CN106997172A - 基于动态规划的目标车速预测*** - Google Patents
基于动态规划的目标车速预测*** Download PDFInfo
- Publication number
- CN106997172A CN106997172A CN201610056610.2A CN201610056610A CN106997172A CN 106997172 A CN106997172 A CN 106997172A CN 201610056610 A CN201610056610 A CN 201610056610A CN 106997172 A CN106997172 A CN 106997172A
- Authority
- CN
- China
- Prior art keywords
- car
- vehicle speed
- unit
- target vehicle
- speed
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
- G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
- G05B13/04—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators
- G05B13/042—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators in which a parameter or coefficient is automatically adjusted to optimise the performance
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Computation (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Electric Propulsion And Braking For Vehicles (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明公开了一种基于动态规划的目标车速预测***包括无线通讯模块、数据采集模块、车速数据预测模块、数据分析模块和指令下达模块。车速数据预测模块,对车的油耗、车速跟随、控制变量以及车与车之间的相对距离的加权和,构建目标车速模型;指令下达模块,将数据分析模块获取的最优目标车速序列通过无线传输形式反馈给每辆车的驾驶员,驾驶员根据最优目标序列车速进行加速或者制动。本发明相比现有技术具有以下优点:本发明的一种基于动态规划的目标车速预测***可以有效降低汽车的油耗,以交通***中多辆汽车总的油耗最小为目标,从宏观的角度,为解决多辆汽车总的能耗最小问题提供思路。
Description
技术领域
本发明涉及一种目标车速预测***,尤其涉及的是一种基于动态规划的目标车速预测***。
背景技术
基于规则的预测***已经实现产业化应用,而基于优化的控制方法主要停留在理论研究阶段。为了得到理论上的最优解,一些学者将模型预测(MPC)和动态规划(DP)结合起来。考虑到计算的时间成本问题,又有学者研究了可以获得近似最优解的等效燃油消耗最小原理(ECMS)。然而,MPC和DP的组合算法、ECMS、PMP或这些算法的改进方法,以及一些其它的基于优化的控制算法,始终无法实现实时控制。而且,在使用这些方法求解的过程中,被控对象模型一般被不同程度的简化,容易忽略了驾驶员的驾驶意图、实际道路情况、信号灯的影响以及车与车之间的相互影响等,所得到的最优解并不是真正意义上的最优解。
随着智能交通***的不断发展,构建基于动态规划的目标车速预测***,为解决整个交通***中多辆汽车的实时能量管理及优化的问题提供新的思路。
发明内容
本发明的目的在于克服现有技术的不足,提供一种基于动态规划的目标车速预测***。
为了解决上述技术问题,本发明采用如下技术方案:一种基于动态规划的目标车速预测***包括无线通讯模块、数据采集模块、控制分析模块和制动控制模块,
无线通讯模块,通过射频识别、蓝牙、ZIGBEE或WI-FI,进行车与车通信以及车与交通实施通信;
数据采集模块,用于采集车的油耗、车速跟随、控制变量、车与车之间的相对距离;
所述控制分析模块包括车速数据预测模块、数据分析模块和指令下达模块,所述车速数据预测模块,基于车的油耗、车速跟随、控制变量、车与车之间的相对距离,构建目标车速模型;
所述数据分析模块,对目标车速模型采用快速模型预测法获取最优目标车速序列;
所述指令下达模块,将数据分析模块获取的最优目标车速序列通过无线传输形式反馈指令信息给每辆车的驾驶员;
制动控制模块,驾驶员根据指令下达模块下达的最优目标序列车速进行加速或者制动。
作为上述方案的进一步优化,所述车速数据预测模块构建的目标车速模型前,剔除汽车红灯怠速干扰,设定最优目标车速的初始值,采用基于交通信号灯正时,建立汽车目标车速初始值模型,如公式(4):
其中,viobj为第i辆车的目标车速,单位为m/s;dia(td)为第i辆车的位置si与交通信号灯a的距离,单位为m;Kw为信号灯的循环次数,取整数;tg、tr分别为红灯和绿灯的持续时间,单位为s;tc为一个红绿灯周期的时间,单位为s;td为汽车行驶的时间,单位为s;
作为上述方案的进一步优化,车速数据预测模块构建的目标车速模型:对于第i辆车,在给定的时间窗口T,车在总的行驶时间为td时,构建的目标车速模型,如公式(6),公式(6)的输出给定时间窗口T内混合动力汽车的最优目标车速序列:
δsi=si(td+T-1)-si(td)
Vim=vi(t)-viobj(td) (6)
Sij=S0+thvi(t)-(sj(t)-si(t))
vimin≤vi(t)≤vimax
uimin≤ui(t)≤uimax
其中,Vim为第i辆车当前车速与目标车速的差值,单位为m/s;
Sij为第i辆车和第j辆车的距离,单位为m;
为时间段T内第i辆车的行驶距离,单位为m;
si(t)和sj(t)分别为第i辆车和第j辆车在时间t时的位置,用坐标表示;
th为预先设定的前后两车的间隔时间,单位为s;
S0为预先设定的安全距离,单位为m;
ωi(i=1,2,3,4)为权值系数;
uimin、uimax分别为控制变量的最小值和最大值,单位为N/kg;
vimin、vimax分别为汽车行驶速度的最小和最大值,单位为m/s;
viobj为第i辆车的目标车速,单位为m/s;
ui为第i辆车的控制变量,含义为任意时刻单位质量牵引力或制动力,单位为N/kg;
为混合动力汽车的等效燃油消耗率,单位为g/s;
δt为计算步长,单位为s。
作为上述方案的进一步优化,为了提高汽车经过信号灯时遇到绿灯的可能性,从交通信号灯正时的角度,设定绿灯的间隔时间小于原先的绿灯间隔时间,红绿灯的选择时机如式(5)所示:
式中,表示的是td除以tc所得到的余数。
相比现有技术,本发明提供的一种基于动态规划的目标车速预测***的有益效果体现在:
1)本发明的一种基于动态规划的目标车速预测***获取的最优目标车速序列,可以有效降低汽车的油耗。
2)本发明的一种基于动态规划的目标车速预测***,可以有效的避免汽车红灯停车,根据本优选实施例的试验方案,各车在经过所有的红绿灯时,均未遇到红灯。
3)本发明的一种基于动态规划的目标车速预测***,以交通***中多辆汽车总的油耗最小为目标,从宏观的角度,为解决多辆汽车总的能耗最小问题提供思路。
附图说明
图1是本发明的一种基于动态规划的目标车速预测***的结构框图。
图2(a)-图2(d)分别是一号车、二号车、三号车、四号车基于本发明的一种基于动态规划的目标车速预测***的跟踪车速示意图。
图3为一号车、二号车、三号车、四号车的运动轨迹示意图。
具体实施方式
下面对本发明的实施例作详细说明,本实施例在以本发明技术方案为前提下进行实施,给出了详细的实施方式和具体的操作过程,但本发明的保护范围不限于下述的实施例。
本发明的一种基于动态规划的目标车速预测***,获取最优目标车速,并将最优目标车速通过无线传输形式反馈给每辆车的驾驶员,驾驶员根据最优目标车速进行加速或者制动。
参见图1,图1是图1是本发明的一种基于动态规划的目标车速预测***的结构框图。一种基于动态规划的目标车速预测***包括无线通讯模块、数据采集模块、控制分析模块和制动控制模块。
其中,无线通讯模块,通过射频识别、蓝牙、ZIGBEE或WI-FI,进行车与车通信以及车与交通实施通信;数据采集模块,用于采集车的油耗、车速跟随、控制变量、车与车之间的相对距离;
控制分析模块包括车速数据预测模块、数据分析模块和指令下达模块,所述车速数据预测模块,基于车的油耗、车速跟随、控制变量、车与车之间的相对距离,构建目标车速模型;数据分析模块,对目标车速模型采用快速模型预测法获取最优目标车速序列;指令下达模块,将数据分析模块获取的最优目标车速序列通过无线传输形式反馈指令信息给每辆车的驾驶员。
制动控制模块,驾驶员根据指令下达模块下达的最优目标序列车速进行加速或者制动。
车速数据预测模块,基于小轿车的油耗、车速跟随、控制变量、车与车之间的相对距离,对小轿车的油耗、车速跟随、控制变量以及车与车之间的相对距离的加权和,构建目标车速模型,具体步骤为:
步骤(21)、建立混合动力汽车纵向动力学模型,如公式(1):
式中,si为第i辆车的位置,用坐标表述;
vi为第i辆车的速度,单位为m/s;
xi为第i辆车的状态向量;
ui为第i辆车的控制变量,含义为任意时刻单位质量牵引力或制动力,单位为N/kg;
Mi第i辆车的质量,单位为kg;CD为控制阻力系数;ρa为空气密度,单位为kg/m3;Afi为第i辆车的迎风面积,单位为m2;μ为滚动阻力系数;θ为坡度,单位为(°);
步骤(22)、建立混合动力汽车的功率平衡方程,如公式(2):
式中,Pireq为第i辆车的驱动需求功率,单位为W;
步骤(23)、根据混合动力汽车的功率平衡方程,且在满足纵向动力学约束的前提下,建立N辆车消耗的总能量的最小值模型,如公式(3):
式中,为混合动力汽车的等效燃油消耗率,单位为g/s;
ηeff为汽车传动***的总效率;H为汽油的热值,单位为J/g;
T为汽车行驶的时间,单位为s;
δt为计算步长,单位为s;vimin、vimax分别为汽车行驶速度的最小和最大值,单位为m/s;
uimin、uimax分别为控制变量的最小和最大值,单位为N/kg;
步骤(24)、为避免混合动力汽车红灯停车,根据交通信号灯正时获取目标车速:
基于交通信号灯正时,建立汽车目标车速求解模型,如公式(4):
其中,viobj为第i辆车的目标车速,单位为m/s;dia(td)为第i辆车的位置si与交通信号灯a的距离,单位为m;Kw为信号灯的循环次数,取整数;tg、tr分别为红灯和绿灯的持续时间,单位为s;tc为一个红绿灯周期的时间,单位为s;td为汽车行驶的时间,单位为s;
交通信号灯正时是指交通信号灯的相位和每个相位出现的时机,相位指的是交通信号灯的状态,即红灯或绿灯,信号灯的时机是指红灯或绿灯持续出现的时刻以及持续的时间。
通过公式(4)知:当信号灯为绿灯时,若目标车速初始值满足设定的约束条件,其目标车速选择为最大的允许值。若不满足此约束就意味着汽车需要在此绿灯时间段内超速才能通过。在这种情况下,则从实际的角度出发,设定汽车减速,在行驶的过程中经过一个红灯时间窗口,并在下一个绿灯时间窗口通过。由于目标车速设定有上限值和下限值,如果在接下来的绿灯时间窗口内,目标车速无可行解,则车辆必须在给定的红灯时间窗口内停车,等到下一个绿灯重新按照公式(4)计算目标车速的初始值。
为了提高汽车经过信号灯时遇到绿灯的可能性,从交通信号灯正时的角度,设定绿灯的间隔时间小于原先的绿灯间隔时间,红绿灯的选择时机如式(5)所示:
式中,表示的是td除以tc所得到的余数。
步骤(25)、目标车速模型:
对于第i辆车,在给定的时间窗口T,小轿车在总的行驶时间为td时,构建的目标车速模型,如公式(6),公式(6)的输出给定时间窗口T内混合动力汽车的最优目标车速序列:
δsi=si(td+T-1)-si(td)
Vim=vi(t)-viobj(td) (6)
Sij=S0+thvi(t)-(sj(t)-si(t))
vimin≤vi(t)≤vimax
uimin≤ui(t)≤uimax
其中,Vim为第i辆车当前车速与目标车速的差值,单位为m/s;
Sij为第i辆车和第j辆车的距离,单位为m;
为时间段T内第i辆车的行驶距离,单位为m;
si(t)和sj(t)分别为第i辆车和第j辆车在时间t时的位置,用坐标表示;
th为预先设定的前后两车的间隔时间,单位为s;
S0为预先设定的安全距离,单位为m;
ωi(i=1,2,3,4)为权值系数;
uimin、uimax分别为控制变量的最小值和最大值,单位为N/kg;
vimin、vimax分别为汽车行驶速度的最小和最大值,单位为m/s;
viobj为第i辆车的目标车速,单位为m/s;
ui为第i辆车的控制变量,含义为任意时刻单位质量牵引力或制动力,单位为N/kg;
为混合动力汽车的等效燃油消耗率,单位为g/s;
δt为计算步长,单位为s。
对公式(6),优化的对象包含三个方面的权值之和,即第i辆车油耗、第i辆车车速与目标车速的差值、第i辆车与第j辆车之间的距离。关于权值ωi(i=1,2,3)的选取,需要遵循以下原则。
选取权值ω1和ω2为目标车速范围的函数。当目标车速范围较大时,更多地关注燃油经济性而不是车速跟随,此时,ω1取较大值而ω2取较小值;当目标车速范围较小时,更多地关注车速跟随而不是燃油经济性,此时,ω1取较小值而ω2取较大值。选取ω3为前后车相对距离的函数,当相对距离增加时,ω3取较小值,当相对距离减小时,ω3取较大值。
根据上述原则,目标车速的范围有两方面的作用,其一是作为权值函数决定ω1和ω2的取值,其二是如果汽车的实际车速与最优目标车速相差太大,最优目标车速范围可以保证汽车车速在限定的范围之内并且避免红灯停车。
另外,上述优化问题除了满足式(6)的约束之外,还应满足式(1)所述的***动力学方程的约束。需要指出的是,最优目标车速序列与通过交通信号灯正时得到的目标车速的本质不同之处在于,后者的求解原则是避免混合动力汽车等红灯停车,没有考虑发动机的工作点,而式(6)所述的优化问题则权衡了汽车的燃油经济性、车速跟随以及跟车距离等。
本优选实施例中,设置车队中有4辆同型号的混合动力车,分别为一号车、二号车、三号车、四号车;汽车的初始位置为[45.5666 30.2293 15.9196 0.8724],单位为m;初始车速为[13.0047 14.1788 10.3730 10.0473],单位为m/s;模型预测的时间窗口为10s,计算的步长为0.5s;设置信号灯数量为15,红灯持续时间为45s,绿灯持续时间为25s,两个交通信号灯的距离为400m;设置汽车的最大、最小车速分别为20m/s和0。设置每辆车的整车整备质量为1500kg,迎风面积为2.25m2,空气阻力系数为0.3,发动机功率为93kW,电机的额定功率为30kW,峰值功率为60kW;设置初始等效因子为2.4。
本发明的一种基于动态规划的目标车速预测***,输出最优目标车速序列。为了验证本发明的基于动态规划的目标车速预测***的控制效果,试验结果分别从图2-图3所示的几个方面进行论述。
图2(a)~(d)分别为一号车到四号车的输出的最优目标车速以及跟随车速。分析可知,除了起步时误差比较明显之外,其余时间的跟随车速与最优目标车速基本吻合。另外,四辆车的目标车速的变化趋势以及跟随车速的变化趋势都基本保持一致,说明了每辆车与前、后车之间以及车辆与交通信号灯之间可以实现良好的通信,使得各车的相对距离大体保持不变,因而也可以体现出本发明的***能够有效的避免车与车之间发生碰撞。各车在经过红绿灯时都会进行相应的加速或减速且各自车速均未超过限速,说明交通信号灯对驾驶员驾驶行为有影响,但是驾驶员根据建议车速行驶,不会超速也不会过多踩刹车从而减少燃油消耗。
图3为四辆混合动力车的轨迹曲线示意图,其中,与横轴平行的实横线表示红灯窗口,实横线之间的空白表示绿灯窗口。由图3可知,四辆车在经过红绿灯时,均没有遇到红灯,从而验证了本优选实施例给出的信号灯正时方法可以有效的避免混合动力汽车红灯停车;另外,四辆车的轨迹曲线没有交点,验证了本优选实施例给出的基于动态规划的目标车速***可以有效的避免混合动力汽车发生碰撞。
本发明的基于动态规划的目标车速***,有效的避免汽车红灯停车,获取最优目标车速,可以有效降低车的油耗。
对于本领域技术人员而言,显然本发明不限于上述示范性实施例的细节,而且在不背离本发明的精神或基本特征的情况下,能够以其他的具体形式实现本发明。因此,无论从哪一点来看,均应将实施例看作是示范性的,而且是非限制性的,本发明的范围由所附权利要求而不是上述说明限定,因此旨在将落在权利要求的等同要件的含义和范围内的所有变化囊括在本发明内。不应将权利要求中的任何附图标记视为限制所涉及的权利要求。
此外,应当理解,虽然本说明书按照实施方式加以描述,但并非每个实施方式仅包含一个独立的技术方案,说明书的这种叙述方式仅仅是为清楚起见,本领域技术人员应当将说明书作为一个整体,各实施例中的技术方案也可以经适当组合,形成本领域技术人员可以理解的其他实施方式。
Claims (4)
1.一种基于动态规划的目标车速预测***,其特征在于,包括无线通讯模块、数据采集模块、控制分析模块和制动控制模块,
无线通讯模块,通过射频识别、蓝牙、ZIGBEE或WI-FI,进行车与车通信以及车与交通实施通信;
数据采集模块,用于采集车的油耗、车速跟随、控制变量、车与车之间的相对距离;
所述控制分析模块包括车速数据预测模块、数据分析模块和指令下达模块,所述车速数据预测模块,基于车的油耗、车速跟随、控制变量、车与车之间的相对距离,构建目标车速模型;
所述数据分析模块,对目标车速模型采用快速模型预测法获取最优目标车速序列;
所述指令下达模块,将数据分析模块获取的最优目标车速序列通过无线传输形式反馈指令信息给每辆车的驾驶员;
制动控制模块,驾驶员根据指令下达模块下达的最优目标序列车速进行加速或者制动。
2.根据权利要求1所述的基于动态规划的目标车速预测***,其特征在于:所述车速数据预测模块构建的目标车速模型前,剔除汽车红灯怠速干扰,设定最优目标车速的初始值,采用基于交通信号灯正时,建立汽车目标车速初始值模型,如公式(4):
其中,viobj为第i辆车的目标车速,单位为m/s;dia(td)为第i辆车的位置si与交通信号灯a的距离,单位为m;Kw为信号灯的循环次数,取整数;tg、tr分别为红灯和绿灯的持续时间,单位为s;tc为一个红绿灯周期的时间,单位为s;td为汽车行驶的时间,单位为s。
3.根据权利要求1或2所述的基于动态规划的目标车速预测***,其特征 在于:从交通信号灯正时的角度,设定绿灯的间隔时间小于原先的绿灯间隔时间,红绿灯的选择时机如式(5)所示:
式中,表示的是td除以tc所得到的余数。
4.根据权利要求1或2或3所述的基于动态规划的目标车速预测***,其特征在于:车速数据预测模块构建的目标车速模型:对于第i辆车,在给定的时间窗口T,车在总的行驶时间为td时,构建的目标车速模型,如公式(6),公式(6)的输出给定时间窗口T内混合动力汽车的最优目标车速序列:
δsi=si(td+T-1)-si(td)
Vim=vi(t)-viobj(td) (6)
Sij=S0+thvi(t)-(sj(t)-si(t))
vimin≤vi(t)≤vimax
uimin≤ui(t)≤uimax
其中,Vim为第i辆车当前车速与目标车速的差值,单位为m/s;
Sij为第i辆车和第j辆车的距离,单位为m;
δsi为时间段T内第i辆车的行驶距离,单位为m;
si(t)和sj(t)分别为第i辆车和第j辆车在时间t时的位置,用坐标表示;
th为预先设定的前后两车的间隔时间,单位为s;
S0为预先设定的安全距离,单位为m;
ωi(i=1,2,3,4)为权值系数;
uimin、uimax分别为控制变量的最小值和最大值,单位为N/kg;
vimin、vimax分别为汽车行驶速度的最小和最大值,单位为m/s;
viobj为第i辆车的目标车速,单位为m/s;
ui为第i辆车的控制变量,含义为任意时刻单位质量牵引力或制动力,单位为N/kg;
为混合动力汽车的等效燃油消耗率,单位为g/s;
δt为计算步长,单位为s。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610056610.2A CN106997172A (zh) | 2016-01-26 | 2016-01-26 | 基于动态规划的目标车速预测*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610056610.2A CN106997172A (zh) | 2016-01-26 | 2016-01-26 | 基于动态规划的目标车速预测*** |
Publications (1)
Publication Number | Publication Date |
---|---|
CN106997172A true CN106997172A (zh) | 2017-08-01 |
Family
ID=59428927
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610056610.2A Pending CN106997172A (zh) | 2016-01-26 | 2016-01-26 | 基于动态规划的目标车速预测*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106997172A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109740213A (zh) * | 2018-12-24 | 2019-05-10 | 斑马网络技术有限公司 | 车辆能耗评估方法、设备及存储介质 |
CN109993984A (zh) * | 2018-01-02 | 2019-07-09 | ***通信有限公司研究院 | 一种车速引导方法及装置 |
CN111071259A (zh) * | 2019-12-27 | 2020-04-28 | 清华大学 | 车速预测方法、装置、车辆控制装置和存储介质 |
CN112216105A (zh) * | 2020-09-21 | 2021-01-12 | 浙江吉利控股集团有限公司 | 一种车速引导方法、装置、车辆及存储介质 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101548301A (zh) * | 2007-10-11 | 2009-09-30 | 丰田自动车株式会社 | 驾驶辅助装置以及驾驶辅助方法 |
US20100164753A1 (en) * | 2008-10-27 | 2010-07-01 | James Jacob Free | Mobile FLOW readout and mobile FLOW sequencer features |
