CN114954299B - 一种降低汽车油耗的油耗预警方法及系统 - Google Patents

Abstract

本发明提供了一种降低汽车油耗的油耗预警方法及系统，所述方法包括：获得第一车辆的标准油耗信息；获得第一油耗关联影响参数；获得第一实际油耗信息；根据遗传算法获得第一用户的控制习惯系数；根据所述控制习惯系数和所述标准油耗信息，获得第二实际油耗信息；将所述第一实际油耗信息和所述第二实际油耗信息输入油耗评估模型，获得第一油耗评估结果；根据所述第一油耗评估结果，获得第一提示信息，所述第一提示信息用于提示所述第一车辆油耗过高。解决了现有技术中存在无法使用车辆养护信息与汽车驾驶信息分别实时监控科学测算油耗并提示的技术问题，达到使用车辆养护信息与汽车驾驶信息分别实时监控科学测算油耗并提示的技术效果_。

Description

一种降低汽车油耗的油耗预警方法及系统

技术领域

本发明涉及人工智能技术领域，尤其涉及一种降低汽车油耗的油耗预警方法及系统。

背景技术

一般燃油汽车在市区内行驶，根据路况、天气状况、时间或其他影响因素，还有汽车本身的性能和是否有零件出现故障或其他相关因素，以及个人行车习惯，导致汽车油耗过高的问题，这时便需要进行油耗测算，一般燃油汽车油耗都会进行数显，显示于汽车的仪表盘上，也可以使用手动计算，汽车油耗即汽车每公里形式所消耗油量，但是一般进行数显均是使用行车电脑进行运算，计算所得油耗实际油耗低一些，因为汽车怠速时候，行车电脑默认零耗油，即仪表盘显示油耗只能做参考，而且手动计算不方便。

现有技术中存在无法使用车辆养护信息与汽车驾驶信息分别实时监控科学测算油耗并提示的技术问题。

发明内容

本申请实施例通过提供了一种降低汽车油耗的油耗预警方法及系统，解决了现有技术中存在无法使用车辆养护信息与汽车驾驶信息分别实时监控科学测算油耗并提示的技术问题，达到使用车辆养护信息与汽车驾驶信息分别实时监控科学测算油耗并提示，从而降低车辆油耗，进而达到低碳环保，降低平均有燃油消耗量的技术效果。

鉴于上述问题，本申请实施例提供了一种降低汽车油耗的油耗预警方法。

本申请实施例的第一个方面提供了一种降低汽车油耗的油耗预警方法，其中，所述方法包括：获得第一车辆的标准油耗信息；根据所述第一车辆日常养护信息，获得第一油耗关联影响参数；根据所述第一油耗关联影响参数和所述标准油耗信息，获得第一实际油耗信息；根据遗传算法获得第一用户的控制习惯系数；根据所述控制习惯系数和所述标准油耗信息，获得第二实际油耗信息；将所述第一实际油耗信息和所述第二实际油耗信息输入油耗评估模型，获得第一油耗评估结果；根据所述第一油耗评估结果，获得第一提示信息，所述第一提示信息用于提示所述第一车辆油耗过高。

本申请实施例的第二个方面提供了一种降低汽车油耗的油耗预警系统，其中，所述系统包括：标准油耗获得单元：所述标准油耗获得单元用于获得第一车辆的标准油耗信息；参数获得单元：所述参数获得单元用于根据所述第一车辆日常养护信息，获得第一油耗关联影响参数；实际油耗获得单元：所述实际油耗获得单元用于根据所述第一油耗关联影响参数和所述标准油耗信息，获得第一实际油耗信息；系数获得单元：所述系数获得单元用于根据遗传算法获得第一用户的控制习惯系数；第二实际油耗获得单元：所述第二实际油耗获得单元用于根据所述控制习惯系数和所述标准油耗信息，获得第二实际油耗信息；评估结果获得单元：所述评估结果获得单元用于将所述第一实际油耗信息和所述第二实际油耗信息输入油耗评估模型，获得第一油耗评估结果；第一执行单元：所述第一执行单元用于根据所述第一油耗评估结果，获得第一提示信息，所述第一提示信息用于提示所述第一车辆油耗过高。

