本發(fā)明涉及數(shù)據(jù)處理，尤其涉及一種駕駛態(tài)勢感知能量管理方法、裝置、設(shè)備及存儲介質(zhì)。

背景技術(shù)：

1、新能源汽車的能量管理系統(tǒng)是新能源汽車的核心技術(shù)，在優(yōu)化能源使用、延長續(xù)航里程、保障電池安全及提升駕駛性能方面扮演著至關(guān)重要的角色。對于混合動力汽車來說，針對混合動力汽車的新能源能量管理系統(tǒng)的主要目的是滿足汽車駕駛員對牽引功率的需求，維持蓄電池充電狀態(tài)并優(yōu)化傳動系統(tǒng)效率、油耗和尾氣排放。

2、隨著人工智能和機器學習技術(shù)的快速發(fā)展與廣泛應(yīng)用，新能源汽車的能量管理系統(tǒng)實現(xiàn)了智能化升級與個性化優(yōu)化。這些先進技術(shù)的賦能使得能量管理系統(tǒng)能夠更加精準地監(jiān)控并智能管理車輛能耗，通過對海量實時數(shù)據(jù)的深度分析和預(yù)測，系統(tǒng)能夠動態(tài)且靈活地調(diào)整能源分配策略，從而在各種駕駛場景下最大化能效利用，并顯著降低整體能耗水平。

3、傳統(tǒng)的較為經(jīng)典的能量管理策略可以分為兩大類：一類是基于規(guī)則的策略，另一類是基于優(yōu)化算法的策略。由于基于規(guī)則的策略是基于固定的規(guī)則，因此可能無法適應(yīng)所有可能的工況和條件，特別是在面對復(fù)雜或多變的任務(wù)時，很難對其進行全局優(yōu)化以提高性能或降低能耗。針對基于優(yōu)化算法的策略，實際駕駛環(huán)境的隨機性和不確定性使得獲取全局信息變得困難，因而無法做到實時優(yōu)化。此外，優(yōu)化算法對于計算單元提出了高度的算力要求，并且需要精確的子系統(tǒng)模型，這使得難以直接應(yīng)用于能量管理的實時控制。因此，如何對新能源汽車進行有效的能量管理，是一個亟待解決的技術(shù)問題。

技術(shù)實現(xiàn)思路

1、有鑒于此，有必要提供一種駕駛態(tài)勢感知能量管理方法、裝置、設(shè)備及存儲介質(zhì)，用以提高新能源汽車在各種駕駛場景下的能源利用率，減少非必要的能源消耗。

2、為了解決上述問題，本發(fā)明提供一種駕駛態(tài)勢感知能量管理方法，包括：

3、采集多模態(tài)數(shù)據(jù)，并對所述多模態(tài)數(shù)據(jù)進行整合處理，得到整合數(shù)據(jù)，其中，所述多模態(tài)數(shù)據(jù)包括實時交通擁堵信息、車載傳感器溫度信息及駕駛員駕駛風格信息；

4、將所述整合數(shù)據(jù)輸入預(yù)先建立的多模態(tài)深度安全聚類模型中進行安全聚類分析，得到多模態(tài)聚類分析結(jié)果；

5、基于所述多模態(tài)聚類分析結(jié)果生成個性化能量管理規(guī)則。

6、在一種可能的實現(xiàn)方式中，所述對所述多模態(tài)數(shù)據(jù)進行整合處理時，所述方法還包括：

7、基于聯(lián)邦學習機制處理所述多模態(tài)數(shù)據(jù)；

8、所述基于聯(lián)邦學習機制處理所述多模態(tài)數(shù)據(jù)，具體包括：

9、構(gòu)建包括中央服務(wù)器和客戶端設(shè)備集合的聯(lián)邦學習模型，其中，每一客戶端中存儲有中央服務(wù)器分發(fā)的初始全局模型；

10、將每一客戶端作為聯(lián)邦學習的一個節(jié)點，在每一客戶端使用各車對應(yīng)的多模態(tài)數(shù)據(jù)進行迭代訓練，得到多個本地訓練模型并上傳至中央服務(wù)器；

11、在中央服務(wù)器接收到每一客戶端上傳的本地訓練模型后，使用預(yù)設(shè)的聚合算法對每一本地訓練模型中的參數(shù)進行匯總，生成第一全局模型，并分發(fā)至每一客戶端；

12、在客戶端接收到所述第一全局模型后，使用各車對應(yīng)的多模態(tài)數(shù)據(jù)再次進行迭代訓練，直至達到預(yù)設(shè)的訓練條件，所述多模態(tài)數(shù)據(jù)處理完成。

13、在一種可能的實現(xiàn)方式中，所述預(yù)先建立的多模態(tài)深度安全聚類模型包括安全模塊；

14、所述安全模塊為：，其中，為輸入樣本的特征向量，為第個設(shè)備的本地函數(shù)，、及為可學習參數(shù)。

15、在一種可能的實現(xiàn)方式中，所述將所述整合數(shù)據(jù)輸入預(yù)先建立的多模態(tài)深度安全聚類模型中進行安全聚類分析，包括：

16、確定所述多模態(tài)深度安全聚類模型中的異常檢測安全機制，基于所述異常檢測安全機制監(jiān)控所述整合數(shù)據(jù)中的異常數(shù)據(jù)。

17、在一種可能的實現(xiàn)方式中，所述方法還包括：

18、使用聚類風險作為所述多模態(tài)深度安全聚類模型的性能評估指標，對所述多模態(tài)深度安全聚類模型進行優(yōu)化。

19、在一種可能的實現(xiàn)方式中，所述方法還包括：

20、采集規(guī)則反饋信息，并基于所述規(guī)則反饋信息對所述多模態(tài)深度安全聚類模型進行優(yōu)化及對個性化能量管理規(guī)則進行調(diào)整。

