2020年12月23日，中國汽研成功舉辦《2020第三屆新能源汽車測(cè)試評(píng)價(jià)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(shí)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(shí)也帶來了嚴(yán)重的能源與環(huán)境問題，給交通運(yùn)輸帶來了更大的負(fù)擔(dān)與挑戰(zhàn)。因此，利用可獲取的網(wǎng)聯(lián)信息通過對(duì)車輛行駛的預(yù)測(cè)控制對(duì)于實(shí)現(xiàn)節(jié)能減排以及提高通行效率具有很大意義。

當(dāng)前，在大數(shù)據(jù)、云計(jì)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(jì)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(guān)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(yù)計(jì)貢獻(xiàn)率將達(dá)到20%-25%，美國NEXTCAR項(xiàng)目在智能動(dòng)力系統(tǒng)節(jié)能減排中給出的目標(biāo)是20%。因此，在智能網(wǎng)聯(lián)發(fā)展的基礎(chǔ)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(dāng)前的研究熱點(diǎn)。

目前，針對(duì)智能汽車的行駛預(yù)測(cè)控制，主要考慮的是單一信息的特定交通場(chǎng)景下的利用，比如針對(duì)前車等短時(shí)域交通信息的巡航控制，以及針對(duì)單一信號(hào)、連續(xù)信號(hào)燈等長(zhǎng)時(shí)域信息的車輛速度優(yōu)化等，而對(duì)于車路協(xié)同或是智能網(wǎng)聯(lián)下利用動(dòng)態(tài)交通信息、靜態(tài)地理信息從而實(shí)現(xiàn)智能汽車更安全、更經(jīng)濟(jì)、更便捷、更舒適的目標(biāo)，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(shí)現(xiàn)車路協(xié)同以及對(duì)數(shù)據(jù)信息的充分挖掘，并與智能汽車行駛預(yù)測(cè)控制有效結(jié)合，還存在以下難點(diǎn)與挑戰(zhàn)：一是智能交通信息如何預(yù)測(cè)？如何達(dá)到更準(zhǔn)確？比如針對(duì)不同的應(yīng)用場(chǎng)景，采取不同尺度的交通流建模方式，目前對(duì)車輛的控制很多情況是假設(shè)獲取的信息絕對(duì)準(zhǔn)確，但這種假設(shè)是不太成立的，因此在部分網(wǎng)聯(lián)及信號(hào)燈等交通信息可控的情況下，如何提高交通預(yù)測(cè)準(zhǔn)確度是一個(gè)難點(diǎn)；二是當(dāng)準(zhǔn)確預(yù)測(cè)交通信息以后，預(yù)測(cè)的信息該怎樣利用，該部分主要針對(duì)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(dāng)前時(shí)刻多元交通信息加上預(yù)測(cè)得到的一些信息共同組成一個(gè)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(yù)測(cè)控制的有用關(guān)鍵信息是一個(gè)難點(diǎn)；三是如何與優(yōu)化問題更好的結(jié)合，以模型預(yù)測(cè)控制為例，因?yàn)槟Ｐ皖A(yù)測(cè)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(gè)優(yōu)化行駛問題的研究熱點(diǎn)；四是利用這些信息怎樣求解或是更快速的求解，因?yàn)殡S著5G技術(shù)的發(fā)展，智能信息更新迭代更加迅速，需要實(shí)時(shí)求解，優(yōu)化問題必須應(yīng)對(duì)快速變化的行車環(huán)境以提高車輛行駛的安全性經(jīng)濟(jì)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(yīng)對(duì)快速變化的交通環(huán)境的能力就越強(qiáng)，另外，還需要考量的是目前先進(jìn)的非線性優(yōu)化算法難以在實(shí)車上車載級(jí)的芯片中進(jìn)行使用，所以更有必要對(duì)快速求解方法進(jìn)行研究。

針對(duì)上述存在的難點(diǎn)與挑戰(zhàn)展開研究，首先是考慮前方車輛動(dòng)態(tài)的電動(dòng)汽車經(jīng)濟(jì)性預(yù)測(cè)巡航控制，在此基礎(chǔ)上研究了基于路口等待隊(duì)列的連續(xù)多交叉口分層經(jīng)濟(jì)性駕駛和基于交通預(yù)測(cè)的網(wǎng)聯(lián)HEV實(shí)時(shí)預(yù)測(cè)節(jié)能控制策略，并且非線性預(yù)測(cè)控制快速求解方法貫穿于其中。

