基于规则的信号交叉口纯电动公交节能驾驶策略

为解决纯电动公交在通过信号交叉口时能耗较大的问题,本文提出一种旨在最小化电量消耗的基于规则的两阶段驾驶策略,能够实现通行策略场景的合理划分选择及充分优化加减速调整曲线凹凸性,同时,不牺牲乘客舒适度和通行时间。在策略第1阶段,结合车辆运行状态和通过车路协同技术获取的交叉口信号相位和时序信息,提出4种交叉口通行策略的划分与判断选择方式,包括匀速通过策略、加速通过策略、减速通过策略和制动停车策略;在策略第2阶段,利用基于XGBoost算法的能耗估算模型和基于加减速特征参数的曲线模型,优化策略场景中匀速过程、加速过程和减速过程的速度曲线;最后,结合VISSIM仿真验证4种通行策略的有效性。结果表明,所提出的策略可以有效减少电量消耗,在4种驾驶场景下,降低了29.8%~34.2%的能耗。此外,分析发现,在经济车速以上和以下的最佳速度节能曲线均为凹凸形曲线,因此,通过对比实验进行不同速度调整范围的最节能曲线凹凸性规律总结,该结论可以为纯电动公交车的节能驾驶提供更易于操作的驾驶引导。

面向自动驾驶的多任务辅助驾驶策略学习方法

随着自动驾驶技术的发展,深度强化学习成为实现高效驾驶策略学习的重要手段。然而,实施自动驾驶面临着复杂多变的交通场景带来的挑战,并且现有的深度强化学习方法存在场景适应能力单一、收敛速度较慢的问题。针对此类问题,为提高自动驾驶车辆的场景适应能力和策略学习效率,文中提出了一种多任务辅助的驾驶策略学习方法。该方法首先基于深度残差网络构建了编码器-多任务解码器模块,将高维驾驶场景压缩为低维表征,并采用语义分割、深度估计和速度预测的多任务辅助学习,以提高低维表征的场景信息丰富程度;然后,以该低维表征作为状态输入,构建基于强化学习的决策网络,并设计多约束奖励函数来引导驾驶策略的学习;最后,在CARLA中进行仿真实验。结果表明:相较于DDPG、TD3等经典方法,文中方法通过多任务的辅助改善了训练进程,学习到更优的驾驶策略;在环岛、路口等多个典型城市驾驶场景中实现了更高的任务成功率和驾驶得分,具备优秀的决策能力和场景适应性。

跟驰中的驾驶人自稳定控制及网联辅助驾驶策略

为探究交通状态及演化趋势在驾驶人自稳定控制(SSC)中的作用,提出了考虑驾驶人交通态势估计的自稳定跟驰模型.首先,基于SHAP解释模型和不同交通状态下速度差敏感性系数分布差异,解析了前方交通状态对驾驶行为的重要作用以及在驾驶人自稳定控制中的影响机制.其次,在全速度差模型(FVDM)中引入表征驾驶人对前方交通态势感知与估计的参数,提出了一种改进的自稳定全速度差模型(SS-FVDM).然后,对原始和改进后的模型进行了参数标定和对比验证.最后,为弥补SSC的局限性,开发了一种新的网联辅助驾驶策略来实现SSC效果的稳固和进一步提升,并基于线性稳定分析理论,推导了模型的稳定性条件.结果表明:相比于FVDM,SS-FVDM具有更大的稳定区间和更高的拟合精度,并能够很好地捕捉驾驶人在自稳定控制下的松弛行为特征.此外,基于SSC所开发的网联辅助驾驶策略能够更大程度地提升交通流稳定性.

车路协同环境下交叉口区域生态驾驶策略研究

为改善车辆通行交叉口区域的燃油消耗和污染物排放,在车路协同环境下研究车辆通行交叉口区域的生态驾驶策略。利用VT-Micro模型构建车辆百公里燃油消耗量和CO_(2)排放量计算模型,提出车辆匀速策略以及通行交叉口区域的加、减速策略。根据不同的信号灯相位及剩余时长分别建立生态驾驶策略,并在Matlab中进行仿真验证。仿真结果表明,所建立的生态驾驶策略节能减排效果显著,其中针对信号灯相位为绿灯的生态驾驶策略可降低16.82%~38.26%的油耗,减少5.57%~43.18%的CO_(2)排放量;信号灯相位为红灯的生态驾驶策略可以降低31.46%~43.29%的油耗,减少15.19%~54.64%的CO_(2)排放量。

