CN117311139A - 一种基于大数据和云计算的车辆优化方法及*** - Google Patents
一种基于大数据和云计算的车辆优化方法及*** Download PDFInfo
- Publication number
- CN117311139A CN117311139A CN202311606863.9A CN202311606863A CN117311139A CN 117311139 A CN117311139 A CN 117311139A CN 202311606863 A CN202311606863 A CN 202311606863A CN 117311139 A CN117311139 A CN 117311139A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- data
- scheme
- optimal
- taking
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000005457 optimization Methods 0.000 title claims abstract description 71
- 238000000034 method Methods 0.000 title claims abstract description 31
- 230000006399 behavior Effects 0.000 claims abstract description 9
- 238000007781 pre-processing Methods 0.000 claims abstract description 3
- 230000006870 function Effects 0.000 claims description 63
- 238000007599 discharging Methods 0.000 claims description 22
- 239000000725 suspension Substances 0.000 claims description 17
- 238000005265 energy consumption Methods 0.000 claims description 12
- 230000001133 acceleration Effects 0.000 claims description 11
- 238000007405 data analysis Methods 0.000 claims description 11
- 230000015572 biosynthetic process Effects 0.000 claims description 10
- 230000001105 regulatory effect Effects 0.000 claims description 8
- 238000012545 processing Methods 0.000 claims description 5
- 239000003086 colorant Substances 0.000 claims description 4
- 238000009472 formulation Methods 0.000 claims description 4
- 239000000203 mixture Substances 0.000 claims description 4
- 230000002265 prevention Effects 0.000 claims description 4
- 230000009471 action Effects 0.000 claims description 3
- 230000003044 adaptive effect Effects 0.000 claims description 3
- 230000006872 improvement Effects 0.000 claims description 3
- 238000012549 training Methods 0.000 claims description 3
- 238000004458 analytical method Methods 0.000 description 7
- 230000007613 environmental effect Effects 0.000 description 7
- 230000001276 controlling effect Effects 0.000 description 5
- 238000001914 filtration Methods 0.000 description 4
- 230000009286 beneficial effect Effects 0.000 description 3
- 238000004891 communication Methods 0.000 description 3
- 238000011217 control strategy Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000007726 management method Methods 0.000 description 3
- 230000002159 abnormal effect Effects 0.000 description 2
- 238000004378 air conditioning Methods 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 230000001934 delay Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 239000006096 absorbing agent Substances 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 230000035939 shock Effects 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
- G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
