【技术实现步骤摘要】
一种车辆电驱动里程预测方法、系统、装置及存储介质
[0001]本专利技术涉及新能源汽车
，尤其是一种车辆电驱动里程预测方法、系统、装置及存储介质。
技术介绍
[0002]随着汽车产业的快速发展，新能源汽车由于其环保、出行成本低的优点越来越广泛地被人们所选择。现有技术中，通常是根据新能源汽车电池的荷电状态(State of Charge，SOC)、满电时的标定里程以及电池的寿命及来估计剩余里程，这种方法未考虑到实际行驶环境的影响，导致剩余里程的计算并不准确。例如，当车辆行驶在爬坡路段时，由于需要克服重力，其能量消耗往往高于出厂时标定的能量消耗，当车辆行驶在下坡路段时，由于车辆的能量再生机制，其实际的能量消耗又往往低于出厂时标定的能量消耗。
[0003]由上可知，现有技术中车辆电驱动剩余里程的计算并不准确，可能会存在实际可行驶里程与显示的剩余里程存在较大出入的情况，从而导致用户无法到达目的地，影响了用户的出行体验。
技术实现思路
[0004]本专利技术的目的在于至少一定程度上解决现有技术中存在的技术...
【技术保护点】
【技术特征摘要】
1.一种车辆电驱动里程预测方法，其特征在于，包括以下步骤：获取目标车辆的导航规划信息，根据所述导航规划信息获取对应的规划路径的三维地图信息，并根据所述三维地图信息确定所述规划路径上各个路径点的空间高度信息；根据所述空间高度信息对所述规划路径进行划分得到多个三维路段，并确定各所述三维路段的三维路径信息；将所述三维路径信息输入到预先训练好的驱动能耗预测模型，预测得到各所述三维路段的第一驱动能耗；获取所述目标车辆当前的第一剩余电能，根据所述第一剩余电能和所述第一驱动能耗预测得到所述目标车辆的剩余里程。2.根据权利要求1所述的一种车辆电驱动里程预测方法，其特征在于，所述获取目标车辆的导航规划信息，根据所述导航规划信息获取对应的规划路径的三维地图信息，并根据所述三维地图信息确定所述规划路径上各个路径点的空间高度信息这一步骤，其具体包括：获取所述目标车辆的起始位置和目标位置，根据所述起始位置和所述目标位置进行导航规划得到所述导航规划信息；根据所述导航规划信息确定对应的规划路径，并确定所述规划路径所处的第一地图区域；获取所述第一地图区域的三维空间地图，并根据所述三维空间地图确定所述规划路径的三维地图信息；根据所述三维地图信息确定所述规划路径上各个路径点的三维空间坐标，并根据所述三维空间坐标确定各所述路径点的空间高度信息。3.根据权利要求1所述的一种车辆电驱动里程预测方法，其特征在于，所述根据所述空间高度信息对所述规划路径进行划分得到多个三维路段，并确定各所述三维路段的三维路径信息这一步骤，其具体包括：根据所述空间高度信息生成所述规划路径的空间高度变化曲线，并根据所述空间高度变化曲线将所述规划路径划分为多个不同坡度的三维路段；根据所述三维路段上各个路径点的三维空间坐标生成多个首尾依次相连的三维空间向量，并对所述三维空间向量进行排序生成所述三维路径信息。4.根据权利要求1所述的一种车辆电驱动里程预测方法，其特征在于，所述车辆电驱动里程预测方法还包括预先训练所述驱动能耗预测模型的步骤，其具体包括：获取预设的多个车辆出行样本数据，所述车辆出行样本数据包括已行驶路段的三维路径样本以及对应的驱动能耗数据；根据所述驱动能耗数据对所述三维路径样本进行标注得到对应的驱动能耗标签，并根据所述三维路径样本和对应的所述驱动能耗标签构建训练数据集；将所述训练数据集输入到预先构建的卷积神经网络进行训练，得到训练好的所述驱动能耗预测模型。5.根据权利要求4所述的一种车辆电驱动里程预测方法，其特征在于，所述将所述训练数据集输入到预先构建的卷积神经网络进行训练，得到训练好的所述驱动能耗预测模型这一步骤，其具体包括：
将所述训练数据集输入到所述卷积神经网络，得到驱动能耗预测结果；根据所述驱动能耗预测结果和所述驱动能耗标签确定所述卷积神经网络的损失值；根据所述损失值通过反向传播算法更新所述卷积神经网络的模型参数，并返回将所述训练数据集输入到所述卷积神经网络这一步骤；当所述损失值达到预设的第一阈值或迭代次数达到预设的第二阈值，停止训练，得到训练好的所述驱动能耗预测模型。6.根据权利要求1至5中任一项所述的一种车辆电驱动里程预测方法...
【专利技术属性】
技术研发人员：郑少强，马虎，
申请(专利权)人：广汽本田汽车研究开发有限公司，
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。