[发明专利]GPF再生优化方法及GPF再生机会评估系统

权利要求书

1.一种GPF再生优化方法，其特征在于，包括：

回收目标车辆的运行工况数据；

通过机器学习算法对驾驶行为与回收的所述运行工况数据之间的关系进行提取训练以得到驾驶行为预测模型，所述驾驶行为预测模型用于根据导航反馈的信息预测驾驶行为；

根据预测的驾驶行为评估导航反馈的信息中的各路径的GPF再生机会，进而对所述目标车辆的GPF再生进行优化控制。

2.如权利要求1所述的GPF再生优化方法，其特征在于，所述对所述目标车辆的GPF再生进行优化控制包括：

基于所述评估的结果选择驾驶路线；和/或

对所选择路线的GPF再生进行路段的选择。

3.如权利要求1所述的GPF再生优化方法，其特征在于，所述运行工况数据包括车况数据、环境天气数据、道路情况数据、路线交通数据和驾驶数据。

4.如权利要求1所述的GPF再生优化方法，其特征在于，在通过机器学习算法对驾驶行为与回收的所述运行工况数据之间的关系进行提取训练之前，所述GPF再生优化方法还包括：

对回收的所述运行工况数据进行预处理，所述预处理包括归一化整理、结构化整理。

5.如权利要求1所述的GPF再生优化方法，其特征在于，所述在输入当前驾驶的起始点和目的地的位置信息后导航反馈的信息包括：环境天气信息、道路情况信息和路线交通信息。

6.一种GPF再生机会评估系统，其特征在于，包括：控制模块、导航模块和数据处理模块，其中，

所述控制模块用于回收目标车辆的运行工况数据；

所述导航模块用于在输入当前驾驶的起始点和目的地的位置信息后向所述数据处 理模块反馈包括环境天气、道路情况和路线交通的信息；

所述数据处理模块用于通过机器学习算法对驾驶行为与回收的所述运行工况数据之间的关系进行提取训练以得到驾驶行为预测模型，并在接收到所述导航模块反馈的信息后利用所述驾驶行为预测模型预测驾驶行为；以及，用于根据预测的驾驶行为评估导航反馈的信息中的GPF再生机会，并将评估的结果反馈到所述导航模块。

7.如权利要求6所述的GPF再生机会评估系统，其特征在于，所述运行工况数据包括车况数据、环境天气数据、道路情况数据、路线交通数据和驾驶数据。

8.如权利要求6所述的GPF再生机会评估系统，其特征在于，所述数据处理模块还用于在通过机器学习算法对驾驶行为与回收的所述运行工况数据之间的关系进行提取训练之前，对回收的所述运行工况数据进行预处理，所述预处理包括归一化整理、结构化整理。

9.如权利要求6所述的GPF再生机会评估系统，其特征在于，所述控制模块包括动力总成控制器和车身控制器中的一者，设置在车辆端。

10.如权利要求6所述的GPF再生机会评估系统，其特征在于，所述数据处理模块包括域控制器和云平台中的至少一者，当所述数据处理模块包括所述域控制器和所述云平台时，所述云平台用于通过机器学习算法对驾驶行为与回收的所述运行工况数据之间的关系进行提取训练以得到所述驾驶行为预测模型，所述域控制器用于在接收到所述导航模块反馈的信息后利用所述驾驶行为预测模型预测驾驶行为，以及用于根据预测的驾驶行为评估导航反馈的信息中的GPF再生机会，并将评估的结果反馈到所述导航模块。