-
公开(公告)号：CN112818036A
公开(公告)日：2021-05-18
申请号：CN202110126871.8
申请日：2021-01-29
Applicant: 清华大学
Abstract: 本申请提出一种基于云端大数据的电动车剩余里程预估方法和装置，涉及数据处理技术领域，其中，方法包括：接收预估请求，分别对车端和网络端进行数据采集，获取云端数据；对云端数据进行特征提取，获取特征信息；将特征信息输入已训练的剩余里程预估模型，获取剩余里程预估结果。由此，获取了更加多元化的行驶数据，结合天气、路况等环境信息，提取出更丰富的特征，利用更复杂高效云端模型来进行计算，提高预估结果的准确性和实时性。
-
Patent Agency Ranking
公开(公告)号：CN113592169A
公开(公告)日：2021-11-02
申请号：CN202110844551.6
申请日：2021-07-26
Applicant: 清华大学
Abstract: 本申请提出一种基于区域影响关系的节假日供需预测方法和装置，其中，方法包括：获取多个城市在预设时间段内产生的运营数据构成的时间序列数据，根据时间序列数据进行聚类，得到多个数据矩阵，将多个数据矩阵输入到预先训练的深度序列模型，得到预测阶段的预测矩阵，从预测矩阵中得到多个城市在预测时间段里的运营数据序列。本发明利用了其他城市(区域)的数据和城市(区域)之间的相似和抑制关系进行预测，实现了更高的预估准确性；保持了城市(区域)数据之间的关系，使得预估结果更稳定合理，利用深度模型对复杂信息的特征提取和处理，采用了可学习的时序分解对城市之间的关系进行了更深层次的挖掘，拓展了方法的计算空间，提高了计算效率。
-
公开(公告)号：CN113569765A
公开(公告)日：2021-10-29
申请号：CN202110871883.3
申请日：2021-07-30
Applicant: 清华大学
Abstract: 本申请涉及交通场景分割技术领域，特别涉及一种基于智能网联汽车的交通场景实例分割方法及装置，其中，方法包括：采集距离当前车辆预设距离内其它车辆发送的告知信息；基于当前车辆的行驶参数过滤告知信息中与当前车辆不相关的无效信息，得到剩余的有效信息；根据有效信息与当前车辆估算两者之间的距离及方向，得到其他车辆的每辆车辆相对当前车辆的位置信息，得到对应的分割先验图，并基于预先训练的场景分割模型，得到当前交通场景实例分割结果。由此，充分利用车辆之间的信息，提取到了更加丰富的特征信息，进而训练出高性能的模型，这使得方法有很好的可用性、易用性和鲁棒性。
-
公开(公告)号：CN112906870A
公开(公告)日：2021-06-04
申请号：CN202110287729.1
申请日：2021-03-17
Applicant: 清华大学
Abstract: 本申请提出了一种基于小样本的网络模型压缩云端服务方法，涉及车载压缩模型技术领域，其中，该方法包括：获取用户上传的数据信息，包括待压缩模型的信息、第一样本集合和压缩要求；根据所述待压缩模型的信息和所述压缩要求确定压缩方案，并根据所述第一样本集合生成第二样本集合，并计算所述第二样本集合中各个样本的初始置信度，根据所述压缩方案和所述各个样本的初始置信度对待压缩模型进行迭代式压缩优化，以获得初步压缩模型；根据所述第一样本集合对所述初步压缩模型进行微调，以得到目标压缩模型。采用上述方案本发明在保证模型准确率的前提下，降低模型的计算量，通过云端和互联网搜索，避免对人为设定的依赖和上传大数据集所造成的消耗和不便利。
-
公开(公告)号：CN112818036B
公开(公告)日：2022-12-30
申请号：CN202110126871.8
申请日：2021-01-29
Applicant: 清华大学
Abstract: 本申请提出一种基于云端大数据的电动车剩余里程预估方法和装置，涉及数据处理技术领域，其中，方法包括：接收预估请求，分别对车端和网络端进行数据采集，获取云端数据；对云端数据进行特征提取，获取特征信息；将特征信息输入已训练的剩余里程预估模型，获取剩余里程预估结果。由此，获取了更加多元化的行驶数据，结合天气、路况等环境信息，提取出更丰富的特征，利用更复杂高效云端模型来进行计算，提高预估结果的准确性和实时性。
-
公开(公告)号：CN112906870B
公开(公告)日：2022-10-18
申请号：CN202110287729.1
申请日：2021-03-17
Applicant: 清华大学
Abstract: 本申请提出了一种基于小样本的网络模型压缩云端服务方法，涉及车载压缩模型技术领域，其中，该方法包括：获取用户上传的数据信息，包括待压缩模型的信息、第一样本集合和压缩要求；根据所述待压缩模型的信息和所述压缩要求确定压缩方案，并根据所述第一样本集合生成第二样本集合，并计算所述第二样本集合中各个样本的初始置信度，根据所述压缩方案和所述各个样本的初始置信度对待压缩模型进行迭代式压缩优化，以获得初步压缩模型；根据所述第一样本集合对所述初步压缩模型进行微调，以得到目标压缩模型。采用上述方案本发明在保证模型准确率的前提下，降低模型的计算量，通过云端和互联网搜索，避免对人为设定的依赖和上传大数据集所造成的消耗和不便利。
-
-
-
-
-
Search Results
6
records
(took 0.014 seconds)
