CN113895307A - 一种剩余里程的确定方法、装置、电动汽车及介质 - Google Patents

Abstract

本发明实施例公开了一种剩余里程的确定方法、装置、电动汽车及介质。该方法可包括：在接收到剩余里程的确定指令时，获取与确定指令对应的目标信息；将目标信息输入到预先训练完成的剩余里程预测模型中，根据剩余里程预测模型的输出结果，得到电动汽车的剩余里程；其中目标信息包括电动汽车的剩余电量信息、正在驾驶电动汽车的驾驶用户的用户驾驶偏好信息、以及在接收到确定指令时的电动汽车的汽车状态信息和电动汽车所处环境的汽车环境信息，剩余电量信息包括在接收到确定指令时的开始电量信息、及预先设置的电动汽车在行驶待确定的剩余里程后的结束电量信息和行驶时长信息。本发明实施例的技术方案，可以准确确定与当前行程更加匹配的剩余里程。

Description

一种剩余里程的确定方法、装置、电动汽车及介质

技术领域

本发明实施例涉及电动汽车控制领域，尤其涉及一种剩余里程的确定方法、装置、电动汽车及介质。

背景技术

随着电动汽车价格的逐步降低，电动汽车开始走进大众家庭。但是，电动汽车的电池技术并没有过大突破，基本维持在续航里程几百公里，充电时间在几个小时的水平。因此，人们在驾驶电动汽车时存在里程焦虑。

然而，现有的剩余里程的确定方案存在确定精度不高的问题。

发明内容

本发明实施例提供了一种剩余里程的确定方法、装置、电动汽车及介质，以实现剩余里程的准确确定的效果。

第一方面，本发明实施例提供了一种剩余里程的确定方法，可以包括：

在接收到剩余里程的确定指令时，获取与确定指令对应的目标信息；

将目标信息输入到预先训练完成的剩余里程预测模型中，并根据剩余里程预测模型的输出结果，得到电动汽车的剩余里程；

其中，目标信息包括电动汽车的剩余电量信息、正在驾驶电动汽车的驾驶用户的用户驾驶偏好信息、及在接收到确定指令时的电动汽车的汽车状态信息和电动汽车所处环境的汽车环境信息，剩余电量信息包括在接收到确定指令时的开始电量信息、以及预先设置的电动汽车在行驶待确定的剩余里程后的结束电量信息和行驶时长信息。

第二方面，本发明实施例还提供了一种剩余里程的确定装置，可以包括：

目标信息获取模块，用于在接收到剩余里程的确定指令时，获取确定指令对应的目标信息；

剩余里程得到模块，用于将目标信息输入到预先训练完成的剩余里程预测模型中，并根据剩余里程预测模型的输出结果，得到电动汽车的剩余里程；

其中，目标信息包括电动汽车的剩余电量信息、正在驾驶电动汽车的驾驶用户的用户驾驶偏好信息、及在接收到确定指令时的电动汽车的汽车状态信息和电动汽车所处环境的汽车环境信息，剩余电量信息包括在接收到确定指令时的开始电量信息、以及预先设置的电动汽车在行驶待确定的剩余里程后的结束电量信息和行驶时长信息。

第三方面，本发明实施例还提供了一种电动汽车，可以包括：

一个或多个处理器；

存储器，用于存储一个或多个程序；

当一个或多个程序被一个或多个处理器执行，使得一个或多个处理器实现本发明任意实施例所提供的剩余里程的确定方法。

第四方面，本发明实施例还提供了一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现本发明任意实施例所提供的剩余里程的确定方法。

本发明实施例的技术方案，通过获取与接收到的剩余里程的确定指令对应的目标信息，其中目标信息可以包括正在驾驶电动汽车的驾驶用户的用户驾驶偏好信息、及在接收到确定指令时的电动汽车的汽车状态信息和电动汽车所处环境的汽车环境信息，由此充分考虑到了当前行程中的用户因素、环境因素和汽车因素，并且目标信息还可以包括该电动汽车的剩余电量信息，该剩余电量信息可以包括在接收到确定指令时的开始电量信息、及预先设置的电动汽车在行驶待确定的剩余里程后的结束电量信息和行驶时长信息，这是确定剩余里程时不可忽略的因素；进一步，将目标信息输入到预先训练完成的剩余里程预测模型中，并根据剩余里程预测模型的输出结果得到电动汽车的剩余里程。上述技术方案，通过考虑当前行程中的用户因素、环境因素和汽车因素，以及确定电动汽车的剩余里程时不可忽略的剩余电量信息，由此达到了准确确定与当前行程更加匹配的剩余里程的效果。