本申请实施例中提供的一个或多个技术方案，至少具有如下技术效果或优点：

由于采用了获得第一车辆的标准油耗信息；根据所述第一车辆日常养护信息，获得第一油耗关联影响参数；根据所述第一油耗关联影响参数和所述标准油耗信息，获得第一实际油耗信息；根据遗传算法获得第一用户的控制习惯系数；根据所述控制习惯系数和所述标准油耗信息，获得第二实际油耗信息；将所述第一实际油耗信息和所述第二实际油耗信息输入油耗评估模型，获得第一油耗评估结果；根据所述第一油耗评估结果，获得第一提示信息，所述第一提示信息用于提示所述第一车辆油耗过高，解决了现有技术中存在无法使用车辆养护信息与汽车驾驶信息分别实时监控科学测算油耗并提示的技术问题，达到使用车辆养护信息与汽车驾驶信息分别实时监控科学测算油耗并提示，从而降低车辆油耗，进而达到低碳环保，降低平均有燃油消耗量的技术效果。

附图说明

本发明的实施例系以后简单说明结合流程图语予以描述：

图1为本申请实施例一种降低汽车油耗的油耗预警方法的流程示意图；

图2为本申请实施例一种降低汽车油耗的油耗预警方法获取第一油耗关联影响参数的流程图；

图3为本申请实施例一种降低汽车油耗的油耗预警方法获取第一用户的控制习惯系数流程图；

图4为本申请实施例一种降低汽车油耗的油耗预警方法获得第二油耗评估结果的流程图；

图5为本申请实施例一种降低汽车油耗的油耗预警方法获取获得第二油耗关联影响参数流程图；

图6为本申请实施例一种降低汽车油耗的油耗预警方法的获得第一油耗关联影响参数确定模型流程图；

图7为本申请实施例一种降低汽车油耗的油耗预警方法的获得第二油耗关联影响参数确定模型流程图；

图8为本申请实施例一种降低汽车油耗的油耗预警系统结构图。

附图标记说明：标准油耗获得单元11，参数获得单元12，实际油耗获得单元13，系数获得单元14，第二实际油耗获得单元15，评估结果获得单元16，第一执行单元17。

具体实施方式

本申请实施例通过提供了一种降低汽车油耗的油耗预警方法及系统，解决了现有技术中存在无法使用车辆养护信息与汽车驾驶信息分别实时监控科学测算油耗并提示的技术问题，达到使用车辆养护信息与汽车驾驶信息分别实时监控科学测算油耗并提示，从而降低车辆油耗，进而达到低碳环保，降低平均有燃油消耗量的技术效果。

针对上述技术问题，本申请提供的技术方案总体思路如下：

本申请实施例提供了一种降低汽车油耗的油耗预警方法，其中，所述方法包括：获得第一车辆的标准油耗信息；根据所述第一车辆日常养护信息，获得第一油耗关联影响参数；根据所述第一油耗关联影响参数和所述标准油耗信息，获得第一实际油耗信息；根据遗传算法获得第一用户的控制习惯系数；根据所述控制习惯系数和所述标准油耗信息，获得第二实际油耗信息；将所述第一实际油耗信息和所述第二实际油耗信息输入油耗评估模型，获得第一油耗评估结果；根据所述第一油耗评估结果，获得第一提示信息，所述第一提示信息用于提示所述第一车辆油耗过高。

为了更好理解上述技术方案，下面将结合说明书附图以及具体的实施方式对上述技术方案进行详细的说明。

实施例一

如图1所示，本申请实施例提供了一种降低汽车油耗的油耗预警方法，其中，所述方法包括：

S100：获得第一车辆的标准油耗信息；

S200：根据所述第一车辆日常养护信息，获得第一油耗关联影响参数；

具体而言，所述第一车辆为任意燃油车辆，可以是汽车、面包车、公交车或其他任意燃油车辆，标准油耗为衡量汽车燃料经济性的重要指标。燃料经济性通常用汽车在特定行驶情况下行驶一定里程的燃料消耗量或一定燃料量能使汽车行驶的里程来衡量。中国、欧洲采用汽车行驶100千米所消耗的燃料量即百公里的燃料消耗量(升/一百千米)来评价汽车的燃料经济性，数值越大，汽车的燃料经济越好，第一车辆的标准油耗信息一般在汽车说明书中有标注(标注为车况良好状态下等速油耗)。车辆日常养护信息包括清洁、润滑、紧固、检查有关制动、操纵或其他安全部件、检查、调整、拆检轮胎、进行轮胎换位的间隔时间包括次数或其他相关车辆日常养护信息。所述第一车辆的实际车况和是否有零件(比如发动机相关零件)出现故障，会对所述第一车辆的油耗影响，进而影响第一油耗关联影响参数，第一油耗关联影响参数即所述第一车辆实际车况中影响到油耗的参数，保证了第一实际油耗信息的可靠性与第一油耗评估结果的准确性。

