2020年12月23日，中國汽研成功舉辦《2020第三屆新能源汽車測試評價技術(shù)國際論壇》。中國汽研將持續(xù)為大家推送精彩演講實錄，本文為黃巖軍博士帶來的《基于智能網(wǎng)聯(lián)信息的新能源汽車節(jié)能技術(shù)》。

1 研究背景及意義

汽車工業(yè)快速發(fā)展在給人類帶來極大便利的同時也帶來了嚴重的能源與環(huán)境問題，給交通運輸帶來了更大的負擔與挑戰(zhàn)。因此，利用可獲取的網(wǎng)聯(lián)信息通過對車輛行駛的預測控制對于實現(xiàn)節(jié)能減排以及提高通行效率具有很大意義。

當前，在大數(shù)據(jù)、云計算以及信息通信技術(shù)新一輪科技革命的沖擊下，通信、傳感、計算、控制、智能等信息技術(shù)迅速發(fā)展，智能網(wǎng)聯(lián)汽車引起了世界廣泛關注，并且在改變著汽車的現(xiàn)有生態(tài)系統(tǒng)。在此背景下，智能汽車能效控制技術(shù)得到了迅速發(fā)展，比如，國際能源署（Energy efficiency 2019）表明，數(shù)字化信息化技術(shù)在汽車能效提高中起到了重要作用，預計貢獻率將達到20%-25%，美國NEXTCAR項目在智能動力系統(tǒng)節(jié)能減排中給出的目標是20%。因此，在智能網(wǎng)聯(lián)發(fā)展的基礎上，利用交通大數(shù)據(jù)信息提高智能汽車的能效水平成為當前的研究熱點。

目前，針對智能汽車的行駛預測控制，主要考慮的是單一信息的特定交通場景下的利用，比如針對前車等短時域交通信息的巡航控制，以及針對單一信號、連續(xù)信號燈等長時域信息的車輛速度優(yōu)化等，而對于車路協(xié)同或是智能網(wǎng)聯(lián)下利用動態(tài)交通信息、靜態(tài)地理信息從而實現(xiàn)智能汽車更安全、更經(jīng)濟、更便捷、更舒適的目標，研究還比較少。

在智慧城市、智能交通等技術(shù)發(fā)展的背景下，信息極大豐富，但如何實現(xiàn)車路協(xié)同以及對數(shù)據(jù)信息的充分挖掘，并與智能汽車行駛預測控制有效結(jié)合，還存在以下難點與挑戰(zhàn)：一是智能交通信息如何預測？如何達到更準確？比如針對不同的應用場景，采取不同尺度的交通流建模方式，目前對車輛的控制很多情況是假設獲取的信息絕對準確，但這種假設是不太成立的，因此在部分網(wǎng)聯(lián)及信號燈等交通信息可控的情況下，如何提高交通預測準確度是一個難點；二是當準確預測交通信息以后，預測的信息該怎樣利用，該部分主要針對的是如何高效的跟節(jié)能問題相結(jié)合，通過V2X技術(shù)，獲取當前時刻多元交通信息加上預測得到的一些信息共同組成一個交通大數(shù)據(jù)，但如何在交通中提取面向智能汽車行駛預測控制的有用關鍵信息是一個難點；三是如何與優(yōu)化問題更好的結(jié)合，以模型預測控制為例，因為模型預測控制是一種優(yōu)化控制，如何用現(xiàn)有信息與優(yōu)化問題相結(jié)合是整個優(yōu)化行駛問題的研究熱點；四是利用這些信息怎樣求解或是更快速的求解，因為隨著5G技術(shù)的發(fā)展，智能信息更新迭代更加迅速，需要實時求解，優(yōu)化問題必須應對快速變化的行車環(huán)境以提高車輛行駛的安全性經(jīng)濟性等，換句話說就是求解的越快，利用的智能信息就越迅速，從而應對快速變化的交通環(huán)境的能力就越強，另外，還需要考量的是目前先進的非線性優(yōu)化算法難以在實車上車載級的芯片中進行使用，所以更有必要對快速求解方法進行研究。

