本申请涉及智能驾驶领域，公开了一种新能源车能耗的预测方法、装置、设备及存储介质。该方法包括：响应于驾驶人员输入的出行目的地，生成并显示至少一条行驶路线；响应于驾驶人员选择的目标行驶路线，从预置的交通信息监测平台中获取目标行驶路线中每条交通路段对应的路程和平均车速；识别目标车辆对应的目标车型；获取并调用目标车型对应的运动能耗计算模型，基于每条交通路段对应的路程和平均车速计算目标车辆通过每条交通路段的运动能耗预测值，并对其求和得到目标车辆通过目标行驶路线的运动总能耗预测值。本发明专利技术能够根据路线中的车速信息预测到达目的地的能耗信息，进而驾驶人员可判断当前电量是否支持到达目的地以提升驾驶体验。升驾驶体验。升驾驶体验。
【技术实现步骤摘要】
新能源车能耗的预测方法、装置、设备及存储介质
[0001]本申请涉及智能驾驶领域，尤其涉及一种新能源车能耗的预测方法、装置、设备及存储介质。
技术介绍
[0002]新能源车的能耗受行驶速度的影响比较大，速度越快，能耗越高。由于存在里程焦虑，驾驶人员往往想了解到达目的地需要消耗的电量，以及根据现有电量判断当前电量是否能支持到达目的地。
[0003]在现有的技术中，通常只显示当前电量以及到达目的地的里程数，并没有计算并显示到达目标地所需的能耗信息，导致驾驶人员无法判断当前电量是否支持到达目的地，驾驶体验较差。
[0004]申请内容
[0005]本申请提供一种新能源车能耗的预测方法，能够根据路线中的车速信息预测到达目的地的能耗信息。进而，可以解决驾驶人员无法判断当前电量是否支持到达目的地而导致驾驶体验较差的问题。
[0006]第一方面，本申请提供一种新能源车能耗的预测方法，包括：响应于驾驶人员输入的出行目的地，生成并显示目标车辆所在的出行始发地至出行目的地的至少一条行驶路线；响应于驾驶人员选择的目标行驶路线，从预置的交通信息监测平台中获取目标行驶路线中每条交通路段对应的路程和平均车速；识别目标车辆对应的目标车型；获取目标车型对应的运动能耗计算模型；调用运动能耗计算模型，基于每条交通路段对应的路程和平均车速计算目标车辆通过每条交通路段的运动能耗预测值；对目标车辆通过每条交通路段的运动能耗预测值求和，得到目标车辆通过目标行驶路线的运动总能耗预测值。
[0007]基于本申请提供的方法，由于新能源车的能耗受车速的影响较大，故根据驾驶人员选择的目标行驶路线，从而获取目标行驶路线上各路段的平均车速和路程，并根据平均车速和路程计算每个路段的能耗分量，最后统计能耗分量求和，准确地计算得到车辆通过目标行驶路线的运动总能耗。
[0008]在一种可能的实现方式中，运动能耗计算模型包括第一计算层、第二计算层以及第三计算层，调用运动能耗计算模型，基于每条交通路段对应的路程和平均车速计算目标车辆通过每条交通路段的运动能耗预测值包括：调用第一计算层，根据预置的功率平衡方程以及每条交通路段对应的平均车速，分别计算目标车辆在每条交通路段上的输出功率；调用第二计算层，根据每条交通路段的路程以及每条交通路段对应的平均车速，分别计算目标车辆通过每条交通路段所需的时间；调用第三计算层，基于目标车辆在每条交通路段上的输出功率与目标车辆通过每条交通路段所需的时间进行积运算，得到目标车辆通过每条交通路段的运动能耗预测值。
[0009]在一种可能的实现方式中，识别目标车辆对应的目标车型包括：调用预置的图像采集装置采集目标车辆的车辆图像；调用预置的车型识别模型识别目标车辆的车辆图像，
得到目标车辆对应的目标车型。
[0010]在一种可能的实现方式中，调用预置的车型识别模型识别目标车辆的图像，得到目标车辆对应的目标车型之前，还包括：获取多种车型的车辆图像以构建训练图像集；构建卷积神经网络模型，并基于训练图像集对卷积神经网络模型执行车型识别训练，得到车型识别模型。
[0011]这样一来，基于大量的车辆图像以训练得到泛化能力较强的车型识别模型，从而可以识别出各种各样的车型，以及通过训练并调用车型识别模型，从而基于数据统计特性对车辆图像进行分类，从而得到准确的车型结果，进而提升能耗预测的准确性。
[0012]在一种可能的实现方式中，对目标车辆通过每条交通路段的运动能耗预测值求和，得到目标车辆通过目标行驶路线的运动总能耗预测值之后，还包括：计算目标车辆通过目标行驶路线的设备能耗预测值。
[0013]在一种可能的实现方式中，计算目标车辆通过目标行驶路线的设备能耗预测值之后，还包括：对运动总能耗预测值和设备能耗预测值进行求和，得到目标车辆通过目标行驶路线的总能耗预测值；获取目标车辆中车载电池的现有电量；计算现有电量与总能耗预测值之间的能量差值，若能量差值小于预置安全阈值，则向驾驶人员发送预警提示。
[0014]这样一来，通过计算设备能耗预测值，并与运动能耗预测值求和以得到总能耗预测值，进而根据车载电池中的现有电量与所计算的总能耗预测值进行比较，从而判断车辆当前电量是否支持到达目的地，提升用户体验。
[0015]在一种可能的实现方式中，获取目标车辆中车载电池的现有电量包括：调用预置的测温装置检测目标车辆中车载电池的环境温度信息；基于数据统计确定车载电池在环境温度信息下的电池放电率；获取车载电池当前的显示电量，并使用电池放电率与车载电池当前的显示电量进行积运算，得到目标车辆中车载电池的现有电量。
