CN113327444A - 一种基于车路云协同优化车速的控制方法 - Google Patents

一种基于车路云协同优化车速的控制方法 Download PDF

Info

Publication number
CN113327444A
CN113327444A CN202110640504.XA CN202110640504A CN113327444A CN 113327444 A CN113327444 A CN 113327444A CN 202110640504 A CN202110640504 A CN 202110640504A CN 113327444 A CN113327444 A CN 113327444A
Authority
CN
China
Prior art keywords
vehicle
vehicle speed
road
information
cloud
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
Application number
CN202110640504.XA
Other languages
English (en)
Inventor
王晓
余卓平
张培志
蒋屹晨
史戈松
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shanghai Intelligent New Energy Vehicle Technology Innovation Platform Co ltd
Original Assignee
Shanghai Intelligent New Energy Vehicle Technology Innovation Platform Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Shanghai Intelligent New Energy Vehicle Technology Innovation Platform Co ltd filed Critical Shanghai Intelligent New Energy Vehicle Technology Innovation Platform Co ltd
Priority to CN202110640504.XA priority Critical patent/CN113327444A/zh
Publication of CN113327444A publication Critical patent/CN113327444A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/09—Arrangements for giving variable traffic instructions
    • G08G1/0962—Arrangements for giving variable traffic instructions having an indicator mounted inside the vehicle, e.g. giving voice messages
    • G08G1/0967—Systems involving transmission of highway information, e.g. weather, speed limits
    • G08G1/096708—Systems involving transmission of highway information, e.g. weather, speed limits where the received information might be used to generate an automatic action on the vehicle control
    • G08G1/096725—Systems involving transmission of highway information, e.g. weather, speed limits where the received information might be used to generate an automatic action on the vehicle control where the received information generates an automatic action on the vehicle control
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/09—Arrangements for giving variable traffic instructions
    • G08G1/0962—Arrangements for giving variable traffic instructions having an indicator mounted inside the vehicle, e.g. giving voice messages
    • G08G1/0967—Systems involving transmission of highway information, e.g. weather, speed limits
    • G08G1/096766—Systems involving transmission of highway information, e.g. weather, speed limits where the system is characterised by the origin of the information transmission
    • G08G1/096775—Systems involving transmission of highway information, e.g. weather, speed limits where the system is characterised by the origin of the information transmission where the origin of the information is a central station
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/09—Arrangements for giving variable traffic instructions
    • G08G1/0962—Arrangements for giving variable traffic instructions having an indicator mounted inside the vehicle, e.g. giving voice messages
    • G08G1/0967—Systems involving transmission of highway information, e.g. weather, speed limits
    • G08G1/096766—Systems involving transmission of highway information, e.g. weather, speed limits where the system is characterised by the origin of the information transmission
    • G08G1/096783—Systems involving transmission of highway information, e.g. weather, speed limits where the system is characterised by the origin of the information transmission where the origin of the information is a roadside individual element
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
    • Y02T10/00—Road transport of goods or passengers
    • Y02T10/10—Internal combustion engine [ICE] based vehicles
    • Y02T10/40—Engine management systems

Landscapes

  • Life Sciences & Earth Sciences (AREA)
  • Atmospheric Sciences (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Control Of Driving Devices And Active Controlling Of Vehicle (AREA)
  • Traffic Control Systems (AREA)

Abstract

本发明涉及一种基于车路云协同优化车速的控制方法，具体包括：S1、车路云协同定位模块根据多源定位信息计算得到车辆实时位置，并计算出车辆到前方路口信号灯的实时距离；S2、车路云协同感知模块根据车辆实时位置，通过多源感知信息计算出车辆通过相应路口时信号灯为绿灯的适宜车速区间；S3、云端预测控制模块通过基于燃油/能耗经济性的车速优化的目标模型，根据适宜车速区间计算得到实时最优车速；S4、实时最优车速反馈至云端控制器，云端控制器发送实时最优车速至车端控制器，车端控制器根据实时最优车速进行控制，重复步骤S1～S3，实现车速滚动优化。与现有技术相比，本发明具有降低车辆燃油/能耗消耗率、提高交通道路的通行效率等优点。

