一种车辆能耗预测方法、系统及设备与流程

1.本技术涉及汽车技术领域，尤其涉及一种车辆能耗预测方法、系统及设备。


背景技术：

2.电动汽车，特别是纯电动车，其动力来源为电力，而受限于动力电池的储电量，纯电动车相比于使用化石能源的汽车，纯电动车的续航里程较短，为了避免车辆抛锚，用户在驾驶过程中会对车辆的续航里程进行持续关注。而车辆的续航里程是通过车辆的剩余能源状况和能耗状况综合进行计算得出的结果，因此对车辆续航里程的预测，也可看作是对车辆能耗的预测。
3.为了方便用户获取车辆的能耗，大部分电动汽车的车身中都会设置相应的功能模块进行预测，例如：通过上一时间段的平均能耗及行驶里程，来进行车辆能耗的预测；或者，由导航系统预测车辆在前方一段路线内的能耗。
4.但影响车辆能耗的因素较多，例如：驾驶行为习惯、道路影响、天气影响、车辆影响等等，且有些因素例如驾驶行为习惯等信息，车辆可能无法进行有效分析，进而影响能耗预测的结果。因此仅通过历史能耗或道路情况进行能耗预测，会使得获取的预测能耗与实际能耗之间存在很大差异，进而导致用户获取的预测续航里程不够准确，影响用户的驾驶体验。


技术实现要素：

5.本技术提供了一种车辆能耗预测方法、系统及设备，以解决预测车辆能耗时预测能耗与实际能耗间差异较大的问题。
6.根据本发明实施例的第一方面，提供了一种车辆能耗预测方法，包括：
7.获取所述车辆的路线信息、车辆位置信息和平均能耗信息；所述路线信息包括待行驶路段和多个能耗标定路段；根据初始能耗预测模型和所述平均能耗信息对所述车辆在所述能耗标定路段的能耗进行预测，得到第一能耗信息；根据所述能耗标定路段和所述车辆位置信息，确定所述车辆在所述能耗标定路段中行驶时的实际能耗信息；若所述第一能耗信息与所述实际能耗信息的差值大于预设阈值，则根据所述差值迭代更新所述初始能耗预测模型的参数，直至得到满足预设条件的目标能耗预测模型；根据所述目标能耗预测模型对所述路线信息中的待行驶路段的能耗进行预测，得到第二能耗信息；根据所述第二能耗信息，生成能耗提示信息。
8.在一种可选的方式中，所述初始能耗预测模型包括天气子模型、路况子模型、车重子模型、坡度子模型和驾驶习惯子模型中的至少一项，在所述根据初始能耗预测模型和所述平均能耗信息对所述车辆在所述能耗标定路段的能耗进行预测之前，所述方法还包括以下至少一项：
9.根据所述车辆位置信息，确定天气信息并输入至所述天气子模型中；根据所述路线信息，确定路况信息并输入至所述路况子模型中；根据所述车辆的标识信息，确定所述车
重信息并输入至所述车重子模型中；根据所述车辆的传感器采集的坡度信号，确定坡度信息并输入至所述坡度子模型中；根据加速踏板开度的变化率和所述车辆的加速度变化率，确定所述驾驶员的驾驶习惯类型并输入至所述驾驶习惯子模型中。
10.在一种可选的方式中，所述根据加速踏板开度的变化率和所述车辆的加速度变化率，确定所述驾驶员的驾驶习惯类型，包括：若所述加速踏板开度的变化率大于预设开度变化率，或者，若预设时长内所述车辆的加速度变化率大于预设加速度变化率，则确定所述驾驶员的驾驶习惯类型为第一驾驶习惯类型；若所述加速踏板开度的变化率小于预设开度变化率，或者，若预设时长内所述车辆的加速度变化率小于预设加速度变化率，则确定所述驾驶员的驾驶习惯类型为第二驾驶习惯类型。
11.在一种可选的方式中，根据初始能耗预测模型和所述平均能耗信息对所述车辆在所述能耗标定路段的能耗进行预测，得到第一能耗信息，包括：
12.根据所述天气信息和所述天气子模型，确定所述天气信息对应的第一附加能耗；根据所述路况信息和所述路况子模型，确定所述路况信息对应的第二附加能耗；根据所述车重信息和所述车重子模型，确定所述车重信息对应的第三附加能耗；根据所述坡度信息和所述坡度子模型，确定所述坡度信息对应的第四附加能耗；根据所述驾驶习惯类型和所述驾驶习惯子模型，确定所述驾驶习惯类型对应的第五附加能耗；根据所述平均能耗信息，以及所述第一附加能耗、所述第二附加能耗、所述第三附加能耗、所述第四附加能耗和所述第五附加能耗中的至少一种，确定所述第一能耗信息。
13.在一种可选的方式中，所述初始能耗预测模型的参数包括所述天气子模型对应的第一能耗系数、所述路况子模型对应的第二能耗系数、所述车重子模型对应的第三能耗系数、所述坡度子模型对应的第四能耗系数和所述驾驶习惯子模型对应的第五能耗系数中的至少一项，所述根据所述差值迭代更新所述初始能耗预测模型的参数，包括以下至少一项：
14.根据所述差值和所述天气子模型，更新所述第一能耗系数；根据所述差值和所述路况子模型，更新所述第二能耗系数；根据所述差值和所述车重子模型，更新所述第三能耗系数；根据所述差值和所述坡度子模型，更新所述第四能耗系数；根据所述差值和所述驾驶习惯子模型，更新所述第五能耗系数。
15.在一种可选的方式中，所述坡度信息包括坡度角度和坡道长度中的至少一项，若所述坡度角度指示上坡，则所述坡度信息对应的第四附加能耗为正值；若所述坡度角度指示下坡，则所述坡度信息对应的第四附加能耗为负值。
16.在一种可选的方式中，在所述根据初始能耗预测模型和所述平均能耗信息对所述车辆在所述能耗标定路段的能耗进行预测，得到第一能耗信息之前，所述方法还包括：向服务器发送能耗预测请求，所述能耗预测请求用于请求服务器对所述车辆的能耗进行预测。
17.根据本发明实施例的第二方面，提供了一种车辆能耗预测系统，包括：
18.信息采集单元，用于获取所述车辆的路线信息、车辆位置信息和平均能耗信息；以及，根据能耗标定路段和所述车辆位置信息，确定所述车辆在所述能耗标定路段中行驶时的实际能耗信息；
19.能耗计算单元，用于根据初始能耗预测模型对所述车辆在所述能耗标定路段的能耗进行预测，得到第一能耗信息；以及，根据目标能耗预测模型对所述路线信息中的待行驶路段的能耗进行预测，得到第二能耗信息；
20.能耗标定单元，用于若所述第一能耗信息与所述实际能耗信息的差值大于预设阈值，则根据所述差值迭代更新所述初始能耗预测模型的参数，直至得到满足预设条件的所述目标能耗预测模型；
21.能耗提示单元，用于根据所述第二能耗信息，生成能耗提示信息。
