一种车辆剩余里程预测方法、装置、设备及存储介质制造方法及图纸

本发明专利技术提供一种车辆剩余里程预测方法、装置、设备及存储介质，该方法包括，获取目标车辆的初始数据和车辆剩余能量值，对初始数据进行标准化处理，以得到用于构建数据模型的标准化数据，根据标准用户行为数据和标准用户设置数据对用户驾驶行为进行分类，得到多个驾驶行为模式，基于驾驶行为模式和标准车辆驾驶数据以及标准环境数据分别构建车辆驾驶数据与车辆能量消耗的速度映射关系和环境数据与车辆能量消耗的温湿度映射关系，基于速度映射关系、温湿度映射关系，以及车辆剩余能量值确定目标车辆的剩余里程数；通过车辆驾驶数据、驾驶行为模式以及环境参数计算车辆的能耗率，以此对车辆的剩余里程进行预测，有效提升了车辆剩余里程预测的准确性。里程预测的准确性。里程预测的准确性。

【技术实现步骤摘要】
一种车辆剩余里程预测方法、装置、设备及存储介质


[0001]本申请涉及新能源汽车
，具体涉及一种车辆剩余里程预测方法、装置、设备及存储介质。

技术介绍

[0002]随着汽车向电动化、网联化和智能化发展，越来越多的个性化服务增添了用户用车过程中的驾乘乐趣，车辆由传统交通工具向移动终端转变，新能源汽车市场占有率也在逐年提高。而纯电动汽车续航能力一直被用户诟病，其最大痛点就是充电问题和里程焦虑，其中里程焦虑跟车端无法准确评估剩余里程直接相关。因此准确评估车辆剩余行驶里程将有助于用户对纯电动汽车的使用，也是提升用户体验感的重要方式之一。
[0003]如CN106515478B所提出的电动汽车剩余行驶里程在线预测方法，虽通过当前车辆行驶数据结合电量消耗速度数据模型计算单位里程电量消耗进而预估剩余行驶里程，但未能充分考虑不同风格驾驶员对模型的影响；又如CN111563976B提出的商用车剩余行驶里程的确定方法，虽通过计算不同平均车速下的电量消耗得到速度与电耗的关系，然后基于电池剩余电量、平均车速和修正后的电能消耗率确定出车辆的剩余行驶里程，但仅考虑了平均速度对电耗的影响由于影响电耗的因素众多，因此无法准确地预估剩余行驶里程。因此，其车辆剩余里程数的预测结果准确性较低，不能完全满足用户需求。

