长途出行常常引发电动车用户的补能焦虑。为了缓解这一问题，除了持续加密补能网络，让用户享受更便捷的加电服务外，智能化手段的引入也至关重要。这其中，更精确的续航预估与更智能的实时路径规划，就是有效提升用户出行体验的重要一环。

蔚来自研AI算法模型：

让续航预估更精准，让路径规划更智能

在用户反馈中，长途出行的痛点主要集中在以下方面：

• 出发时续航充足，但行驶过程中续航不断下降，导致无法到达目的地

• 上下坡能耗预估不准确，山区续航预测存在偏差

这些反馈凸显了路径规划在长途出行中的重要性，而智能路径规划的核心在于精准的能耗预测。为此，在“Banyan 榕 3.1.0”版本中，我们首次引入了蔚来自研AI算法模型，推出了更精准的行程能耗预估算法，为更准确的续航预估和更智能的路径规划提供了强有力的底层算法支持。

首先，蔚来AI算法模型引入了能耗地图作为数据基建，训练和预估不同地区、车型、路况下的能耗表现。用户的每一次出行都在持续不断为强大的预测模型提供数据支持。

同时，蔚来AI算法模型还引入了多维度参数来优化模型表现。当用户规划长途出行时，传统的解决方案是结合历史能耗数据和行程长度，来预测这段行程消耗的里程并规划途经的加电点。但仅仅依赖历史能耗存在滞后性，无法应对行驶工况变化或极端天气等变量的影响。

为此，蔚来AI算法模型引入了行程路线、驾驶风格和车辆状态三大类参数作为模型输入，通过多维度学习来预测一段行程所消耗的电量。

行程路线参数：

• 行程距离/通行时间：基于道路类型、拥堵情况、限速变化等信息对导航行程划分片段，计算更精准

• 海拔：利用开源数据集查询海拔变化，精准预测上下坡能耗

• 沿途环境温度/天气

• 沿途风速/风力/风向

驾驶风格参数：

• 加速/制动踏板变化率：识别用户的驾驶习惯

• 车速倾向：分析用户的驾驶偏好

• 历史能耗水平：参考用户的历史能耗数据

• 驾驶场景：识别城市和高速路况，提升预估准确性

车辆状态参数：

• 空调使用情况

• 电池温度/剩余电量

• 车辆驾驶模式/能量回收模式

• 胎压

经过多轮实车验证，蔚来AI算法模型在城市通勤、高速长途出行、极低温和极高温等多种场景下的能耗预测准确度达到90%以上，海拔波动较大地区的能耗和续航预测也得到了显著提升。

有了精确的能耗预测和续航预估，用户可以获得更准确的“到达目的地剩余续航”。剩余续航是帮助用户进行加电决策的关键指标，用户可以基于当前和预估的剩余续航，更合理地提前规划用车与加电安排。

同时，蔚来AI能耗预估模型也为更智能的路径规划提供了基础能力。迭代后的路径规划能够基于实时路况、气温、驾驶习惯等因素，提前为用户规划合理的补能点，提升补能效率，避免用户在电量过低时临时寻找加电资源，减少行程延误。

续航风险提示与动态路径规划

让长途更无忧

长途出行中存在较多不确定因素，因此路径规划不仅需要智能，还需要实时调整。

在“Banyan 榕 3.1.0”版本中，我们推出了续航风险提示与动态路径规划功能。当系统识别到用户偏离导航、服务区滞留等非常规驾驶场景时，云端模型会实时更新“到达目的地剩余续航”，动态监测目的地的可达情况。

• 当识别到剩余续航存在风险时，系统会结合当前车辆设置，提供驾驶节能建议

• 当识别到无法到达目的地时，系统会弹窗提醒，并为用户重新规划补能点

*实际续航可能因突发路况、极端天气等因素波动，建议用户结合系统提示灵活调整行程

行驶里程不仅是数字，更是自由的度量；精准续航预估也不仅是数字，更是对用户时间的尊重。蔚来将持续为用户打造覆盖全场景的安心无忧出行体验，让用户更专注于旅程本身的价值。让每一次出行，都成为生活诗意的延伸。