21、本發(fā)明還提供一種駕駛態(tài)勢感知能量管理裝置，包括：

22、數(shù)據(jù)整合模塊，用于采集多模態(tài)數(shù)據(jù)，并對所述多模態(tài)數(shù)據(jù)進行整合處理，得到預(yù)整合數(shù)據(jù)，其中，所述多模態(tài)數(shù)據(jù)包括實時交通擁堵信息、車載傳感器溫度信息及駕駛員駕駛風格信息；

23、多模態(tài)聚類分析模塊，用于將所述整合數(shù)據(jù)輸入預(yù)先建立的多模態(tài)深度安全聚類模型中進行聚類分析，得到多模態(tài)聚類分析結(jié)果；

24、規(guī)則生成模塊，用于基于所述多模態(tài)聚類分析結(jié)果生成個性化能量管理規(guī)則。

25、第三方面，本發(fā)明還提供一種電子設(shè)備，包括存儲器、處理器以及存儲在存儲器中并可在處理器上運行的計算機程序，處理器執(zhí)行計算機程序時實現(xiàn)上述駕駛態(tài)勢感知能量管理方法中的步驟。

26、第四方面，本發(fā)明還提供一種計算機存儲介質(zhì)，計算機可讀存儲介質(zhì)存儲有計算機程序，計算機程序被處理器執(zhí)行時實現(xiàn)如上述駕駛態(tài)勢感知能量管理方法中的步驟。

27、本發(fā)明結(jié)合實時交通擁堵信息、車載傳感器溫度信息及駕駛員駕駛風格信息等多模態(tài)數(shù)據(jù)，并對多模態(tài)數(shù)據(jù)進行整合處理，提高數(shù)據(jù)在多模態(tài)深度安全聚類模型中的處理速度；然后利用預(yù)先建立的多模態(tài)深度安全聚類模型對整合數(shù)據(jù)進行安全聚類分析，可以有效降低數(shù)據(jù)非獨立同分布給模型精度帶來的影響，提升模型預(yù)測的精確度與安全性，同時需更少的計算量，提高數(shù)據(jù)集不足時聚類的準確性與穩(wěn)定性，最后基于多模態(tài)聚類分析結(jié)果生成個性化能量管理規(guī)則，提高了新能源汽車在各種駕駛場景下的能源利用率，減少非必要的能源消耗，保證汽車面臨不同工況均可迅速調(diào)整至最佳工作狀態(tài)。

技術(shù)特征：

1.一種駕駛態(tài)勢感知能量管理方法，其特征在于，包括：

2.根據(jù)權(quán)利要求1所述的駕駛態(tài)勢感知能量管理方法，其特征在于，所述對所述多模態(tài)數(shù)據(jù)進行整合處理時，所述方法還包括：

3.根據(jù)權(quán)利要求2所述的駕駛態(tài)勢感知能量管理方法，其特征在于，所述預(yù)先建立的多模態(tài)深度安全聚類模型包括安全模塊；

4.根據(jù)權(quán)利要求3所述的駕駛態(tài)勢感知能量管理方法，其特征在于，所述將所述整合數(shù)據(jù)輸入預(yù)先建立的多模態(tài)深度安全聚類模型中進行安全聚類分析，包括：

5.根據(jù)權(quán)利要求1所述的駕駛態(tài)勢感知能量管理方法，其特征在于，所述方法還包括：

6.根據(jù)權(quán)利要求1所述的駕駛態(tài)勢感知能量管理方法，其特征在于，所述方法還包括：

7.一種駕駛態(tài)勢感知能量管理裝置，其特征在于，包括：

8.一種電子設(shè)備，其特征在于，包括存儲器和處理器，其中，

9.一種計算機可讀存儲介質(zhì)，其特征在于，用于存儲計算機可讀取的程序或指令，所述程序或指令被處理器執(zhí)行時能夠?qū)崿F(xiàn)上述權(quán)利要求1至6中任意一項所述的駕駛態(tài)勢感知能量管理方法中的步驟。

技術(shù)總結(jié)
本發(fā)明涉及一種駕駛態(tài)勢感知能量管理方法、裝置、設(shè)備及存儲介質(zhì)，屬于數(shù)據(jù)處理技術(shù)領(lǐng)域，其中，該方法包括：采集多模態(tài)數(shù)據(jù)，并對所述多模態(tài)數(shù)據(jù)進行整合處理，得到整合數(shù)據(jù)，其中，所述多模態(tài)數(shù)據(jù)包括實時交通擁堵信息、車載傳感器溫度信息及駕駛員駕駛風格信息；將所述整合數(shù)據(jù)輸入預(yù)先建立的多模態(tài)深度安全聚類模型中進行安全聚類分析，得到多模態(tài)聚類分析結(jié)果；基于所述多模態(tài)聚類分析結(jié)果生成個性化能量管理規(guī)則，其中，所述個性化能量管理規(guī)則包括實時交通管理規(guī)則、實時溫度管理規(guī)則及駕駛風格管理規(guī)則。提高了新能源汽車在各種駕駛場景下的能源利用率，減少非必要的能源消耗，保證汽車面臨不同工況均可迅速調(diào)整至最佳工作狀態(tài)。

技術(shù)研發(fā)人員：李琳,楊文昊,周攀,陳東渝,寇宇航,周昊楊
受保護的技術(shù)使用者：武漢理工大學
技術(shù)研發(fā)日：
技術(shù)公布日：2025/1/9