S300：根据所述第一油耗关联影响参数和所述标准油耗信息，获得第一实际油耗信息；

具体而言，所述标准油耗信息即车况良好状态下等速油耗，第一油耗关联影响参数即所述第一车辆实际车况中影响到油耗的参数，第一实际油耗信息从车况良好状态与实际车况两状态下综合进行油耗评估，举例说明，有一油箱破损汽车标准油耗信息会比实际油耗信息低，第一油耗关联影响参数便是油箱破损程度与燃油泄露速度，该车车标准油耗信息与第一油耗关联影响参数两个角度综合获得第一实际油耗信息，保证了第一实际油耗信息更接近实际油耗信息，提高了第一实际油耗信息的精准度。

S400：根据遗传算法获得第一用户的控制习惯系数；

具体而言，遗传算法是是模拟生物进化论的自然选择和遗传学机理的生物进化过程的计算模型，是一种通过模拟自然进化过程搜索最优解的方法。举例说明，遗传算法对生物基因进行运算的结果会无限接近于人类的基因，相对一些常规的优化算法,通常能够较快地获得较好的优化结果。根据遗传算法获得第一用户的控制习惯系数，使得所述第一用户的控制习惯系数最接近第一用户的的控制习惯系数，可以保证第一用户的控制习惯系数的可靠性，进而保证第二实际油耗信息的可靠性与第一油耗评估结果的准确性。

S500：根据所述控制习惯系数和所述标准油耗信息，获得第二实际油耗信息；

具体而言，所述控制习惯系数第一用户的控制所述第一车辆的驾驶习惯所形成的习惯系数，第一用户的控制所述第一车辆的驾驶习惯会实际油耗信息，举例说明，频繁的急刹车、低档高速长距离驾驶、频繁的加速、频繁的换挡会造成所述第一车辆燃油燃烧不充分，会造成油耗较高，所述标准油耗信息为等速状态下油耗信息，所述控制习惯系数和所述标准油耗信息两个角度综合获得的第二实际油耗信息，保证了第二实际油耗信息更接近实际油耗信息，提高了第二实际油耗信息的精准度。

S600：将所述第一实际油耗信息和所述第二实际油耗信息输入油耗评估模型，获得第一油耗评估结果；

具体而言，所述油耗评估模型通过多组训练数据训练至收敛获得，其中，所述多组训练数据中的每组数据都包括所述第一实际油耗信息和所述第二实际油耗信息与用于获得油耗评估结果的信息；所述油耗评估模型为一神经网络模型即机器学习中的神经网络模型，神经网络(Neural Networks，NN)是由大量的、简单的处理单元(称为神经元)广泛地互相连接而形成的复杂神经网络系统，它反映了人脑功能的许多基本特征，是一个高度复杂的非线性动力学习系统。神经网络模型是以神经元的数学模型为基础来描述的。人工神经网络(Artificial Neural Networks，ANN)，是对人类大脑系统的一阶特性的一种描述。简单地讲，它是一个数学模型。通过大量训练数据的训练，其中每组训练数据包括所述多组训练数据中的每组数据都包括所述第一实际油耗信息和所述第二实际油耗信息与用于获得油耗评估结果的信息。将所述第一实际油耗信息和所述第二实际油耗信息输入神经网络模型，则输出所述第一油耗评估结果。通过神经网络模型的监督学习，进而使得所述神经网络模型处理所述输入信息更加准确，从而获得更加科学、准确的第一油耗评估结果。

