CN117284153A - 一种里程预测方法、装置、电子设备及存储介质 - Google Patents
一种里程预测方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN117284153A CN117284153A CN202311277923.7A CN202311277923A CN117284153A CN 117284153 A CN117284153 A CN 117284153A CN 202311277923 A CN202311277923 A CN 202311277923A CN 117284153 A CN117284153 A CN 117284153A
- Authority
- CN
- China
- Prior art keywords
- charging
- vehicle
- determining
- predicted
- charging station
- 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
- 238000000034 method Methods 0.000 title claims abstract description 45
- 238000004590 computer program Methods 0.000 claims description 17
- 238000012163 sequencing technique Methods 0.000 claims description 6
- 230000003993 interaction Effects 0.000 claims description 5
- 238000005265 energy consumption Methods 0.000 description 10
- 238000005516 engineering process Methods 0.000 description 6
- 230000006870 function Effects 0.000 description 5
- 238000004364 calculation method Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 208000019901 Anxiety disease Diseases 0.000 description 2
- 230000036506 anxiety Effects 0.000 description 2
- 239000000446 fuel Substances 0.000 description 2
- 239000002699 waste material Substances 0.000 description 2
- 238000004378 air conditioning Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 239000000428 dust Substances 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 238000004146 energy storage Methods 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 235000012054 meals Nutrition 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 239000002994 raw material Substances 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
- 239000010865 sewage Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000010408 sweeping Methods 0.000 description 1
- 238000005406 washing Methods 0.000 description 1
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60L—PROPULSION OF ELECTRICALLY-PROPELLED VEHICLES; SUPPLYING ELECTRIC POWER FOR AUXILIARY EQUIPMENT OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRODYNAMIC BRAKE SYSTEMS FOR VEHICLES IN GENERAL; MAGNETIC SUSPENSION OR LEVITATION FOR VEHICLES; MONITORING OPERATING VARIABLES OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRIC SAFETY DEVICES FOR ELECTRICALLY-PROPELLED VEHICLES
- B60L58/00—Methods or circuit arrangements for monitoring or controlling batteries or fuel cells, specially adapted for electric vehicles
