驾驶员的驾驶习惯数据分析续航里程方法及装置

技术领域

本申请涉及数据处理技术领域，尤其涉及一种驾驶员的驾驶习惯数据分析续航里程方法及装置。

背景技术

在目前的市场上，多数电动车辆对续航里程的预测主要依赖于车辆储存电量的情况和平均能耗水平。这种方法是一种粗略的估算，它假设车辆在当前的电量下可以行驶的里程与平均能耗水平相匹配。然而，在实际的车辆行驶过程中，外部条件的变化会对续航里程产生影响，导致预测值与实际值之间存在较大差距，降低了续航里程预测的准确度。

发明内容

有鉴于此，本申请实施例提供了一种驾驶员的驾驶习惯数据分析续航里程方法及装置，以解决现有技术中预测车辆续航里程准确度低的技术问题。

本申请实施例的第一方面，提供了一种驾驶员的驾驶习惯数据分析续航里程方法，包括：获取当前驾驶员的历史驾驶习惯数据；按照路段类型对历史驾驶习惯数据进行分类，得到不同路段类型的驾驶习惯数据；将不同路段类型的驾驶习惯数据输入至车辆能耗模型，通过车辆能耗模型预测出当前驾驶员驾驶当前车辆在不同路段类型的车辆能耗分布结果；确定导航数据对应的路段类型分布结果；根据当前驾驶员驾驶当前车辆在不同路段类型的车辆能耗分布结果、导航数据对应的路段类型分布结果、以及当前车辆的剩余电量，计算当前车辆的续航里程。

本申请实施例的第二方面，提供了一种驾驶员的驾驶习惯数据分析续航里程装置，包括：获取模块，用于获取当前驾驶员的历史驾驶习惯数据；分类模块，用于按照路段类型对历史驾驶习惯数据进行分类，得到不同路段类型的驾驶习惯数据；预测模块，用于将不同路段类型的驾驶习惯数据输入至车辆能耗模型，通过车辆能耗模型预测出当前驾驶员驾驶当前车辆在不同路段类型的车辆能耗分布结果；确定模块，用于获取当前驾驶员驾驶当前车辆的导航数据，并确定导航数据对应的路段类型分布结果；计算模块，用于根据当前驾驶员驾驶当前车辆在不同路段类型的车辆能耗分布结果、导航数据对应的路段类型分布结果、以及当前车辆的剩余电量，计算当前车辆的续航里程。

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、处理器以及存储在所述存储器中并且可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如上述第一方面提供的方法的步骤。

本申请实施例的第四方面，提供了一种计可读存储介质，该可读存储介质存储有计算机程序，计算机程序被处理器执行时实现如上述第一方面提供的方法的步骤。

本申请实施例与现有技术相比存在的有益效果至少包括：本申请实施例通过按照路段类型对历史驾驶习惯数据进行分类，得到不同路段类型的驾驶习惯数据，并将不同路段类型的驾驶习惯数据输入至车辆能耗模型，通过车辆能耗模型预测出当前驾驶员驾驶当前车辆在不同路段类型的车辆能耗分布结果，确定当前车辆的导航数据对应的路段类型分布结果，然后根据当前驾驶员驾驶当前车辆在不同路段类型的车辆能耗分布结果、导航数据对应的路段类型分布结果、以及当前车辆的剩余电量，计算当前车辆的续航里程，以此方式可以实现对电动车辆续航里程的个性化预测，考虑了驾驶员的个人驾驶习惯和不同路段类型的能耗差异。相比传统预测方法，本申请的技术方案能够更准确地预测车辆在不同驾驶条件下的续航里程，为驾驶人提供更可靠的续航信息，提升电动车辆的实际使用体验。

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是本申请实施例的一种驾驶员的驾驶习惯数据分析续航里程方法的流程图；

图2是本申请实施例的通过车辆能耗模型预测出当前驾驶员驾驶当前车辆在不同路段类型的车辆能耗分布结果的步骤的流程图；

图3是本申请实施例的确定导航数据对应的路段类型分布结果的步骤的流程图；

图4是本申请实施例的确定当前驾驶员驾驶当前车辆在各个路段类型的目标电量消耗数据的步骤的流程图；

图5是本申请实施例的一种驾驶员的驾驶习惯数据分析续航里程装置的框图；

图6是本申请实施例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驾驶员的驾驶习惯数据分析续航里程方法和装置。