22.根据本发明实施例的第三方面，提供了一种车辆能耗预测设备，包括：处理器、存储器、通信接口和通信总线，所述处理器、所述存储器和所述通信接口通过所述通信总线完成相互间的通信；所述存储器用于存放至少一可执行指令，所述可执行指令使所述处理器执行如前述中任一种所述车辆能耗预测方法的操作。
23.根据本发明实施例的第四方面，提供了一种计算机可读存储介质，所述存储介质中存储有至少一可执行指令，所述可执行指令在车辆能耗预测系统/设备上运行时，使得车辆能耗预测系统/设备执行如前述中任一种车辆能耗预测方法的操作。
24.本发明实施例提供的一种车辆能耗预测方法、系统及设备，其中所述方法包括：首先获取车辆的路线信息、车辆位置信息和平均能耗信息，根据获取的信息，根据初始能耗预测模型和平均能耗信息对车辆在能耗标定路段的能耗进行预测，得到第一能耗信息，再根据能耗标定路段和车辆位置信息，确定车辆在能耗标定路段中行驶时的实际能耗信息，若第一能耗信息与实际能耗信息的差值大于预设阈值，则根据差值迭代更新初始能耗预测模型的参数，直至得到满足预设条件的目标能耗预测模型，最后根据目标能耗预测模型对待行驶路段的能耗进行预测，得到第二能耗信息并根据第二能耗信息，生成能耗提示信息。通过应用本发明的技术方案，能够在对纯电动车的能耗进行预测及更新，避免预测车辆能耗时预测能耗与实际能耗间差异较大的问题。
25.上述说明仅是本发明实施例技术方案的概述，为了能够更清楚了解本发明实施例的技术手段，而可依照说明书的内容予以实施，并且为了让本发明实施例的上述和其它目的、特征和优点能够更明显易懂，以下特举本发明的具体实施方式。
附图说明
26.为了更清楚地说明本技术的技术方案，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，对于本领域普通技术人员而言，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。
27.图1为本技术实施例中一种车辆能耗预测方法的流程图；
28.图2为本技术实施例中另一种车辆能耗预测方法的流程图；
29.图3为本技术实施例中又一种车辆能耗预测方法的流程图；
30.图4为本技术实施例中又一种车辆能耗预测方法的流程图；
31.图5为本技术实施例中一种车辆能耗预测方法的时序图；
32.图6为本发明实施例提供的一种车辆能耗预测系统的结构示意图；
33.图7为本发明实施例提供的一种车辆能耗预测设备的结构示意图。
具体实施方式
34.下面将详细地对实施例进行说明，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。以下实施例中描述的实施
方式并不代表与本技术相一致的所有实施方式。仅是与权利要求书中所详述的、本技术的一些方面相一致的系统和方法的示例。
35.纯电动车由于动力来源都为动力电池中的电力，因此动力电池中的储电量与纯电动车的续航里程息息相关，受限于动力电池的储电量以及电池充电的特性，相较于使用化石能源的车辆，例如燃油车，续航里程更短且储电量不易补充，因此用户在驾驶纯电动车时都会对车辆的续航里程格外关注，避免车辆的储电量不足，无法到达目的地。
36.在进行续航里程的计算时，会对车辆的能耗情况进行预测，再通过剩余能量与能耗情况计算得到续航里程。因此计算续航里程时，需要对车辆的能耗情况进行预测。但由于电动车的能耗情况受到多种因素，例如天气、路况或驾驶行为习惯等信息的影响，在进行能耗预测时，上述因素产生变化就会影响能耗预测的精准度，使得呈现给用户的续航里程不准确，影响用户的驾驶体验。
37.为了解决上述问题，本技术中公开了一种车辆能耗预测方法、系统及设备，通过对车辆的位置信息和行驶的路线信息进行分析，获取预测能耗，并通过实时能耗对预测能耗进行校准更新，从而使车辆对行驶中的路线的后续能耗进行更加准确的预测，提高车辆对续航里程的预测结果的准确性。
38.下面对本发明实施例中公开的文件生成方法进行示例性说明。
39.图1示出了本技术实施例中一种车辆能耗预测方法的流程图。如图1所示，所述预测方法包括：
40.s110：获取车辆的路线信息、车辆位置信息和平均能耗信息。
41.通过车载的导航系统，在用户激活车辆后，能够获取用户设置的导航路线和车辆的当前位置信息。示例性的，当用户进入驾驶位并激活车辆后，需要用户确定目的地，车辆的车载系统会通过车辆的当前位置和目的地位置，给出导航路线，通过导航路线即可获取车辆的路线信息和车辆的位置信息。在部分实施例中，车辆位置信息也可由导航系统通过车辆的定位位置直接获取。路线信息包括待行驶路段和多个能耗标定路段，其中多个能耗标定路段的长度相同，待行驶路段的长度大于能耗标定路段，且第一个能耗标定路段的起点为路线信息中的起始位置，待行驶路段的终点为路线信息中的目的地位置。
42.而车辆的平均能耗信息可通过车辆过往行驶过程中的记录进行获取，例如可通过记录所述车辆在任一路线或路段中行驶时的能耗，并通过与对应的行驶里程进行计算，来得到车辆的平均能耗信息。
43.示例性的，在记录平均能耗信息时，需要在车辆处于可行驶状态时，进行平均能耗信息的记录。在部分实施例中，当车辆处于可行驶状态且车速到达一定阈值时，才会进行平均能耗的记录，当车速小于阈值并持续一段时间后，就会停止平均能耗信息的记录和更新。但是此种情况忽略了长时间停车且车辆处于可行驶状态时，车内电子器件的耗电情况，因此在另一部分实施例中，可在车辆处于可行驶状态时就对能耗进行记录，从而更能够反映历史行驶时间或历史行驶距离中的平均能耗状况。
44.应当理解的是，仅有当车辆的行驶时间或行驶距离到达一定阈值时，记录的能耗信息才具有一定的准确性，在记录过程中车辆的行驶时间或行驶距离符合条件时，可将记录的能耗信息作为平均能耗信息进行存储。例如行驶时间的阈值可设为1小时，行驶距离的阈值可设为10km，即当车辆的行驶时间应大于或等于1小时，或者，车辆的行驶距离大于或
等于10km时，记录的能耗信息可作为平均能耗信息。上述阈值大小仅为示例性说明，行驶时间的阈值和行驶距离的阈值可由用户自行进行设置，本技术中不限制阈值的具体大小。