技术实现思路

[0004]鉴于以上所述技术的缺点，本专利技术提供一种车辆剩余里程预测方法、装置、设备及存储介质，以解决上述车辆剩余里程数的预测结果准确性较低的技术问题。
[0005]本专利技术提供的一种车辆剩余里程预测方法，其特征在于，所述车辆剩余里程预测方法包括：获取目标车辆的初始数据和车辆剩余能量值，所述初始数据包括初始用户行为数据、初始用户设置数据、车辆驾驶数据，以及所述目标车辆所处空间的初始环境数据；对所述初始数据进行标准化处理，以得到用于构建数据模型的标准化数据，所述标准化数据包括标准用户行为数据、标准用户设置数据、标准车辆驾驶数据，以及标准环境数据；根据所述标准用户行为数据和所述标准用户设置数据对用户驾驶行为进行分类，得到多个驾驶行为模式；基于所述驾驶行为模式和所述标准车辆驾驶数据构建车辆驾驶数据与车辆能量消耗的速度映射关系，并基于所述驾驶行为模式和所述标准环境数据构建环境数据与所述车辆能量消耗的温湿度映射关系；基于所述速度映射关系、所述温湿度映射关系，以及所述车辆剩余能量值和目标车辆当前驾驶数据、当前环境数据确定所述目标车辆的剩余里程数，以对所述目标车辆的剩余里程进行预测。
[0006]于本申请的一个实施例中，对所述初始数据进行标准化处理，包括以下至少之一：对所述初始数据进行数据清洗，以筛除所述初始数据中的多余数据；确定所述初始数据中每一数据的数据属性，并基于所述数据属性对所述初始数据进行分类，以对所述初始数据进行数据集成处理；将所述初始化数据进行数据转换，以得到规范数据。
[0007]于本申请的一个实施例中，所述标准化数据包括多组数据，得到用于构建数据模型的标准化数据之后，还包括将所述标准化数据中的任一组数据确定为目标数据；计算所述目标数据与车辆能耗之间的相关性，得到目标相关系数，并基于所述目标相关系数确定所述目标数据与车辆能耗之间的关联程度；遍历所述标准化数据中的每组数据，以得到每组数据与车辆能耗之间的相关性。
[0008]于本申请的一个实施例中，基于所述目标相关系数确定所述目标数据与车辆能耗之间的关联程度，包括：若所述目标相关系数大于或等于预设第一阈值，则确定所述目标数据与车辆能耗之间的关联程度为强关联；若所述目标相关系数小于所述预设第一阈值，并大于或等于预设第二阈值，则确定所述目标数据与车辆能耗之间的关联程度为中等关联；若所述目标相关系数小于所述预设第二阈值，则确定所述目标数据与车辆能耗之间的关联程度为弱关联。
[0009]于本申请的一个实施例中，根据所述标准用户行为数据和所述标准用户设置数据对用户驾驶行为进行分类，得到多个驾驶行为模式，包括：基于所述标准用户行为数据和所述标准用户设置数据，得到与车辆能耗之间的关联程度为强关联的驾驶特征数据，并基于所述驾驶特征数据生成驾驶特征数据集；将所述驾驶特征数据集中的任意多个数据确定为初始聚类中心，并计算剩余每个点与每个聚类中心的理论距离；将任一数据点确定为目标点，确定所述目标点到每个初始聚类中心的距离，并将距离最小的一个聚类中心确定为所述目标点的关联点；遍历每个数据点，将全部数据点分配至多个初始聚类中心，并计算所述多个初始聚类中心的质心，得到初始质心。
[0010]于本申请的一个实施例中，计算所述多个聚类中心的质心，得到初始质心之后，还包括：重新选取所述驾驶特征数据集中的任意多个数据确定为更新聚类中心；计算剩余每个数据点到多个更新聚类中心的理论距离，以将全部数据点分配至所述更新聚类中心，并计算所述更新聚类中心的质心，得到更新质心；确定所述更新质心与所述初始质心的质心差值，当所述质心差值小于或等于预设差值阈值，则基于所述初始聚类中心和所述更新聚类中心得到驾驶行为模式分类。
[0011]于本申请的一个实施例中，基于所述驾驶行为模式和所述标准车辆驾驶数据构建车辆驾驶数据与车辆能量消耗的速度映射关系，并基于所述驾驶行为模式和所述标准环境数据构建环境数据与所述车辆能量消耗的温湿度映射关系，包括：基于所述标准车辆驾驶数据得到当前驾驶速度，并构建所述当前驾驶速度和所述驾驶行为模式与车辆能耗之间的关联关系，以得到所述速度映射关系；基于所述标准环境数据得到当前温湿度，并构建所述当前温湿度和所述驾驶行为模式与车辆能耗之间的关联关系，以得到所述温湿度映射关系。
[0012]于本申请的一个实施例中，基于所述速度映射关系、所述温湿度映射关系，以及所述车辆剩余能量值确定所述目标车辆的剩余里程数，包括：基于所述标准车辆驾驶数据确定所述目标车辆的当前驾驶速度和当前温湿度；根据所述当前驾驶速度和所述速度映射关系得到所述目标车辆的第一能量消耗率，并根据所述当前温湿度和所述温湿度映射关系得到所述目标车辆的第二能量消耗率；计算所述第一能量消耗率和所述第二能量消耗率得到所述目标车辆的综合能量消耗率；计算所述综合能量消耗率和所述车辆剩余能量值，得到所述目标车辆的剩余里程数。
