用户驾驶行为预测方法、存储介质、控制器以及车辆与流程
- 国知局
- 2024-08-02 17:06:33
本发明涉及智能交通,特别涉及一种用户驾驶行为预测方法、存储介质、控制器以及车辆。
背景技术:
1、新能源汽车补能困难,续驶里程较短容易引起客户焦虑,且在高低温环境下需要对电池进行热管理额外消耗电池能量,更加剧了客户端里程焦虑情绪,易引起客户抱怨。
2、相关技术中,电池冷却不考虑电池在行车过程中的产热量是多少,仅参考电池的最高最低温度来开启或关闭电池冷却,在城市工况短距离低负荷行车过程中,常常存在电池还未完成冷却,驾驶行为已经结束的问题,这种电池冷却方案加剧能量浪费。
3、因此需要一种方法预测客户驾驶行为,可以预测客户的驾驶行为及驾驶风格,根据不同的驾驶行为(驾驶里程、驾驶时间、最高车速)、驾驶风格来智能调整电池热管理开启和关闭的阈值,以此降低电池热管理带来的能量损耗,,提升新能源车的续航里程。
技术实现思路
1、本发明旨在至少在一定程度上解决相关技术中的技术问题之一。为此,本发明的一个目的在于提出一种用户驾驶行为预测方法、存储介质、控制器以及车辆,以预测用户短里程惯用路线,并明确用户驾驶里程、驾驶时间和驾驶风格。
2、为达到上述目的,本发明第一方面实施例提出了一种用户驾驶行为预测方法,所述方法包括:获取用户驾驶车辆的历史行为数据;对所述历史数据进行聚类,得到多个行程分类,组成惯用路线数据库;将用户驾驶车辆的当前行为数据与所述惯用路线数据库中的行程分类比对,确定所述当前行为数据对应的目标行程分类;输出所述目标行程分类的驾驶行为预测数据和用户驾驶风格。
3、另外,本发明上述实施例的用户驾驶行为预测方法还可以具有如下附加的技术特征:
4、根据本发明的一个实施例,所述用户驾驶车辆的行为数据,包括:驾驶行程出发地点、驾驶行程目的地点、驾驶行程开始时间、驾驶行程结束时间、单次驾驶距离、单次驾驶时长、单次驾驶电池峰值放电功率、单次行程平均车速和单次驾驶车辆纵向加速度。
5、根据本发明的一个实施例,所述对所述历史数据进行聚类之前,还包括:剔除距离当前时间大于时间阈值的历史行为数据、剔除单日平均驾驶距离大于第一距离阈值的历史行为数据、剔除单次驾驶距离大于第二距离阈值的历史行为数据、剔除单次行程平均车速大于速度阈值的历史行为数据,以及剔除驾驶行程出发地点和/或驾驶行程目的地点在预设区域之外的历史行为数据中的至少一者。
6、根据本发明的一个实施例,所述对所述历史数据进行聚类,包括:为所述历史行为数据分配时间标签,其中,所述时间标签包括:工作日早高峰时段标签、工作日午高峰时段标签、工作日晚高峰时段标签、工作日其他时段标签和非工作日标签;基于所述时间标签对所述历史数据进行聚类。
7、根据本发明的一个实施例,所述基于所述时间标签对所述历史数据进行聚类,包括:针对每一时间标签,将该时间标签下驾驶行程出发地点距离之差小于第三距离阈值、驾驶行程目的地点之差小于第三距离阈值、单次驾驶距离差别小于比例阈值的历史行为数据作为同一个行程分类。
8、根据本发明的一个实施例,所述将用户驾驶车辆的当前行为数据与所述惯用路线数据库中的行程分类比对,确定所述当前行为数据对应的目标行程分类,包括:获取所述当前行为数据中的时间数据和出发地点数据;将所述当前行为数据中的时间数据与所述时间标签对比,得到所述当前行为数据对应的目标时间标签;将所述当前行为数据中的出发地点数据与所述惯用路线数据库中所述目标时间标签下的行程分类中的驾驶行程出发地点对比,得到所述目标行程分类。
