一种新能源电动汽车里程计算方法及系统技术方案

本发明专利技术提供了一种新能源电动汽车里程计算方法及系统，该方法包括：实时采集用户驾驶车辆的出发地以及目的地，并根据出发地以及目的地分析出用户的通勤路线；实时获取通勤路线上的天气信息，并根据天气信息计算出车辆在通勤路线上的第一损耗值；通过预设传感器实时检测出车辆的车载用电器实时消耗的第二损耗值，并将第一损耗值以及第二损耗值同时输入至训练好的里程计算模型中，以使里程计算模型实时输出与车辆对应的剩余续航里程。本发明专利技术能够精准的预测出车辆的剩余续航里程，对应提升了用户的使用体验。户的使用体验。户的使用体验。

【技术实现步骤摘要】
一种新能源电动汽车里程计算方法及系统


[0001]本专利技术涉及新能源电动汽车
，特别涉及一种新能源电动汽车里程计算方法及系统。

技术介绍

[0002]随着科技的进步以及生产力的快速发展，新能源电动汽车技术也日趋成熟，并且逐渐得到了人们的认可，已经在人们的日常生活中得到普及，极大的方便了人们的生活。
[0003]其中，现有技术为了能够使驾驶员清楚的了解到车辆能够行驶的里程，均会在仪表盘中实时计算出新能源电动汽车的剩余续航里程，以消除驾驶员的里程焦虑。
[0004]然而，现有技术大部分直接根据新能源电动汽车内部的动力电池包的电量来对应计算出车辆的剩余里程，此种计算方式所考虑的因素较为单一，导致计算出的剩余里程不够准确，从而会给驾驶员带来误判，对应降低了驾驶员的使用体验。

