一种纯电里程预测方法、装置、电子设备及存储介质

技术领域

本申请涉及纯电里程预测技术领域，尤其涉及一种纯电里程预测方法、装置、电子设备及存储介质。

背景技术

新能源汽车是指采用非常规的车用燃料作为动力来源(或使用常规的车用燃料、采用新型车载动力装置)，综合车辆的动力控制和驱动方面的先进技术，形成的技术原理先进、具有新技术、新结构的汽车。

纯电动汽车(BEV，Battery Electric Vehicles)是新能源汽车的一种，其利用蓄电池作为储能动力源，通过电池向电动机提供电能，驱动电动机运转，从而推动汽车行驶。纯电动汽车(以下成为纯电车辆)以其零排放、能源利用率高、结构简单、噪声小、原料广等优点已经得到用户的广泛认可，进入了快速普及的阶段。但是用户日常使用时，纯电车辆往往无法准确获取实时，导致用户存在里程焦虑。

发明内容

有鉴于此，本申请实施例提供了一种纯电里程预测方法、装置、电子设备及存储介质，以解决现有技术中，纯电车辆无法准确获取剩余电量对应的里程，导致用户存在里程焦虑的问题。

本申请实施例的第一方面，提供了一种纯电里程预测方法，该方法包括：获取当前车辆的实时剩余电量，并获取当前车辆的当前行驶路径；根据当前车辆的行驶参数和当前行驶路径的实时路况，确定目标车辆；确定目标车辆在目标行驶路径上的历史单位里程能耗，并根据历史单位里程能耗确定当前车辆对应的预测单位里程能耗，目标行驶路径的路况和当前行驶路径的实时路况相同；基于实时剩余电量和预测单位里程能耗，对当前车辆进行纯电里程预测。

本申请实施例的第二方面，提供了一种纯电里程预测装置，该装置包括：获取模块，用于获取当前车辆的实时剩余电量，并获取当前车辆的当前行驶路径；确定模块，用于根据当前车辆的行驶参数和当前行驶路径的实时路况，确定目标车辆；确定模块还用于确定目标车辆在目标行驶路径上的历史单位里程能耗，并根据历史单位里程能耗确定当前车辆对应的预测单位里程能耗；预测模块，用于基于实时剩余电量和预测单位里程能耗，对当前车辆进行纯电里程预测。

本申请实施例的第三方面，提供了一种电子设备，包括存储器、处理器以及存储在存储器中并且可在处理器上运行的计算机程序，该处理器执行计算机程序时实现上述方法的步骤。

本申请实施例的第四方面，提供了一种可读存储介质，该可读存储介质存储有计算机程序，该计算机程序被处理器执行时实现上述方法的步骤。

本申请实施例与现有技术相比存在的有益效果是：本申请的示例中通过获取当前车辆的实时剩余电量，并获取当前车辆的当前行驶路径；根据当前车辆的行驶参数和当前行驶路径的实时路况，确定目标车辆；确定目标车辆在目标行驶路径上的历史单位里程能耗，并根据历史单位里程能耗确定当前车辆对应的预测单位里程能耗，目标行驶路径的路况和当前行驶路径的实时路况相同；基于实时剩余电量和预测单位里程能耗，对当前车辆进行纯电里程预测，本示例通过确定目标车辆在目标行驶路径上的准确的历史单位里程能耗，然后根据历史单位里程能耗来确定当前车辆对应的预测单位里程能耗，实现了准确获取预测单位里程能耗的效果，进而实现了根据预测单位里程能耗和实时剩余电量准确获取预测里程的效果，避免了相关技术中，纯电车辆无法准确获取剩余电量对应的里程，导致用户存在里程焦虑的问题。

