技术领域
本发明涉及电动汽车技术领域,更具体地说,它涉及基于多维度分析的汽车续航里程预测方法、系统及终端。
背景技术
电动汽车因其具有经济、环保等优势得以快速推广应用。但由于电动汽车在纯电动模式下的续航里程比传统燃油汽车续航里程短,且电动汽车动力电池充电时间很长,所以电动汽车的续航里程是驾驶人员行使过程必须掌握的一个信息,若驾驶员对续航里程没有准确的认知,则可能出现在电动汽车行驶过程中电量耗尽而不能移动,将会为驾驶人员带来极大的不便。
目前,对于电动汽车里程的分析技术主要有:一是,依据导航信息分析得到即将行使路段的工况,并通过对道路工况进行分析得到耗电情况,从而预测电动汽车的剩余里程。但其实现过程必然依赖导航数据,而并不是每一个驾驶人员均有导航习惯,所以技术的实现存在一定限制。二是,通过深度学习对历史驾驶数据进行训练,依据得到的预测模型进行剩余里程分析,但电动汽车能耗情况受驾驶习惯、驾驶环境以及车辆功能使用情况有关,不同人员、不同时间或不同地点使用车辆均存在能耗情况不一,所以其实现过程存在数据处理量大,且更多依赖于有规律的驾驶情况。三是,依据能耗过程采集的电压、电流等信息进行分析得到的,然而电压、电流等信息随着电池的使用寿命减小以及剩余电量减少会存在一定的偏差,从而导致预测结果不准确。
因此,如何研究设计一种考虑方面影响的汽车续航里程预测技术是我们目前急需解决的问题,为电动汽车的续航里程准确、可靠的预测提供了基础条件。
发明内容
为解决现有技术中的不足,本发明的目的是提供基于多维度分析的汽车续航里程预测方法、系统及终端。
本发明的上述技术目的是通过以下技术方案得以实现的:
第一方面,提供了基于多维度分析的汽车续航里程预测方法,包括以下步骤:
获取连续分布的时间序列所对应的行驶里程信息以及耗电量信息;
根据行驶里程信息、耗电量信息分析得到各个序列时间段的基础耗电系数;
获取各个序列时间段中的车辆转速极点信息,并依据车辆转速极点信息分析得到驾驶行为参数;
根据基础耗电系数和驾驶行为参数分析得到标准耗电系数,并依据标准耗电系数和时间序列建立分布图;
采用滑动窗口选取分布图中的标准耗电系数,得到里程预测系数集;
根据里程预测系数集分析得到预测耗电系数,并结合当前剩余电量信息预测分析得到剩余续航里程。
进一步的,所述基础耗电系数的分析过程具体为:
将行驶里程信息分为有里程行驶集和无里程行驶集,并从耗电量信息中提取有里程行驶集的第一耗电量以及无里程行驶集的第二耗电量;
根据第二耗电量与无里程行驶集的总时间计算得到功能耗电系数;
根据功能耗电系数、第一耗电量以及有里程行驶集的总里程计算得到驾驶耗电系数;
根据功能耗电系数与驾驶耗电系数计算得到基础耗电系数。
进一步的,所述基础耗电系数的计算公式具体为:
其中,w
进一步的,所述驾驶行为参数的计算公式具体为:
其中,w
进一步的,所述标准耗电系数的计算公式具体为:
w
其中,w
进一步的,所述里程预测系数集的获得过程具体为:
将尺寸固定的滑动窗口的开始侧对准分布图中当前时刻的标准耗电系数;
滑动滑动窗口以同时选取分布图中数量最多的标准耗电系数,得到当前时刻的里程预测系数集。
进一步的,所述剩余续航里程的计算公式具体为:
其中,SL表示剩余续航里程;Q表示当前剩余电量信息;
进一步的,所述剩余续航里程的计算公式具体为:
其中,SL表示剩余续航里程;Q表示当前剩余电量信息;P表示里程预测系数集中标准耗电系数的数量;
第二方面,提供了基于多维度分析的汽车续航里程预测系统,包括:
信息采集模块,用于获取连续分布的时间序列所对应的行驶里程信息以及耗电量信息;
基础分析模块,用于根据行驶里程信息、耗电量信息分析得到各个序列时间段的基础耗电系数;
行为分析模块,用于获取各个序列时间段中的车辆转速极点信息,并依据车辆转速极点信息分析得到驾驶行为参数;
系数分析模块,用于根据基础耗电系数和驾驶行为参数分析得到标准耗电系数;
