關(guān)鍵詞：自適應(yīng)巡航控制；節(jié)能巡航；高精地圖；正向動態(tài)規(guī)劃

0前言

自適應(yīng)巡航控制（ACC）系統(tǒng)是車輛自動駕駛輔助功能的重要組成部分，能夠改善車輛行駛安全性，提高駕駛舒適性和通行效率，因而逐步成為消費(fèi)者購車時的重要考慮因素［1］。根據(jù)智數(shù)汽車研究報告，除小型車和微型車外，2018 年大多數(shù)車型的ACC 系統(tǒng)綜合配置率高于2017 年［2］，由此可見ACC 系統(tǒng)具有廣闊的應(yīng)用前景。

ASADI 等［3］利用3D 地圖提供的紅綠燈信息，基于模型預(yù)測理論進(jìn)行預(yù)測性巡航控制，以降低燃油消耗量和提升路口通行效率；XIA 等［4］通過車路協(xié)同（V2I）技術(shù)獲取紅綠燈信息，為駕駛員提供預(yù)測信息和速度建議；孫濤等［5］基于紅綠燈信息建立了協(xié)同式ACC 系統(tǒng)，通過縮減不必要的速度保持或加速來提升車輛舒適性和經(jīng)濟(jì)性；WEISSGMANN 等［6］采用動態(tài)規(guī)劃算法離線求解經(jīng)濟(jì)車速，并通過云端傳輸給車輛，控制車輛對該參考車速進(jìn)行跟隨，一定程度上解決了定速巡航的弊端；KAMAL 等［7］基于模型預(yù)測理論對車輛在上下坡過程中的車速進(jìn)行規(guī)劃，通過減少剎車或急加速來降低車輛燃油消耗；XU 等［8］利用極小值原理，基于車身動能和燃油消耗等效轉(zhuǎn)換控制器來求解最優(yōu)車速軌跡，使燃料消耗量達(dá)到最低；張立斌等［9］結(jié)合道路坡度信息，采用云模型相關(guān)理論預(yù)測不同行駛阻力下的最優(yōu)車速，提高車輛行駛經(jīng)濟(jì)性。

目前，已有的研究大多運(yùn)用離線地圖信息或短距離交通信息進(jìn)行局部車速規(guī)劃，這在一定程度可降低能耗，但道路信息更新不及時、傳感器延時、陷入局部最優(yōu)解等問題會導(dǎo)致導(dǎo)航參考車速不完全適用于當(dāng)前車輛面臨的道路環(huán)境。隨著車用導(dǎo)航高精地圖（簡稱“高精地圖”）的不斷發(fā)展與完善，利用實(shí)時道路交通信息和道路坡度預(yù)測信息進(jìn)行長距離甚至全局車速規(guī)劃具有巨大潛力。

1節(jié)能巡航控制邏輯

本文提出的節(jié)能巡航控制邏輯如圖1所示。當(dāng)ACC 系統(tǒng)開啟后，如果前方有車，則進(jìn)入ACC跟車模式，否則將進(jìn)入ACC 節(jié)能巡航模式。以高精地圖獲取的較長距離道路坡度和道路限速為基礎(chǔ)，采用正向動態(tài)規(guī)劃算法求解節(jié)能巡航車速（以下簡稱“節(jié)能車速”）曲線，將其作為巡航過程中的參考車速，并實(shí)際車速進(jìn)行比對，將控制指令輸送給車輛執(zhí)行機(jī)構(gòu)，以此控制車輛按節(jié)能速度行駛。

1. 1高精地圖

相較于普通地圖，高精地圖具有精度高、道路信息豐富等優(yōu)點(diǎn)，能夠為目前主流的L2 及以上級別的自動駕駛提供超視距路況信息，如前方較遠(yuǎn)距離的道路坡度、曲率、交通流、高速出入口匝道信息等。同時，高精地圖還能為傳感器提供感知冗余，很大程度上可避免因光線直射攝像頭而難以辨別紅綠燈、因視線遮擋而無法準(zhǔn)確辨別車道線，以及陰雨天氣對雷達(dá)產(chǎn)生干擾等情況的發(fā)生。

1. 2正向動態(tài)規(guī)劃求解節(jié)能車速

基于高精地圖的節(jié)能車速規(guī)劃，一方面需要保證車輛能夠較經(jīng)濟(jì)地在坡道上行駛，規(guī)避定速巡航的弊端；另一方面需要保證車輛的旅程耗時不被耽擱太久，以保證車輛行駛效率。本文采用正向動態(tài)規(guī)劃算法［10］進(jìn)行節(jié)能車速規(guī)劃，主要過程如下：

（1） 確定狀態(tài)變量。選取車速為狀態(tài)變量，檔位和坡度為控制變量，根據(jù)車輛運(yùn)動學(xué)方程，在空間域上對車速進(jìn)行求解，可得：

