关键词：
生态驾驶
混合车队
最优控制
智能网联技术
摘要：
交通系统承载着运输乘客、物流周转、应急保障等多方面的功能,随着中国城市化的推进,城市交通给人们的出行带来便利的同时,也产生了许多负面影响,如交通拥堵、环境污染、能源消耗等问题日益突出,严重影响可持续交通系统的发展。在全球能源短缺、气候变化的背景下,许多国家都提出了实现碳达峰、碳中和的重要战略目标。交通运输行业是化石能源消耗和碳排放的重要行业,因此面临着十分严峻的节能减排压力。新能源技术、智能网联技术和自动驾驶技术的蓬勃发展,给引导车辆绿色行驶、提升能源经济性带来了新的机遇。然而,实现车辆完全电动化、网联化、自动化并不能一蹴而就,必然存在着一个人工驾驶和自动驾驶车辆混行的过渡阶段。因此,针对混合车流的不同运行特征和动力特性,研究其生态驾驶策略,充分发挥自动驾驶车辆的优势,以达到节能减排的目的具有重要的现实意义。
本文利用最优控制理论和车辆跟驰模型,以网联自动驾驶电动车(Connected and Automated Electric Vehicles,CEVs)、人工驾驶电动车(Human-driven Electric Vehicles,HEVs)和人工驾驶燃油汽车(Human-driven Gasoline Vehicles,HGVs)组成的混合车队为研究对象,在智能网联技术背景下,提出了一种基于离散距离的混合车队轨迹优化方法。该方法以混合车队的总能耗最低为主要优化目标,同时考虑舒适度和通行效率的要求。之后将所提出的优化方法应用于两类典型交通场景,比较轨迹优化前后混合车队在能耗、舒适性、交通效率等方面的性能。
首先,本文提出并构建了混合车队轨迹优化的一般框架。在混合车队以CEV为头车,跟驰车包含CEVs、HEVs和HGVs。考虑到人工驾驶车辆和网联自动车的不同运行特征,分别构建各自的动力学演化方程:采用最优速度模型(Optimal Velocity Model,OVM)描述人工驾驶车辆的跟驰行为,CEVs的动力学由本文提出的轨迹优化方法进行控制。根据燃油车和电动车的不同动力特性,选择瞬时油耗模型和瞬时电耗模型分别描述其能耗特点。然后在生态驾驶轨迹优化模型框架的基础上,采用离散化的思想将优化模型从时间维度转化到空间维度,构建了基于离散距离的轨迹优化框架。
然后,本文将所提出的方法应用于速度限制区域场景。研究结果表明,本文所提出的轨迹优化方法可以引导整个车队以缓慢减速的方式到达速度限制区域,当CEVs渗透率为25%时,相比于目标函数只考虑头车的优化模型,该方法在不显著降低通行效率的情况下,使得混合车队的总能耗减少22.08%。当CEVs的渗透率增大到75%时,混合车队的总能耗最多可节省90.9%,而旅行时间只增加了1.62s。
最后,本文将所提出的轨迹优化方法应用于混合车队通过信号交叉口的场景。研究结果表明,通过速度诱导,混合车队中的所有车辆以先减速后加速的方式平缓地通过信号交叉口,可以避免因急加减速或怠速所产生的额外能耗。相比于全人工驾驶场景,优化后混合车队的总能耗可减少16.53%～32.13%,同时通行效率提升了2.70%～4.21%。随着CEVs的渗透率越大,能耗节约效果越明显。此外,跟驰CEVs的驾驶行为对优化效果也会产生影响,当所有跟驰CEVs都接受速度建议时,混合车队的平均能耗比跟驰CEVs不接受速度建议可降低4.25%～17.72%。
图22幅,表12个,参考文献64篇。
欢迎来到三峡大学图书馆！