图1是本申请实施例的一种驾驶员的驾驶习惯数据分析续航里程方法的流程图，本申请实施例提供的方法可以由任意具备计算机处理能力的电子设备执行。

如图1所示，驾驶员的驾驶习惯数据分析续航里程方法包括步骤S110至步骤S150。

在步骤S110中，获取当前驾驶员的历史驾驶习惯数据。

在步骤S120中，按照路段类型对历史驾驶习惯数据进行分类，得到不同路段类型的驾驶习惯数据。

在步骤S130中，将不同路段类型的驾驶习惯数据输入至车辆能耗模型，通过车辆能耗模型预测出当前驾驶员驾驶当前车辆在不同路段类型的车辆能耗分布结果。

在步骤S140中，获取当前驾驶员驾驶当前车辆的导航数据，并确定导航数据对应的路段类型分布结果。

在步骤S150中，根据当前驾驶员驾驶当前车辆在不同路段类型的车辆能耗分布结果、导航数据对应的路段类型分布结果、以及当前车辆的剩余电量，计算当前车辆的续航里程。

该方法可以按照路段类型对历史驾驶习惯数据进行分类，得到不同路段类型的驾驶习惯数据，并将不同路段类型的驾驶习惯数据输入至车辆能耗模型，通过车辆能耗模型预测出当前驾驶员驾驶当前车辆在不同路段类型的车辆能耗分布结果，确定当前车辆的导航数据对应的路段类型分布结果，然后根据当前驾驶员驾驶当前车辆在不同路段类型的车辆能耗分布结果、导航数据对应的路段类型分布结果、以及当前车辆的剩余电量，计算当前车辆的续航里程，以此方式可以实现对电动车辆续航里程的个性化预测，考虑了驾驶员的个人驾驶习惯和不同路段类型的能耗差异。相比传统预测方法，本申请的技术方案能够更准确地预测车辆在不同驾驶条件下的续航里程，为驾驶人提供更可靠的续航信息，提升电动车辆的实际使用体验。

在一些实施例中，不同驾驶员驾驶历史车辆的驾驶习惯数据存在差异。例如，不同驾驶员驾驶相同类型的历史车辆的驾驶习惯数据存在差异，不同驾驶员驾驶不同类型的历史车辆的驾驶习惯数据存在差异。在本实施例中，在当前驾驶员启动当前车辆后，车辆获取当前驾驶员的标识信息，并将其与当前车辆信息发送至后台服务器。后台服务器基于该当前驾驶员的标识信息和与当前车辆信息，查询与其匹配的驾驶习惯数据。

在一些实施例中，驾驶习惯数据包括当前驾驶员驾驶历史车辆在不同路段类型的速度数据、制动数据、转向数据、空调状态、车窗状态，速度数据包括加速次数和减速次数，制动数据包括制动力度和制动次数，转向数据包括转向次数和转向力度，空调状态包括空调开启状态和空调关闭状态，车窗状态包括车窗开启状态和车窗关闭状态。

在一些实施例中，按照路段类型对历史驾驶习惯数据进行分类，得到不同路段类型的驾驶习惯数据。例如，上述驾驶习惯数据是以不同路段类型的标识存储在预设数据表的。在本实施例中，可以根据不同路段类型的标识，对上述历史驾驶习惯数据进行分类，得到不同路段类型的驾驶习惯数据。

基于前述实施例，各个路段类型的驾驶习惯数据可以包含上述速度数据、制动数据、转向数据、空调状态、车窗状态，速度数据包括加速次数和减速次数。例如，速度数据记录了当前驾驶员在不同路段类型下的速度信息，包括加速次数和减速次数，用于表示驾驶员在行驶过程中的速度变化情况。加速次数表示驾驶员在一段时间内增加车速的次数，减速次数表示驾驶员在一段时间内减少车速的次数。制动数据记录了当前驾驶员在不同路段类型下的制动行为数据，包括制动力度和制动次数。制动力度表示驾驶员在制动过程中施加的力度大小，制动次数表示驾驶员在一段时间内进行制动的次数。转向数据记录了当前驾驶员在不同路段类型下的转向行为数据，包括转向次数和转向力度。转向次数表示驾驶员在一段时间内进行转向的次数，转向力度表示驾驶员在转向过程中施加的力度大小。空调状态记录了当前驾驶员在不同路段类型下的空调开启状态和关闭状态。这可以反映驾驶员对空调的使用习惯，例如在城市道路上可能更倾向于开启空调，而在高速公路上可能更倾向于关闭空调。车窗状态记录了当前驾驶员在不同路段类型下的车窗开启状态和关闭状态。这可以反映驾驶员对车窗的使用习惯，例如在山区道路上可能更倾向于关闭车窗，而在城市道路上可能更倾向于开启车窗。通过收集和分析这些驾驶习惯数据，可以了解驾驶员在不同路段类型下的行为偏好和习惯，进一步用于预测车辆的能耗分布和续航里程。这样的个性化数据可以提高续航里程预测的准确性，并为驾驶员提供更符合其个人驾驶习惯的续航信息。

