[发明专利]车辆行程能耗预测方法及装置

权利要求书

1.一种车辆行程能耗预测方法，其特征在于，包括：

回收目标车辆的路线状况数据，以及与所述路线状况数据相对应的车况数据、驾驶行为数据和能耗数据；

对所述驾驶行为数据与所述路线状况数据之间的关系进行提取训练，以建立驾驶行为预测模型；对所述能耗数据与所述车况数据、所述路线状况数据及所述驾驶行为数据之间的关系进行提取训练，以建立能耗预测模型；

当目标行驶路线选定时，获取所述目标行驶路线的路线状况数据，并利用所述驾驶行为预测模型根据所述目标行驶路线的路线状况数据，预测所述目标行驶路线下的车主驾驶行为；以及，利用所述能耗预测模型根据所述目标行驶路线的路线状况数据以及预测的所述车主驾驶行为，预测所述目标行驶路线下的能耗大小。

2.如权利要求1所述的车辆行程能耗预测方法，其特征在于，所述车辆行程能耗预测方法还包括：

实时获取所述目标车辆当前行驶路线下的实际驾驶行为数据、实际车况数据和实际能耗数据，并将所述实际能耗数据与当前所述能耗预测模型建立时所采用的所述能耗数据进行比较，若比较结果超过设定阈值，则根据所述实际能耗数据、所述实际驾驶行为数据、所述实际车况数据以及所述当前行驶路线的路线状况数据更新所述能耗预测模型，若比较结果未超过设定阈值，则保持当前所述能耗预测模型。

3.如权利要求1所述的车辆行程能耗预测方法，其特征在于，利用所述能耗预测模型预测所述目标路线下的能耗大小时采用分段累加的方式，所述分段累加的方式包括：

根据所述目标行驶路线的各路段的路线状况数据以及预测的各路段的车主驾驶行为预测各路段的能耗大小，并将预测的所述目标行驶路线的所有路段的能耗大小进行累加，以得到所述目标路线下的总能耗大小。

4.如权利要求1所述的车辆行程能耗预测方法，其特征在于，在建立所述能耗预测模型和所述能耗预测模型之前，还包括：

对回收的所述路线状况数据、车况数据、驾驶行为数据和能耗数据进行预处理，所述预处理包括归一化整理和/或结构化整理。

5.如权利要求1所述的车辆行程能耗预测方法，其特征在于，所述能耗预测模型采用机器学习回归算法，所述机器学习回归算法包括高斯过程回归算法，决策树回归算法和线性回归算法中的一种或多种。

6.如权利要求1所述的车辆行程能耗预测方法，其特征在于，所述路线状况数据包括：环境天气数据、道路情况数据和路线交通数据。

7.一种车辆行程能耗预测装置，其特征在于，包括：数据回收模块、机器学习模块和驾驶行为及能耗预测模块；其中，

所述数据回收模块用于回收目标车辆的路线状况数据，以及与所述路线状况数据相对应的车况数据、驾驶行为数据和能耗数据；以及，用于当目标行驶路线选定时，获取所述目标行驶路线的路线状况数据；

所述机器学习模块用于对所述驾驶行为数据与所述路线状况数据之间的关系进行提取训练，以建立驾驶行为预测模型；对所述能耗数据与所述车况数据、所述路线状况数据及所述驾驶行为数据之间的关系进行提取训练，以建立能耗预测模型；

所述驾驶行为及能耗预测模块用于利用所述驾驶行为预测模型根据所述目标行驶路线的路线状况数据，预测所述目标行驶路线下的车主驾驶行为；以及，利用所述能耗预测模型根据所述目标行驶路线的路线状况数据以及预测的所述车主驾驶行为，预测所述目标行驶路线下的能耗大小。

8.如权利要求7所述的车辆行程能耗预测装置，其特征在于，所述数据回收模块还用于实时获取所述目标车辆当前行驶路线下的实际驾驶行为数据、实际车况数据和实际能耗数据，并将所述实际能耗数据与当前所述能耗预测模型建立时所采用的所述能耗数据进行比较，若比较结果超过设定阈值，则根据所述实际能耗数据、所述实际驾驶行为数据、所述实际车况数据以及所述当前行驶路线的路线状况数据更新所述能耗预测模型，若比较结果未超过设定阈值，则保持当前所述能耗预测模型。