[0016]这样一来，由于锂电池的放电能力受温度影响较大，尤其是在低温环境下，通过检测车载电池的环境温度信息，从而从数据统计中确定该环境温度信息对应的放电率，最后根据放电率以及当前显示电量，确定电池有效电量，在判断车辆当前是否支持到达目的地时判断结果更加准确。
[0017]第二方面，本申请实施例提供一种新能源车能耗的预测装置，包括：路线生成模块，用于响应于驾驶人员输入的出行目的地，生成并显示目标车辆所在的出行始发地至出行目的地的至少一条行驶路线；数据获取模块，用于响应于驾驶人员选择的目标行驶路线，从预置的交通信息监测平台中获取目标行驶路线中每条交通路段对应的路程和平均车速；车型识别模块，用于识别目标车辆对应的目标车型；模型获取模块，用于获取目标车型对应的运动能耗计算模型；第一计算模块，用于调用运动能耗计算模型，基于每条交通路段对应的路程和平均车速计算目标车辆通过每条交通路段的运动能耗预测值；第二计算模块，用于对目标车辆通过每条交通路段的运动能耗预测值求和，得到目标车辆通过目标行驶路线的运动总能耗预测值。
[0018]在一种可能的实现方式中，车型识别模块具体包括：采集单元，用于调用预置的图像采集装置采集目标车辆的车辆图像；识别单元，用于调用预置的车型识别模型识别目标车辆的车辆图像，得到目标车辆对应的目标车型。
[0019]在一种可能的实现方式中，车型识别模块具体包括：构建单元，用于获取多种车型
的车辆图像以构建训练图像集；训练单元，用于构建卷积神经网络模型，并基于训练图像集对卷积神经网络模型执行车型识别训练，得到车型识别模型；采集单元，用于调用预置的图像采集装置采集目标车辆的车辆图像；识别单元，用于调用车型识别模型识别目标车辆的车辆图像，得到目标车辆对应的目标车型。
[0020]在一种可能的实现方式中，第一计算模块具体包括：第一计算单元，用于调用第一计算层，根据预置的功率平衡方程以及每条交通路段对应的平均车速，分别计算目标车辆在每条交通路段上的输出功率；第二计算单元，用于调用第二计算层，根据每条交通路段的路程以及每条交通路段对应的平均车速，分别计算目标车辆通过每条交通路段所需的时间；第三计算单元，用于调用第三计算层，基于目标车辆在每条交通路段上的输出功率与目标车辆通过每条交通路段所需的时间进行积运算，得到目标车辆通过每条交通路段的运动能耗预测值。
[0021]在一本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种新能源车能耗的预测方法，其特征在于，所述新能源车能耗的预测方法包括：响应于驾驶人员输入的出行目的地，生成并显示目标车辆所在的出行始发地至所述出行目的地的至少一条行驶路线；响应于驾驶人员选择的目标行驶路线，从预置的交通信息监测平台中获取所述目标行驶路线中每条交通路段对应的路程和平均车速；识别所述目标车辆对应的目标车型；获取所述目标车型对应的运动能耗计算模型；调用所述运动能耗计算模型，基于每条交通路段对应的路程和平均车速计算所述目标车辆通过每条交通路段的运动能耗预测值；对所述目标车辆通过每条交通路段的运动能耗预测值求和，得到所述目标车辆通过所述目标行驶路线的运动总能耗预测值。2.根据权利要求1所述的新能源车能耗的预测方法，其特征在于，所述运动能耗计算模型包括第一计算层、第二计算层以及第三计算层，所述调用所述运动能耗计算模型，基于每条交通路段对应的路程和平均车速计算所述目标车辆通过每条交通路段的运动能耗预测值包括：调用所述第一计算层，根据预置的功率平衡方程以及每条交通路段对应的平均车速，分别计算所述目标车辆在每条交通路段上的输出功率；调用所述第二计算层，根据每条交通路段的路程以及每条交通路段对应的平均车速，分别计算所述目标车辆通过每条交通路段所需的时间；调用所述第三计算层，基于所述目标车辆在每条交通路段上的输出功率与所述目标车辆通过每条交通路段所需的时间进行积运算，得到所述目标车辆通过每条交通路段的运动能耗预测值。3.根据权利要求1所述的新能源车能耗的预测方法，其特征在于，所述识别所述目标车辆对应的目标车型包括：调用预置的图像采集装置采集所述目标车辆的车辆图像；调用预置的车型识别模型识别所述目标车辆的车辆图像，得到所述目标车辆对应的目标车型。4.根据权利要求3所述的新能源车能耗的预测方法，其特征在于，所述调用预置的车型识别模型识别所述目标车辆的图像，得到所述目标车辆对应的目标车型之前，还包括：获取多种车型的车辆图像以构建训练图像集；构建卷积神经网络模型，并基于所述训练图像集对所述卷积神经网络模型执行车型识别训练，得到车型识别模型。5.根据权利要求1
‑
4中任一项所述的新能源车能耗的预测方法，其特征在于，所述对所述目标车辆通过每条交通路段的运动能耗预测值求和，得到所述目标车辆通过所述目标行驶路线的运动总能耗预测值之后，还包括：计算所述目...
【专利技术属性】
技术研发人员：黎旭辉，
申请(专利权)人：珠海市魅族科技有限公司，
类型：发明
国别省市：
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。