- B60L58/10—Methods or circuit arrangements for monitoring or controlling batteries or fuel cells, specially adapted for electric vehicles for monitoring or controlling batteries
- B60L58/12—Methods or circuit arrangements for monitoring or controlling batteries or fuel cells, specially adapted for electric vehicles for monitoring or controlling batteries responding to state of charge [SoC]
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60L—PROPULSION OF ELECTRICALLY-PROPELLED VEHICLES; SUPPLYING ELECTRIC POWER FOR AUXILIARY EQUIPMENT OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRODYNAMIC BRAKE SYSTEMS FOR VEHICLES IN GENERAL; MAGNETIC SUSPENSION OR LEVITATION FOR VEHICLES; MONITORING OPERATING VARIABLES OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRIC SAFETY DEVICES FOR ELECTRICALLY-PROPELLED VEHICLES
- B60L2240/00—Control parameters of input or output; Target parameters
- B60L2240/40—Drive Train control parameters
- B60L2240/54—Drive Train control parameters related to batteries
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/60—Other road transportation technologies with climate change mitigation effect
- Y02T10/70—Energy storage systems for electromobility, e.g. batteries
Landscapes
- Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Sustainable Development (AREA)
- Sustainable Energy (AREA)
- Power Engineering (AREA)
- Transportation (AREA)
- Mechanical Engineering (AREA)
- Electric Propulsion And Braking For Vehicles (AREA)
- Charge And Discharge Circuits For Batteries Or The Like (AREA)
Abstract
本申请涉及里程预测技术领域,提供了一种里程预测方法、装置、电子设备及存储介质。该方法通过获取车辆的实时剩余电量,并根据实时剩余电量确定车辆的初始续航里程;确定车辆的当前位置和车辆的行驶路径,并根据车辆的当前位置、行驶路径以及初始续航里程确定目标充电站;实现了基于车辆的行驶路径、当前位置以及初始续航里程共同灵活确定目标充电站,基于车辆在目标充电站的历史充电数据和目标充电站的当前状态,对车辆进行充电预测,得到预测充电电量;根据预测充电电量和实时剩余电量,确定车辆的预测续航里程,实现了预测车辆进行充电后的续航里程,避免了车辆仅能获取实时剩余电量对应的剩余行驶里程,无法结合行驶路径进行里程预测的问题。
Description
技术领域
本申请涉及里程预测技术领域,尤其涉及一种里程预测方法、装置、电子设备及存储介质。
背景技术
新能源汽车是指采用非常规的车用燃料作为动力来源(或使用常规的车用燃料、采用新型车载动力装置),综合车辆的动力控制和驱动方面的先进技术,形成的技术原理先进、具有新技术、新结构的汽车。
纯电动汽车(BEV,Battery Electric Vehicles)是新能源汽车的一种,其利用蓄电池作为储能动力源,通过电池向电动机提供电能,驱动电动机运转,从而推动汽车行驶。纯电动汽车以其零排放、能源利用率高、结构简单、噪声小、原料广等优点已经得到用户的广泛认可,进入了快速普及的阶段。但是用户日常使用时,车辆仅显示实际的剩余行驶里程,导致用户存在里程焦虑,如何结合用户的路径规划进行里程预测,实现缓解用户的里程焦虑,成了亟需解决的问题。
发明内容
有鉴于此,本申请实施例提供了一种里程预测方法、装置、电子设备及存储介质,以解决现有技术中,车辆仅显示实际的剩余行驶里程,无法结合行驶路径进行里程预测的问题。
