一种基于智能联网的电动汽车行驶数据智能分析系统的制作方法

1.本发明属于汽车数据分析技术领域，具体涉及一种基于智能联网的电动汽车行驶数据智能分析系统。


背景技术：

2.由于化石燃料的日趋匮乏以及人类对环境保护意识的逐渐提高，大力推广新能源汽车，已得到世界各国的广泛支持。然而与传统燃油汽车相比，较短的续航里程和较长的充电时间仍然是电动汽车的主要缺点。随着新能源汽车市场保有量的迅猛增长，电动汽车续驶里程问题也日益突出。
3.准确的行驶能耗预测可以有效缓解驾驶者的行驶焦虑，并且帮助驾驶者合理规划节能路线以及为交通设施规划提供支持；电动汽车的能耗与车辆、驾驶者的习惯、驾驶工况以及驾驶的天气都有一定的关系，现有的能耗预测往往不能全面的考虑上述影响因素，造成能耗预测值与实际值之间存在较大的误差，加深了驾驶者的焦虑。


技术实现要素：

4.本发明的目的在于提供一种基于智能联网的电动汽车行驶数据智能分析系统，克服了现有技术的不足，通过获取车辆的行驶数据以及外部天气和路况的数据综合计算导航路径的预测能耗值，更加精准的给出能耗以及剩余里程。
5.为解决上述问题，本发明所采取的技术方案如下：
6.一种基于智能联网的电动汽车行驶数据智能分析系统，包括
7.车载行驶数据采集单元，用于采集车辆当前行驶数据，所述采集的行驶数据包括：车辆行驶速度、车辆加速度、车辆位置、车辆导航信息、电池温度以及电池剩余电量；
8.数据处理单元，与车载行驶数据采集单元连接，用于获取车辆当前行驶数据，并对数据进行分类分析；
9.主控单元，与数据处理单元连接，用于接收处理后的数据，并根据数据类型进行传输调度；
10.云端数据获取单元，用于接收主控单元的信号，获取云端数据，并传输至主控单元，所述获取的云端数据包括导航剩余里程的信息和天气信息；
11.驾驶行为分析单元，用于根据车辆驾驶数据分析驾驶行为，结合驾驶行为能耗模型输出能耗信息；
12.驾驶环境分析单元，用于根据车辆驾驶环境对车辆当前行驶环境和行驶路线的驾驶环境，输出能耗影响因子；
13.能耗预测模块，通过结合驾驶行为分析单元的能耗信息和驾驶环境分析单元的能耗影响因子，输出预测的能耗；
14.续航里程修正模块，通过获取预测的能耗和车辆剩余电量对车辆的续航里程进行修正。
15.进一步，所述数据处理单元包括依次连接的数据分类模块、异常数据清理模块和数据滤波模块；
16.所述数据分类模块：用于将车载行驶数据进行整理分类；
17.所述异常数据清理模块：用于接收分类好的数据，并剔除分类数据中错误、冗余的数据；
18.所述数据滤波模块：采用小波变换对清理后的数据进行降噪和平滑处理。
19.进一步，所述驾驶行为分析单元包括驾驶行为参数提取模块、驾驶工况确定模块、驾驶行为分析模块以及驾驶行为与能耗相关性分析模块。
20.进一步，所述驾驶行为包括急加速、急减速、急转弯，所述驾驶工况包括高速工况、国道工况、城市工况以及拥堵工况，所述驾驶行为参数提取模块用于提取车辆数据中急加速、急减速以及急转弯的数据，并同时提取当时的工况信息，所述驾驶工况确定模块根据车辆定位、车辆导航以及车辆速度确定导航剩余路程中不同驾驶工况的剩余里程，所述驾驶行为分析模块通过模型记录和分析驾驶员在不同驾驶工况下的驾驶行为，建立驾驶员的驾驶习惯模型，并根据模型和导航工况分析驾驶员急加速、急减速和急转弯的次数。
21.进一步，所述驾驶习惯模型的学习和训练包括以下步骤：
22.基于驾驶行为构建机器学习模型，并采用以下方式对模型进行学习和训练：
23.先将驾驶行为特征输入gbdt模型中，取出所述gbdt模型生成的树索引；
24.再使用one-hot的方式输入到lr模型中，由所述lr模型输出识别结果。
