[发明专利]累碳量预测方法、装置、汽车、云端服务器及计算机可读存储介质

权利要求书

1.一种累碳量预测方法，其特征在于，所述累碳量预测方法包括：

获取至少一个分段道路的道路信息，所述道路信息用于描述所述分段道路的道路特征；

根据各个所述分段道路的道路信息，调用累碳量预测模型对每个所述分段道路进行累碳量预测，得到每个所述分段道路的预测累碳量。

2.根据权利要求1所述的累碳量预测方法，其特征在于，所述获取至少一个分段道路的道路信息包括：

获取预期的规划道路的信息；

根据所述规划道路的道路特征，对所述规划道路进行分段，得到至少一个分段道路以及所述至少一个分段道路的道路信息。

3.根据权利要求1所述的累碳量预测方法，其特征在于，所述调用累碳量预测模型对每个所述分段道路进行累碳量预测，得到每个所述分段道路的预测累碳量之前，所述累碳量预测方法还包括：

调用预设的累碳量真实模型对已行驶路段进行累碳量计算，得到所述已行驶路段的真实累碳量，所述已行驶路段为所述至少一个分段道路中的路段；

利用所述已行驶路段的真实累碳量修正所述累碳量预测模型。

4.根据权利要求1所述的累碳量预测方法，其特征在于，所述调用累碳量预测模型对每个所述分段道路进行累碳量预测之前，所述累碳量预测方法包括：

获取训练样本，所述训练样本包括导航数据、历史路程、汽车负载、汽车位置及环境数据；

根据所述训练样本对累碳量模型进行迭代训练，得到所述累碳量预测模型。

5.根据权利要求4所述的累碳量预测方法，其特征在于，所述根据所述训练样本对累碳量模型进行迭代训练，得到所述累碳量预测模型包括：

在第一结果与第二结果之差小于第一阈值，且所述汽车的累计行驶路程大于第二阈值时，结束所述累碳量模型的迭代训练，得到所述累碳量预测模型；

其中，所述第一结果为所述迭代训练的累碳量预测模型对同一训练样本进行累碳量计算得到的结果，所述第二结果为预设的累碳量真实模型对所述同一训练样本进行累碳量计算得到的结果。

6.根据权利要求1-5中任一项所述的累碳量预测方法，其特征在于，所述调用累碳量预测模型对每个所述分段道路进行累碳量预测包括：

通过直接调用部署在云端服务器中的累碳量预测模型，来对每个所述分段道路进行累碳量预测；

或者，先通过云端服务器将累碳量预测模型简化并部署在汽车的嵌入式控制器中，以得到简化后的累碳量预测模型，然后，通过调用所述简化后的累碳量预测模型，来对每个所述分段道路进行累碳量预测。

7.一种主动再生控制方法，其特征在于，包括：

获取预期的规划道路的信息，并对所述规划道路进行分段，得到至少一个分段道路的道路信息；

采用权利要求1至6中任一项所述的累碳量预测方法，获得各个所述分段道路各自的预测累碳量；

根据各个所述分段道路各自的预测累碳量、各个所述分段路段各自的行驶路程和行驶时间，对所述至少一个分段道路进行再生路段评估，得到目标再生路段，所述目标再生路段为所述至少一个分段道路中的任一个或多个；

若汽车当前的真实累碳量超过累碳阈值，则在所述目标再生路段触发主动再生，所述主动再生用于指示在所述目标再生路段进行碳量燃烧。

8.根据权利要求7所述的主动再生控制方法，其特征在于，所述根据各个所述分段道路各自的预测累碳量、各个所述分段路段各自的行驶路程和行驶时间，对所述至少一个分段道路进行再生路段评估，得到目标再生路段包括：

根据各个所述分段道路各自的预测累碳量、各个所述分段路段各自的行驶路程和行驶时间，对所述至少一个分段道路进行再生路段评估，得到各个所述分段道路各自的再生路段指标；

从各个所述分段道路各自的再生路段指标中选取指标超过第三阈值的分段道路，作为所述目标再生路段。