Description

一种基于车路云协同优化车速的控制方法
技术领域
本发明涉及道路交通控制技术领域，尤其是涉及一种基于车路云协同优化车速的控制方法。
背景技术
在频繁的红绿灯路口，车辆需要不断经历起步、加速、制动的循环过程，导致城市交通效率低下的同时，大大增加了车辆的燃油/能耗消耗率。目前在道路绿波效应的领域内通常关注对信号灯相位的控制上，如中国专利CN110047303B公布了一种提高双向绿波控制中绿波带带宽的相位相序调整方法，能够降低主干道双向车辆在交叉口总体停车次数，提高主干道的主干道通行效率。但无法保证其他道路车辆的绿波效应,造成顾此失彼的问题。此外，现有技术中对于车路云协同绿波效应降低车辆油耗/能耗的控制方法的记载也较少。
发明内容
本发明的目的就是为了克服上述现有技术存在的频繁启动和制动导致车辆的燃油/能耗消耗率较高的缺陷而提供一种基于车路云协同优化车速的控制方法。
本发明的目的可以通过以下技术方案来实现：
一种基于车路云协同优化车速的控制方法，具体包括以下步骤：
S1、车路云协同定位模块根据获取的多源定位信息计算得到车辆实时位置，并计算出车辆到前方路口信号灯的实时距离；
S2、车路云协同感知模块根据车辆实时位置，通过获取的多源感知信息计算出车辆通过相应路口时信号灯为绿灯的适宜车速区间；
S3、云端预测控制模块通过基于燃油/能耗经济性的车速优化的目标模型，根据适宜车速区间计算得到实时最优车速；
S4、所述实时最优车速反馈至云端控制器，由云端控制器发送实时最优车速至车端控制器，由车端控制器根据实时最优车速对车辆进行控制，重复步骤S1～S3，实现车速滚动优化。
所述多源定位信息包括车端定位信息和路端定位信息，所述车端定位信息包括车辆周边环境特征信息、车辆运动信息和GPS定位信息，所述路端定位信息包括道路标识信息和路端相对位置信息。
进一步地，所述车辆周边环境特征信息、车辆运动信息和GPS定位信息由车端控制器通过摄像头、激光雷达、轮速计、方向盘转角传感器和RTK-GPS传感器采集得到。
进一步地，所述道路标识信息和路端相对位置信息由路端控制器通过摄像头和激光雷达采集得到，路端相对位置信息具体为车辆相对于路端设备的位置信息。
进一步地，所述车路云协同定位模块与云端控制器连接，所述云端控制器中设有高精度地图，云端控制器根据车辆周边环境特征信息匹配高精度地图获取第一实时位置参考信息，根据车辆运动信息和GPS定位信息获取第二实时位置参考信息，根据路端相对位置信息匹配高精度地图获取第三实时位置参考信息。
进一步地，所述云端控制器根据第一实时位置参考信息、第二实时位置参考信息和第三实时位置参考信息进行融合定位，得到车辆实时位置。
所述多源感知信息包括车端感知道路信息和路端感知道路信息，所述车端感知道路信息包括车流量平均车速信息，所述路端感知道路信息包括路况信息。
进一步地，所述车流量平均车速信息和路况信息由车端控制器和路端控制器通过摄像头和激光雷达采集得到。
进一步地，所述车路云协同感知模块与云端控制器连接，所述云端控制器中设有高精度地图，云端控制器获取信号灯实时状态信息和高精度地图中的车道限速信息，根据信号灯实时状态信息得到信号灯绿波相位时间，结合车辆到前方路口信号灯的实时距离，根据所述车道限速信息、车流量平均车速信息和路况信息，计算出车辆通过相应路口时信号灯为绿灯的适宜车速区间。
所述基于燃油/能耗经济性的车速优化的目标模型根据适宜车速区间，采用模型预测控制算法，计算得到实时最优车速。
所述实时最优车速具体为最优的发动机输出扭矩及相应车速。
所述基于燃油/能耗经济性的车速优化的目标模型包括车速预测模型和燃油/能耗消耗率模型，计算公式如下所示：
Figure BDA0003107417510000031
其中，J为目标模型，P为预测时域，Δt为预测时域内的每一步向前预测的步长，f为燃油/能耗消耗率，i为优化轮次，k为当前的汽车状态。
进一步地，所述车速预测模型基于车辆在行驶过程中的受力信息建立，受力信息包括牵引力、空气阻力、滚动阻力和坡度阻力，所述燃油/能耗消耗率模型基于车辆纵向车速与发动机输出扭矩建立。
进一步地，所述车速预测模型的计算公式具体如下所示：
Figure BDA0003107417510000032
其中，
Figure BDA0003107417510000033
为车速预测模型，T为发动机输出扭矩，ig为变速器的传动比，i0为主减速器的传动比，η为传动系的机械效率，r为车轮半径，ρ为空气密度，A为车辆迎风面积，CD为空气阻力系数，v为车速，μ为滚动阻力系数；m为质量，包括簧载质量和非簧载质量，为道路坡度的角度，d为车辆到前方路口信号灯的实时距离，g为重力加速度。
与现有技术相比，本发明具有以下有益效果：
1.本发明通过基于燃油/能耗经济性的车速优化的目标模型根据车辆实时位置和通过相应路口时信号灯为绿灯的适宜车速区间，计算出实时最优车速，由车端控制器保证车辆按照实时最优车速进行行驶，有效降低了车辆燃油/能耗消耗率。
