CN115871450A - 一种基于物联网的新能源汽车智能控制方法及系统 - Google Patents
一种基于物联网的新能源汽车智能控制方法及系统 Download PDFInfo
- Publication number
- CN115871450A CN115871450A CN202310119791.9A CN202310119791A CN115871450A CN 115871450 A CN115871450 A CN 115871450A CN 202310119791 A CN202310119791 A CN 202310119791A CN 115871450 A CN115871450 A CN 115871450A
- Authority
- CN
- China
- Prior art keywords
- driving
- road section
- speed
- information
- sequence
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Withdrawn
Links
Images
Abstract
本申请涉及数据处理技术领域,提供一种基于物联网的新能源汽车智能控制方法及系统。通过基于驾驶路线聚类拆解获得多个驾驶路段状态和驾驶路段距离,根据驾驶路段状态信息生成驾驶速度阈值,结合期望驾驶时长进行驾驶速度优化生成速度时区序列,根据速度时区序列分析生成电量损耗预测值并分析是否满足电量偏差,若满足则根据驾驶许可信息启动新能源汽车开始行驶。解决了现有技术中存在新能源汽车驾驶安全稳定性和智能性不足,且容易发生驾驶过程电量不足导致用户驾车体验较差的技术问题,实现了提高新能源汽车智能性,满足用户新能源汽车驾驶体验的同时,保障用户驾驶新能源汽车行驶的安全性和稳定性的技术效果。
Description
技术领域
本申请涉及数据处理技术领域,特别是涉及一种基于物联网的新能源汽车智能控制方法及系统。
背景技术
随着科技发展以及人们环保意识的提高,搭载自动化技术、物联网科技且无有害废气排放的新能源汽车,由于其相较于燃油汽车具有节能减排以及能源价格优势,而逐渐在汽车市场中占领一席之地。
新能源汽车的驾驶方案脱胎于燃油汽车的传统驾驶方法,新能源汽车的速度以及行驶安全控制方面仍处于较为空白状态,且相较于燃油车辆行驶公里数与耗油量判断关系的简单性,判断新能源汽车剩余电量的可行驶距离较为困难,用户为确保新能源汽车驾驶过程中不发生电量不足现象,往往需要机械进行电池充电。
综上所述,现有技术中存在新能源汽车驾驶安全稳定性和智能性不足,且容易发生驾驶过程电量不足导致用户驾车体验较差的技术问题。
发明内容
基于此,有必要针对上述技术问题,提供一种能够实现提高新能源汽车智能性,满足用户新能源汽车驾驶体验的同时,保障用户驾驶新能源汽车行驶的安全性和稳定性的一种基于物联网的新能源汽车智能控制方法及系统。
一种基于物联网的新能源汽车智能控制方法,方法包括:对驾驶路线信息进行聚类拆解,生成驾驶路段序列,其中,所述驾驶路段序列包括多个驾驶路段状态信息和多个驾驶路段距离信息;基于物联网,遍历所述多个驾驶路段状态信息进行稳定性分析,生成多个驾驶速度阈值;获取期望驾驶时长,基于所述多个驾驶速度阈值和所述多个驾驶路段距离信息进行驾驶速度优化,生成速度时区序列;根据所述速度时区序列进行电量损耗分析,生成电量损耗预测值;计算所述电量损耗预测值和剩余电池电量偏差,分析是否满足预设电量偏差;若满足,生成第一驾驶请求指令发送至驾驶终端显示设备,获得驾驶许可信息;根据所述驾驶许可信息启动新能源汽车开始行驶。
一种基于物联网的新能源汽车智能控制系统,所述系统包括:驾驶路线拆解模块,用于对驾驶路线信息进行聚类拆解,生成驾驶路段序列,其中,所述驾驶路段序列包括多个驾驶路段状态信息和多个驾驶路段距离信息;速度阈值生成模块,用于基于物联网,遍历所述多个驾驶路段状态信息进行稳定性分析,生成多个驾驶速度阈值;速度优化执行模块,用于获取期望驾驶时长,基于所述多个驾驶速度阈值和所述多个驾驶路段距离信息进行驾驶速度优化,生成速度时区序列;电量损耗预测模块,用于根据所述速度时区序列进行电量损耗分析,生成电量损耗预测值;电量偏差分析模块,用于计算所述电量损耗预测值和剩余电池电量偏差,分析是否满足预设电量偏差;驾驶许可生成模块,用于若满足,生成第一驾驶请求指令发送至驾驶终端显示设备,获得驾驶许可信息;驾驶许可执行模块,用于根据所述驾驶许可信息启动新能源汽车开始行驶。
一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,所述处理器执行所述计算机程序时实现以下步骤:
对驾驶路线信息进行聚类拆解,生成驾驶路段序列,其中,所述驾驶路段序列包括多个驾驶路段状态信息和多个驾驶路段距离信息;
基于物联网,遍历所述多个驾驶路段状态信息进行稳定性分析,生成多个驾驶速度阈值;
获取期望驾驶时长,基于所述多个驾驶速度阈值和所述多个驾驶路段距离信息进行驾驶速度优化,生成速度时区序列;
根据所述速度时区序列进行电量损耗分析,生成电量损耗预测值;
计算所述电量损耗预测值和剩余电池电量偏差,分析是否满足预设电量偏差;
若满足,生成第一驾驶请求指令发送至驾驶终端显示设备,获得驾驶许可信息;
根据所述驾驶许可信息启动新能源汽车开始行驶。
一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现以下步骤:
对驾驶路线信息进行聚类拆解,生成驾驶路段序列,其中,所述驾驶路段序列包括多个驾驶路段状态信息和多个驾驶路段距离信息;
基于物联网,遍历所述多个驾驶路段状态信息进行稳定性分析,生成多个驾驶速度阈值;
获取期望驾驶时长,基于所述多个驾驶速度阈值和所述多个驾驶路段距离信息进行驾驶速度优化,生成速度时区序列;
根据所述速度时区序列进行电量损耗分析,生成电量损耗预测值;
计算所述电量损耗预测值和剩余电池电量偏差,分析是否满足预设电量偏差;
若满足,生成第一驾驶请求指令发送至驾驶终端显示设备,获得驾驶许可信息;
根据所述驾驶许可信息启动新能源汽车开始行驶。
上述一种基于物联网的新能源汽车智能控制方法及系统,解决了现有技术中存在新能源汽车驾驶安全稳定性和智能性不足,且容易发生驾驶过程电量不足导致用户驾车体验较差的技术问题,实现了提高新能源汽车智能性,满足用户新能源汽车驾驶体验的同时,保障用户驾驶新能源汽车行驶的安全性和稳定性的技术效果。
上述说明仅是本申请技术方案的概述,为了能够更清楚了解本申请的技术手段,而可依照说明书的内容予以实施,并且为了让本申请的上述和其它目的、特征和优点能够更明显易懂,以下特举本申请的具体实施方式。
附图说明
图1为一个实施例中一种基于物联网的新能源汽车智能控制方法的流程示意图;
图2为一个实施例中一种基于物联网的新能源汽车智能控制方法中生成驾驶路段序列的流程示意图;
图3为一个实施例中一种基于物联网的新能源汽车智能控制系统的结构框图;
图4为一个实施例中计算机设备的内部结构图。
附图标记说明:驾驶路线拆解模块1,速度阈值生成模块2,速度优化执行模块3,电量损耗预测模块4,电量偏差分析模块5,驾驶许可生成模块6,驾驶许可执行模块7。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行进一步详细说明。应当理解,此处描述的具体实施例仅仅用以解释本申请,并不用于限定本申请。
如图1所示,本申请提供了一种基于物联网的新能源汽车智能控制方法,包括:
S100:对驾驶路线信息进行聚类拆解,生成驾驶路段序列,其中,所述驾驶路段序列包括多个驾驶路段状态信息和多个驾驶路段距离信息;
在一个实施例中,如图2所示,所述对驾驶路线信息进行聚类拆解,生成驾驶路段序列,其中,所述驾驶路段序列包括多个驾驶路段状态信息和多个驾驶路段距离信息,本申请提供的方法步骤S100还包括:
S110:获取路段聚类指标,其中,所述路段聚类指标包括路段宽度、路段坡度、路段平坦度和路段硬度;
S120:遍历所述路段宽度、所述路段坡度、所述路段平坦度和所述路段硬度,设定多个指标差分阈值;
S130:根据所述多个指标差分阈值,遍历所述路段宽度、所述路段坡度、所述路段平坦度和所述路段硬度对所述驾驶路线信息进行路段聚类拆分,生成多个驾驶路段拆分结果;
S140:将所述多个驾驶路段拆分结果相交,生成所述驾驶路段序列,其中,将任意一个路段的所述路段聚类指标添加进所述多个驾驶路段状态信息,将任意一个路段的距离添加进所述多个驾驶路段距离信息。
具体而言,在本实施例中,所述新能源汽车为目标用户使用一定周期的纯电动车,因而基于所述新能源汽车的车载导航系统(GPS)提取历史导航记录获得目标用户的所述驾驶路线。
所述路段平坦度为路面表面相对于理想平面的竖向偏差,通过在道路验收时测定获得。所述路段宽度、路段坡度为城市道路基础规划信息。所述路面硬度取决于道路建筑施工时的混凝土或沥青原料类型,且根据道路使用用途规划决定。所述路段宽度、所述路段坡度、所述路段平坦度和所述路段硬度都为城市道路建设的道路设计要求记录以及路段加固时的记录数据。
因而本实施例基于目标用户的驾驶路线由多条城市道路交汇连接构成的特性,基于城市交通道路建设大数据提取获得所述驾驶路线中多条道路的路段宽度数据、路段平坦度、路段硬度数据,以及每一路道内的多个路段的路段坡度数据生成所述驾驶路线信息。
预设路段聚类指标进行所述驾驶路线信息中相似路段的聚合处理,具体的,基于所述驾驶路线信息中的多类型路段指标数据,设定每一类型路段指标数据的所述指标差分阈值。所述指标差分阈值即规定路段指标数据落入某一数值范围内的多个路段属于同一类道路路段。
所述多个指标差分阈值包括多个路段宽度阈值,多个路段坡度阈值、多个路段平坦度阈值以及多个路段硬度阈值,基于多个指标差分阈值构建路段聚类阈值表,所述路段聚类阈值表横轴为上述多个路段聚类指标,纵轴为多个指标的指标差分阈值,例如路段宽度这一路段聚类指标的多个路段宽度阈值包括2m~2.75m,2.75m~3.25m,3.25~3.7m。
基于路段聚类阈值表,遍历所述路段宽度、所述路段坡度、所述路段平坦度和所述路段硬度对所述驾驶路线信息进行路段聚类拆分,生成多个驾驶路段拆分结果,每一驾驶路段拆分结果都为四项路段指标数据落入相同指标拆分阈值,但路段距离信息(路段长度)存在差异的多条路段。
基于所述多个驾驶路段拆分结果提取获得多个路段的多个驾驶路段距离信息,基于所述多个驾驶路段拆分结果提取获得多个路段的多个驾驶路段状态信息。
基于拆分后的多个驾驶路段拆分结果进行相交,生成所述驾驶路段序列,所述驾驶路段序列包括多个驾驶路段状态信息和多个驾驶路段距离信息,且多个驾驶路段状态信息和多个驾驶路段距离信息与所述驾驶路线中的任一路段存在对应关系。
本实施例通过获取目标用户驾驶路线途经路段的包括路段宽度、路段坡度、路段硬度以及路段平坦度的路段指标数据,结合路段指标数据生成指标差分阈值进行驾驶路线中的指标相似性路段同类合并拆分,实现了降低进行目标用户新能源汽车驾驶稳定性分析时的数据分析量,提高数据分析效率同时减少数据分析造成的系统算力资源浪费的技术效果。
S200:基于物联网,遍历所述多个驾驶路段状态信息进行稳定性分析,生成多个驾驶速度阈值;
在一个实施例中,遍历所述多个驾驶路段状态信息进行稳定性分析,生成多个驾驶速度阈值,本申请提供的方法步骤S200还包括:
S210:遍历所述多个驾驶路段状态信息,获取第m个驾驶路段状态信息;
S220:根据所述第m个驾驶路段状态信息,基于新能源汽车型号和预设速度梯度序列,基于物联网,采集多组驾驶记录数据,其中,所述多组驾驶记录数据包括多组驾驶速度信息,多组振动幅度信息和多组振动频率信息;
S230:获取关联度分析函数:
S240:根据所述关联度分析函数,遍历所述多组驾驶速度信息,所述多组振动幅度信息和所述多组振动频率信息,生成多个最大关联度平稳性参数,其中,任意一个所述最大关联度平稳性参数包括振动幅度参数和振动频率参数;
S250:遍历所述多个最大关联度平稳性参数,基于所述预设速度梯度序列,确定第m个驾驶速度阈值,添加进所述多个驾驶速度阈值。
在一个实施例中,所述遍历所述多个最大关联度平稳性参数,基于所述预设速度梯度序列,确定第m个驾驶速度阈值,本申请提供的方法步骤S250还包括:
S251:为振动幅度设定第一权重,为振动频率设定第二权重;
S252:根据所述第一权重和所述第二权重构建平稳性得分评估公式,遍历所述多个最大关联度平稳性参数进行平稳性得分评估,生成多个平稳性得分,其中,所述平稳性得分评估公式为:
其中,表征第t个平稳性得分,/>表征第t个最大关联度平稳性参数中的振动幅度参数,/>表征第t个最大关联度平稳性参数中的振动频率参数,/>表征第一权重,/>表征第二权重,/>和/>大于0,/>~/>表征平稳时振动幅度平稳设定区间,/>~/>表征平稳时振动频率设定区间;
S253:从所述多个平稳性得分筛选出最大值,匹配所述第m个驾驶速度阈值。
具体而言,应理解的,新能源汽车在不同驾驶路段状态的道路路段上安全行驶的驾驶速度阈值存在差异性,因而本实施例基于所述驾驶路段状态信息进行所述驾驶道路信息中多个驾驶路段的驾驶速度阈值确定。
在本实施例中,所述驾驶道路信息中任意驾驶路段的驾驶速度阈值获取方法具有一致性,因而本实施例以所述多个驾驶路段状态信息中第m个驾驶路段状态信息所表征的多个驾驶路段的驾驶速度阈值的获取进行举例阐述。
具体的,在所述多个驾驶路段状态信息中随机提取获得所述第m个驾驶路段状态信息。根据所述第m个驾驶路段状态信息提取获得其中所包含的多个路段,获取目标用户驾驶所述新能源汽车在所述第m个驾驶路段状态信息的多个路段的历史驾驶速度数据,基于历史驾驶速度数据对应汽车档位信息构建有多档位区间多档位速度值的所述预设速度梯度序列,作为驾驶速度约束条件。
根据所述第m个驾驶路段状态信息获得对应路段宽度阈值,路段坡度阈值、路段平坦度阈值以及路段硬度阈值数据,以上述阈值数据作为路段类型约束条件。获取目标用户驾驶的所述新能源汽车的汽车型号信息,作为新能源汽车型号约束条件。
以路段类型约束条件、新能源汽车型号作为综合约束条件基于物联网和互联网技术,采集获得同型号新能源汽车在与第m个驾驶路段状态一致道路上的多组驾驶记录数据,所述多组驾驶记录数据包括多组具有对应关系的驾驶速度信息、振动幅度信息和振动频率信息,所述振动幅度信息为驾驶过程中新能源汽车电机总成悬置系统的振动幅度数据(mm),所述振动频率信息为驾驶过程中新能源汽车电机总成悬置系统的振动频率数据(Hz)。
构建关联度分析函数,以实现科学准确分析在相似路段上,新能源汽车驾驶速度、振动幅度、振动频率与新能源汽车行驶平稳程度之间的关联关系,具体的关联度分析函数如下:
在所述关联度分析函数中,表征第k个速度,与第i个振动幅度,与第j个振动频率之间的关联度,/>表征第k个速度,与第i个振动幅度,与第j个振动频率共同出现的数据记录条数,/>表征包含第k个速度的数据记录条数。
基于所述关联度分析函数,遍历所述多组驾驶速度信息,所述多组振动幅度信息和所述多组振动频率信息,生成多个最大关联度平稳性参数,其中,每一个所述最大关联度平稳性参数都包括振动幅度参数和振动频率参数。
基于信函联系或公开渠道信息,获取多位新能源汽车制造领域专家对于汽车振动幅度和振动频率提出的权重分配关系,以专家为单位,一位专家分配一个权重分配通道,将每位专家给出的振动幅度和振动频率提出的权重分配关系分别放入对应的专家通道进行信息隔离处理,基于信息隔离通道分别提取获得多位专家的振动幅度权重赋值和振动频率权重赋值,并分别进行均值计算,获得表征振动幅度的第一权重和表征振动频率的第二权重。
根据所述第一权重和所述第二权重构建平稳性得分评估公式,遍历所述多个最大关联度平稳性参数进行平稳性得分评估,生成反映新能源汽车行驶平稳性的多个平稳性得分,所述平稳性得分评估公式为:
在所述平稳性得分评估公式中,表征第t个平稳性得分,/>表征第t个最大关联度平稳性参数中的振动幅度参数,/>表征第t个最大关联度平稳性参数中的振动频率参数,/>表征第一权重,/>表征第二权重,/>和/>数值都大于0。
在将多个所述最大关联度平稳性参数的振动幅度参数和振动频率参数带入所述稳定性得分评估公式前,首先进行多个所述最大关联度平稳性参数的筛选处理,构建表征新能源汽车平稳运行状态下的振动幅度参数区间和振动频率参数区间,~/>表征平稳时振动幅度平稳设定区间,/>~/>表征平稳时振动频率设定区间。基于多个所述最大关联度平稳性参数提取获得多组振动幅度参数-振动频率参数,分别对应遍历/>~/>和/>~/>,去除振动幅度参数和/或振动频率参数不满足要求的最大关联度平稳性参数。
基于剔除后的多个最大关联度平稳性参数包含的振动幅度参数和振动频率参数带入所述平稳性得分评估公式计算获得多个平稳性得分。对说过平稳性得分由大到小进行排序,筛选出最大值,基于最大值反推获得对应的最大关联度平稳性参数,基于该对应最大关联度平稳性参数反推获得对应驾驶速度信息在所述预设速度梯度序列匹配获得偏离度最小的驾驶速度信息作为第m个驾驶速度阈值,所述第m个驾驶速度阈值为在第m个驾驶路段状态信息对应路段安全行驶的速度阈值,采用相同方式计算获得多个驾驶路段状态信息的驾驶速度阈值,添加进所述多个驾驶速度阈值。
本实施例达到了基于目标用户的新能源汽车驾驶记录快速生成不同类型路段安全行驶速度阈值数据,为后续结合驾驶路段距离信息进行路段驾驶速度方案优化提供速度调节参考控制基准的技术效果。
S300:获取期望驾驶时长,基于所述多个驾驶速度阈值和所述多个驾驶路段距离信息进行驾驶速度优化,生成速度时区序列;
在一个实施例中,基于所述多个驾驶速度阈值和所述多个驾驶路段距离信息进行驾驶速度优化,生成速度时区序列,本申请提供的方法步骤S300还包括:
S310:遍历所述多个驾驶速度阈值,随机抽取第一驾驶速度序列;
S320:根据所述第一驾驶速度序列和所述多个驾驶路段距离信息进行驾驶时长评估,生成第一驾驶时长;
S330:判断所述第一驾驶时长是否小于或等于所述期望驾驶时长;
S340:若小于或等于,生成所述速度时区序列;若大于,将所述第一驾驶速度序列添加进备用数据表;
S350:重复迭代,遇到所述备用数据表的数据时跳过,当生成所述速度时区序列停止优化。
在一个实施例中,本申请提供的方法步骤还包括:
S351:当重复迭代第一预设次数时,若未出现小于或等于所述期望驾驶时长的速度序列,对所述备用数据表的多个驾驶速度序列按照驾驶时长从大到小排序,生成备用数据排序结果;
S352:从所述备用数据排序结果筛选尾部备用数据,设为所述速度时区序列。
具体而言,在本实施例中,获取目标用户期望驾驶所述新能源汽车完成步骤S100的驾驶路线信息路程全程总计耗费时间的所述期望驾驶时长。遍历所述多个驾驶速度阈值,随机抽取第一驾驶速度序列,所述第一驾驶速度序列为所述驾驶路线信息所涵盖的所有路段状态的驾驶速度信息集合。