S700：根据所述第一油耗评估结果，获得第一提示信息，所述第一提示信息用于提示所述第一车辆油耗过高。

具体而言，第一提示信息可以是发光二极管的亮与灭，也可以是蜂鸣器响与不响或其他用于提示作用的信息。所述第一油耗评估结果包括油耗过高状态和油耗正常状态，与其对应的第一提示信息包括提示状态和常规状态。具体来讲，第一提示信息是发光二极管的亮与灭，即油耗过高提示状态所述发光二极管亮和油耗正常常规状态所述发光二极管灭，使得第一油耗评估结果以简洁明了的方式表征出现，无需驾驶员驾驶途中时刻关注，只在所需状态进行特别关注，便于驾驶员实时了解第一油耗评估结果，进一步具体来说，第一提示信息提示油耗过高，驾驶员对该车辆及时保养并及时调整驾驶习惯，从而降低油耗，提高驾驶员的驾驶习惯，延长车辆发动机的使用寿命，方便驾驶员实时了解第一油耗评估结果，降低驾驶途中因分心而增加驾驶风险的概率。

进一步的，如图2所示，所述根据所述第一车辆日常养护信息，获得第一油耗关联影响参数，所述步骤S200包括：

S210：获得所述第一车辆的日常养护信息，所述日常养护信息包括胎压信息、发动机表洁信息、变速箱积碳信息；

S220：获得所述胎压信息、所述发动机表洁信息、所述变速箱积碳信息与油耗的关联度；

S230：根据所述关联度进行熵值法权重分配，获得所述日常养护信息相对于油耗的权重比；

S240：根据各所述关联度和与各所述关联度项对应的权重比，获得所述第一油耗关联影响参数。

具体而言，所述第一车辆的日常养护信息即胎压信息、发动机表洁信息、变速箱积碳信息对油耗影响程度不同，即所述不同角度信息产生的影响对于燃油汽车的燃油充分所造成的破坏大小不同，由此可知所述第一车辆的日常养护信息的不同指标与油耗的关联度不同，熵值法是指用来判断某个指标的离散程度的数学方法。根据熵的特性，可以通过熵值来判断某个指标的离散程度。因此，可根据各项指标的变异程度，利用信息熵这个工具，计算出各个指标的权重，为多指标综合评价提供依据，熵值法权重分配便是使用信息熵计算所述第一车辆的日常养护信息中的不同指标相对于油耗的权重分配。第一油耗关联影响参数的获取角度全面具体且有侧重，保证了第一实际油耗信息的客观与准确，为后续第一油耗评估结果的合理性提供基础。

进一步的，如图3所示，所述根据遗传算法获得第一用户的控制习惯系数，所述步骤S400包括：

S410：获得所述第一用户的控制习惯系数的取值阈值；

S420：从所述第一用户的控制习惯系数的取值阈值中随机获得M个控制习惯系数；

S430：根据遗传算法对所述M个控制习惯系数进行计算，获得M个预测控制状态曲线，其中，所述M个预测控制状态曲线与所述M个控制习惯系数一一对应；

S440：获得所述第一用户的实际控制状态曲线；

S450：比较所述M个预测控制状态曲线与所述实际控制状态曲线，获得所述第一用户的控制习惯系数，其中，所述第一用户的控制习惯系数相对应的预测控制状态曲线与所述实际控制状态曲线的相似度最大。

具体而言，遗传算法在使用时直接对结构对象进行操作，不存在求导和函数连续性的限定，并且具有内在的隐并行性和更好的全局寻优能力，采用概率化的寻优方法，自适应地调整搜索方向。具体说明，根据遗传算法对所述M个控制习惯系数进行计算，获得M个预测控制状态曲线，所述M个控制习惯系数由所述第一用户的控制习惯系数的取值阈值中随机获得，且所述M个预测控制状态曲线与所述M个控制习惯系数一一对应。所述第一用户的实际控制习惯状态曲线为所述第一用户长期驾驶所述第一车辆在不同状况下的实际驾驶习惯，所述实际控制习惯状态曲线为所述第一用户在所述第一车辆车况良好状态的控制车辆习惯，通过比较所述M个预测控制状态曲线与所述实际控制习惯状态，获得相似度最接近的预测值，与之对应的控制习惯系数即为所述第一用户的控制习惯系数，即通过根据遗传算法获得第一用户的控制习惯系数相对应的预测状态曲线与所述实第一用户的实际控制状态曲线的相似度最大，保证了第一用户的控制习惯系数的可靠性，大大减小了第一用户的控制习惯系数相对应的预测状态曲线与所述实第一用户的实际控制状态曲线的差别。