本申请实施例的第一方面,提供了一种里程预测方法,该方法包括:获取车辆的实时剩余电量,并根据实时剩余电量确定车辆的初始续航里程;确定车辆的当前位置和车辆的行驶路径,并根据车辆的当前位置、行驶路径以及初始续航里程确定目标充电站;基于车辆在目标充电站的历史充电数据和目标充电站的当前状态,对车辆进行充电预测,得到预测充电电量;根据预测充电电量和实时剩余电量,确定车辆的预测续航里程。
本申请实施例的第二方面,提供了一种里程预测装置,该装置包括:获取模块,用户获取车辆的实时剩余电量,并根据实时剩余电量确定车辆的初始续航里程;确定模块,用于确定车辆的当前位置和车辆的行驶路径,并根据车辆的当前位置、行驶路径以及初始续航里程确定目标充电站;预测模块,用于基于车辆在目标充电站的历史充电数据和目标充电站的当前状态,对车辆进行充电预测,得到预测充电电量;预测模块还用于根据预测充电电量和实时剩余电量,确定车辆的预测续航里程。
本申请实施例的第三方面,提供了一种电子设备,包括存储器、处理器以及存储在存储器中并且可在处理器上运行的计算机程序,该处理器执行计算机程序时实现上述方法的步骤。
本申请实施例的第四方面,提供了一种可读存储介质,该可读存储介质存储有计算机程序,该计算机程序被处理器执行时实现上述方法的步骤。
本申请实施例与现有技术相比存在的有益效果是:本申请的示例中通过获取车辆的实时剩余电量,并根据实时剩余电量确定车辆的初始续航里程;确定车辆的当前位置和车辆的行驶路径,并根据车辆的当前位置、行驶路径以及初始续航里程确定目标充电站;实现了基于车辆的行驶路径、当前位置以及初始续航里程共同灵活确定目标充电站,基于车辆在目标充电站的历史充电数据和目标充电站的当前状态,对车辆进行充电预测,得到预测充电电量;根据预测充电电量和实时剩余电量,确定车辆的预测续航里程,实现了预测车辆进行充电后的续航里程,避免了相关技术中,车辆仅能获取实时剩余电量对应的剩余行驶里程,无法结合行驶路径进行里程预测的问题。
附图说明
为了更清楚地说明本申请实施例中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,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,对于本领域普通技术人员来讲,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它的附图。
图1是本申请实施例提供的一种里程预测方法的流程示意图;
图2是本申请实施例提供的另一种里程预测方法的流程示意图;
图3是本申请实施例提供的再一种里程预测方法的流程示意图;
图4是本申请实施例提供的又一种里程预测方法的流程示意图;
图5是本申请实施例提供的还一种可选的里程预测方法的流程示意图;
图6是本申请实施例提供的另一种可选的里程预测方法的流程示意图;
图7是本申请实施例提供的还一种可选的里程预测方法的流程示意图;
图8是本申请实施例提供的一种里程预测装置的结构示意图;
图9是本申请实施例提供的一种电子设备的结构示意图。
具体实施方式
以下描述中,为了说明而不是为了限定,提出了诸如特定系统结构、技术之类的具体细节,以便透彻理解本申请实施例。然而,本领域的技术人员应当清楚,在没有这些具体细节的其它实施例中也可以实现本申请。在其它情况中,省略对众所周知的系统、装置、电路以及方法的详细说明,以免不必要的细节妨碍本申请的描述。
下面将结合附图详细说明根据本申请实施例的一种里程预测方法和装置。
图1是本申请实施例提供的一种里程预测方法,如图1所示,该方法包括:
S101、获取车辆的实时剩余电量,并根据实时剩余电量确定车辆的初始续航里程;
S102、确定车辆的当前位置和车辆的行驶路径,并根据车辆的当前位置、行驶路径以及初始续航里程确定目标充电站;
S103、基于车辆在目标充电站的历史充电数据和目标充电站的当前状态,对车辆进行充电预测,得到预测充电电量;
S104、根据预测充电电量和实时剩余电量,确定车辆的预测续航里程。
具体地,本示例提供的里程预测方法应用于车辆,上述车辆包括具备自动驾驶或智能驾驶的车辆(包括载人功能车辆(例如轿车、公共汽车、大巴车、小巴车等)、载货功能车辆(例如普通货车、厢式货车、甩挂车、封闭货车、罐式货车、平板货车、集装厢车、自卸货车、特殊结构货车)、特殊车辆(例如物流配送车、自动导引运输车AGV、巡逻车、起重机、吊车、挖掘机、推土机、铲车、压路机、装载机、越野工程车、装甲工程车、污水处理车、环卫车、吸尘车、洗地车、洒水车、扫地机器人、送餐机器人、导购机器人、割草机、高尔夫球车等)、娱乐功能的车辆(如娱乐车、游乐场自动驾驶装置、平衡车等)、救援车(例如消防车、救护车、电力抢修车、工程抢险车等))等。
在一些示例中,步骤S101,通过获取车辆的实时剩余电量,根据实时剩余电量和实时单位里程能耗,确定初始续航里程。具体地,将实时剩余电量与实时单位里程能耗的商,作为初始续航里程,计算公式如下:L=P/M;
其中,L为初始剩余续驶里程,P为实时剩余电量,M为实时单位里程能耗。通过车辆实时剩余电量和实时单位里程能耗确定初始续航里程,实现基于车辆实时使用情况确定初始续航里程,该初始剩余续驶里程具有时效性,相比现有技术中根据实时剩余电量和固定的单位里程能耗,能够提高初始剩余续驶里程的准确度。
能够理解的是,上述实时单位里程能耗是基于车载系统(如空调系统、影音系统)使用情况、道路情况以及环境温度等共同确定的。