系数选取模块,用于采用滑动窗口选取分布图中的标准耗电系数,得到里程预测系数集;
里程预测模块,用于根据当前剩余电量信息和里程预测系数集预测分析得到剩余续航里程。
第三方面,提供了一种计算机终端,包含存储器、处理器及存储在存储器并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现如第一方面中任意一项所述的基于多维度分析的汽车续航里程预测方法。
与现有技术相比,本发明具有以下有益效果:
1、本发明提出的基于多维度分析的汽车续航里程预测方法,通过分别对车辆在时间序列阶段实际行驶的基础耗电系数以及受驾驶人员行为影响的驾驶行为参数进行分析,并结合基础耗电系数和驾驶行为参数计算得到标准耗电系数,同时考虑了行驶环境情况、行驶人员对驾驶耗电情况的影响;再采用滑动窗口选取波动性较小且连续分布的标准耗电系数进行预测分析,此过程过滤了突发情况影响,整个预测过程只需要在车辆端进行数据采集、分析即可完成,硬件条件、网络资源的依赖性较低,且能够依据不同的驾驶人员进行自适应调整,具有预测结果精度高、可靠性强等特点;
2、本发明依据有无行驶里程变化的时间占比情况对基础耗电系数进行分析,使得基础耗电系数更加符合实际情况,有效削弱了起步、停车、堵车等常规行驶情况对预测结果的影响,使得预测准确度更高;
3、本发明依据车辆转速波峰、波谷分布情况对驾驶人员的启停操作情况进行分析,能够直观体现车辆驾驶过程的额外能耗情况;
4、本发明依据里程预测系数集中各个标准耗电系数的偏移情况分析得到各个标准耗电系数的权重系数,实现了预测耗电系数的动态更新,不仅精度更高,且时效性更强。
附图说明
此处所说明的附图用来提供对本发明实施例的进一步理解,构成本申请的一部分,并不构成对本发明实施例的限定。在附图中:
图1是本发明实施例中的流程图;
图2是本发明实施例中分布图的示意图;
图3是本发明实施例中标准耗电系数的选取示意图;
图4是本发明实施例中的系统框图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚明白,下面结合实施例和附图,对本发明作进一步的详细说明,本发明的示意性实施方式及其说明仅用于解释本发明,并不作为对本发明的限定。
实施例1:基于多维度分析的汽车续航里程预测方法,如图1所示,包括以下步骤:
S1:获取连续分布的时间序列所对应的行驶里程信息以及耗电量信息;行驶里程信息为行驶里程随时间变化的具体分布情况;耗电量信息为单元时间内的耗电量随时间变化的具体情况,可依据下一时刻与上一时刻的剩余电量之差统计得到;
S2:根据行驶里程信息、耗电量信息分析得到各个序列时间段的基础耗电系数;每一个序列时间段均对应有一个基础耗电系数;汽车续航里程预测所需的基础耗电系数随着时间序列的更新而更新;
S3:获取各个序列时间段中的车辆转速极点信息,并依据车辆转速极点信息分析得到驾驶行为参数;车辆转速极点信息包括序列时间段中的转速峰值信息和转速波谷信息;
S4:根据基础耗电系数和驾驶行为参数分析得到标准耗电系数,并依据标准耗电系数和时间序列建立分布图;分布图为以时间序列为横轴、标准耗电系数为纵轴的散点图,如图2所示;
S5:采用滑动窗口选取分布图中的标准耗电系数,得到里程预测系数集;里程预测系数集中的标准耗电系数以时间序列先后顺序进行排列;此外,滑动窗口可在任意方向进行滑动,且选取的标准耗电系数必须是滑动窗口所覆盖的标准耗电系数;
S6:根据里程预测系数集分析得到预测耗电系数,并结合当前剩余电量信息预测分析得到剩余续航里程。
本发明通过分别对车辆在时间序列阶段实际行驶的基础耗电系数以及受驾驶人员行为影响的驾驶行为参数进行分析,并结合基础耗电系数和驾驶行为参数计算得到标准耗电系数,同时考虑了行驶环境情况、行驶人员对驾驶耗电情况的影响;再采用滑动窗口选取波动性较小且连续分布的标准耗电系数进行预测分析,此过程过滤了突发情况影响,整个预测过程只需要在车辆端进行数据采集、分析即可完成,硬件条件、网络资源的依赖性较低,且能够依据不同的驾驶人员进行自适应调整,具有预测结果精度高、可靠性强等特点。
基础耗电系数的分析过程具体为:
S21:将行驶里程信息分为有里程行驶集和无里程行驶集,并从耗电量信息中提取有里程行驶集的第一耗电量以及无里程行驶集的第二耗电量;需要说明的是,每一个序列时间段中有里程行驶的时间段可以是多个、一个或者没有,但所有的序列时间段中至少有一个有里程行驶的时间段。另外,每一个序列时间段中无里程行驶的时间段可以是多个、一个或者没有;
S22:根据第二耗电量与无里程行驶集的总时间计算得到功能耗电系数;
S23:根据功能耗电系数、第一耗电量以及有里程行驶集的总里程计算得到驾驶耗电系数;
S24:根据功能耗电系数与驾驶耗电系数计算得到基础耗电系数。
本发明依据有无行驶里程变化的时间占比情况对基础耗电系数进行分析,使得基础耗电系数更加符合实际情况,有效削弱了起步、停车、堵车等常规行驶情况对预测结果的影响,使得预测准确度更高;
具体的,基础耗电系数的计算公式为:
其中,w
此外,驾驶行为参数的计算公式具体为:
其中,w
本实施例依据车辆转速波峰、波谷分布情况对驾驶人员的启停操作情况进行分析,能够直观体现车辆驾驶过程的额外能耗情况。
标准耗电系数的计算公式具体为:
w
其中,w
如图3所示,里程预测系数集的获得过程具体为:
S51:将尺寸固定的滑动窗口的开始侧对准分布图中当前时刻的标准耗电系数;
S52:滑动滑动窗口以同时选取分布图中数量最多的标准耗电系数,得到当前时刻的里程预测系数集。
滑动窗口的长为7个序列时间段、宽为0.002‰的耗电系数。连续的8个标准耗电系数如下表所示。
最终,所选取里程预测系数集中由T2、T3、T5、T6、T7所对应的标准耗电系数组成。
剩余续航里程的计算公式具体为:
其中,SL表示剩余续航里程;Q表示当前剩余电量信息;
实施例2:基于多维度分析的汽车续航里程预测方法,实施例2与实施例1的不同之处在于,剩余续航里程的计算公式具体为:
其中,SL表示剩余续航里程;Q表示当前剩余电量信息;P表示里程预测系数集中标准耗电系数的数量;
本实施例依据里程预测系数集中各个标准耗电系数的偏移情况分析得到各个标准耗电系数的权重系数,实现了预测耗电系数的动态更新,不仅精度更高,且时效性更强。
实施例3:基于多维度分析的汽车续航里程预测系统,如图4所示,包括信息采集模块、基础分析模块、行为分析模块、系数分析模块、系数选取模块和里程预测模块。
其中,信息采集模块,用于获取连续分布的时间序列所对应的行驶里程信息以及耗电量信息。基础分析模块,用于根据行驶里程信息、耗电量信息分析得到各个序列时间段的基础耗电系数。行为分析模块,用于获取各个序列时间段中的车辆转速极点信息,并依据车辆转速极点信息分析得到驾驶行为参数。系数分析模块,用于根据基础耗电系数和驾驶行为参数分析得到标准耗电系数。系数选取模块,用于采用滑动窗口选取分布图中的标准耗电系数,得到里程预测系数集。里程预测模块,用于根据当前剩余电量信息和里程预测系数集预测分析得到剩余续航里程。
本领域内的技术人员应明白,本申请的实施例可提供为方法、系统、或计算机程序产品。因此,本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
以上的具体实施方式,对本发明的目的、技术方案和有益效果进行了进一步详细说明,所应理解的是,以上仅为本发明的具体实施方式而已,并不用于限定本发明的保护范围,凡在本发明的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
机译: 用于增加电动汽车续航里程的车载系统
机译: 用于增加电动汽车续航里程的车载系统
机译: 在基于互联网协议的第一通信终端中生成音调的方法,该第一通信终端基于互联网协议。向基于不同通信协议操作的终端生成铃声的方法以及用于生成铃声的系统在不同的通信协议中基于S操作的终端