进一步的，如图4所示，本申请实施例包括：

S710：获得第二油耗关联影响参数；

S720：根据所述第二油耗关联影响参数对所述第一实际油耗信息进行调整，获得第三实际油耗信息；

S730：将所述第三实际油耗信息和所述第二实际油耗信息输入所述油耗评估模型，获得第二油耗评估结果。

具体而言，第二油耗关联影响参数是对实际驾驶过程对油耗影响的状况根据其状况特征确定于不同集合中，所述集合通过模型训练后综合所得。第二油耗评估结果区别于第一油耗评估结果在于区分油耗较高异常的原因，第一油耗评估结果只用于提示所述油耗较高，但不具体分析是所述第一车辆日常养护不及时不到位或是所述第一用户的控制习惯存在需要改进的情况。简单来说就是有一感冒患者第一诊断结果判定为感冒，第二诊断结果风热感冒，第二诊断结果更有利于对症下药。即第二油耗评估结果有利于在降低所述第一车辆油耗时更有的放矢。

进一步的，如图5所示，所述获得第二油耗关联影响参数，所述步骤S710包括：

S711：获得第一油耗关联影响参数确定模型；

S712：根据所述第一油耗关联影响参数确定模型，获得第一模型参数；

S713：获得第二油耗关联影响参数确定模型；

S714：根据所述第二油耗关联影响参数确定模型，获得第二模型参数；

S715：通过所述第一模型参数和所述第二模型参数，对初始油耗关联影响参数确定模型进行更新，获得优化油耗关联影响参数确定模型；

S716：获得所述第一车辆的第一行驶路况信息、第一时间信息、第一负重信息和第一环境温度信息；

S717：将所述第一车辆的所述第一行驶路况信息、所述第一时间信息、所述第一负重信息和所述第一环境温度信息输入所述优化油耗关联影响参数确定模型，获得所述第二油耗关联影响参数。

具体而言，第一油耗关联影响参数确定模型和第二油耗关联影响参数确定模型是对初始油耗关联影响参数确定模型在不同的方向的进行更新，所述第一模型参数对应第一油耗关联影响参数确定模型；所述第二模型参数对应第二油耗关联影响参数确定模型。举例说明，两家分公司为总公司所设立，总公司为一品牌手机公司，一家分公司研发专用于便于老年人使用机型，另一家研发用于年轻人使用机型，例如小米与红米，定位不同，需要攻克的技术问题不同，问题分析角度不同，进一步更新后两者对应的参数也不同。通过所述第一模型参数和所述第二模型参数，获得优化油耗关联影响参数确定模型，进一步完善了油耗关联影响参数确定模型，保证了所述第二油耗关联影响参数的全面性与合理性，进而为第二油耗评估结果的准确度提供保障。

进一步的，如图6所述，所述获得第一油耗关联影响参数确定模型，步骤S711包括：

S7111：获得所述第一车辆行驶路况信息集合；

S7112：获得与所述第一车辆行驶路况信息相匹配的时间信息集合；

S7113：将所述行驶路况信息集合和所述时间信息集合作为第一训练数据方，对所述初始神经网络模型进行训练，获得第一油耗关联影响参数确定模型。

具体而言，所述第一车辆行驶路况信息为任意常规路段路况信息，如国道或高速中某段路段路况信息。所述第一车辆行驶路况信息相匹配的时间信息，最简单来讲休假期间路况与工作日在不同的路段不同时间路况信息差异较大，学校附近在上学和放学时间段路况便更拥堵。所述行驶路况信息集合和所述时间信息集合两集合一一对应可以反映出某一时间某一位置的第一车辆行驶路况，保证了第一油耗关联影响参数确定模型的准确性，进而保障优化油耗关联影响参数确定模型的全面性与可靠性。