（3）正向動態(tài)規(guī)劃求解。正向動態(tài)規(guī)劃狀態(tài)轉(zhuǎn)移如圖2 所示。選定合適的位移和速度離散步長，將規(guī)劃路徑的總位移劃分為n 個階段，每個階段對應(yīng)的車速區(qū)間劃分為m 個狀態(tài)，分別建立車速狀態(tài)空間矩陣u（圖2 中u_m，n 代表當(dāng)處于階段n 時的第m個車速狀態(tài)點(diǎn)）、代價記錄矩陣J（圖2 中J_m，n 代表到達(dá)階段n 的第m 個車速狀態(tài)點(diǎn)時所需的最小代價）、檔位記錄矩陣和路徑記錄矩陣，從起點(diǎn)開始求解從當(dāng)前階段k 轉(zhuǎn)移到k+1 階段的最小代價，并進(jìn)行記錄；當(dāng)全部狀態(tài)遍歷完成后，從終止?fàn)顟B(tài)出發(fā)，根據(jù)最優(yōu)代價逆向找到最優(yōu)路徑序列，根據(jù)最優(yōu)路徑序列查找出最佳經(jīng)濟(jì)車速曲線。需要指出的是，如果在某個狀態(tài)點(diǎn)轉(zhuǎn)移過程中變量超出約束，則將該狀態(tài)點(diǎn)代價設(shè)置為無窮大，并在下一步計算中跳過該狀態(tài)點(diǎn)，而不是每步均遍歷所有狀態(tài)點(diǎn)，以加快算法的求解速度。

2仿真驗證

2. 1車輛系統(tǒng)動力學(xué)建模

為驗證所提出的節(jié)能巡航控制方法的可靠性，本文基于上汽某款插電式混合動力商用車的實(shí)車測量參數(shù)，基于Matlab 軟件的Simulink 工具，根據(jù)前向仿真架構(gòu)搭建了整車模型。整車模型包括觀測模塊、駕駛員模型、控制策略模型及動力系統(tǒng)模型。前向仿真架構(gòu)如圖3 所示，整車動力學(xué)模型如圖4 所示。

2. 2仿真結(jié)果

從高精地圖獲取的溧寧高速道路信息如圖5所示，從中截取約10 km 的道路，其坡度和海拔高度信息如圖6 所示。

直接獲取的坡度角曲線存在過多的毛刺（小的峰、谷），故在仿真中對其進(jìn)行了適當(dāng)?shù)臑V波處理。截取的部分道路坡度信息如圖7 所示。對道路坡度信息進(jìn)行統(tǒng)計，見表1。由表1 可以看出，全程上坡平均坡度角為0.015 3 rad，下坡平均坡度角為0.012 6 rad。根據(jù)交通流限速信息及整車動力參數(shù)設(shè)置正向動態(tài)規(guī)劃算法的基本參數(shù)和約束條件，見表2。

將所截取道路劃分為5 段，每段長度為2 km，利用所提出的正向動態(tài)規(guī)劃算法進(jìn)行滾動求解。采用基于規(guī)則的整車能量管理策略，設(shè)定車輛初始SOC 為30%，即在電量保持階段工作時主要以發(fā)動機(jī)為動力源，仿真結(jié)果如圖8 和表3 所示。由圖8可以看出：搭建的仿真模型在一定程度上能夠反映出實(shí)車測試規(guī)律，模型基本能夠穩(wěn)定地跟隨節(jié)能車速曲線，車速波動在誤差允許范圍內(nèi)。由表3 可以看出：節(jié)能巡航的終止SOC 較高，故能夠更好地對電池組形成保護(hù)；全程10 km 定速巡航等效燃油耗為665.81 g，旅途耗時為514.4 s；節(jié)能巡航等效燃油耗為626.21 g，旅途耗時為520.8 s，相比于定速巡航，其在通行時間延誤1.24% 的情況下，節(jié)省能耗約5.95%。

3結(jié)語

本文基于高精地圖獲取道路坡度和交通流信息，采用正向動態(tài)規(guī)劃算法，綜合考慮旅途耗時和燃油經(jīng)濟(jì)性，建立了一種求解節(jié)能車速的方法。

基于實(shí)車測量數(shù)據(jù)建立了仿真模型，利用溧寧高速真實(shí)的地圖信息，對所提出的方法進(jìn)行驗證。結(jié)果表明：在平均坡度角不足0.02 rad 的高速道路上，相比于定速巡航，節(jié)能巡航在通行時間延誤1.24% 的情況下，節(jié)省能耗約5.95%。由此可見，結(jié)合高精地圖進(jìn)行長距離車速規(guī)劃具有較大的節(jié)能潛力。