[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

说明书

本申请实施例公开了一种累碳量预测方法、GPF主动再生控制方法、装置、汽车及计算机可读存储介质，其中所述累碳量预测方法包括：获取至少一个规划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。在此基础上，结合道路信息筛选出最适宜进行主动再生的目标路段，继而优化主动再生控制。通过实施本申请能解决现有技术中无法预测未来的累碳量变化，并基于未来的累碳量变化来指导主动再生的问题。

技术领域

本申请涉及车辆技术领域，尤其涉及一种累碳量预测方法、装置、汽车、云端服务器及计算机可读存储介质。

背景技术

随着汽车行业的快速发展，汽车尾气已成为大气主要污染源之一。为满足国六排放标准，汽油机颗粒捕捉器(GPF)被广泛应用于国六项目中。GPF由于其吸附作用，会有累碳(soot)、积灰(ash)现象，当碳量加多时需要主动调节排温和空燃比，以燃烧的方式减少GPF内部积碳，该方式称为主动再生。

GPF中累碳量在批产车辆中无法通过测量直接获取，当前的策略是基于发动机运行参数来建立GPF的累碳模型。可见，影响累碳量的关键是发动机运行的工况数据，而由于发动机运行的未来工况数据无法直接获取，无法预知未来的累碳量变化。

发明内容

本申请实施例提供了一种累碳量预测方法、GPF主动再生控制方法、装置、汽车、云端服务器及计算机可读存储介质，以解决现有技术中无法预测未来的累碳量变化的问题。

第一方面，提供了一种累碳量预测方法，该方法包括：获取至少一个分段道路的道路信息，该道路信息用于描述分段道路的道路特征。根据各个分段道路的道路信息，调用累碳量预测模型对每个分段道路进行累碳量预测，得到每个分段道路的预测累碳量。

在一些实施例中，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。

在一些实施例中，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。

在一些实施例中，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还包括：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。

在一些实施例中，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。

在一些实施例中，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。