45.在部分实施例中，平均能耗信息中还包括行驶信息，行驶信息即为车辆在行驶过程中的路况、天气等信息，从而使车辆的历史行驶记录更加具体，便于后续步骤中通过平均能耗信息进行能耗预测。
46.需要说明的是，在用户确定目的地后，可能会产生多条导航路线，在进行后续能耗的预测过程中，可对不同的导航路线进行处理。例如，对产生的所有导航路线分别进行能耗预测；再例如，通过判断不同导航路线间距离的差距，选取出距离最近的导航路线进行后续的能耗预测；再例如通过用户的指令，选取任一导航路线进行后续的能耗预测处理。
47.s120：根据初始能耗预测模型和平均能耗信息对车辆在能耗标定路段的能耗进行预测，得到第一能耗信息。
48.在获取到平均能耗信息后，可通过初始能耗预测模型对平均能耗信息进行选取，从而获取车辆在能耗标定路段的预测能耗情况，即第一能耗信息。示例性的，可选取平均能耗信息中与能耗标定路段长度相同且行驶信息较为接近的路段的能耗情况作为第一能耗信息。需要说明是，得到的第一能耗信息为车辆在一个能耗标定路段中行驶的能耗预测信息。
49.s130：根据能耗标定路段和车辆位置信息，确定车辆在能耗标定路段行驶时的实际能耗信息。
50.实际能耗信息可通过车辆处于行驶状态时经过能耗标定路段的耗电量以及能耗标定路段的长度得到的。示例性的，车辆在行驶过程中的耗电量包括车辆的高压模块耗电、低压模块耗电以及热损失耗电，但由于热损失耗电较小，因此在部分实施例中，热损失所带来的能耗视为0或忽略不计。在计算耗电量时，由于部分车辆中提供高压的动力电池和提供低压的蓄电池分开设置，因此可分别计算车辆的高压模块耗电和低压模块耗电从而获取车辆整体的实际耗电量，具体计算时可通过动力电池和蓄电池输出端的电压与电流进行能耗的计算。在部分实施例中，由于低压供电也可由动力电池进行提供，因此也可通过直接测量动力电池的母线的电流与电压来计算车辆的实际耗电量。
51.应当理解的是，在本实施例中，实际能耗信息指的是车辆在已行驶过的一个能耗标定路段中的平均能耗信息，可通过电池的消耗功率或消耗百分比与能耗标定路段的长度进行计算。
52.s140：若第一能耗信息与实际能耗信息的差值大于预设阈值，则根据差值迭代更新初始能耗预测模型的参数，直至得到满足预设条件的目标能耗预测模型。
53.其中初始能耗预测模型的参数指不同影响因素在能耗预测模型预测结果的占比，预设条件则是指第一能耗信息与实际能耗信息的差值小于或等于预设阈值。
54.在获取到某一个能耗标定路段的第一能耗信息和实际能耗信息后，需要将第一能耗信息与实际能耗信息进行对比，获取两者的差值，并对比差值与预设阈值，若差值大于预设阈值，则说明预测的能耗与实际的能耗间存在较大差别，需要对后续的能耗标定路段乃至待行驶路段中的能耗预测值进行调整，因此需要根据差值对初始能耗预测模型的参数进行调整，从而使后续预测得到的第一能耗信息更接近实际能耗信息，缩小两者的差值，直至第一能耗信息与实际能耗信息的差值小于或等于预设阈值。
55.当初始能耗预测模型获取的第一能耗信息满足预设条件后，则认为该初始能耗预测模型为目标能耗预测模型，并通过目标能耗预测模型对能耗标定路段后续的待行驶路段进行能耗预测。
56.s150：根据目标能耗预测模型对待行驶路段的能耗进行预测，得到第二能耗信息。
57.在得到目标能耗预测模型后，则需要对路线信息中的后续路段，即待行驶路段的能耗进行预测，获取车辆的第二能耗信息，第二能耗信息用于表示车辆由当前位置行驶至目的地所需要的能耗。
58.s160：根据第二能耗信息，生成能耗提示信息。
59.获取第二能耗信息后，通过第二能耗信息与车辆的当前剩余电量进行对比，根据对比的结果，生成对应的能耗提示信息。示例性的，当第二能耗信息中的能耗小于车辆的当前剩余电量，则生成信息以提示用户此次行驶后车辆的剩余电量；若第二能耗信息中的能耗大于或等于车辆的当前剩余电量，则提醒用户车辆的电量不足以完成本次路线，并根据路线信息，为用户提供沿途车辆能够到达的充电站，以便于用户后续进行充电。
60.在部分实施例中，为了避免出现第二能耗信息与车辆的当前剩余电量太过接近导致车辆断电，还可通过第二能耗信息中的能耗占车辆的当前剩余电量的比例，确定生成的能耗提示信息的内容。例如，若预测得到的第二能耗信息占当前剩余电量的90％以上，则根据路线信息，为用户提供沿途车辆能够到达的充电站，并提醒用户进行充电；若预测得到的第二能耗信息占当前剩余电量的比例小于或等于90％，则会提示用户完成此次行驶后车辆的剩余电量。
61.需要说明的是，在本技术部分实施例中，在获取第二能耗信息后，还会继续采集车辆当前的实际能耗信息，并与第二能耗信息中与实际能耗信息中对应的部分进行对比并获取差值，若差值小于或等于预设阈值，则认为第二能耗信息仍是较为准确的，而若差值大于预设阈值，则第二能耗信息的结果与实际能耗不符，需要目标能耗预测模型的参数进行调整直至获取的能耗信息与实际能耗信息的差值小于或等于预设阈值。
62.通过上述技术方案，通过对预测的能耗信息进行实时对比，从而调整能耗预测模型的参数，从而使车辆在导航路线中的预测能耗更加接近实际能耗，提高能耗预测的准确性，减少用户的焦虑，提高用户的使用体验。
63.图2示出了本技术实施例中另一种车辆能耗预测方法的流程图。为了使初始能耗预测模型能够更准确的预测出车辆的能耗，通过在模型中设置用于量化影响能耗大小的因素的子模型，来使能耗预测模型能够更准确的及逆行预测，如图2所示，所述预测方法包括：
64.s210：获取车辆的路线信息、车辆位置信息和平均能耗信息。
65.s220：根据初始能耗预测模型和平均能耗信息对车辆在能耗标定路段的能耗进行预测，得到第一能耗信息。
66.为了能够量化影响车辆能耗的因素，初始能耗预测模型当中包括天气子模型、路况子模型、车重子模型、坡度子模型和驾驶习惯子模型中的至少一项，因此在进行能耗预测的过程中，还需要通过传感器等器件，获取各种信息以便于进行计算调整。示例性的，在进行能耗预测的过程中，所述方法包括以下步骤中的至少一项：