2.本发明利用车路云协同定位模块与车路云协同感知模块，实时计算出车辆通过相应路口时信号灯为绿灯的适宜车速区间，由车端控制器辅助调整车辆的行驶速度，有效提高了交通道路的通行效率。
附图说明
图1为本发明实施例中控制方法的原理示意图。
具体实施方式
下面结合附图和具体实施例对本发明进行详细说明。本实施例以本发明技术方案为前提进行实施，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。
实施例
如图1所示，一种基于车路云协同优化车速的控制方法，具体包括以下步骤：
S1、车路云协同定位模块根据获取的多源定位信息计算得到车辆实时位置，并计算出车辆到前方路口信号灯的实时距离；
S2、车路云协同感知模块根据车辆实时位置，通过获取的多源感知信息计算出车辆通过相应路口时信号灯为绿灯的适宜车速区间；
S3、云端预测控制模块通过基于燃油/能耗经济性的车速优化的目标模型，根据适宜车速区间计算得到实时最优车速；
S4、实时最优车速反馈至云端控制器，由云端控制器发送实时最优车速至车端控制器，由车端控制器根据实时最优车速对车辆进行控制，重复步骤S1～S3，实现车速滚动优化。
多源定位信息包括车端定位信息和路端定位信息，车端定位信息包括车辆周边环境特征信息、车辆运动信息和GPS定位信息，路端定位信息包括道路标识信息和路端相对位置信息。
车辆周边环境特征信息、车辆运动信息和GPS定位信息由车端控制器通过摄像头、激光雷达、轮速计、方向盘转角传感器和RTK-GPS传感器采集得到。
道路标识信息和路端相对位置信息由路端控制器通过摄像头和激光雷达采集得到，路端相对位置信息具体为车辆相对于路端设备的位置信息。
车路云协同定位模块与云端控制器连接，云端控制器中设有高精度地图，云端控制器根据车辆周边环境特征信息匹配高精度地图获取第一实时位置参考信息，根据车辆运动信息和GPS定位信息获取第二实时位置参考信息，根据路端相对位置信息匹配高精度地图获取第三实时位置参考信息。
云端控制器根据第一实时位置参考信息、第二实时位置参考信息和第三实时位置参考信息进行融合定位，得到车辆实时位置。
多源感知信息包括车端感知道路信息和路端感知道路信息，车端感知道路信息包括车流量平均车速信息，路端感知道路信息包括路况信息。
车流量平均车速信息和路况信息由车端控制器和路端控制器通过摄像头和激光雷达采集得到。
车路云协同感知模块与云端控制器连接，云端控制器中设有高精度地图，云端控制器获取信号灯实时状态信息和高精度地图中的车道限速信息，根据信号灯实时状态信息得到信号灯绿波相位时间，结合车辆到前方路口信号灯的实时距离，根据车道限速信息、车流量平均车速信息和路况信息，计算出车辆通过相应路口时信号灯为绿灯的适宜车速区间，适宜车速区间具体为信号优先绿波车速区间。
实时最优车速具体为最优的发动机输出扭矩及相应车速。
基于燃油/能耗经济性的车速优化的目标模型包括车速预测模型和燃油/能耗消耗率模型，计算公式如下所示：
Figure BDA0003107417510000051
其中，J为目标模型，P为预测时域，Δt为预测时域内的每一步向前预测的步长，f为燃油/能耗消耗率，i为优化轮次，k为当前的汽车状态。
车速预测模型基于车辆在行驶过程中的受力信息建立，受力信息包括牵引力、空气阻力、滚动阻力和坡度阻力，燃油/能耗消耗率模型基于车辆纵向车速与发动机输出扭矩建立。
车速预测模型的计算公式具体如下所示：
Figure BDA0003107417510000052
其中，
Figure BDA0003107417510000053
为车速预测模型，T为发动机输出扭矩，ig为变速器的传动比，i0为主减速器的传动比，η为传动系的机械效率，r为车轮半径，ρ为空气密度，A为车辆迎风面积，CD为空气阻力系数，v为车速，μ为滚动阻力系数；m为质量，包括簧载质量和非簧载质量，为道路坡度的角度，d为车辆到前方路口信号灯的实时距离，g为重力加速度。
本实施例中，以发动机燃油消耗率为例，燃油/能耗消耗率模型具体如下所示：
Figure BDA0003107417510000054
基于燃油/能耗经济性的车速优化的目标模型根据适宜车速区间，采用模型预测控制算法，计算得到实时最优车速，经过滚动优化与实时控制，由云端控制器将输出扭矩值反馈到车端控制器，从而使车辆实现了绿波通行与最佳燃油/能耗经济性的最优车速控制。
此外，需要说明的是，本说明书中所描述的具体实施例，所取名称可以不同，本说明书中所描述的以上内容仅仅是对本发明结构所做的举例说明。凡依据本发明构思的构造、特征及原理所做的等效变化或者简单变化，均包括于本发明的保护范围内。本发明所属技术领域的技术人员可以对所描述的具体实例做各种各样的修改或补充或采用类似的方法，只要不偏离本发明的结构或者超越本权利要求书所定义的范围，均应属于本发明的保护范围。

