CN117002511A - 获取车辆平均油耗的方法、装置、电子设备和存储介质 - Google Patents
获取车辆平均油耗的方法、装置、电子设备和存储介质 Download PDFInfo
- Publication number
- CN117002511A CN117002511A CN202311083582.XA CN202311083582A CN117002511A CN 117002511 A CN117002511 A CN 117002511A CN 202311083582 A CN202311083582 A CN 202311083582A CN 117002511 A CN117002511 A CN 117002511A
- Authority
- CN
- China
- Prior art keywords
- average
- fuel consumption
- consumption
- historical
- vehicle
- 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.)
- Pending
Links
- 239000000446 fuel Substances 0.000 title claims abstract description 274
- 238000000034 method Methods 0.000 title claims abstract description 56
- 238000005265 energy consumption Methods 0.000 claims abstract description 41
- 238000004364 calculation method Methods 0.000 claims abstract description 13
- 238000012937 correction Methods 0.000 claims description 19
- 238000013507 mapping Methods 0.000 claims description 16
- 238000006243 chemical reaction Methods 0.000 claims description 7
- 239000003921 oil Substances 0.000 description 60
- 238000012545 processing Methods 0.000 description 11
- 238000004590 computer program Methods 0.000 description 9
- 238000005259 measurement Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 238000012360 testing method Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 3
- 238000004891 communication Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 239000010763 heavy fuel oil Substances 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000006978 adaptation Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000002485 combustion reaction Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000000802 evaporation-induced self-assembly Methods 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W40/00—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60R—VEHICLES, VEHICLE FITTINGS, OR VEHICLE PARTS, NOT OTHERWISE PROVIDED FOR
- B60R16/00—Electric or fluid circuits specially adapted for vehicles and not otherwise provided for; Arrangement of elements of electric or fluid circuits specially adapted for vehicles and not otherwise provided for
- B60R16/02—Electric or fluid circuits specially adapted for vehicles and not otherwise provided for; Arrangement of elements of electric or fluid circuits specially adapted for vehicles and not otherwise provided for electric constitutive elements