67.s221：根据车辆位置信息，确定天气信息并输入至天气子模型中。
68.其中，天气信息包括天气和气温。示例性的，根据车辆位置信息，能够获取车辆当
前所处的城市或区域，再通过车辆内置的网络连接单元，获取所在城市或区域当前的气温及天气状况。
69.在部分实施例中，也可通过在车身装载摄像头和温度传感器的方式，获取外界的天气情况。当获取到天气信息后，可将天气信息输入至天气子模型中，以将天气因素作为一个影响能耗信息的参数。
70.s222：根据路线信息，确定路况信息并输入至路况子模型中。
71.路况信息则是根据导航信息获取路线中的拥堵情况，进而得到路线中整体的路况信息，车辆在获取到路况信息后，会将路况信息输入至路况子模型中。示例性的，车辆可通过车载的导航单元直接获取路线中的拥堵状况。
72.应当理解的是，路况信息是随着时间不断变化的，因此在车辆行驶过程中获取的路况信息会产生一定的变化，当路况信息产生较大变化，例如拥堵状态加重后，需要能耗预测模型对预测能耗进行更新，从而增加能耗预测的准确度。
73.s223：根据车辆的标识信息，确定车重信息并输入至车重子模型中。
74.其中标识信息是用于体现车辆真实参数的信息，例如车重、扭矩等，标识信息与车辆的型号有关，在车内乘员较少或载物量较少时，车重信息可通过车辆标识信息中的标识信息进行获取。在确定车重信息后，将车重信息输入到车重子模型中。
75.在部分实施例中，可通过在座舱及后备箱等位置设置压力传感器，以获取车内乘员及载物量的重量，与标识信息中的车重结合，能够获取更加精确的车辆的重量数据。
76.s224：根据车辆的传感器采集的坡度信号，确定坡度信息并输入至坡度子模型中。
77.坡度信息中可包括坡度长度和坡度角度中的至少一种。示例性的，可通过在车辆的底盘设置倾角传感器，获取车辆行驶过程中经过坡道的角度，可通过倾角的正负值表示当前车辆是上坡状态还是下坡状态，例如，当倾角为正值时，则车辆处于上坡状态，当倾角为负值时，车辆处于下坡状态；而坡道长度可通过车辆的速度和倾角变化的时间范围进行确定。
78.在部分实施例中，坡度信息在获取时，还可通过导航信息中的路线信息确定路线中是否包括坡道，如果包括坡道，坡道的长度和角度分别为多少。获取到的坡度信息需要输入至坡度子模型当中，以对能耗的预测进行更精确的描述。
79.s225：根据加速踏板开度的变化率和车辆的加速度变化率，确定驾驶员的驾驶习惯类型并输入至驾驶习惯子模型中。
80.其中加速踏板开度的变化率为单位时间内加速踏板开度的变化情况，而加速度变化率则是单位时间内车辆的加速度变化情况。根据两个变化率中的任一个数值，即可确定驾驶员的驾驶习惯类型，在确定间室习惯类型后，将该驾驶习惯类型输入至驾驶习惯子模型当中。
81.示例性的，在获取了加速踏板开度的变化率或车辆加速度的变化率后，若加速踏板开度的变化率大于预设开度变化率，或者，若预设时长内车辆的加速度变化率大于预设加速度变化率，则确定驾驶员的驾驶习惯类型为第一驾驶习惯类型。
82.若加速踏板开度的变化率小于预设开度变化率，或者，若预设时长内车辆的加速度变化率小于预设加速度变化率，则确定驾驶员的驾驶习惯类型为第二驾驶习惯类型。其中，第一驾驶习惯类型对应的附加能耗高于第二驾驶习惯类型对应的附加能耗。
83.在部分实施例中，还可设计第三驾驶习惯类型，第三驾驶习惯类型对应的附加能耗低于第一驾驶习惯类型对应的附加能耗，且高于第二驾驶习惯类型对应的附加能耗。具体的，预设开度变化率和预设加速度变化率都为一个数值范围，当加速踏板开度的变化率大于预设开度变化率范围，或者预设时长内车辆的加速度变化率大于预设加速度变化率范围时，则确定驾驶员的驾驶习惯类型为第一驾驶习惯类型；当加速踏板开度的变化率小于预设开度变化率范围，或者预设时长内车辆的加速度变化率小于预设加速度变化率范围时，则确定驾驶员的驾驶习惯类型为第二驾驶习惯类型；当加速踏板开度的变化率处于预设开度变化率范围，或者预设时长内车辆的加速度变化率处于预设加速度变化率范围时，则确定驾驶员的驾驶习惯类型为第三驾驶习惯类型。
84.需要说明的是，若判断驾驶习惯类型时，加速踏板的开度变化率和加速度变化率均进行采集时，以车辆的加速度变化率作为驾驶习惯类型的主要判断依据。
85.s230：根据能耗标定路段和车辆位置信息，确定车辆在能耗标定路段行驶时的实际能耗信息。
86.通过上述s221至s225步骤中获取的信息，将能够对车辆的能耗产生影响的因素进行确定和获取，进而通过这些因素对初始能耗预测模型中的参数进行设置，从而量化不同因素的影响，便于后续更新模型。
87.s240：若第一能耗信息与实际能耗信息的差值大于预设阈值，则根据差值迭代更新初始能耗预测模型的参数，直至得到满足预设条件的目标能耗预测模型。
88.通过实际能耗信息与第一能耗信息间的差值，对初始能耗预测模型中的至少一个子模型的参数进行调整，从而对初始能耗预测模型进行更新，直至最后获取能够较为准确预测能耗的目标能耗预测模型。
89.s250：根据目标能耗预测模型对路线信息中的待行驶路段的能耗进行预测，得到第二能耗信息。
90.s260：根据第二能耗信息，生成能耗提示信息。
91.所述方法中s210至s220步骤的执行过程同上述s110至s120步骤的执行过程，因此s210至s220步骤本技术中不做赘述；且所述方法中s250至s260步骤的执行过程同上述s150至s160步骤的执行过程，因此s250至s260步骤本技术中不做赘述。
92.通过上述技术方案，将天气、路况、车重、坡度和驾驶习惯类型造成的能耗影响量化至模型中，使得能耗预测模型能够更精确的预测车辆的能耗情况。
93.图3示出了本技术实施例中又一种车辆能耗预测方法的流程图。通过能耗预测模型中的子模型对外界的环境影响或用户的影响进行量化，从而使能耗预测更加准确，如图3所示，所述预测方法还包括：
94.s310：获取车辆的路线信息、车辆位置信息和平均能耗信息。
95.s321：根据天气信息和天气子模型，确定天气信息对应的第一附加能耗。