Claims (10)

1.一种基于车路云协同优化车速的控制方法，其特征在于，具体包括以下步骤：
S1、车路云协同定位模块根据获取的多源定位信息计算得到车辆实时位置，并计算出车辆到前方路口信号灯的实时距离；
S2、车路云协同感知模块根据车辆实时位置，通过获取的多源感知信息计算出车辆通过相应路口时信号灯为绿灯的适宜车速区间；
S3、云端预测控制模块通过基于燃油/能耗经济性的车速优化的目标模型，根据适宜车速区间计算得到实时最优车速；
S4、所述实时最优车速反馈至云端控制器，由云端控制器发送实时最优车速至车端控制器，由车端控制器根据实时最优车速对车辆进行控制，重复步骤S1～S3，实现车速滚动优化。
2.根据权利要求1所述的一种基于车路云协同优化车速的控制方法，其特征在于，所述多源定位信息包括车端定位信息和路端定位信息，所述车端定位信息包括车辆周边环境特征信息、车辆运动信息和GPS定位信息，所述路端定位信息包括道路标识信息和路端相对位置信息。
3.根据权利要求2所述的一种基于车路云协同优化车速的控制方法，其特征在于，所述车路云协同定位模块与云端控制器连接，所述云端控制器中设有高精度地图，云端控制器根据车辆周边环境特征信息匹配高精度地图获取第一实时位置参考信息，根据车辆运动信息和GPS定位信息获取第二实时位置参考信息，根据路端相对位置信息匹配高精度地图获取第三实时位置参考信息。
4.根据权利要求3所述的一种基于车路云协同优化车速的控制方法，其特征在于，所述云端控制器根据第一实时位置参考信息、第二实时位置参考信息和第三实时位置参考信息进行融合定位，得到车辆实时位置。
5.根据权利要求1所述的一种基于车路云协同优化车速的控制方法，其特征在于，所述多源感知信息包括车端感知道路信息和路端感知道路信息，所述车端感知道路信息包括车流量平均车速信息，所述路端感知道路信息包括路况信息。
6.根据权利要求5所述的一种基于车路云协同优化车速的控制方法，其特征在于，所述车路云协同感知模块与云端控制器连接，所述云端控制器中设有高精度地图，云端控制器获取信号灯实时状态信息和高精度地图中的车道限速信息，根据信号灯实时状态信息得到信号灯绿波相位时间，结合车辆到前方路口信号灯的实时距离，根据所述车道限速信息、车流量平均车速信息和路况信息，计算出车辆通过相应路口时信号灯为绿灯的适宜车速区间。
7.根据权利要求1所述的一种基于车路云协同优化车速的控制方法，其特征在于，所述实时最优车速具体为最优的发动机输出扭矩及相应车速。
8.根据权利要求1所述的一种基于车路云协同优化车速的控制方法，其特征在于，所述基于燃油/能耗经济性的车速优化的目标模型包括车速预测模型和燃油/能耗消耗率模型，计算公式如下所示：
Figure FDA0003107417500000021
其中，J为目标模型，P为预测时域，Δt为预测时域内的每一步向前预测的步长，f为燃油/能耗消耗率，i为优化轮次，k为当前的汽车状态。
9.根据权利要求8所述的一种基于车路云协同优化车速的控制方法，其特征在于，所述车速预测模型基于车辆在行驶过程中的受力信息建立，所述燃油/能耗消耗率模型基于车辆纵向车速与发动机输出扭矩建立。
10.根据权利要求9所述的一种基于车路云协同优化车速的控制方法，其特征在于，所述车速预测模型的计算公式具体如下所示：
Figure FDA0003107417500000022
其中，
Figure FDA0003107417500000023
为车速预测模型，T为发动机输出扭矩，ig为变速器的传动比，i0为主减速器的传动比，η为传动系的机械效率，r为车轮半径，ρ为空气密度，A为车辆迎风面积，CD为空气阻力系数，v为车速，μ为滚动阻力系数；m为质量，α为道路坡度的角度，d为车辆到前方路口信号灯的实时距离，g为重力加速度。