在一些实施例中，上述不同路段类型可以包含但不限于城市道路、高速公路、山区道路等等。通过对当前驾驶员驾驶历史车辆在不同路段类型的驾驶数据进行分析，可以得到当前驾驶员驾驶当前车辆在各个路段类型的电量消耗数据。例如，将不同路段类型的驾驶习惯数据输入至车辆能耗模型，通过车辆能耗模型预测出当前驾驶员驾驶当前车辆在不同路段类型的车辆能耗分布结果，

基于前述实施例，城市道路指城市内的道路，通常包括市区道路、城市街道和城市快速道路等。这些道路通常有交通信号灯、路口和人行道等设施。高速公路也称为高速公路或高速公路，是专门用于长距离高速行驶的道路。高速公路通常具有较高的限速和分隔的行车道。山区道路指位于山区地形的道路，通常具有弯曲、上下坡和曲线等特点。这些道路可能对车辆的能耗和驾驶要求产生影响。

在一些实施例中，根据当前驾驶员驾驶当前车辆的导航数据，确定导航数据对应的路段类型分布结果。例如，导航数据可以为当前驾驶员驾驶当前车辆从当前地点到目的地的行驶路径。该行驶路径可以包含城市道路、高速公路、山区道路等等。通过对该导航数据进行分析，可以得到该导航数据中包含哪些道路类型，例如该导航数据依次包含城市道路、高速公路、山区道路。

在一些实施例中，根据当前驾驶员驾驶当前车辆在不同路段类型的车辆能耗分布结果、导航数据对应的路段类型分布结果、以及当前车辆的剩余电量，确定当前车辆的续航里程。例如，根据当前驾驶员驾驶当前车辆在不同路段类型的车辆能耗分布结果，可以得出在各个路段类型下的平均能耗水平。例如，城市道路可能消耗较多的能量，而高速公路可能消耗较少的能量。通过导航系统获取的路段类型信息可以帮助确定当前车辆所处的路段类型分布。导航数据可以提供当前车辆即将驶入的路段类型，例如城市道路、高速公路、山区道路等。这些信息可以用于进一步确定车辆在不同路段类型下的能耗预测。当前车辆的剩余电量是一个重要的参考指标，剩余电量可以通过车辆的电池管理系统或仪表盘显示来获取。在本实施例中，根据当前车辆的剩余电量，结合估计的能耗水平，计算车辆在不同路段类型下的预计行驶里程。这可以通过将剩余电量除以估计的能耗值来得出。

图2是本申请实施例的确定当前驾驶员驾驶当前车辆在不同路段类型的车辆能耗分布结果的步骤的流程图。

如图2所示，上述步骤S130中的“通过车辆能耗模型预测出当前驾驶员驾驶当前车辆在不同路段类型的车辆能耗分布结果”具体可以包括步骤S210和步骤S220。

在步骤S210中，将不同路段类型的驾驶习惯数据转换为不同路段对应的特征向量。

在步骤S220中，根据不同路段对应的特征向量中的各个特征元素和车辆能耗模型中的各个权重，计算当前驾驶员驾驶当前车辆在各个路段类型的电量消耗数据。

该方法可以将不同路段类型的驾驶习惯数据转换为不同路段对应的特征向量，然后根据不同路段对应的特征向量中的各个特征元素和车辆能耗模型中的各个权重，计算当前驾驶员驾驶当前车辆在各个路段类型的电量消耗数据，以此方式可以从多个角度准确的预测出当前车辆在各个路段类型的目标电量消耗数据。

