一种基于车载OBD智能盒子采集数据的充电推荐方法与流程

一种基于车载obd智能盒子采集数据的充电推荐方法
技术领域
1.本发明涉及电动汽车技术领域，具体来说，涉及一种基于车载obd智能盒子采集数据的充电推荐方法。


背景技术：

2.随着车联网技术的不断发展，智能交通的普及应用成为目前重要的发展趋势之一。车联网的重要特征包括：对车辆数据的收集，车辆数据的传输。其中，车辆数据收集的一个重要系统是obd(车载诊断)系统。其能够监测多个系统和部件，包括发动机、催化转化器、颗粒捕集器、氧传感器、排放控制系统、燃油系统等。
3.车载obd设备用于通过obd接口采集汽车ecu相关数据，并通过网络模块将数据上传服务器，提供车辆体检、车辆轨迹、精确的行程报告、油耗分析、驾驶行为分析等功能的汽车车载终端。
4.对于电动汽车而言，其具有广阔的市场前景，但是目前电动汽车的续航里程普遍比传统燃油车短。同时，电动汽车的蓄电池还受多种因素影响。当汽车剩余电量不多时，更精确的预测电动汽车可行驶里程，有助于增加驾驶人员顺利把车开到目的地的信心，提升用户的驾驶体验，因此，本发明提出了一种基于车载obd智能盒子采集数据的充电推荐方法。