96.根据上述方法s221中获取的天气情况，能够确定天气信息对应的第一附加能耗。具体的，在其他影响因素相同的情况下，当天气为晴天或温度较高时，第一附加能耗的数值就会有一定的减少，进而使第一附加能耗在第一能耗信息中的占比减小；而当天气为雨天或气温较低时，第一附加能耗的数值就会有一定的增大，进而使第一附加能耗在第一能耗信息中的占比增大。
97.在部分实施例中，天气子模型对应第一能耗系数，可通过直接调节天气子模型中的第一能耗系数，使得第一附加能耗在第一能耗信息中的占比增大或减小，以达到对天气因素影响能耗的计算。
98.s322：根据路况信息和路况子模型，确定路况信息对应的第二附加能耗。
99.根据上述方法s222中获取的路况信息，通过路况子模型可对路况信息对应的第二附加能耗进行计算。示例性的，由于堵车时需要频繁加减速且车辆处于可行驶状态的时间更长，因此，在其他影响因素相同的情况下，路况信息中显示道路越拥堵，第二附加能耗的数值越大，且第二附加能耗在第一能耗信息中的占比越高。
100.在部分实施例中，路况子模型对应第二能耗系数，可通过调节第二能耗系数来调整第二附加能耗的大小，从而能够对路况的影响进行计算。
101.s323：根据车重信息和车重子模型，确定车重信息对应的第三附加能耗。
102.根据上述方法s223中获取的车重信息，以及车重子模型，能够对反映车重信息对预测能耗的影响，在其他影响因素相同的情况下，车辆越重，能耗越高，在第一能耗信息中的占比也就越高。同时在部分实施例中，车重子模型对应的第三能耗系数，即是用于反映车重对能耗的影响占比。
103.s324：根据坡度信息和坡度子模型，确定坡度信息对应的第四附加能耗。
104.与上述s224步骤中所述相同，坡度信息包括坡度角度和坡道长度中的至少一项。示例性的，可通过坡度角度的正负指示车辆的上下坡状态，若坡度角度为正值，则车辆处于上坡状态，若坡度角度为负值，则车辆处于下坡状态。
105.由于在维持一个车速时，车辆上坡所需的推力相较于平地更高，而车辆下坡所需的推力相较于平地更低，因此车辆上坡时第四附加能耗为正值，而车辆下坡时第四附加能耗为负值。即若坡度角度指示上坡，则坡度信息对应的第四附加能耗为正值；若坡度角度指示下坡，则坡度信息对应的第四附加能耗为负值。
106.在部分实施例中，坡度子模型对应第四能耗系数，用以评估坡度信息对第一能耗信息的整体影响，即坡度信息在第一能耗信息中的占比。
107.s325：根据驾驶习惯类型和驾驶习惯子模型，确定驾驶习惯类型对应的第五附加能耗。
108.在通过上述s225步骤获取到用户的驾驶习惯类型后，根据用户不同的驾驶习惯类型，能够确定驾驶习惯对应的第五附加能耗，从而得到驾驶习惯类型对第一能耗信息的影响。
109.在部分实施例中，驾驶习惯子模型还对应第五能耗系数，通过第五能耗系数能够反映驾驶习惯类型对车辆能耗的影响。
110.s326：根据平均能耗信息，以及第一附加能耗、第二附加能耗、第三附加能耗、第四附加能耗、第五附加能耗中的至少一种，确定第一能耗信息。
111.在通过上述步骤获取到平均能耗信息、第一附加能耗、第二附加能耗、第三附加能耗、第四附加能耗、第五附加能耗后，将上述附加能耗与平均能耗信息中的能耗值进行对应计算，即可确定第一能耗信息。
112.s330：根据能耗标定路段和车辆位置信息，确定车辆在能耗标定路段行驶时的实际能耗信息。
113.s340：若第一能耗信息与实际能耗信息的差值大于预设阈值，则根据差值迭代更新初始能耗预测模型的参数，直至得到满足预设条件的目标能耗预测模型。
114.示例性的，初始能耗预测模型包括天气子模型、路况子模型、车重子模型、坡度子模型和驾驶习惯子模型中的至少一个，则初始能耗预测模型的参数包括第一能耗系数、第二能耗系数、第三能耗系数、第四能耗系数和第五能耗系数中的至少一项。在迭代更新初始能耗预测模型的参数时，主要是对上述能耗系数进行调整更新，因此更新初始能耗预测模型的参数即是对不同因素影响的能耗在第一能耗信息中占比的大小进行调节。
115.示例性的，更新初始能耗预测模型的参数可包括以下步骤中的至少一项：根据差值和天气子模型，更新第一能耗系数；根据差值和路况子模型，更新第二能耗系数；根据差值和车重子模型，更新第三能耗系数；根据差值和坡度子模型，更新第四能耗系数；根据差值和驾驶习惯子模型，更新第五能耗系数。
116.s350：根据目标能耗预测模型对路线信息中的待行驶路段的能耗进行预测，得到第二能耗信息。
117.s360：根据第二能耗信息，生成能耗提示信息。
118.所述方法中s310至s320步骤的执行过程同上述s110至s120步骤的执行过程，因此s310至s320步骤本技术中不做赘述；且所述方法中s350至s360步骤的执行过程同上述s150至s160步骤的执行过程，因此s350至s360步骤本技术中不做赘述。
119.通过上述技术方案，将不同的影响能耗的因素所带来的附加能耗，添加至预测的能耗信息中，并通过对比后调整不同因素占比或系数的方式，调整初始能耗预测模型，以使能耗预测结果更加准确。
120.图4示出了本技术实施例中又一种车辆能耗预测方法的流程图；图5示出了本技术实施例中一种车辆能耗预测方法的时序图。由于车辆端进行能耗预测存在数据量大、处理速度较慢的问题，同时通过车辆端单独进行预测需要向车辆端导入大量参数，使得能耗预测的效率较低，因此如图4和图5所示，本技术中所述预测方法还可包括：
121.s410：获取车辆的路线信息和车辆位置信息。
122.s420：向服务器发送能耗预测请求。
123.其中，能耗预测请求用于请求服务器对车辆的能耗进行预测。具体的，在将能耗预测请求发送至请求服务器的同时，还会将车辆的路线信息和车辆位置信息一同发送至服务器端，使后续的过程均由服务器端进行计算处理，从而减轻车辆端的运算压力，同时能够更快的对能耗进行预测。例如进行坡度信息的获取时，即可通过导航信息，获取坡度信息，并通过云端计算的方式，计算获取车辆当前的行驶状态是上坡还是下坡，从而获取坡度信息对车辆能耗的影响。
124.应当理解的是，为了使服务器端能够对实现对车辆能耗的预测，初始能耗预测模型也需要设置在服务器端中，从而达到快速迭代更新以获取目标能耗预测模型的目的。
