汽车的续航预测方法、装置、车辆、存储介质及程序产品与流程

本技术涉及汽车，特别涉及一种汽车的续航预测方法、装置、车辆、存储介质及程序产品。

背景技术：

1、相关技术中，新能源汽车的续航评估主要依赖电池荷电状态（soc）的线性插值方法进行续航预测，同时通过急加速次数等单一指标评估驾驶行为能耗，再采用传统车载系统架构，通过采用固定位置的抬头显示方案（hud）实现信息交互与显示。

2、然而，相关技术中，新能源汽车的续航评估忽略了电池的实际使用环境影响，导致续航预测误差率较高；同时其数据更新延迟较高，无法响应突发工况，加之固定hud在强光下可视性差，用户认知延迟达2~5秒，对续航可信度和用户体验感均有影响，亟待解决。

技术实现思路

1、本技术提供一种汽车的续航预测方法、装置、车辆、存储介质及程序产品，以解决相关技术中，新能源汽车的续航评估忽略了电池的实际使用环境影响，导致续航预测误差率较高；同时其数据更新延迟较高，无法响应突发工况，且固定hud在强光下可视性差，影响了续航可信度和用户体验感等问题。

2、本技术第一方面实施例提供一种汽车的续航预测方法，包括以下步骤：获取目标车辆的多源异构数据流，并对所述多源异构数据流中的多源异构数据进行对齐处理，得到对齐后的多源异构数据对应的时空数据矩阵；基于所述时空数据矩阵，提取所述目标车辆的驾驶行为融合特征、环境融合特征、满足预设用电条件的目标器件的融合特征，以根据所述驾驶行为融合特征、所述环境融合特征、所述满足预设用电条件的目标器件的融合特征得到多模态融合特征；基于所述多模态融合特征，提取预设长度的融合特征序列，以基于所述融合特征序列，生成所述目标车辆的剩余续航里程预测结果。

3、可选地，在本技术的一个实施例中，所述对所述多源异构数据流中的多源异构数据进行对齐处理，得到对齐后的多源异构数据对应的时空数据矩阵，包括：基于预先构建的主-从时钟架构，修正所述多源异构数据的时钟偏移，得到时钟同步后的多源异构数据；基于所述多源异构数据中的速度数据和加速度数据，优化所述时钟同步后的多源异构数据，得到优化后的多源异构数据；对齐所述优化后的多源异构数据中的时间序列长度，得到所述对齐后的多源异构数据。

4、可选地，在本技术的一个实施例中，所述基于所述时空数据矩阵，提取所述目标车辆的驾驶行为融合特征、环境融合特征、满足预设用电条件的目标器件的融合特征，包括：基于所述时空数据矩阵，提取所述目标车辆的加速度标准差和转向角频域特征；融合所述加速度标准差和所述转向角频域特征，得到所述驾驶行为融合特征。

5、可选地，在本技术的一个实施例中，所述基于所述时空数据矩阵，提取所述目标车辆的驾驶行为融合特征、环境融合特征、满足预设用电条件的目标器件的融合特征，包括：基于所述时空数据矩阵，计算用于所述车辆的有效温度特征和有效湿度特征，其中，所述有效温度特征为修正环境温度对动力电池的性能影响后的温度，所述有效湿度特征为修正环境湿度对所述动力电池的性能影响后的湿度；融合所述有效温度特征和所述有效湿度特征，得到所述环境融合特征。

6、可选地，在本技术的一个实施例中，所述基于所述时空数据矩阵，提取所述目标车辆的驾驶行为融合特征、环境融合特征、满足预设用电条件的目标器件的融合特征，包括：获取所述满足预设用电条件的目标器件的能耗消耗特征；根据所述能耗消耗特征确定所述满足预设用电条件的目标器件的融合特征。

7、可选地，在本技术的一个实施例中，所述基于所述融合特征序列，生成所述目标车辆的剩余续航里程预测结果，包括：基于所述融合特征序列，得到所述预设长度的融合特征序列中多个融合特征向量对应的时刻；评估每个时刻的融合特征的初始重要度，以结合所述初始重要度和目标特征权重得到所述每个时刻的聚焦后的特征表示；根据所述每个时刻的聚焦后的特征生成所述目标车辆的剩余续航里程预测结果。

8、可选地，在本技术的一个实施例中，在生成所述目标车辆的所述剩余续航里程预测结果之后，还包括：获取用户的瞳孔中心坐标，并将所述瞳孔中心坐标转换至目标坐标系下的二维坐标；基于所述剩余续航里程预测结果的预测标准差，生成所述剩余续航里程预测结果的置信区间；基于所述二维坐标和目标投影亮度，将所述剩余续航里程预测结果和所述置信区间投影至所述目标车辆的前挡风玻璃。

