CN109720207A - 车辆能耗分析方法、装置及计算机可读介质 - Google Patents

Abstract

本发明提出一种车辆能耗分析方法、装置、设备和计算机可读介质，所述方法包括：采集车辆的运行数据和能耗数据；在所述的车辆运行数据和能耗数据中筛选评估样本；根据所述评估样本构建车辆的能耗分析模型；通过所述的能耗分析模型对车辆进行能耗分析。本发明实施例通过采集车辆的运行数据和能耗数据，比如加速踏板比、制动踏板比、电机转速、电机转矩等车辆能耗相关的参数，然后再对所采集到的数据进行筛选，获取评估样本。最后根据所述评估样本建立车辆能耗分析模型，从而可以精确计算车辆在运行过程中的不同参数对能耗的影响，有效的对车辆能耗影响因素进行深度分析，从而为产品研发和车主节能驾驶提供改进方法。

Description

车辆能耗分析方法、装置及计算机可读介质

技术领域

本发明涉及车辆技术领域，尤其涉及一种车辆能耗分析方法及装置、设备和计算机可读介质。

背景技术

车辆的能耗是车辆运行过程的重要参数，因此对车辆能耗影响因素进行分析在产品经济性分析方面非常重要。然而，目前缺乏精确、高效分析方案，现有的方法主要通过监测电池能耗输出、各零部件耗能情况与驾驶员操作，利用统计分析发现能耗分布，从而实现能耗影响因素分析。该方法数据统计精确，但试验成本高，分析时间长，且无法充分模拟用户真实驾驶环境，导致研究偏差。

发明内容

本发明实施例提供一种车辆能耗分析方法、装置、设备及计算机可读介质，以解决或缓解现有技术中的一个或多个技术问题。

第一方面，本发明实施例提供了一种车辆能耗分析方法，包括：

采集车辆的运行数据和能耗数据；

在所述的车辆运行数据和能耗数据中筛选评估样本；

根据所述评估样本构建车辆的能耗分析模型；

通过所述的能耗分析模型对车辆进行能耗分析。

在一种实施方式中，在所述的车辆运行数据和能耗数据中筛选评估样本，包括：

提取每一个车辆在运行过程中的数据；

根据对同一条线路中车辆能耗，将同一条线路中的车辆划分为第一类车辆和第二类车辆；所述第一类车辆的能耗低于所述第二类车辆；

抽取第一类车辆和第二类车辆的运行数据作为评估样本。

在一种实施方式中，根据所述评估样本构建车辆的能耗分析模型，包括：

构建响应变量Y_i∈{0，1}，其中1≤i≤n，如果Y_i＝1，表示第i个车辆为第一类车辆，如果Y_i＝0，表示第i个车辆为第二类车辆；

构建协变量向量：X_i＝(x_i1，…，x_ip)^T∈R^p；

将响应变量Y_i的二元概率表示为：Y_i～Bernoulli(p(t))，其中，β＝(β₁，…，β_p)^T∈R^p，β为p维回归系数，所述函数p(t)＝e^t/(1+e^t)为逻辑回归连接核函数。