125.s430：根据初始能耗预测模型和平均能耗信息对车辆在能耗标定路段的能耗进行预测，得到第一能耗信息。
126.s440：根据能耗标定路段和车辆位置信息，确定车辆在能耗标定路段中行驶时的实际能耗信息。
127.s450：若第一能耗信息与实际能耗信息的差值大于预设阈值，则根据差值迭代更
新初始能耗预测模型的参数，直至得到满足预设条件的目标能耗预测模型。
128.s460：根据目标能耗预测模型对路线信息中的待行驶路段的能耗进行预测，得到第二能耗信息。
129.s470：根据第二能耗信息，生成能耗提示信息。
130.所述方法中s410以及s430至s470步骤的执行过程同上述s110至s160步骤的执行过程，仅将s430至s470步骤中的数据计算转移至服务器端进行，因此s410以及s430至s470步骤本技术中不做赘述。
131.通过上述技术方案，将需要处理的信息以及能耗预测请求发送至服务器端，从而通过服务器端实现能耗预测和模型更新，减少车端的消耗，提高运算效率。
132.基于上述车辆能耗预测方法，本技术中还提供了一种车辆能耗预测系统600，如图6所示，包括：
133.信息采集单元610，用于获取所述车辆的路线信息、车辆位置信息和平均能耗信息；以及，根据能耗标定路段和车辆位置信息，确定车辆在能耗标定路段中行驶时的实际能耗信息。
134.能耗计算单元620，用于根据初始能耗预测模型对车辆在能耗标定路段的能耗进行预测，得到第一能耗信息；以及，根据目标能耗预测模型对路线信息中的待行驶路段的能耗进行预测，得到第二能耗信息。
135.能耗标定单元630，用于若第一能耗信息与实际能耗信息的差值大于预设阈值，则根据差值迭代更新初始能耗预测模型的参数，直至得到满足预设条件的目标能耗预测模型。
136.能耗提示单元640，用于根据第二能耗信息，生成能耗提示信息。
137.在一种可选的方式中，初始能耗预测模型包括天气子模型、路况子模型、车重子模型、坡度子模型和驾驶习惯子模型中的至少一项，能耗计算单元620还用于执行以下至少一项：根据车辆位置信息，确定天气信息并输入至天气子模型中；根据路线信息，确定路况信息并输入至路况子模型中；根据车辆的标识信息，确定车重信息并输入至车重子模型中；根据车辆的传感器采集的坡度信号，确定坡度信息并输入至坡度子模型中；根据加速踏板开度的变化率和车辆的加速度变化率，确定驾驶员的驾驶习惯类型并输入至驾驶习惯子模型中。
138.在一种可选的方式中，能耗计算单元620还用于：若加速踏板开度的变化率大于预设开度变化率，或者，若预设时长内车辆的加速度变化率大于预设加速度变化率，则确定驾驶员的驾驶习惯类型为第一驾驶习惯类型；若加速踏板开度的变化率小于预设开度变化率，或者，若预设时长内车辆的加速度变化率小于预设加速度变化率，则确定驾驶员的驾驶习惯类型为第二驾驶习惯类型；其中，第一驾驶习惯类型对应的附加能耗高于第二驾驶习惯类型对应的附加能耗。
139.在一种可选的方式中，能耗计算单元620还用于：根据天气信息和天气子模型，确定天气信息对应的第一附加能耗；根据路况信息和路况子模型，确定路况信息对应的第二附加能耗；根据车重信息和车重子模型，确定车重信息对应的第三附加能耗；根据坡度信息和坡度子模型，确定坡度信息对应的第四附加能耗；根据驾驶习惯类型和驾驶习惯子模型，确定驾驶习惯类型对应的第五附加能耗；根据平均能耗信息，以及第一附加能耗、第二附加
能耗、第三附加能耗、第四附加能耗和第五附加能耗中的至少一种，确定第一能耗信息。
140.在一种可选的方式中，初始能耗预测模型的参数包括天气子模型对应的第一能耗系数、路况子模型对应的第二能耗系数、车重子模型对应的第三能耗系数、坡度子模型对应的第四能耗系数和驾驶习惯子模型对应的第五能耗系数中的至少一项，能耗标定单元630还用于执行以下至少一项：根据差值和天气子模型，更新第一能耗系数；根据差值和路况子模型，更新第二能耗系数；根据差值和车重子模型，更新第三能耗系数；根据差值和坡度子模型，更新第四能耗系数；根据差值和驾驶习惯子模型，更新第五能耗系数。
141.在一种可选的方式中，坡度信息包括坡度角度和坡道长度中的至少一项，若坡度角度指示上坡，则坡度信息对应的第四附加能耗为正值；若坡度角度指示下坡，则坡度信息对应的第四附加能耗为负值。
142.在一种可选的方式中，信息采集单元610还用于：向服务器发送能耗预测请求，能耗预测请求用于请求服务器对车辆的能耗进行预测。
143.图7示出了本发明实施例提供的一种车辆能耗预测设备的结构示意图，本发明具体实施例并不对电子设备的具体实现做限定。
144.基于上述车辆能耗预测方法，本技术还提供了一种车辆能耗预测设备，如图7所示，该电子设备可以包括：处理器(processor)702、通信接口(communications interface)704、存储器(memory)706、以及通信总线708。
145.其中：处理器702、通信接口704、以及存储器706通过通信总线708完成相互间的通信。通信接口704，用于与其它设备比如客户端或其它服务器等的网元通信。处理器702，用于执行程序710，具体可以执行上述车辆能耗预测方法实施例中的相关步骤。
146.具体地，程序710可以包括程序代码，该程序代码包括计算机可执行指令。
147.处理器702可能是中央处理器cpu，或者是特定集成电路asic(application specific integrated circuit)，或者是被配置成实施本发明实施例的一个或多个集成电路。电子设备包括的一个或多个处理器，可以是同一类型的处理器，如一个或多个cpu；也可以是不同类型的处理器，如一个或多个cpu以及一个或多个asic。
148.存储器706，用于存放程序710。存储器706可能包含高速ram存储器，也可能还包括非易失性存储器(non-volatile memory)，例如至少一个磁盘存储器。
149.程序710具体可以被处理器702调用使电子设备执行以下操作：
150.获取车辆的路线信息、车辆位置信息和平均能耗信息。
151.根据初始能耗预测模型和平均能耗信息对车辆在能耗标定路段的能耗进行预测，得到第一能耗信息。
