[发明专利]基于云端大数据的电动车剩余里程预估方法和装置

权利要求书

1.一种基于云端大数据的电动车剩余里程预估方法，其特征在于，包括以下步骤：

接收预估请求，分别对车端和网络端进行数据采集，获取云端数据；

对所述云端数据进行特征提取，获取特征信息；

将所述特征信息输入已训练的剩余里程预估模型，获取剩余里程预估结果；

在将所述特征信息输入已训练的剩余里程预估模型之前，还包括：

获取云端数据样本，并对所述云端数据样本中离散值样本进行编码转换为连续值；

通过长短期记忆人工神经网络提取所述云端数据样本的车辆驾驶状态特征和路网特征，全连接层网络提取所述云端数据样本的驾驶行为特征和全局特征；

全连接层网络对所述路网特征和所述全局特征进行处理，获取训练能量消耗特征和能量消耗值，根据第一损失函数计算对所述能量消耗值和所述云端数据样本对应标注的标准能量消耗值进行损失计算，调整网络参数；

全连接层网络对所述车辆驾驶状态特征、所述驾驶行为特征和所述训练能量消耗特征进行处理，获取训练剩余里程，根据第二损失函数计算对所述训练剩余里程和所述云端数据样本对应标注的标准剩余里程进行损失计算，调整网络参数，生成初始剩余里程预估模型；

对所述能量消耗值和所述训练剩余里程值与所述标准注能量消耗值和所述标准剩余里程进行加权损失计算，采用端到端训练方式联合优化网络参数，生成所述已训练的剩余里程预估模型；

所述对网络端进行数据采集，获取云端数据，包括：

从天气服务商获取天气数据，以及从地图服务商获取路网数据。

2.如权利要求1所述的方法，其特征在于，所述对车端进行数据采集，获取云端数据，包括：

按照预设时间间隔通过无线网络模块、5G网络模块或者卫星网络模块获取车辆数据和驾驶行为数据。

3.如权利要求1所述的方法，其特征在于，所述对所述云端数据进行特征提取，获取特征信息，包括：

对所述云端数据进行特征提取，获取全局特征、路网特征、驾驶特征、车辆状态和当前剩余电量。

4.一种基于云端大数据的电动车剩余里程预估装置，其特征在于，包括：

接收模块，用于接收预估请求；

采集模块，用于分别对车端和网络端进行数据采集，获取云端数据；

提取模块，用于对所述云端数据进行特征提取，获取特征信息；

预估模块，用于将所述特征信息输入已训练的剩余里程预估模型，获取剩余里程预估结果；

还包括：

第一获取模块，用于获取云端数据样本，并对所述云端数据样本中离散值样本进行编码转换为连续值；

第二获取模块，用于通过长短期记忆人工神经网络提取所述云端数据样本的车辆驾驶状态特征和路网特征，全连接层网络提取所述云端数据样本的驾驶行为特征和全局特征；

计算模块，用于全连接层网络对所述路网特征和所述全局特征进行处理，获取训练能量消耗特征和能量消耗值，根据第一损失函数计算对所述能量消耗值和所述云端数据样本对应标注的标准能量消耗值进行损失计算，调整网络参数；

第一训练模块，用于全连接层网络对所述车辆驾驶状态特征、所述驾驶行为特征和所述训练能量消耗特征进行处理，获取训练剩余里程，根据第二损失函数计算对所述训练剩余里程和所述云端数据样本对应标注的标准剩余里程进行损失计算，调整网络参数，生成初始剩余里程预估模型；

第二对所述能量消耗值和所述训练剩余里程值与所述标准标注能量消耗值和所述标准剩余里程进行加权损失计算，采用端到端训练方式联合优化网络参数，生成所述已训练的剩余里程预估模型；

所述采集模块，具体用于：

从天气服务商获取天气数据，以及从地图服务商获取路网数据。

5.如权利要求4所述的装置，其特征在于，所述采集模块，具体用于：

按照预设时间间隔通过无线网络模块、5G网络模块或者卫星网络模块获取车辆数据和驾驶行为数据。

6.如权利要求4所述的装置，其特征在于，所述提取模块，具体用于：

对所述云端数据进行特征提取，获取全局特征、路网特征、驾驶特征、车辆状态和当前剩余电量。