在一些实施例中，在将不同路段类型的驾驶习惯数据输入至车辆能耗模型之前，上述方法还包括：收集用于训练车辆能耗模型的车辆数据。这些数据应包括车辆的特征(例如车辆的速度数据、制动数据、转向数据、空调状态、车窗状态等)以及对应的能耗值。对车辆数进行预处理，包括数据清洗、处理缺失值、去除异常值等，以确保数据的准确性和一致性。根据车辆能耗模型的目标和数据的特点，选择适当的特征用于训练模型。特征选择的目标是找到与能耗相关性较高的特征，例如可以使用统计方法、领域知识或特征重要性评估等方法进行特征选择。将预处理后的数据集划分为训练集和测试集。通常将大部分数据用于训练模型，一小部分数据用于评估模型的性能。使用训练集来拟合线性回归模型。线性回归模型的目标是找到最佳的系数(斜率)和截距，以最小化预测值与实际能耗值之间的误差。可以使用最小二乘法或其他优化算法来求解最优的模型参数。使用测试集来评估训练得到的模型的性能。可以使用各种指标来评估模型的准确性，如均方误差(Mean SquaredError，MSE)、均方根误差(Root Mean Squared Error，RMSE)、决定系数(Coefficient ofDetermination，R

基于前述实施例，通过上述训练方法对线性回归模型进行训练得到上述车辆能耗模型。在使用该车辆能耗预测车辆在不同路段类型的车辆能耗数据时，可以将不同路段类型的驾驶习惯数据输入至该车辆能耗模型，通过车辆能耗模型预测出当前驾驶员驾驶当前车辆在不同路段类型的车辆能耗分布结果。例如，将不同路段类型的驾驶习惯数据转换为不同路段对应的特征向量，然后根据不同路段对应的特征向量中的各个特征元素和车辆能耗模型中的各个权重，计算当前驾驶员驾驶当前车辆在各个路段类型的电量消耗数据。

基于前述实施例，根据不同路段对应的特征向量中的各个特征元素和所述车辆能耗模型中的各个权重，计算所述当前驾驶员驾驶当前车辆在各个路段类型的电量消耗数据；针对一种路段对应的特征向量中的各个特征元素，获取各个特征元素与各个权重之间的映射关系；根据各个特征元素与各个权重之间的映射关系，计算各个特征元素与其对应的权重之间的乘积，并将各个特征元素与其对应的权重之间的乘积进行求和，得到所述当前驾驶员驾驶当前车辆在该路段类型的电量消耗数据。例如，假设特征向量包括速度数据(特征元素1)、制动数据(特征元素2)、转向数据(特征元素3)、空调状态(特征元素4)和车窗状态(特征元素5)。对应的权重分别为w1、w2、w3、w4和w5。每个特征元素与其对应的权重之间的映射关系为：特征元素1与权重w1的映射关系，特征元素2与权重w2的映射关系，特征元素3与权重w3的映射关系，特征元素4与权重w4的映射关系，特征元素5与权重w5的映射关系。对于一种路段类型的特征向量，假设特征元素1的取值为x1，特征元素2的取值为x2，特征元素3的取值为x3，特征元素4的取值为x4，特征元素5的取值为x5。将特征元素与权重之间的映射关系应用到特征向量上，计算各个特征元素与其对应的权重之间的乘积，得到x1*w1、x2*w2、x3*w3、x4*w4、x5*w5。将各个特征元素与其对应的权重之间的乘积进行求和，得到电量消耗数据：x1*w1+x2*w2+x3*w3+x4*w4+x5*w5。通过上述计算，可以得到当前驾驶员驾驶当前车辆在该路段类型的电量消耗数据。在本实施例中，通过上述计算方法可以计算出当前驾驶员驾驶当前车辆在各个路段类型的电量消耗数据，以此方式可以从多个角度准确的预测出当前车辆在各个路段类型的目标电量消耗数据。在本实例中的权重相当于训练过程中的系数或斜率。

