[发明专利]一种无人驾驶车辆实时电量智慧预测方法及装置

说明书

本发明公开了一种无人驾驶车辆实时电量智慧预测方法及装置，该方法针对车辆行驶的主要耗电方面如空调、风阻等方面进行研究，并结合复杂的道路环境，建立耗电量预测模型，所选用的模型基于神经网络训练获得，自主学习性强，准确度好；该模型预测电量与电池本身无关，模型实时进行训练，能辨识不同路况环境上电量的使用情况，预测结果准确性高、时效性好，较好的避免了现有技术中只针对电池的基本工作原理和充放电特性来计算耗电量引起的不准确的问题。

技术领域

本发明属于人工智能领域，特别涉及一种无人驾驶车辆实时电量智慧预测方法及装置。

背景技术

人工智能在近期迅速发展，其中无人驾驶车辆是人们的热门关注点之一。对于无人驾驶车辆的发展，储电电能装置是其发展的重点，储电电能装置利用电能的性能好坏将影响无人驾驶车辆的行驶速度决策和路径规划决策，车辆电量的高精度预测在一定程度上能为储电电能装置发挥出其最大功效提供决策和建议。

无人驾驶车辆电量是无人驾驶车辆在行驶过程中需要实时获取的一个数据。无人驾驶车辆电量反映了无人驾驶车辆在接下来一段时间里能够行驶某一定距离的时间和速度的匹配关系，决定了无人驾驶车辆的续航里程。目前，无人驾驶车辆的储电设备的储电能力较低，车主常常忘记充电以及充电不便的问题将导致无人驾驶车辆的实用性处在一个尴尬的境地。因此无人驾驶车辆的实时、准确、融合多方面因素的电量预测能够让无人驾驶车辆时刻保持清醒，在达到最低电量之前搜寻最优化的充电路径，对无人驾驶车辆的发展及普及具有重要的作用。

目前的无人驾驶车辆电量仅仅通过车速、历程和电池容量等车辆自身因素来考虑，没有充分考虑无人驾驶车辆在不同环境下的路况对电量的非线性动态影响，因此无法做到实时准确地预测出电池的实际耗电量。因此在自动驾驶领域迫切需要一种新技术来实现上述目标。

发明内容

本发明提供了一种无人驾驶车辆实时电量智慧预测方法及装置，依融合车内外温度数据、车外车正前方风速数据、指定时间内车辆行驶距离和道路坡度角及其长度的数据对无人驾驶车辆耗电量进行实时更新和预测。

一种无人驾驶车辆实时电量智慧预测方法，包括以下步骤：

步骤1：获取训练数据；

所述训练数据包括无人驾驶车辆在行驶过程中的指定时间nT内的能耗值、行驶距离和耗电量，所述能耗值包括风阻能耗值、坡度能耗值以及温度能耗值；

所述风阻能耗值由无人驾驶车辆在指定时间nT内的相对风速累加获得，所述相对风速大小是指车辆外部风速与车速的差值；

所述坡度能耗值由无人驾驶车辆在指定时间nT内的爬坡因子对时间进行积分获得，爬坡因子为β，β＝0.02*cos(α)+sin(α)，α为无人驾驶车辆在行驶过程中的对离散时刻采集的坡度角值进行线性拟合得到的随时间连续变化的坡度角；

所述温度能耗值由无人驾驶车辆在指定时间nT内的车内温度与车外温度的差值累加获得；

所述行驶距离由无人驾驶车辆在指定时间nT内的车速对时间进行积分获得；

其中，T为设定的单元间隔时间，所述指定时间为设定的单元间隔时间的整数倍，n为整数，从1开始依次取值；T为设定的单元间隔时间；

通过n的不同取值，获取多个无人驾驶车辆在未来各种时长的耗电量预测模型；nT最大值通常不低于5小时；

步骤2：构建基于灰色神经网络的相对风速预测模型；

利用训练数据中的无人驾驶车辆相对风速时间序列中的连续m个时刻的相对风速作为输入数据，第m+1个时刻的相对风速作为输出数据，对灰色神经网络模型进行训练，构建基于灰色神经网络的相对风速预测模型，m为整数；

步骤3：基于能耗值和行驶距离构建基于Elman神经网络的耗电量预测模型；