[发明专利]一种车辆续航里程预测方法、装置、设备和存储介质

说明书

本发明公开了一种车辆续航里程预测方法、装置、设备和存储介质，所述方法根据第一集成学习模型，对车辆行驶时的行驶状态实时信息进行筛选，得到电池状态实时影响数据，电池状态实时影响数据为表征路况、驾驶习惯、车况和行驶时间的特征数据，将电池状态实时影响数据和电池状态实时信息输入到第二集成学习模型进行续航里程预测，得到车辆续航里程。所述方法对不同车型的数据信息均可以进行分析，不需要针对单一车辆进行建模和训练，训练成本和维护成本低。所述方法还通过集成学习模型的方式对数据进行训练，适用范围广，训练效率高，且依靠现有车联网大数据库，预测模型可以不断调优，准确度会不断升高。

技术领域

本发明涉及电动汽车领域，尤其涉及一种车辆续航里程预测方法、装置、设备和存储介质。

背景技术

近年来电动汽车的发展迎来了井喷阶段，动力电池的可存储能量越来越高，车辆的续航里程也是越来越长，使得电车汽车逐渐成为人们接受的出行工具。

电池的荷电状态是衡量电池动力性能的好坏，代表车辆剩余能源量的状态，是估计汽车续航里程的重要指标。电动汽车剩余续航里程是用来表示汽车在能源耗尽之前还能够行驶的里程数，以便提醒车主在驾驶车辆前或者在驾驶车辆过程中提前备好能源，避免半途能源耗尽，影响出行计划。现有的电动汽车仪表盘一般只给出工况续航里程和最大续航里程，并未考虑行驶路段或车主的行驶习惯对电动汽车的续航里程的影响，导致电动汽车所显示的剩余的续航里程与车主实际的行驶里程存在很大差距。其他续航里程估算方法中，虽然大都考虑行驶路段或车主的行驶习惯，但有的只是应用简单数学模型来推演，估算精度低准确度差。有的通过深度神经网络模型来预测，模型训练工作量很大，导致模型训练的成本和维护成本较高。

发明内容

本发明提供了一种车辆续航里程预测方法、装置、设备和存储介质，能够提高车辆续航里程预测准确度，降低维护成本。

一方面，本发明提供了一种车辆续航里程预测方法，所述方法包括：

获取车辆当前行驶时的电池状态实时信息和行驶状态实时信息；

基于第一集成学习模型，对车辆行驶时的行驶状态实时信息进行筛选，得到电池状态实时影响数据，所述电池状态实时影响数据为表征路况、驾驶习惯、车况和行驶时间的特征数据；

基于第二集成学习模型，对所述电池状态实时影响数据和电池状态实时信息进行续航里程预测，得到车辆续航里程。

另一方面提供了一种车辆续航里程预测装置，所述装置包括：状态信息获得模块、行驶状态信息筛选模块和车辆续航里程预测模块；

所述状态信息获得模块用于获取车辆当前行驶时的电池状态实时信息和行驶状态实时信息；

所述行驶状态信息筛选模块用于基于第一集成学习模型，对车辆行驶时的行驶状态实时信息进行筛选，得到电池状态实时影响数据，所述电池状态实时影响数据为表征路况、驾驶习惯、车况和行驶时间的特征数据；

所述车辆续航里程预测模块用于基于第二集成学习模型，对所述电池状态实时影响数据和电池状态实时信息进行续航里程预测，得到车辆续航里程。

另一方面提供了一种设备，所述设备包括处理器和存储器，所述存储器中存储有至少一条指令或至少一段程序，所述至少一条指令或所述至少一段程序由所述处理器加载并执行以实现上述所述的一种车辆续航里程预测方法。。

另一方面提供了一种存储介质，所述存储介质包括处理器和存储器，所述存储器中存储有至少一条指令或至少一段程序，所述至少一条指令或所述至少一段程序由所述处理器加载并执行以实现上述所述的一种车辆续航里程预测方法。