根据所述第一驾驶速度序列获取所述驾驶路线信息涵盖的各个驾驶路段状态的驾驶速度信息,基于所述驾驶路段序列提取获得多个驾驶路段距离信息,采用速度距离计算公式进行驾驶时长计算评估,生成第一驾驶时长,所述第一驾驶时长为目标用户在驾驶路段各个路段状态按照第一驾驶速度序列对应速度要求行驶,完成驾驶路段信息全程的时间耗费情况。
判断所述第一驾驶时长是否小于或等于所述期望驾驶时长,若小于或等于,表明所述第一驾驶速度序列为目标用户安全驾驶新能源汽车完成驾驶路线信息的较优速度控制方案,生成所述速度时区序列进行目标用户的驾驶速度控制。
若大于,表明基于当前速度控制方案无法实现在目标用户的驾驶耗时要求规定时间范围内行驶完所述驾驶路线信息的路线,将所述第一驾驶速度序列添加进备用数据表。
S350:重复迭代,遍历所述多个驾驶速度阈值,随机抽取驾驶速度序列,执行步骤S310~S340,进行驾驶时长判断以及备用数据表添加,遇到所述备用数据表的数据时跳过,当生成所述速度时区序列停止优化。当重复迭代第一预设次数时,若未出现小于或等于所述期望驾驶时长的速度序列,对所述备用数据表的多个驾驶速度序列按照驾驶时长从大到小排序,生成备用数据排序结果,从所述备用数据排序结果筛选尾部备用数据,设为所述速度时区序列,所述尾部备用数据为最接近于目标用户设定的预设驾驶时长的新能源汽车速度控制方案。
本实施例达到了基于目标用户的预设驾驶时间需求以及驾驶路线信息,生成实现用户安全驾驶新能源汽车的驾驶路线多路段状态分段速度控制方案,间接达到了提高目标用户驾车安全性以及避免用户违反交规的技术效果。
S400:根据所述速度时区序列进行电量损耗分析,生成电量损耗预测值;
在一个实施例中,所述根据所述速度时区序列进行电量损耗分析,生成电量损耗预测值,本申请提供的方法步骤S400还包括:
S410:根据新能源汽车型号信息,采集电量损耗记录数据;
S420:根据所述电量损耗记录数据,基于BP神经网络,训练电量损耗标定模型;
S430:将所述速度时区序列输入所述电量损耗标定模型,生成所述电量损耗预测值。
具体而言,在本实施例中,所述速度时区序列为实现目标用户在期望驾驶时长内驾驶新能源汽车完成所述驾驶路线的多路段驾驶速度控制方案。根据新能源汽车型号信息,基于大数据采集获取多个同型号新能源汽车的电量损耗记录数据,所述电量损耗记录数据为不同驾驶速度以及驾驶时长下,新能源汽车的电量损耗数据集合。
根据所述电量损耗记录数据,基于BP神经网络,构建并训练电量损耗标定模型,所述电量损耗标定模型的输入数据为汽车行驶速度和行驶时间数据,输出结果为电量损耗预测值。
将所述电量损耗记录数据按照8:1:1划分标识为训练集、测试集和验证集,基于测试集和验证集进行电量损耗标定模型的模型训练,基于验证集进行电量损耗标定模型输出准确度验证,训练直至电量损耗标定模型输出准确度满足预设准确率要求。
将所述速度时区序列按照速度-时区拆解为多组数据,逐一输入所述电量损耗标定模型,生成多组电力损耗预测值加和处理得到所述电量损耗预测值,所述电量损耗预测值即为目标用户按照所述速度时序序列生成的速度控制方案完成所述驾驶路线信息驾驶,新能源汽车的电力损耗情况。
本实施例通过构建电量损耗标定模型进行新能源汽车电能消耗情况预估,实现了在目标用户驾驶前判断是否进行充电提醒提供参考,同时避免目标用户驾驶中途发生新能源汽车电量不足的情况的技术效果。
S500:计算所述电量损耗预测值和剩余电池电量偏差,分析是否满足预设电量偏差;
S600:若满足,生成第一驾驶请求指令发送至驾驶终端显示设备,获得驾驶许可信息;
具体而言,在本实施例中,所述预设电量偏差为新能源汽车的电量剩余预警值,可设定为剩余电量的5%、15%、20%等任意数值。基于新能源汽车整车控制器(VCU)获得当前剩余电池电量,计算所述电量损耗预测值和剩余电池电量偏差,分析是否满足预设电量偏差。
若满足,表明当前剩余电池电量可支持目标用户按照所述驾驶路线信息完成驾驶,生成第一驾驶请求指令发送至驾驶终端显示设备,获得驾驶许可信息,基于驾驶许可信息启动新能源汽车行驶。
若不满足,表明当前剩余电池电量不能支持目标用户按照所述驾驶路线信息完成驾驶,生成第一充电请求指令发送至驾驶终端显示设备,提醒目标用户进行新能源汽车的充电管理。
S700:根据所述驾驶许可信息启动新能源汽车开始行驶。
具体而言,在本实施例中,目标用户基于所述驾驶终端显示设备上的所述驾驶许可信息启动新能源汽车,在目标用户驾驶新能源汽车过程中,新能源汽车VCU基于所述速度时区序列和所述驾驶路线信息进行不同路段状态的行驶速度控制,实现了确保新能源汽车驾驶方案满足目标用户驾驶时间要求的同时,保障目标用户驾驶新能源汽车行驶安全稳定性和智能性的技术效果。
在一个实施例中,如图3所示,提供了一种基于物联网的新能源汽车智能控制系统,包括:驾驶路线拆解模块1,速度阈值生成模块2,速度优化执行模块3,电量损耗预测模块4,电量偏差分析模块5,驾驶许可生成模块6,驾驶许可执行模块7,其中:
驾驶路线拆解模块1,用于对驾驶路线信息进行聚类拆解,生成驾驶路段序列,其中,所述驾驶路段序列包括多个驾驶路段状态信息和多个驾驶路段距离信息;
速度阈值生成模块2,用于基于物联网,遍历所述多个驾驶路段状态信息进行稳定性分析,生成多个驾驶速度阈值;
速度优化执行模块3,用于获取期望驾驶时长,基于所述多个驾驶速度阈值和所述多个驾驶路段距离信息进行驾驶速度优化,生成速度时区序列;
电量损耗预测模块4,用于根据所述速度时区序列进行电量损耗分析,生成电量损耗预测值;
电量偏差分析模块5,用于计算所述电量损耗预测值和剩余电池电量偏差,分析是否满足预设电量偏差;
驾驶许可生成模块6,用于若满足,生成第一驾驶请求指令发送至驾驶终端显示设备,获得驾驶许可信息;
驾驶许可执行模块7,用于根据所述驾驶许可信息启动新能源汽车开始行驶。
在一个实施例中,所述驾驶路线拆解模块1还包括:
聚类指标获得单元,用于获取路段聚类指标,其中,所述路段聚类指标包括路段宽度、路段坡度、路段平坦度和路段硬度;
差分阈值设定单元,用于遍历所述路段宽度、所述路段坡度、所述路段平坦度和所述路段硬度,设定多个指标差分阈值;