25.进一步，所述驾驶行为与能耗相关性分析模块通过将导航预测的驾驶行为输入到对应相应工况的能耗预测模型，输出不同工况里程的能耗值。
26.进一步，所述能耗预测模型的学习和训练包括以下步骤：
27.采用k折交叉验证方法和极端梯度提升算法对不同驾驶工况的行驶特征参数和能耗数据进行训练，得到不同驾驶工况下能耗预测初始模型；
28.采用网格搜索方法对能耗预测初始模型的超参数进行优化，得到能耗预测模型。
29.进一步，所述驾驶环境分析单元通过获取天气信息识别导航沿途区域经过时的天气情况，并根据天气情况确定能耗影响因子，所述天气情况包括晴、雨、雪以及风速和风向。
30.本发明与现有技术相比较，具有以下有益效果：
31.本发明所述一种基于智能联网的电动汽车行驶数据智能分析系统，通过自车载设备获取的车辆行驶数据以及自云端获取的天气和路况，针对不同的路况和驾驶习惯建立能耗预测模型，并根据不同的天气确定能耗影响因子，将预测的能耗与能耗影响因子结合后得出剩余导航里程的能耗值，并结合车辆剩余电量，给出准备的剩余里程，有效缓解了驾驶者的里程焦虑，便于及时、准确的规划行程和充电计划。
附图说明
32.图1为一种基于智能联网的电动汽车行驶数据智能分析系统的结构原理框图。
具体实施方式
33.下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于
本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
34.如图1所示，本发明所述一种基于智能联网的电动汽车行驶数据智能分析系统，包括车载行驶数据采集单元，用于采集车辆当前行驶数据，采集的行驶数据包括：车辆行驶速度、车辆加速度、车辆位置、车辆导航信息、电池温度以及电池剩余电量；数据处理单元，与车载行驶数据采集单元连接，用于获取车辆当前行驶数据，并对数据进行分类分析；主控单元，与数据处理单元连接，用于接收处理后的数据，并根据数据类型进行传输调度；云端数据获取单元，用于接收主控单元的信号，获取云端数据，并传输至主控单元，获取的云端数据包括导航剩余里程的信息和天气信息；驾驶行为分析单元，用于根据车辆驾驶数据分析驾驶行为，结合驾驶行为能耗模型输出能耗信息；驾驶环境分析单元，用于根据车辆驾驶环境对车辆当前行驶环境和行驶路线的驾驶环境，输出能耗影响因子；能耗预测模块，通过结合驾驶行为分析单元的能耗信息和驾驶环境分析单元的能耗影响因子，输出预测的能耗；续航里程修正模块，通过获取预测的能耗和车辆剩余电量对车辆的续航里程进行修正。
35.数据处理单元包括依次连接的数据分类模块、异常数据清理模块和数据滤波模块；数据分类模块：用于将车载行驶数据进行整理分类；异常数据清理模块：用于接收分类好的数据，并剔除分类数据中错误、冗余的数据；数据滤波模块：采用小波变换对清理后的数据进行降噪和平滑处理。
36.异常数据包括：
37.(1)对于长时间处于停止的行驶数据，可能是由于车辆进行充电或者停车，此时数据采集终端仍在采集数据，这类数据不是真实行驶数据的反映，需要去除停车时间超过180s的采集数据。
38.(2)对数据格式进行规范和统一，并根据时间顺序进行调整，以纠正在数据传输过程中可能发生数据顺序更改。
39.(3)由于数据采集终端上线可能会晚于电动汽车的启动，对于这一不连续部分的数据需要剔除。
40.(4)由于交通环境和信号影响，数据采集设备收集的数据会出现不切实际的数据点(如经纬度发生明显偏移或者速度过大等)需要进行删除。
41.(5)在拥堵环境下，车辆行驶较为缓慢，所以要去除非自由流段下的数据样本，以避免数据偏差。