在一些示例中,步骤S102通过确定车辆的当前位置和车辆的行驶路径,具体得,通过车辆的定位系统能够确定车辆的当前位置,通过车辆的导航系统能够确定车辆的行驶路径。然后车辆会根据自身的当前位置、行驶路径以及初始续航里程确定目标充电站,实现了基于车辆的行驶路径、当前位置以及初始续航里程共同灵活确定目标充电站,避免了使用固定的充电站作为目标充电站,导致与行驶路径不同路,需要用户专门驾车前往,造成的时间以及资源上的浪费。
在一些示例中,步骤S103获取车辆在目标充电站的历史充电数据,并基于车辆在目标充电站的历史充电数据和目标充电站的当前状态,对车辆进行充电预测,得到预测充电电量,也即,预估车辆在目标充电站的充电时长和充电效率,并根据预估的充电时长和充电效率得到预测充电电量;能够理解的是,充电效率受环境、充电设备等的影响,也即,相关人员能够根据环境和充电设备共同确定充电效率;其中,在相同的充电时长内,不同的充电效率下,会得到不同的预测充电电量;例如,充电时长为A,充电效率为B时,则预测充电电量为A*B,充电时长为A,充电效率为C时,则预测充电电量为A*C。
在一些示例中,步骤S104根据预测充电电量和实时剩余电量,确定车辆的预测续航里程,实现预测车辆进行充电后的续航里程,避免了相关技术中,车辆仅能获取实时剩余电量对应的剩余行驶里程,无法结合行驶路径进行里程预测的问题。
根据本申请实施例提供的技术方案,通过获取车辆的实时剩余电量,并根据实时剩余电量确定车辆的初始续航里程;确定车辆的当前位置和车辆的行驶路径,并根据车辆的当前位置、行驶路径以及初始续航里程确定目标充电站;实现了基于车辆的行驶路径、当前位置以及初始续航里程共同灵活确定目标充电站,基于车辆在目标充电站的历史充电数据和目标充电站的当前状态,对车辆进行充电预测,得到预测充电电量;根据预测充电电量和实时剩余电量,确定车辆的预测续航里程,实现了预测车辆进行充电后的续航里程,避免了相关技术中,车辆仅能获取实时剩余电量对应的剩余行驶里程,无法结合行驶路径进行里程预测的问题。
在一些实施例中,如图2所示,根据车辆的当前位置、行驶路径以及初始续航里程确定目标充电站,包括::
S201、根据初始续航里程和当前位置,确定车辆在行驶路径上的目标行驶路程;
S202、获取目标行驶路程中包含的充电站,并从目标行驶路程中包含的充电站中确定目标充电站。
具体地,上述行驶路径为车辆将要行驶的路径,根据当前位置和初始续航里程能够确定车辆在行驶路径上能够行驶的路程,将车辆在行驶路径上能够行驶的路程确定为目标行驶路程;例如,以行驶路径两端为A、C为例,行驶路径的长度为A至C的距离,车辆的当前位置为B点,B点属于A、C之间的位置,从B点出发,经过初始续航里程后达到地点D,地点D在行驶路径A、C之间,此时,表明基于初始续航里程无法行驶到C点,则将B点至D点的路径作为目标行驶路程;若从B点出发,经过初始续航里程后能够达到地点C,则直接将B点至C点的路径作为目标行驶路程。
在一些示例中,在确定目标行驶路程后,确定目标行驶路程中包含的充电站,该目标行驶路程中包含的充电站包括但不限于:目标行驶路程中的充电站和目标行驶路程周围的充电站。
承接上例,在获取到目标行驶路程中包含的充电站后,从包含的充电站中确定出目标充电站,进而使得目标充电站为靠近目标行驶路径的充电站,避免了随机选取充电站作为目标充电站,导致与行驶路径不同路,需要用户专门驾车前往,造成的时间以及资源上的浪费。
根据本申请实施例提供的技术方案,根据初始续航里程和当前位置,确定车辆在行驶路径上的目标行驶路程;获取目标行驶路程中包含的充电站,并从目标行驶路程中包含的充电站中确定目标充电站,进而使得目标充电站为靠近目标行驶路径的充电站,避免了随机选取充电站作为目标充电站,导致与行驶路径不同路,需要用户专门驾车前往,造成的时间以及资源浪费的问题。
在一些实施例中,如图3所示,从目标行驶路程中包含的充电站中确定目标充电站,包括:
S301、确定每个充电站的匹配度,并根据匹配度对每个充电站进行排序,得到充电站排序结果;
S302、根据充电站排序结果,确定目标充电站。
具体地,在获取到目标行驶路程中包含的充电站后,通过确定每个充电站的匹配度,该匹配度用于表征充电站与车辆的适配程度,其中,充电站的匹配度越高,则该充电站与车辆的适配程度越高,反之,充电站的匹配度越低,则该充电站与车辆的适配程度越低。
承接上例,在确定出充电站的匹配度后,基于充电站的匹配度进行排序,得到充电站排序结果,然后根据充电站排序结果确定匹配度最高的充电站,并将匹配度最高的充电站作为目标充电站。
能够理解的是,在一些示例中,从目标行驶路程中包含的充电站中确定目标充电站,还包括:通过可交互界面展示目标行驶路程中包含的充电站,然后接收用户发出的确定指令,基于该确定指令确定出目标充电站。
在一些示例中,从目标行驶路程中包含的充电站中确定目标充电站还包括:确定目标行驶路程中包含的充电站的数量,若目标行驶路程中仅包含一个充电站,则直接将该目标行驶路程中包含的充电站作为目标充电站即可,避免了在目标行驶路程中仅包含一个充电站时,还去获取充电站的匹配度,导致的资源浪费问题。
能够理解的是,本实施例并不限制仅通过上述方法确定目标充电站,具体如何确定目标充电站可以由相关人员灵活设置。
根据本申请实施例提供的技术方案,确定每个充电站的匹配度,并根据匹配度对每个充电站进行排序,得到充电站排序结果;根据充电站排序结果,确定目标充电站,实现了自动计算目标行驶路程中包含的充电站的匹配对,并基于匹配度自动对充电站进行排序,进而实现了自动根据充电站的排序结果确定目标充电站,进而使得目标充电站为靠近目标行驶路径的充电站,避免了随机选取充电站作为目标充电站,导致与行驶路径不同路,需要用户专门驾车前往,造成的时间以及资源浪费的问题,此外,避免了由用户确定目标充电站,导致的操作繁琐等问题。
