1.融合交通信息的插电式混动汽车能量管理策略构建方法，其特征在于，包括以下步骤：

S1、基于智能交通系统获取某段时间内的交通信息；

S2、构建长短期记忆网络LSTM车速预测模型，并将所述S1获取的交通信息导入，在线进行预测并验证；

S3、以插电式混动车提供的数据为基础，分别搭建发动机、电动机、动力电池、传动系、纵向动力学模型；

S4、根据所述S2中模型预测出的结果在总车速占比进行全局片上系统SOC规划；

S5、构建自适应等效因子s(t)，建立所述自适应等效因子s(t)与所述片上系统SOC偏移量ΔSOC的关系，得到能量消耗模型；

S6、通过求解ECMS搭建的哈密尔顿函数得到最优控制量Pbat。

2.根据权利要求1所述的融合交通信息的插电式混动汽车能量管理策略构建方法，其特征在于，S1中，所述交通信息包括：信号灯时长、各类型车辆比例、车道宽度、历史车流量和转向决策。

3.根据权利要求1所述的融合交通信息的插电式混动汽车能量管理策略构建方法，其特征在于，所述S1中，获取所述交通信息具体包括：S1.1、根据所述智能交通系统的电子地图设置路段长度及各路段之间的转向连接器；

S1.2、根据历史交通信息设置各路段的车辆类型与车辆输入；

S1.3、根据历史交通信息设置各路段间的转向决策比例；

S1.4、根据历史交通信息配置各路段红绿灯组及在路段上放置的信号灯头；

S1.5、根据仿真要求设置数据采集点及数据采集时间间隔；

S1.6、收集仿真数据并进行整理。

4.根据权利要求1所述的融合交通信息的插电式混动汽车能量管理策略构建方法，其特征在于，S2中，所述在线进行预测并验证的步骤为：S2.1、将所述获取的交通信息在云端进行归一化预处理；

S2.2、设置超参数并搭建长短期记忆网络LSTM车速预测模型；

S2.3、将进行归一化预处理后的数据分为训练集与测试集，输入到模型中进行训练；

S2.4、对训练好的长短期记忆网络LSTM车速预测模型进行验证，当均方根误差达到理想阈值后证明模型用于行程的车速预测，否则进行超参数的调试直至符合要求；

S2.5、进行LSTM模型车速预测，并对预测结果进行解归一化处理。

5.根据权利要求4所述的融合交通信息的插电式混动汽车能量管理策略构建方法，其2

特征在于，对所述训练集进行验证之前，对其进行10数量级的迭代。

6.根据权利要求1所述的融合交通信息的插电式混动汽车能量管理策略构建方法，其特征在于，S3中，所述传动系模型通过simulink/stateflow仿真系统搭建；根据汽车s(t)＝λ(t)+ω(soc)理论，搭建所述纵向动力学模型。

7.根据权利要求1所述的融合交通信息的插电式混动汽车能量管理策略构建方法，其特征在于，S4中，所述片上系统SOC规划公式为：其中，SOCini、SOCend分别为行程初始值与行程终止值；SOC(t)、SOC(t‑1)分别为t时刻、t‑1时刻的真实荷电状态； 为两个数据采集点间的平均统计车速。

8.根据权利要求1所述的融合交通信息的插电式混动汽车能量管理策略构建方法，其特征在于，S5中，所述自适应等效因子s(t)表达式为：s(t)＝λ+ω(SOC,t)

其中，S(t)为自适应等效因子；λchg、λdischg分别为充、放电时的初始等效因子；Pbat为电池功率；ω为基于SOC的惩罚函数。

9.根据权利要求1所述的融合交通信息的插电式混动汽车能量管理策略构建方法，其特征在于，S6中，根据ECMS，建立哈密尔顿函数：其中，ΔSOC为状态变量，Pbat为控制变量， 为发动机燃油消耗率，QIHV为燃油低热值。