一种基于分层式车速规划的车辆节能驾驶方法与流程

本发明涉及车辆车速规划技术领域，特别涉及一种基于分层式车速规划的车辆节能驾驶方法。

背景技术：

车辆实际的能量需求由驾驶员的驾驶意图与路况信息共同决定，优化驾驶行为和行车车速是深层优化车辆能效的关键，一般称为节能驾驶。目前，节能驾驶方法的设计主要分为两种类型，一类是在车辆传统纵向辅助驾驶的基础上，通过智能预测前方车辆的未来速度轨迹，优化自车的驱动力和制动力，避免过度的加减速行为，实现智能跟车，此方法能保证自车获得较平滑的加减速轨迹，主要目标是实现安全稳定的跟车运行，对于车辆的节能驾驶仅能实现局部最优控制；另一类方法是利用v2i技术获取红绿灯信号相位和定时信息，结合自车与交通信号灯的距离等信息，运用优化算法求出自车的最优速度轨迹，使得按照速度轨迹行驶可以最小化行驶时间或最小化车辆能量消耗。然而现有的方法多局限在通畅道路情况下，即车辆可以按照规划的速度进行行驶，未充分考虑实时路况信息对自车的影响。

本发明所定义的技术名称如下：

长期车速规划：指利用静态和慢速变化的路况信息，从出发点到目的地全程的车速规划，涉及数公里到数十公里的行驶里程。当行程达到数百公里或以上时，长期车速规划也指将行程进行分段后，针对每一段的车速规划(如每10公里在线规划一次)。

短期车速规划：指利用实时的路况信息，从当前时刻/位置开始之后的数秒/数十米内的车速规划，短期车速规划的计算是实时进行的(根据硬件计算能力，如每100ms或者10ms计算一次)。

重规划：指长期车速规划在时间或空间上对短期车速规划不具有引导作用时，重新进行长期车速规划的操作。

技术实现要素：

本发明针对现有技术的缺陷，提供了一种基于分层式车速规划的车辆节能驾驶方法，解决了现有技术中存在的缺陷。

为了实现以上发明目的，本发明采取的技术方案如下：

一种基于分层式车速规划的车辆节能驾驶方法，包括：长期车速规划、短期车速规划和重规划；

长期车速规划：首先获取车辆预期行驶路段全程的道路信息，包括各路段道路限速、道路坡度、路面状况、信号灯位置等道路信息；获取交通信息，包括各信号灯相位和定时信息，历史交通数据库信息，或各路段实时车流的平均车速信息；基于获取的道路信息、交通信息和车辆运动学信息，构建兼顾车辆能耗和行驶时间的价值函数，利用优化算法求得长期车速规划下的最优行驶策略。

短期车速规划：短期车速规划以长期车速规划计算出的最优行驶策略为引导，结合实时路况信息、信号灯相位和定时信息，在有限滚动时域内，利用优化算法计算短期规划下的未来最优速度轨迹及最优车道选择。

重规划：若判断在当前路况和车辆状态下，长期车速规划结果对短期车速规划不具有引导作用，则进行重规划操作，并更新短期车速规划的引导层信息。

将长期车速规划与短期车速规划相结合，长期车速规划的结果作为短期车速规划的引导，在短期车速规划阶段引入实时路况信息和交通信号灯相位和定时信息，确保行驶安全，同时给出车道选择和长期车速规划的重规划需求，使得本方法在实际应用中能适应多种交通路况，为智能网联车辆节能驾驶提供长期最优和实时最优速度轨迹。

