本申请涉及数据处理,尤其涉及一种驾驶员的驾驶习惯数据分析续航里程方法及装置。
背景技术:
1、在目前的市场上,多数电动车辆对续航里程的预测主要依赖于车辆储存电量的情况和平均能耗水平。这种方法是一种粗略的估算,它假设车辆在当前的电量下可以行驶的里程与平均能耗水平相匹配。然而,在实际的车辆行驶过程中,外部条件的变化会对续航里程产生影响,导致预测值与实际值之间存在较大差距,降低了续航里程预测的准确度。
技术实现思路
1、有鉴于此,本申请实施例提供了一种驾驶员的驾驶习惯数据分析续航里程方法及装置,以解决现有技术中预测车辆续航里程准确度低的技术问题。
2、本申请实施例的第一方面,提供了一种驾驶员的驾驶习惯数据分析续航里程方法,包括:获取当前驾驶员的历史驾驶习惯数据;按照路段类型对历史驾驶习惯数据进行分类,得到不同路段类型的驾驶习惯数据;将不同路段类型的驾驶习惯数据输入至车辆能耗模型,通过车辆能耗模型预测出当前驾驶员驾驶当前车辆在不同路段类型的车辆能耗分布结果;确定导航数据对应的路段类型分布结果;根据当前驾驶员驾驶当前车辆在不同路段类型的车辆能耗分布结果、导航数据对应的路段类型分布结果、以及当前车辆的剩余电量,计算当前车辆的续航里程。
3、本申请实施例的第二方面,提供了一种驾驶员的驾驶习惯数据分析续航里程装置,包括:获取模块,用于获取当前驾驶员的历史驾驶习惯数据;分类模块,用于按照路段类型对历史驾驶习惯数据进行分类,得到不同路段类型的驾驶习惯数据;预测模块,用于将不同路段类型的驾驶习惯数据输入至车辆能耗模型,通过车辆能耗模型预测出当前驾驶员驾驶当前车辆在不同路段类型的车辆能耗分布结果;确定模块,用于获取当前驾驶员驾驶当前车辆的导航数据,并确定导航数据对应的路段类型分布结果;计算模块,用于根据当前驾驶员驾驶当前车辆在不同路段类型的车辆能耗分布结果、导航数据对应的路段类型分布结果、以及当前车辆的剩余电量,计算当前车辆的续航里程。
4、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、处理器以及存储在所述存储器中并且可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现如上述第一方面提供的方法的步骤。
5、本申请实施例的第四方面,提供了一种计可读存储介质,该可读存储介质存储有计算机程序,计算机程序被处理器执行时实现如上述第一方面提供的方法的步骤。
6、本申请实施例与现有技术相比存在的有益效果至少包括:本申请实施例通过按照路段类型对历史驾驶习惯数据进行分类,得到不同路段类型的驾驶习惯数据,并将不同路段类型的驾驶习惯数据输入至车辆能耗模型,通过车辆能耗模型预测出当前驾驶员驾驶当前车辆在不同路段类型的车辆能耗分布结果,确定当前车辆的导航数据对应的路段类型分布结果,然后根据当前驾驶员驾驶当前车辆在不同路段类型的车辆能耗分布结果、导航数据对应的路段类型分布结果、以及当前车辆的剩余电量,计算当前车辆的续航里程,以此方式可以实现对电动车辆续航里程的个性化预测,考虑了驾驶员的个人驾驶习惯和不同路段类型的能耗差异。相比传统预测方法,本申请的技术方案能够更准确地预测车辆在不同驾驶条件下的续航里程,为驾驶人提供更可靠的续航信息,提升电动车辆的实际使用体验。
1.一种基于驾驶员的驾驶习惯数据分析续航里程方法,其特征在于,包括:
2.根据权利要求1所述的方法,其特征在于,通过所述车辆能耗模型预测出所述当前驾驶员驾驶当前车辆在不同路段类型的车辆能耗分布结果包括:
3.根据权利要求2所述的方法,其特征在于,所述根据不同路段对应的特征向量中的各个特征元素和所述车辆能耗模型中的各个权重,计算所述当前驾驶员驾驶当前车辆在各个路段类型的电量消耗数据包括:
4.根据权利要求1所述的方法,其特征在于,所述当前驾驶员的历史驾驶习惯数据为所述当前驾驶员驾驶不同类型的历史车辆在不同路段类型的驾驶习惯数据;
5.根据权利要求4所述的方法,其特征在于,如果所述当前驾驶员驾驶的历史车辆类型中不包含所述当前车辆的类型,所述方法还包括:
6.根据权利要求1所述的方法,其特征在于,所述确定所述导航数据对应的路段类型分布结果包括:
7.根据权利要求6所述的方法,其特征在于,根据所述当前驾驶员驾驶当前车辆在不同路段类型的车辆能耗分布结果、所述导航数据对应的路段类型分布结果、以及所述当前车辆的剩余电量,计算所述当前车辆的续航里程包括:
8.一种基于驾驶员的驾驶习惯数据分析续航里程装置,其特征在于,包括:
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。