纯电动车加速—滑行(PnG)驾驶策略的节能潜力

通过仿真与测功机台架试验,评估了一种纯电动车加速-滑行(PnG)驾驶策略的节能潜力。研究PnG策略中多个参数之间的关系,包括震荡距离、PnG周期与单位行驶里程平均电耗。建立电机与传动系统的空转损耗模型。用试验进行模型参数辨识。对滑行阶段的离合器断开或闭合的PnG驾驶策略和定速策略等3种情景,进行能量流仿真分析与转鼓试验。结果显示:在相同平均速度的条件下,无离合器的纯电动车PnG驾驶策略,没有节能潜力;与定速策略相比,滑行阶段离合器断开的策略,可节能约8.5%。

纯电动公交车进出站节能驾驶策略的设计与仿真

针对公交车进出站过程速度波动明显,能耗较高的问题,本文采集纯电动公交车自然驾驶数据,以进出站速度随距离的变化关系、进出站加速度分布区间及进出站时间3个指标分析公交车进出站驾驶行为参数特性。统计进出站百公里能耗及瞬时能耗与加速度的变化趋势,分析进出站的能耗特征。在此基础上,将进出站路段划分为定速段、调整段和恢复段,并依据进站时站内已经停靠公交车的影响,将进出站场景分为3类。进出站实质上是"减速-加速"过程,提出以加速特征参数表征的加速策略和恒减速策略,以此分别针对3类进出站场景提出几种节能驾驶策略,最后,基于AVL CRUISE仿真验证节能驾驶策略的有效性。结果表明,相比自然驾驶情况,本文提出的进出站节能驾驶策略在纯电动公交车进出站过程中节省电能达到12.17%~44.43%,具有可观的节能潜力。

基于不同速度控制模式的列车驾驶策略优化研究

列车驾驶策略优化通过优化列车速度曲线降低列车牵引能耗,在列车准点运行的前提下降低铁路系统运营成本。为了探究连续控制型和离散控制型列车节能速度曲线的节能效果差异,对比优化2种速度控制模式的列车节能速度曲线,并给出了相应的结论。分析列车牵引计算模型和节能运行工况模型,建立列车区间运行多目标优化数学模型。分析列车运行时间与列车运行能耗的关系,将区间运行时间最短的列车区间最速曲线作为参考基准,同时给出列车区间最速曲线生成方法。分别提出2种速度控制模式的列车驾驶策略多目标优化方法及其对应的优化算法决策变量通用设置规则,再采用粒子群优化、模拟退火和模式搜索法优化列车速度曲线。基于实例进行验证,生成2种区间运行时间方案下CRH3C型动车组列车从岳阳东站到汨罗东站的列车区间最速曲线、连续控制型列车节能速度曲线和离散控制型列车节能速度曲线。此外,对比水平线路上的3种列车速度曲线。结果表明:延长列车区间运行时间可以有效降低列车区间运行能耗;含有下坡道的变坡度线路上,连续控制型列车节能速度曲线节能效果更优;水平线路上,离散控制型列车节能速度曲线节能效果更优;2种速度控制模式下,粒子群优化的节能效果优于模拟退火和模式搜索;在优化算法寻优作用下,下坡道对列车驾驶策略节能优化具有促进作用;坡道附加阻力造成列车所受合力的变化,对列车运行过程的影响显著。

基于多目标约束的机车驾驶策略优化研究

在概述国内外研究现状的基础上,分析影响机车牵引能耗的4类主要因素,提出机车驾驶策略优化研究即在满足安全、准点、舒适等多目标条件的约束下,寻找一条最优速度曲线,使列车由起点到达终点消耗的能量最少。将列车运行的全过程划分为平缓坡、上坡和下坡等多种运行状态的组合,通过建立基于多目标约束的能耗最优控制模型,提出不同阶段对应的机车驾驶策略,并通过实车验证该模型具有显著的节能效果。

高铁列车区间最优节能驾驶策略研究

随着全国高铁线路的逐步成网,高铁列车区间节能驾驶策略对降低高铁列车区间运行能耗显得尤为重要。论文结合动力学相关知识,构建了一种列车节能驾驶策略模型,通过确定高速铁路列车在区间各工况转换点以及区间最高运行速度的方法来寻找最优节能驾驶策略。最后以CRH3型动车组在京津城际之间运行为例,利用Lingo软件编程可迅速寻找出高铁列车区间最优运行工况转换点,从而确定出局部最优条件下的高铁列车最佳节能驾驶策略。对模型参数(列车区间运行时间)做了灵敏度分析,得出列车在区间的最高运行速度随着区间运行时间的增加而降低的结论。

