关数据输入至第一模型，获得第一转向行为相关数据对应的变道行为类型，所述变道行为类型包括用于提升车速的第一变道类型和因存在动态兴趣点而触发变道行为的第二变道类型；在第一转向行为相关数据对应的变道行为类型为第二变道类型的情况下，将第一转向行为相关数据输入至第二模型，获得第二模型输出的第一动态兴趣点的类型及位置坐标。本发明能够更为准确的识别更多种类的动态兴趣点，辅助车辆提前做出预判和规划调整，减小车端计算量，提升行车安全和乘车舒适体验。
-
公开(公告)号：CN116092519A
公开(公告)日：2023-05-09
申请号：CN202111295562.X
申请日：2021-11-03
Applicant: 株式会社日立制作所
Abstract: 一种车辆故障检测方法及系统，该方法包括：获取待检车辆的待检车辆型号以及在所述待检车辆运行过程中采集到的待检声音数据；对待检声音数据进行时频转换处理，得到待检声音数据的频率功率谱向量；对所述待检声音数据的频率功率谱向量进行锐化处理，得到所述待检声音数据的特征数据；将所述待检声音数据的特征数据输入至预先训练好的所述待检车辆型号对应的车辆故障检测模型，获得模型输出的待检车辆的故障检测结果。本发明不需要高精度的声音采集设备即可实施，降低了故障检测的实施成本，使得其易于推广应用。本发明实施例还通过锐化处理和归一化处理等手段，使得检测处理更具针对性，降低了检测方案的计算量，提高了车辆故障检测的鲁棒性。
-
公开(公告)号：CN115115073A
公开(公告)日：2022-09-27
申请号：CN202110287706.0
申请日：2021-03-17
Applicant: 株式会社日立制作所
Abstract: 本申请公开了一种续驶里程预测方法及装置，涉及数据处理技术领域，以提高对续驶里程进行预测的准确性。该方法包括：获取第一预测模型；利用所述第一预测模型获得第一续驶里程预测值；当所述第一续驶里程预测值不满足第一预设要求时，对所述第一预测模型进行调整，得到第二预测模型；利用所述第二预测模型预测续驶里程。本申请实施例可提高对续驶里程进行预测的准确性。
-
-
-
-
-
-
-
-
-
Search Results
23
records
(took 0.047 seconds)