9、本技术第二方面实施例提供一种汽车的续航预测装置，包括：获取模块，用于获取目标车辆的多源异构数据流，并对所述多源异构数据流中的多源异构数据进行对齐处理，得到对齐后的多源异构数据对应的时空数据矩阵；融合模块，用于基于所述时空数据矩阵，提取所述目标车辆的驾驶行为融合特征、环境融合特征、满足预设用电条件的目标器件的融合特征，以根据所述驾驶行为融合特征、所述环境融合特征、所述满足预设用电条件的目标器件的融合特征得到多模态融合特征；预测模块，用于基于所述多模态融合特征，提取预设长度的融合特征序列，以基于所述融合特征序列，生成所述目标车辆的剩余续航里程预测结果。

10、可选地，在本技术的一个实施例中，所述获取模块，包括：修正单元，用于基于预先构建的主-从时钟架构，修正所述多源异构数据的时钟偏移，得到时钟同步后的多源异构数据；优化单元，用于基于所述多源异构数据中的速度数据和加速度数据，优化所述时钟同步后的多源异构数据，得到优化后的多源异构数据；对齐单元，用于对齐所述优化后的多源异构数据中的时间序列长度，得到所述对齐后的多源异构数据。

11、可选地，在本技术的一个实施例中，所述融合模块，包括：提取单元，用于基于所述时空数据矩阵，提取所述目标车辆的加速度标准差和转向角频域特征；第一融合单元，用于融合所述加速度标准差和所述转向角频域特征，得到所述驾驶行为融合特征。

12、可选地，在本技术的一个实施例中，所述融合模块，包括：计算单元，用于基于所述时空数据矩阵，计算用于所述车辆的有效温度特征和有效湿度特征，其中，所述有效温度特征为修正环境温度对动力电池的性能影响后的温度，所述有效湿度特征为修正环境湿度对所述动力电池的性能影响后的湿度；第二融合单元，用于融合所述有效温度特征和所述有效湿度特征，得到所述环境融合特征。

13、可选地，在本技术的一个实施例中，所述融合模块，包括：获取单元，用于获取所述满足预设用电条件的目标器件的能耗消耗特征；确定单元，用于根据所述能耗消耗特征确定所述满足预设用电条件的目标器件的融合特征。

14、可选地，在本技术的一个实施例中，所述预测模块，包括：处理单元，用于基于所述预设长度的融合特征序列，得到所述预设长度的融合特征序列中多个融合特征向量对应的时刻；评估单元，用于评估每个时刻的融合特征的初始重要度，以结合所述初始重要度和目标特征权重得到所述每个时刻的聚焦后的特征表示；生成单元，用于根据所述每个时刻的聚焦后的特征生成所述目标车辆的剩余续航里程预测结果。

15、可选地，在本技术的一个实施例中，还包括：转换模块，用于在生成所述目标车辆的所述剩余续航里程预测结果之后，获取用户的瞳孔中心坐标，并将所述瞳孔中心坐标转换至目标坐标系下的二维坐标；生成模块，用于基于所述剩余续航里程预测结果的预测标准差，生成所述剩余续航里程预测结果的置信区间；投影模块，用于基于所述二维坐标和目标投影亮度，将所述剩余续航里程预测结果和所述置信区间投影至所述目标车辆的前挡风玻璃。

16、本技术第三方面实施例提供一种车辆，包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述程序，以实现如上述实施例所述的汽车的续航预测方法。

17、本技术第四方面实施例提供一种计算机可读存储介质，所述计算机可读存储介质存储计算机程序，该程序被处理器执行时实现如上的汽车的续航预测方法。

18、本技术第五方面实施例提供一种计算机程序产品，包括计算机程序，所述计算机程序被执行时，以用于实现如上的汽车的续航预测方法。

19、本技术实施例可以采集多源异构数据并进行时空对齐，提取驾驶行为、环境温湿度及用电器功耗三类融合特征，构建多模态特征序列；采用级联式混合预测模型预测车辆的剩余续航，并结合眼动追踪与环境光照，通过ar-hud动态显示预测结果及置信区间。由此，实现了采用主-从时钟结构与运动补偿插值，消除数据延迟，可应对隧道gps丢失等突发工况；通过非线性温度-内阻建模及多变量耦合分析（驾驶行为、空调、胎压等），有效降低续航预测的误差率；再结合眼动追踪与环境光自适应ar-hud，解决强光下可视性差问题，可有效降低用户的认知延迟，通过置信区间的可视化有效增强用户的信任度，全程满足车规级边缘计算要求。由此，解决了相关技术中，新能源汽车的续航评估忽略了电池的实际使用环境影响，导致续航预测误差率较高；同时其数据更新延迟较高，无法响应突发工况，且固定hud在强光下可视性差，影响了续航可信度和用户体验感等问题。

20、本技术附加的方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本技术的实践了解到。