具体步骤如下：

一、获取车辆拟行驶路径全程各路段的道路信息和交通信息，构建车辆行驶道路模型；

二、结合车辆动力学特性，构建由能量消耗和驾驶时间组成的价值函数，应用优化算法计算长期最优行驶策略；

优化算法为：动态规划算法、分布估计算法和遗传算法的其中一种。

最优行驶策略包括：行驶距离-时间轨迹和行驶距离-车速轨迹，基于计算结果可以转化为时间-车速轨迹、时间-行驶距离轨迹，输入短期车速规划引导层。

三、获取当前路段路况信息，构建车辆实时道路环境模型；

四、以长期最优行驶策略为引导层，计算车辆在实时交通环境中的短期最优车速和最优行驶车道。

五、判断长、短期车速规划的协调程度，输出重规划指令，更新短期车速规划的引导层。

进一步地，所述步骤一具体为：

s11：获取智能网联车辆规划行驶路径上各路段的道路信息和交通信息；

道路信息包括：道路限速信息、道路坡度信息、道路路面信息和信号灯位置信息；

交通信息包括：各红绿灯相位和定时信息、各路段历史同期平均车速信息和当前道路车流车速信息。

s12：利用各路段历史同期平均车速信息或实时车流车速信息预测各路段未来平均车速。

s13：将基于数据预测的各路段平均车速与道路限速、道路路面情况限速相结合，求取各路段合理行驶车速和加速度范围。

进一步地，所述步骤二具体为：

s21：基于车辆信息，获得发动机转矩、发动机转速、制动力和变速器挡位范围约束，结合步骤一中计算得到的行驶车速和行驶加速度范围约束，构建长期车速规划优化约束条件。

s22：长期车速规划构建由燃油消耗率和行驶时间组成的价值函数，通过调节权重因子比例可以使长期车速规划实现能耗最优或驾驶时间最短。

s23：应用长期车速规划优化方法，求解每一步长下使得价值函数最小化的长期车速规划控制变量，并得到此时的长期车速规划状态变量，迭代求解，可以获得长期车速规划最优行驶策略。

长期车速规划控制变量指的是发动机转矩、制动力和变速器挡位。

长期车速规划状态变量指的是行驶时间、车辆速度。

进一步地，所述步骤三具体为：

s31：获取自车车辆状态，包括车辆位置、车辆速度、车辆当前行驶车道；获取车辆与当前一个信号灯的距离及信号灯的相位和定时信息；

s32：获取周围车辆的加速度、速度、位置信息；

s33：判断周围车道是否可安全换道，剔除换道可能与后车产生危险的车道，构建可安全换道车道集。

进一步地，所述步骤四具体为，

s41：基于步骤三构建的可安全换道车道集，选择短期车速规划状态变量和短期车速规划控制变量，构建各车道的车辆跟驰价值函数；

s42：采用有限时域滚动优化的方法，计算各车道的车辆跟驰价值函数；

s43：比较各车道的车辆跟驰价值函数值，选择最优行驶车道，并给出相应的短期最优车速、驱动力矩、制动力。

短期车速规划状态变量包括：距当前一个信号灯的距离、与前车距离、自车行驶距离和自车速度；

短期车速规划控制变量包括：发动机转矩、制动力、变速器挡位和行驶车道。

进一步地，s42中有限时域滚动优化时，采用包括：序列二次规划算法、内点法、牛顿法、遗传算法等算法的其中一种对车辆跟驰价值函数进行求解；

进一步地，s41中车辆跟驰价值函数构建时，包括跟驰行驶安全、引导层的跟随程度、驾驶舒适性、交通信号灯规则、行驶能耗等指标；

进一步地，所述步骤五具体为，

s51：车辆执行短期车速规划的结果，在全局时间下，采集此时的车辆实际行驶距离和引导层参考行驶距离，计算出行驶距离偏差值；

s52：根据车辆的动力性能和此时车辆运行状态计算行驶距离偏差阈值，将实际行驶距离偏差值和行驶距离偏差阈值做比较；

s53：若实际行驶距离偏差值超过阈值，则进行重规划；此外，若行驶任务发生变更时，长期车速规划同样进行重规划，每次重规划完成后，均根据长期车速的重规划结果更新短期车速规划的引导层；否则，不做更改。

与现有技术相比，本发明的优点在于：

将长期速度规划与短期速度规划相结合，扩宽了传统节能驾驶方法的适用范围，使得长期速度规划求解的最优行驶车速可以适应更一般的驾驶情景，可以兼顾节能驾驶与行驶安全；同时，基于长期速度规划的求解结果进行短期速度规划，使得短期速度规划的求解结果具有更好的全局优化性。