附图说明

为了更清楚地说明本申请实施例中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它的附图。

图1是本申请实施例提供的一种纯电里程预测方法的流程示意图；

图2是本申请实施例提供的另一种纯电里程预测方法的流程示意图；

图3是本申请实施例提供的再一种纯电里程预测方法的流程示意图；

图4是本申请实施例提供的又一种纯电里程预测方法的流程示意图；

图5是本申请实施例提供的还一种可选的纯电里程预测方法的流程示意图；

图6是本申请实施例提供的另一种可选的纯电里程预测方法的流程示意图；

图7是本申请实施例提供的还一种可选的纯电里程预测方法的流程示意图；

图8是本申请实施例提供的一种纯电里程预测装置的结构示意图；

图9是本申请实施例提供的一种电子设备的结构示意图。

具体实施方式

以下描述中，为了说明而不是为了限定，提出了诸如特定系统结构、技术之类的具体细节，以便透彻理解本申请实施例。然而，本领域的技术人员应当清楚，在没有这些具体细节的其它实施例中也可以实现本申请。在其它情况中，省略对众所周知的系统、装置、电路以及方法的详细说明，以免不必要的细节妨碍本申请的描述。

下面将结合附图详细说明根据本申请实施例的一种纯电里程预测方法和装置。

图1是本申请实施例提供的一种纯电里程预测方法，如图1所示，该方法包括：

S101、获取当前车辆的实时剩余电量，并获取当前车辆的当前行驶路径；

S102、根据当前车辆的行驶参数和当前行驶路径的实时路况，确定目标车辆；

S103、确定目标车辆在目标行驶路径上的历史单位里程能耗，并根据历史单位里程能耗确定当前车辆对应的预测单位里程能耗，目标行驶路径的路况和当前行驶路径的实时路况相同；

S104、基于实时剩余电量和预测单位里程能耗，对当前车辆进行纯电里程预测。

具体地，本示例提供的纯电里程预测方法应用于纯电车辆，上述纯电车辆包括具备自动驾驶或智能驾驶的车辆(包括载人功能车辆(例如轿车、公共汽车、大巴车、小巴车等)、载货功能车辆(例如普通货车、厢式货车、甩挂车、封闭货车、罐式货车、平板货车、集装厢车、自卸货车、特殊结构货车)、特殊车辆(例如物流配送车、自动导引运输车AGV、巡逻车、起重机、吊车、挖掘机、推土机、铲车、压路机、装载机、越野工程车、装甲工程车、污水处理车、环卫车、吸尘车、洗地车、洒水车、扫地机器人、送餐机器人、导购机器人、割草机、高尔夫球车等)、娱乐功能的车辆(如娱乐车、游乐场自动驾驶装置、平衡车等)、救援车(例如消防车、救护车、电力抢修车、工程抢险车等))等。

在一些示例中，获取当前车辆的实时剩余电量的方法包括但不限于：开路电压法、安时积分法以及卡曼滤波法等；具体地，例如，基于安时积分法获取当前车辆的实时剩余电量，包括：在当前车辆的电池充放电时，通过累积充进和放出的电量来估算实时剩余电量。

能够理解的是，当前行驶路径为当前车辆正在行驶的道路；获取当前车辆的当前行驶路径包括但不限于以下至少之一：根据导航地图获取当前车辆的当前行驶路径；根据行驶方向和当前位置获取当前车辆的当前行驶路径。

在一些示例中，在获取到当前车辆的当前行驶路径后，根据当前车辆的行驶参数和当前行驶路径的实时路况，确定目标车辆；能够理解的是，上述目标车辆的行驶参数与当前车辆的行驶车辆相近，且目标车辆为在目标行驶路径上行驶过的车辆。其中，具体如何确定目标车辆后续会对此进行详细说明，在此不再赘述。

在一些示例中，在确定出目标车辆后，确定目标车辆在目标行驶路径上的历史单位里程能耗，并根据历史单位里程能耗确定当前车辆对应的预测单位里程能耗，目标行驶路径的路况和当前行驶路径的实时路况相同。具体的，该目标行驶路径可以是当前行驶路径，也可以是其他与当前行驶路径的实时路况相同的路径；具体地，通过获取当前行驶路径的交通密度、平均通行速度、拥堵情况、道路条件、天气条件、事故和施工等参数，共同确定当前行驶路径的实时路况，在确定当前行驶路径的实时路况后，获取任一路径的历史路况，当任一路径的历史路况与当前行驶路径的实时路况相同或相似时，则将该相同或相似路况的路径作为目标行驶路径。