在一些实施例中,如图4所示,确定每个充电站的匹配度,包括:
S401、确定每个充电站的充电效率分、路程匹配分以及等待时长分;
S402、对充电效率分、路程匹配分以及等待时长分进行加权求和处理,得到每个充电站对应的匹配度。
具体地,根据每个充电站的充电设备来确定每个充电站对应的充电效率分,例如,将充电设备划分为快充设备和慢充设备,则判断充电站中包含的充电设备,若充电站中均为慢充设备,则该充电站对应的充电效率分记为三分;若充电站中均为慢充设备,则该充电站对应的充电效率分记为一分;若充电站中包含有慢充设备和快充设备,则将该充电站的充电效率分记为两分。能够理解的是,具体如何确定充电站对应的充电效率分可以由相关人员根据实际需求灵活设置。
在一些示例中,根据每个充电站的位置来确定每个充电站的路程匹配分,具体地,若充电站为目标行驶路程中的充电站,则将该充电站对应的路程匹配分记为三分;若充电站为目标行驶路程周围的充电站,则获取车辆行驶到该充电站的行驶距离,若该行驶距离低于目标行驶距离,则将该充电站对应的路程匹配分记为二分,若该行驶距离不低于目标行驶距离,则将该充电站对应的路程匹配分记为一分,能够理解的是,具体如何确定充电站对应的路程匹配分可以由相关人员根据实际需求灵活设置。
在一些示例中,确定每个充电站的等待时长分包括:预测车辆到达充电站后需要排队等待的时长,若需要排队等待的时长低于第一目标排队等待时长,则将该充电站的等待时长分记为三分;若需要排队等待的时长在第一目标排队等待时长和第二目标排队等待时长之间(第二目标排队等待时长高于第一目标排队等待时长),则将该充电站的等待时长分记为二分;若需要排队等待的时长高于第二目标排队等待时长之间,则将该充电站的等待时长分记为一分。能够理解的是,具体如何确定充电站对应的等待时长分可以由相关人员根据实际需求灵活设置。
在一些示例中,在确定每个充电站的充电效率分、路程匹配分以及等待时长分,分别确定充电效率分、路程匹配分以及等待时长分的权重,并基于确定的权重对上述充电效率分、路程匹配分以及等待时长分进行加权求和,得到每个充电站对应的匹配度;例如,设充电站的充电效率分为X,路程匹配分为Y,等待时长分为Z,充电效率分对应的权重为A,路程匹配分对应的权重为B,等待时长分对应的权重为C,则充电站对应的匹配度=X*A+Y*B+Z*C。
能够理解的是,在一些示例中,还可以获取充电站的充电费用分,对充电效率分、路程匹配分以及等待时长分以及充电费用分进行加权求和处理,得到每个充电站对应的匹配度。
根据本申请实施例提供的技术方案,通过确定每个充电站的充电效率分、路程匹配分以及等待时长分;对充电效率分、路程匹配分以及等待时长分进行加权求和处理,得到每个充电站对应的匹配度,实现了基于充电效率、路程匹配以及等待时长综合确定充电站的匹配度,也即实现了多元化确定充电中的匹配度,提高了匹配度的准确性,避免了仅通过一种元素确定充电站的匹配度,导致确定的匹配度不准确的问题。
在一些示例中,历史充电数据包括:历史充电记录和历史充电效率,如图5所示,基于车辆在目标充电站的历史充电数据和目标充电站的当前状态,对车辆进行充电预测,得到预测充电电量,包括:
S501、根据历史充电记录和等待时长,确定车辆在目标充电站的预测充电时长;
S502、根据预测充电时长和车辆对应的充电效率,对车辆进行充电预测,得到预测充电电量。
具体地,该历史充电记录用于表征车辆在该目标充电站的充电规律,该历史充电记录包括了历史充电时间和历史充电时长的对应关系,例如,该历史充电时间和历史充电时长的对应关系如下:早上八点开始平均充电五小时,中午12点开始平均充电两小时,下午两点开始平均充电三小时。确定车辆在目标充电站的预测充电时长包括:预测车辆到目标充电站的到达时间,基于该历史充电时间和历史充电时长的对应关系,和预测到达时间确定车辆在目标充电站的预测充电时长。
承接上例,以预测到达时间为早上八点,根据历史充电时间和历史充电时长的对应关系确定早上八点开始平均充电时长为五小时,则确定预测充电时长为五小时。
在一些示例中,根据预测充电时长和车辆对应的充电效率,对车辆进行充电预测,具体地,上述车辆对应的充电效率由车辆的电池衰减程度、目标充电站的充电设备以及车辆的充电功率等共同确定;在确定车辆的充电效率后,,将充电效率和预测效率相乘,进而实现基于预测充电时长和充电效率即可对车辆进行充电预测,得到预测充电电量,具体地,计算公式如下:
S=X*Y;
其中,S为预测充电电量,X为预存充电时长,Y为充电效率。
根据本申请实施例提供的技术方案,根据历史充电记录,确定车辆在目标充电站的预测充电时长;根据预测充电时长和车辆对应的充电效率,对车辆进行充电预测,得到预测充电电量,基于预测充电时长和充电效率实现了准确确定预测充电电量,解决了相关技术中,无法获取车辆在目标充电站的预测充电电量的问题。
在一些示例中,如图6所示,根据预测充电电量和实时剩余电量,确定车辆的预测续航里程,包括:
S601、根据预测充电电量,确定车辆的充电续航里程;
S602、将充电续航里程和实时剩余电量对应的初始续航里程求和,得到车辆的预测续航里程。
具体地,获取车辆的预测充电电量,根据预测充电电量和实时单位里程能耗,确定充电续航里程。具体地,将预测充电电量与实时单位里程能耗的商,作为充电续航里程,计算公式如下:
L2=Q/M;
其中,L2为充电续航里程,Q为充电续航里程,M为实时单位里程能耗。通过车辆预测充电电量和实时单位里程能耗确定充电续航里程,实现基于车辆实时使用情况确定充电续航里程,该充电续航里程与实时单位里程能耗具有相关性,提高了充电续航里程的准确度。