在一种实施方式中，通过所述的能耗分析模型对车辆进行能耗分析，包括：

通过车辆的运行数据和能耗数据拟合出各个协变量X_i对应的参数β；

接收新的协变量X_i，再计算的值，表示当前车辆运行状态下的分类概率。

第二方面，本发明实施例提供了一种车辆能耗分析装置，包括：

采集模块，用于采集车辆的运行数据和能耗数据；

筛选模块，用于在所述的车辆运行数据和能耗数据中筛选评估样本；

构建模块，用于根据所述评估样本构建车辆的能耗分析模型；

分析模块，用于通过所述的能耗分析模型对车辆进行能耗分析。

在一种实施方式中，所述筛选模块包括：

提取子模块，用于提取每一个车辆在运行过程中的数据；

分类子模块，用于根据对同一条线路中车辆能耗，将同一条线路中的车辆划分为第一类车辆和第二类车辆；所述第一类车辆的能耗低于所述第二类车辆；

抽取子模块，用于抽取第一类车辆和第二类车辆的运行数据作为评估样本。

在一种实施方式中，所述构建模块包括：

第一构建子模块，用于构建响应变量Y_i∈{0，1}，其中1≤i≤n，如果Y_i＝1，表示第i个车辆为第一类车辆，如果Y_i＝0，表示第i个车辆为第二类车辆；

第二构建子模块，用于构建协变量向量：X_i＝(x_i1，…，x_ip)^T∈R^p；

模型获取模块，用于将响应变量Y_i的二元概率表示为：Y_i～Bernoulli(p(t))，其中，β＝(β₁，…，β_p)^T∈R^p，β为p维回归系数，所述函数p(t)＝e^t/(1+e^t)为逻辑回归连接核函数。

在一种实施方式中，所述分析模块包括：

拟合子模块，用于通过车辆的运行数据和能耗数据拟合出各个协变量X_i对应的参数β；

计算子模块，用于接收新的协变量X_i，再计算的值，表示当前车辆运行状态下的分类概率。

第三方面，本发明实施例提供一种车辆能耗分析设备，所述设备包括：

一个或多个处理器；

存储装置，用于存储一个或多个程序；

当所述一个或多个程序被所述一个或多个处理器执行时，使得所述一个或多个处理器实现上述第一方面所述的车辆能耗分析方法。

在一个可能的设计中，车辆能耗分析设备的结构中包括处理器和存储器，所述存储器用于存储支持车辆能耗分析设备执行上述第一方面中车辆能耗分析方法的程序，所述处理器被配置为用于执行所述存储器中存储的程序。所述车辆能耗分析设备还可以包括通信接口，用于车辆能耗分析设备与其他设备或通信网络通信。

第四方面，本发明实施例提供了一种计算机可读介质，用于存储车辆能耗分析装置所用的计算机软件指令，其包括用于执行上述第一方面的车辆能耗分析方法所涉及的程序。

在上述的一种方案中，本发明实施例通过采集车辆的运行数据和能耗数据，比如加速踏板比、制动踏板比、电机转速、电机转矩等车辆能耗相关的参数，然后再对所采集到的数据进行筛选，获取评估样本。最后根据所述评估样本建立车辆能耗分析模型，从而可以精确计算车辆在运行过程中的不同参数对能耗的影响，有效的对车辆能耗影响因素进行深度分析，从而为产品研发和车主节能驾驶提供改进方法。

上述概述仅仅是为了说明书的目的，并不意图以任何方式进行限制。除上述描述的示意性的方面、实施方式和特征之外，通过参考附图和以下的详细描述，本发明进一步的方面、实施方式和特征将会是容易明白的。

附图说明

在附图中，除非另外规定，否则贯穿多个附图相同的附图标记表示相同或相似的部件或元素。这些附图不一定是按照比例绘制的。应该理解，这些附图仅描绘了根据本发明公开的一些实施方式，而不应将其视为是对本发明范围的限制。

图1为本发明一实施例的车辆能耗分析方法的流程图；

图2为本发明一实施例的步骤S200的具体流程图；

图3为本发明一实施例的步骤S300的具体流程图；

图4为本发明一实施例的步骤S400的具体流程图；

图5(a)为本发明一实施例的车辆里程示意图；

图5(b)为本发明一实施例的车辆的行驶里程的时序图；

图5(c)为本发明一实施例的车辆的速度值的变化示意图；

图5(d)为本发明一实施例的车辆加速度的时序变化示意图；

图6为本发明一实施例的车辆能耗分析装置的连接框图；

图7为本发明一实施例的筛选模块的内部框图；

图8为本发明一实施例的构建模块的内部框图；

图9为本发明一实施例的分析模块的内部框图；

图10为本发明另一实施例的车辆能耗分析设备框图。

具体实施方式

在下文中，仅简单地描述了某些示例性实施例。正如本领域技术人员可认识到的那样，在不脱离本发明的精神或范围的情况下，可通过各种不同方式修改所描述的实施例。因此，附图和描述被认为本质上是示例性的而非限制性的。本发明实施例主要提供了一种通车辆能耗分析的方法及装置，下面分别通过以下实施例进行技术方案的展开描述。

本发明提供了一种车辆能耗分析方法和装置，以下详细介绍本发明实施例的车辆能耗分析方法和装置的具体处理流程和原理。

如图1所示，其为本发明实施例的车辆能耗分析方法的流程图。在一种实施例中，可以包括以下步骤：

S100：采集车辆的运行数据和能耗数据。

在一种实施方式中，可以通过车联网对车辆运行过程中的数据进行采集。如下表所示，其中采集的数据可以包括：

S200：在所述的车辆运行数据和能耗数据中筛选评估样本。

由于不同车型的动力总成和车身长度不同，导致在相同的驾驶行为下车辆的运行的参数和油耗不同。因此需要根据因此需要根据车辆的不同，分别有针对性地建立能耗指标的提取。另外，不同线路复杂度，影响能耗的大小。因此，可以抽取同一个线路中类型相同或相似的车辆的运行数据以进行评估。

如图2所示，在一种实施方式中，所述步骤S200中在筛选评估样本时，可以包括：

S210：提取每一个车辆在运行过程中的数据。

S220：根据对同一条线路中车辆能耗，将同一条线路中的车辆划分为第一类车辆和第二类车辆；所述第一类车辆的能耗低于所述第二类车辆；

S230：抽取第一类车辆和第二类车辆的运行数据作为评估样本。

在一种实施方式中，在判断车辆的能耗时，比如可以以新能源车百公里电池组电量消耗E_EV作为指标量，直接反应新能源车的单位评价区间内的实际能源耗费。在一种实施方式中，所述第一类车辆为在百公里的能耗较少，为经济性表现优异的代表，可以抽取每一个实际运行线路中能耗在前20％的车辆作为第一类车辆。将实际运行线路中后30％的车辆作为经济性表现差的代表，作为第二类车辆。其中，将第一类车辆标签设置为1，将第二类车辆的标签设置为0。

S300：根据所述评估样本构建车辆的能耗分析模型。

如图3所示，在一种实施方式中，所述步骤S300中在构建车辆的能耗分析模型可以包括：

S310：构建响应变量Y_i∈{0，1}，其中1≤i≤n，如果Y_i＝1，表示第i个车辆为第一类车辆，如果Y_i＝0，表示第i个车辆为第二类车辆。

S320：构建协变量向量：X_i＝(x_i1，…，x_ip)^T∈R^p。

S330：将响应变量Y_i的二元概率表示为：Y_i～Bernoulli(p(t))，其中，β＝(β₁，…，β_p)^T∈R^p，β为p维回归系数，所述函数p(t)＝e^t/(1+e^t)为逻辑回归连接核函数。

其中，所述p(t)＝e^t/(1+e^t)实际为logit函数，用于将任意变换到0-1之间。所述表示概率，如果该概率越接近1，则表明其对应的车辆能耗越低，如果该概率越接近0，则表明其对应的车辆能耗越高。所述表示离散型概率分布。

S400：通过所述的能耗分析模型对车辆进行能耗分析。

如图4所示，在一种实施方式中，所述步骤S400中在对车辆进行能耗分析时，可以包括：

S410：通过车辆的运行数据和能耗数据拟合出各个协变量X_i对应的参数β。

如果β_j＝0，则对应的X_j协变量对于解释概率调节没有任何作用，如果βj>0，则在其他解释变量不变的前提下，指标X_j的上升会带来的上升，因变量Y＝1的可能性就越大。