9、根据本发明的一个实施例,所述目标行程分类的用户驾驶行为预测数据包括:所述目标行程分类对应数据的平均驾驶距离、平均驾驶时长和最大电池峰值放电功率;所述目标行程分类的用户驾驶风格根据所述目标行程分类对应数据的纵向加速度绝对值的平均值和大于预设加速度的纵向加速度绝对值的时间占比确定。
10、为达到上述目的,本发明第二方面实施例提出了一种计算机可读存储介质,所述计算机程序被处理器执行时,实现上述的用户驾驶行为预测方法。
11、为达到上述目的,本发明第三方面实施例提出了一种控制器,包括存储器、处理器和存储在所述存储器上的计算机程序,所述计算机程序被所述处理器执行时,实现上述的网约车数据的处理方法。
12、为达到上述目的,本发明第四方面实施例提出了一种车辆,包括上述的控制器。
13、本发明实施例的用户驾驶行为预测方法、存储介质、控制器以及车辆,可预测用户短里程惯用路线,并明确用户驾驶里程、驾驶时间和驾驶风格。
技术特征:1.一种用户驾驶行为预测方法,其特征在于,所述方法包括:
2.根据权利要求1所述的用户驾驶行为预测方法,其特征在于,所述用户驾驶车辆的行为数据,包括:驾驶行程出发地点、驾驶行程目的地点、驾驶行程开始时间、驾驶行程结束时间、单次驾驶距离、单次驾驶时长、单次驾驶电池峰值放电功率、单次行程平均车速和单次驾驶车辆纵向加速度。
3.根据权利要求2所述的用户驾驶行为预测方法,其特征在于,所述对所述历史数据进行聚类之前,还包括:
4.根据权利要求2所述的用户驾驶行为预测方法,其特征在于,所述对所述历史数据进行聚类,包括:
5.根据权利要求4所述的用户驾驶行为预测方法,其特征在于,所述基于所述时间标签对所述历史数据进行聚类,包括:
6.根据权利要求4所述的用户驾驶行为预测方法,其特征在于,所述将用户驾驶车辆的当前行为数据与所述惯用路线数据库中的行程分类比对,确定所述当前行为数据对应的目标行程分类,包括:
7.根据权利要求6所述的用户驾驶行为预测方法,其特征在于,
8.一种计算机可读存储介质,其上存储有计算机程序,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1-7中任一项所述的用户驾驶行为预测方法。
9.一种控制器,其特征在于,包括存储器、处理器和存储在所述存储器上的计算机程序,所述计算机程序被处理器执行时,实现如权利要求1-7中任一项所述的用户驾驶行为预测方法。
10.一种车辆,其特征在于,包括如权利要求9所述的控制器。
技术总结本发明公开了一种用户驾驶行为预测方法、存储介质、控制器以及车辆,方法包括:获取用户驾驶车辆的历史行为数据;对历史数据进行聚类,得到多个行程分类,组成惯用路线数据库;将用户驾驶车辆的当前行为数据与惯用路线数据库中的行程分类比对,确定当前行为数据对应的目标行程分类;输出目标行程分类的驾驶行为预测数据和用户驾驶风格。该方法可预测用户短里程惯用路线,并明确用户驾驶里程、驾驶时间和驾驶风格。技术研发人员:李亮,赵娴,史丽辉,石乾隆,贾方涛,刘博闻受保护的技术使用者:浙江吉利控股集团有限公司技术研发日:技术公布日:2024/7/15本文地址:https://www.jishuxx.com/zhuanli/20240718/254160.html
版权声明:本文内容由互联网用户自发贡献,该文观点仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌抄袭侵权/违法违规的内容, 请发送邮件至 YYfuon@163.com 举报,一经查实,本站将立刻删除。
下一篇
返回列表