- G05B13/0205—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric not using a model or a simulator of the controlled system
- G05B13/024—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric not using a model or a simulator of the controlled system in which a parameter or coefficient is automatically adjusted to optimise the performance
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Computation (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明公开了一种基于大数据和云计算的车辆优化方法及***,涉及汽车技术领域,该方法包括:采集车辆的车辆状态数据,车辆外部环境的环境数据以及用户行为中的用户数据,将车辆状态数据、环境数据以及用户数据发送至云端服务器;对车辆状态数据、环境数据以及用户数据进行划分和预处理;对预处理后的车辆状态数据、环境数据以及用户数据进行大数据分析,制定优化控制方案和优化协同方案,将优化控制方案和优化协同方案发送至车辆执行,并将优化协同方案发送至其他协同对象执行,本发明能够解决现有技术中车辆智能优化中没有考虑驾驶员、车辆或环境特定因素,导致车辆交通的效率和安全性以及适应性降低的技术问题。
Description
技术领域
本发明涉及汽车技术领域,具体涉及一种基于大数据和云计算的车辆优化方法及***。
背景技术
随着社会的不断发展和进步,车辆被越来越多地应用于人们的日常生活中,相对于传统的出行方式,比如步行、骑行等,汽车不仅快捷,而且能够最大程度上满足乘坐者的需求,比如乘坐的舒适度要求以及停靠地点的需求等。
与此同时,随着城市人口以及城市交通流的增加,城市特别是大城市的交通问题普遍成为焦点问题,智能网联车辆技术的发展给交通管理带来了一场即将到来的革命。在考虑车辆的部署时,车辆在潜在冲突区域的控制将对车辆交通管理造成复杂影响,例如基础设施区域,车辆在基础设施区域行驶延误,造成交通堵塞问题,并且大多数车辆的智能优化提供的功能通常都非常基础,没有考虑驾驶员、车辆或环境特定因素。优化方案缺乏个性化和适应性,难以满足不同车辆和用户的需求。
发明内容
针对现有技术的不足,本发明的目的在于提供一种基于大数据和云计算的车辆优化方法及***,旨在解决现有技术中车辆智能优化中没有考虑驾驶员、车辆或环境特定因素,导致车辆交通的效率和安全性以及适应性降低的技术问题。
本发明的一方面在于提供一种基于大数据和云计算的车辆优化方法,所述方法包括:
采集车辆的车辆状态数据,车辆外部环境的环境数据以及用户行为中的用户数据,将所述车辆状态数据、所述环境数据以及所述用户数据发送至云端服务器,所述车辆状态数据包括车辆的电池电量、电网负荷、电量价格、充放电时机、充放电方式、速度、加速度、减速度、转向角、侧向偏移量、电机转矩、动力源、空调温度、刹车力度、悬架刚度模式、仪表显示模式、音响音量、座椅位置参数、驾驶模式,所述环境数据包括路况信息、环境温度、环境噪音、车辆之间的相对距离、基础设施状态数据、以及云端服务器状态数据,所述用户数据包括驾驶习惯、用户设定温度、乘坐人数;
待所述云端服务器接收并储存所述车辆状态数据、所述环境数据以及所述用户数据,并对所述车辆状态数据、所述环境数据以及所述用户数据进行划分和预处理;
对预处理后的所述车辆状态数据、所述环境数据以及所述用户数据进行大数据分析,制定优化控制方案和优化协同方案,将所述优化控制方案和所述优化协同方案发送至车辆执行,并将所述优化协同方案发送至其他协同对象执行,所述优化控制方案包括能耗优化子方案、性能优化子方案、以及配置优化子方案,所述优化协同方案包括车车协同优化子方案、车设协同优化子方案、以及车云协同优化子方案。
与现有技术相比,本发明的有益效果在于:通过本发明提供的基于大数据和云计算的车辆优化方法,能有效地提高车辆的性能和协作能力,提升车辆的智能化水平,提升车辆交通的效率和安全性以及适应性,具体为,采集车辆的车辆状态数据,车辆外部环境的环境数据以及用户行为中的用户数据,将车辆状态数据、环境数据以及用户数据发送至云端服务器;待云端服务器接收并储存车辆状态数据、环境数据以及用户数据,并对车辆状态数据、环境数据以及用户数据进行划分和预处理;对预处理后的车辆状态数据、环境数据以及用户数据进行大数据分析,制定优化控制方案和优化协同方案,将优化控制方案和优化协同方案发送至车辆执行,并将优化协同方案发送至其他协同对象执行,将车辆状态数据、环境数据、用户数据进行分析优化方案,能有效地减少冲突区域造成交通影响情况,能有效地提高车辆交通的效率和安全性,并且充分考虑驾驶员、车辆或环境特定因素,提高方案的适用性,从而解决了现有技术中车辆智能优化中没有考虑驾驶员、车辆或环境特定因素,导致车辆交通的效率和安全性以及适应性降低的技术问题。
根据上述技术方案的一方面,所述能耗优化子方案的制定步骤,具体包括:
以所述电池电量、所述电网负荷、所述电量价格为状态变量,以所述充放电时机和所述充放电方式为动作变量,以最小化电费为目标函数,构建出最优的充放电策略;
以所述路况信息、所述速度、所述驾驶***衡动力性和经济性为目标函数,输出所需切换的动力源,构建出最优的切换动力源策略;
以所述环境温度、所述用户设定温度等为输入变量,以最大化用户满意度为目标函数,通过不断训练和学习用户对不同温度的反馈,输出所需调节的空调温度,构建出最优的空调温度调控策略。
根据上述技术方案的一方面,所述性能优化子方案的制定步骤,具体包括:
以所述车辆状态数据和所述用户数据为输入变量,以平衡动力性和经济性为目标函数,输出所需的电机转矩,构建出最优的电机转矩调控策略;
以所述车辆状态数据和所述环境数据为输入变量,以防止车辆车轮在刹车时锁死为目标函数,输出所需车辆车轮刹车力度,构建出最优的刹车力度调控策略;
以所述车辆状态数据和所述环境数据为输入变量,以适应不同的路况和驾驶模式为目标函数,输出所需的车辆的悬架刚度模式,构建出最优的悬架刚度模式调控策略。
根据上述技术方案的一方面,所述配置优化子方案的制定步骤,具体包括:
以所述用户数据和所述环境数据为输入变量,以满足用户个性化需求为目标函数,输出所需的仪表显示模式,构建出最优的仪表显示模式调控策略;