进一步的，如图7所示，所述获得第二油耗关联影响参数确定模型，步骤S713包括：

S7131：获得所述第一车辆行驶的环境温度集合；

S7132：获得所述第一车辆行驶的负重信息集合；

S7133：将所述环境温度集合和所述负重信息集合作为第二训练数据方，对所述初始神经网络模型进行训练，获得第二油耗关联影响参数确定模型。

具体而言，所述第一车辆行驶的环境温度集合可以通过网络中实时更新的天气情况包括风向、风力大小、温度或其他相关环境信息组成，获得所述第一车辆行驶的负重信息集合可以使用车载称重系统或其他相关设备，车载称重系统是一套旨在称重车辆装载量的全自动称重仪器，直接安装在汽车上，用于实时测量汽车重量的由传感器和称重仪表组成的称重系统。保证了第二油耗关联影响参数确定模型的准确性，进而保障优化油耗关联影响参数确定模型的全面性与可靠性。

具体而言，所述油耗评估模型为一神经网络模型，输入训练数据包括所述第一实际油耗信息、所述第二实际油耗信息以及用于标识油耗评估结果的标识信息，使得所述神经网络模型中的所述输入信息更加准确，从而保证第一油耗评估结果更加科学准确。

综上所述，本申请实施例所提供的一种降低汽车油耗的油耗预警方法与系统具有如下技术效果：

1、由于采用了获得第一车辆的标准油耗信息；根据所述第一车辆日常养护信息，获得第一油耗关联影响参数；根据所述第一油耗关联影响参数和所述标准油耗信息，获得第一实际油耗信息；根据遗传算法获得第一用户的控制习惯系数；根据所述控制习惯系数和所述标准油耗信息，获得第二实际油耗信息；将所述第一实际油耗信息和所述第二实际油耗信息输入油耗评估模型，获得第一油耗评估结果；根据所述第一油耗评估结果，获得第一提示信息，所述第一提示信息用于提示所述第一车辆油耗过高。解决了现有技术中存在无法使用车辆养护信息与汽车驾驶信息分别实时监控科学测算油耗并提示的技术问题，达到使用车辆养护信息与汽车驾驶信息分别实时监控科学测算油耗并提示，从而降低车辆油耗，进而达到低碳环保，降低平均有燃油消耗量的技术效果。

2、由于采用了获得第二油耗关联影响参数；根据所述第二油耗关联影响参数对所述第一实际油耗信息进行调整，获得第三实际油耗信息；将所述第三实际油耗信息和所述第二实际油耗信息输入所述油耗评估模型，获得第二油耗评估结果。解决了油耗提示信息不具体技术问题，达到使用车辆养护信息与汽车驾驶信息分别实时监控科学测算油耗并提示，从而使得油耗评估结果更加具体有指向性技术效果。