附图说明

图1是本发明实施例一中的一种剩余里程的确定方法的流程图；

图2是本发明实施例一中的一种剩余里程的确定方法中可选示例的流程图；

图3是本发明实施例二中的一种剩余里程的确定方法的流程图；

图4是本发明实施例二中的一种剩余里程的确定方法中可选示例的流程图；

图5是本发明实施例三中的一种剩余里程的确定装置的结构框图；

图6是本发明实施例四中的一种电动汽车的结构示意图。

具体实施方式

下面结合附图和实施例对本发明作进一步详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释本发明，而非对本发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本发明相关的部分而非全部结构。

实施例一

图1是本发明实施例一中提供的一种剩余里程的确定方法的流程图。本实施例可适用于确定电动汽车的剩余里程的情况。该方法可以由本发明实施例所提供的剩余里程的确定装置来执行，该装置可以由软件和/或硬件的方式实现，该装置可以集成在电动汽车上。

参见图1，本发明实施例的方法具体包括如下步骤：

S110、在接收到剩余里程的确定指令时，获取与确定指令对应的目标信息，其中，目标信息包括电动汽车的剩余电量信息、正在驾驶电动汽车的驾驶用户的用户驾驶偏好信息、以及在接收到确定指令时的电动汽车的汽车状态信息和电动汽车所处环境的汽车环境信息，剩余电量信息包括在接收到确定指令时的开始电量信息、及预先设置的电动汽车在行驶待确定的剩余里程后的结束电量信息和行驶时长信息。

其中，确定指令可以是某辆电动汽车接收到的用于确定自身的剩余里程的指令，该剩余里程可以理解为该电动汽车在未充电的情况下能够行驶的里程(即可行驶里程)。在实际应用中，可选的，上述确定指令可以是在用于显示剩余里程的设置在电动汽车内的仪表盘存在刷新需求时触发的指令。目标信息可以是与确定指令对应的用于确定该剩余里程的信息，其可以包括剩余电量信息、用户驾驶偏好信息、汽车状态信息和汽车环境信息。具体的，

剩余电量信息可以包括开始电量信息、结束电量信息以及行驶时长信息，其中，开始电量信息可以是电动汽车在接收到确定指令时剩余的电量信息，其是实时获取到的信息。结束电量信息可以是电动汽车在行驶剩余里程后剩余的电量信息，行驶时长信息可以是电动汽车在行驶剩余里程后还能够行驶的时长信息。由于剩余里程是待确定的里程，这意味着电动汽车在接收到确定指令时，其无法获知剩余里程是多少里程，更是无法获知电动汽车在行驶剩余里程后的结束电量信息和行驶时长信息，因此二者可以是预先设置的信息。示例性的，结束电量信息可以是可能对设置在电动汽车内的电瓶造成损坏的临界电量信息，即电动汽车在剩余的电量信息低于临界电量信息时继续行驶，这时有可能损坏电瓶，可选的，结束电量信息可以是10％。再示例性的，行驶时长信息可以为0，即在电动汽车行驶剩余里程后，不再允许电动汽车继续行驶，以避免对电动汽车的某些零件造成损坏；再即电动汽车在行驶剩余里程之后，行驶时长信息不再起到作用，因此设置为0。

用户驾驶偏好信息可以是用于表示驾驶电动汽车的驾驶用户的驾驶偏好的信息，在实际应用中，可选的，其可以根据驾驶用户的各次历史驾驶数据确定，该各次历史驾驶数据可以理解为驾驶用户在历史时间段内针对某辆或是某些辆电动汽车的驾驶数据，即用户驾驶偏好信息是以驾驶用户为维度进行计算的，并非是以电动汽车为维度或是以电动汽车和驾驶用户的组合为维度进行计算的。由于驾驶用户在驾驶前可以执行登录、验证等用于表示自我身份的操作，因此电动汽车和/或是与电动汽车关联的服务端可以获取到该驾驶用户的历史驾驶数据。需要说明的是，虽然用户驾驶偏好信息并非是实时获取到的信息，但是其仍可以表示该驾驶用户在当前行程中的驾驶偏好。示例性的，用户驾驶偏好信息可以包括年龄、性别、每公里能耗、偏好驾驶模式、偏好空调使能、偏好空调温度以及偏好音乐使能中的至少一个，其中，偏好空调使能可以表示驾驶用户在驾驶时是否倾向于开启空调，偏好音乐使能可以表示驾驶用户在驾驶时是否倾向于开启音乐。