承接上例，在确定目标行驶路径后，本示例通过确定目标车辆在目标行驶路径上的准确的历史单位里程能耗，然后根据历史单位里程能耗来确定当前车辆对应的预测单位里程能耗，实现了准确获取预测单位里程能耗的效果，避免了相关技术中，无法准确获取预测单位里程能耗的问题。

在一些示例中，在获取到预测单位里程能耗后，本示例基于实时剩余电量和预测单位里程能耗，对当前车辆进行纯电里程预测，具体如何基于实时剩余电量和预测单位里程能耗对当前车辆进行纯电里程预测后续会进行详细说明，在此不再赘述。

根据本申请实施例提供的技术方案，通过获取当前车辆的实时剩余电量，并获取当前车辆的当前行驶路径；根据当前车辆的行驶参数和当前行驶路径的实时路况，确定目标车辆；确定目标车辆在目标行驶路径上的历史单位里程能耗，并根据历史单位里程能耗确定当前车辆对应的预测单位里程能耗，目标行驶路径的路况和当前行驶路径的实时路况相同；基于实时剩余电量和预测单位里程能耗，对当前车辆进行纯电里程预测，本示例通过确定目标车辆在目标行驶路径上的准确的历史单位里程能耗，然后根据历史单位里程能耗来确定当前车辆对应的预测单位里程能耗，实现了准确获取预测单位里程能耗的效果，进而实现了根据预测单位里程能耗和实时剩余电量准确获取预测里程的效果，避免了相关技术中，纯电车辆无法准确获取剩余电量对应的里程，导致用户存在里程焦虑的问题。

在一些实施例中，如图2所示，根据当前车辆的行驶参数和当前行驶路径的实时路况，确定目标车辆，包括：

S201、根据当前车辆的行驶参数，确定历史相近车辆，历史相近车辆为与当前车辆的行驶参数的相似度超过目标阈值的历史车辆；

S202、根据当前行驶路径的实时路况，确定目标行驶路径；

S203、基于历史相近车辆和目标行驶路径，确定目标车辆。

具体地，车辆的单位里程能耗与行驶速度、温度、能耗以及路况等相关，由于路况与当前行驶路径相关，与车辆本身无关，因此，本示例获取当前车辆的行驶速度、温度以及能耗等参数，作为当前车辆的行驶参数。

在一些示例中，在获取到当前车辆的行驶参数后，获取多个历史车辆的行驶参数，然后将多个历史车辆的行驶参数与当前车辆的行驶参数进行比对，然后将行驶参数的相似度超过目标阈值的历史车辆，作为历史相近车辆。能够理解的是，确定历史参数和当前车辆之间行驶参数的相似度的具体方式包括但不限于：余弦相似度计算方式、欧氏距离计算方式、曼哈顿距离计算方式，优选的，本示例采用余弦相似度计算方式来计算历史车辆的行驶参数与当前车辆的行驶参数之间的相似度。

具体地，例如，首先通过车载传感器、GPS装置等装置，确定当前车辆的行驶参数，然后对当前车辆的行驶参数进行数据归一化处理，得到第一比较参数(其中，对数据进行归一化处理，使得将不同种类的数据缩放到相同的尺度范围内，本实施例并不限制对数据进行归一化处理的方式，例如，可以采用Z-score标准化的方式对数据进行归一化处理，或者采用最小-最大缩放的方式对数据进行归一化处理)；获取历史车辆的行驶参数，然后对历史车辆的行驶参数分别进行归一化处理，得到第二比较参数；然后将第一比较参数和第二比较参数进行余弦相似度计算，得到历史车辆和当前车辆之间行驶参数的相似度，最后将上述计算得到的相似度与目标阈值进行比较，若历史车辆的行驶参数与当前车辆的行驶参数的相似度超过目标阈值，则将该历史车辆作为历史相近车辆；反之，若历史车辆的行驶参数与当前车辆的行驶参数的相似度未超过目标阈值，则不会将该历史车辆作为历史相近车辆。