CN102717797A (zh) * | 2012-06-14 | 2012-10-10 | 北京理工大学 | 一种混合动力车辆能量管理方法及能量管理*** |
CN103072572A (zh) * | 2013-01-18 | 2013-05-01 | 浙江吉利汽车研究院有限公司杭州分公司 | 可充电式混合动力汽车远程优化*** |
CN104064044A (zh) * | 2014-06-30 | 2014-09-24 | 北京航空航天大学 | 基于车路协同的发动机起停控制***及其方法 |
CN104575039A (zh) * | 2015-01-19 | 2015-04-29 | 武汉理工大学 | 基于车路协同的紧急车辆优先通行新方法及*** |
CN104742905A (zh) * | 2013-12-26 | 2015-07-01 | 富士重工业株式会社 | 车辆的控制装置以及控制方法 |
CN105035090A (zh) * | 2015-06-06 | 2015-11-11 | 吉林大学 | 基于交通信号灯的自主驾驶车辆轨迹预测控制方法 |
-
2016
- 2016-01-26 CN CN201610056610.2A patent/CN106997172A/zh active Pending
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101548301A (zh) * | 2007-10-11 | 2009-09-30 | 丰田自动车株式会社 | 驾驶辅助装置以及驾驶辅助方法 |
US20100164753A1 (en) * | 2008-10-27 | 2010-07-01 | James Jacob Free | Mobile FLOW readout and mobile FLOW sequencer features |
CN102717797A (zh) * | 2012-06-14 | 2012-10-10 | 北京理工大学 | 一种混合动力车辆能量管理方法及能量管理*** |
CN103072572A (zh) * | 2013-01-18 | 2013-05-01 | 浙江吉利汽车研究院有限公司杭州分公司 | 可充电式混合动力汽车远程优化*** |
CN104742905A (zh) * | 2013-12-26 | 2015-07-01 | 富士重工业株式会社 | 车辆的控制装置以及控制方法 |
CN104064044A (zh) * | 2014-06-30 | 2014-09-24 | 北京航空航天大学 | 基于车路协同的发动机起停控制***及其方法 |
CN104575039A (zh) * | 2015-01-19 | 2015-04-29 | 武汉理工大学 | 基于车路协同的紧急车辆优先通行新方法及*** |
CN105035090A (zh) * | 2015-06-06 | 2015-11-11 | 吉林大学 | 基于交通信号灯的自主驾驶车辆轨迹预测控制方法 |
Non-Patent Citations (1)
Title |
---|
S.ALIREZAFAYAZI,ET AL.: "Traffic Signal Phase and Timing Estimation From Low-Frequency Transit Bus Data", 《IEEE TRANSACTIONS ON INTELLIGENT TRANSPORTATIONS》 * |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109993984A (zh) * | 2018-01-02 | 2019-07-09 | ***通信有限公司研究院 | 一种车速引导方法及装置 |
CN109993984B (zh) * | 2018-01-02 | 2021-04-13 | ***通信有限公司研究院 | 一种车速引导方法及装置 |
CN109740213A (zh) * | 2018-12-24 | 2019-05-10 | 斑马网络技术有限公司 | 车辆能耗评估方法、设备及存储介质 |
CN109740213B (zh) * | 2018-12-24 | 2023-09-05 | 斑马网络技术有限公司 | 车辆能耗评估方法、设备及存储介质 |
CN111071259A (zh) * | 2019-12-27 | 2020-04-28 | 清华大学 | 车速预测方法、装置、车辆控制装置和存储介质 |