一些示例中,在确定出将充电续航里程后,根据充电续航里程和初始续航里程进而确定车辆对应的预测续航里程,具体地,将充电续航里程和实时剩余电量对应的初始续航里程求和,得到车辆的预测续航里程,计算公式如下:
L3=L+L2;
其中,L3为预测续航里程,L2为充电续航里程,L为实时剩余电量对应的初始续航里程。
根据本申请实施例提供的技术方案,根据预测充电电量,确定车辆的充电续航里程;将充电续航里程和实时剩余电量对应的初始续航里程求和,得到车辆的预测续航里程,。
在一些示例中,如图7所示,根据预测充电电量和实时剩余电量,确定车辆的预测续航里程之后,方法还包括:
S701、在预测续航里程内划分出初始续航里程和充电续航里程;
S702、通过车辆的车机交互装置,展示划分完成的预测续航里程。
具体地,在确定预测续航里程后,为了用户能够更加直观的获取预测续航里程的初始续航里程和充电续航里程,需要对预测续航里程内的初始续航里程和充电续航里程进行划分,具体地,通过分别确定初始续航里程和充电续航里程的展示方式,实现在预测续航里程内划分出初始续航里程和充电续航里程,能够理解的是,初始续航里程和充电续航里程的展示方式不同,例如,将预测续航里程作为圆柱体,上述圆柱体中分为了初始续航里程和充电续航里程,其中,在圆柱体内通过不同的颜色展示该初始续航里程和充电续航里程,进而实现在预测续航里程内划分出初始续航里程和充电续航里程。
在一些示例中,在划分出初始续航里程和充电续航里程后,通过车辆的车机交互装置展示划分完成的预测续航里程,进而使得用户能够直观的了解到初始续航里程和充电续航里程。
根据本申请实施例提供的技术方案,在预测续航里程内划分出初始续航里程和充电续航里程;、通过所属车辆的车机交互装置,展示划分完成的预测续航里程,进而使得用户能够直观的了解到初始续航里程和充电续航里程,避免了用户无法确定初始续航里程和充电续航里程的问题。
上述所有可选技术方案,可以采用任意结合形成本申请的可选实施例,在此不再一一赘述。
下述为本申请装置实施例,可以用于执行本申请方法实施例。对于本申请装置实施例中未披露的细节,请参照本申请方法实施例。
本实施例还提供一种里程预测装置,如图8所示,该装置包括:
获取模块801,用户获取车辆的实时剩余电量,并根据实时剩余电量确定车辆的初始续航里程;
确定模块802,用于确定车辆的当前位置和车辆的行驶路径,并根据车辆的当前位置、行驶路径以及初始续航里程确定目标充电站;
预测模块803,用于基于车辆在目标充电站的历史充电数据和目标充电站的当前状态,对车辆进行充电预测,得到预测充电电量;
预测模块803还用于根据预测充电电量和实时剩余电量,确定车辆的预测续航里程。
在一些示例中,确定模块802还用于根据初始续航里程和当前位置,确定车辆在行驶路径上的目标行驶路程;获取目标行驶路程中包含的充电站,并从目标行驶路程中包含的充电站中确定目标充电站。
在一些示例中,确定模块802还用于确定每个充电站的匹配度,并根据匹配度对每个充电站进行排序,得到充电站排序结果;根据充电站排序结果,确定目标充电站。
在一些示例中,确定模块802还用于确定每个充电站的充电效率分、路程匹配分以及等待时长分;对充电效率分、路程匹配分以及等待时长分进行加权求和处理,得到每个充电站对应的匹配度。
在一些示例中,预测模块803还用于根据历史充电记录,确定车辆在目标充电站的预测充电时长;根据预测充电时长和车辆对应的充电效率,对车辆进行充电预测,得到预测充电电量。
在一些示例中,预测模块803还用于根据预测充电电量,确定车辆的充电续航里程;将充电续航里程和实时剩余电量对应的初始续航里程求和,得到车辆的预测续航里程。
在一些示例中,预测模块803还用于在预测续航里程内划分出初始续航里程和充电续航里程;通过所属车辆的车机交互装置,展示预测续航里程。
根据本申请实施例提供的技术方案,本申请实施例的上述装置通过通过获取车辆的实时剩余电量,并根据实时剩余电量确定车辆的初始续航里程;确定车辆的当前位置和车辆的行驶路径,并根据车辆的当前位置、行驶路径以及初始续航里程确定目标充电站;实现了基于车辆的行驶路径、当前位置以及初始续航里程共同灵活确定目标充电站,基于车辆在目标充电站的历史充电数据和目标充电站的当前状态,对车辆进行充电预测,得到预测充电电量;根据预测充电电量和实时剩余电量,确定车辆的预测续航里程,实现了预测车辆进行充电后的续航里程,避免了相关技术中,车辆仅能获取实时剩余电量对应的剩余行驶里程,无法结合行驶路径进行里程预测的问题。
图9是本申请实施例提供的电子设备9的示意图。如图9所示,该实施例的电子设备9包括:处理器901、存储器902以及存储在该存储器902中并且可在处理器901上运行的计算机程序903。处理器901执行计算机程序903时实现上述各个方法实施例中的步骤。或者,处理器901执行计算机程序903时实现上述各装置实施例中各模块/单元的功能。
电子设备9可以是桌上型计算机、笔记本、掌上电脑及云端服务器等电子设备。电子设备9可以包括但不仅限于处理器901和存储器902。本领域技术人员可以理解,图9仅仅是电子设备9的示例,并不构成对电子设备9的限定,可以包括比图示更多或更少的部件,或者不同的部件。
处理器901可以是中央处理单元(Central Processing Unit,CPU),也可以是其它通用处理器、数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现场可编程门阵列(Field-Programmable Gate Array,FPGA)或者其它可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。