以所述用户数据和所述环境数据为输入变量,以适应不同的环境噪音水平为目标函数,输出所需的音响音量,构建出最优的音响音量调控策略;
以所述用户数据和所述环境数据为输入变量,以适应不同的驾驶模式或乘坐人数为目标函数,输出所需的座椅位置参数,构建出最优的座椅位置参数调控策略。
根据上述技术方案的一方面,所述车车协同优化子方案的制定步骤,具体包括:
以车辆之间的相对距离和速度为输入变量,以提高编队稳定性和安全性为目标函数,输出编队形状和大小,构建出最优的编队规则;
以车辆之间的相对距离和速度为输入变量,以保持车辆之间的安全距离为目标函数,输出车辆的加速度或减速度,构建出最优的车辆跟随规则;
以车辆之间的相对距离和速度为输入变量,以避免车辆碰撞为目标函数,输出车辆的转向角或侧向偏移量,构建出最优的车辆避让规则。
根据上述技术方案的一方面,所述车设协同优化子方案的制定步骤,具体包括:
以所述车辆状态数据、所述环境数据和所述基础设施状态数据为输入变量,以最大化交通效率和安全性为目标函数,输出交通信号灯的颜色和时长,构建出最优的交通信号规则;
以所述车辆状态数据、所述环境数据和所述基础设施状态数据为输入变量,以最大化信息相关性和有效性为目标函数,输出路况信息的内容和形式,构建出最优的路况信息推送规则;
以所述车辆状态数据、所述环境数据和所述基础设施状态数据为输入变量,以最快速度发现事故并呼叫救援为目标函数,输出紧急救援呼叫的内容和对象,构建出最优的紧急救援呼叫规则。
根据上述技术方案的一方面,所述车云协同优化子方案的制定步骤,具体包括:
以所述车辆状态数据和所述云端服务器状态数据为输入变量,以最大化用户便利性和节约成本为目标函数,输出停车位预订的内容和对象,构建出最优的停车位预订规则;
以所述车辆状态数据和所述云端服务器状态数据为输入变量,以最大化用户便利性和安全性为目标函数,输出停车费支付的内容和对象,构建出最优的停车费支付规则;
以所述车辆状态数据和所述云端服务器状态数据为输入变量,以最大化用户满意度和安全性为目标函数,输出停车导航的内容和对象,构建出最优的停车导航规则。
本发明的另一方面在于提供了一种基于大数据和云计算的车辆优化***,所述***用于实现上述基于大数据和云计算的车辆优化方法,所述***包括:
数据采集模块,用于采集车辆的车辆状态数据,车辆外部环境的环境数据以及用户行为中的用户数据,将所述车辆状态数据、所述环境数据以及所述用户数据发送至云端服务器,所述车辆状态数据包括车辆的电池电量、电网负荷、电量价格、充放电时机、充放电方式、速度、加速度、减速度、转向角、侧向偏移量、电机转矩、动力源、空调温度、刹车力度、悬架刚度模式、仪表显示模式、音响音量、座椅位置参数、驾驶模式,所述环境数据包括路况信息、环境温度、环境噪音、车辆之间的相对距离、基础设施状态数据、以及云端服务器状态数据,所述用户数据包括驾驶习惯、用户设定温度、乘坐人数;
数据处理模块,用于待所述云端服务器接收并储存所述车辆状态数据、所述环境数据以及所述用户数据,并对所述车辆状态数据、所述环境数据以及所述用户数据进行划分和预处理;
方案制定模块,用于对预处理后的所述车辆状态数据、所述环境数据以及所述用户数据进行大数据分析,制定优化控制方案和优化协同方案,将所述优化控制方案和所述优化协同方案发送至车辆执行,并将所述优化协同方案发送至其他协同对象执行,所述优化控制方案包括能耗优化子方案、性能优化子方案、以及配置优化子方案,所述优化协同方案包括车车协同优化子方案、车设协同优化子方案、以及车云协同优化子方案。
附图说明
本发明的上述与/或附加的方面与优点从结合下面附图对实施例的描述中将变得明显与容易理解,其中:
图1为本发明第一实施例中的基于大数据和云计算的车辆优化方法的流程示意图;
图2为本发明第二实施例中的基于大数据和云计算的车辆优化***的结构框图;
附图元器件符号说明:
数据采集模块100,数据处理模块200,方案制定模块300。
具体实施方式
为使本发明的目的、特征与优点能够更加明显易懂,下面结合附图对本发明的具体实施方式做详细的说明。附图中给出了本发明的若干实施例。但是,本发明可以以许多不同的形式来实现,并不限于本文所描述的实施例。相反地,提供这些实施例的目的是使对本发明的公开内容更加透彻全面。
需要说明的是,当元件被称为“固设于”另一个元件,它可以直接在另一个元件上或者也可以存在居中的元件。当一个元件被认为是“连接”另一个元件,它可以是直接连接到另一个元件或者可能同时存在居中元件。本文所使用的术语“垂直的”、“水平的”、“左”、“右”、“上”、“下”以及类似的表述只是为了说明的目的,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造与操作,因此不能理解为对本发明的限制。
在本发明中,除非另有明确的规定与限定,术语“安装”、“相连”、“连接”、“固定”等术语应做广义理解,例如,可以是固定连接,也可以是可拆卸连接,或一体地连接;可以是机械连接,也可以是电连接;可以是直接相连,也可以通过中间媒介间接相连,可以是两个元件内部的连通。对于本领域的普通技术人员而言,可以根据具体情况理解上述术语在本发明中的具体含义。本文所使用的术语“及/或”包括一个或多个相关的所列项目的任意的与所有的组合。
实施例一
请参阅图1,所示本发明的第一实施例提供的一种基于大数据和云计算的车辆优化方法,所述方法包括步骤S10-步骤S12:
步骤S10,采集车辆的车辆状态数据,车辆外部环境的环境数据以及用户行为中的用户数据,将所述车辆状态数据、所述环境数据以及所述用户数据发送至云端服务器,所述车辆状态数据包括车辆的电池电量、电网负荷、电量价格、充放电时机、充放电方式、速度、加速度、减速度、转向角、侧向偏移量、电机转矩、动力源、空调温度、刹车力度、悬架刚度模式、仪表显示模式、音响音量、座椅位置参数、驾驶模式,所述环境数据包括路况信息、环境温度、环境噪音、车辆之间的相对距离、基础设施状态数据、以及云端服务器状态数据,所述用户数据包括驾驶习惯、用户设定温度、乘坐人数;
在一些优选地实施例当中,车辆状态数据可以从车辆的各个传感器、控制器、仪表等设备中采集车辆状态数据;环境数据可以从外部环境中采集,其中,基础设施状态数据例如可以包括交通信号灯的颜色、数量和时长,路况拥堵、上下坡情况等等;云端服务器状态数据例如可以包括停车位信息、停车路线等等。用户数据可以从用户行为习惯中采集,例如可以为驾驶习惯、偏好设置、偏好起始点和目的地等等。
步骤S11,待所述云端服务器接收并储存所述车辆状态数据、所述环境数据以及所述用户数据,并对所述车辆状态数据、所述环境数据以及所述用户数据进行划分和预处理;