汽车状态信息可以是电动汽车在接收到确定指令时该电动汽车的状态信息，汽车环境信息可以是电动汽车在接收到确定指令时该电动汽车所处环境的信息，因此二者是实时获取到的信息，即电动汽车在当前行程中的信息。实际应用中，可选的，汽车环境信息可包括电动汽车内的温度、电动汽车外的温度、湿度、风速、降雨、光照、当前驾驶模式、当前空调使能、当前空调温度和当前音乐使能中的至少一个；再可选的，汽车状态信息可包括车龄、行驶公里数、上次保养时间和电池循环充电次数中的至少一个。

S120、将目标信息输入到预先训练完成的剩余里程预测模型中，根据剩余里程预测模型的输出结果，得到电动汽车的剩余里程。

其中，剩余里程预测模型可以是预先训练完成的用于根据目标信息预测该电动汽车的剩余里程的模型，因此在将目标信息输入到该剩余里程预测模型后，可以根据该剩余里程预测模型的输出结果得到剩余里程。实际应用中，可选的，考虑到电动汽车的计算能力，剩余里程预测模型可以是回归模型，如根据基于极致梯度提升(eXtreme GradientBoosting,xgboost)算法构建的神经网络模型和线性回归(Linear Regression,lr)模型构建出的回归模型，其中，神经网络模型可以是基于xgboost算法构建得到的树形模型，换言之，剩余里程预测模型可以是基于树形模型和lr模型构建出的回归模型。再可选的，在得到剩余里程之后，还可以将该剩余里程显示于仪表盘上，以便驾驶用户可以随时从仪表盘上获知剩余里程，进而由此确定是否需要对正在驾驶的电动汽车进行充电。

需要说明的是，上述技术方案可以是基于电动汽车或是与电动汽车关联(即能获取到电动汽车上的目标信息)的服务端实时计算剩余里程的技术方案。

本发明实施例的技术方案，通过获取与接收到的剩余里程的确定指令对应的目标信息，其中目标信息可以包括正在驾驶电动汽车的驾驶用户的用户驾驶偏好信息、及在接收到确定指令时的电动汽车的汽车状态信息和电动汽车所处环境的汽车环境信息，由此充分考虑到了当前行程中的用户因素、环境因素和汽车因素，并且目标信息还可以包括该电动汽车的剩余电量信息，该剩余电量信息可以包括在接收到确定指令时的开始电量信息、及预先设置的电动汽车在行驶待确定的剩余里程后的结束电量信息和行驶时长信息，这是确定剩余里程时不可忽略的因素；进一步，将目标信息输入到预先训练完成的剩余里程预测模型中，并根据剩余里程预测模型的输出结果得到电动汽车的剩余里程。上述技术方案，通过考虑当前行程中的用户因素、环境因素和汽车因素，以及确定电动汽车的剩余里程时不可忽略的剩余电量信息，由此达到了准确确定与当前行程更加匹配的剩余里程的效果。

一种可选的技术方案，上述剩余里程的确定方法，还可以包括：在检测到电动汽车的上电事件时，获取存储在电动汽车内的已训练完成的剩余里程预测模型的已有版本号、及存储在与电动汽车关联的服务端内的剩余里程预测模型的当前版本号；如果已有版本号和当前版本号不一致，则请求存储在服务端中的剩余里程预测模型，基于请求结果对存储在电动汽车内的剩余里程预测模型进行更新；相应的，将目标信息输入到预先训练完成的剩余里程预测模型中，并根据剩余里程预测模型的输出结果，得到电动汽车的剩余里程，可以包括：将目标信息输入到存储在电动汽车内的剩余里程预测模型，并根据存储在电动汽车内的剩余里程预测模型的输出结果得到电动汽车的剩余里程。

其中，上电事件可以是在电动汽车通电后触发的事件，由于电动汽车内已存储有某剩余里程预测模型，因此可以获取存储在电动汽车内的剩余里程预测模型的已有版本号；由于该剩余里程预测模型可能存在迭代优化的情况，因此可以从与电动汽车关联(即通讯连接)的服务端内获取存储在服务端内的剩余里程预测模型的当前版本号，该具有当前版本号的剩余里程预测模型可以认为是当前最新的剩余里程预测模型。进而，对已有版本号和当前版本号进行对比，如果二者不一致，这说明电动汽车内存储的剩余里程预测模型并非是当前最新的剩余里程预测模型，那么可以从服务端中请求当前最新的剩余里程预测模型，然后基于请求结果进行剩余里程的预测；否者，这说明电动汽车中存储的已是当前最新的剩余里程预测模型，那么可以直接基于电动汽车内的存储结果进行剩余里程的预测，由此达到了在各种情况下均是通过当前最新的剩余里程预测模型进行剩余里程的精准预测的效果。