技术实现思路

[0005]基于此，本专利技术的目的是提供一种新能源电动汽车里程计算方法及系统，以解决现有技术所计算出的剩余里程不够准确，导致降低了用户的驾驶体验的问题。
[0006]本专利技术实施例第一方面提出了：一种新能源电动汽车里程计算方法，其中，所述方法包括：实时采集用户驾驶车辆的出发地以及目的地，并根据所述出发地以及目的地分析出所述用户的通勤路线；实时获取所述通勤路线上的天气信息，并根据所述天气信息计算出所述车辆在所述通勤路线上的第一损耗值；通过预设传感器实时检测出所述车辆的车载用电器实时消耗的第二损耗值，并将所述第一损耗值以及所述第二损耗值同时输入至训练好的里程计算模型中，以使所述里程计算模型实时输出与所述车辆对应的剩余续航里程。
[0007]本专利技术的有益效果是：通过实时获取用户的通勤路线，能够对应获取到用户驾驶车辆的习惯，基于此，在实时获取用户经常驾驶的通勤路线上的天气信息，就能够考虑到天气给车辆的续航带来的影响，进一步的，最后根据训练好的里程计算模型实时输出与当前车辆对应的剩余续航里程，精确度较高，同时大幅提升了用户的驾驶体验。
[0008]进一步的，所述将所述第一损耗值以及所述第二损耗值同时输入至训练好的里程计算模型中，以使所述里程计算模型实时输出与所述车辆对应的剩余续航里程的步骤包括：获取所述车辆的性能参数，并将所述性能参数转换成对应的性能向量；对所述性能向量进行编码处理，以转换成对应的编码向量，并将所述编码向量输入至预设GPT模型中，以对所述预设GPT模型中的初始参数进行训练并生成所述里程计算模型。
[0009]进一步的，所述对所述预设GPT模型中的初始参数进行训练并生成所述里程计算模型的步骤包括：根据所述编码向量生成对应的测试数据集，并对所述测试数据集进行预处理；按照预设比例将所述测试数据集划分为测试集以及验证集，并将所述测试集输入至所述预设GPT模型中，以对应训练出初始里程计算模型；通过所述验证集对所述初始里程计算模型进行验证，并实时判断验证结果是否合格；若实时判断到验证结果合格，则完成对所述初始里程计算模型的验证，以对应生成所述里程计算模型。
[0010]进一步的，所述将所述测试集输入至所述预设GPT模型中，以对应训练出初始里程计算模型的步骤包括：将所述测试集输入至所述预设GPT模型的解析层中，并通过所述解析层将所述测试集解析成对应的训练代码，所述训练代码由数字以及字母组成；将所述训练代码输入至所述预设GPT模型的训练层中，并通过所述训练代码对所述训练层中的原始模型参数进行训练，以将所述原始模型参数调整为适配于所述车辆的目标模型参数；将所述目标模型参数输入至所述预设GPT模型的存储层中，以对应训练出所述初始里程计算模型。
[0011]进一步的，所述通过所述验证集对所述初始里程计算模型进行验证的步骤包括：将所述验证集迭代输入至所述初始里程计算模型中，以使所述初始里程计算模型对应输出若干预测值，并逐一判断若干所述预测值之间的差值是否在预设阈值内；若实时判断到若干所述预测值之间的差值在所述预设阈值内，则将所述预测值设定为所述验证结果。
[0012]进一步的，所述方法还包括：实时监测所述剩余续航里程的变化，并实时判断所述剩余续航里程是否大于预设里程阈值；若实时判断到所述剩余续航里程小于所述预设里程阈值，则在所述车辆的仪表盘中发出对应的提示信息，所述提示信息包括文字提示以及图标提示。
[0013]进一步的，所述方法还包括：当判断到所述剩余续航里程小于所述预设里程阈值时，实时检测出当前车辆的行驶地点，并在所述行驶地点的周围查找出对应的充电站；将所述充电站的位置实时显示在所述车辆的仪表盘中，并发出语音提示。
[0014]本专利技术实施例第二方面提出了：一种新能源电动汽车里程计算系统，其中，所述系统包括：采集模块，用于实时采集用户驾驶车辆的出发地以及目的地，并根据所述出发地以及目的地分析出所述用户的通勤路线；计算模块，用于实时获取所述通勤路线上的天气信息，并根据所述天气信息计算出所述车辆在所述通勤路线上的第一损耗值；输出模块，用于通过预设传感器实时检测出所述车辆的车载用电器实时消耗的第
二损耗值，并将所述第一损耗值以及所述第二损耗值同时输入至训练好的里程计算模型中，以使所述里程计算模型实时输出与所述车辆对应的剩余续航里程。
[0015]进一步的，所述输出模块具体用于：获取所述车辆的性能参数，并将所述性能参数转换成对应的性能向量；对所述性能向量进行编码处理，以转换成对应的编码向量，并将所述编码向量输入至预设GPT模型中，以对所述预设GPT模型中的初始参数进行训练并生成所述里程计算模型。
[0016]进一步的，所述输出模块具体用于：根据所述编码向量生成对应的测试数据集，并对所述测试数据集进行预处理；按照预设比例将所述测试数据集划分为测试集以及验证集，并将所述测试集输入至所述预设GPT模型中，以对应训练出初始里程计算模型；通过所述验证集对所述初始里程计算模型进行验证，并实时判断验证结果是否合格；若实时判断到验证结果合格，则完成对所述初始里程计算模型的验证，以对应生成所述里程计算模型。
[0017]进一步的，所述输出模块还具体用于：将所述测试集输入至所述预设GPT模型的解析层中，并通过所述解析层将所述测试集解析成对应的训练代码，所述训练代码由数字以及字母组成；将所述训练代码输入至所述预设GPT模型的训练层中，并通过所述训练代码对所述训练层中的原始模型参数进行训练，以将所述原始模型参数调整为适配于所述车辆的目标模型参数；将所述目标模型参数输入至所述预设GPT模型的存储层中，以对应训练出所述初始里程计算模型。
[0018]进一步的，所述输出模块具体用于：将所述验证集迭代输入至所述初始里程计算模型中，以使所述初始里程计算模型对应输出若干预测值，并逐一判断若干所述预测值之间的差值是否在预设阈值内；若实时判断到若干所述预测值之间的差值在所述预设阈值内，则将所述预测值设定为所述验证结果。
[0019]进一步的，所述新能源电动汽车里程计算系统还包括监测模块，所述监测模块具体用于：实时监测所述剩余续航里程的变化，并实时判断所述剩余续航里程是否大于预设里程阈值本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种新能源电动汽车里程计算方法，其特征在于，所述方法包括：实时采集用户驾驶车辆的出发地以及目的地，并根据所述出发地以及目的地分析出所述用户的通勤路线；实时获取所述通勤路线上的天气信息，并根据所述天气信息计算出所述车辆在所述通勤路线上的第一损耗值；通过预设传感器实时检测出所述车辆的车载用电器实时消耗的第二损耗值，并将所述第一损耗值以及所述第二损耗值同时输入至训练好的里程计算模型中，以使所述里程计算模型实时输出与所述车辆对应的剩余续航里程；其中，所述将所述第一损耗值以及所述第二损耗值同时输入至训练好的里程计算模型中，以使所述里程计算模型实时输出与所述车辆对应的剩余续航里程的步骤包括：获取所述车辆的性能参数，并将所述性能参数转换成对应的性能向量；对所述性能向量进行编码处理，以转换成对应的编码向量，并将所述编码向量输入至预设GPT模型中，以对所述预设GPT模型中的初始参数进行训练并生成所述里程计算模型。2.根据权利要求1所述的新能源电动汽车里程计算方法，其特征在于：所述对所述预设GPT模型中的初始参数进行训练并生成所述里程计算模型的步骤包括：根据所述编码向量生成对应的测试数据集，并对所述测试数据集进行预处理；按照预设比例将所述测试数据集划分为测试集以及验证集，并将所述测试集输入至所述预设GPT模型中，以对应训练出初始里程计算模型；通过所述验证集对所述初始里程计算模型进行验证，并实时判断验证结果是否合格；若实时判断到验证结果合格，则完成对所述初始里程计算模型的验证，以对应生成所述里程计算模型。3.根据权利要求2所述的新能源电动汽车里程计算方法，其特征在于：所述将所述测试集输入至所述预设GPT模型中，以对应训练出初始里程计算模型的步骤包括：将所述测试集输入至所述预设GPT模型的解析层中，并通过所述解析层将所述测试集解析成对应的训练代码，所述训练代码由数字以及字母组成；将所述训练代码输入至所述预设GPT模型的训练层中，并通过所述训练代码对所述训练层中的原始模型参数进行训练，以将所述原始模型参数调整为适配于所述车辆的目标模型参数；将所述目标模型参数输入至所述预设GPT模型的存储层中，以对应训练出所述初始里程计算模型。4.根据权利要求2所述的新能源电动汽车里程计算方法，其特征在于：所述通过所述验证集...

【专利技术属性】
技术研发人员：罗锋，廖程亮，龚循飞，邓建明，于勤，樊华春，张萍，能慧慧，张俊，
申请(专利权)人：江西五十铃汽车有限公司，
类型：发明
国别省市：