CN112216105A (zh) * | 2020-09-21 | 2021-01-12 | 浙江吉利控股集团有限公司 | 一种车速引导方法、装置、车辆及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105759753B (zh) | 基于v2x的混合动力汽车的能量管理优化控制方法 | |
CN105501216B (zh) | 基于车联网的混合动力汽车的分层能量管理控制方法 | |
CN105644560B (zh) | 一种四轮轮毂电机电动车自适应巡航控制***及方法 | |
CN106997675A (zh) | 基于动态规划的目标车速预测方法 | |
CN106218638B (zh) | 一种智能网联汽车协同换道控制方法 | |
Luo et al. | Green light optimal speed advisory for hybrid electric vehicles | |
CN104627180B (zh) | 一种半主动巡航控制***及其方法 | |
Cheng et al. | Longitudinal autonomous driving based on game theory for intelligent hybrid electric vehicles with connectivity | |
CN102109821B (zh) | 车辆自适应巡航控制***及方法 | |
Nie et al. | Real-time dynamic predictive cruise control for enhancing eco-driving of electric vehicles, considering traffic constraints and signal phase and timing (SPaT) information, using artificial-neural-network-based energy consumption model | |
CN110135632A (zh) | 基于路径信息的phev自适应最优能量管理方法 | |
CN106740846A (zh) | 一种双模式切换的电动汽车自适应巡航控制方法 | |
CN105857312B (zh) | 一种高速公路重型卡车速度行驶优化方法 | |
He et al. | Forward power-train energy management modeling for assessing benefits of integrating predictive traffic data into plug-in-hybrid electric vehicles | |
CN107577234A (zh) | 一种驾驶员在环的汽车燃油经济性控制方法 | |
CN103112450B (zh) | 一种插电式并联混合动力汽车的实时优化控制方法 | |
CN101417655A (zh) | 一种车辆多目标协调式自适应巡航控制方法 | |
CN104249736A (zh) | 基于队列行驶的混合动力汽车节能预测控制方法 | |
CN106997172A (zh) | 基于动态规划的目标车速预测*** | |
CN105083276A (zh) | 基于分散控制的混合动力汽车节能预测控制方法 | |
CN107380162B (zh) | 基于功能分配与多目标模糊决策的协同避撞方法 | |
CN105667501A (zh) | 具有轨迹优化功能的混合动力车辆的能量分配方法 | |
CN110435655A (zh) | 一种考虑再生制动的电动汽车车队自适应巡航优化方法 | |
Vajedi et al. | Intelligent power management of plug–in hybrid electric vehicles, part II: real–time route based power management | |
CN108944905A (zh) | 一种基于模型预测控制的phev红绿灯路口通过控制方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
WD01 | Invention patent application deemed withdrawn after publication | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20170801 |