技术实现要素：

5.针对相关技术中的问题，本发明提出一种基于车载obd智能盒子采集数据的充电推荐方法，以克服现有相关技术所存在的上述技术问题。
6.为此，本发明采用的具体技术方案如下：
7.一种基于车载obd智能盒子采集数据的充电推荐方法，该方法包括以下步骤：
8.s1、在电动汽车的对应位置处安装预设的obd智能盒子，并与车上的电源及can总线连接；
9.s2、在移动终端安装用户服务软件，并与所述obd智能盒子建立通信连接；
10.s3、启动电动汽车，所述obd智能盒子利用can总线定时获取车况数据并发送给所述移动终端；
11.s4、所述移动终端接收车况数据，并提取所述车况数据中的最新基础数据；
12.s5、将所述最新的基础数据输入预先构建的gru模型得到所述电动汽车的预测续航里程；
13.s6、判断所述电动汽车是否设定导航路线，若是则执行s7，否则当所述电动汽车的预测续航里程超出预设阈值范围时执行s9；
14.s7、判断所述电动汽车的预测续航里程是否足以支持导航路线里程，若是则流程结束，若否则执行s8；
15.s8、计算得到所述电动汽车预测续航里程与导航路线里程之间的差值，并输出与
该差值相匹配的推荐充电电量；
16.s9、输出所述电动汽车的快速充电时间及饱和充电时间，并为用户推荐相应的充电站信息。
17.进一步的，所述s2中的通信包含但不限于移动通信网络、蓝牙传输及wifi传输的通信连接方式。
18.进一步的，所述s3中启动电动汽车，所述obd智能盒子利用can总线定时获取车况数据并发送给所述移动终端包括以下步骤：
19.s31、启动所述电动汽车，所述obd智能盒子利用can总线读取电动汽车的车况数据；
20.s32、解析读取的所述车况数据得到所述obd智能盒子能够识别的所述车况数据；
21.s33、通过所述电动汽车上的obd接口将解析后的所述车况数据输出给所述obd智能盒子；
22.s34、所述obd智能盒子将解析后的所述车况数据发送给所述移动终端。
23.进一步的，所述s4中基础数据包括电动汽车运动数据、电池数据、电机数据、电机控制数据及环境数据中的任意一种或几种的组合。
24.进一步的，所述s4中移动终端接收车况数据，并提取所述车况数据中的最新基础数据还包括以下步骤：
25.所述移动终端向服务器发起通讯请求，并根据上传结果切换对应的工作模式；
26.所述移动终端根据对应的工作模式将所述电动汽车的车况数据上传至所述服务器。
27.进一步的，所述s5将所述最新的基础数据输入预先构建的gru模型得到所述电动汽车的预测续航里程之前还包括构建gru模型，其中，构建gru模型包括以下步骤：
28.获取待预测电动汽车的历史基础数据并进行数据处理；
29.使用处理后的所述历史基础数据对构建的gru模型进行训练；
30.使用最小化损失函数对所述gru模型的参数进行更新。
31.进一步的，所述数据处理包括对所述电动汽车的历史基础数据进行分类，并对分类后的历史基础数据进行数据清洗处理。
32.进一步的，所述使用处理后的所述历史基础数据对构建的gru模型进行训练还包括以下步骤：在训练所述gru模型时，分别以3天、5天、7天、9天、11天为周期进行训练，然后选取效果最好的模型进行预测。
33.进一步的，所述s8中计算得到所述电动汽车预测续航里程与导航路线里程之间的差值，并输出与该差值相匹配的推荐充电电量包括以下步骤：
34.s81、依据所述导航路线得到对应的导航路线里程；
35.s82、计算所述电动汽车预测续航里程与导航路线里程之间的差值；
36.s83、计算得到所述电动汽车行驶该差值里程时所需要的电量；
37.s84、对所述电量进行预设倍数的增大得到推荐的充电电量；
38.s85、输出与所述差值相匹配的所述推荐充电电量。
39.进一步的，所述s9中输出所述电动汽车的快速充电时间及饱和充电时间包括以下步骤：
40.分析所述电动汽车的充电效率及当前电量，得到当前电动汽车的快速充电时间及饱和充电时间；其中，快速充电时间是指电动汽车从当前时刻起达到快速充电所支持的最高电量的充电时间；所述饱和充电时间是指电动汽车从当前时刻起到充满电量的充电时间。
41.本发明的有益效果为：通过obd智能盒子的使用，可以对电动汽车的车况数据进行定时获取，并根据获取的最新基础数据及gru模型可以实现对电动汽车续航里程的预测，从而不仅可以精确的预测电动汽车的续航里程，提升用户的驾驶体验，而且还可以根据用户的导航路线里程与预测续航里程之间的差值来对用户的出行路线进行分析，并为用户推荐合理的充电方案，从而可以更好地满足于人们的使用需求。
附图说明
42.为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例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发明的一些实施例，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他的附图。
43.图1是根据本发明实施例的一种基于车载obd智能盒子采集数据的充电推荐方法的流程图。
具体实施方式