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Data Mining & Analysis (AREA)
- Theoretical Computer Science (AREA)
- Pure & Applied Mathematics (AREA)
- Mechanical Engineering (AREA)
- Mathematical Optimization (AREA)
- Mathematical Analysis (AREA)
- Computational Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Operations Research (AREA)
- Probability & Statistics with Applications (AREA)
- Transportation (AREA)
- Algebra (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Navigation (AREA)
Abstract
本申请提供一种获取车辆平均油耗的方法、装置、电子设备和存储介质,可用于汽车技术领域。所述方法包括:基于目标车辆当前行程的导航信息,获取预测驱动平均油耗;获取目标车辆在预设时间范围内的历史附件能耗,并根据历史附件能耗获取附件平均油耗;根据预测驱动平均油耗和附件平均油耗,获取预测平均油耗;基于目标车辆的历史总油耗和历史总行程,获取历史平均油耗;基于目标车辆当前行程中已行驶路程的行程油耗和行驶里程,获取行程平均油耗;根据预测平均油耗、历史平均油耗以及行程平均油耗,加权计算获得车辆平均油耗。本申请的方法,提高了测算车辆平均油耗的准确性。
Description
技术领域
本申请涉及汽车技术领域,尤其涉及一种获取车辆平均油耗的方法、装置、电子设备和存储介质。
背景技术
平均油耗是车辆行驶单位路程所用的燃油量,反映了汽车历史行驶里程下所消耗的平均油耗水平,驾驶员通过平均油耗能够了解到汽车的耗油情况,从而判断汽车的性能以及估计剩余油量的可行驶里程。
现有的平均油耗测算方法由于测算策略不完善,导致测算的平均油耗数据准确性较低,出现车辆仪表显示的平均油耗与车辆实际平均油耗不符的问题。
发明内容
本申请提供一种获取车辆平均油耗的方法、装置、电子设备和存储介质,用以解决现有平均油耗测算方法精确性低的问题。
根据本申请公开的第一方面,提供了一种获取车辆平均油耗的方法,包括:
基于目标车辆当前行程的导航信息,获取预测驱动平均油耗;
获取所述目标车辆在预设时间范围内的历史附件能耗,并根据所述历史附件能耗获取附件平均油耗;
根据所述预测驱动平均油耗和所述附件平均油耗,获取所述预测平均油耗;
基于所述目标车辆的历史总油耗和历史总行程,获取历史平均油耗;
基于所述目标车辆当前行程中已行驶路程的行程油耗和行驶里程,获取行程平均油耗;
根据所述预测平均油耗、所述历史平均油耗以及所述行程平均油耗,加权计算获得车辆平均油耗。
在一种可行的实施方式中,所述基于目标车辆当前行程的导航信息,获取预测驱动平均油耗,包括:
基于所述导航信息中的交通状况信息,将所述导航信息中的导航路线划分为多个导航路段;
基于所述导航信息,获取各个导航路段的导航车速;
基于车速与平均油耗之间预设的映射关系,根据各个导航路段的导航车速获得各个导航路段对应的导航平均油耗;
基于各个导航路段的路段里程与导航平均油耗之间的乘积,获得各个导航路段的路段耗油量;
基于各个导航路段的路段耗油量之和,获得所述当前行程的预测耗油量;
将所述预测耗油量除以所述当前行程的总里程,获得所述预测驱动平均油耗。
在一种可行的实施方式中,所述根据所述历史附件能耗获取附件平均油耗,包括:
获取所述目标车辆在所述预设时间范围内的行驶距离;
基于所述目标车辆的油电转换系数,将所述历史附件能耗转换为附件耗油量;
将所述附件耗油量除以所述行驶距离,获得所述附件平均油耗。
在一种可行的实施方式中,所述根据所述预测驱动平均油耗和所述附件平均油耗,获取所述预测平均油耗,包括:
获取预设路程范围内的历史平均车速和历史导航车速;
基于偏差值与修正系数之间预设的映射关系,根据所述历史平均车速和所述历史导航车速的偏差值,获得对应的修正系数;
基于所述修正系数对所述预测驱动平均油耗和所述附件平均油耗之和进行修正,获得所述预测平均油耗。
在一种可行的实施方式中,所述车辆平均油耗满足如下公式:
D=R1*A+R2*B+R3*C
其中,D表示车辆平均油耗,R1表示第一权重因子,A表示预测平均油耗,R2表示第二权重因子,B表示历史平均油耗,R3表示第三权重因子,C表示行程平均油耗;
其中,R1+R2+R3=1。
在一种可行的实施方式中,所述方法还包括:
基于所述导航信息,获取所述当前行程的总里程和导航平均车速;
基于里程、车速与第一权重因子之间预设的映射关系,根据所述当前行程的总里程和导航平均车速获得对应的第一权重因子。
在一种可行的实施方式中,所述第二权重因子和所述第三权重因子满足如下公式:
R2=R3=0.5*(1-R1)
其中,R1表示第一权重因子,R2表示第二权重因子,R3表示第三权重因子。
根据本申请公开的第二方面,提供了一种平均获取车辆平均油耗的装置,包括:
驱动油耗获取模块,用于基于目标车辆当前行程的导航信息,获取预测驱动平均油耗;
附件油耗获取模块,用于获取所述目标车辆在预设时间范围内的历史附件能耗,并根据所述历史附件能耗获取附件平均油耗;
预测油耗获取模块,用于根据所述预测驱动平均油耗和所述附件平均油耗,获取所述预测平均油耗;
历史油耗获取模块,用于基于所述目标车辆的历史总油耗和历史总行程,获取历史平均油耗;
行程油耗获取模块,用于基于所述目标车辆当前行程中已行驶路程的行程油耗和行驶里程,获取行程平均油耗;
车辆油耗获取模块,用于根据所述预测平均油耗、所述历史平均油耗以及所述行程平均油耗,加权计算获得车辆平均油耗。
根据本申请公开的第三方面,提供了一种电子设备,包括处理器,以及与所述处理器通信连接的存储器;
所述存储器存储计算机执行指令;
所述处理器执行所述存储器存储的计算机执行指令,以实现第一方面中任一项所述的方法。
根据本申请公开的第四方面,提供了一种计算机可读存储介质,所述计算机可读存储介质中存储有计算机执行指令,所述计算机执行指令被处理器执行时用于实现第一方面中任一项所述的方法。
根据本申请公开的第五方面,提供了一种计算机程序产品,包括计算机程序,所述计算机程序被处理器执行时用于实现第一方面中任一项所述的方法。
与现有技术相比,本申请具有如下的有益效果:
本申请提供的一种获取车辆平均油耗的方法、装置、电子设备和存储介质,通过结合导航信息和车辆当前运行环境和工况,对用户当前行程的油耗进行预测,并通过一定的权重分配,综合考虑了车辆的历史平均油耗,以及当前行程的预测平均油耗和当前行程已行驶路程的行程平均油耗在车辆平均油耗中的权重占比,从而提升了车辆平均油耗测算的准确性。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分,示出了符合本申请的实施例,并与说明书一起用于解释本申请的原理。显而易见地,下面描述中的附图仅仅是本申请的一些实施例,对于本领域技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。其中:
图1为本申请实施例提供的一种获取车辆平均油耗的方法的流程示意图;
图2为本申请实施例提供的另一种获取车辆平均油耗的方法的流程示意图;
图3为本申请实施例提供的一种获取车辆平均油耗的装置的结构示意图;
图4为本申请实施例提供的一种电子设备的结构示意图。
通过上述附图,已示出本申请明确的实施例,后文中将有更详细的描述。这些附图和文字描述并不是为了通过任何方式限制本申请构思的范围,而是通过参考特定实施例为本领域技术人员说明本申请的概念。
具体实施方式
这里将详细地对示例性实施例进行说明,其示例表示在附图中。下面的描述涉及附图时,除非另有表示,不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本申请相一致的所有实施方式。相反,它们仅是与如所附权利要求书中所详述的、本申请的一些方面相一致的装置和方法的例子。
平均油耗是车辆行驶单位路程所用的燃油量(计量单位一般是L/100km),反映了车辆在实际使用中的燃油消耗效率。作为衡量车辆燃油经济性的重要指标之一,驾驶员通过平均油耗能够了解到汽车的耗油情况,从而判断汽车的性能以及估计剩余油量的可行驶里程。其中,较低的平均油耗表示车辆可以在相同耗油量下行驶更远的距离,而较高的平均油耗表示车辆在同等行驶条件下需要更多的燃料。
平均油耗可以通过多种方式来计算和监测。一种简单的方法就是通过历史里程和历史油耗计算获得平均油耗,通过将行驶距离除以燃料消耗量,就可以得到平均油耗的数值。但是这种测算方式并没有考虑每次行程行驶状况、驾驶方式和车速等因素的不同,同时也不能反映当前行程的平均油耗,测算的平均油耗数据准确性较低,出现车辆仪表显示的平均油耗与车辆实际平均油耗不符的问题,导致驾驶员无法通过当前仪表显示的平均油耗准确了解本次行程的耗油情况,从而错误估计剩余油量的可行驶里程。
为解决上述问题,本申请提出了一种获取车辆平均油耗的方法,通过结合导航信息,并识别车辆运行环境和工况,对用户行程油耗进行预测,并将预测油耗与当前油耗进行一定权重分配,从而提升了车辆平均油耗测算的准确性。
下面通过具体实施例对本申请提供的获取车辆平均油耗的方法的技术方案进行详细的说明。需要说明的是,如下实施例可以单独存在,也可相互结合,对于相同或相似的内容,可能在不同的实施例中不再重复说明。
需要说明的是,本申请实施例所提供的获取车辆平均油耗的方法的执行主体可以是车机系统或云端服务器,当执行主体是云端服务器时,云端服务器与目标车辆通过车联网等方式通信连接。
其中,云端服务器与车机系统相比,具有更高的计算能力和数据处理能力。因此,相比于使用车机系统作为执行主体,以云端服务器作为执行主体的执行速度更快,对车辆硬件要求也会更低,不会额外增加车辆成本。
其中,云端服务器可能会存储多辆车辆的相关数据,可以利用车辆的VIN码(Vehicle Identification Number,车辆识别码)作为识别索引分别对相应车辆的数据进行存储。
图1为本申请实施例提供的一种获取车辆平均油耗的方法的流程示意图,参阅图1,在一些实施例中,该获取车辆平均油耗的方法的流程包括以下步骤:
S101,基于目标车辆当前行程的导航信息,获取预测驱动平均油耗。
其中,这里加入通过导航信息获取的预测驱动平均油耗,其目的在于,对于车辆而言,如果仪表仅显示通过历史数据获取的平均油耗,则无法对当前行程的平均油耗进行准确反映,因为当前行程的驾驶数据与历史数据不同,则相应的平均油耗也会不同,所以增加根据导航信息预测获得的预测驱动平均油耗,可以在后续获得更加准确的车辆平均油耗。
S102,获取目标车辆在预设时间范围内的历史附件能耗,并根据历史附件能耗获取附件平均油耗。
其中,在汽车行驶过程中,除了车辆驱动的能耗之外,还包括车辆附件的能耗,附件能耗的主要耗能方式为电能,附件能耗数据会存储在车辆控制器中,通过车辆控制器调取便可以获得附件能耗的相关数据。此外,由于附件的耗能形式为电能,还需要对其进行转换获得附件平均油耗。
其中,由于附件的能耗跟车速无关,而是与附件的使用时长有关,所以采用预设的时间范围获取一定时间范围内的历史附件能耗来对目标车辆的附件平均能耗进行预测。具体的,预设时间范围应当以当前时刻为起点,获取预设历史时间范围内的历史附件能耗。以当前时刻为起点的目的是为了尽量使历史附件能耗的数据接近车辆当前的附件使用状况。
具体的,附件能耗包括低压附件能耗和高压附件能耗。其中,高压附件包括空调压缩机、高压燃油泵、动力转向泵等,低压附件包括车灯、音箱、雨刮开关、电动天窗等。
S103,根据预测驱动平均油耗和附件平均油耗,获取预测平均油耗。
其中,在车辆行驶过程中,其能耗主要包括两部分一个是驱动能耗,一个是驱动之外其他附件的能耗,所以当分别获得预测驱动平均油耗和附件平均油耗以后,两者结合就可以获得目标车辆的预测平均油耗。
S104,基于目标车辆的历史总油耗和历史总行程,获取历史平均油耗。
其中,通过历史总油耗除以历史总行程,可以获得历史平均油耗。
具体的,历史总油耗和历史总行程都可以通过车辆控制器保存的历史数据获得。
S105,基于目标车辆当前行程中已行驶路程的行程油耗和行驶里程,获取行程平均油耗。
其中,通过目标成立在当前行程中以行驶路程的行程油耗除以行驶路程,可以获得行程平均油耗,行程平均油耗反映的是导航路线中已经行驶通过的路段的平均油耗。
S106,根据预测平均油耗、历史平均油耗以及行程平均油耗,加权计算获得车辆平均油耗。
其中,结合预测平均油耗、平均历史油耗和平均单次行程油耗进行加权计算,获得车辆平均油耗,由于融合了预测油耗、历史油耗和当前油耗的数据,使得获得的车辆平均油耗具有更高的精确性。
在本实施例中,通过结合导航信息和车辆当前运行环境和工况,对用户当前行程的油耗进行预测,并通过一定的权重分配,综合考虑了车辆的历史平均油耗,以及当前行程的预测平均油耗和当前行程已行驶路程的行程平均油耗在车辆平均油耗中的权重占比,从而提升了车辆平均油耗测算的准确性。
在图1所示的实施例的基础上,下面结合图2,对上述获取车辆平均油耗的方法的技术方案做进一步介绍。
图2为本申请实施例提供的另一种获取车辆平均油耗的方法的流程示意图,参阅图2,在一些实施例中,该获取车辆平均油耗的方法的流程包括以下步骤:
S201,获取目标车辆当前行程的导航信息。
S202,基于导航信息中的交通状况信息,将导航信息中的导航路线划分为多个导航路段。
其中,由于车辆在行驶过程中,车速会与道路的交通状况有关,而车速又与车辆油耗有关,所以为了能够获得更加准确的油耗数据,就需要获得更加准确的车速数据。为此,利用导航信息中的交通状况信息,将导航路线划分为多个导航路段。
具体的,导航路段可以直接通过现有导航应用的数据获得。具体的,对于现有导航数据,其在导航过程中会根据交通状况信息将导航路线划分成多个导航路段。示例性的,通畅路段,在导航应用的界面一般以绿色线路表示;拥挤路段,在导航应用的界面一般以黄色路线表示;拥堵路段,在导航应用的界面一般以红色路线表示。
S203,基于导航信息,获取各个导航路段的导航车速。
其中,根据导航路段的交通状况的不同,导航应用会提供一个预测的导航车速。
S204,基于车速与平均油耗之间预设的映射关系,根据各个导航路段的导航车速获得各个导航路段对应的导航平均油耗。
其中,由于汽车的平均油耗通常与车速有关。一般而言,较低的车速通常会具有较低的平均油耗。这是因为在低速行驶时,发动机的负载较小,燃油燃烧更完全,燃料利用率相对较高。此外,在低速行驶状态下,车辆经常以更高的档位行驶,减少了机械损失,进一步提高了燃油经济性。当车速达到一定范围后,平均油耗可能开始升高。高速行驶时,车辆所受风阻的影响会逐渐增大,这会导致发动机需要更多的能量来克服风阻,从而增加燃油消耗。此外,更高的车速也会导致更高的发动机转速,其中一些引擎技术在高转速下燃油效率可能较低。因此,在正常驾驶情况下,车辆的平均油耗通常在不同的车速范围内变化。
具体的,可以通过试验标定的方式获得不同车速与平均油耗之间的映射关系,这样就可以根据导航车速在映射关系中获得对应的导航平均油耗。
S205,基于各个导航路段的路段里程与导航平均油耗之间的乘积,获得各个导航路段的路段耗油量。
其中,由于平均行驶油耗是以L/100km作为计量单位,将平均行驶油耗乘以导航路段的里程,就可以获得导航路段的路段耗油量。
S206,基于各个导航路段的路段耗油量之和,获得当前行程的预测耗油量。
其中,依据步骤S205的方法,求得各个导航路段的路段耗油量,并将所有导航路段的路段耗油量求和,就可以获得整个导航路线总的预测耗油量。
S207,将预测耗油量除以当前行程的总里程,获得预测驱动平均油耗。
其中,将总的预测耗油量除以整个导航路线的总的总里程,获得预测驱动平均油耗。通过分段求取的总耗油量可以提高总耗油量的准确性,相应的也会提高预测驱动平均油耗的准确性。
S208,获取目标车辆在预设时间范围内的历史附件能耗和行驶距离。
S209,基于目标车辆的油电转换系数,将历史附件能耗转换为附件耗油量。
其中,由于历史附件能耗的计量单位是kW/h,所以需要将其进行油电转换,首先就根据目标车辆的油电转换系数,将附件能耗转换成附件耗油量。
具体的,对于目标车辆的油电转换系数,可以通过试验测定获得。
S210,将附件耗油量除以行驶距离,获得附件平均油耗。
其中,再将附件耗油量除以预设时间范围内车辆的行驶距离,就可以获得与预测驱动平均油耗具有相同计量单位的附件平均油耗。
S211,获取预设路程范围内的历史平均车速和历史导航车速。
其中,通过车辆控制器记录的历史行驶数据,获取到预设路程范围内的历史平均车速和历史导航车速。
S212,基于偏差值与修正系数之间预设的映射关系,根据历史平均车速和历史导航车速的偏差值,获得对应的修正系数。
其中,从历史平均车速和历史导航车速的差值可以获得历史平均车速和历史导航车速的偏差值,因为预测驱动平均油耗是利用导航车速测算的,会与实际的驱动平均油耗存在偏差,又因为车速会影响平均油耗的测算,那么就可以用导航车速与实际行驶车速的偏差值来反映预测驱动平均油耗与实际驱动平均油耗的偏差。
因此,通过历史平均车速和历史导航车速的偏差值,获得对应的修正系数对预测驱动平均油耗进行修正。
具体的,对于偏差值与修正系数之间预设的映射关系,可以通过多次试验标定的方式获得不同偏差值对应的修正系数。
S213,基于修正系数对预测驱动平均油耗和附件平均油耗之和进行修正,获得预测平均油耗。
其中,利用修正参数修正之后,可以提高预测平均油耗的准确性。
具体的,预测平均油耗满足如下公式:
A=(A1+A2)*R
其中,A表示预测平均油耗,A1表示预测驱动平均油耗,A2表示附件平均油耗,R表示修正系数。
S214,基于目标车辆的历史总油耗和历史总行程,获取历史平均油耗。
S215,基于目标车辆当前行程中已行驶路程的行程油耗和行驶里程,获取行程平均油耗。
S216,根据预测平均油耗、历史平均油耗以及行程平均油耗,加权计算获得车辆平均油耗。
其中,车辆平均油耗满足如下公式:
D=R1*A+R2*B+R3*C
其中,D表示车辆平均油耗,R1表示第一权重因子,A表示预测平均油耗,R2表示第二权重因子,B表示历史平均油耗,R3表示第三权重因子,C表示行程平均油耗;
其中,R1+R2+R3=1。
其中,通过获取到的权重因子,分别获得第一权重因子与预测平均油耗的乘积、第二权重因子与平均历史油耗的乘积、第三权重因子与行程平均油耗的乘积,并将三个乘积结果相加求和获得平均油耗。
优选的,基于导航信息,获取当前行程的总里程和导航平均车速;基于里程、车速与第一权重因子之间预设的映射关系,根据当前行程的总里程和导航平均车速获得对应的第一权重因子。
其中,行程距离越长、通行车速越高,基于导航信息的预测油耗越准,那么后续用于加权计算时对应的第一权重因子也越大。相应的,如果目标车辆没有开启导航,则第一权重因子为零。
具体的,里程、车速与第一权重因子之间的映射关系,可以根据多次试验标定获得,通过多次试验获得不同里程、车速条件下的第一权重因子。
具体的,导航平均车速可以通过当前行程的总里程除以导航预测的行驶时间获得。
优选的,第二权重因子和第三权重因子满足如下公式:
R2=R3=0.5*(1-R1)
其中,R1表示第一权重因子,R2表示第二权重因子,R3表示第三权重因子。
在本实施例中,通过将导航路线分段计算预测耗油量、将附件能耗转换成附件平均油耗、利用修正参数对预测平均油耗进行修正等技术手段,进一步提升了获取车辆平均油耗的的准确性。
图3是本申请实施例提供的一种获取车辆平均油耗的装置的结构示意图,参阅图3,该获取车辆平均油耗的装置包括用于实现前述获取车辆平均油耗的方法的各个功能模块,任意功能模块可以通过软件和/或硬件的方式实现。
在一些实施例中,该获取车辆平均油耗的装置300包括驱动油耗获取模块301、附件油耗获取模块302、预测油耗获取模块303、历史油耗获取模块304、行程油耗获取模块305和车辆油耗获取模块306。其中:
驱动油耗获取模块301用于基于目标车辆当前行程的导航信息,获取预测驱动平均油耗;
附件油耗获取模块302用于获取目标车辆在预设时间范围内的历史附件能耗,并根据历史附件能耗获取附件平均油耗;
预测油耗获取模块303用于根据预测驱动平均油耗和附件平均油耗,获取预测平均油耗;
历史油耗获取模块304用于基于目标车辆的历史总油耗和历史总行程,获取历史平均油耗;
行程油耗获取模块305用于基于目标车辆当前行程中已行驶路程的行程油耗和行驶里程,获取行程平均油耗;
车辆油耗获取模块306用于根据预测平均油耗、历史平均油耗以及行程平均油耗,加权计算获得车辆平均油耗。
在一些实施例中,该驱动油耗获取模块301具体用于:
基于导航信息中的交通状况信息,将导航信息中的导航路线划分为多个导航路段;
基于导航信息,获取各个导航路段的导航车速;
基于车速与平均油耗之间预设的映射关系,根据各个导航路段的导航车速获得各个导航路段对应的导航平均油耗;
基于各个导航路段的路段里程与导航平均油耗之间的乘积,获得各个导航路段的路段耗油量;
基于各个导航路段的路段耗油量之和,获得当前行程的预测耗油量;
将预测耗油量除以当前行程的总里程,获得预测驱动平均油耗。
在一些实施例中,该附件油耗获取模块302具体用于:
获取目标车辆在预设时间范围内的行驶距离;
基于目标车辆的油电转换系数,将历史附件能耗转换为附件耗油量;
将附件耗油量除以行驶距离,获得附件平均油耗。
在一些实施例中,该预测油耗获取模块303具体用于:
获取预设路程范围内的历史平均车速和历史导航车速;
基于偏差值与修正系数之间预设的映射关系,根据历史平均车速和历史导航车速的偏差值,获得对应的修正系数;
基于修正系数对预测驱动平均油耗和附件平均油耗之和进行修正,获得预测平均油耗。
在一些实施例中,车辆平均油耗满足如下公式:
D=R1*A+R2*B+R3*C
其中,D表示车辆平均油耗,R1表示第一权重因子,A表示预测平均油耗,R2表示第二权重因子,B表示历史平均油耗,R3表示第三权重因子,C表示行程平均油耗;
其中,R1+R2+R3=1。
在一些实施例中,该车辆油耗获取模块306具体用于:
基于导航信息,获取当前行程的总里程和导航平均车速;
基于里程、车速与第一权重因子之间预设的映射关系,根据当前行程的总里程和导航平均车速获得对应的第一权重因子。
在一些实施例中,第二权重因子和第三权重因子满足如下公式:
R2=R3=0.5*(1-R1)
其中,R1表示第一权重因子,R2表示第二权重因子,R3表示第三权重因子。
本申请实施例提供的获取车辆平均油耗的装置300用于执行前述获取车辆平均油耗的方法实施例提供的技术方案,其实现原理和技术效果与前述方法的实施例中类似,在此不再赘述。
需要说明的是,应理解以上装置的各个模块的划分仅仅是一种逻辑功能的划分,实际实现时可以全部或部分集成到一个物理实体上,也可以物理上分开。且这些模块可以全部以软件通过处理元件调用的形式实现,也可以全部以硬件的形式实现,还可以部分模块通过处理元件调用软件的形式实现,部分模块通过硬件的形式实现。例如,车辆油耗获取模块可以为单独设立的处理元件,也可以集成在上述装置的某一个芯片中实现,此外,也可以以程序代码的形式存储于上述装置的存储器中,由上述装置的某一个处理元件调用并执行以上车辆油耗获取模块的功能。其它模块的实现与之类似。此外这些模块全部或部分可以集成在一起,也可以独立实现。这里的处理元件可以是一种集成电路,具有信号的处理能力。在实现过程中,上述方法的各步骤或以上各个模块可以通过处理器元件中的硬件的集成逻辑电路或者软件形式的指令完成。
图4为本申请实施例提供的一种电子设备的结构示意图,参阅图4,该电子设备400包括:处理器401,以及与该处理器401通信连接的存储器402;
存储器402存储计算机执行指令;
处理器401执行存储器402存储的计算机执行指令,以实现前述获取车辆平均油耗的方法的技术方案。
在上述电子设备400中,存储器402、处理器401之间直接或间接地电性连接,以实现数据的传输或交互。例如,这些元件相互之间可以通过一条或者多条通信总线或信号线实现电性连接,如可以通过总线连接。总线可以是工业标准体系结构(Industry StandardArchitecture,简称:ISA)总线、外部设备互连(Peripheral Component Interconnect,简称:PCI)总线或扩展工业标准体系结构(Extended Industry Standard Architecture,简称:EISA)总线等。总线可以分为地址总线、数据总线、控制总线等,但并不表示仅有一根总线或一种类型的总线。存储器402中存储有实现前述获取车辆平均油耗的方法的计算机执行指令,包括至少一个可以软件或固件的形式存储于存储器402中的软件功能模块,处理器401通过运行存储在存储器402内的软件程序以及模块,从而执行各种功能应用以及数据处理。
存储器402至少包括一种类型的可读存储介质,不限于随机存取存储器(RandomAccess Memory,简称:RAM),只读存储器(Read Only Memory,简称:ROM),可编程只读存储器(Programmable Read-Only Memory,简称:PROM),可擦除只读存储器(ErasableProgrammable Read-Only Memory,简称:EPROM),电可擦除只读存储器(ElectricErasable Programmable Read-Only Memory,简称:EEPROM)等。其中,存储器402用于存储程序,处理器401在接收到执行指令后,执行程序。进一步地,上述存储器402内的软件程序以及模块还可包括操作系统,其可包括各种用于管理系统任务(例如内存管理、存储设备控制、电源管理等)的软件组件和/或驱动,并可与各种硬件或软件组件相互通信,从而提供其他软件组件的运行环境。
处理器401可以是一种集成电路芯片,具有信号的处理能力。上述的处理器401可以是通用处理器,包括中央处理器(Central Processing Unit,简称:CPU)、网络处理器(Network Processor,简称:NP)、数字信号处理器(Digital Signal Processor,简称:DSP)、专用集成电路(Application Specific Integrated Circuit,简称:ASIC)等。可以实现或者执行本申请实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器,或者该处理器401也可以是任何常规的处理器等。
该电子设备400用于执行前述获取车辆平均油耗的方法实施例提供的技术方案,其实现原理和技术效果与前述方法实施例中类似,在此不再赘述。
本申请实施例还提供一种计算机可读存储介质,计算机可读存储介质中存储有计算机执行指令,当处理器执行计算机执行指令时,实现如前述获取车辆平均油耗的方法的技术方案。
上述的计算机可读存储介质可以是由任何类型的易失性或非易失性存储设备或者它们的组合实现,如静态随机存取存储器(SRAM),电可擦除可编程只读存储器(EEPROM),可擦除可编程只读存储器(EPROM),可编程只读存储器(PROM),只读存储器(ROM),磁存储器,快闪存储器,磁盘或光盘。该计算机可读存储介质可以是通用或专用计算机能够存取的任何可用介质。
一种示例性的可读存储介质耦合至处理器,从而使处理器能够从该可读存储介质读取信息,且可向该可读存储介质写入信息。当然,可读存储介质也可以是处理器的组成部分。处理器和可读存储介质可以位于专用集成电路(Application Specific IntegratedCircuits,简称:ASIC)中。当然,处理器和可读存储介质也可以作为分立组件存在于获取车辆平均油耗的装置的控制装置中。
本申请实施例还提供一种计算机程序产品,包括计算机程序,该计算机程序被处理器执行时用于实现如前述获取车辆平均油耗的方法的技术方案。
在上述实施例中,本领域技术人员可以理解,实现上述各方法实施例可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时,可以全部或部分地以计算机程序产品的形式实现。计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行计算机程序指令时,全部或部分地产生按照本发明实施例的流程或功能。计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。计算机指令可以存储在计算机可读存储介质中,或者从一个计算机可读存储介质向另一个计算机可读存储介质传输,例如,计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线(DSL))或无线(例如红外、无线网络、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。可用介质可以是磁性介质(例如,软盘、硬盘、磁带)、光介质(例如,DVD)、或者半导体介质(例如,固态硬盘(Solid State Disk,简称:SSD))等。
本领域技术人员在考虑说明书及实践这里公开的发明后,将容易想到本申请的其它实施方案。本申请旨在涵盖本申请的任何变型、用途或者适应性变化,这些变型、用途或者适应性变化遵循本申请的一般性原理并包括本申请未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的,本申请的真正范围和精神由下面的权利要求书指出。
应当理解的是,本申请并不局限于上面已经描述并在附图中示出的精确结构,并且可以在不脱离其范围进行各种修改和改变。本申请的范围仅由所附的权利要求书来限制。
Claims (10)
1.一种获取车辆平均油耗的方法,其特征在于,包括:
基于目标车辆当前行程的导航信息,获取预测驱动平均油耗;
获取所述目标车辆在预设时间范围内的历史附件能耗,并根据所述历史附件能耗获取附件平均油耗;
根据所述预测驱动平均油耗和所述附件平均油耗,获取所述预测平均油耗;
基于所述目标车辆的历史总油耗和历史总行程,获取历史平均油耗;
基于所述目标车辆当前行程中已行驶路程的行程油耗和行驶里程,获取行程平均油耗;
根据所述预测平均油耗、所述历史平均油耗以及所述行程平均油耗,加权计算获得车辆平均油耗。
2.根据权利要求1所述的方法,其特征在于,所述基于目标车辆当前行程的导航信息,获取预测驱动平均油耗,包括:
基于所述导航信息中的交通状况信息,将所述导航信息中的导航路线划分为多个导航路段;
基于所述导航信息,获取各个导航路段的导航车速;
基于车速与平均油耗之间预设的映射关系,根据各个导航路段的导航车速获得各个导航路段对应的导航平均油耗;
基于各个导航路段的路段里程与导航平均油耗之间的乘积,获得各个导航路段的路段耗油量;
基于各个导航路段的路段耗油量之和,获得所述当前行程的预测耗油量;
将所述预测耗油量除以所述当前行程的总里程,获得所述预测驱动平均油耗。
3.根据权利要求1所述的方法,其特征在于,所述根据所述历史附件能耗获取附件平均油耗,包括:
获取所述目标车辆在所述预设时间范围内的行驶距离;
基于所述目标车辆的油电转换系数,将所述历史附件能耗转换为附件耗油量;
将所述附件耗油量除以所述行驶距离,获得所述附件平均油耗。
4.根据权利要求1所述的方法,其特征在于,所述根据所述预测驱动平均油耗和所述附件平均油耗,获取所述预测平均油耗,包括:
获取预设路程范围内的历史平均车速和历史导航车速;
基于偏差值与修正系数之间预设的映射关系,根据所述历史平均车速和所述历史导航车速的偏差值,获得对应的修正系数;
基于所述修正系数对所述预测驱动平均油耗和所述附件平均油耗之和进行修正,获得所述预测平均油耗。
5.根据权利要求1所述的方法,其特征在于,所述车辆平均油耗满足如下公式:
D=R1*A+R2*B+R3*C
其中,D表示车辆平均油耗,R1表示第一权重因子,A表示预测平均油耗,R2表示第二权重因子,B表示历史平均油耗,R3表示第三权重因子,C表示行程平均油耗;
其中,R1+R2+R3=1。
6.根据权利要求5所述的方法,其特征在于,所述方法还包括:
基于所述导航信息,获取所述当前行程的总里程和导航平均车速;
基于里程、车速与第一权重因子之间预设的映射关系,根据所述当前行程的总里程和导航平均车速获得对应的第一权重因子。
7.根据权利要求5所述的方法,其特征在于,所述第二权重因子和所述第三权重因子满足如下公式:
R2=R3=0.5*(1-R1)
其中,R1表示第一权重因子,R2表示第二权重因子,R3表示第三权重因子。
8.一种获取车辆平均油耗的装置,其特征在于,包括:
驱动油耗获取模块,用于基于目标车辆当前行程的导航信息,获取预测驱动平均油耗;
附件油耗获取模块,用于获取所述目标车辆在预设时间范围内的历史附件能耗,并根据所述历史附件能耗获取附件平均油耗;
预测油耗获取模块,用于根据所述预测驱动平均油耗和所述附件平均油耗,获取所述预测平均油耗;
历史油耗获取模块,用于基于所述目标车辆的历史总油耗和历史总行程,获取历史平均油耗;