存储器902可以是电子设备9的内部存储单元,例如,电子设备9的硬盘或内存。存储器902也可以是电子设备9的外部存储设备,例如,电子设备9上配备的插接式硬盘,智能存储卡(Smart Media Card,SMC),安全数字(Secure Digital,SD)卡,闪存卡(Flash Card)等。存储器902还可以既包括电子设备9的内部存储单元也包括外部存储设备。存储器902用于存储计算机程序以及电子设备所需的其它程序和数据。
所属领域的技术人员可以清楚地了解到,为了描述的方便和简洁,仅以上述各功能单元、模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能单元、模块完成,即将装置的内部结构划分成不同的功能单元或模块,以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块可以集成在一个处理单元中,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单元中,上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个可读存储介质中。基于这样的理解,本申请实现上述实施例方法中的全部或部分流程,也可以通过计算机程序来指令相关的硬件来完成,计算机程序可以存储在可读存储介质中,该计算机程序在被处理器执行时,可以实现上述各个方法实施例的步骤。计算机程序可以包括计算机程序代码,计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。计算机可读介质可以包括:能够携带计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(Read-Only Memory,ROM)、随机存取存储器(Random Access Memory,RAM)、电载波信号、电信信号以及软件分发介质等。需要说明的是,计算机可读介质包含的内容可以根据区域要求和专利实践的要求进行适当的增减,例如,在某些区域内,根据区域要求和专利实践,计算机可读介质不包括电载波信号和电信信号。
以上实施例仅用以说明本申请的技术方案,而非对其限制;尽管参照前述实施例对本申请进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围,均应包含在本申请的保护范围之内。
Claims (10)
1.一种里程预测方法,其特征在于,所述方法包括:
获取车辆的实时剩余电量,并根据所述实时剩余电量确定所述车辆的初始续航里程;
确定所述车辆的当前位置和所述车辆的行驶路径,并根据所述车辆的当前位置、所述行驶路径以及所述初始续航里程确定目标充电站;
基于所述车辆在所述目标充电站的历史充电数据和所述目标充电站的当前状态,对所述车辆进行充电预测,得到预测充电电量;
根据所述预测充电电量和所述实时剩余电量,确定所述车辆的预测续航里程。
2.根据权利要求1所述的方法,其特征在于,根据所述车辆的当前位置、所述行驶路径以及所述初始续航里程确定目标充电站,包括:
根据所述初始续航里程和所述当前位置,确定所述车辆在所述行驶路径上的目标行驶路程;
获取所述目标行驶路程中包含的充电站,并从所述目标行驶路程中包含的所述充电站中确定所述目标充电站。
3.根据权利要求2所述的方法,其特征在于,从所述目标行驶路程中包含的所述充电站中确定所述目标充电站,包括:
确定每个所述充电站的匹配度,并根据所述匹配度对每个所述充电站进行排序,得到充电站排序结果;
根据所述充电站排序结果,确定所述目标充电站。
4.根据权利要求3所述的方法,其特征在于,确定每个所述充电站的匹配度,包括:
确定每个所述充电站的充电效率分、路程匹配分以及等待时长分;
对所述充电效率分、所述路程匹配分以及所述等待时长分进行加权求和处理,得到每个所述充电站对应的所述匹配度。
5.根据权利要求1所述的方法,其特征在于,所述历史充电数据包括:历史充电记录;基于所述车辆在所述目标充电站的历史充电数据和所述目标充电站的当前状态,对所述车辆进行充电预测,得到预测充电电量,包括:
根据所述历史充电记录,确定所述车辆在所述目标充电站的预测充电时长;
根据所述预测充电时长和所述车辆对应的充电效率,对所述车辆进行充电预测,得到所述预测充电电量。
6.根据权利要求1所述的方法,其特征在于,根据所述预测充电电量和所述实时剩余电量,确定所述车辆的预测续航里程,包括:
根据所述预测充电电量,确定所述车辆的充电续航里程;
将所述充电续航里程和所述实时剩余电量对应的所述初始续航里程求和,得到所述车辆的预测续航里程。
7.根据权利要求6所述的方法,其特征在于,根据所述预测充电电量和所述实时剩余电量,确定所述车辆的预测续航里程之后,所述方法还包括:
在所述预测续航里程内划分出所述初始续航里程和所述充电续航里程;
通过所属车辆的车机交互装置,展示划分完成的所述预测续航里程。
8.一种里程预测装置,其特征在于,所述装置包括:
获取模块,用户获取车辆的实时剩余电量,并根据所述实时剩余电量确定所述车辆的初始续航里程;
确定模块,用于确定所述车辆的当前位置和所述车辆的行驶路径,并根据所述车辆的当前位置、所述行驶路径以及所述初始续航里程确定目标充电站;
预测模块,用于基于所述车辆在所述目标充电站的历史充电数据和所述目标充电站的当前状态,对所述车辆进行充电预测,得到预测充电电量;