44.为进一步说明各实施例，本发明提供有附图，这些附图为本发明揭露内容的一部分，其主要用以说明实施例，并可配合说明书的相关描述来解释实施例的运作原理，配合参考这些内容，本领域普通技术人员应能理解其他可能的实施方式以及本发明的优点，图中的组件并未按比例绘制，而类似的组件符号通常用来表示类似的组件。
45.根据本发明的实施例，提供了一种基于车载obd智能盒子采集数据的充电推荐方法。
46.现结合附图和具体实施方式对本发明进一步说明，如图1所示，根据本发明实施例的基于车载obd智能盒子采集数据的充电推荐方法，该方法包括以下步骤：
47.s1、在电动汽车的对应位置处安装预设的obd智能盒子，并与车上的电源及can总线连接；
48.s2、在移动终端安装用户服务软件，并与所述obd智能盒子建立通信连接；
49.其中，所述s2中的通信包含但不限于移动通信网络、蓝牙传输及wifi传输的通信连接方式。
50.s3、启动电动汽车，所述obd智能盒子利用can总线定时获取车况数据并发送给所述移动终端；
51.其中，所述s3中启动电动汽车，所述obd智能盒子利用can总线定时获取车况数据并发送给所述移动终端包括以下步骤：
52.s31、启动所述电动汽车，所述obd智能盒子利用can总线读取电动汽车的车况数据；
53.s32、解析读取的所述车况数据得到所述obd智能盒子能够识别的所述车况数据；
54.s33、通过所述电动汽车上的obd接口将解析后的所述车况数据输出给所述obd智能盒子；
55.s34、所述obd智能盒子将解析后的所述车况数据发送给所述移动终端。
56.s4、所述移动终端接收车况数据，并提取所述车况数据中的最新基础数据；
57.具体的，所述s4中基础数据包括电动汽车运动数据、电池数据、电机数据、电机控制数据及环境数据中的任意一种或几种的组合。
58.此外，所述s4中移动终端接收车况数据，并提取所述车况数据中的最新基础数据还包括以下步骤：
59.所述移动终端向服务器发起通讯请求，并根据上传结果切换对应的工作模式；所述工作模式包括常规模式和无网络模式。具体的，切换至对应的工作模式的方法包括：若服务器对移动终端app反馈通讯信息，切换至常规模式；若服务器未对移动终端app反馈通讯信息，切换至无网络模式。
60.所述移动终端根据对应的工作模式将所述电动汽车的车况数据上传至所述服务器。
61.s5、将所述最新的基础数据输入预先构建的gru模型得到所述电动汽车的预测续航里程；
62.其中，所述s5将所述最新的基础数据输入预先构建的gru模型得到所述电动汽车的预测续航里程之前还包括构建gru模型，其中，构建gru模型包括以下步骤：
63.获取待预测电动汽车的历史基础数据并进行数据处理；
64.具体的，所述数据处理包括对所述电动汽车的历史基础数据进行分类，并对分类后的历史基础数据进行数据清洗处理。
65.使用处理后的所述历史基础数据对构建的gru模型进行训练；
66.具体的，所述使用处理后的所述历史基础数据对构建的gru模型进行训练还包括以下步骤：在训练所述gru模型时，分别以3天、5天、7天、9天、11天为周期进行训练，然后选取效果最好的模型进行预测。
67.使用最小化损失函数对所述gru模型的参数进行更新。
68.s6、判断所述电动汽车是否设定导航路线，若是则执行s7，否则当所述电动汽车的预测续航里程超出预设阈值范围时执行s9；
69.s7、判断所述电动汽车的预测续航里程是否足以支持导航路线里程，若是则流程结束，若否则执行s8；
70.s8、计算得到所述电动汽车预测续航里程与导航路线里程之间的差值，并输出与该差值相匹配的推荐充电电量；
71.其中，所述s8中计算得到所述电动汽车预测续航里程与导航路线里程之间的差值，并输出与该差值相匹配的推荐充电电量包括以下步骤：
72.s81、依据所述导航路线得到对应的导航路线里程；
73.s82、计算所述电动汽车预测续航里程与导航路线里程之间的差值；
74.s83、计算得到所述电动汽车行驶该差值里程时所需要的电量；
75.s84、对所述电量进行预设倍数的增大得到推荐的充电电量；
76.s85、输出与所述差值相匹配的所述推荐充电电量。
77.s9、输出所述电动汽车的快速充电时间及饱和充电时间，并为用户推荐相应的充电站信息。
78.其中，所述s9中输出所述电动汽车的快速充电时间及饱和充电时间包括以下步骤：
79.分析所述电动汽车的充电效率及当前电量，得到当前电动汽车的快速充电时间及饱和充电时间；其中，快速充电时间是指电动汽车从当前时刻起达到快速充电所支持的最高电量的充电时间；所述饱和充电时间是指电动汽车从当前时刻起到充满电量的充电时间。
80.综上所述，借助于本发明的上述技术方案，通过obd智能盒子的使用，可以对电动汽车的车况数据进行定时获取，并根据获取的最新基础数据及gru模型可以实现对电动汽车续航里程的预测，从而不仅可以精确的预测电动汽车的续航里程，提升用户的驾驶体验，而且还可以根据用户的导航路线里程与预测续航里程之间的差值来对用户的出行路线进行分析，并为用户推荐合理的充电方案，从而可以更好地满足于人们的使用需求。
81.以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。