为了更好地理解上述剩余里程的预测过程，下面结合具体示例对本实施例的剩余里程的确定方法进行示例性的说明。示例性的，如图2所示，在检测到电动汽车的上电事件时，确定是否更新剩余里程预测模型，如果是则进行更新，否则继续执行。读取用户车辆画像，即读取用户驾驶偏好信息和汽车状态信息；采集汽车环境信息；从传感器中读取剩余电量信息，具体来说从传感器中读取开始电量信息，并且获取结束电量信息和行驶时长信息；根据上述信息，应用剩余里程预测模型预测剩余里程，并于仪表盘中展示剩余里程。于当前行程中，在存在剩余里程的更新需求时，由于先前获取的用户车辆画像并未发生变化，因此可以直接返回执行采集汽车环境信息的步骤来继续预测剩余里程。

实施例二

图3是本发明实施例二中提供的一种剩余里程的确定方法的流程图。本实施例以上述各技术方案为基础进行优化。本实施例中，可选的，上述剩余里程预测模型可通过如下步骤预先训练得到：将获取到的样本信息和样本里程作为一组训练样本；基于多组训练样本对待进行训练的剩余里程预测模型进行训练，得到剩余里程预测模型；其中，样本信息包括驾驶样本汽车的样本用户的样本驾驶偏好信息、已及样本汽车在样本行程内的样本电量信息、样本状态信息和样本汽车所处环境的样本环境信息，且样本电量信息包括行驶的样本时长信息、在样本行程开始时剩余的第一电量信息、及在样本行程结束时剩余的第二电量信息，样本里程包括样本汽车在样本行程内行驶的里程。其中，与上述各实施例相同或相应的术语的解释在此不再赘述。

参见图3，本实施例的方法具体可以包括如下步骤：

S210、将获取到的样本信息和样本里程作为一组训练样本，其中样本信息包括驾驶样本汽车的样本用户的样本驾驶偏好信息、及样本汽车在样本行程内的样本电量信息、样本状态信息和样本汽车所处环境的样本环境信息，且样本电量信息包括行驶的样本时长信息、在样本行程开始时剩余的第一电量信息、及在样本行程结束时剩余的第二电量信息，样本里程包括样本汽车在样本行程内行驶的里程。

其中，样本汽车和电动汽车的本质相同，这里只是为了区分模型训练阶段和模型应用阶段而进行的不同的命名，并非是对它们的实质内容的具体限定。与此同时，类似的情况还包括样本用户和驾驶用户、样本驾驶偏好信息和用户驾驶偏好信息、样本行程和当前行程、样本状态信息和汽车状态信息、样本环境信息和汽车环境信息、以及第一电量信息和开始电量信息等，在此不再赘述。需要说明的是，由于在样本行程结束时剩余的第二电量信息和电动汽车在样本行程内行驶的样本时长信息是可以直接获取得到的，因此它们不同于模型应用阶段中的需要预先设置的结束电量信息和行驶时长信息，而是可以直接获取到的信息。另外，样本汽车在样本行程内行驶的样本里程也是可以直接获取到的里程，其不同于在样本行程开始时对应的剩余里程，这是因为在样本行程结束时对应的剩余里程可能大于0。需要强调的是，本步骤是基于样本行程的开始和结束来构建样本信息，由此对应的样本里程是开始到结束这一个时间段内的平均里程，这可以避免出现仅是根据开始(即起步时)消耗的较大电量来确定行驶里程时带来的确定精度不高的问题。