实施例二

本申请实施例提供了一种降低汽车油耗的油耗预警系统，基于实施例一中的一种降低汽车油耗的油耗预警方法，如图8所示，所述系统应包括：

标准油耗获得单元11：所述标准油耗获得单元11用于获得第一车辆的标准油耗信息；

参数获得单元12：所述参数获得单元12用于根据所述第一车辆日常养护信息，获得第一油耗关联影响参数；

实际油耗获得单元13：所述实际油耗获得单元13用于根据所述第一油耗关联影响参数和所述标准油耗信息，获得第一实际油耗信息；

系数获得单元14：所述系数获得单元14用于根据遗传算法获得第一用户的控制习惯系数；

第二实际油耗获得单元15：所述第二实际油耗获得单元15用于根据所述控制习惯系数和所述标准油耗信息，获得第二实际油耗信息；

评估结果获得单元16：所述评估结果获得单元16用于将所述第一实际油耗信息和所述第二实际油耗信息输入油耗评估模型，获得第一油耗评估结果；

第一执行单元17：所述第一执行单元17用于根据所述第一油耗评估结果，获得第一提示信息，所述第一提示信息用于提示所述第一车辆油耗过高。

进一步的，所述参数获得单元还用于：

获得所述第一车辆的日常养护信息，所述日常养护信息包括胎压信息、发动机表洁信息、变速箱积碳信息；

获得所述胎压信息、所述发动机表洁信息、所述变速箱积碳信息与油耗的关联度；

根据所述关联度进行熵值法权重分配，获得所述日常养护信息相对于油耗的权重比；

根据各所述关联度和与各所述关联度项对应的权重比，获得所述第一油耗关联影响参数。

进一步的，所述系数获得单元还用于：

获得所述第一用户的控制习惯系数的取值阈值；

从所述第一用户的控制习惯系数的取值阈值中随机获得M个控制习惯系数；

根据遗传算法对所述M个控制习惯系数进行计算，获得M个预测控制状态曲线，其中，所述M个预测控制状态曲线与所述M个控制习惯系数一一对应；

获得所述第一用户的实际控制状态曲线；

比较所述M个预测控制状态曲线与所述实际控制状态曲线，获得所述第一用户的控制习惯系数，其中，所述第一用户的控制习惯系数相对应的预测控制状态曲线与所述实际控制状态曲线的相似度最大。

进一步的，所述系统还包括第二油耗评估结果获取单元，所述第二油耗评估结果获取单元用于：

获得第二油耗关联影响参数；

根据所述第二油耗关联影响参数对所述第一实际油耗信息进行调整，获得第三实际油耗信息；

将所述第三实际油耗信息和所述第二实际油耗信息输入所述油耗评估模型，获得第二油耗评估结果。

进一步的，所述第二油耗评估结果获取单元还用于：

获得第一油耗关联影响参数确定模型；

根据所述第一油耗关联影响参数确定模型，获得第一模型参数；

获得第二油耗关联影响参数确定模型；

根据所述第二油耗关联影响参数确定模型，获得第二模型参数；

通过所述第一模型参数和所述第二模型参数，对初始油耗关联影响参数确定模型进行更新，获得优化油耗关联影响参数确定模型；

获得所述第一车辆的第一行驶路况信息、第一时间信息、第一负重信息和第一环境温度信息；

将所述第一车辆的所述第一行驶路况信息、所述第一时间信息、所述第一负重信息和所述第一环境温度信息输入所述优化油耗关联影响参数确定模型，获得所述第二油耗关联影响参数。

进一步的，所述第二油耗评估结果获取单元还用于：

获得所述第一车辆行驶路况信息集合；

获得与所述第一车辆行驶路况信息相匹配的时间信息集合；

将所述行驶路况信息集合和所述时间信息集合作为第一训练数据方，对所述初始油耗关联影响参数确定模型进行训练，获得第一油耗关联影响参数确定模型。

进一步的，所述第二油耗评估结果获取单元还用于：

获得所述第一车辆行驶的环境温度集合；

获得所述第一车辆行驶的负重信息集合；

将所述环境温度集合和所述负重信息集合作为第二训练数据方，初始油耗关联影响参数确定模型进行训练，获得第二油耗关联影响参数确定模型。

尽管结合具体特征及其实施例对本申请进行了描述，显而易见的，在不脱离本申请的精神和范围的情况下，可对其进行各种修改和组合。相应地，本说明书和附图仅仅是所附权利要求所界定的本申请的示例性说明，且视为已覆盖本申请范围内的任意和所有修改、变化、组合或等同物。显然，本领域的技术人员可以对本申请进行各种改动和变型而不脱离本申请的范围。这样，倘若本申请的这些修改和变型属于本申请权利要求及其等同技术的范围之内，则本申请意图包括这些改动和变型在内。

Claims (7)