42.(6)通过判断采集时间间隔，去除因采集设备故障而导致数据丢失过多的行驶片段。
43.小波变换是傅里叶变换和短时傅里叶变换的替代方法，因为它可以在任何时刻提供两个时频分量。在高频下，小波变换提供了更好的时间分辨率，而在低频下，它提供了更好的频率分辨率。由于小波去噪方法是一种改善失真、噪声和干扰信号的有效方法，因此采用小波分解和重构对原始数据进行预处理；其具体步骤包括：
44.(1)分解：确定分解层数和小波基函数。将噪声数据分解为近似系数和细节系数。
45.(2)阈值处理：选择阈值函数，对每层的系数进行量化处理。
46.(3)数据重构：用处理后的系数重建数据。
47.驾驶行为分析单元包括驾驶行为参数提取模块、驾驶工况确定模块、驾驶行为分
析模块以及驾驶行为与能耗相关性分析模块。
48.驾驶行为包括急加速、急减速、急转弯，驾驶工况包括高速工况、国道工况、城市工况以及拥堵工况，驾驶行为参数提取模块用于提取车辆数据中急加速、急减速以及急转弯的数据，并同时提取当时的工况信息，驾驶工况确定模块根据车辆定位、车辆导航以及车辆速度确定导航剩余路程中不同驾驶工况的剩余里程，驾驶行为分析模块通过模型记录和分析驾驶员在不同驾驶工况下的驾驶行为，建立驾驶员的驾驶习惯模型，并根据模型和导航工况分析驾驶员急加速、急减速和急转弯的次数。
49.驾驶习惯模型的学习和训练包括以下步骤：
50.基于驾驶行为构建机器学习模型，并采用以下方式对模型进行学习和训练：
51.先将驾驶行为特征输入gbdt模型中，取出gbdt模型生成的树索引；
52.再使用one-hot的方式输入到lr模型中，由lr模型输出识别结果。
53.驾驶行为与能耗相关性分析模块通过将导航预测的驾驶行为输入到对应相应工况的能耗预测模型，输出不同工况里程的能耗值。
54.能耗预测模型的学习和训练包括以下步骤：
55.采用k折交叉验证方法和极端梯度提升算法对不同驾驶工况的行驶特征参数和能耗数据进行训练，得到不同驾驶工况下能耗预测初始模型；
56.采用网格搜索方法对能耗预测初始模型的超参数进行优化，得到能耗预测模型。
57.驾驶环境分析单元通过获取天气信息识别导航沿途区域经过时的天气情况，并根据天气情况确定能耗影响因子，天气情况包括晴、雨、雪以及风速和风向。
58.综上，本发明所述一种基于智能联网的电动汽车行驶数据智能分析系统，使用时首先驾驶员输入目的地生成导航路径，获取导航路径后确定导航剩余里程的驾驶工况以及沿途经过的天气；在驾驶过程中，车辆行驶数据采集单元对车辆行驶速度、加速度等信息进行采集，经过数据处理单元的处理后输入至主控单元，主控单元首先将驾驶行为相关数据传输至驾驶行为分析单元，驾驶行为分析单元提取其中需要的参数，进一步确定驾驶工况，以及对驾驶员的驾驶行为习惯进行分析，训练并优化驾驶习惯模型，然后将剩余里程的公开输入驾驶习惯模型，输出驾驶员急加速、急减速以及急转弯的次数，将上述信息输入对应工况的能耗预测模型，输出不同公开里程的能耗值；同时主控单元将相关信息传输至驾驶环境分析单元，确定不同路况下的天气情况，确定不同工况里程的能耗影响因子，将不同工况里程的能耗影响因子与对应的能耗值进行拟合，得到不同工况和天气的路段的能耗预测值，根据该预测值和电池剩余电量输出准确的剩余里程预测值，根据该预测值驾驶员可以进行合理的行程规划和充电计划，有效的缓解驾驶员的里程焦虑。
59.对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明。因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化囊括在本发明内。不应将权利要求中的任何附图标记视为限制所涉及的权利要求。