[0013]于本申请的一个实施例中，得到所述目标车辆的剩余里程数之后，还包括：将所述剩余里程数发送至所述目标车辆的车机端，并基于所述车机端展示所述剩余里程数。
[0014]本申请提供一种车辆剩余里程预测装置，所述车辆剩余里程预测装置包括：数据获取模块，用于获取目标车辆的初始数据，所述初始数据包括初始用户行为数据、初始用户设置数据、车辆驾驶数据，以及所述目标车辆所处空间的初始环境数据；数据处理模块，用于对所述初始数据进行标准化处理，以得到用于构建数据模型的标准化数据，所述标准化数据包括标准用户行为数据、标准用户设置数据、标准车辆驾驶数据，以及标准环境数据；驾驶模式确认模块，用于根据所述标准用户行为数据和所述标准用户设置数据对用户驾驶行为进行分类，得到多个驾驶行为模式；预测模型构建模块，本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种车辆剩余里程预测方法，其特征在于，所述车辆剩余里程预测方法包括：获取目标车辆的初始数据和车辆剩余能量值，所述初始数据包括初始用户行为数据、初始用户设置数据、车辆驾驶数据，以及所述目标车辆所处空间的初始环境数据；对所述初始数据进行标准化处理，以得到用于构建数据模型的标准化数据，所述标准化数据包括标准用户行为数据、标准用户设置数据、标准车辆驾驶数据，以及标准环境数据；根据所述标准用户行为数据和所述标准用户设置数据对用户驾驶行为进行分类，得到多个驾驶行为模式；基于所述驾驶行为模式和所述标准车辆驾驶数据构建车辆驾驶数据与车辆能量消耗的速度映射关系，并基于所述驾驶行为模式和所述标准环境数据构建环境数据与所述车辆能量消耗的温湿度映射关系；基于所述速度映射关系、所述温湿度映射关系，以及所述车辆剩余能量值确定所述目标车辆的剩余里程数，以对所述目标车辆的剩余里程进行预测。2.根据权利要求1所述的车辆剩余里程预测方法，其特征在于，对所述初始数据进行标准化处理，包括以下至少之一：对所述初始数据进行数据清洗，以筛除所述初始数据中的多余数据；确定所述初始数据中每一数据的数据属性，并基于所述数据属性对所述初始数据进行分类，以对所述初始数据进行数据集成处理；将所述初始化数据进行数据转换，以得到规范数据。3.根据权利要求1所述的车辆剩余里程预测方法，其特征在于，所述标准化数据包括多组数据，得到用于构建数据模型的标准化数据之后，还包括：将所述标准化数据中的任一组数据确定为目标数据；计算所述目标数据与车辆能耗之间的相关性，得到目标相关系数，并基于所述目标相关系数确定所述目标数据与车辆能耗之间的关联程度；遍历所述标准化数据中的每组数据，以得到每组数据与车辆能耗之间的相关性。4.根据权利要求3所述的车辆剩余里程预测方法，其特征在于，基于所述目标相关系数确定所述目标数据与车辆能耗之间的关联程度，包括：若所述目标相关系数大于或等于预设第一阈值，则确定所述目标数据与车辆能耗之间的关联程度为强关联；若所述目标相关系数小于所述预设第一阈值，并大于或等于预设第二阈值，则确定所述目标数据与车辆能耗之间的关联程度为中等关联；若所述目标相关系数小于所述预设第二阈值，则确定所述目标数据与车辆能耗之间的关联程度为弱关联。5.根据权利要求1所述的车辆剩余里程预测方法，其特征在于，根据所述标准用户行为数据和所述标准用户设置数据对用户驾驶行为进行分类，得到多个驾驶行为模式，包括：基于所述标准用户行为数据和所述标准用户设置数据，得到与车辆能耗之间的关联程度为强关联的驾驶特征数据，并基于所述驾驶特征数据生成驾驶特征数据集；将所述驾驶特征数据集中的任意多个数据确定为初始聚类中心，并计算剩余每个点与每个聚类中心的理论距离；
将任一数据点确定为目标点，确定所述目标点到每个初始聚类中心的距离，并将距离最小的一个聚类中心确定为所述目标点的关联点；遍历每个数据点，将全部数据点分配至多个初始聚类中心，并计算所述多个初始聚类中心的质心，得到初始质心。6.根据权利要求5所述的车辆剩余里程预测方法，其特征在于，计算所述多个聚类中心的质心，得到初始质心之后，还包括：重新选取所述驾驶特征数据集中的任意多个数据确定为更新聚类中心；计算剩余每个数据点到多个更新聚类中心的理论...

【专利技术属性】
技术研发人员：吴炬，李晓光，刁冠通，翟钧，苏琳珂，
申请(专利权)人：深蓝汽车科技有限公司，
类型：发明
国别省市：