基于遗传算法的重载列车驾驶策略研究

针对重载列车在长大下坡道运行时需采取循环制动来保证列车安全运行的难点问题,通过分析重载列车动力学模型和操纵要求,研究了一种基于遗传算法的列车驾驶策略。首先,基于线路数据和列车编组数据,对重载列车运行过程进行了动力学模型的建立;然后以操纵要求建立约束集,设计了以工况(制动和制动缓解)转换点为编码对象的驾驶策略生成算法;最后选取朔黄铁路一段长大下坡道实际线路数据,仿真得到最优的工况转换序列,并生成列车驾驶曲线。分析仿真驾驶曲线与指导驾驶曲线速度的均方根误差以及速度误差的期望和方差,表明该方法是可行的。

基于双状态动态规划混动汽车坡道生态驾驶策略

研究了车辆驶过坡道的驾驶时间对混合动力汽车(HEV)生态驾驶(ECO)策略的影响,通过调整车速来改善驾驶人的驾驶策略以减少车辆能耗。所构建ECO驾驶策略模型,采用以驾驶里程和车速为双状态、以驾驶时间为阶段变量的动态规划,以车辆驱动能量和制动能量之和为目标函数,这是由于在实际道路下HEV油耗主要受车辆需求能量影响。运行于不同驾驶策略,对HEV整车模型进行计算。结果表明:与固定车速驾驶策略相比,采用ECO驾驶策略,对上下坡工况和下上坡工况,车辆油耗分别降低17.6%和12.2%;相比于下上坡工况,上下坡工况采用ECO驾驶策略车辆油耗对驾驶时间更加敏感。

基于蚁群算法的列车节能驾驶策略优化算法研究

针对城市轨道交通运输中列车牵引耗能大的问题,将优化列车推荐速度曲线和改进ATO驾驶策略相结合,提出一种基于蚁群算法的列车节能驾驶策略优化算法。首先建立列车推荐速度曲线优化模型,其次结合司机驾驶经验提出基于蚁群算法的列车推荐速度曲线优化计算方法,然后设计节能巡航驾驶策略对ATO原有驾驶策略进行改进。最后以北京地铁亦庄线实际数据对算法进行仿真验证。仿真结果表明,使用该算法控制行车时,在满足区间运行时间约束条件下,站间能耗可降低22.92%,计算时间为1.3s。该算法收敛速度快,节能效果明显,对降低列车牵引能耗具有一定现实意义。

基于多目标协同演化算法的大规模自动驾驶策略

目前无人驾驶技术领域的研究重点主要集中在单车层面的感知、决策与控制,而缺少对多车之间交互及博弈的研究,因此无法有效降低交通系统整体事故率并提升通行效率。该文提出一种基于合作博弈理论的大规模自动驾驶策略涌现方法。通过建立面向网联汽车、多目标优化决策的合作博弈演化平台,并构造了一种网格道路模型和车辆运动学模型,使得系统中各车辆之间以近邻博弈的方式进行交互;同时系统采用分布式算法并具有间接交互的特点,最终模型计算复杂度与模拟车辆规模呈线性关系。实验结果表明,最佳策略涌现后,事故率和平均速度均取得明显改善,其中事故率降低了90%,模型计算速度提升了30%。该方法可应用于包含数百万辆自动驾驶汽车的城市级智能交通规划系统中。

基于行车记录仪的汽车辅助驾驶策略

本文就基于行车记录仪的汽车辅助驾驶作了研究,行车记录仪记汽车行驶画面,然后采用一定的技术,对该画面进行分析处理,检测不安全因素,进而找出一些不安全事件。

面向关键场景的货运机车自动驾驶控制策略研究

目前,机车自动驾驶装置已应用于多条线路,并取得了一定的阶段性成果。由于运用场景复杂、控制对象非线性和离散性强等因素,其在运行考核期间出现了一些问题和挑战,包括列车区间运行出现冲动与涌动现象、站内对标停车精度不符合要求、大上坡起车失败、空气制动性能评估困难等,严重影响机车运行的平稳性和行车安全性。对此,文章针对面向关键场景的自动驾驶操纵控制技术,通过深入分析运行操作规程与历史运行数据,优化列车动力学模型参数,建立精确的基本阻力模型和空气制动模型;设计了基于专家知识库的平稳操纵策略、智能停车控制策略、空气制动终端预测控制方法、模型与数据驱动的安全评估方法等,最终解决了现场运行中出现的难题。在朔黄铁路线神池南站至肃宁北站区间进行了实车试验,结果显示,采用这些策略后,组合两万吨列车实现了正线运行100%的自动控车,这为机车自动驾驶常态化运用提供了技术基础。