針對上述存在的難點與挑戰(zhàn)展開研究，首先是考慮前方車輛動態(tài)的電動汽車經(jīng)濟性預測巡航控制，在此基礎上研究了基于路口等待隊列的連續(xù)多交叉口分層經(jīng)濟性駕駛和基于交通預測的網(wǎng)聯(lián)HEV實時預測節(jié)能控制策略，并且非線性預測控制快速求解方法貫穿于其中。

2 研究內(nèi)容

2.1 電動汽車預測巡航控制

電動汽車預測巡航控制的目標是求解最優(yōu)的電機力矩和制動力，保證跟車安全性，實現(xiàn)經(jīng)濟性行駛。

對電機的能效進行擬合，擬合出關于轉(zhuǎn)矩和轉(zhuǎn)速的多項式。還提出了終端速度懲罰項、約束項，保證跟車安全。為了提高計算速度，采用偽譜法將上述的非線性優(yōu)化問題轉(zhuǎn)化為非線性規(guī)劃問題（NLP），在保證求解精度的前提下可降低一半的離散點數(shù)，進而降低計算量。仿真結(jié)果表明，該控制策略能夠保證在跟車安全的前提下，實現(xiàn)大概4.1%的節(jié)能。

2.2 考慮路口等待隊列的連續(xù)多交叉口經(jīng)濟性駕駛

考慮路口等待隊列的連續(xù)多交叉口分層經(jīng)濟性駕駛策略，單一信號燈往往是在通暢道路情況下只考慮信號燈以及道路限速的影響進行速度規(guī)劃，由于未考慮隊列信息，所求的最優(yōu)解與實際情況偏差較大；針對連續(xù)信號燈，通常采用規(guī)則的方式確定速度，從而喪失了優(yōu)越性。而針對同時考慮連續(xù)信號燈和等待隊列信息進行速度規(guī)劃的研究還比較少，該部分工作主要解決的是針對連續(xù)交叉路口利用紅綠燈以及路口處等待隊列信息進行速度規(guī)劃，得到經(jīng)濟性參考車速，實現(xiàn)復雜城市工況下的預測節(jié)能，以適應動態(tài)的交通環(huán)境，利用預測巡航系統(tǒng)實現(xiàn)車輛跟蹤參考車速時的安全性以及舒適性。

解決方法有：考慮到利用的交通信息有前車信號燈等待隊列、道路限速等這些時空跨度較大，在時間和空間上對預測節(jié)能存在約束，因此提出時間域和距離域混合的分層控制策略；提出虛擬信號燈的概念，通過確定虛擬信號燈的位置、時序信息，達到利用隊列和連續(xù)信號燈的目的；此外，考慮到信號燈隊列往往都是位置固定，因此采用基于距離域的速度規(guī)劃方法，時間t將成為了一個狀態(tài)量，這樣信號燈時序就變?yōu)闋顟B(tài)量t的約束，從而實現(xiàn)對交通信息的高效利用。

首先基于LWR模型，對路口附近的交通流進行建模，如下右圖是同時考慮信號燈以及等待隊列信息進行速度規(guī)劃的示意圖。

首先建立虛擬信號燈概念，考慮到交通流密度對排隊隊列的影響，通過分類討論確定不同交通流密度下的隊列類型以確定虛擬信號燈，第一類都發(fā)生在交通流密度較低的情況下，特點是排隊完成快，消散也快；第二類是中等的交通流密度；第三類是交通流密度較高的情況，特點是排隊對長很長，而且一個綠燈無法完全消散，這時候很難利用上層的速度規(guī)劃進行預測節(jié)能控制，因此交給下層預測巡航控制進行經(jīng)濟性的跟車研究。另外考慮到對于連續(xù)交叉口綠燈時序的選擇對于節(jié)能效果行駛時間影響很大，因此針對不同的駕駛員風格進行通行區(qū)域的選擇，包括經(jīng)濟型和保守型。

通過以上交通流模型和虛擬信號燈的建立，得到了基于速度規(guī)劃的有用信息，接下來基于距離域進行速度規(guī)劃問題描述，同時交通信息在目標函數(shù)中以系統(tǒng)約束力實現(xiàn)高效利用。上層得到的最優(yōu)的經(jīng)濟性參考車速，下層通過設計預測巡航控制器在保證跟車安全的前提下進行速度跟蹤。