在一些实施例中，当前驾驶员的历史驾驶习惯数据为当前驾驶员驾驶不同类型的历史车辆在不同路段类型的驾驶习惯数据；在将不同路段类型的驾驶习惯数据输入至车辆能耗模型之前，方法还包括：根据当前驾驶员驾驶当前车辆的标识，确定当前车辆的类型；根据当前车辆的类型，从当前驾驶员驾驶不同类型的历史车辆在不同路段类型的驾驶数据中获取当前车辆的类型对应的车辆在不同路段类型的驾驶数据。例如，根据当前驾驶员驾驶当前车辆的标识，确定当前车辆的类型。例如每辆车都有一个唯一的标识，可以是车辆识别号码(VIN)或其他车辆标识符。通过该标识，可以确定当前驾驶员所驾驶的车辆类型。根据当前车辆的类型，从当前驾驶员驾驶不同类型的历史车辆在不同路段类型的驾驶数据中获取当前车辆的类型对应的车辆在不同路段类型的驾驶数据。这样可以通过筛选历史驾驶数据集，仅选择与当前车辆类型相匹配的数据进行进一步分析和建模。例如，如果当前车辆是一辆小型轿车，那么从当前驾驶员驾驶不同类型的历史车辆在不同路段类型的驾驶数据中，选择小型轿车的驾驶数据作为输入。这样可以确保车辆能耗模型所使用的数据与当前驾驶的车辆类型相匹配，提高模型的准确性和适用性。

基于前述实施例，根据当前驾驶员驾驶当前车辆的标识确定车辆类型，然后从历史驾驶数据中选择与当前车辆类型相匹配的数据，将当前车辆的类型对应的车辆在不同路段类型的驾驶数据输入至车辆能耗模型中进行能耗预测或分析，这样可以更准确地估计当前车辆在不同路段类型下的能耗情况。

在一些实施例中，如果当前驾驶员驾驶的历史车辆类型中不包含当前车辆的类型，方法还包括：获取当前驾驶员驾驶当前车辆的车辆配置信息，以及获取驾驶员驾驶不同类型历史车辆的车辆配置信息；根据当前车辆的车辆配置信息和不同类型历史车辆的车辆配置信息，从不同类型历史车辆中确定目标历史车辆。将不同路段类型的驾驶习惯数据输入至车辆能耗模型包括：将目标历史车辆在不同路段类型的驾驶数据输入至车辆能耗模型。例如，获取当前驾驶员驾驶当前车辆的车辆配置信息。车辆配置信息包括车辆的技术规格、发动机类型、车重、车辆尺寸等。这些信息可以通过车辆制造商提供的文档、车辆注册信息或车辆配置数据库等途径获取。获取驾驶员驾驶不同类型历史车辆的车辆配置信息。通过分析当前驾驶员过去驾驶的各种类型的车辆，收集这些历史车辆的车辆配置信息。根据当前车辆的车辆配置信息和不同类型历史车辆的车辆配置信息，进行匹配。比较当前车辆的配置信息与历史车辆的配置信息，找到与当前车辆最相似的历史车辆。将目标历史车辆在不同路段类型的驾驶数据输入到车辆能耗模型中。根据确定的目标历史车辆，从历史驾驶数据中提取该车辆在不同路段类型的驾驶习惯数据，并将这些数据作为输入传递给车辆能耗模型。通过这种方法，即使当前驾驶员的历史车辆类型中没有与当前车辆完全相同的类型，仍然可以利用当前车辆的配置信息和历史车辆的配置信息来找到最相似的历史车辆，并使用其驾驶数据进行能耗预测或分析。这样可以更好地适应当前车辆的特性，提高能耗模型的准确性和可靠性。

图3是本申请实施例的确定导航数据对应的路段类型分布结果的步骤的流程图。

如图3所示，上述S140中的“确定导航数据对应的路段类型分布结果”具体可以包括步骤S310和步骤S320。

在步骤S310中，根据当前驾驶员驾驶当前车辆的导航数据，获取当前车辆行驶路径对应的环境数据。

在步骤S320中，根据当前车辆行驶路径对应的环境数据，计算当前车辆行驶路径中不同路段类型的距离。

该方法可以根据当前驾驶员驾驶当前车辆的导航数据，获取当前车辆行驶路径对应的环境数据，根据当前车辆行驶路径对应的环境数据，计算当前车辆行驶路径中不同路段类型的距离，这样可以快速准确的分析出导航数据中不同路段类型对应路段的距离分布。