S220、基于多组训练样本对待训练的剩余里程预测模型进行训练，得到已训练完成的剩余里程预测模型。

其中，基于多组训练样本对待训练的剩余里程预测模型进行训练，换言之，以每组训练样本中的样本信息作为实际输入并且以样本里程作为期望输出进行模型训练。在实际应用中，可选的，上述模型训练过程中可以表达为：S＝F(X,Eb,Eo,Ttrip)，其中，S表示样本里程，F表示拟合函数，X表示样本驾驶偏好信息、样本状态信息和样本环境信息，Eb表示第一电量信息，Eo表示第二电量信息，Ttrip表示样本时长信息。需要说明的是，以样本里程作为期望输出可以训练得到用于预测剩余里程的剩余里程预测模型的原因在于，Eb-Eo可以表示出样本汽车在样本行程内行驶样本里程后实际消耗的电量，这样一来，在模型应用阶段，当结束电量信息-开始电量信息表示出从接收到确定指令到电动汽车行驶剩余里程后实际消耗的电量时，由此自然可以预测出相应的剩余里程是多少。再可选的，由于结束电量信息和行驶时长信息在模型应用阶段是无法直接获取得到的，因此在模型训练阶段中相应的第二电量信息和样本时长信息可以设置在最外层应用。其中，最外层的含义是，以剩余里程预测模型是树形模型为例，无法直接获取得到的结束电量信息和行驶时长信息是无法作为分裂特征应用的，因此将与其对应的第二电量信息和样本时长信息在模型训练阶段设置在最外层作为线性权重，由此可以避免其对树的分裂产生影响。相应的，在模型训练和应用阶段均可以直接获取到的特征可以放在树内应用。

上述技术方案可以通过与样本汽车关联(即能够获取到样本汽车上的样本信息和样本里程)的服务端离线计算来实现。

S230、在接收到剩余里程的确定指令时，获取与确定指令对应的目标信息，其中，目标信息包括电动汽车的剩余电量信息、正在驾驶电动汽车的驾驶用户的用户驾驶偏好信息、以及在接收到确定指令时的电动汽车的汽车状态信息和电动汽车所处环境的汽车环境信息，剩余电量信息包括在接收到确定指令时的开始电量信息、及预先设置的电动汽车在行驶待确定的剩余里程后的结束电量信息和行驶时长信息。

S240、将目标信息输入到预先训练完成的剩余里程预测模型中，根据剩余里程预测模型的输出结果，得到电动汽车的剩余里程。

本发明实施例的技术方案，通过获取样本信息和样本里程，其中样本信息包括驾驶样本汽车的样本用户的样本驾驶偏好信息、及样本汽车在样本行程内的样本电量信息、样本状态信息和样本汽车所处环境的样本环境信息，且样本电量信息包括行驶的样本时长信息、在样本行程开始时剩余的第一电量信息、及在样本行程结束时剩余的第二电量信息，样本里程包括样本汽车在样本行程内行驶的里程，由此可以将样本信息作为实际输入且以样本里程作为期望输出进行模型训练，得到能够用于预测剩余里程的剩余里程预测模型。

在此基础上，一种可选的技术方案，基于多组训练样本对待进行训练的剩余里程预测模型进行训练，得到剩余里程预测模型，可包括：对训练样本进行特征挖掘，得到训练特征；基于多组训练特征对待进行训练的剩余里程预测模型进行训练，并基于预先构建得到的测试特征确定训练结果的误差数值；根据误差数值确定是否通过训练结果；若否，则返回执行对训练样本进行特征挖掘的步骤；否则将训练结果作为剩余里程预测模型。其中，对训练样本进行特征挖掘的过程可以理解为对训练样本进行特征化/向量化的过程，测试特征可以是对预先构建得到的测试样本进行特征挖掘后的特征。在基于多组训练特征进行模型训练后，可以基于测试特征进行模型评估，如基于平均绝对百分比误差(Mean AbsolutePercentage Error,MAPE)确定训练结果的误差数值，然后根据误差数值确定是继续或是重新训练模型，还是生成模型。

为了更好地理解上述剩余里程预测模型的训练过程，下面结合具体示例对本实施例的剩余里程的确定方法进行示例性的说明。示例性的，如图4所示，构建训练样本，对训练样本进行特征挖掘，得到训练特征；基于训练特征进行模型训练，并基于构建出的测试特征对训练结果进行MAPE评估；如果评估未通过则重新进行特征挖掘来训练模型，否则将训练结果作为剩余里程预测模型。

实施例三

图5为本发明实施例三提供的剩余里程的确定装置的结构框图，该装置用于执行上述任意实施例所提供的剩余里程的确定方法。该装置与上述各实施例的剩余里程的确定方法属于同一个发明构思，在剩余里程的确定装置的实施例中未详尽描述的细节内容，可以参考上述剩余里程的确定方法的实施例。参见图5，该装置具体可包括：目标信息获取模块310和剩余里程得到模块320。

其中，目标信息获取模块310，在接收到剩余里程的确定指令时，获取与确定指令对应的目标信息；

剩余里程得到模块320，用于将目标信息输入到预先训练完成的剩余里程预测模型中，并根据剩余里程预测模型的输出结果，得到电动汽车的剩余里程；

其中，目标信息包括电动汽车的剩余电量信息、正在驾驶电动汽车的驾驶用户的用户驾驶偏好信息、及在接收到确定指令时的电动汽车的汽车状态信息和电动汽车所处环境的汽车环境信息，剩余电量信息包括在接收到确定指令时的开始电量信息、以及预先设置的电动汽车在行驶待确定的剩余里程后的结束电量信息和行驶时长信息。

