Some implementations of the disclosure are directed to reducing or removing time lag in vehicle velocity prediction by training a model for vehicle velocity prediction using labeled features that provide indication of a feature associated with a vehicle acceleration or deceleration event. In one implementation, a method includes: receiving multiple time series datasets, each of the time series datasets including sensor data, GPS data, and vehicle state data collected over time; extracting features from each of the time series datasets that are indicative of a future velocity of a vehicle; labeling the extracted features of each of the time series datasets to indicate vehicle acceleration or deceleration events; and after labeling the extracted features of each of the time series datasets, using at least a subset of the extracted and labeled time series datasets to train a machine learning model that predicts vehicle velocity some time into the future.

    Certains modes de réalisation de la présente invention concernent la réduction ou l'élimination d'un décalage temporel dans une prédiction de vitesse de véhicule par la formation d'un modèle pour la prédiction de vitesse de véhicule utilisant des caractéristiques marquées qui fournissent une indication d'une caractéristique associée à un événement d'accélération ou de décélération de véhicule. Dans un mode de réalisation, un procédé consiste : à recevoir de multiples ensembles de données chronologiques, chacun des ensembles de données chronologiques comprenant des données de capteur, des données GPS et des données d'état de véhicule collectées dans le temps ; à extraire des caractéristiques de chacun des ensembles de données chronologiques qui indiquent une vitesse future d'un véhicule ; à marquer les caractéristiques extraites de chacun des ensembles de données chronologiques pour indiquer des événements d'accélération ou de décélération de véhicule ; et après le marquage des caractéristiques extraites de chacun des ensembles de données chronologiques, à utiliser au moins un sous-ensemble des ensembles de données chronologiques extraits et marqués pour former un modèle d'apprentissage automatique qui prédit la vitesse du véhicule à l'avenir.


    Access

    Download


    Export, share and cite



    Title :

    A VEHICLE VELOCITY PREDICTOR USING NEURAL NETWORKS BASED ON V2X DATA AUGMENTATION TO ENABLE PREDICTIVE OPTIMAL CONTROL OF CONNECTED AND AUTOMATED VEHICLES


    Additional title:

    PRÉDICTEUR DE VITESSE DE VÉHICULE UTILISANT DES RÉSEAUX NEURONAUX REPOSANT SUR UNE AUGMENTATION DE DONNÉES V2X POUR PERMETTRE UNE COMMANDE OPTIMALE PRÉDICTIVE DE VÉHICULES CONNECTÉS ET AUTOMATISÉS


    Contributors:

    Publication date :

    2020-04-23


    Type of media :

    Patent


    Type of material :

    Electronic Resource


    Language :

    English


    Classification :

    IPC:    B60W CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION , Gemeinsame Steuerung oder Regelung von Fahrzeug-Unteraggregaten verschiedenen Typs oder verschiedener Funktion / G01S RADIO DIRECTION-FINDING , Funkpeilung