在一些实施例中，根据当前驾驶员驾驶当前车辆的导航数据，获取当前车辆行驶路径对应的环境数据，根据当前车辆行驶路径对应的环境数据，计算当前车辆行驶路径中不同路段类型的距离。例如，导航系统会提供当前车辆的行驶路径信息，包括起点、终点以及中间经过的路段。这些导航数据可以包括地图数据、GPS定位数据、路网信息等。根据导航数据，可以获取当前车辆行驶路径对应的环境数据。环境数据可以包括路段类型、道路限速、交通流量、交通信号灯状态、坡度、气温等信息。这些数据可以通过地图数据库、实时交通信息和其他传感器数据等来源获取。根据环境数据，可以将当前车辆行驶路径中的不同路段划分为不同的路段类型，例如城市道路、高速公路、山区道路等。路段类型的划分可以基于道路属性(如道路宽度、道路等级)、限速要求、交通流量等因素。根据路段类型的确定，可以计算当前车辆行驶路径中不同路段类型的距离。这可以通过将行驶路径划分为多个路段，并根据路段的长度来计算不同路段类型的距离。距离可以使用标准的距离单位(如千米或英里)表示。

图4是本申请实施例的确定当前车辆的续航里程的步骤的流程图。

如图4所示，上述S150具体可以包括步骤S410和步骤S420。

在步骤S410中，根据当前驾驶员驾驶当前车辆在各个路段类型的平均电量消耗值和当前车辆行驶路径中不同路段类型的距离，计算当前驾驶员驾驶当前车辆经过不同路段对应的电量消耗值。

在步骤S420中，根据当前驾驶员驾驶当前车辆经过不同路段对应的电量消耗值和当前车辆的剩余电量，计算当前车辆的续航里程。

该方法可以根据当前驾驶员驾驶当前车辆在各个路段类型的平均电量消耗值和当前车辆行驶路径中不同路段类型的距离，计算当前驾驶员驾驶当前车辆经过不同路段对应的电量消耗值，根据当前驾驶员驾驶当前车辆经过不同路段对应的电量消耗值和当前车辆的剩余电量，计算当前车辆的续航里程，以此方式可以准确的分析出不同路段对应的电量消耗值，然后结合当前车辆的剩余电量，准确的预测出当前车辆的续航里程。

在一些实施例中，根据当前驾驶员驾驶当前车辆在各个路段类型的平均电量消耗值和当前车辆行驶路径中不同路段类型的距离，计算当前驾驶员驾驶当前车辆经过不同路段对应的电量消耗值。根据当前驾驶员驾驶当前车辆经过不同路段对应的电量消耗值和当前车辆的剩余电量，计算当前车辆的续航里程。例如，根据平均电量消耗值和路段距离，可以计算出当前驾驶员驾驶当前车辆经过不同路段对应的电量消耗值。这可以通过简单的乘法运算来实现，即将平均电量消耗值乘以对应路段的距离。根据当前车辆的剩余电量和经过不同路段对应的电量消耗值，可以计算当前车辆的续航里程。续航里程可以通过不断减去经过路段的电量消耗值，计算剩余电量可以行驶的总距离。

图5是本申请实施例的一种驾驶员的驾驶习惯数据分析续航里程装置的框图。

如图5所示，驾驶员的驾驶习惯数据分析续航里程装置800包括获取模块510、分类模块520、预测模块530、第一确定模块540和计算模块550。

具体地，获取模块510，用于获取当前驾驶员的历史驾驶习惯数据。

分类模块520，用于按照路段类型对历史驾驶习惯数据进行分类，得到不同路段类型的驾驶习惯数据。

预测模块530，用于将不同路段类型的驾驶习惯数据输入至车辆能耗模型，通过车辆能耗模型预测出当前驾驶员驾驶当前车辆在不同路段类型的车辆能耗分布结果。

确定模块540，用于获取当前驾驶员驾驶当前车辆的导航数据，并确定导航数据对应的路段类型分布结果。

计算模块550，用于根据当前驾驶员驾驶当前车辆在不同路段类型的车辆能耗分布结果、导航数据对应的路段类型分布结果、以及当前车辆的剩余电量，计算当前车辆的续航里程。

该驾驶员的驾驶习惯数据分析续航里程装置500可以按照路段类型对历史驾驶习惯数据进行分类，得到不同路段类型的驾驶习惯数据，并将不同路段类型的驾驶习惯数据输入至车辆能耗模型，通过车辆能耗模型预测出当前驾驶员驾驶当前车辆在不同路段类型的车辆能耗分布结果，确定当前车辆的导航数据对应的路段类型分布结果，然后根据当前驾驶员驾驶当前车辆在不同路段类型的车辆能耗分布结果、导航数据对应的路段类型分布结果、以及当前车辆的剩余电量，计算当前车辆的续航里程，以此方式可以实现对电动车辆续航里程的个性化预测，考虑了驾驶员的个人驾驶习惯和不同路段类型的能耗差异。相比传统预测方法，本申请的技术方案能够更准确地预测车辆在不同驾驶条件下的续航里程，为驾驶人提供更可靠的续航信息，提升电动车辆的实际使用体验。