技术特征：
1.一种基于智能联网的电动汽车行驶数据智能分析系统，其特征在于：包括车载行驶数据采集单元，用于采集车辆当前行驶数据，所述采集的行驶数据包括：车辆行驶速度、车辆加速度、车辆位置、车辆导航信息、电池温度以及电池剩余电量；数据处理单元，与车载行驶数据采集单元连接，用于获取车辆当前行驶数据，并对数据进行分类分析；主控单元，与数据处理单元连接，用于接收处理后的数据，并根据数据类型进行传输调度；云端数据获取单元，用于接收主控单元的信号，获取云端数据，并传输至主控单元，所述获取的云端数据包括导航剩余里程的信息和天气信息；驾驶行为分析单元，用于根据车辆驾驶数据分析驾驶行为，结合驾驶行为能耗模型输出能耗信息；驾驶环境分析单元，用于根据车辆驾驶环境对车辆当前行驶环境和行驶路线的驾驶环境，输出能耗影响因子；能耗预测模块，通过结合驾驶行为分析单元的能耗信息和驾驶环境分析单元的能耗影响因子，输出预测的能耗；续航里程修正模块，通过获取预测的能耗和车辆剩余电量对车辆的续航里程进行修正。2.根据权利要求1所述的一种基于智能联网的电动汽车行驶数据智能分析系统，其特征在于：所述数据处理单元包括依次连接的数据分类模块、异常数据清理模块和数据滤波模块；所述数据分类模块：用于将车载行驶数据进行整理分类；所述异常数据清理模块：用于接收分类好的数据，并剔除分类数据中错误、冗余的数据；所述数据滤波模块：采用小波变换对清理后的数据进行降噪和平滑处理。3.根据权利要求1所述的一种基于智能联网的电动汽车行驶数据智能分析系统，其特征在于：所述驾驶行为分析单元包括驾驶行为参数提取模块、驾驶工况确定模块、驾驶行为分析模块以及驾驶行为与能耗相关性分析模块。4.根据权利要求3所述的一种基于智能联网的电动汽车行驶数据智能分析系统，其特征在于：所述驾驶行为包括急加速、急减速、急转弯，所述驾驶工况包括高速工况、国道工况、城市工况以及拥堵工况，所述驾驶行为参数提取模块用于提取车辆数据中急加速、急减速以及急转弯的数据，并同时提取当时的工况信息，所述驾驶工况确定模块根据车辆定位、车辆导航以及车辆速度确定导航剩余路程中不同驾驶工况的剩余里程，所述驾驶行为分析模块通过模型记录和分析驾驶员在不同驾驶工况下的驾驶行为，建立驾驶员的驾驶习惯模型，并根据模型和导航工况分析驾驶员急加速、急减速和急转弯的次数。5.根据权利要求4所述的一种基于智能联网的电动汽车行驶数据智能分析系统，其特征在于：所述驾驶习惯模型的学习和训练包括以下步骤：基于驾驶行为构建机器学习模型，并采用以下方式对模型进行学习和训练：先将驾驶行为特征输入gbdt模型中，取出所述gbdt模型生成的树索引；再使用one-hot的方式输入到lr模型中，由所述lr模型输出识别结果。
6.根据权利要求4所述的一种基于智能联网的电动汽车行驶数据智能分析系统，其特征在于：所述驾驶行为与能耗相关性分析模块通过将导航预测的驾驶行为输入到对应相应工况的能耗预测模型，输出不同工况里程的能耗值。7.根据权利要求6所述的一种基于智能联网的电动汽车行驶数据智能分析系统，其特征在于：所述能耗预测模型的学习和训练包括以下步骤：采用k折交叉验证方法和极端梯度提升算法对不同驾驶工况的行驶特征参数和能耗数据进行训练，得到不同驾驶工况下能耗预测初始模型；采用网格搜索方法对能耗预测初始模型的超参数进行优化，得到能耗预测模型。8.根据权利要求1所述的一种基于智能联网的电动汽车行驶数据智能分析系统，其特征在于：所述驾驶环境分析单元通过获取天气信息识别导航沿途区域经过时的天气情况，并根据天气情况确定能耗影响因子，所述天气情况包括晴、雨、雪以及风速和风向。

技术总结
本发明属于汽车数据分析技术领域，具体涉及一种基于智能联网的电动汽车行驶数据智能分析系统，包括车载行驶数据采集单元，用于采集车辆当前行驶数据；数据处理单元，用于获取车辆当前行驶数据，并对数据进行分类分析；主控单元，用于接收处理后的数据，并根据数据类型进行传输调度；云端数据获取单元，用于接收主控单元的信号，获取云端数据，并传输至主控单元；驾驶行为分析单元，用于根据车辆驾驶数据分析驾驶行为，结合驾驶行为能耗模型输出能耗信息。通过获取车辆的行驶数据以及外部天气和路况的数据综合计算导航路径的预测能耗值，更加精准的给出能耗以及剩余里程。更加精准的给出能耗以及剩余里程。更加精准的给出能耗以及剩余里程。


技术研发人员：代孝红 郭紫威 孟永帅 李新伟 温雪 周艳微 朱琳 王卫军 于亮 赵淑丽
受保护的技术使用者：长春汽车工业高等专科学校
技术研发日：2023.03.20
技术公布日：2023/6/26