S420：接收新的协变量X_i，再计算的值，表示当前车辆运行状态下的分类概率。所述分类概率即表明当前车辆的能耗属于第一类车辆或第二类车辆。其中，如果所述分类概率值越大，则表明其越接近第一类车辆，如果获得的概率值越小，则表明其越接近第二类车辆。

其中，驶员在驾驶过程中通常包括起步、行驶过程中的加速、匀速行驶、行驶过程中的减速和停车等几个过程，在行驶过程中，不同的行驶控制方式对电动汽车能耗会产生不同影响。在本发明的一种实施方式中，还可以分别为起步至匀速行驶过程、匀速行驶至停车过程、行驶中匀速与加减速行驶过程和不同速度下的车辆匀速行驶过程，通过对4个场景中行驶参数的设置，利用所述能耗分析模型计算电动汽车不同行驶方式下的能耗，从而比较不同的行驶控制方式对能耗产生的影响，并分析其能耗特征。

如图5(a)-图5(d)所示，其为车辆在某一行程的统计信息，其中图5(a)表示车辆一共行驶11公里，耗时35分钟；图5(b)和图5(c)表示行驶里程的时序及速度值的变化；图5(d)表示车辆加速度的时序变化。

经过利用所述的能耗分析模型进行计算分析，可以发现起步阶段及能量回收阶段对于车辆实际能耗较大，其中，起步阶段的能耗超过了整个线路能耗的50％。

本发明实施例通过采集车辆的运行数据和能耗数据，比如加速踏板比、制动踏板比、电机转速、电机转矩等车辆能耗相关的参数，然后再对所采集到的数据进行筛选，获取评估样本。最后根据所述评估样本建立车辆能耗分析模型，从而可以精确计算车辆在运行过程中的不同参数对能耗的影响，有效的对车辆能耗影响因素进行深度分析，从而为产品研发和车主节能驾驶提供改进方法。

如图6所示，在另一种实施例中，本发明还提供了一种车辆能耗分析装置，包括：

采集模块100，用于采集车辆的运行数据和能耗数据；

筛选模块200，用于在所述的车辆运行数据和能耗数据中筛选评估样本；

构建模块300，用于根据所述评估样本构建车辆的能耗分析模型；

分析模块400，用于通过所述的能耗分析模型对车辆进行能耗分析。

如图7所示，所述筛选模块200包括：

提取子模块210，用于提取每一个车辆在运行过程中的数据；

分类子模块220，用于根据对同一条线路中车辆能耗，将同一条线路中的车辆划分为第一类车辆和第二类车辆；所述第一类车辆的能耗低于所述第二类车辆。

抽取子模块230，用于抽取第一类车辆和第二类车辆的运行数据作为评估样本。

如图8所示，所述构建模块300包括：

第一构建子模块310，用于构建响应变量Y_i∈{0，1}，其中1≤i≤n，如果Y_i＝1，表示第i个车辆为第一类车辆，如果Y_i＝0，表示第i个车辆为第二类车辆；

第二构建子模块320，用于构建协变量向量：X_i＝(x_i1，…，x_ip)^T∈R^p；

模型获取模块330，用于将响应变量Y_i的二元概率表示为：Y_i～Bernoulli(p(t))，其中，β＝(β₁，…，β_p)^T∈R^p，β为p维回归系数，所述函数p(t)＝e^t/(1+e^t)为逻辑回归连接核函数。

如图9所示，所述分析模块400包括：

拟合子模块410，用于通过车辆的运行数据和能耗数据拟合出各个协变量X_i对应的参数β；

计算子模块420，用于接收新的协变量X_i，再计算的值，表示当前车辆运行状态下的分类概率。

本实施例的车辆能耗分析装置与上述实施例的车辆能耗分析方法的原理类似，故不再赘述。

在另一个实施例中，本发明还提供一种车辆能耗分析设备，如图10所示，该设备包括：存储器510和处理器520，存储器510内存储有可在处理器520上运行的计算机程序。所述处理器520执行所述计算机程序时实现上述实施例中的车辆能耗分析方法。所述存储器510和处理器520的数量可以为一个或多个。