在一些实施例中，预测模块530被配置为：将不同路段类型的驾驶习惯数据转换为不同路段对应的特征向量；根据不同路段对应的特征向量中的各个特征元素和车辆能耗模型中的各个权重，计算当前驾驶员驾驶当前车辆在各个路段类型的电量消耗数据。

在一些实施例中，根据不同路段对应的特征向量中的各个特征元素和车辆能耗模型中的各个权重，计算当前驾驶员驾驶当前车辆在各个路段类型的电量消耗数据；针对一种路段对应的特征向量中的各个特征元素，获取各个特征元素与各个权重之间的映射关系；根据各个特征元素与各个权重之间的映射关系，计算各个特征元素与其对应的权重之间的乘积，并将各个特征元素与其对应的权重之间的乘积进行求和，得到当前驾驶员驾驶当前车辆在该路段类型的电量消耗数据。

在一些实施例中，当前驾驶员的历史驾驶习惯数据为当前驾驶员驾驶不同类型的历史车辆在不同路段类型的驾驶习惯数据；在将不同路段类型的驾驶习惯数据输入至车辆能耗模型之前，驾驶员的驾驶习惯数据分析续航里程装置500还用于：根据当前驾驶员驾驶当前车辆的标识，确定当前车辆的类型；根据当前车辆的类型，从当前驾驶员驾驶不同类型的历史车辆在不同路段类型的驾驶数据中获取当前车辆的类型对应的车辆在不同路段类型的驾驶数据；将不同路段类型的驾驶习惯数据输入至车辆能耗模型包括：将当前车辆的类型对应的车辆在不同路段类型的驾驶数据输入至车辆能耗模型。

在一些实施例中，如果当前驾驶员驾驶的历史车辆类型中不包含当前车辆的类型，驾驶员的驾驶习惯数据分析续航里程装置500还用于：获取当前驾驶员驾驶当前车辆的车辆配置信息，以及获取驾驶员驾驶不同类型历史车辆的车辆配置信息；根据当前车辆的车辆配置信息和不同类型历史车辆的车辆配置信息，从不同类型历史车辆中确定目标历史车辆；将不同路段类型的驾驶习惯数据输入至车辆能耗模型包括：将目标历史车辆在不同路段类型的驾驶数据输入至车辆能耗模型。

在一些实施例中，第一确定模块540被配置为：根据当前驾驶员驾驶当前车辆的导航数据，获取当前车辆行驶路径对应的环境数据；根据当前车辆行驶路径对应的环境数据，计算当前车辆行驶路径中不同路段类型的距离。

在一些实施例中，第二确定模块550被配置为：根据当前驾驶员驾驶当前车辆在各个路段类型的平均电量消耗值和当前车辆行驶路径中不同路段类型的距离，计算当前驾驶员驾驶当前车辆经过不同路段对应的电量消耗值；根据当前驾驶员驾驶当前车辆经过不同路段对应的电量消耗值和当前车辆的剩余电量，计算当前车辆的续航里程。

图6是本申请实施例的一种电子设备的结构示意图。

如图6所示，该实施例的电子设备600包括：处理器610、存储器620以及存储在该存储器620中并且可在处理器610上运行的计算机程序630。处理器610执行计算机程序630时实现上述各个方法实施例中的步骤。或者，处理器610执行计算机程序630时实现上述各装置实施例中各模块的功能。

电子设备600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600可以包括但不仅限于处理器610和存储器620。本领域技术人员可以理解，图6仅仅是电子设备600的示例，并不构成对电子设备600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610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620可以是电子设备600的内部存储单元，例如，电子设备600的硬盘或内存。存储器620也可以是电子设备600的外部存储设备，例如，电子设备600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620还可以既包括电子设备600的内部存储单元也包括外部存储设备。存储器620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(例如，计算机可读存储介质)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计算机可读存储介质中，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 AccessMemory，RAM)、电载波信号、电信信号以及软件分发介质等。

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。