2 研究?jī)?nèi)容

2.1 電動(dòng)汽車預(yù)測(cè)巡航控制

電動(dòng)汽車預(yù)測(cè)巡航控制的目標(biāo)是求解最優(yōu)的電機(jī)力矩和制動(dòng)力，保證跟車安全性，實(shí)現(xiàn)經(jīng)濟(jì)性行駛。

對(duì)電機(jī)的能效進(jìn)行擬合，擬合出關(guān)于轉(zhuǎn)矩和轉(zhuǎn)速的多項(xiàng)式。還提出了終端速度懲罰項(xiàng)、約束項(xiàng)，保證跟車安全。為了提高計(jì)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(diǎn)數(shù)，進(jìn)而降低計(jì)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(shí)現(xiàn)大概4.1%的節(jié)能。

2.2 考慮路口等待隊(duì)列的連續(xù)多交叉口經(jīng)濟(jì)性駕駛

考慮路口等待隊(duì)列的連續(xù)多交叉口分層經(jīng)濟(jì)性駕駛策略，單一信號(hào)燈往往是在通暢道路情況下只考慮信號(hào)燈以及道路限速的影響進(jìn)行速度規(guī)劃，由于未考慮隊(duì)列信息，所求的最優(yōu)解與實(shí)際情況偏差較大；針對(duì)連續(xù)信號(hào)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(duì)同時(shí)考慮連續(xù)信號(hào)燈和等待隊(duì)列信息進(jìn)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(duì)連續(xù)交叉路口利用紅綠燈以及路口處等待隊(duì)列信息進(jìn)行速度規(guī)劃，得到經(jīng)濟(jì)性參考車速，實(shí)現(xiàn)復(fù)雜城市工況下的預(yù)測(cè)節(jié)能，以適應(yīng)動(dòng)態(tài)的交通環(huán)境，利用預(yù)測(cè)巡航系統(tǒng)實(shí)現(xiàn)車輛跟蹤參考車速時(shí)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(hào)燈等待隊(duì)列、道路限速等這些時(shí)空跨度較大，在時(shí)間和空間上對(duì)預(yù)測(cè)節(jié)能存在約束，因此提出時(shí)間域和距離域混合的分層控制策略；提出虛擬信號(hào)燈的概念，通過確定虛擬信號(hào)燈的位置、時(shí)序信息，達(dá)到利用隊(duì)列和連續(xù)信號(hào)燈的目的；此外，考慮到信號(hào)燈隊(duì)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(shí)間t將成為了一個(gè)狀態(tài)量，這樣信號(hào)燈時(shí)序就變?yōu)闋顟B(tài)量t的約束，從而實(shí)現(xiàn)對(duì)交通信息的高效利用。

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

首先建立虛擬信號(hào)燈概念，考慮到交通流密度對(duì)排隊(duì)隊(duì)列的影響，通過分類討論確定不同交通流密度下的隊(duì)列類型以確定虛擬信號(hào)燈，第一類都發(fā)生在交通流密度較低的情況下，特點(diǎn)是排隊(duì)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(diǎn)是排隊(duì)對(duì)長(zhǎng)很長(zhǎng)，而且一個(gè)綠燈無法完全消散，這時(shí)候很難利用上層的速度規(guī)劃進(jìn)行預(yù)測(cè)節(jié)能控制，因此交給下層預(yù)測(cè)巡航控制進(jìn)行經(jīng)濟(jì)性的跟車研究。另外考慮到對(duì)于連續(xù)交叉口綠燈時(shí)序的選擇對(duì)于節(jié)能效果行駛時(shí)間影響很大，因此針對(duì)不同的駕駛員風(fēng)格進(jìn)行通行區(qū)域的選擇，包括經(jīng)濟(jì)型和保守型。

通過以上交通流模型和虛擬信號(hào)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(jìn)行速度規(guī)劃問題描述，同時(shí)交通信息在目標(biāo)函數(shù)中以系統(tǒng)約束力實(shí)現(xiàn)高效利用。上層得到的最優(yōu)的經(jīng)濟(jì)性參考車速，下層通過設(shè)計(jì)預(yù)測(cè)巡航控制器在保證跟車安全的前提下進(jìn)行速度跟蹤。