具体为,云端服务器接收储存车辆状态数据、环境数据以及用户数据,采用分布式数据库技术,实现对存车辆状态数据、环境数据以及用户数据的高效储存和划分管理。
进一步地,对车辆状态数据、环境数据以及用户数据进行预处理,以筛选掉异常数据,提高后续分析计算的准确性,减少异常数据对后续分析计算的影响。
步骤S12,对预处理后的所述车辆状态数据、所述环境数据以及所述用户数据进行大数据分析,制定优化控制方案和优化协同方案,将所述优化控制方案和所述优化协同方案发送至车辆执行,并将所述优化协同方案发送至其他协同对象执行,所述优化控制方案包括能耗优化子方案、性能优化子方案、以及配置优化子方案,所述优化协同方案包括车车协同优化子方案、车设协同优化子方案、以及车云协同优化子方案。
具体为,对预处理后的所述车辆状态数据、所述环境数据以及所述用户数据进行大数据分析,即大数据和云计算的统计、分类、聚类、关联、预测等操作,生成优化控制方案和优化协同方案,其中,所述优化控制方案包括能耗优化子方案、性能优化子方案、以及配置优化子方案。
其中,所述能耗优化子方案的制定步骤,具体包括:
以所述电池电量、所述电网负荷、所述电量价格为状态变量,以所述充放电时机和所述充放电方式为动作变量,以最小化电费为目标函数,构建出最优的充放电策略;
例如可以为,通过不断地与环境交互和学习,构建出最优的充放电策略。
以所述路况信息、所述速度、所述驾驶***衡动力性和经济性为目标函数,输出所需切换的动力源,构建出最优的切换动力源策略;
例如可以为,定义模糊集合和模糊规则,构建出最优的切换动力源策略。
以所述环境温度、所述用户设定温度等为输入变量,以最大化用户满意度为目标函数,通过不断训练和学习用户对不同温度的反馈,输出所需调节的空调温度,构建出最优的空调温度调控策略。
在一些优选地实施例当中,可以通过测量和比较输入变量和输出变量之间的偏差,实现对空调温度的控制。
另外,所述性能优化子方案的制定步骤,具体包括:
以所述车辆状态数据和所述用户数据为输入变量,以平衡动力性和经济性为目标函数,输出所需的电机转矩,构建出最优的电机转矩调控策略;
在一些优选地实施例当中,采用定义模糊集合和模糊规则,构建出最优的电机转矩调控策略。
在另外一些优选地实施例当中,可以以跟随用户设定的目标转矩为目标函数,通过计算和调节输入变量和输出变量之间的比例、积分和微分项,实现对电机转矩的控制。
以所述车辆状态数据和所述环境数据为输入变量,以防止车辆车轮在刹车时锁死为目标函数,输出所需车辆车轮刹车力度,构建出最优的刹车力度调控策略;
在一些优选地实施例当中,通过检测和比较车轮转速和车速之间的差异,实现对刹车力度的控制。
在另外一些优选的实施例当中,以提高刹车效果为目标函数,通过识别和判断驾驶员是否处于紧急刹车状态,实现对刹车力度的控制。
以所述车辆状态数据和所述环境数据为输入变量,以适应不同的路况和驾驶模式为目标函数,输出所需的车辆的悬架刚度模式,构建出最优的悬架刚度模式调控策略。
在一些优选的实施例当中,通过根据路况和驾驶模式的变化,自动地选择合适的悬架刚度模式,实现对悬架刚度模式的控制。
在另外一些优选的实施例当中,以提高舒适性和稳定性为目标函数,通过动态地调节悬架弹簧、减震器等部件的工作参数,实现对悬架刚度模式的控制。
所述配置优化子方案的制定步骤,具体包括:
以所述用户数据和所述环境数据为输入变量,以满足用户个性化需求为目标函数,输出所需的仪表显示模式,构建出最优的仪表显示模式调控策略;
在一些优选的实施例当中,通过提供多种可选的仪表显示模式的样式和内容,让用户根据自己的喜好进行选择和设置,实现对仪表显示模式的控制。
在另外一些优选的实施例当中,以适应用户的使用习惯为目标函数,通过识别和学习用户的使用习惯和偏好,自动地调整仪表显示模式的样式和内容,实现对仪表显示模式的控制。
以所述用户数据和所述环境数据为输入变量,以适应不同的环境噪音水平为目标函数,输出所需的音响音量,构建出最优的音响音量调控策略;
在一些优选的实施例当中,通过检测和比较环境噪声水平和音响音量之间的差异,自动地调整音响音量的大小,实现对音响音量的控制。
在另外一些优选的实施例当中,以满足用户的主动控制需求为目标函数,通过提供音响音量调节按钮或旋钮等设备,让用户根据自己的需求进行调节和设置,实现对音响音量的控制。
以所述用户数据和所述环境数据为输入变量,以适应不同的驾驶模式或乘坐人数为目标函数,输出所需的座椅位置参数,构建出最优的座椅位置参数调控策略。
在一些优选的实施例当中,通过识别和判断当前的驾驶模式或乘坐人数,并根据预设的座椅位置参数进行调整,实现对座椅位置参数的控制。
在另外一些优选的实施例当中,以满足用户的主动控制需求为目标函数,通过提供座椅前后移动、上下升降、靠背倾斜等功能按钮或旋钮等设备,让用户根据自己的需求进行调节和设置,实现对座椅位置参数的控制。
需要说明的是,通过大数据和云计算分析,制定优化控制方案,以提高车辆的性能和效率,降低运行成本和排放。具体为,能耗优化子方案通过调控充放电策略、切换动力源策略、以及空调温度调控策略,能有效地降低车辆的能耗;性能优化子方案通过调控电机转矩调控策略、刹车力度调控策略、以及悬架刚度模式调控策略,能有效地提高车辆的动力性、安全性和舒适性;配置优化子方案通过调控仪表显示模式调控策略、音响音量调控策略、以及座椅位置参数调控策略,能有效地提高用户的满意度和体验感,从而实现提高车辆性能和效率的效果。
另外,所述优化协同方案包括车车协同优化子方案、车设协同优化子方案、以及车云协同优化子方案。
具体为,所述车车协同优化子方案的制定步骤,具体包括:
以车辆之间的相对距离和速度为输入变量,以提高编队稳定性和安全性为目标函数,输出编队形状和大小,构建出最优的编队规则;
以车辆之间的相对距离和速度为输入变量,以保持车辆之间的安全距离为目标函数,输出车辆的加速度或减速度,构建出最优的车辆跟随规则;
在一些优选地实施例当中,通过计算和调节车辆的加速度或减速度,实现对车辆跟随的控制。
在另外一些优选地实施例当中,以保持车辆之间的同步速度为目标函数,通过计算和调节车辆的加速度或减速度,实现对车辆跟随规则的控制。
以车辆之间的相对距离和速度为输入变量,以避免车辆碰撞为目标函数,输出车辆的转向角或侧向偏移量,构建出最优的车辆避让规则。
在一些优选地实施例当中,通过预测和判断车辆之间是否存在碰撞风险,实现对车辆避让规则的控制。
在另外一些优选地实施例当中,以遵守道路交通规则为目标函数,通过识别和遵循道路交通规则,如优先级、信号灯、限速等,实现对车辆避让规则的控制。
所述车设协同优化子方案的制定步骤,具体包括:
以所述车辆状态数据、所述环境数据和所述基础设施状态数据为输入变量,以最大化交通效率和安全性为目标函数,输出交通信号灯的颜色和时长,构建出最优的交通信号规则;
在一些优选地实施例当中,通过协调多个交叉口的交通信号灯的颜色和时长,实现对交通信号规则的优化。
在另外一些优选地实施例当中,以最小化交通延迟和拥堵为目标函数,通过动态地调节交通信号灯的颜色和时长,实现对交通信号规则的优化。
以所述车辆状态数据、所述环境数据和所述基础设施状态数据为输入变量,以最大化信息相关性和有效性为目标函数,输出路况信息的内容和形式,构建出最优的路况信息推送规则;
在一些优选地实施例当中,通过使用一些信息过滤算法,如协同过滤、内容过滤等,向车辆或驾驶员发送个性化的路况信息,实现对路况信息推送规则的优化。
在另外一些优选地实施例当中,以最大化信息覆盖率和准确率为目标函数,通过使用一些信息发布设备,如电子屏幕、广播、手机等,向车辆或驾驶员发送实时的路况信息,实现对路况信息推送规则的优化。
以所述车辆状态数据、所述环境数据和所述基础设施状态数据为输入变量,以最快速度发现事故并呼叫救援为目标函数,输出紧急救援呼叫的内容和对象,构建出最优的紧急救援呼叫规则。
在一些优选地实施例当中,通过使用一些事故检测设备或算法,如碰撞传感器、图像识别等,检测并判断是否发生事故,并向相关的救援机构或人员发送紧急救援呼叫,实现对紧急救援呼叫规则的优化。
在另外一些优选地实施例当中,以最大程度避免事故发生并呼叫救援为目标函数,通过使用一些事故预防设备或算法,如自动刹车、自动转向等,在发现潜在的事故风险时自动进行干预,并向相关的救援机构或人员发送紧急救援呼叫,实现对紧急救援呼叫规则的优化。
所述车云协同优化子方案的制定步骤,具体包括:
以所述车辆状态数据和所述云端服务器状态数据为输入变量,以最大化用户便利性和节约成本为目标函数,输出停车位预订的内容和对象,构建出最优的停车位预订规则;
在一些优选地实施例当中,通过使用一些预订设备或平台,如手机、网站等,向用户提供可用的停车位信息,并让用户根据自己的需求进行选择和预订,实现对停车位预订规则的优化。
在另外一些优选地实施例当中,以最大化用户满意度和节约成本为目标函数,通过使用一些基于内容的或者基于协同过滤的推荐***算法,如KNN、SVD、ALS等,向用户推荐最适合他们的停车位,并让用户根据自己的需求进行选择和预订,实现对停车位预订规则的优化。
以所述车辆状态数据和所述云端服务器状态数据为输入变量,以最大化用户便利性和安全性为目标函数,输出停车费支付的内容和对象,构建出最优的停车费支付规则;
在一些优选地实施例当中,通过使用一些支付设备或平台,如手机、网站等,向用户提供多种支付方式,并让用户根据自己的需求进行选择和支付,实现对停车费支付规则的优化。
在另外一些优选地实施例当中,以最大化用户节约成本为目标函数,通过使用一些优惠设备或平台,如手机、网站等,向用户提供多种优惠券或积分,并让用户根据自己的需求进行选择和使用,实现对停车费支付规则的优化。
以所述车辆状态数据和所述云端服务器状态数据为输入变量,以最大化用户满意度和安全性为目标函数,输出停车导航的内容和对象,构建出最优的停车导航规则。
在一些优选地实施例当中,通过使用一些智能识别设备或算法,如图像识别、语音识别等,向用户提供个性化的停车提示和反馈,并让用户根据自己的需求进行选择和跟随,实现对停车导航规则的优化。
在另外一些优选地实施例当中,以最大化用户便利性和安全性为目标函数,通过使用一些导航设备或平台,如手机、网站等,向用户提供最优的停车路线和指引,并让用户根据自己的需求进行选择和跟随,实现对停车导航规则的优化。
需要说明的是,通过大数据和云计算分析,制定优化协同方案,提高车辆的安全性和便利性。具体为,车车协同优化子方案通过编队规则、车辆跟随规则、以及车辆避让规则,能有效地车辆的安全性和效率;车设协同优化子方案通过调控交通信号规则、路况信息推送规则、以及紧急救援呼叫规则,能有效地提高提高车辆的便利性和安全性;车云协同优化子方案通过停车位预订规则、停车费支付规则、以及停车导航规则,能有效地提高用户的用户的便利性和节约成本,从而实现提高车辆的安全性和便利性的效果。
与现有技术相比,采用本实施例当中的基于大数据和云计算的车辆优化方法,有益效果在于:通过本发明提供的基于大数据和云计算的车辆优化方法,能有效地提高车辆的性能和协作能力,提升车辆的智能化水平,提升车辆交通的效率和安全性以及适应性,具体为,采集车辆的车辆状态数据,车辆外部环境的环境数据以及用户行为中的用户数据,将车辆状态数据、环境数据以及用户数据发送至云端服务器;待云端服务器接收并储存车辆状态数据、环境数据以及用户数据,并对车辆状态数据、环境数据以及用户数据进行划分和预处理;对预处理后的车辆状态数据、环境数据以及用户数据进行大数据分析,制定优化控制方案和优化协同方案,将优化控制方案和优化协同方案发送至车辆执行,并将优化协同方案发送至其他协同对象执行,将车辆状态数据、环境数据、用户数据进行分析优化方案,能有效地减少冲突区域造成交通影响情况,能有效地提高车辆交通的效率和安全性,并且充分考虑驾驶员、车辆或环境特定因素,提高方案的适用性,从而解决了现有技术中车辆智能优化中没有考虑驾驶员、车辆或环境特定因素,导致车辆交通的效率和安全性以及适应性降低的技术问题。
实施例二
请参阅图2,所示为本发明的第二实施例提供的一种基于大数据和云计算的车辆优化***,所述***包括:
数据采集模块100,用于采集车辆的车辆状态数据,车辆外部环境的环境数据以及用户行为中的用户数据,将所述车辆状态数据、所述环境数据以及所述用户数据发送至云端服务器,所述车辆状态数据包括车辆的电池电量、电网负荷、电量价格、充放电时机、充放电方式、速度、加速度、减速度、转向角、侧向偏移量、电机转矩、动力源、空调温度、刹车力度、悬架刚度模式、仪表显示模式、音响音量、座椅位置参数、驾驶模式,所述环境数据包括路况信息、环境温度、环境噪音、车辆之间的相对距离、基础设施状态数据、以及云端服务器状态数据,所述用户数据包括驾驶习惯、用户设定温度、乘坐人数;
数据处理模块200,用于待所述云端服务器接收并储存所述车辆状态数据、所述环境数据以及所述用户数据,并对所述车辆状态数据、所述环境数据以及所述用户数据进行划分和预处理;
方案制定模块300,用于对预处理后的所述车辆状态数据、所述环境数据以及所述用户数据进行大数据分析,制定优化控制方案和优化协同方案,将所述优化控制方案和所述优化协同方案发送至车辆执行,并将所述优化协同方案发送至其他协同对象执行,所述优化控制方案包括能耗优化子方案、性能优化子方案、以及配置优化子方案,所述优化协同方案包括车车协同优化子方案、车设协同优化子方案、以及车云协同优化子方案。