可选的，上述剩余里程的确定装置，还可以包括：

剩余里程展示模块，用于在得到电动汽车的剩余里程之后，在设置于电动汽车内的仪表盘上展示剩余里程。

可选的，上述剩余里程的确定装置，还可以包括：

版本号获取模块，用于在检测到电动汽车的上电事件时，获取存储在电动汽车内的预先训练完成的剩余里程预测模型的已有版本号、以及存储在与电动汽车关联的服务端内的剩余里程预测模型的当前版本号；

剩余里程预测模型更新模块，用于如果已有版本号和当前版本号不一致，则请求存储在服务端中的剩余里程预测模型，基于请求结果对存储在电动汽车内的剩余里程预测模型进行更新；

剩余里程得到模块320，具体可以用于：

将目标信息输入到存储在电动汽车内的剩余里程预测模型，并根据存储在电动汽车内的剩余里程预测模型的输出结果，得到电动汽车的剩余里程。

可选的，结束电量信息是对设置在电动汽车内的电瓶造成损坏的临界电量信息；和/或，

用户驾驶偏好信息包括根据驾驶用户的各次历史驾驶数据确定的用于表示驾驶用户的驾驶偏好的信息；和/或，

剩余里程预测模型包括根据基于极致梯度提升算法构建的神经网络模型和线性回归模型构建得到的回归模型。

可选的，用户驾驶偏好信息可包括年龄、性别、偏好驾驶模式、偏好空调使能、偏好空调温度、偏好音乐使能以及每公里能耗中的至少一个；和/或，

汽车环境信息包括电动汽车内的温度、电动汽车外的温度、湿度、风速、降雨、光照、当前驾驶模式、当前空调使能、当前空调温度以及当前音乐使能中的至少一个；和/或，

汽车状态信息包括车龄、行驶公里数、上次保养时间和电池循环充电次数中的至少一个。

可选的，剩余里程预测模型通过如下模块预先训练得到：

训练样本获取模块，用于将获取的样本信息和样本里程作为一组训练样本；

剩余里程预测模型训练模块，用于基于多组训练样本对待进行训练的剩余里程预测模型进行训练，得到剩余里程预测模型；

其中，样本信息包括驾驶样本汽车的样本用户的样本驾驶偏好信息、及样本汽车在样本行程内的样本电量信息、样本状态信息和样本汽车所处环境的样本环境信息，且样本电量信息包括行驶的样本时长信息、在样本行程开始时剩余的第一电量信息、及在样本行程结束时剩余的第二电量信息，样本里程包括样本汽车在样本行程内行驶的里程。

在此基础上，可选的，剩余里程预测模型训练模块，可以包括：

训练特征得到单元，用于对训练样本进行特征挖掘，得到训练特征；

误差数值得到单元，用于基于多组训练特征对待进行训练的剩余里程预测模型进行训练，并基于预先构建得到的测试特征确定训练结果的误差数值；

训练结果判断单元，用于根据误差数值确定是否通过训练结果；

特征挖掘单元，用于如果否，则返回执行对训练样本进行特征挖掘的步骤；

训练结束单元，用于否则，将训练结果作为剩余里程预测模型。

本发明实施例三提供的剩余里程的确定装置，通过目标信息获取模块获取与接收到的剩余里程的确定指令对应的目标信息，其中目标信息可以包括正在驾驶电动汽车的驾驶用户的用户驾驶偏好信息、及在接收到确定指令时的电动汽车的汽车状态信息和电动汽车所处环境的汽车环境信息，由此充分考虑到了当前行程中的用户因素、环境因素和汽车因素，并且目标信息还可以包括电动汽车的剩余电量信息，该剩余电量信息可以包括在接收到确定指令时的开始电量信息、及预先设置的电动汽车在行驶待确定的剩余里程后的结束电量信息和行驶时长信息，这是确定剩余里程时不可忽略的因素；进一步，通过剩余里程得到模块将目标信息输入到预先训练完成的剩余里程预测模型中，并根据剩余里程预测模型的输出结果得到电动汽车的剩余里程。上述装置，通过考虑当前行程中的用户因素、环境因素和汽车因素，及确定电动汽车的剩余里程时不可忽略的剩余电量信息，由此达到了准确确定与当前行程更加匹配的剩余里程的效果。