考虑速度模式的纯电动公交进出站生态驾驶策略

新能源汽车的大力推广给节能减排带来新机遇的同时,也突显出由于动力系统与传统燃油车存在差异,驾驶人延用传统燃油车的操作方式与驾驶习惯引起电动汽车能耗高的问题。为增加进站能量回收,减少出站能量消耗,本文考虑实际进出站速度模式建立进出站生态驾驶策略。首先,采集纯电动快速公交自然驾驶数据,分析其与燃油公交车的能量消耗差异性。其次,剖析实际进出站速度模式,并基于此分别建立5种考虑速度模式的进站减速策略和出站加速策略,对比能源消耗率分别确定进站和出站生态驾驶策略。之后,在基于速度模式生态驾驶策略的基础上,建立基于快速基因非支配排序的遗传算法(NSGA-Ⅱ)的生态驾驶策略。最后,利用3种驾驶风格下的实际进出站数据验证两种生态驾驶策略的节能效益。结果发现,基于速度模式和NSGA-Ⅱ的生态驾驶策略对耗能型、一般型和节能型这3种驾驶风格的节能率分别为17.04%/23.58%、14.76%/21.48%和5.78%/13.21%,提出的策略对于耗能型驾驶风格的节能率最高,其次为一般型,对节能型驾驶风格的节能率最低。基于NSGA-Ⅱ的策略比基于速度模式的策略节能7.89%。

纯电动公交车交叉口节能驾驶策略

针对纯电动公交车在交叉口区域的高能耗问题,设计纯电动公交车通行交叉口区域的节能驾驶策略。根据公交车通行交叉口区域的驾驶行为将交叉口场景划分为4类,并根据运动学关系划分信号灯剩余时长区间,将其分为6种情况,综合考虑交叉口上游路段和下游路段设计节能驾驶策略。结合基于纯电动公交车能耗特征的单位里程能耗模型和纯电动公交车匀速、加速以及减速策略,在MATLAB中开展仿真试验,验证所提出的节能驾驶策略。研究结果表明:提出的节能驾驶策略至少可以降低8%以上的能耗;对划分的6种情况而言,到达调整段时信号灯为绿灯的驾驶策略可降低8.70%~42.63%的能耗,到达调整段时信号灯为红灯的驾驶策略可降低9.85%~51.65%的能耗。

一种多感知多约束奖励机制的驾驶策略学习方法

针对交通场景的复杂性和多变性,深度学习算法和深度强化学习方法适应性较差的问题,本文提出一种基于多感知输入多约束奖励函数的深度强化学习方法。方法的输入包括前视图像和激光雷达数据和鸟瞰图信息,多种输入信息经过编码网络得到潜在空间表示,经过重构后作为驾驶策略学习的输入,并在奖励函数的设计中综合考虑了横纵向误差、航向、平稳性、速度等多种约束,从而有效提高了场景的适应能力和策略学习的收敛速度。在仿真环境CARLA下搭建了典型的交通场景对方法的性能进行了仿真验证,并对多约束奖励机制进行了分析对比。结果表明:本文方法能实现车辆在多场景下的驾驶决策,性能明显优于同类SOTA方法。

基于典型事故场景的雪天高速换道自动驾驶策略

针对雪天低附道路下的车辆高速换道安全问题,提出了一种智能汽车高速安全换道自动驾驶策略。基于典型交通事故案例,研究了车辆雪天高速换道安全特性。构建了Gaussian分布换道轨迹模型,利用决策树和分层加权评分,提出了适应不同驾驶模式的车路协同安全换道决策和路径规划方法。基于PreScan再现交通事故场景,验证低附路面下车辆高速换道智能驾驶策略。仿真结果表明:提出的自动驾驶决策规划机制可有效避免交通事故的发生,可为智能驾驶决策系统开发提供参考。

节油驾驶控制策略速度门限匹配

设计了分离无摩擦的电控滑行离合器,针对加速-滑行模式提出了基于结合-分离速度门限调节的节油驾驶控制策略。在MATLAB仿真平台上进行了离线仿真,分析了速度门限对油耗的影响;进行了道路试验研究,完成了速度门限的匹配。结果表明:本文提出的滑行电控离合器以及节油驾驶控制策略具有很好的节油效果。