仿真結(jié)果對(duì)不同的交通流密度下控制策略進(jìn)行了廣泛的驗(yàn)證，基準(zhǔn)方法藍(lán)色曲線表明實(shí)現(xiàn)交通路口不停車等待能耗和時(shí)間的減少效果非常明顯。

燃油消耗和行駛時(shí)間在不同的交通流密度下都有了明顯的提升。

上述兩個(gè)工作分別是利用短時(shí)域信息和長(zhǎng)時(shí)域信息針對(duì)影響節(jié)能效果的研究，提出方法包括虛擬信號(hào)燈概念、距離域-時(shí)間域混雜的分層式能效滾動(dòng)優(yōu)化控制策略，利用這種策略對(duì)不同信息進(jìn)行了節(jié)能研究。

2.3基于交通流預(yù)測(cè)的網(wǎng)聯(lián)HEV預(yù)測(cè)節(jié)能

傳統(tǒng)的預(yù)測(cè)節(jié)能方式大多是在駕駛員駕駛需求下進(jìn)行力矩分配，一般是基于規(guī)則或map進(jìn)行控制，難以實(shí)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(yù)測(cè)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(yù)測(cè)模型并進(jìn)行準(zhǔn)確的預(yù)測(cè)？如何利用預(yù)測(cè)得到的交通信息進(jìn)行速度優(yōu)化實(shí)現(xiàn)安全節(jié)能行駛？如何將其與轉(zhuǎn)矩分配和檔位進(jìn)行最優(yōu)匹配，以提高能效？考慮交通預(yù)測(cè)與預(yù)測(cè)節(jié)能的復(fù)雜性利用分層控制思想對(duì)上述問題進(jìn)行解決。

如示意圖，上層利用當(dāng)前時(shí)刻交通地理信息預(yù)測(cè)前方交通流信息，利用預(yù)測(cè)得到的信息進(jìn)行速度規(guī)劃實(shí)現(xiàn)預(yù)測(cè)節(jié)能，同時(shí)下層對(duì)上層得到的最優(yōu)驅(qū)動(dòng)力進(jìn)行優(yōu)化分配，實(shí)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?yàn)橐A(yù)測(cè)的前方交通流，通過V2X技術(shù)可獲取當(dāng)前車輛的狀態(tài)信息，并利用智能駕駛員模型進(jìn)行車與車之間的關(guān)系描述，該模型通過利用當(dāng)前時(shí)刻兩車之間的速度、距離等信息可以估計(jì)到當(dāng)前時(shí)刻的加速，進(jìn)而預(yù)測(cè)下一時(shí)刻的速度位置，定義一個(gè)Y矩陣用來描述前車信息，通過智能駕駛員可以預(yù)測(cè)未來時(shí)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(guān)系，對(duì)于車流的第一臺(tái)車是無法獲取前車信息的，因此采用一種經(jīng)驗(yàn)公式來預(yù)測(cè)該車的未來行駛狀態(tài)。

有了預(yù)測(cè)信息，如何利用呢，首先有兩個(gè)目標(biāo)，安全和節(jié)能，同時(shí)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(yù)測(cè)車速，另外利用前面車輛信息確定終端速度并約束這個(gè)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(shí)現(xiàn)對(duì)預(yù)測(cè)信息的高效利用以及安全節(jié)能行駛。另外為了實(shí)時(shí)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(shí)現(xiàn)快速求解。

通過仿真試驗(yàn)來驗(yàn)證控制效果，定義了誤差的均方根來評(píng)價(jià)預(yù)測(cè)準(zhǔn)確度，試驗(yàn)時(shí)分析可能影響交通流預(yù)測(cè)準(zhǔn)確度的因素，工況設(shè)置為前方有一個(gè)8輛車組成的車流，分別比較了考慮車輛個(gè)數(shù)以及預(yù)測(cè)步數(shù)的影響，可以看到隨著考慮車輛個(gè)數(shù)的增加，誤差減小，預(yù)測(cè)步數(shù)增大，誤差增大。

3總結(jié)

綜上，針對(duì)智慧城市中宏/微觀交通路網(wǎng)的跨時(shí)空信息，提出基于時(shí)間域和距離域混雜的建模方式；面向復(fù)雜城市工況的分層能效滾動(dòng)優(yōu)化控制框架，應(yīng)對(duì)復(fù)雜的動(dòng)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(shí)現(xiàn)了對(duì)智能交通地理信息的預(yù)測(cè)+利用。

返回第一電動(dòng)網(wǎng)首頁 >