附图说明

图1是本发明车辆节能驾驶方法流程图。

图2是短期车速规划及车道选择方法示意图。

具体实施方式

为使本发明的目的、技术方案及优点更加清楚明白，以下根据附图并列举实施例，对本发明做进一步详细说明。

如图1所示，一种基于分层式车速规划的车辆节能驾驶方法，包括以下步骤：

1.构建拟行驶路径道路模型：

首先，获取各路段的当前道路限速信息、道路坡度信息、路面状况信息和红绿灯位置信息，构建静态道路模型；

其次，获取预期行驶路径上各信号灯的相位和定时信息，并通过访问道路历史信息数据库，获取划分的各个路段的同时段历史平均车流、车速信息，构建各路段数据模型；

最终，将静态道路模型与各路段数据模型相结合，构建用于全局车速规划的道路模型。

具体地，用于全局车速规划的道路模型包括以下信息：

(a)各路段合理车速范围[vmin,vmax]。将各路段历史同时段平均车速，或者是根据当前路况预测出的各路段未来平均车速作为各路段预测车速vpredict，将预测车速vpredict上下浮动百分之三十作为行驶车速范围的上下界，同时考虑路段道路限速，得出合理车速范围。

(b)各路段坡度信息θ(s)。

(c)各信号灯位置信息。

(d)各信号灯相位和定时信息。

2.长期车速规划

以空间变量s为自变量，选择发动机转矩、制动力矩、变速器挡位为控制变量，即u＝[teng(s),tbrk(s),ngb(s)]^t；选择车辆行驶速度与行驶时间为状态变量，即x＝[v(s),t(s)]^t

构建车辆动力学模型

cr＝cr1+cr2v(3)

式中，m表示车辆质量，a表示车辆加速度，rgb表示综合传动比，teng表示发动机转矩，tbrk表示制动力矩，tr表示路面阻力和空气阻力之和，rwhl表示车轮滚动半径，g表示重力加速度，θ表示路面坡度，s表示车辆行驶距离，cr表示滚动阻力系数，ρ表示空气密度，a表示迎风面积，cd表示空气阻力系数，v表示车辆行驶速度，t表示车辆行驶时间，cr1和cr2表示滚动阻力常数。

发动机转速ωeng与车辆的行驶速度v有转换关系：

综合传动比rgb是挡位ngb的函数

rgb＝f(ngb)·rfd(5)

式中，rfd表示主减速器传动比。

构建由燃油消耗量、行驶时间组成的长期车速规划价值函数jlong：

式中，表示燃油消耗率，w1、w2表示燃油消耗与行驶时间的权重系数。

具体地，价值函数的第一项代表燃油消耗，燃油消耗率是与发动机转速ωeng、转矩teng相关的函数，可以通过查表法或近似拟合法得到；第二项代表驾驶时间，不同的权重系数分配可以使得长期车速规划倾向于减小燃油消耗或节约驾驶时间。

状态变量动态方程根据整车动力学公式计算得到：

式中，k∈{0,…,n-1}，δs是优化算法中的位置步长。

根据车辆状态和路况，构建全局车速规划优化约束条件：

a^min≤a(s)≤a^max,v^min≤v(s)≤v^max(9)

式中，分别表示发动机转矩上限值、下限值，分别表示制动力矩上限值、下限值，a^min、a^max分别表示车辆加速度上限值、下限值，v^min、v^max分别表示车辆行驶速度上限值、下限值。

特别地，信号灯规则通行约束设置如下：

假设长期车速规划的总行驶里程为sf,则预期行驶路径上i个信号灯的位置sⁱ满足

sⁱ∈[0,sf],i＝{1,2...i}(10)

各个信号灯的周期长度和起始时间彼此独立。定义第i个信号灯周期长度为每个信号灯周期以红灯开始，以绿灯结束，红灯时段满足

以车辆出发时刻为时间起始点，此时第i个信号灯的自循环周期时间记为c0ⁱ，那么车辆行驶时间t和第i个信号灯的自循环周期时间的转换关系为

式中，mod表示取余运算。

车辆仅能在绿灯时段通过信号灯路口，因此有约束：

终端条件约束：

v(0)＝v(sf)＝0(14)

式中，sf表示车辆到达行程终点时的行驶距离。

设置行程最大行驶时间tf,则行驶时间满足约束：

t(sf)≤tf(15)

初次长期车速规划时，起始车速与终端车速均规定为零，设置行驶时间上限以避免过度追求经济性牺牲通行效率。

运用动态规划等优化算法逆序计算状态空间内最优价值函数和对应的最优解。根据最优解，顺序计算给定初始状态下的各状态变量，最终得到长期车速规划结果。

3短期车速规划如图2所示

3.1车辆实时环境模型

获取自车位置xh、前车位置xp、自车车速vh,前车车速vp、前车加速度ap；

获取当前路段道路信息、当前一个信号灯相位和定时信息；

获取自车当前行驶车道及周围车道信息，剔除存在后车且距离较近的车道，构建可安全换道车道集。

3.2车辆动力学模型及约束

以时间变量t为自变量，选择发动机转矩、制动力、变速器挡位、行驶车道为控制变量，即u＝[teng,tbrk,ngb,lane]^t,lane∈{c,r,l}，c、r、l分别表示当前行驶车道、右侧车道、左侧车道，在计算时可量化为{0,-1,1}；

