基于智能网联信息的新能源汽车节能技术

2020年12月23日，中国汽研成功举办《2020第三届新能源汽车测试评价技术国际论坛》。中国汽研将持续为大家推送精彩演讲实录，本文为黄岩军博士带来的《基于智能网联信息的新能源汽车节能技术》。

1 研究背景及意义

汽车工业快速发展在给人类带来极大便利的同时也带来了严重的能源与环境问题，给交通运输带来了更大的负担与挑战。因此，利用可获取的网联信息通过对车辆行驶的预测控制对于实现节能减排以及提高通行效率具有很大意义。

当前，在大数据、云计算以及信息通信技术新一轮科技革命的冲击下，通信、传感、计算、控制、智能等信息技术迅速发展，智能网联汽车引起了世界广泛关注，并且在改变着汽车的现有生态系统。在此背景下，智能汽车能效控制技术得到了迅速发展，比如，国际能源署（Energy efficiency 2019）表明，数字化信息化技术在汽车能效提高中起到了重要作用，预计贡献率将达到20%-25%，美国NEXTCAR项目在智能动力系统节能减排中给出的目标是20%。因此，在智能网联发展的基础上，利用交通大数据信息提高智能汽车的能效水平成为当前的研究热点。

目前，针对智能汽车的行驶预测控制，主要考虑的是单一信息的特定交通场景下的利用，比如针对前车等短时域交通信息的巡航控制，以及针对单一信号、连续信号灯等长时域信息的车辆速度优化等，而对于车路协同或是智能网联下利用动态交通信息、静态地理信息从而实现智能汽车更安全、更经济、更便捷、更舒适的目标，研究还比较少。

在智慧城市、智能交通等技术发展的背景下，信息极大丰富，但如何实现车路协同以及对数据信息的充分挖掘，并与智能汽车行驶预测控制有效结合，还存在以下难点与挑战：一是智能交通信息如何预测？如何达到更准确？比如针对不同的应用场景，采取不同尺度的交通流建模方式，目前对车辆的控制很多情况是假设获取的信息绝对准确，但这种假设是不太成立的，因此在部分网联及信号灯等交通信息可控的情况下，如何提高交通预测准确度是一个难点；二是当准确预测交通信息以后，预测的信息该怎样利用，该部分主要针对的是如何高效的跟节能问题相结合，通过V2X技术，获取当前时刻多元交通信息加上预测得到的一些信息共同组成一个交通大数据，但如何在交通中提取面向智能汽车行驶预测控制的有用关键信息是一个难点；三是如何与优化问题更好的结合，以模型预测控制为例，因为模型预测控制是一种优化控制，如何用现有信息与优化问题相结合是整个优化行驶问题的研究热点；四是利用这些信息怎样求解或是更快速的求解，因为随着5G技术的发展，智能信息更新迭代更加迅速，需要实时求解，优化问题必须应对快速变化的行车环境以提高车辆行驶的安全性经济性等，换句话说就是求解的越快，利用的智能信息就越迅速，从而应对快速变化的交通环境的能力就越强，另外，还需要考量的是目前先进的非线性优化算法难以在实车上车载级的芯片中进行使用，所以更有必要对快速求解方法进行研究。

针对上述存在的难点与挑战展开研究，首先是考虑前方车辆动态的电动汽车经济性预测巡航控制，在此基础上研究了基于路口等待队列的连续多交叉口分层经济性驾驶和基于交通预测的网联HEV实时预测节能控制策略，并且非线性预测控制快速求解方法贯穿于其中。

2 研究内容

2.1 电动汽车预测巡航控制

电动汽车预测巡航控制的目标是求解最优的电机力矩和制动力，保证跟车安全性，实现经济性行驶。

对电机的能效进行拟合，拟合出关于转矩和转速的多项式。还提出了终端速度惩罚项、约束项，保证跟车安全。为了提高计算速度，采用伪谱法将上述的非线性优化问题转化为非线性规划问题（NLP），在保证求解精度的前提下可降低一半的离散点数，进而降低计算量。仿真结果表明，该控制策略能够保证在跟车安全的前提下，实现大概4.1%的节能。

2.2 考虑路口等待队列的连续多交叉口经济性驾驶

考虑路口等待队列的连续多交叉口分层经济性驾驶策略，单一信号灯往往是在通畅道路情况下只考虑信号灯以及道路限速的影响进行速度规划，由于未考虑队列信息，所求的最优解与实际情况偏差较大；针对连续信号灯，通常采用规则的方式确定速度，从而丧失了优越性。而针对同时考虑连续信号灯和等待队列信息进行速度规划的研究还比较少，该部分工作主要解决的是针对连续交叉路口利用红绿灯以及路口处等待队列信息进行速度规划，得到经济性参考车速，实现复杂城市工况下的预测节能，以适应动态的交通环境，利用预测巡航系统实现车辆跟踪参考车速时的安全性以及舒适性。

解决方法有：考虑到利用的交通信息有前车信号灯等待队列、道路限速等这些时空跨度较大，在时间和空间上对预测节能存在约束，因此提出时间域和距离域混合的分层控制策略；提出虚拟信号灯的概念，通过确定虚拟信号灯的位置、时序信息，达到利用队列和连续信号灯的目的；此外，考虑到信号灯队列往往都是位置固定，因此采用基于距离域的速度规划方法，时间t将成为了一个状态量，这样信号灯时序就变为状态量t的约束，从而实现对交通信息的高效利用。

首先基于LWR模型，对路口附近的交通流进行建模，如下右图是同时考虑信号灯以及等待队列信息进行速度规划的示意图。

首先建立虚拟信号灯概念，考虑到交通流密度对排队队列的影响，通过分类讨论确定不同交通流密度下的队列类型以确定虚拟信号灯，第一类都发生在交通流密度较低的情况下，特点是排队完成快，消散也快；第二类是中等的交通流密度；第三类是交通流密度较高的情况，特点是排队对长很长，而且一个绿灯无法完全消散，这时候很难利用上层的速度规划进行预测节能控制，因此交给下层预测巡航控制进行经济性的跟车研究。另外考虑到对于连续交叉口绿灯时序的选择对于节能效果行驶时间影响很大，因此针对不同的驾驶员风格进行通行区域的选择，包括经济型和保守型。

通过以上交通流模型和虚拟信号灯的建立，得到了基于速度规划的有用信息，接下来基于距离域进行速度规划问题描述，同时交通信息在目标函数中以系统约束力实现高效利用。上层得到的最优的经济性参考车速，下层通过设计预测巡航控制器在保证跟车安全的前提下进行速度跟踪。

仿真结果对不同的交通流密度下控制策略进行了广泛的验证，基准方法蓝色曲线表明实现交通路口不停车等待能耗和时间的减少效果非常明显。

燃油消耗和行驶时间在不同的交通流密度下都有了明显的提升。

上述两个工作分别是利用短时域信息和长时域信息针对影响节能效果的研究，提出方法包括虚拟信号灯概念、距离域-时间域混杂的分层式能效滚动优化控制策略，利用这种策略对不同信息进行了节能研究。

2.3基于交通流预测的网联HEV预测节能

传统的预测节能方式大多是在驾驶员驾驶需求下进行力矩分配，一般是基于规则或map进行控制，难以实现节能潜力最大化，所以随着智能交通技术的发展，考虑智能HEV研究是基于交通预测的网联汽车分层能量管理，需要研究的问题包括：如何建立交通预测模型并进行准确的预测？如何利用预测得到的交通信息进行速度优化实现安全节能行驶？如何将其与转矩分配和档位进行最优匹配，以提高能效？考虑交通预测与预测节能的复杂性利用分层控制思想对上述问题进行解决。

如示意图，上层利用当前时刻交通地理信息预测前方交通流信息，利用预测得到的信息进行速度规划实现预测节能，同时下层对上层得到的最优驱动力进行优化分配，实现最优能量管理。

上图为车辆在行驶过程中的示意图，下图红色虚线框为要预测的前方交通流，通过V2X技术可获取当前车辆的状态信息，并利用智能驾驶员模型进行车与车之间的关系描述，该模型通过利用当前时刻两车之间的速度、距离等信息可以估计到当前时刻的加速，进而预测下一时刻的速度位置，定义一个Y矩阵用来描述前车信息，通过智能驾驶员可以预测未来时刻前方车流信息，要注意的是，智能驾驶员模型描述的是两车之间的关系，对于车流的第一台车是无法获取前车信息的，因此采用一种经验公式来预测该车的未来行驶状态。

有了预测信息，如何利用呢，首先有两个目标，安全和节能，同时还要保证一定的交通通行效率，因此将前方车流平均车速作为预测车速，另外利用前面车辆信息确定终端速度并约束这个信息以保证安全驾驶。基于此可通过构建该速度规划最终实现对预测信息的高效利用以及安全节能行驶。另外为了实时求解，采用了极值原理与二分法结合，将原始最优控制问题利用最优必要条件转化为初始状态变量求根问题实现快速求解。

通过仿真试验来验证控制效果，定义了误差的均方根来评价预测准确度，试验时分析可能影响交通流预测准确度的因素，工况设置为前方有一个8辆车组成的车流，分别比较了考虑车辆个数以及预测步数的影响，可以看到随着考虑车辆个数的增加，误差减小，预测步数增大，误差增大。