本发明实施例所提供的剩余里程的确定装置可执行本发明任意实施例所提供的剩余里程的确定方法，具备执行方法相应的功能模块和有益效果。

值得注意的是，上述剩余里程的确定装置的实施例中，所包括的各个单元和模块只是按照功能逻辑进行划分的，但并不局限于上述的划分，只要能够实现相应的功能即可；另外，各功能单元的具体名称也只是为了便于相互区分，并不用于限制本发明的保护范围。

实施例四

图6为本发明实施例四提供的一种电动汽车的结构示意图，如图6所示，该电动汽车包括存储器410、处理器420、输入装置430和输出装置440。电动汽车中的处理器420的数量可以是一个或多个，图6中以一个处理器420为例；电动汽车中的存储器410、处理器420、输入装置430和输出装置440可以通过总线或其它方式连接，图6中以通过总线450连接为例。

存储器410作为一种计算机可读存储介质，可用于存储软件程序、计算机可执行程序以及模块，如与本发明实施例中的剩余里程的确定方法对应的程序指令/模块(例如，剩余里程的确定装置中的目标信息获取模块310和剩余里程得到模块320)。处理器420通过运行存储在存储器410中的软件程序、指令以及模块，从而执行电动汽车的各种功能应用以及数据处理，即实现上述的剩余里程的确定方法。

存储器410可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序；存储数据区可存储根据电动汽车的使用所创建的数据等。此外，存储器410可以包括高速随机存取存储器，还可以包括非易失性存储器，例如至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。在一些实例中，存储器410可进一步包括相对于处理器420远程设置的存储器，这些远程存储器可以通过网络连接至设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。

输入装置430可用于接收输入的数字或字符信息，以及产生与装置的用户设置以及功能控制有关的键信号输入。输出装置440可包括显示屏等显示设备。

实施例五

本发明实施例五提供一种包含计算机可执行指令的存储介质，该计算机可执行指令在由计算机处理器执行时用于执行一种剩余里程的确定方法，该方法可以包括：

在接收到剩余里程的确定指令时，获取与确定指令对应的目标信息；

将目标信息输入到预先训练完成的剩余里程预测模型中，并根据剩余里程预测模型的输出结果，得到电动汽车的剩余里程；

其中，目标信息包括电动汽车的剩余电量信息、正在驾驶电动汽车的驾驶用户的用户驾驶偏好信息、及在接收到确定指令时的电动汽车的汽车状态信息和电动汽车所处环境的汽车环境信息，剩余电量信息包括在接收到确定指令时的开始电量信息、以及预先设置的电动汽车在行驶待确定的剩余里程后的结束电量信息和行驶时长信息。

当然，本发明实施例所提供的一种包含计算机可执行指令的存储介质，其计算机可执行指令不限于如上所述的方法操作，还可以执行本发明任意实施例所提供的剩余里程的确定方法中的相关操作。

通过以上关于实施方式的描述，所属领域的技术人员可以清楚地了解到，本发明可借助软件及必需的通用硬件来实现，当然也可以通过硬件实现，但很多情况下前者是更佳的实施方式。依据这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如计算机的软盘、只读存储器(Read-Only Memory,ROM)、随机存取存储器(RandomAccess Memory,RAM)、闪存(FLASH)、硬盘或光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述的方法。

注意，上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解，本发明不限于这里所述的特定实施例，对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此，虽然通过以上实施例对本发明进行了较为详细的说明，但是本发明不仅仅限于以上实施例，在不脱离本发明构思的情况下，还可以包括更多其他等效实施例，而本发明的范围由所附的权利要求范围决定。

Claims (10)

1.一种剩余里程的确定方法，其特征在于，包括：

在接收到剩余里程的确定指令时，获取与所述确定指令对应的目标信息；

将所述目标信息输入到预先训练完成的剩余里程预测模型中，并根据所述剩余里程预测模型的输出结果，得到电动汽车的剩余里程；

其中，所述目标信息包括所述电动汽车的剩余电量信息、正在驾驶所述电动汽车的驾驶用户的用户驾驶偏好信息、以及在接收到所述确定指令时的所述电动汽车的汽车状态信息和所述电动汽车所处环境的汽车环境信息，所述剩余电量信息包括所述在接收到所述确定指令时的开始电量信息、以及预先设置的所述电动汽车在行驶待确定的所述剩余里程后的结束电量信息和行驶时长信息。