其中,通过大数据分析和云计算实现车辆之间或者车辆与基础设施之间或者车辆与云端服务器之间的数据共享和交换的方法如下:
在每个车辆端安装一个无线通信模块,该模块负责与其他车辆端或云端服务器或基础设施进行数据的发送和接收。该模块可以使用无线通信技术,如5G、WiFi、蓝牙等。
其次,在云端服务器上部署一个数据中心模块,该模块负责对来自各个车辆端、基础设施端的数据进行存储、管理和分发。该模块可以使用一些大数据存储和处理技术,如Hadoop、Spark等。
最后,在每个车辆端安装一个协同应用模块,该模块负责根据来自其他车辆端或云端服务器或基础设施的数据,执行相应的协同功能。该模块可以使用一些人工智能技术,如机器学习、深度学习等。
与现有技术相比,采用本实施例当中所示的基于大数据和云计算的车辆优化***,有益效果在于:通过本发明提供的基于大数据和云计算的车辆优化***,能有效地提高车辆的性能和协作能力,提升车辆的智能化水平,提升车辆交通的效率和安全性以及适应性,具体为,通过数据采集模块采集车辆的车辆状态数据,车辆外部环境的环境数据以及用户行为中的用户数据;通过方案制定模块对预处理后的车辆状态数据、环境数据以及用户数据进行大数据分析,制定优化控制方案和优化协同方案,将优化控制方案和优化协同方案发送至车辆执行,并将优化协同方案发送至其他协同对象执行,将车辆状态数据、环境数据、用户数据进行分析优化方案,能有效地减少冲突区域造成交通影响情况,能有效地提高车辆交通的效率和安全性,并且充分考虑驾驶员、车辆或环境特定因素,提高方案的适用性,从而解决了现有技术中车辆智能优化中没有考虑驾驶员、车辆或环境特定因素,导致车辆交通的效率和安全性以及适应性降低的技术问题。
在本说明书的描述中,参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不一定指的是相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
以上所述实施例仅表达了本发明的几种实施方式,其描述较为具体与详细,但并不能因此而理解为对本发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干变形与改进,这些都属于本发明的保护范围。因此,本发明专利的保护范围应以所附权利要求为准。
Claims (8)
1.一种基于大数据和云计算的车辆优化方法,其特征在于,所述方法包括:
采集车辆的车辆状态数据,车辆外部环境的环境数据以及用户行为中的用户数据,将所述车辆状态数据、所述环境数据以及所述用户数据发送至云端服务器,所述车辆状态数据包括车辆的电池电量、电网负荷、电量价格、充放电时机、充放电方式、速度、加速度、减速度、转向角、侧向偏移量、电机转矩、动力源、空调温度、刹车力度、悬架刚度模式、仪表显示模式、音响音量、座椅位置参数、驾驶模式,所述环境数据包括路况信息、环境温度、环境噪音、车辆之间的相对距离、基础设施状态数据、以及云端服务器状态数据,所述用户数据包括驾驶习惯、用户设定温度、乘坐人数;
待所述云端服务器接收并储存所述车辆状态数据、所述环境数据以及所述用户数据,并对所述车辆状态数据、所述环境数据以及所述用户数据进行划分和预处理;
对预处理后的所述车辆状态数据、所述环境数据以及所述用户数据进行大数据分析,制定优化控制方案和优化协同方案,将所述优化控制方案和所述优化协同方案发送至车辆执行,并将所述优化协同方案发送至其他协同对象执行,所述优化控制方案包括能耗优化子方案、性能优化子方案、以及配置优化子方案,所述优化协同方案包括车车协同优化子方案、车设协同优化子方案、以及车云协同优化子方案。
2.根据权利要求1所述的基于大数据和云计算的车辆优化方法,其特征在于,所述能耗优化子方案的制定步骤,具体包括:
以所述电池电量、所述电网负荷、所述电量价格为状态变量,以所述充放电时机和所述充放电方式为动作变量,以最小化电费为目标函数,构建出最优的充放电策略;
以所述路况信息、所述速度、所述驾驶***衡动力性和经济性为目标函数,输出所需切换的动力源,构建出最优的切换动力源策略;
以所述环境温度、所述用户设定温度等为输入变量,以最大化用户满意度为目标函数,通过不断训练和学习用户对不同温度的反馈,输出所需调节的空调温度,构建出最优的空调温度调控策略。
3.根据权利要求1所述的基于大数据和云计算的车辆优化方法,其特征在于,所述性能优化子方案的制定步骤,具体包括:
以所述车辆状态数据和所述用户数据为输入变量,以平衡动力性和经济性为目标函数,输出所需的电机转矩,构建出最优的电机转矩调控策略;
以所述车辆状态数据和所述环境数据为输入变量,以防止车辆车轮在刹车时锁死为目标函数,输出所需车辆车轮刹车力度,构建出最优的刹车力度调控策略;
以所述车辆状态数据和所述环境数据为输入变量,以适应不同的路况和驾驶模式为目标函数,输出所需的车辆的悬架刚度模式,构建出最优的悬架刚度模式调控策略。
4.根据权利要求1所述的基于大数据和云计算的车辆优化方法,其特征在于,所述配置优化子方案的制定步骤,具体包括:
以所述用户数据和所述环境数据为输入变量,以满足用户个性化需求为目标函数,输出所需的仪表显示模式,构建出最优的仪表显示模式调控策略;
以所述用户数据和所述环境数据为输入变量,以适应不同的环境噪音水平为目标函数,输出所需的音响音量,构建出最优的音响音量调控策略;
以所述用户数据和所述环境数据为输入变量,以适应不同的驾驶模式或乘坐人数为目标函数,输出所需的座椅位置参数,构建出最优的座椅位置参数调控策略。
5.根据权利要求1所述的基于大数据和云计算的车辆优化方法,其特征在于,所述车车协同优化子方案的制定步骤,具体包括:
以车辆之间的相对距离和速度为输入变量,以提高编队稳定性和安全性为目标函数,输出编队形状和大小,构建出最优的编队规则;
以车辆之间的相对距离和速度为输入变量,以保持车辆之间的安全距离为目标函数,输出车辆的加速度或减速度,构建出最优的车辆跟随规则;
以车辆之间的相对距离和速度为输入变量,以避免车辆碰撞为目标函数,输出车辆的转向角或侧向偏移量,构建出最优的车辆避让规则。
6.根据权利要求1所述的基于大数据和云计算的车辆优化方法,其特征在于,所述车设协同优化子方案的制定步骤,具体包括:
以所述车辆状态数据、所述环境数据和所述基础设施状态数据为输入变量,以最大化交通效率和安全性为目标函数,输出交通信号灯的颜色和时长,构建出最优的交通信号规则;
以所述车辆状态数据、所述环境数据和所述基础设施状态数据为输入变量,以最大化信息相关性和有效性为目标函数,输出路况信息的内容和形式,构建出最优的路况信息推送规则;
