English

案例背景

里程焦慮,也可以叫續航焦慮,目前國內在售的電動汽車,除了特斯拉和保時捷,其他的電動汽車的能量管理系統,主要還是依據平均“電耗”和剩余電量簡單地折算剩余續航里程,所以精度很低,表顯續航和實際續航的偏差值高達30%-70%,不僅為生活帶來了極大不便,也制約了電動汽車的市場發展。

案例成果

采用主流的機器學習模型,而非物理模型,使用大量的真實、脫敏行駛數據進行模型訓練,準確的實時導航及Can信號數據作為實際的模型輸入,精準預測耗電量;

基于車輛數據和后臺數據,優化迭代模型,提供個性化的模型預測;

在剩余電量難以支撐到達目的地的情況下,給出節能駕駛建議或根據路程中的充電樁位置合理規劃行程,讓用戶安心駕駛。

案例描述

解決方案

IES(Intelligent Energy System)的核心是能耗預測模型,該模型采用主流的機器學習模型,精準的預測耗電量?;?0,000名榮威電動車在TBOX后臺數據中能耗相關的數據、四個月不同季節、近1TB的脫敏出行數據,結合自身車輛特性,并采用Random Forest、GBDT、LGBM等機器學習算法訓練和測試得到的專利模型。同時,IES平臺能夠與車機實現快速集成,也可通過APP植入車主智能手機,滿足不同應用場景的需求。

應用成果

基于國雙設計的模型,IES系統在車主每次行程開始前,根據導航目的地和規劃路線精準預測到達后的剩余續航里程,實際預測偏差小于10%,中短途出行情況下,絕對電量誤差約為1%個SOC。同時,系統通過智能化手段,判斷出行時的天氣、路況等信息并相應調整預測結果,給到用戶即時反饋。此外,國雙數據科學家還賦予了其學習能力,隨著用戶的使用,不斷收集用戶開車習慣等信息,實現后臺自動更新,持續提高剩余續航里程預測的精準度。

國雙解決方案

广东十一选五是怎么开奖的