【技术实现步骤摘要】
车辆行程能耗预测方法及装置
本专利技术涉及汽车
，特别涉及一种车辆行程能耗预测方法及装置。
技术介绍
随着电动汽车技术的不断发展，纯电动汽车或混合动力汽车逐渐成为了许多用户的购车选择，普及范围越来越广。纯电动汽车和混合动力汽车均可能工作在纯电动力模式下，该动力模式下对电池能耗的精准预测具备很大的客户体验和工程开发改进意义：对于纯电动汽车可以借助该功能缓解里程焦虑问题，当电量不足时及时提醒车主补充电能；对于混合动力汽车，可基于该功能和导航信息对车辆动力模式进行合理规划，当电能不足以支持全旅程行驶时优先将其分配到拥堵路段，实现动力能源的优化利用。现有技术中，电动汽车的某固定行程的能耗是采用传统算法推算的，即，根据历史行程、历史车辆状态信息与对应的行程消耗电量推算获得该固定行程的能耗，用户根据推算获得的能耗判断剩余电量是否可以支撑电动汽车行驶到达目的地，从而合理做出出行安排。然而，专利技术人经过研究发现，采用传统算法推算出的行程能耗准确度较低，会影响用户预判电动汽车的剩余电量是否能够到达目的地...
【技术保护点】
1.一种车辆行程能耗预测方法，其特征在于，包括：/n回收目标车辆的路线状况数据，以及与所述路线状况数据相对应的车况数据、驾驶行为数据和能耗数据；/n对所述驾驶行为数据与所述路线状况数据之间的关系进行提取训练，以建立驾驶行为预测模型；对所述能耗数据与所述车况数据、所述路线状况数据及所述驾驶行为数据之间的关系进行提取训练，以建立能耗预测模型；/n当目标行驶路线选定时，获取所述目标行驶路线的路线状况数据，并利用所述驾驶行为预测模型根据所述目标行驶路线的路线状况数据，预测所述目标行驶路线下的车主驾驶行为；以及，利用所述能耗预测模型根据所述目标行驶路线的路线状况数据以及预测的所述车主...
【技术特征摘要】 【专利技术属性】
1.一种车辆行程能耗预测方法，其特征在于，包括：
回收目标车辆的路线状况数据，以及与所述路线状况数据相对应的车况数据、驾驶行为数据和能耗数据；
对所述驾驶行为数据与所述路线状况数据之间的关系进行提取训练，以建立驾驶行为预测模型；对所述能耗数据与所述车况数据、所述路线状况数据及所述驾驶行为数据之间的关系进行提取训练，以建立能耗预测模型；
当目标行驶路线选定时，获取所述目标行驶路线的路线状况数据，并利用所述驾驶行为预测模型根据所述目标行驶路线的路线状况数据，预测所述目标行驶路线下的车主驾驶行为；以及，利用所述能耗预测模型根据所述目标行驶路线的路线状况数据以及预测的所述车主驾驶行为，预测所述目标行驶路线下的能耗大小。
2.如权利要求1所述的车辆行程能耗预测方法，其特征在于，所述车辆行程能耗预测方法还包括：
实时获取所述目标车辆当前行驶路线下的实际驾驶行为数据、实际车况数据和实际能耗数据，并将所述实际能耗数据与当前所述能耗预测模型建立时所采用的所述能耗数据进行比较，若比较结果超过设定阈值，则根据所述实际能耗数据、所述实际驾驶行为数据、所述实际车况数据以及所述当前行驶路线的路线状况数据更新所述能耗预测模型，若比较结果未超过设定阈值，则保持当前所述能耗预测模型。
3.如权利要求1所述的车辆行程能耗预测方法，其特征在于，利用所述能耗预测模型预测所述目标路线下的能耗大小时采用分段累加的方式，所述分段累加的方式包括：
根据所述目标行驶路线的各路段的路线状况数据以及预测的各路段的车主驾驶行为预测各路段的能耗大小，并将预测的所述目标行驶路线的所有路段的能耗大小进行累加，以得到所述目标路线下的总能耗大小。
4.如权利要求1所述的车辆行程能耗预测方法，其特征在于，在建立所述能耗预测模型和所述能耗预测模型之前，还包括：
对回收的所述路线状况数据、车况数据、驾驶行为数据和能耗数据进行预处理，所述预处理包括归一化整理和/或结构化整理。
5.如权利要求1所述的车辆行程能耗预测方法，其特征在于，所述能耗预测模型采用机器学习回归算法，所述机器学习回归算法包括高斯过程回归算法，决策树回归算法和线性回归算法中的一种或多种。
6.如权利要求1所述的车辆行程能耗预测方法，其特征在于，所述路线状况数据包括：环境天气数据、道路情况数据和路线交通数据。
技术研发人员：徐磊，毛莎莎，孟哲，
申请(专利权)人：联合汽车电子有限公司，
类型：发明
国别省市：上海;31
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。