(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111265560.6 (22)申请日 2021.10.28 (71)申请人 华人运通 （上海） 云计算科技有限公 司 地址 201100 上海市闵行区苏召路1628号2 幢C075室 (72)发明人 丁磊　韩大鹏　 (74)专利代理 机构 广州三环 专利商标代理有限 公司 44202 代理人 麦小婵　郝传鑫 (51)Int.Cl. G06Q 10/04(2012.01) G06N 20/00(2019.01) G06F 16/215(2019.01) G06F 16/25(2019.01)G06F 16/2458(2019.01) G07C 5/00(2006.01) G07C 5/08(2006.01) (54)发明名称 一种电动车续 航里程预测方法 (57)摘要 本发明提供了一种电动车续航里程预测方 法， 通过获取预存在大数据平台的车辆历史数 据； 对车辆历史数据进行合并和分割处理， 得到 至少两类续航里程影响数据； 对续航里程影响数 据进行预处理， 并利用预处理后的续航里程影 响 数据对预设的机器学习模型进行训练， 得到续航 里程预测模 型； 在车端应用所述续航里程预测模 型， 根据车端的当前续航里程影响数据， 进行续 航里程预测； 本发明采用大数据平台预存了海量 数据来进行机器学习， 得到续航里程预测模型， 并在车端通过该续航里程预测模 型进行预测， 综 合考虑驾驶习惯、 车辆工况、 外部环境等多方面 对车辆续航里程的影响， 从而提高车辆续航里程 的预测准确度。 权利要求书2页 说明书7页 附图1页 CN 114091735 A 2022.02.25 CN 114091735 A 1.一种电动车续 航里程预测方法， 其特 征在于， 包括： 获取预存在大 数据平台的车辆历史数据； 对所述车辆历史数据进行合并和分割处 理， 得到至少两类续 航里程影响数据； 对所述续航里程影响数据进行预处理， 并利用预处理后的续航里程影响数据对预设的 机器学习模型进行训练， 得到续 航里程预测模型； 在车端应用所述续航里程预测模型， 根据车端的当前续航里程影响数据， 进行续航里 程预测。 2.如权利要求1所述的电动车续航里程预测方法， 其特征在于， 所述对所述车辆历史数 据进行合并和分割处 理， 得到至少两类续 航里程影响数据， 包括： 将所述车辆历史数据按照其所属的车辆及时间戳进行合并； 将合并后的车辆历史数据按照车辆状态进行分割， 得到 至少两类续 航里程影响数据。 3.如权利要求2所述的电动车续航里程预测方法， 其特征在于， 所述车辆状态包括电池 上高压状态、 充电状态； 则， 所述将合并后的车辆历史数据按照车辆状态进行分割， 得到至少两类续航里程影 响数据， 包括： 将合并后的车辆历史数据分割成对应所述电池上高压状态的续航里程影响数据和对 应所述充电状态的续 航里程影响数据。 4.如权利要求1所述的电动车续航里程预测方法， 其特征在于， 所述对所述续航里程影 响数据进行 预处理， 包括： 对所述续航里程影响数据进行降维处 理。 5.如权利要求 4所述的电动车续 航里程预测方法， 其特 征在于， 所述方法还 包括： 对降维后的续航里程影响数据进行以下一种或多种处理： 数据清洗、 数据缺失填充处 理、 标准化和归一 化处理。 6.如权利要求4所述的电动车续航里程预测方法， 其特征在于， 所述对所述续航里程影 响数据进行降维处 理， 包括： 对所述续航里程影响数据进行皮尔逊相关系数分析， 筛选出皮尔逊系数小于第 一设定 值的续航里程影响数据， 作为降维后的续 航里程影响数据。 7.如权利要求5所述的电动车续航里程预测方法， 其特征在于， 所述数据缺失填充处 理， 具体包括： 当所述续航里程影响数据中的一个数据属于事件型数据时， 采用对应上一 时间戳的数 据对所述数据进行缺失填充； 当所述续航里程影响数据中的一个数据属于周期型数据时， 采用平均值填充方式对所 述数据进行缺失填充。 8.如权利要求3所述的电动车续航里程预测方法， 其特征在于， 所述机器学习 模型基于 多元线性回归算法构建； 则， 利用预处理后的续航里程影响数据对预设的机器学习模型进行训练， 得到续航里 程预测模型， 包括： 抽取多个时段内的续 航里程影响数据； 根据各个时段对应的续航里程影响数据以及行驶里程， 采用多元线性 回归算法构建续权　利　要　求　书 1/2 页 2 CN 114091735 A 2航里程预测模型。 9.如权利要求1所述的电动车续航里程预测方法， 其特征在于， 所述续航里程影响数据 包括驾驶行为数据、 整车 数据、 车辆 工况数据、 电池数据以及环境数据。 10.如权利要求5所述的电动车续航里程预测方法， 其特征在于， 所述数据清洗， 具体包 括： 采用正态分布的3σ 原则对降维后的续航里程影响数据进行数据清洗， 剔除所述续航里 程影响数据中无效数据和重复数据。 11.如权利要求1所述的电动车续航里程预测方法， 其特征在于， 所述大数据平台中存 储的车辆历史数据包括车端的各个控制域上传的数据； 其中， 所述控制域包括： VDCM域、 BDCM域、 IDVM域。 12.如权利要求1所述的电动车续 航里程预测方法， 其特 征在于， 所述方法还 包括： 所述车端的车 载仪表实时显示预测得到的续 航里程。权　利　要　求　书 2/2 页 3 CN 114091735 A 3