基于多模型融合的电动汽车行驶里程预测

来源：交通运输系统工程与信息杂志2020年第5期北京时间：

作者：胡杰，翁灵隆，覃雄臻，杜玉峰，高长斌

单位：1.武汉理工大学 a. 现代汽车零部件技术湖北省重点实验室，b. 汽车零部件技术湖北省协同创新中心，武汉 430070；2. 新能源与智能网联车湖北工程技术研究中心，武汉 430070； 3.上汽通用五菱汽车股份有限公司，广西 柳州545000

摘要：纯电动汽车行驶里程预测是驾驶者最关心的问题之一，为解决现有预测算法模型精度低、相对误差大的问题，本文采用融合片段回归与单点分类的机器学习方法对行驶里程进行预测.以真实车辆各项状态参数、环境信息等作为输入，通过聚类和过滤封装式特征筛选，提取最优特征集合，并基于行驶片段样本量选择预测方法，通过对环境温度和电池健康状态(SOH)进行分层耦合提高片段回归预测精度，通过单点分类和片段回归预测模型融合优化最终预测结果.行驶里程测试集预测结果中均方根相对误差(RMSRE)为0.035，平均相对误差为1.71%，能够精确稳定地实现行驶里程预测.

关键词：城市交通,行驶里程预测,数据驱动,电动汽车,模型融合

基金资助：柳州市科技计划项目/Liuzhou Science and Technology Plan Project(2018BC20501).