能够理解的是，上述历史车辆为具有准确单位里程能耗的车辆，其中，历史车辆的行驶参数存储在数据库中，当前车辆可以从数据库读取数据，进而获取历史车辆的行驶参数。

在一些示例中，根据当前行驶路径的实时路况，确定目标行驶路径，其中，该目标行驶路径为历史行驶路径，具体地，通过获取当前行驶路径的交通密度、平均通行速度、拥堵情况、道路条件、天气条件、事故和施工等参数，共同确定当前行驶路径的实时路况，在确定当前行驶路径的实时路况后，获取任一路径的历史路况，当任一路径的历史路况与当前行驶路径的实时路况相同或相似时，则将该相同或相似路况的路径作为目标行驶路径。

承接上例，例如，存在A、B…N多条行驶路径，其中，将A行驶路径为当前车辆的当前行驶路径，将A行驶路径的实时路况记为X(X中包含了：行驶路径长度、行驶路径弯道数量、天气、温度、拥堵状况、道路情况等参数)，然后一次获取A至N条行驶路径在当前时刻之前的历史路况，若A至N中任一行驶路径在当前时刻之前的历史路况与X接近，则将A至N中与A行驶路径的实时路况X接近的行驶路径最为目标行驶路径。

最后，在确定出历史相近车辆和目标行驶路径后，基于历史相近车辆和目标行驶路径，确定目标车辆，实现了准确确定目标车辆，且目标车辆的行驶参数与当前车辆的行驶参数相近或相同，且目标车辆对应的目标行驶路径与当前行驶路径的路况相同，则确定目标车辆在目标行驶路径上的历史单位里程能具有更高价值的参考性，避免了随机获取历史单位里程能耗，导致与当前车辆的实际单位里程能耗相差过远的问题。

根据本申请实施例提供的技术方案，根据当前车辆的行驶参数，确定历史相近车辆；根据当前行驶路径的实时路况，确定目标行驶路径，实现了准确获取目标行驶路径；基于历史相近车辆和目标行驶路径，确定目标车辆，在确定出历史相近车辆和目标行驶路径后，基于历史相近车辆和目标行驶路径，确定目标车辆，实现了准确确定目标车辆，且目标车辆的行驶参数与当前车辆的行驶参数相近或相同，且目标车辆对应的目标行驶路径与当前行驶路径的路况相同，则确定目标车辆在目标行驶路径上的历史单位里程能具有更高价值的参考性，避免了随机获取历史单位里程能耗，基于随机获取的历史单位里程能耗无法准确获取预测单位里程能耗的问题。

在一些实施例中，如图3所示，基于历史相近车辆和目标行驶路径，确定目标车辆，包括：

S301、确定历史相近车辆与目标行驶路径是否存在关联关系；

S302、若历史相近车辆与目标行驶路径存在关联关系，则将历史相近车辆作为目标车辆。

具体地，确定历史相近车辆与目标行驶路径是否存在关联关系，若历史相近车辆与目标行驶路径存在关联关系，则将历史相近车辆作为目标车辆；反之，若历史相近车辆与目标行驶路径不存在关联关系，则不会将历史相近车辆作为目标车辆。

在一些示例中，确定历史相近车辆与目标行驶路径是否存在关联关系，包括但不限于：判断历史相近车辆是否在目标行驶路径上行驶过，若历史相近车辆在目标行驶路径上行驶过，则判断历史相近车辆与目标行驶路径存在关联关系，反之，若历史相近车辆没有在目标行驶路径上行驶过，则判断历史相近车辆与目标行驶路径之间不存在关联关系。

