[发明专利]一种预测车辆油耗的方法与装置

说明书

本公开提供了一种预测车辆油耗的方法和系统，其中所述方法包括：获取各类传感器采集的数据，包括：应变传感器信号、惯性传感器信号、位置信号；根据所述各类传感器采集的数据生成综合道路信息；根据综合道路信息确定环境信息，根据所述环境信息在弹性网络回归模型集合中选择对应的弹性网络回归模型；将所述各类传感器采集的数据输入自编码器，提取特征信息；将特征信息输入所述弹性网络回归模型，得到预测的油耗。

技术领域

本公开涉及交通技术领域，特别涉及一种预测车辆油耗的方法、装置、系统、电子设备及计算机可读存储介质。

背景技术

众所周知，公路运输能源消耗大，运输成本高，而且不可避免地存在尾气排放，造成环境污染。除了环境污染问题，现阶段我国的物流行业的物流车辆运用成本难以控制，其中货车油耗占比很大，造成了燃油费用居高不下，企业经营利润低。

因此，急需一种预测车辆油耗的方法，实现精确的预测车辆油耗，合理规划行驶路线油耗低的路线，降低成本。

发明内容

有鉴于此，本公开实施例的目的在于提供一种预测车辆油耗的方法，可以实时的、自动的准确预测出货车短期油耗，大大提高的油耗预测的准确性，解决现有技术中油耗预测结果准确度较低的问题。

根据本公开的第一方面，提供了一种预测车辆油耗的方法，包括：

获取各类传感器采集的数据，包括：应变传感器信号、惯性传感器信号、位置信号；

根据所述各类传感器采集的数据生成综合道路信息；

根据综合道路信息确定环境信息，根据所述环境信息在弹性网络回归模型集合中选择对应的弹性网络回归模型；

将所述各类传感器采集的数据输入自编码器，提取特征信息；

将特征信息输入所述弹性网络回归模型，得到预测的油耗。

在一个可能的实施例中，其中，将各类传感器采集的数据聚类，使得聚类后的每一个分类都与环境信息一一对应。

在一个可能的实施例中，所述方法还包括：通过应变传感器确定车辆的载重，当所述载重处于稳定状态时，其数值作为弹性网络回归模型的输入。

在一个可能的实施例中，其中，所述弹性网络回归模型是由所述各类传感器采集的数据为训练数据，以及预先确定的车辆油耗为样本标签，经过训练后得到的。

在一个可能的实施例中，其中，当任何一项传感器采集的参数发生变化导致综合道路信息或环境信息发生变化后，所述弹性网络回归模型会自动跟踪变化，选择对应的弹性回归方程。

在一个可能的实施例中，其中，每一个弹性回归方程与对应的环境信息一一对应，所述弹性回归方程的系数将根据环境信息的复杂性增加系数项。

在一个可能的实施例中，其中，所述弹性网络回归方程的损失函数为:其中分别为L1,L2范数正则项；r∈(0,1),α∈(0,1),W_i(i＝1,2…n)；其中W_i为第n个系数项；为真实油耗y与预测油耗的均方误差。

根据本公开的第二方面，提供了一种预测车辆油耗的系统，所述系统包括：

油耗预测平台，包括：传感器单元，用于获取各类传感器采集的数据，包括：应变传感器信号、惯性传感器信号、位置信号；综合道路信息单元，用于根据所述各类传感器采集的数据生成综合道路信息；环境信息单元，用于根据综合道路信息确定环境信息，根据所述环境信息在弹性网络回归模型集合中选择对应的弹性网络回归模型；特征提取单元，用于将所述各类传感器采集的数据输入自编码器，提取特征信息；油耗预测单元，用于将特征信息输入所述弹性网络回归模型，得到预测的油耗；

服务器，用于响应所述油耗预测平台和客户端的请求和指令；