考虑车辆每次变道只选择相邻车道进行变道，且在短期车速规划中假设变道操作为瞬间行为，不考虑车辆横向动力学。

选择状态变量包括：距当前一个红绿灯的距离dtl、与前车距离df、自车行驶距离s、自车速度v，即x＝[dtl,df,s,v]^t,构建离散的短期车速规划的纵向动力学模型：

式中，ts表示采样时间，vp表示前车速度。

车辆行驶速度应遵守道路限速范围约束：

vmin≤v(t)≤vmax(17)

同时，控制变量作用范围应在车辆动力系统允许范围内：

umin≤u(t)≤umax(18)

式中，umin、umax分别表示控制变量上限值、下限值。

3.3安全约束

最小跟驰间距可以根据驾驶场景进行设置，例如：预先选择车头时距h、停车时两车最小间距d0，可设置最小安全车距dmin为：

dmin＝d0+h·v(19)

车辆跟驰行驶过程中应该与前车保持安全车距，即：

df≥dmin(20)

车辆行驶过程中，应当遵守交通规则，即当前信号灯红灯时：

dtl(t)≥0(21)

3.4构建车辆各车道跟驰行驶价值函数

以全局车速规划计算结果为引导层：将全局车速规划基于距离域的计算结果v(s)和t(s)，转换为基于时间域的计算结果vref(t)和sref(t)，作为短期车速规划的引导层。

构建以跟驰行驶安全、道路规则、车辆动力学特性为约束，综合跟随长期车速规划结果、驾驶舒适性、行驶能耗等指标的价值函数：

其中，l∈{t,…,t+np-1}，np表示预测时域长度；jlane表示不同车道的短期车速规划价值函数，下标lane的取值与车道相对应；vref(t)和sref(t)分别表示引导层中的参考行驶速度和参考行驶距离；wv、wx、wu、w△u分别表示车速跟随项、行驶距离跟随项、行驶能耗项和驾驶舒适性项的权重系数。权重系数的设置一方面可以统一各个价值项的量纲，另一方面，根据具体驾驶场景可以选择不同的权重系数分配，满足多样化的驾驶需求。

短期车速规划采用有限滚动时域的方法，在每一个预测时域np内，可使用序列二次规划算法、内点法、牛顿法、遗传算法等进行优化求解，得到预测时域np内的最优控制变量及对应的价值函数值jc、jr、jl。

比较各车道的跟驰价值函数值，取跟驰价值函数值最小的车道为目标车道，对应的最优控制变量为车辆的需求力矩。

特别地，对于左舵车辆而言，若jc＝jr＝jl，则保持在当前车道行驶；若jr＝jl>jc，则选择左侧车道变道行驶。

4车辆重规划

在全局时间t时刻，车辆执行短期车速规划计算结果。采集此时的车辆状态，包括车辆行驶距离s(t)、车辆速度v(t)；同时，查询引导层此时的参考行驶距离sref(t)，计算此时的行驶距离偏移量s(t)和行驶距离偏移量阈值s阈值：

δs(t)＝|s(t)-sref(t)|(23)

其中，s阈值是v(t)的函数，当v(t)较大时，允许相对较大的行驶距离跟踪误差；k是重规划阈值系数，可以调节重规划的灵敏度。

当δs＞s阈值时，判定长期车速规划的结果对于短期车速规划不再具有引导作用，以此时的车辆状态为初始和终端条件，重新进行长期车速规划，用重规划结果更新引导层。

特别地，若行驶途中，车辆行驶任务发生变更，如目的地发生改变时，应用本方法所述的重规划功能同样可以处理这一问题。

本领域的普通技术人员将会意识到，这里所述的实施例是为了帮助读者理解本发明的实施方法，应被理解为本发明的保护范围并不局限于这样的特别陈述和实施例。本领域的普通技术人员可以根据本发明公开的这些技术启示做出各种不脱离本发明实质的其它各种具体变形和组合，这些变形和组合仍然在本发明的保护范围内。