以所述车辆状态数据、所述环境数据和所述基础设施状态数据为输入变量,以最快速度发现事故并呼叫救援为目标函数,输出紧急救援呼叫的内容和对象,构建出最优的紧急救援呼叫规则。
7.根据权利要求1所述的基于大数据和云计算的车辆优化方法,其特征在于,所述车云协同优化子方案的制定步骤,具体包括:
以所述车辆状态数据和所述云端服务器状态数据为输入变量,以最大化用户便利性和节约成本为目标函数,输出停车位预订的内容和对象,构建出最优的停车位预订规则;
以所述车辆状态数据和所述云端服务器状态数据为输入变量,以最大化用户便利性和安全性为目标函数,输出停车费支付的内容和对象,构建出最优的停车费支付规则;
以所述车辆状态数据和所述云端服务器状态数据为输入变量,以最大化用户满意度和安全性为目标函数,输出停车导航的内容和对象,构建出最优的停车导航规则。
8.一种基于大数据和云计算的车辆优化***,其特征在于,所述***用于实现权利要求1-7中任意一项所述的基于大数据和云计算的车辆优化方法,所述***包括:
数据采集模块,用于采集车辆的车辆状态数据,车辆外部环境的环境数据以及用户行为中的用户数据,将所述车辆状态数据、所述环境数据以及所述用户数据发送至云端服务器,所述车辆状态数据包括车辆的电池电量、电网负荷、电量价格、充放电时机、充放电方式、速度、加速度、减速度、转向角、侧向偏移量、电机转矩、动力源、空调温度、刹车力度、悬架刚度模式、仪表显示模式、音响音量、座椅位置参数、驾驶模式,所述环境数据包括路况信息、环境温度、环境噪音、车辆之间的相对距离、基础设施状态数据、以及云端服务器状态数据,所述用户数据包括驾驶习惯、用户设定温度、乘坐人数;
数据处理模块,用于待所述云端服务器接收并储存所述车辆状态数据、所述环境数据以及所述用户数据,并对所述车辆状态数据、所述环境数据以及所述用户数据进行划分和预处理;
方案制定模块,用于对预处理后的所述车辆状态数据、所述环境数据以及所述用户数据进行大数据分析,制定优化控制方案和优化协同方案,将所述优化控制方案和所述优化协同方案发送至车辆执行,并将所述优化协同方案发送至其他协同对象执行,所述优化控制方案包括能耗优化子方案、性能优化子方案、以及配置优化子方案,所述优化协同方案包括车车协同优化子方案、车设协同优化子方案、以及车云协同优化子方案。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311606863.9A CN117311139B (zh) | 2023-11-29 | 2023-11-29 | 一种基于大数据和云计算的车辆优化方法及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311606863.9A CN117311139B (zh) | 2023-11-29 | 2023-11-29 | 一种基于大数据和云计算的车辆优化方法及*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117311139A true CN117311139A (zh) | 2023-12-29 |
CN117311139B CN117311139B (zh) | 2024-03-01 |
Family
ID=89281482
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311606863.9A Active CN117311139B (zh) | 2023-11-29 | 2023-11-29 | 一种基于大数据和云计算的车辆优化方法及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117311139B (zh) |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109714730A (zh) * | 2019-02-01 | 2019-05-03 | 清华大学 | 用于车车及车路协同的云控平台***及协同***和方法 |
US20200005633A1 (en) * | 2018-06-28 | 2020-01-02 | Cavh Llc | Cloud-based technology for connected and automated vehicle highway systems |
CN111397630A (zh) * | 2020-04-09 | 2020-07-10 | 宁波吉利汽车研究开发有限公司 | 基于云端服务器的车辆能量管理方法、车辆和能量管理*** |
CN111907518A (zh) * | 2019-05-07 | 2020-11-10 | 天津所托瑞安汽车科技有限公司 | 一种基于云端大数据分析动态优化aeb制动策略的方法 |
CN112193207A (zh) * | 2020-09-14 | 2021-01-08 | 金陵科技学院 | 一种基于5g技术的智能车载互联安全*** |
US20210019671A1 (en) * | 2018-06-18 | 2021-01-21 | Bayerische Motoren Werke Aktiengesellschaft | Method, Device, Cloud Service, System, and Computer Program for Smart Parking a Connected Vehicle |
CN112767696A (zh) * | 2021-01-18 | 2021-05-07 | 陈潇潇 | 对统一规格自动驾驶车辆进行统一管控的智能交通体系 |
CN116910495A (zh) * | 2023-09-13 | 2023-10-20 | 江西五十铃汽车有限公司 | 一种汽车下线检测的方法、***、可读存储介质及汽车 |
-
2023
- 2023-11-29 CN CN202311606863.9A patent/CN117311139B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20210019671A1 (en) * | 2018-06-18 | 2021-01-21 | Bayerische Motoren Werke Aktiengesellschaft | Method, Device, Cloud Service, System, and Computer Program for Smart Parking a Connected Vehicle |