仿真結(jié)果對不同的交通流密度下控制策略進行了廣泛的驗證，基準方法藍色曲線表明實現(xiàn)交通路口不停車等待能耗和時間的減少效果非常明顯。

燃油消耗和行駛時間在不同的交通流密度下都有了明顯的提升。

上述兩個工作分別是利用短時域信息和長時域信息針對影響節(jié)能效果的研究，提出方法包括虛擬信號燈概念、距離域-時間域混雜的分層式能效滾動優(yōu)化控制策略，利用這種策略對不同信息進行了節(jié)能研究。

2.3基于交通流預測的網(wǎng)聯(lián)HEV預測節(jié)能

傳統(tǒng)的預測節(jié)能方式大多是在駕駛員駕駛需求下進行力矩分配，一般是基于規(guī)則或map進行控制，難以實現(xiàn)節(jié)能潛力最大化，所以隨著智能交通技術(shù)的發(fā)展，考慮智能HEV研究是基于交通預測的網(wǎng)聯(lián)汽車分層能量管理，需要研究的問題包括：如何建立交通預測模型并進行準確的預測？如何利用預測得到的交通信息進行速度優(yōu)化實現(xiàn)安全節(jié)能行駛？如何將其與轉(zhuǎn)矩分配和檔位進行最優(yōu)匹配，以提高能效？考慮交通預測與預測節(jié)能的復雜性利用分層控制思想對上述問題進行解決。

如示意圖，上層利用當前時刻交通地理信息預測前方交通流信息，利用預測得到的信息進行速度規(guī)劃實現(xiàn)預測節(jié)能，同時下層對上層得到的最優(yōu)驅(qū)動力進行優(yōu)化分配，實現(xiàn)最優(yōu)能量管理。

上圖為車輛在行駛過程中的示意圖，下圖紅色虛線框為要預測的前方交通流，通過V2X技術(shù)可獲取當前車輛的狀態(tài)信息，并利用智能駕駛員模型進行車與車之間的關系描述，該模型通過利用當前時刻兩車之間的速度、距離等信息可以估計到當前時刻的加速，進而預測下一時刻的速度位置，定義一個Y矩陣用來描述前車信息，通過智能駕駛員可以預測未來時刻前方車流信息，要注意的是，智能駕駛員模型描述的是兩車之間的關系，對于車流的第一臺車是無法獲取前車信息的，因此采用一種經(jīng)驗公式來預測該車的未來行駛狀態(tài)。

有了預測信息，如何利用呢，首先有兩個目標，安全和節(jié)能，同時還要保證一定的交通通行效率，因此將前方車流平均車速作為預測車速，另外利用前面車輛信息確定終端速度并約束這個信息以保證安全駕駛?；诖丝赏ㄟ^構(gòu)建該速度規(guī)劃最終實現(xiàn)對預測信息的高效利用以及安全節(jié)能行駛。另外為了實時求解，采用了極值原理與二分法結(jié)合，將原始最優(yōu)控制問題利用最優(yōu)必要條件轉(zhuǎn)化為初始狀態(tài)變量求根問題實現(xiàn)快速求解。

通過仿真試驗來驗證控制效果，定義了誤差的均方根來評價預測準確度，試驗時分析可能影響交通流預測準確度的因素，工況設置為前方有一個8輛車組成的車流，分別比較了考慮車輛個數(shù)以及預測步數(shù)的影響，可以看到隨著考慮車輛個數(shù)的增加，誤差減小，預測步數(shù)增大，誤差增大。

3總結(jié)

綜上，針對智慧城市中宏/微觀交通路網(wǎng)的跨時空信息，提出基于時間域和距離域混雜的建模方式；面向復雜城市工況的分層能效滾動優(yōu)化控制框架，應對復雜的動態(tài)交通信息；基于IDM模型描述微觀交通流的演變規(guī)律，并結(jié)合速度優(yōu)化問題，實現(xiàn)了對智能交通地理信息的預測+利用。

返回第一電動網(wǎng)首頁 >