该设备还包括：

通信接口530，用于与外界设备进行通信，进行数据交互传输。

存储器510可能包含高速RAM存储器，也可能还包括非易失性存储器(non-volatile memory)，例如至少一个磁盘存储器。

如果存储器510、处理器520和通信接口530独立实现，则存储器510、处理器520和通信接口530可以通过总线相互连接并完成相互间的通信。所述总线可以是工业标准体系结构(ISA，Industry Standard Architecture)总线、外部设备互连(PCI，PeripheralComponent)总线或扩展工业标准体系结构(EISA，Extended Industry StandardComponent)总线等。所述总线可以分为地址总线、数据总线、控制总线等。为便于表示，图10中仅用一条粗线表示，但并不表示仅有一根总线或一种类型的总线。

可选的，在具体实现上，如果存储器510、处理器520及通信接口530集成在一块芯片上，则存储器510、处理器520及通信接口530可以通过内部接口完成相互间的通信。

在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。而且，描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。

此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或隐含地包括至少一个该特征。在本发明的描述中，“多个”的含义是两个或两个以上，除非另有明确具体的限定。

流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为，表示包括一个或更多个用于实现特定逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分，并且本发明的优选实施方式的范围包括另外的实现，其中可以不按所示出或讨论的顺序，包括根据所涉及的功能按基本同时的方式或按相反的顺序，来执行功能，这应被本发明的实施例所属技术领域的技术人员所理解。

在流程图中表示或在此以其他方式描述的逻辑和/或步骤，例如，可以被认为是用于实现逻辑功能的可执行指令的定序列表，可以具体实现在任何计算机可读介质中，以供指令执行系统、装置或设备(如基于计算机的系统、包括处理器的系统或其他可以从指令执行系统、装置或设备取指令并执行指令的系统)使用，或结合这些指令执行系统、装置或设备而使用。就本说明书而言，“计算机可读介质”可以是任何可以包含、存储、通信、传播或传输程序以供指令执行系统、装置或设备或结合这些指令执行系统、装置或设备而使用的装置。

本发明实施例所述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质的更具体的示例至少(非穷尽性列表)包括以下：具有一个或多个布线的电连接部(电子装置)，便携式计算机盘盒(磁装置)，随机存取存储器(RAM)，只读存储器(ROM)，可擦除可编辑只读存储器(EPROM或闪速存储器)，光纤装置，以及便携式只读存储器(CDROM)。另外，计算机可读存储介质甚至可以是可在其上打印所述程序的纸或其他合适的介质，因为可以例如通过对纸或其他介质进行光学扫描，接着进行编辑、解译或必要时以其他合适方式进行处理来以电子方式获得所述程序，然后将其存储在计算机存储器中。

在本发明实施例中，计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于指令执行系统、输入法或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：无线、电线、光缆、射频(Radio Frequency，RF)等等，或者上述的任意合适的组合。

应当理解，本发明的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中，多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。例如，如果用硬件来实现，和在另一实施方式中一样，可用本领域公知的下列技术中的任一项或他们的组合来实现：具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路，具有合适的组合逻辑门电路的专用集成电路，可编程门阵列(PGA)，现场可编程门阵列(FPGA)等。

本技术领域的普通技术人员可以理解实现上述实施例方法携带的全部或部分步骤是可以通过程序来指令相关的硬件完成，所述的程序可以存储于一种计算机可读存储介质中，该程序在执行时，包括方法实施例的步骤之一或其组合。

此外，在本发明各个实施例中的各功能单元可以集成在一个处理模块中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。所述集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也可以存储在一个计算机可读存储介质中。所述存储介质可以是只读存储器，磁盘或光盘等。

以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到其各种变化或替换，这些都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以所述权利要求的保护范围为准。

Claims (10)