1.一种降低汽车油耗的油耗预警方法，其中，所述方法包括：

获得第一车辆的标准油耗信息；

根据所述第一车辆日常养护信息，获得第一油耗关联影响参数；

根据所述第一油耗关联影响参数和所述标准油耗信息，获得第一实际油耗信息；

根据遗传算法获得第一用户的控制习惯系数；

根据所述控制习惯系数和所述标准油耗信息，获得第二实际油耗信息；

将所述第一实际油耗信息和所述第二实际油耗信息输入油耗评估模型，获得第一油耗评估结果；

根据所述第一油耗评估结果，获得第一提示信息，所述第一提示信息用于提示所述第一车辆油耗过高；

其中，所述方法还包括：

获得第二油耗关联影响参数；

根据所述第二油耗关联影响参数对所述第一实际油耗信息进行调整，获得第三实际油耗信息；

将所述第三实际油耗信息和所述第二实际油耗信息输入所述油耗评估模型，获得第二油耗评估结果。

2.如权利要求1所述的方法，其中，所述根据所述第一车辆日常养护信息，获得第一油耗关联影响参数，包括：

获得所述第一车辆的日常养护信息，所述日常养护信息包括胎压信息、发动机表洁信息、变速箱积碳信息；

获得所述胎压信息、所述发动机表洁信息、所述变速箱积碳信息与油耗的关联度；

根据所述关联度进行熵值法权重分配，获得所述日常养护信息相对于油耗的权重比；

根据各所述关联度和与各所述关联度项对应的权重比，获得所述第一油耗关联影响参数。

3.如权利要求1所述的方法，其中，所述根据遗传算法获得第一用户的控制习惯系数，包括：

获得所述第一用户的控制习惯系数的取值阈值；

从所述第一用户的控制习惯系数的取值阈值中随机获得M个控制习惯系数；

根据遗传算法对所述M个控制习惯系数进行计算，获得M个预测控制状态曲线，其中，所述M个预测控制状态曲线与所述M个控制习惯系数一一对应；

获得所述第一用户的实际控制状态曲线；

比较所述M个预测控制状态曲线与所述实际控制状态曲线，获得所述第一用户的控制习惯系数，其中，所述第一用户的控制习惯系数相对应的预测控制状态曲线与所述实际控制状态曲线的相似度最大。

4.如权利要求1所述的方法，其中，所述获得第二油耗关联影响参数，包括：

获得第一油耗关联影响参数确定模型；

根据所述第一油耗关联影响参数确定模型，获得第一模型参数；

获得第二油耗关联影响参数确定模型；

根据所述第二油耗关联影响参数确定模型，获得第二模型参数；

通过所述第一模型参数和所述第二模型参数，对初始油耗关联影响参数确定模型进行更新，获得优化油耗关联影响参数确定模型；

获得所述第一车辆的第一行驶路况信息、第一时间信息、第一负重信息和第一环境温度信息；

将所述第一车辆的所述第一行驶路况信息、所述第一时间信息、所述第一负重信息和所述第一环境温度信息输入所述优化油耗关联影响参数确定模型，获得所述第二油耗关联影响参数。

5.如权利要求4所述的方法，其中，所述获得第一油耗关联影响参数确定模型，包括：

获得所述第一车辆行驶路况信息集合；

获得与所述第一车辆行驶路况信息相匹配的时间信息集合；

将所述行驶路况信息集合和所述时间信息集合作为第一训练数据方，对所述初始油耗关联影响参数确定模型进行训练，获得第一油耗关联影响参数确定模型。

6.如权利要求4所述的方法，其中，所述获得第二油耗关联影响参数确定模型，包括：

获得所述第一车辆行驶的环境温度集合；

获得所述第一车辆行驶的负重信息集合；

将所述环境温度集合和所述负重信息集合作为第二训练数据方，初始油耗关联影响参数确定模型进行训练，获得第二油耗关联影响参数确定模型。

7.一种降低汽车油耗的油耗预警系统，其中，所述系统包括：

标准油耗获得单元：所述标准油耗获得单元用于获得第一车辆的标准油耗信息；

参数获得单元：所述参数获得单元用于根据所述第一车辆日常养护信息，获得第一油耗关联影响参数；

实际油耗获得单元：所述实际油耗得单元用于根据所述第一油耗关联影响参数和所述标准油耗信息，获得第一实际油耗信息；

系数获得单元：所述系数获得单元用于根据遗传算法获得第一用户的控制习惯系数；

第二实际油耗获得单元：所述第二实际油耗获得单元用于根据所述控制习惯系数和所述标准油耗信息，获得第二实际油耗信息；

评估结果获得单元：所述评估结果获得单元用于将所述第一实际油耗信息和所述第二实际油耗信息输入油耗评估模型，获得第一油耗评估结果；

第一执行单元：所述第一执行单元用于根据所述第一油耗评估结果，获得第一提示信息，所述第一提示信息用于提示所述第一车辆油耗过高；

所述系统还包括第二油耗评估结果获取单元，所述第二油耗评估结果获取单元用于：

获得第二油耗关联影响参数；

根据所述第二油耗关联影响参数对所述第一实际油耗信息进行调整，获得第三实际油耗信息；

将所述第三实际油耗信息和所述第二实际油耗信息输入所述油耗评估模型，获得第二油耗评估结果。

Images