US20200005633A1 (en) * | 2018-06-28 | 2020-01-02 | Cavh Llc | Cloud-based technology for connected and automated vehicle highway systems |
CN109714730A (zh) * | 2019-02-01 | 2019-05-03 | 清华大学 | 用于车车及车路协同的云控平台***及协同***和方法 |
CN111907518A (zh) * | 2019-05-07 | 2020-11-10 | 天津所托瑞安汽车科技有限公司 | 一种基于云端大数据分析动态优化aeb制动策略的方法 |
CN111397630A (zh) * | 2020-04-09 | 2020-07-10 | 宁波吉利汽车研究开发有限公司 | 基于云端服务器的车辆能量管理方法、车辆和能量管理*** |
CN112193207A (zh) * | 2020-09-14 | 2021-01-08 | 金陵科技学院 | 一种基于5g技术的智能车载互联安全*** |
CN112767696A (zh) * | 2021-01-18 | 2021-05-07 | 陈潇潇 | 对统一规格自动驾驶车辆进行统一管控的智能交通体系 |
CN116910495A (zh) * | 2023-09-13 | 2023-10-20 | 江西五十铃汽车有限公司 | 一种汽车下线检测的方法、***、可读存储介质及汽车 |
Non-Patent Citations (4)
Title |
---|
CHEN, YH, ET AL.: "Intelligent algorithms for cold chain logistics distribution optimization based on big data cloud computing analysis", 《JOURNAL OF CLOUD COMPUTING》, vol. 9, no. 1, pages 1 - 12, XP021279255, DOI: 10.1186/s13677-020-00174-x * |
晏欣炜;朱政泽;周奎;彭彬;: "人工智能在汽车自动驾驶***中的应用分析", 湖北汽车工业学院学报, no. 01, pages 24 - 31 * |
***;李家文;常雪阳;高博麟;许庆;李升波;: "智能网联汽车云控***原理及其典型应用", 汽车安全与节能学报, no. 03, pages 5 - 19 * |
王建强;王昕;: "智能网联汽车体系结构与关键技术", 长安大学学报(社会科学版), no. 06, pages 24 - 31 * |
Also Published As
Publication number | Publication date |
---|---|
CN117311139B (zh) | 2024-03-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6551332B2 (ja) | 車両の走行可能距離算出システムおよび走行可能距離算出方法 | |
CN111220168A (zh) | 一种电动汽车充电路径规划方法、装置和存储介质 | |
US8521410B2 (en) | Driving assistance apparatus | |
KR102238858B1 (ko) | 고도로 하이브리드화된 하이브리드 차량용 제어 시스템 | |
US11967683B2 (en) | Intelligent vehicle battery charging for high capacity batteries | |
CN109383415A (zh) | 具有自适应人群感测能力的情景感知车辆通信***和控制逻辑 | |
EP3110673B1 (en) | Moving assist apparatus and method | |
CN103575285B (zh) | 路径搜索装置 | |
US20190022347A1 (en) | Motion sickness mitigation system and method | |
US20170308090A1 (en) | Vehicle control system, vehicle control method and vehicle control program | |
CN111055850A (zh) | 用于驾驶员行为指导和按需移动充电的智能机动车辆、***和控制逻辑 | |
KR102602435B1 (ko) | 차량의 주행 특성 제어 장치 및 방법 | |
KR101769723B1 (ko) | 이동 지원 장치, 이동 지원 방법, 및 구동 지원 시스템 | |
CN104986281A (zh) | 一种可自适应的手自一体电动平衡车 | |
CN112534625A (zh) | 诊断装置、诊断方法及程序 | |
EP0686257A1 (en) | Energy management system for vehicles having limited energy storage | |
CN105046996A (zh) | 用于预测的驾驶需求建模的方法和设备 | |
CN106408986A (zh) | 一种行车避堵***与方法 | |
WO2014034298A1 (ja) | 航続可能距離表示システム | |
CN116215550A (zh) | 用于在行驶期间运行机动车的行驶动力学***设备的方法、控制装置和机动车 | |
US11608081B2 (en) | Autonomous vehicle low battery management | |
US20150316390A1 (en) | Driving support system, and center and onboard apparatus configuring the system | |
CN117311139B (zh) | 一种基于大数据和云计算的车辆优化方法及*** | |
KR101451668B1 (ko) | 전기 차량의 제어 장치 및 그 방법 | |
CN116395069A (zh) | 电动车辆能量管理方法、装置、存储介质及电动车辆 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |