[发明专利]行车能耗预测系统、方法、存储介质和设备

说明书

本发明公开一种行车能耗预测系统、方法、存储介质和设备，其中预测方法包括获取规划行驶路线的历史工况数据；基于历史工况数据构建训练样本数据集；对训练样本数据集进行数据训练，建立车速特征BP神经网络模型和行车能耗BP神经网络模型；获取规划行驶路线上的实时工况信息，输入至车速特征BP神经网络模型中进行预测，得到未来行驶的车速特征数据，然后将车速特征数据输入至行车能耗BP神经网络模型中进行预测，得到未来的行驶能量消耗数据，实现行车能耗的在线预测。本发明可实现不同道路环境和交通状态的行驶工况下行车能耗的在线有效预测，帮助提高车辆智能能量管理的效率。

技术领域

本发明涉及智能交通系统和智能网联环境下的车载智能能量管理技术领域，尤其涉及一种用于智能汽车上的针对任意规划路径上的行车能耗预测系统、方法、存储介质和设备。

背景技术

IEMS(Intelligent Energy Management System，智能能量管理系统)是智能网联汽车和ITS(Intelligent Transport System，智能交通系统)等发展的必然需求，其目标是使车辆在不同行驶场景下的都能在线自适应地实现车载能量的高效节能、最优化的利用，尤其针对于目前的电动汽车和混合动力汽车等新能源汽车。而车载能量的消耗情况主要受一定道路和交通环境下的行驶工况影响，因此智能能量管理系统的关键是可以实现对不同行驶工况的自适应控制。

传统的车辆能量管理系统由于无法获知未来车辆的行驶工况，其主要是基于动力系统实时工作点的瞬态功率点优化控制。而现在的智能能量管理系统可利用智能学习算法可实现车辆未来短时间内(通常在3-5分钟之内)的行驶速度预测、行驶功率需求预测或行驶工况的识别，基于此可进一步实现车载能量的自适应工况控制，但是这些都只是在预测时域内的局部优化控制。因此，目前对于车载能量的管理主要还是集中在瞬时优化和局部优化控制方面，对于车载能量的全局优化控制还很少。而基于对未来规划行驶路线上的行车能量消耗进行预测，可进一步实现对车载能量在规划行驶路线上的全局规划及优化控制，极大程度上提高车载能量的利用效率。

发明内容

本发明针对上述现有技术的不足，基于道路环境、交通状态和车辆运行的历史/实时大数据对任意规划行驶路线上不同行驶工况下的行车能量消耗进行在线预测，以帮助实现车载能量的全局规划及优化控制。

本发明一方面提供一种行车能耗预测系统，包括数据采集子系统、离线训练子系统和在线预测子系统；其中所述数据采集子系统用于对规划行驶路线上的道路环境参数、交通状态参数和车辆运行数据进行采集和记录；所述离线训练子系统，用于将规划行驶路线划分为多个路段，提取和计算各路段的道路环境参数、交通状态参数、车速特征参数和能量消耗值，建立样本数据集；搭建BP神经网络模型，通过BP神经网络对所述数据集分别进行训练和验证，得到验证后的BP神经网络；所述在线预测子系统，用于对规划行驶路线进行路段划分，提取各路段的道路环境参数、交通状态参数和路段行驶里程值，通过所述验证后的BP神经网络对规划行驶路线上的行车能量消耗进行预测。

进一步的，所述离线训练子系统包括离线数据处理模块和模型训练模块；其中所述离线数据处理模块，用于将规划行驶路线划分为多个路段，提取和计算路段的道路环境参数、交通状态参数、车速特征参数和能量消耗值，分别建立车速特征预测样本数据集和行车能耗预测样本数据集；所述模型训练模块，用于将样本数据集划分为训练数据集和测试数据集，分别搭建车速特征BP神经网络模型和行车能耗BP神经网络模型，对所述训练数据集分别进行训练；通过所述测试数据集对训练好的BP神经网络进行有效性验证。