油耗依赖的生态路由选择模型

随着出租车与家用汽车等交通工具数量的迅速增加,交通领域遭遇到越来越大的环境压力.传统的路径选择模型大多是寻找汽车从起始点到目的地之间的最短距离路径或最短时间路径,然而这两种路径的燃油消耗量和污染物排放量不一定是最少的.油耗的增多,不仅会造成能源的短缺,还会对城市环境产生巨大的影响.本文针对当前交通油耗过多、环境污染严重以及现有路径选择模型很少关注油耗及污染物排量放等问题,提出一个油耗依赖的生态路由选择模型.首先创建一个以油耗为权重的时间依赖路网模型,并将油耗因子引入到经典A-star算法的启发式评价函数中,提出了油耗依赖的生态路由选择模型.实验结果表明,该模型提供的生态路径能够有效的节省油耗减少环境污染.

智能网联汽车协同生态驾驶策略综述

为了跟踪近年来智能网联汽车(CAV)协同生态驾驶策略的研究进展,分析了车辆、驾驶行为、交通网络和社会这4类因素对CAV能耗的影响程度,以车辆、基础设施和旅行者为对象对目前CAV生态研究进行分类,重点分析了信号交叉口生态驶入与离开、生态协同自适应巡航控制、匝道合流区生态协同驾驶、生态协同换道轨迹规划和生态路由5种典型车辆协同生态驾驶应用场景的研究现状。分析结果表明:相比人类驾驶方式,在任何交通流量CAV 100%渗透率的条件下和低交通流量CAV部分渗透率的条件下,CAV油耗节省效果显著,最高可达63%,而具有部分智能化和网联化等级的CAV油耗可至少节省7%;现有研究较少考虑人机共驾情况下,驾驶人反应延迟和自动控制器传输延迟导致的轨迹跟踪偏离;现有研究将车车通信/车路通信假定为理想数据交互过程,未考虑通信拓扑、传输时延、通信失效与基站切换等因素对CAV生态协同驾驶策略的影响;现有研究较少探讨多车道、交叉口转向-直行共用车道和U型车道等交通场景,以及不同智能网联等级CAV与人类驾驶汽车、行人、自行车等共存的混合交通条件下的生态驾驶策略;受限于自动驾驶技术和基础设施尚未成熟和完善,真实交通场景下的测试验证工作尚未开展;车辆控制、车车通信、多车协同、混合交通流场景、半实物仿真测试和真实交通场景测试等方面将是CAV协同生态驾驶策略的进一步发展方向。