CN202110640504.XA 2021-06-09 2021-06-09 一种基于车路云协同优化车速的控制方法 Pending CN113327444A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110640504.XA CN113327444A (zh) 2021-06-09 2021-06-09 一种基于车路云协同优化车速的控制方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110640504.XA CN113327444A (zh) 2021-06-09 2021-06-09 一种基于车路云协同优化车速的控制方法

Publications (1)

Publication Number Publication Date
CN113327444A true CN113327444A (zh) 2021-08-31

Family

ID=77420125

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110640504.XA Pending CN113327444A (zh) 2021-06-09 2021-06-09 一种基于车路云协同优化车速的控制方法

Country Status (1)

Country Link
CN (1) CN113327444A (zh)

Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20080252487A1 (en) * 2006-05-22 2008-10-16 Mcclellan Scott System and method for monitoring and updating speed-by-street data
CN102074114A (zh) * 2011-01-18 2011-05-25 山东大学 一种快速公交车速控制装置和方法
CN103337161A (zh) * 2013-07-11 2013-10-02 上海济安交通工程咨询有限公司 基于实时仿真模型的交叉口动态综合评价及信控***优化方法
CN105160917A (zh) * 2015-08-24 2015-12-16 武汉理工大学 基于车路协同的信号控制交叉口车速引导***及方法
CN105551276A (zh) * 2016-02-22 2016-05-04 爱易成技术(天津)有限公司 路面交通车速诱导方法
CN106408979A (zh) * 2016-09-14 2017-02-15 浙江吉利控股集团有限公司 基于车载互联智能车速提示***及方法
CN107067710A (zh) * 2017-04-21 2017-08-18 同济大学 一种考虑节能的城市公交车运行轨迹优化方法
DE102016225855A1 (de) * 2016-12-21 2018-06-21 Robert Bosch Gmbh Verfahren zum Betreiben zumindest eines Kraftfahrzeugs, Stauassistenzsystem
CN108694841A (zh) * 2018-05-24 2018-10-23 北理慧动（常熟）车辆科技有限公司 一种基于v2x技术的智能车辆通行路口红绿灯方法
CN111351493A (zh) * 2018-12-24 2020-06-30 上海欧菲智能车联科技有限公司 一种定位方法和***
CN111710176A (zh) * 2020-06-08 2020-09-25 同济大学 一种车路协同环境下交叉口信号-车辆轨迹协同控制方法
CN112731806A (zh) * 2020-12-08 2021-04-30 合肥工业大学 智能网联汽车随机模型预测控制实时性优化方法

