[发明专利]一种电动车辆的充电提醒方法及装置

说明书

本发明公开了一种电动车辆的充电提醒方法，包括：获取车辆的当前停车信息；将当前停车信息输入至出行预测模型进行处理，得到本次出行的预测终点信息；根据当前停车信息、本次出行的预测终点信息和车辆的当前剩余电量，在预设时间前向用户发送对应的充电提醒信息；其中，出行预测模型是基于历史出行数据中的停车信息与相应的终点信息进行机器学习训练确定的，历史出行数据中的停车信息对应的终点信息与当前停车信息对应的预测终点信息属于同一位置信息。本发明还公开了一种电动车辆的充电提醒装置。采用本发明，能够将电动车辆的使用过程中的出行和充电相互关联，从出行规律中找出应对的充电策略，能够更加及时进而增强用户体验。

技术领域

本发明涉及电动车辆驾驶领域，特别涉及一种电动车辆的充电提醒方法及装置。

背景技术

现阶段充电提醒的主要方案是，根据车辆行进中的路线，以及预测可能的总电耗，判断剩余SOC能否完成本次出行，并在行进中的不同的SOC阶段提醒用户充电并推荐附近的充电桩。运用这种提醒方法，每次出行需要车载端数据上传数据以及云端服务器计算更新结果，再反馈到本地，需占用较多的本地网络资源、消耗大量时间用于数据传输以及云端服务器计算资源要求较高，并且只是在用户可能遇到电量不足的情况下提供的提醒服务，导致充电行为过于临时，可能存在的充电桩排队等情况，未能有效消除用户电量焦虑感，用户体验提升的有限。

另外，现阶段充电提醒还通过目的地预测进行提醒，主要有两种方式。其一是根据车辆行进中的轨迹，结合车辆行驶的历史数据，预测车辆的目的地，这种预测方式，需车主行驶一段时间后才能进行预测，及时性差，同时占用本地存储，消耗本地计算和带宽资源，还有预测模型更新慢等问题。无法结合充电行为数据，提前提供充电提醒等功能。其二是根据车辆的历史出行数据，终点采用了DBSCAN密度聚类算法，聚类的中心作为目的地，有效的将历史轨迹数据进行特征抽取后，封装为稀疏向量，输入到逻辑回归模型中训练得到车辆目的地预测模型，根据出发起点的位置、具体出发时分、上午或下午、星期几以及一年中的第几周的特征来预测目的地，保证预测的及时性，但是聚类过程频繁计算地球坐标系中的空间距离，计算资源要求较高，并且目的地还只是GPS坐标，如果要结合充电数据，需再次计算充电位置与目的地的空间距离，判断是否在一定范围内才能关联起来，计算过程繁杂。同样无法有效结合充电行为数据，提前提供充电提醒等功能。

发明内容

为解决上述技术问题，第一方面，本发明公开了一种电动车辆的充电提醒方法，所述方法包括：

获取车辆的当前停车信息；

将所述当前停车信息输入至所述出行预测模型进行处理，得到本次出行的预测终点信息；

根据所述当前停车信息、所述本次出行的预测终点信息和车辆的当前剩余电量，在预设时间前向用户发送对应的充电提醒信息；

其中，所述出行预测模型是基于历史出行数据中的停车信息与相应的终点信息进行机器学习训练确定的，所述历史出行数据中的停车信息对应的终点信息与所述当前停车信息对应的预测终点信息属于同一位置信息。

进一步的，所述将所述当前停车信息输入至所述出行预测模型进行处理，得到本次出行的预测终点信息包括：

根据所述当前停车信息得到本次出行的时间信息和起点信息；所述当前停车信息包括当前停车的位置信息和时间信息；

将所述本次出行的时间信息和起点信息输入至所述出行预测模型进行处理，得到所述本次出行的预测终点信息。

进一步的，所述根据所述当前停车信息、所述本次出行的预测终点信息和车辆的当前剩余电量，在预设时间前向用户发送对应的充电提醒信息包括：

根据所述本次出行的预测终点信息与所述本次出行的起点信息，判断本次出行的预测终点和起点之间的距离是否大于第一预设值；

若本次出行的预测终点和起点之间的距离不大于第一预设值，则在预设时间前向用户发送对应的充电提醒信息；