152.根据能耗标定路段和车辆位置信息，确定车辆在能耗标定路段中行驶时的实际能耗信息。
153.若第一能耗信息与实际能耗信息的差值大于预设阈值，则根据差值迭代更新初始能耗预测模型的参数，直至得到满足预设条件的目标能耗预测模型。
154.根据目标能耗预测模型对路线信息中的待行驶路段的能耗进行预测，得到第二能耗信息。
155.根据第二能耗信息，生成能耗提示信息。
156.在一种可选的方式中，初始能耗预测模型包括天气子模型、路况子模型、车重子模
型、坡度子模型和驾驶习惯子模型中的至少一项，在根据初始能耗预测模型和平均能耗信息对车辆在能耗标定路段的能耗进行预测之前，方法还包括以下至少一项：
157.根据车辆位置信息，确定天气信息并输入至天气子模型中；
158.根据路线信息，确定路况信息并输入至路况子模型中；
159.根据车辆的标识信息，确定车重信息并输入至车重子模型中；
160.根据车辆的传感器采集的坡度信号，确定坡度信息并输入至坡度子模型中；
161.根据加速踏板开度的变化率和车辆的加速度变化率，确定驾驶员的驾驶习惯类型并输入至驾驶习惯子模型中。
162.在一种可选的方式中，根据加速踏板开度的变化率和车辆的加速度变化率，确定驾驶员的驾驶习惯类型，包括：
163.若加速踏板开度的变化率大于预设开度变化率，或者，若预设时长内车辆的加速度变化率大于预设加速度变化率，则确定驾驶员的驾驶习惯类型为第一驾驶习惯类型；若加速踏板开度的变化率小于预设开度变化率，或者，若预设时长内车辆的加速度变化率小于预设加速度变化率，则确定驾驶员的驾驶习惯类型为第二驾驶习惯类型；其中，第一驾驶习惯类型对应的附加能耗高于第二驾驶习惯类型对应的附加能耗。
164.在一种可选的方式中，根据初始能耗预测模型和平均能耗信息对车辆在能耗标定路段的能耗进行预测，得到第一能耗信息，包括：
165.根据天气信息和天气子模型，确定天气信息对应的第一附加能耗；
166.根据路况信息和路况子模型，确定路况信息对应的第二附加能耗；
167.根据车重信息和车重子模型，确定车重信息对应的第三附加能耗；
168.根据坡度信息和坡度子模型，确定坡度信息对应的第四附加能耗；
169.根据驾驶习惯类型和驾驶习惯子模型，确定驾驶习惯类型对应的第五附加能耗；
170.根据平均能耗信息、第一附加能耗、第二附加能耗、第三附加能耗、第四附加能耗、第五附加能耗，确定第一能耗信息。
171.在一种可选的方式中，天气子模型对应第一能耗系数、路况子模型对应第二能耗系数、车重子模型对应第三能耗系数、坡度子模型对应第四能耗系数、驾驶习惯子模型对应第五能耗系数；初始能耗预测模型的参数包括第一能耗系数、第二能耗系数、第三能耗系数、第四能耗系数和第五能耗系数中的至少一项。
172.在一种可选的方式中，坡度信息包括坡度角度和坡道长度中的至少一项，若坡度角度指示上坡，则坡度信息对应的第四附加能耗为正值；若坡度角度指示下坡，则坡度信息对应的第四附加能耗为负值。
173.在一种可选的方式中，在根据初始能耗预测模型和平均能耗信息对车辆在能耗标定路段的能耗进行预测，得到第一能耗信息之前，方法还包括：向服务器发送能耗预测请求，能耗预测请求用于请求服务器对车辆的能耗进行预测。
174.本发明实施例还提供了一种计算机可读存储介质，存储介质中存储有至少一可执行指令，可执行指令在车辆能耗预测系统/设备上运行时，使得车辆能耗预测系统/设备执行如前述中任一种车辆能耗预测方法的操作。
175.本发明实施例提供的一种车辆能耗预测方法、系统及设备，其中所述方法包括：首先获取车辆的路线信息、车辆位置信息和平均能耗信息，根据获取的信息，根据初始能耗预
测模型和平均能耗信息对车辆在能耗标定路段的能耗进行预测，得到第一能耗信息，再根据能耗标定路段和车辆位置信息，确定车辆在能耗标定路段中行驶时的实际能耗信息，若第一能耗信息与实际能耗信息的差值大于预设阈值，则根据差值迭代更新初始能耗预测模型的参数，直至得到满足预设条件的目标能耗预测模型，最后根据目标能耗预测模型对待行驶路段的能耗进行预测，得到第二能耗信息并根据第二能耗信息，生成能耗提示信息。通过应用本发明的技术方案，能够在对纯电动车的能耗进行预测及更新，避免预测车辆能耗时预测能耗与实际能耗间差异较大的问题。
176.在此处所提供的说明书中，说明了大量具体细节。然而能够理解，本发明的实施例可以在没有这些具体细节的情况下实践。类似地，为了精简本发明并帮助理解各个发明方面中的一个或多个，在上面对本发明的示例性实施例的描述中，本发明实施例的各个特征有时被一起分组到单个实施例、图、或者对其的描述中。其中，遵循具体实施方式的权利要求书由此明确地并入该具体实施方式，其中每个权利要求本身都作为本发明的单独实施例。
177.本领域技术人员可以理解，可以对实施例中的设备中的模块进行自适应性地改变并且把它们设置在与该实施例不同的一个或多个设备中。可以把实施例中的模块或单元或组件组合成一个模块或单元或组件，以及此外可以把它们分成多个子模块或子单元或子组件。除了这样的特征和/或过程或者单元中的至少一些是相互排斥之外。
178.应该注意的是上述实施例对本发明进行说明而不是对本发明进行限制，并且本领域技术人员在不脱离所附权利要求的范围的情况下可设计出替换实施例。在权利要求中，不应将位于括号之间的任何参考符号构造成对权利要求的限制。单词“包含”不排除存在未列在权利要求中的元件或步骤。位于元件之前的单词“一”或“一个”不排除存在多个这样的元件。本发明可以借助于包括有若干不同元件的硬件以及借助于适当编程的计算机来实现。在列举了若干系统的单元权利要求中，这些系统中的若干个可以是通过同一个硬件项来具体体现。单词第一、第二、以及第三等的使用不表示任何顺序。可将这些单词解释为名称。上述实施例中的步骤，除有特殊说明外，不应理解为对执行顺序的限定。

技术特征：