2.根据权利要求1所述的方法，其特征在于，在所述得到电动汽车的剩余里程之后，还包括：

在设置于所述电动汽车内的仪表盘上展示所述剩余里程。

3.根据权利要求1所述的方法，其特征在于，还包括：

在检测到所述电动汽车的上电事件时，获取存储在所述电动汽车内的预先训练完成的剩余里程预测模型的已有版本号、以及存储在与所述电动汽车关联的服务端内的所述剩余里程预测模型的当前版本号；

如果所述已有版本号和所述当前版本号不一致，则请求存储在所述服务端中的所述剩余里程预测模型，并基于请求结果对存储在所述电动汽车内的所述剩余里程预测模型进行更新；

所述将所述目标信息输入到预先训练完成的剩余里程预测模型中，并根据所述剩余里程预测模型的输出结果，得到电动汽车的剩余里程，包括：

将所述目标信息输入到存储在所述电动汽车内的所述剩余里程预测模型，并根据所述存储在所述电动汽车内的所述剩余里程预测模型的输出结果，得到电动汽车的剩余里程。

4.根据权利要求1所述的方法，其特征在于，所述结束电量信息是对设置在所述电动汽车内的电瓶造成损坏的临界电量信息；和/或，

所述用户驾驶偏好信息包括根据所述驾驶用户的各次历史驾驶数据确定的用于表示所述驾驶用户的驾驶偏好的信息；和/或，

所述剩余里程预测模型是根据基于极致梯度提升算法构建的神经网络模型和线性回归模型构建得到的回归模型。

5.根据权利要求1所述的方法，其特征在于：

所述用户驾驶偏好信息包括年龄、性别、偏好驾驶模式、偏好空调使能、偏好空调温度、偏好音乐使能以及每公里能耗中的至少一个；和/或，

所述汽车环境信息包括所述电动汽车内的温度、所述电动汽车外的温度、湿度、风速、降雨、光照、当前驾驶模式、当前空调使能、当前空调温度以及当前音乐使能中的至少一个；和/或，

所述汽车状态信息包括车龄、行驶公里数、上次保养时间和电池循环充电次数中的至少一个。

6.根据权利要求1所述的方法，其特征在于，所述剩余里程预测模型通过如下步骤预先训练得到：

将获取到的样本信息和样本里程作为一组训练样本；

基于多组所述训练样本对待进行训练的所述剩余里程预测模型进行训练，得到所述剩余里程预测模型；

其中，所述样本信息包括驾驶样本汽车的样本用户的样本驾驶偏好信息、及所述样本汽车在样本行程内的样本电量信息、样本状态信息和所述样本汽车所处环境的样本环境信息，且所述样本电量信息包括行驶的样本时长信息、在所述样本行程开始时剩余的第一电量信息、以及在所述样本行程结束时剩余的第二电量信息，所述样本里程包括所述样本汽车在所述样本行程内行驶的里程。

7.根据权利要求6所述的方法，其特征在于，所述基于多组所述训练样本对待进行训练的所述剩余里程预测模型进行训练，得到所述剩余里程预测模型，包括：

对所述训练样本进行特征挖掘，得到训练特征；

基于多组所述训练特征对待进行训练的所述剩余里程预测模型进行训练，并基于预先构建得到的测试特征确定训练结果的误差数值；

根据所述误差数值确定是否通过所述训练结果；

如果否，则返回执行所述对所述训练样本进行特征挖掘的步骤；

否则，将所述训练结果作为所述剩余里程预测模型。

8.一种剩余里程的确定装置，其特征在于，包括：

目标信息获取模块，用于在接收到剩余里程的确定指令时，获取所述确定指令对应的目标信息；

剩余里程得到模块，用于将所述目标信息输入到预先训练完成的剩余里程预测模型中，并根据所述剩余里程预测模型的输出结果，得到电动汽车的剩余里程；

其中，所述目标信息包括所述电动汽车的剩余电量信息、正在驾驶所述电动汽车的驾驶用户的用户驾驶偏好信息、以及在接收到所述确定指令时的所述电动汽车的汽车状态信息和所述电动汽车所处环境的汽车环境信息，所述剩余电量信息包括所述在接收到所述确定指令时的开始电量信息、以及预先设置的所述电动汽车在行驶待确定的所述剩余里程后的结束电量信息和行驶时长信息。

9.一种电动汽车，其特征在于，包括：

一个或多个处理器；

存储器，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，使得所述一个或多个处理器实现如权利要求1-7中任一所述的剩余里程的确定方法。

10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1-7任一所述的剩余里程的确定方法。

Images