路段拆分获得单元,用于根据所述多个指标差分阈值,遍历所述路段宽度、所述路段坡度、所述路段平坦度和所述路段硬度对所述驾驶路线信息进行路段聚类拆分,生成多个驾驶路段拆分结果;
路段序列生成单元,用于将所述多个驾驶路段拆分结果相交,生成所述驾驶路段序列,其中,将任意一个路段的所述路段聚类指标添加进所述多个驾驶路段状态信息,将任意一个路段的距离添加进所述多个驾驶路段距离信息。
在一个实施例中,所述速度阈值生成模块2还包括:
路段状态获得单元,用于遍历所述多个驾驶路段状态信息,获取第m个驾驶路段状态信息;
驾驶记录采集单元,用于根据所述第m个驾驶路段状态信息,基于新能源汽车型号和预设速度梯度序列,基于物联网,采集多组驾驶记录数据,其中,所述多组驾驶记录数据包括多组驾驶速度信息,多组振动幅度信息和多组振动频率信息;
关联函数构建单元,用于获取关联度分析函数:
平稳参数生成单元,用于根据所述关联度分析函数,遍历所述多组驾驶速度信息,所述多组振动幅度信息和所述多组振动频率信息,生成多个最大关联度平稳性参数,其中,任意一个所述最大关联度平稳性参数包括振动幅度参数和振动频率参数;
速度阈值设置单元,用于遍历所述多个最大关联度平稳性参数,基于所述预设速度梯度序列,确定第m个驾驶速度阈值,添加进所述多个驾驶速度阈值。
在一个实施例中,所述速度阈值设置单元还包括:
权重设定执行单元,用于为振动幅度设定第一权重,为振动频率设定第二权重;
评估公式构建单元,用于根据所述第一权重和所述第二权重构建平稳性得分评估公式,遍历所述多个最大关联度平稳性参数进行平稳性得分评估,生成多个平稳性得分,其中,所述平稳性得分评估公式为:
其中,表征第t个平稳性得分,/>表征第t个最大关联度平稳性参数中的振动幅度参数,/>表征第t个最大关联度平稳性参数中的振动频率参数,/>表征第一权重,/>表征第二权重,/>和/>大于0,/>~/>表征平稳时振动幅度平稳设定区间,/>~/>表征平稳时振动频率设定区间;
速度阈值筛选单元,用于从所述多个平稳性得分筛选出最大值,匹配所述第m个驾驶速度阈值。
在一个实施例中,所述速度优化执行模块3还包括:
速度序列抽取单元,用于遍历所述多个驾驶速度阈值,随机抽取第一驾驶速度序列;
驾驶时长评估单元,用于根据所述第一驾驶速度序列和所述多个驾驶路段距离信息进行驾驶时长评估,生成第一驾驶时长;
驾驶时长判断单元,用于判断所述第一驾驶时长是否小于或等于所述期望驾驶时长;
判断结果执行单元,用于若小于或等于,生成所述速度时区序列;若大于,将所述第一驾驶速度序列添加进备用数据表;
重复迭代执行单元,用于重复迭代,遇到所述备用数据表的数据时跳过,当生成所述速度时区序列停止优化。
在一个实施例中,所述重复迭代执行单元还包括:
备用数据排序单元,用于当重复迭代第一预设次数时,若未出现小于或等于所述期望驾驶时长的速度序列,对所述备用数据表的多个驾驶速度序列按照驾驶时长从大到小排序,生成备用数据排序结果;
时区序列生成单元,用于从所述备用数据排序结果筛选尾部备用数据,设为所述速度时区序列。
在一个实施例中,所述电量损耗预测模块4还包括:
电损记录获得单元,用于根据新能源汽车型号信息,采集电量损耗记录数据;
电损模型构建单元,用于根据所述电量损耗记录数据,基于BP神经网络,训练电量损耗标定模型;
电损预测输出单元,用于将所述速度时区序列输入所述电量损耗标定模型,生成所述电量损耗预测值。
关于一种基于物联网的新能源汽车智能控制系统的具体实施例可以参见上文中对于一种基于物联网的新能源汽车智能控制方法的实施例,在此不再赘述。上述一种基于物联网的新能源汽车智能控制装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中,也可以以软件形式存储于计算机设备中的存储器中,以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中,提供了一种计算机设备,该计算机设备可以是服务器,其内部结构图可以如图4所示。该计算机设备包括通过系统总线连接的处理器、存储器和网络接口。其中,该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储新闻数据以及时间衰减因子等数据。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种基于物联网的新能源汽车智能控制方法。
本领域技术人员可以理解,图4中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的计算机设备的限定,具体的计算机设备可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
在一个实施例中,提供了一种计算机设备,包括存储器和处理器,存储器中存储有计算机程序,该处理器执行计算机程序时实现以下步骤:对驾驶路线信息进行聚类拆解,生成驾驶路段序列,其中,所述驾驶路段序列包括多个驾驶路段状态信息和多个驾驶路段距离信息;基于物联网,遍历所述多个驾驶路段状态信息进行稳定性分析,生成多个驾驶速度阈值;获取期望驾驶时长,基于所述多个驾驶速度阈值和所述多个驾驶路段距离信息进行驾驶速度优化,生成速度时区序列;根据所述速度时区序列进行电量损耗分析,生成电量损耗预测值;计算所述电量损耗预测值和剩余电池电量偏差,分析是否满足预设电量偏差;若满足,生成第一驾驶请求指令发送至驾驶终端显示设备,获得驾驶许可信息;根据所述驾驶许可信息启动新能源汽车开始行驶。
以上实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请专利的保护范围应以所附权利要求为准。
Claims (10)
1.一种基于物联网的新能源汽车智能控制方法,其特征在于,包括:
对驾驶路线信息进行聚类拆解,生成驾驶路段序列,其中,所述驾驶路段序列包括多个驾驶路段状态信息和多个驾驶路段距离信息;
基于物联网,遍历所述多个驾驶路段状态信息进行稳定性分析,生成多个驾驶速度阈值;
获取期望驾驶时长,基于所述多个驾驶速度阈值和所述多个驾驶路段距离信息进行驾驶速度优化,生成速度时区序列;
根据所述速度时区序列进行电量损耗分析,生成电量损耗预测值;
计算所述电量损耗预测值和剩余电池电量偏差,分析是否满足预设电量偏差;
若满足,生成第一驾驶请求指令发送至驾驶终端显示设备,获得驾驶许可信息;
根据所述驾驶许可信息启动新能源汽车开始行驶。
2.如权利要求1所述的方法,其特征在于,所述对驾驶路线信息进行聚类拆解,生成驾驶路段序列,其中,所述驾驶路段序列包括多个驾驶路段状态信息和多个驾驶路段距离信息,包括:
获取路段聚类指标,其中,所述路段聚类指标包括路段宽度、路段坡度、路段平坦度和路段硬度;
遍历所述路段宽度、所述路段坡度、所述路段平坦度和所述路段硬度,设定多个指标差分阈值;
根据所述多个指标差分阈值,遍历所述路段宽度、所述路段坡度、所述路段平坦度和所述路段硬度对所述驾驶路线信息进行路段聚类拆分,生成多个驾驶路段拆分结果;
将所述多个驾驶路段拆分结果相交,生成所述驾驶路段序列,其中,将任意一个路段的所述路段聚类指标添加进所述多个驾驶路段状态信息,将任意一个路段的距离添加进所述多个驾驶路段距离信息。
3.如权利要求1所述的方法,其特征在于,遍历所述多个驾驶路段状态信息进行稳定性分析,生成多个驾驶速度阈值,包括:
遍历所述多个驾驶路段状态信息,获取第m个驾驶路段状态信息;
根据所述第m个驾驶路段状态信息,基于新能源汽车型号和预设速度梯度序列,基于物联网,采集多组驾驶记录数据,其中,所述多组驾驶记录数据包括多组驾驶速度信息,多组振动幅度信息和多组振动频率信息;
获取关联度分析函数:
根据所述关联度分析函数,遍历所述多组驾驶速度信息,所述多组振动幅度信息和所述多组振动频率信息,生成多个最大关联度平稳性参数,其中,任意一个所述最大关联度平稳性参数包括振动幅度参数和振动频率参数;
遍历所述多个最大关联度平稳性参数,基于所述预设速度梯度序列,确定第m个驾驶速度阈值,添加进所述多个驾驶速度阈值。
4.如权利要求3所述的方法,其特征在于,所述遍历所述多个最大关联度平稳性参数,基于所述预设速度梯度序列,确定第m个驾驶速度阈值,包括:
为振动幅度设定第一权重,为振动频率设定第二权重;
根据所述第一权重和所述第二权重构建平稳性得分评估公式,遍历所述多个最大关联度平稳性参数进行平稳性得分评估,生成多个平稳性得分,其中,所述平稳性得分评估公式为:
其中,表征第t个平稳性得分,/>表征第t个最大关联度平稳性参数中的振动幅度参数,/>表征第t个最大关联度平稳性参数中的振动频率参数,/>表征第一权重,/>表征第二权重,/>和/>大于0,/>~/>表征平稳时振动幅度平稳设定区间,/>~/>表征平稳时振动频率设定区间;
从所述多个平稳性得分筛选出最大值,匹配所述第m个驾驶速度阈值。
5.如权利要求1所述的方法,其特征在于,所述获取期望驾驶时长,基于所述多个驾驶速度阈值和所述多个驾驶路段距离信息进行驾驶速度优化,生成速度时区序列,包括:
遍历所述多个驾驶速度阈值,随机抽取第一驾驶速度序列;
根据所述第一驾驶速度序列和所述多个驾驶路段距离信息进行驾驶时长评估,生成第一驾驶时长;
判断所述第一驾驶时长是否小于或等于所述期望驾驶时长;
若小于或等于,生成所述速度时区序列;若大于,将所述第一驾驶速度序列添加进备用数据表;
重复迭代,遇到所述备用数据表的数据时跳过,当生成所述速度时区序列停止优化。
6.如权利要求5所述的方法,其特征在于,还包括:
当重复迭代第一预设次数时,若未出现小于或等于所述期望驾驶时长的速度序列,对所述备用数据表的多个驾驶速度序列按照驾驶时长从大到小排序,生成备用数据排序结果;
从所述备用数据排序结果筛选尾部备用数据,设为所述速度时区序列。
7.如权利要求1所述的方法,其特征在于,所述根据所述速度时区序列进行电量损耗分析,生成电量损耗预测值,包括:
根据新能源汽车型号信息,采集电量损耗记录数据;
根据所述电量损耗记录数据,基于BP神经网络,训练电量损耗标定模型;
将所述速度时区序列输入所述电量损耗标定模型,生成所述电量损耗预测值。
8.一种基于物联网的新能源汽车智能控制系统,其特征在于,所述系统包括:
驾驶路线拆解模块,用于对驾驶路线信息进行聚类拆解,生成驾驶路段序列,其中,所述驾驶路段序列包括多个驾驶路段状态信息和多个驾驶路段距离信息;
速度阈值生成模块,用于基于物联网,遍历所述多个驾驶路段状态信息进行稳定性分析,生成多个驾驶速度阈值;
速度优化执行模块,用于获取期望驾驶时长,基于所述多个驾驶速度阈值和所述多个驾驶路段距离信息进行驾驶速度优化,生成速度时区序列;
电量损耗预测模块,用于根据所述速度时区序列进行电量损耗分析,生成电量损耗预测值;
电量偏差分析模块,用于计算所述电量损耗预测值和剩余电池电量偏差,分析是否满足预设电量偏差;
驾驶许可生成模块,用于若满足,生成第一驾驶请求指令发送至驾驶终端显示设备,获得驾驶许可信息;
驾驶许可执行模块,用于根据所述驾驶许可信息启动新能源汽车开始行驶。
9.一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述的方法的步骤。
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权利要求1至7中任一项所述的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310119791.9A CN115871450A (zh) | 2023-02-16 | 2023-02-16 | 一种基于物联网的新能源汽车智能控制方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310119791.9A CN115871450A (zh) | 2023-02-16 | 2023-02-16 | 一种基于物联网的新能源汽车智能控制方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115871450A true CN115871450A (zh) | 2023-03-31 |
Family
ID=85761170
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310119791.9A Withdrawn CN115871450A (zh) | 2023-02-16 | 2023-02-16 | 一种基于物联网的新能源汽车智能控制方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115871450A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116165988A (zh) * | 2023-04-24 | 2023-05-26 | 格拉默汽车内饰部件(北京)有限公司 | 一种汽车中控台的生产质量管控方法及系统 |
CN116305671A (zh) * | 2023-05-23 | 2023-06-23 | 山东伟国板业科技有限公司 | 一种人造板的生产线监测方法及系统 |
CN116729356A (zh) * | 2023-06-02 | 2023-09-12 | 深圳市哲思特科技有限公司 | 一种基于物联网技术的新能源汽车控制系统及方法 |
CN117155737A (zh) * | 2023-10-30 | 2023-12-01 | 泉州市搏浪科技集团有限公司 | 一种基于can总线的车辆数据采集分析系统 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2013108246A2 (en) * | 2012-01-17 | 2013-07-25 | Better Place GmbH | Approximation of remaining travelable distance of a vehicle powered by a battery |
DE102012210317A1 (de) * | 2012-06-19 | 2013-12-19 | Robert Bosch Gmbh | Verfahren und Vorrichtung zum Fahren einer Fahrstrecke mit einem vorgegebenen gewünschten mittleren Energieverbrauch |
CN104260724A (zh) * | 2014-09-22 | 2015-01-07 | 李治良 | 一种车辆智能预测控制系统及其方法 |
CN108106626A (zh) * | 2017-12-18 | 2018-06-01 | 浙江工业大学 | 一种基于行驶工况的电动汽车出行路径规划方法 |
CN110849382A (zh) * | 2018-08-21 | 2020-02-28 | 上海博泰悦臻网络技术服务有限公司 | 驾驶时长预测方法及装置 |
US20200391612A1 (en) * | 2019-06-14 | 2020-12-17 | Hyundai Motor Company | Eco-friendly vehicle and method of providing guidance for charging amount |
CN113008253A (zh) * | 2019-12-18 | 2021-06-22 | 沈阳美行科技有限公司 | 一种混合动力车辆行驶方法、设备和存储介质 |
CN113218405A (zh) * | 2020-01-21 | 2021-08-06 | 北京车和家信息技术有限公司 | 车辆行车规划路线耗电量的计算方法及装置 |
CN115164922A (zh) * | 2022-06-17 | 2022-10-11 | 上海钧正网络科技有限公司 | 一种路径规划方法、系统、设备及存储介质 |
-
2023
- 2023-02-16 CN CN202310119791.9A patent/CN115871450A/zh not_active Withdrawn
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2013108246A2 (en) * | 2012-01-17 | 2013-07-25 | Better Place GmbH | Approximation of remaining travelable distance of a vehicle powered by a battery |
DE102012210317A1 (de) * | 2012-06-19 | 2013-12-19 | Robert Bosch Gmbh | Verfahren und Vorrichtung zum Fahren einer Fahrstrecke mit einem vorgegebenen gewünschten mittleren Energieverbrauch |
CN104260724A (zh) * | 2014-09-22 | 2015-01-07 | 李治良 | 一种车辆智能预测控制系统及其方法 |
CN108106626A (zh) * | 2017-12-18 | 2018-06-01 | 浙江工业大学 | 一种基于行驶工况的电动汽车出行路径规划方法 |
CN110849382A (zh) * | 2018-08-21 | 2020-02-28 | 上海博泰悦臻网络技术服务有限公司 | 驾驶时长预测方法及装置 |
US20200391612A1 (en) * | 2019-06-14 | 2020-12-17 | Hyundai Motor Company | Eco-friendly vehicle and method of providing guidance for charging amount |
CN113008253A (zh) * | 2019-12-18 | 2021-06-22 | 沈阳美行科技有限公司 | 一种混合动力车辆行驶方法、设备和存储介质 |
CN113218405A (zh) * | 2020-01-21 | 2021-08-06 | 北京车和家信息技术有限公司 | 车辆行车规划路线耗电量的计算方法及装置 |
CN115164922A (zh) * | 2022-06-17 | 2022-10-11 | 上海钧正网络科技有限公司 | 一种路径规划方法、系统、设备及存储介质 |
Non-Patent Citations (1)
Title |
---|
陈耀琦;周维;张维刚;: "基于动态规划的电动汽车最佳驾驶决策分析", 控制与信息技术 * |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116165988A (zh) * | 2023-04-24 | 2023-05-26 | 格拉默汽车内饰部件(北京)有限公司 | 一种汽车中控台的生产质量管控方法及系统 |
CN116305671A (zh) * | 2023-05-23 | 2023-06-23 | 山东伟国板业科技有限公司 | 一种人造板的生产线监测方法及系统 |
CN116305671B (zh) * | 2023-05-23 | 2023-10-20 | 山东伟国板业科技有限公司 | 一种人造板的生产线监测方法及系统 |
CN116729356A (zh) * | 2023-06-02 | 2023-09-12 | 深圳市哲思特科技有限公司 | 一种基于物联网技术的新能源汽车控制系统及方法 |
CN116729356B (zh) * | 2023-06-02 | 2024-03-15 | 深圳市哲思特科技有限公司 | 一种基于物联网技术的新能源汽车控制系统及方法 |
CN117155737A (zh) * | 2023-10-30 | 2023-12-01 | 泉州市搏浪科技集团有限公司 | 一种基于can总线的车辆数据采集分析系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN115871450A (zh) | 一种基于物联网的新能源汽车智能控制方法及系统 | |
Zhang et al. | An improved k-nearest neighbor model for short-term traffic flow prediction | |
CN108681788B (zh) | 一种基于主动安全的城市离散交通网络设计方法 | |
CN110836675B (zh) | 一种基于决策树的自动驾驶搜索决策方法 | |
CN113380033A (zh) | 基于人机混合增强智能的城市交通安全预警方法及系统 | |
CN115063184A (zh) | 电动汽车充电需求建模方法、系统、介质、设备及终端 | |
Montazeri-Gh et al. | Driving condition recognition for genetic-fuzzy HEV control | |
JP6934974B2 (ja) | 内燃機関を有する車両の駆動システムの排気ガス排出量を低減するための方法 | |
CN112765726A (zh) | 一种寿命预测方法及装置 | |
CN110659774B (zh) | 大数据方法驱动的停车需求预测方法 | |
CN115691140B (zh) | 一种汽车充电需求时空分布的分析与预测方法 | |
Yamashita et al. | Accessing and constructing driving data to develop fuel consumption forecast model | |
CN111784027A (zh) | 计及地理信息的城市范围电动汽车充电需求预测方法 | |
Dong et al. | An identification model of urban critical links with macroscopic fundamental diagram theory | |
CN114492169B (zh) | 考虑用户市场响应潜力的电动汽车用户画像方法及系统 | |
CN115219913A (zh) | 一种基于容量增量法的动力电池全生命周期管理系统 | |
CN115034480A (zh) | 一种沥青路面智能养护决策方法、系统及介质 | |
CN114463978A (zh) | 一种基于轨道交通信息处理终端的数据监测方法 | |
CN115688957A (zh) | 一种车辆能耗确定方法、装置、电子设备及存储介质 | |
Zareian et al. | A combined Apriori algorithm and fuzzy controller for simultaneous ramp metering and variable speed limit determination in a freeway | |
Sun et al. | Freeway traffic safety state classification method based on multi-parameter fusion clustering | |
Naidu et al. | Application of Data Analytics to Decouple Historical Real-World Trip Trajectories into Representative Maneuvers for Driving Characterization | |
Liu et al. | Real-time return demand prediction based on multisource data of one-way carsharing systems | |
CN111710156A (zh) | 一种道路交通流量预测方法、系统、介质及设备 | |
CN113525385A (zh) | 一种车辆行程能耗的预测方法及装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
WW01 | Invention patent application withdrawn after publication | ||
WW01 | Invention patent application withdrawn after publication |
Application publication date: 20230331 |