1.一种车辆能耗预测方法，其特征在于，包括：获取车辆的路线信息、车辆位置信息和平均能耗信息；所述路线信息包括待行驶路段和多个能耗标定路段；根据初始能耗预测模型和所述平均能耗信息对所述车辆在所述能耗标定路段的能耗进行预测，得到第一能耗信息；根据所述能耗标定路段和所述车辆位置信息，确定所述车辆在所述能耗标定路段中行驶时的实际能耗信息；若所述第一能耗信息与所述实际能耗信息的差值大于预设阈值，则根据所述差值迭代更新所述初始能耗预测模型的参数，直至得到满足预设条件的目标能耗预测模型；根据所述目标能耗预测模型对所述待行驶路段的能耗进行预测，得到第二能耗信息；根据所述第二能耗信息，生成能耗提示信息。2.根据权利要求1所述的车辆能耗预测方法，其特征在于，所述初始能耗预测模型包括天气子模型、路况子模型、车重子模型、坡度子模型和驾驶习惯子模型中的至少一项，在所述根据初始能耗预测模型和所述平均能耗信息对所述车辆在所述能耗标定路段的能耗进行预测之前，所述方法还包括以下至少一项：根据所述车辆位置信息，确定天气信息并输入至所述天气子模型中；根据所述路线信息，确定路况信息并输入至所述路况子模型中；根据所述车辆的标识信息，确定所述车重信息并输入至所述车重子模型中；根据所述车辆的传感器采集的坡度信号，确定坡度信息并输入至所述坡度子模型中；根据加速踏板开度的变化率和所述车辆的加速度变化率，确定所述驾驶员的驾驶习惯类型并输入至所述驾驶习惯子模型中。3.根据权利要求2所述的车辆能耗预测方法，其特征在于，所述根据加速踏板开度的变化率和所述车辆的加速度变化率，确定所述驾驶员的驾驶习惯类型，包括：若所述加速踏板开度的变化率大于预设开度变化率，或者，若预设时长内所述车辆的加速度变化率大于预设加速度变化率，则确定所述驾驶员的驾驶习惯类型为第一驾驶习惯类型；若所述加速踏板开度的变化率小于预设开度变化率，或者，若预设时长内所述车辆的加速度变化率小于预设加速度变化率，则确定所述驾驶员的驾驶习惯类型为第二驾驶习惯类型。4.根据权利要求2所述的车辆能耗预测方法，其特征在于，根据初始能耗预测模型和所述平均能耗信息对所述车辆在所述能耗标定路段的能耗进行预测，得到第一能耗信息，包括：根据所述天气信息和所述天气子模型，确定所述天气信息对应的第一附加能耗；根据所述路况信息和所述路况子模型，确定所述路况信息对应的第二附加能耗；根据所述车重信息和所述车重子模型，确定所述车重信息对应的第三附加能耗；根据所述坡度信息和所述坡度子模型，确定所述坡度信息对应的第四附加能耗；根据所述驾驶习惯类型和所述驾驶习惯子模型，确定所述驾驶习惯类型对应的第五附加能耗；根据所述平均能耗信息，以及所述第一附加能耗、所述第二附加能耗、所述第三附加能
耗、所述第四附加能耗和所述第五附加能耗中的至少一种，确定所述第一能耗信息。5.根据权利要求4所述的车辆能耗预测方法，其特征在于，所述初始能耗预测模型的参数包括所述天气子模型对应的第一能耗系数、所述路况子模型对应的第二能耗系数、所述车重子模型对应的第三能耗系数、所述坡度子模型对应的第四能耗系数和所述驾驶习惯子模型对应的第五能耗系数中的至少一项，所述根据所述差值迭代更新所述初始能耗预测模型的参数，包括以下至少一项：根据所述差值和所述天气子模型，更新所述第一能耗系数；根据所述差值和所述路况子模型，更新所述第二能耗系数；根据所述差值和所述车重子模型，更新所述第三能耗系数；根据所述差值和所述坡度子模型，更新所述第四能耗系数；根据所述差值和所述驾驶习惯子模型，更新所述第五能耗系数。6.根据权利要求4所述的车辆能耗预测方法，其特征在于，所述坡度信息包括坡度角度和坡道长度中的至少一项，若所述坡度角度指示上坡，则所述坡度信息对应的第四附加能耗为正值；若所述坡度角度指示下坡，则所述坡度信息对应的第四附加能耗为负值。7.根据权利要求1所述的车辆能耗预测方法，其特征在于，在所述根据初始能耗预测模型和所述平均能耗信息对所述车辆在所述能耗标定路段的能耗进行预测，得到第一能耗信息之前，所述方法还包括：向服务器发送能耗预测请求，所述能耗预测请求用于请求服务器对所述车辆的能耗进行预测。8.一种车辆能耗预测系统，其特征在于，包括：信息采集单元，用于获取所述车辆的路线信息、车辆位置信息和平均能耗信息；以及，根据能耗标定路段和所述车辆位置信息，确定所述车辆在所述能耗标定路段中行驶时的实际能耗信息；能耗计算单元，用于根据初始能耗预测模型对所述车辆在所述能耗标定路段的能耗进行预测，得到第一能耗信息；以及，根据目标能耗预测模型对所述路线信息中的待行驶路段的能耗进行预测，得到第二能耗信息；能耗标定单元，用于若所述第一能耗信息与所述实际能耗信息的差值大于预设阈值，则根据所述差值迭代更新所述初始能耗预测模型的参数，直至得到满足预设条件的所述目标能耗预测模型；能耗提示单元，用于根据所述第二能耗信息，生成能耗提示信息。9.一种车辆能耗预测设备，其特征在于，包括：处理器、存储器、通信接口和通信总线，所述处理器、所述存储器和所述通信接口通过所述通信总线完成相互间的通信；所述存储器用于存放至少一可执行指令，所述可执行指令使所述处理器执行如权利要求1-7任一项所述的一种车辆能耗预测方法的操作。10.一种计算机可读存储介质，其特征在于，所述存储介质中存储有至少一可执行指令，所述可执行指令在车辆能耗预测系统/设备上运行时，使得车辆能耗预测系统/设备执行如权利要求1-7任一项所述的车辆能耗预测方法的操作。

技术总结
本发明涉及汽车技术领域，公开了一种车辆能耗预测方法、系统及设备，所述方法包括：获取车辆的路线信息、车辆位置信息和平均能耗信息，根据获取的信息和初始能耗预测模型对车辆在能耗标定路段的能耗进行预测和记录，得到第一能耗信息和实际能耗信息，若第一能耗信息与实际能耗信息的差值大于预设阈值，则根据差值迭代更新初始能耗预测模型的参数，直至得到满足预设条件的目标能耗预测模型，最后根据目标能耗预测模型对待行驶路段的能耗进行预测，得到第二能耗信息并根据第二能耗信息，生成能耗提示信息。通过应用本发明的技术方案，能够在对纯电动车的能耗进行预测及更新，避免预测车辆能耗时预测能耗与实际能耗间差异较大的问题。题。题。


技术研发人员：曹宾 邵晓伟 胡兴航
受保护的技术使用者：阿维塔科技(重庆)有限公司
技术研发日：2023.03.21
技术公布日：2023/6/28