Patent Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20080252487A1 (en) * 2006-05-22 2008-10-16 Mcclellan Scott System and method for monitoring and updating speed-by-street data
CN102074114A (zh) * 2011-01-18 2011-05-25 山东大学 一种快速公交车速控制装置和方法
CN103337161A (zh) * 2013-07-11 2013-10-02 上海济安交通工程咨询有限公司 基于实时仿真模型的交叉口动态综合评价及信控***优化方法
CN105160917A (zh) * 2015-08-24 2015-12-16 武汉理工大学 基于车路协同的信号控制交叉口车速引导***及方法
CN105551276A (zh) * 2016-02-22 2016-05-04 爱易成技术(天津)有限公司 路面交通车速诱导方法
CN106408979A (zh) * 2016-09-14 2017-02-15 浙江吉利控股集团有限公司 基于车载互联智能车速提示***及方法
DE102016225855A1 (de) * 2016-12-21 2018-06-21 Robert Bosch Gmbh Verfahren zum Betreiben zumindest eines Kraftfahrzeugs, Stauassistenzsystem
CN107067710A (zh) * 2017-04-21 2017-08-18 同济大学 一种考虑节能的城市公交车运行轨迹优化方法
CN108694841A (zh) * 2018-05-24 2018-10-23 北理慧动（常熟）车辆科技有限公司 一种基于v2x技术的智能车辆通行路口红绿灯方法
CN111351493A (zh) * 2018-12-24 2020-06-30 上海欧菲智能车联科技有限公司 一种定位方法和***
CN111710176A (zh) * 2020-06-08 2020-09-25 同济大学 一种车路协同环境下交叉口信号-车辆轨迹协同控制方法
CN112731806A (zh) * 2020-12-08 2021-04-30 合肥工业大学 智能网联汽车随机模型预测控制实时性优化方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
刘西等: "基于MPC算法的车辆自适应巡航***分层控制研究", 《重庆理工大学学报（自然科学）》 *

Similar Documents

Publication Publication Date Title
CN108109415B (zh) 一种具有防拥堵功能的网联自动驾驶控制***及方法
CN108528268B (zh) 一种电动汽车自适应巡航***的扭矩调节方法
US11072329B2 (en) Ground vehicle control techniques
CN110182215B (zh) 一种汽车经济性巡航控制方法及装置
US11107002B2 (en) Reinforcement learning based ground vehicle control techniques
EP4273011A1 (en) New energy vehicle coasting control system and method based on intelligent networking information, and new energy vehicle
CN107628029A (zh) 一种网联汽车队列的节能型稳定性运动控制方法
US20190375394A1 (en) Ground Vehicle Control Techniques
SE0950437A1 (sv) Modul i ett styrsystem för ett fordon
CN103906673A (zh) 用于引导车辆的方法和驾驶员辅助***
CN111532264A (zh) 一种面向变坡度和变限速交通场景的智能网联汽车巡航车速优化方法
CN108335506B (zh) 网联车多信号交叉口绿灯相位车速动态引导方法及***
CN112767715B (zh) 一种交叉路***通信号灯与智能网联汽车的协同控制方法
US11358585B2 (en) System and method for torque split arbitration
CN109064760B (zh) 一种数据驱动的智能鲁棒车速实时规划方法及***
CN111145068A (zh) 一种长距离高时效经济性巡航车速规划方法
US20230341237A1 (en) Systems and methods for vehicle cruise speed recommendation
CN113327444A (zh) 一种基于车路云协同优化车速的控制方法
CN114096453A (zh) 用于调节行驶速度的装置
CN114783175B (zh) 基于伪谱法的多信号灯路况下网联车辆节能驾驶控制方法
CN114572207B (zh) 用于自主驾驶***的燃料经济性优化
Kock et al. Improved cruise control for heavy trucks using combined heuristic and predictive control
US11904880B2 (en) Systems and methods for vehicle coasting recommendation
US20230061782A1 (en) System and method for controlling vehicle propulsion
US11866061B2 (en) Systems and methods for vehicle propulsion recommendation

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
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20210831