1.一种车辆能耗分析方法，其特征在于，包括：

采集车辆的运行数据和能耗数据；

在所述的车辆运行数据和能耗数据中筛选评估样本；

根据所述评估样本构建车辆的能耗分析模型；

通过所述的能耗分析模型对车辆进行能耗分析。

2.根据权利要求1所述的方法，其特征在于，在所述的车辆运行数据和能耗数据中筛选评估样本，包括：

提取每一个车辆在运行过程中的数据；

根据对同一条线路中车辆能耗，将同一条线路中的车辆划分为第一类车辆和第二类车辆；所述第一类车辆的能耗低于所述第二类车辆；

抽取第一类车辆和第二类车辆的运行数据作为评估样本。

3.根据权利要求2所述的方法，其特征在于，根据所述评估样本构建车辆的能耗分析模型，包括：

构建响应变量Y_i∈{0，1}，其中1≤i≤n，如果Y_i＝1，表示第i个车辆为第一类车辆，如果Y_i＝0，表示第i个车辆为第二类车辆；

构建协变量向量：X_i＝(x_i1，…，x_ip)^T∈R^p；

将响应变量Y_i的二元概率表示为：Y_i～Bernoulli(p(t))，其中，β＝(β₁，…，β_p)^T∈R^p，β为p维回归系数，所述函数p(t)＝e^t/(1+e^t)为逻辑回归连接核函数。

4.根据权利要求3所述的方法，其特征在于，通过所述的能耗分析模型对车辆进行能耗分析，包括：

通过车辆的运行数据和能耗数据拟合出各个协变量X_i对应的参数β；

接收新的协变量X_i，再计算的值，表示当前车辆运行状态下的分类概率。

5.一种车辆能耗分析装置，其特征在于，包括：

采集模块，用于采集车辆的运行数据和能耗数据；

筛选模块，用于在所述的车辆运行数据和能耗数据中筛选评估样本；

构建模块，用于根据所述评估样本构建车辆的能耗分析模型；

分析模块，用于通过所述的能耗分析模型对车辆进行能耗分析。

6.根据权利要求5所述的装置，其特征在于，所述筛选模块包括：

提取子模块，用于提取每一个车辆在运行过程中的数据；

分类子模块，用于根据对同一条线路中车辆能耗，将同一条线路中的车辆划分为第一类车辆和第二类车辆；所述第一类车辆的能耗低于所述第二类车辆；

抽取子模块，用于抽取第一类车辆和第二类车辆的运行数据作为评估样本。

7.根据权利要求6所述的装置，其特征在于，所述构建模块包括：

第一构建子模块，用于构建响应变量Y_i∈{0，1}，其中1≤i≤n，如果Y_i＝1，表示第i个车辆为第一类车辆，如果Y_i＝0，表示第i个车辆为第二类车辆；

第二构建子模块，用于构建协变量向量：X_i＝(x_i1，…，x_ip)^T∈R^p；

模型获取模块，用于将响应变量Y_i的二元概率表示为：Y_i～Bernoulli(p(t))，其中，β＝(β₁，…，β_p)^T∈R^p，β为p维回归系数，所述函数p(t)＝e^t/(1+e^t)为逻辑回归连接核函数。

8.根据权利要求7所述的装置，其特征在于，所述分析模块包括：

拟合子模块，用于通过车辆的运行数据和能耗数据拟合出各个协变量X_i对应的参数β；

计算子模块，用于接收新的协变量X_i，再计算的值，表示当前车辆运行状态下的分类概率。

9.一种车辆能耗分析设备，其特征在于，所述设备包括：

一个或多个处理器；

存储装置，用于存储一个或多个程序；

当所述一个或多个程序被所述一个或多个处理器执行时，使得所述一个或多个处理器实现如权利要求1-4中任一所述的车辆能耗分析方法。

10.一种计算机可读介质，其存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1-4中任一所述的车辆能耗分析方法。