在一些示例中，当历史相近车辆在目标行驶路径上行驶过，且行驶时的路况与当前行驶路径的实时路况相同，则确定该历史相近车辆与目标行驶路径存在关联关系；反之，当历史相近车辆未在目标行驶路径上行驶过，则确定该历史相近车辆与目标行驶路径之间不存在关联关系；或当历史相近车辆在目标行驶路径上行驶过，历史相近车辆在目标行驶路径上行驶时的路况与，当前行驶路径的实时路况不同，则确定该历史相近车辆与目标行驶路径之间不存在关联关系。

能够理解的是，具体如何确定历史相近车辆与目标行驶路径是否存在关联关系，可以由相关人员根据实际需求灵活设置。

根据本申请实施例提供的技术方案，确定历史相近车辆与目标行驶路径是否存在关联关系；若历史相近车辆与目标行驶路径存在关联关系，则将历史相近车辆作为目标车辆，实现了准确确定目标车辆，避免了相关技术中，随机获取历史单位里程能耗，导致与当前车辆的实际单位里程能耗相差过远，基于随机获取的历史单位里程能耗无法准确获取预测单位里程能耗的问题。

在一些实施例中，如图4所示，根据历史单位里程能耗确定当前车辆对应的预测单位里程能耗，包括，包括：

S401、基于当前车辆的电池衰减度、当前车辆的行驶参数以及当前行驶路径的实时路况，确定当前车辆的初始单位里程能耗；

S402、确定初始单位里程能耗和历史单位里程能耗分别对应的权重；

S403、基于确定的权重对初始单位里程能耗和历史单位里程能耗进行加权处理，得到当前车辆对应的预测单位里程能耗。

具体地，电池衰减度是指电池容量随时间的变化和使用而降低的程度。较新的电池通常具有较低的衰减度，而老化的电池容量下降可能会导致能耗增加。因此，需要考虑电池的状态和年限。行驶参数包括车辆的速度、负载、加速度、制动等。这些参数会影响当前车辆的能耗，例如，高速行驶通常需要更多的能量。当前行驶路径的实时路况包括但不限于交通拥堵、坡度、路面湿滑等情况。这些信息会影响车辆的能耗，例如，在拥堵交通中，车辆可能需要频繁制动和加速，增加能耗。本示例通过综合考虑当前车辆的电池衰减度、当前车辆的行驶参数以及当前行驶路径的实时路况，来实现准确获取当前车辆的初始单位里程能耗具体地，将当前车辆的电池衰减度、当前车辆的行驶参数以及当前行驶路径的实时路况作为输入参数，输入到初始单位里程能耗计算模型中，进而实现准确获取初始单位里程能耗。

能够理解的是，上述初始单位里程能耗计算模型是基于包含“电池衰减度、、行驶参数、实时路况和里程数据”的训练参数，所训练得到的。

在一些示例中，在确定初始单位里程能耗后，确定初始单位里程能耗的权重和历史单位里程能耗的权重，能够理解的是，初始单位里程能耗的权重和历史单位里程能耗的权重的和为1，例如，初始单位里程能耗的权重为A，历史单位里程能耗的权重为B，则A+B等于1，其中，具体如何确定初始单位里程能耗的权重和历史单位里程能耗的权重可以由相关人员根据实际需求灵活设置。

承接上例，在一些示例中，初始单位里程能耗的权重和历史单位里程能耗的权重可以是由权重确定模型所确定的，具体地，该权重确定模型是由权重训练数据所训练出来的，该权重训练数据包括但不限于：初始单位里程能耗训练数据和历史单位里程能耗训练数据。在一些示例中，该权重训练模型还需要综合考虑当前行驶路径的实时路况、目标行驶路径的实时路况、当前车辆的行驶参数以及目标车辆的行驶参数，则训练该权重训练模型时，该权重训练数据中还包含了当前行驶路径的实时路况训练数据、目标行驶路径的实时路况训练数据、当前车辆的行驶参数训练数据以及目标车辆的行驶参数训练数据。

最后，在确定初始单位里程能耗和历史单位里程能耗分别对应的权重后，基于确定的权重对初始单位里程能耗和历史单位里程能耗进行加权处理，得到当前车辆对应的预测单位里程能耗，实现了准确获取当前车辆对应的预测单位里程能耗，避免了相关技术中，无法准确获取预测单位里程能耗，导致无法准确对车辆进行里程预测的问题。

根据本申请实施例提供的技术方案，基于当前车辆的电池衰减度、当前车辆的行驶参数以及当前行驶路径的实时路况，确定当前车辆的初始单位里程能耗；确定初始单位里程能耗和历史单位里程能耗分别对应的权重；基于确定的权重对初始单位里程能耗和历史单位里程能耗进行加权处理，得到当前车辆对应的预测单位里程能耗，实现了准确获取当前车辆对应的预测单位里程能耗，避免了相关技术中，无法准确获取预测单位里程能耗，导致后续无法准确对车辆进行里程预测的问题。

在一些示例中，如图5所示，基于确定的权重对初始单位里程能耗和历史单位里程能耗进行加权处理，得到当前车辆对应的预测单位里程能耗，包括：

S501、基于初始单位里程能耗对应的权重对初始单位里程能耗进行加权处理，得到第一预测单位里程能耗；

S502、基于历史单位里程能耗对应的权重对历史单位里程能耗进行加权处理，得到第二预测单位里程能耗；

S503、将第一预测单位里程能耗和第二预测单位里程能耗进行求和，得到预测单位里程能耗。

具体地，基于初始单位里程能耗对应的权重对初始单位里程能耗进行加权处理，得到第一预测单位里程能耗，具体计算公式如下：

M1＝D1*J；

其中，M1为第一预测单位里程能耗，D1为初始单位里程能耗，J为初始单位里程能耗对应的权重，其中通过上述公式实现了准确获取第一预测单位里程能耗。

在一些示例中，基于历史单位里程能耗对应的权重对历史单位里程能耗进行加权处理，得到第二预测单位里程能耗，具体计算公式如下：

M2＝D2*K；

其中，M1为第二预测单位里程能耗，D2为历史单位里程能耗，K为历史单位里程能耗对应的权重，其中通过上述公式实现了准确获取第二预测单位里程能耗。

最后，在将第一预测单位里程能耗和第二预测单位里程能耗进行求和，得到预测单位里程能耗，具体计算方式如下：

M＝M1+M2；

其中，M为预测单位里程能耗，M1为第一预测单位里程能耗，M2为第二预测单位里程能耗。

为了更好的理解上述方法，本示例提供一种更为具体的示例进行说明，其中，以初始单位里程能耗对应的权重为0.5，历史单位里程能耗对应的权重为0.5为例，则预测单位里程能耗M＝D1*0.5+D2*0.5＝0.5*(D1+D2)。

根据本申请实施例提供的技术方案，基于初始单位里程能耗对应的权重对初始单位里程能耗进行加权处理，得到第一预测单位里程能耗；基于历史单位里程能耗对应的权重对历史单位里程能耗进行加权处理，得到第二预测单位里程能耗；将第一预测单位里程能耗和第二预测单位里程能耗进行求和，得到预测单位里程能耗，进而实现了准确获取预测单位里程能耗，避免了相关技术中，无法准确获取预测单位里程能耗，导致后续无法准确对车辆进行里程预测的问题。

在一些示例中，如图6所示，基于实时剩余电量和预测单位里程能耗，对当前车辆进行纯电里程预测，包括：

S601、基于实时剩余电量和预测单位里程能耗进行求商处理；

S602、将求商处理得到的值作为当前车辆的纯电里程预测结果。

具体地，基于实时剩余电量和预测单位里程能耗进行求商处理；将求商处理得到的值作为当前车辆的纯电里程预测结果，具体计算公式如下：

L＝S/M；

其中，L＝预测里程，S＝实时剩余电量，M＝预测单位里程能耗，能够理解的是，通过上述计算公式实现了准确对当前车辆进行纯电里程预测的效果。

根据本申请实施例提供的技术方案，基于实时剩余电量和预测单位里程能耗进行求商处理；将求商处理得到的值作为当前车辆的纯电里程预测结果，进而实现了基于实时剩余电量和预测单位里程能耗准确获取预测单位里程能耗，避免了相关技术中，无法准确获取预测单位里程能耗，导致后续无法准确对车辆进行里程预测的问题。

在一些示例中，如图7所示，方法还包括：

S701、确定当前车辆的纯电里程预测结果；

S702、若当前车辆的纯电里程预测结果表征当前车辆的预测里程低于目标里程，则根据当前行驶路径确定目标充电站；

S703、根据目标充电站发出充电提醒。

具体地，确定当前车辆的纯电里程预测结果，得到预测里程，然后将该预测里程和目标里程进行比对，若当当前车辆的纯电里程预测结果表征当前车辆的预测里程低于目标里程，则根据当前行驶路径确定目标充电站，其中，上述目标里程为当前行驶路径中的剩余里程，能够理解的是，根据当前行驶路径确定目标充电站的方法，本示例并不对此限定，例如，可以将与当前行驶路径最近的充电站作为目标充电站。

在一些示例中，在确定出目标充电站后，根据目标充电站发出充电提醒，以使得用于获知充电信息，并能够根据充电信息中的目标充电站进行路程调整，使得当前车辆在充电后的电量，能够支持完整的行驶当前行驶路径，进一步的缓解了用户的里程焦虑。

根据本申请实施例提供的技术方案，确定当前车辆的纯电里程预测结果；若当当前车辆的纯电里程预测结果表征当前车辆的预测里程低于目标里程，则根据当前行驶路径确定目标充电站；根据目标充电站发出充电提醒，实现了基于准确的预测里程对用户进行充电引导，进一步的缓解了用户的里程焦虑。

上述所有可选技术方案，可以采用任意结合形成本申请的可选实施例，在此不再一一赘述。

下述为本申请装置实施例，可以用于执行本申请方法实施例。对于本申请装置实施例中未披露的细节，请参照本申请方法实施例。

本实施例还提供一种纯电里程预测装置，如图8所示，该装置包括：

获取模块801，用于获取当前车辆的实时剩余电量，并获取当前车辆的当前行驶路径；

确定模块802，用于根据当前车辆的行驶参数和当前行驶路径的实时路况，确定目标车辆；

确定模块还用于确定目标车辆在目标行驶路径上的历史单位里程能耗，并根据历史单位里程能耗确定当前车辆对应的预测单位里程能耗；

预测模块803，用于基于实时剩余电量和预测单位里程能耗，对当前车辆进行纯电里程预测。

在一些示例中，确定模块802还用于根据当前车辆的行驶参数，确定历史相近车辆，历史相近车辆为与当前车辆的行驶参数的相似度超过目标阈值的历史车辆；根据当前行驶路径的实时路况，确定目标行驶路径；基于历史相近车辆和目标行驶路径，确定目标车辆。

在一些示例中，确定模块802还用于确定历史相近车辆与目标行驶路径是否存在关联关系；若历史相近车辆与目标行驶路径存在关联关系，则将历史相近车辆作为目标车辆。

在一些示例中，确定模块802还用于基于当前车辆的电池衰减度、当前车辆的行驶参数以及当前行驶路径的实时路况，确定当前车辆的初始单位里程能耗；确定初始单位里程能耗和历史单位里程能耗分别对应的权重；基于确定的权重对初始单位里程能耗和历史单位里程能耗进行加权处理，得到当前车辆对应的预测单位里程能耗。

在一些示例中，确定模块802还用于基于初始单位里程能耗对应的权重对初始单位里程能耗进行加权处理，得到第一预测单位里程能耗；基于历史单位里程能耗对应的权重对历史单位里程能耗进行加权处理，得到第二预测单位里程能耗；将第一预测单位里程能耗和第二预测单位里程能耗进行求和，得到预测单位里程能耗。

在一些示例中，预测模块803还用于基于实时剩余电量和预测单位里程能耗进行求商处理；将求商处理得到的值作为当前车辆的纯电里程预测结果。

在一些示例中，预测模块803还用于确定当前车辆的纯电里程预测结果；若当当前车辆的纯电里程预测结果表征当前车辆的预测里程低于目标里程，则根据当前行驶路径确定目标充电站；根据目标充电站发出充电提醒。

根据本申请实施例提供的技术方案，本申请实施例的上述装置通过获取当前车辆的实时剩余电量，并获取当前车辆的当前行驶路径；根据当前车辆的行驶参数和当前行驶路径的实时路况，确定目标车辆；确定目标车辆在目标行驶路径上的历史单位里程能耗，并根据历史单位里程能耗确定当前车辆对应的预测单位里程能耗，目标行驶路径的路况和当前行驶路径的实时路况相同；基于实时剩余电量和预测单位里程能耗，对当前车辆进行纯电里程预测，本示例通过确定目标车辆在目标行驶路径上的准确的历史单位里程能耗，然后根据历史单位里程能耗来确定当前车辆对应的预测单位里程能耗，实现了准确获取预测单位里程能耗的效果，进而实现了根据预测单位里程能耗和实时剩余电量准确获取预测里程的效果，避免了相关技术中，纯电车辆无法准确获取剩余电量对应的里程，导致用户存在里程焦虑的问题。

图9是本申请实施例提供的电子设备9的示意图。如图9所示，该实施例的电子设备9包括：处理器901、存储器902以及存储在该存储器902中并且可在处理器901上运行的计算机程序903。处理器901执行计算机程序903时实现上述各个方法实施例中的步骤。或者，处理器901执行计算机程序903时实现上述各装置实施例中各模块/单元的功能。

电子设备9可以是桌上型计算机、笔记本、掌上电脑及云端服务器等电子设备。电子设备9可以包括但不仅限于处理器901和存储器902。本领域技术人员可以理解，图9仅仅是电子设备9的示例，并不构成对电子设备9的限定，可以包括比图示更多或更少的部件，或者不同的部件。

处理器901可以是中央处理单元(Central Processing Unit，CPU)，也可以是其它通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现场可编程门阵列(Field-Programmable Gate Array，FPGA)或者其它可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。

存储器902可以是电子设备9的内部存储单元，例如，电子设备9的硬盘或内存。存储器902也可以是电子设备9的外部存储设备，例如，电子设备9上配备的插接式硬盘，智能存储卡(Smart Media Card，SMC)，安全数字(Secure Digital，SD)卡，闪存卡(Flash Card)等。存储器902还可以既包括电子设备9的内部存储单元也包括外部存储设备。存储器902用于存储计算机程序以及电子设备所需的其它程序和数据。

所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，仅以上述各功能单元、模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能单元、模块完成，即将装置的内部结构划分成不同的功能单元或模块，以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中，上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。

集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个可读存储介质中。基于这样的理解，本申请实现上述实施例方法中的全部或部分流程，也可以通过计算机程序来指令相关的硬件来完成，计算机程序可以存储在可读存储介质中，该计算机程序在被处理器执行时，可以实现上述各个方法实施例的步骤。计算机程序可以包括计算机程序代码，计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。计算机可读介质可以包括：能够携带计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(Read-Only Memory，ROM)、随机存取存储器(Random Access Memory，RAM)、电载波信号、电信信号以及软件分发介质等。需要说明的是，计算机可读介质包含的内容可以根据区域要求和专利实践的要求进行适当的增减，例如，在某些区域内，根据区域要求和专利实践，计算机可读介质不包括电载波信号和电信信号。

以上实施例仅用以说明本申请的技术方案，而非对其限制；尽管参照前述实施例对本申请进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围，均应包含在本申请的保护范围之内。