行程油耗获取模块,用于基于所述目标车辆当前行程中已行驶路程的行程油耗和行驶里程,获取行程平均油耗;
车辆油耗获取模块,用于根据所述预测平均油耗、所述历史平均油耗以及所述行程平均油耗,加权计算获得车辆平均油耗。
9.一种电子设备,其特征在于,包括处理器,以及与所述处理器通信连接的存储器;
所述存储器存储计算机执行指令;
所述处理器执行所述存储器存储的计算机执行指令,以实现如权利要求1至7中任一项所述的方法。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质中存储有计算机执行指令,所述计算机执行指令被处理器执行时用于实现如权利要求1至7中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311083582.XA CN117002511A (zh) | 2023-08-25 | 2023-08-25 | 获取车辆平均油耗的方法、装置、电子设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311083582.XA CN117002511A (zh) | 2023-08-25 | 2023-08-25 | 获取车辆平均油耗的方法、装置、电子设备和存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117002511A true CN117002511A (zh) | 2023-11-07 |
Family
ID=88572768
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311083582.XA Pending CN117002511A (zh) | 2023-08-25 | 2023-08-25 | 获取车辆平均油耗的方法、装置、电子设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117002511A (zh) |
-
2023
- 2023-08-25 CN CN202311083582.XA patent/CN117002511A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111670340B (zh) | 一种车辆剩余行驶里程的获取方法、电子设备及车辆 | |
EP3030468B1 (en) | Mobility information processing apparatus, mobility information processing method, and driving support system | |
CN107933317B (zh) | 估算剩余续驶里程的方法、装置、设备及纯电动汽车 | |
US11187753B2 (en) | System and method for determining a status of a vehicle battery | |
CN112224089A (zh) | 基于能耗的行程规划方法、装置、电子设备及存储介质 | |
CN107478289B (zh) | 获取平均油耗的方法和装置 | |
CN114940073A (zh) | 一种计算车辆剩余续航里程数的方法及装置 | |
CN114274780A (zh) | 车辆续航里程预测方法、装置、设备和存储介质 | |
JP2021124419A (ja) | バッテリ劣化判定装置、バッテリ劣化判定方法、及びバッテリ劣化判定プログラム | |
CN108985966B (zh) | 电量消耗计算方法、装置、车辆及计算机可读存储介质 | |
KR101926872B1 (ko) | 전기자동차의 잔존주행거리 추정방법 | |
CN117002511A (zh) | 获取车辆平均油耗的方法、装置、电子设备和存储介质 | |
CN116788113A (zh) | 新能源汽车的电池热管理方法、装置、设备及存储介质 | |
CN115100756B (zh) | 续驶里程确定方法、车辆及计算机可读存储介质 | |
JP6292544B2 (ja) | エンジンオイル劣化診断装置 | |
CN114683958A (zh) | 电动汽车及其双续航里程显示控制方法 | |
CN114954021A (zh) | 续驶里程的获取方法、装置、电子设备和车辆 | |
CN114969962B (zh) | 车辆rde排放恶劣工况的生成方法、装置、设备及存储介质 | |
CN115221682B (zh) | 车辆机油寿命的计算方法、装置、可读介质及电子设备 | |
CN113091844B (zh) | 燃料存量显示方法、装置、设备及存储介质 | |
CN114976375A (zh) | 电池的使用终止温度估算方法、装置、车辆及存储介质 | |
CN116424298A (zh) | 混合动力汽车及其发电方法、装置及整车控制器 | |
CN116061695A (zh) | 剩余续驶里程的预估方法、装置、车辆及存储介质 | |
CN117002324A (zh) | 车辆的soc规划方法、装置、车辆及存储介质 | |
CN116811663A (zh) | 混合动力汽车的充能提醒方法、装置、设备及存储介质 |
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 |