所述预测模块还用于根据所述预测充电电量和所述实时剩余电量,确定所述车辆的预测续航里程。
9.一种电子设备,包括存储器、处理器以及存储在所述存储器中并且可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如权利要求1至7中任一项所述方法的步骤。
10.一种可读存储介质,所述可读存储介质存储有计算机程序,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至7中任一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311277923.7A CN117284153A (zh) | 2023-09-28 | 2023-09-28 | 一种里程预测方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311277923.7A CN117284153A (zh) | 2023-09-28 | 2023-09-28 | 一种里程预测方法、装置、电子设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117284153A true CN117284153A (zh) | 2023-12-26 |
Family
ID=89238673
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311277923.7A Pending CN117284153A (zh) | 2023-09-28 | 2023-09-28 | 一种里程预测方法、装置、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117284153A (zh) |
-
2023
- 2023-09-28 CN CN202311277923.7A patent/CN117284153A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20180202825A1 (en) | Apparatus and method for providing charging equipment information to vehicle | |
US6826460B2 (en) | Range prediction in fleet management of electric and fuel-cell vehicles | |
CN105140977B (zh) | 基于电网调度的电动汽车换电方法和换电服务物联网 | |
WO2020044597A1 (ja) | 車両電源システム、及び配車システム | |
CN109795371A (zh) | 基于移动终端路线规划的电动车辆充电提醒方法及装置 | |
CN106871918B (zh) | 电动车路线规划方法及装置 | |
CN104113105A (zh) | 选择电动车充电站的系统和方法 | |
CN109765895A (zh) | 无人驾驶车辆控制方法、装置、无人驾驶车辆及存储介质 | |
CN109785611B (zh) | 无人驾驶车辆控制方法、装置、服务器及存储介质 | |
CN110816319A (zh) | 车辆信息处理系统及方法 | |
CN103049942A (zh) | 车内传感器数据的获取和集合的平均性能指标的呈报 | |
JP7503763B2 (ja) | 車載報知装置、報知プログラム | |
CN111709795A (zh) | 电动车辆能量管理方法、电动车辆能量管理装置及服务器 | |
CN117371739A (zh) | 一种车辆充电管理方法、装置、电子设备及存储介质 | |
CN117743744A (zh) | 换电站电池运行情况展示方法、装置、设备及存储介质 | |
CN117284153A (zh) | 一种里程预测方法、装置、电子设备及存储介质 | |
US11215995B2 (en) | Environment improvement system and environment improvement method, and server used therein | |
CN113492695B (zh) | 一种电动汽车的控制方法、装置及控制设备 | |
CN108229944A (zh) | 基于无人机的供电计费方法和装置 | |
CN109754304B (zh) | 费用设定装置和费用设定方法 | |
Selmair et al. | Enhancing the efficiency of charging & parking processes for Autonomous Mobile Robot fleets: A simulative evaluation | |
CN115923656B (zh) | 一种救护车续航监测方法、装置、电子设备及存储介质 | |
CN108229708B (zh) | 基于无人机的预约充电方法和装置 | |
CN117124925A (zh) | 一种纯电里程预测方法、装置、电子设备及存储介质 | |
US20240212036A1 (en) | Vehicle management method and server |
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 |