基于改进DP算法的多交叉口云端巡航策略_窦佳安.pdf

第 61 卷 第 3 期Vol.61 No.32023 年 3 月March 2023农业装备与车辆工程AGRICULTURAL EQUIPMENT&VEHICLE ENGINEERING0 引言汽车保有量迅速增长导致的排放和能源消耗问题日益增加，中华人民共和国生态环境部发布的 中国移动源环境管理年报（2020）指出，我国机动车产销量已连续 11 年位列世界第一，2019 全国机动车 4 项污染物排放量初步核算为 1 603.8 万 t1。中华人民共和国气候变化第二次两年更新报告，向国际社会报告了我国应对气候变化的各项政策与行动信息，发布了国家温室气体清单，并表明我国道路运输是交通运输温室气体排放的主要贡献者，占 84.1%2。因此，优化车辆的燃油经济性成为近年的研究热点。然而，机动车的燃油经济性不仅受到车辆发动机自身热效率的影响，同时，车辆行驶过程中的道路交通环境、驾驶员的驾驶行为模式等对燃油经济性的影响也十分明显3。发动机系统的节能优化存在难度大、成本高、周期长的问题，把改善驾驶行为作为主要工作内容的生态驾驶策略研究，正在和 5G、智能网联生态结合，成为潜在的研究热点4。生态驾驶技术按场景可分为信息交叉口生态通过、生态协同自适应巡航、匝道合流区域协同控制、生态协同变道规划和经济线路 5 种5，本文主要研究车辆通过多交叉口的经济指导车速。目前，多交叉口经济指导车速策略可以分为基于规则的控制方法和基于优化的控制方法。基于规则的控制方法一般是通过 V2X 设备获取信号灯的周期和当前相位，采取预先设计好的规则，计算车辆通过下个路口或未来多个路口的建议车速。这doi:10.3969/j.issn.1673-3142.2023.03.006基于改进 DP 算法的多交叉口云端巡航策略窦佳安1,2，刘双喜1,2，聂国乐2，杨建军2（1.300131 天津市 河北工业大学 机械工程学院；2.300300 天津市 中国汽车技术研究中心有限公司）摘要 车速诱导技术是车联网环境下智慧交通系统的重要一环，车速诱导给驾驶员提供较为经济或较为省时的参考车速。以城市区域连续多交叉口条件下车辆的经济行驶车速为研究对象，以动态规划（Dynamic programming,DP）算法为基础进行求解。DP 算法可保证结果全局最优，但需要遍历的车速曲线数量庞大，求解各条车速曲线对应的油耗计算量过大。采用并行分布式的云计算理念对 DP 算法作改进，新算法命名为改进动态规划化（Improved dynamic programming,IDP）算法，使得计算速度满足实时应用要求，且能耗表现接近 DP 算法的全局最优。关键词 车辆工程；智慧交通；诱导车速；动态规划 中图分类号 U491.2+55；TP273+.1 文献标志码 B 文章编号 1673-3142(2023)03-0026-05引用格式：窦佳安,刘双喜,聂国乐,等.基于改进 DP 算法的多交叉口云端巡航策略 J.农业装备与车辆工程,2023,61(3):26-29,36,.Multi intersection cloud-cruise strategy based on improved DP algorithmDOU Jiaan1,2,LIU Shuangxi1,2,NIE Guole2,YANG Jianjun2(1.College of Mechanical Engineering,Hebei University of Technology,Tianjin 300131,China；2.China Automotive Technology&Research Center Co.,Ltd.,Tianjin 300300,China)Abstract Speed-guidance technology is an important part of intelligent transportation system in the environment of Internet of vehicles.Speed-guidance provides drivers with more economical or time-saving reference speed.The research object of this paper is the economic driving speed of vehicles at continuous multiple intersections in urban areas.The solution is based on dynamic programming(DP)algorithm.In view of the characteristics that the dynamic programming algorithm has the global optimal result,but the operation time is too long and can only be used offline,the concept and method of cloud cruise are proposed.The parallel transformation of DP algorithm based on Cloud-Servers makes the computing speed meet the requirements of real-time application,and the energy consumption performance is close to the global optimization of DP algorithm.Key words vehicle engineering;smart transportation;induced speed;dynamic programming基金项目：天津市“项目+团队”重点培养专项“新能源汽车动态能量管理关键技术研究”（XC202045）收稿日期：2022-02-1727第 61 卷第 3 期类算法耗时短，但节能效果一般。例如，美国弗吉尼亚理工大学的 Hesham 等6通过判断车辆通过交叉口时是否需要进行加减速控制，针对车辆需要进行加减速干预的情形，使用线性方法计算了一簇速度曲线，并从中选取油耗值最低的一条作为最终的引导车速。Barth 等7利用信号灯相位、车辆位置计算平均通过车速，再利用三角函数将车辆加速度平滑过渡，引导车辆在绿灯相位通过交叉口；基于优化的经济车速算法通常建立车辆动力学模型，并在若干约束条件下计算出车辆最优控制轨迹。例如，克莱姆森大学的 Mahler 等8在研究中考虑了车辆的加速度以及总的通行时间，使得车辆可以大概率在绿灯相位通过路口，但未考虑耗能；斯坦福大学的 Edward 和密歇根大学的 Lin 分别通过线性规划9和动态规划算法10进行全局优化求解经济车速，但其运算极其耗时。弗吉尼亚理工大学的Kamalanathsharma11提出了改进的 A*算法，虽然可以实现实时计算，但受限于车辆 ECU 性能，普适性差。由于依赖的车联网环境不完善、网联车辆未普及，多车协同在结果验证阶段难度较大；且本文的研究重点是并行云计算和 IDP 算法的效果，不考虑旁车干扰有利于提高研究的针对性，因此，本文以车辆通过连续 5 个路口为算例，介绍基于并行云计算的 IDP 算法求解节能车速的原理与效果。1 系统建模1.1 动力学模型以一款电动 SUV 车型为研究对象，其基本参数如表 1 所示。表 1 实验车基本参数Tab.1 Basic parameters of test vehiclemv/kgRAf/m2i1 412 1.040.012.2 0.98由于算法是对车辆通过多交叉口过程前进方向的车速进行指导，所以只需建立车辆的纵向动力学模型。假定车辆行驶中无旁车干扰，并忽略换道等侧向运动，动力学模型为.sincosddFmtvgRC A v0 5vvairdfv2aa=+()(1)Pw=Fvv (2)式中：F车辆所受合外力；mv车辆质量；旋转质量换算系数；vv车辆的行驶速度；道路的坡度；R轮胎与路面间的滚动阻力系数；air空气密度；Cd空气阻力系数；Af车辆的迎风面积；Pw车辆的轮端需求功。1.2 能耗模型本研究使用动力电池需求功率作为优化效果的参考标准。驱动时动力电池需求功率为Pd=Pw/bettery（Tm，m）/i (3)式中：Pd车辆的轮端需求功率；bettery电机的效率，通过效率 Map 图确定；i传动系统的传递效率；Tm，m电动机的转矩和转速。Tm，m与车轮转矩、转速换算关系为：Tm=Tw/（igio）(4)m=wigio (5)定义车轮半径为 r，则有Tw=Fr (6)w=vv/r (7)能耗模型考虑了制动回收，采用“非单踏板式”的叠加式再生制动系统12-14。令前后轮制动力比例恒为21，回收力矩与机械制动力矩比例恒为13。回收功率为Pr=Tmm（Tm，m）(8)最终，动力电池总的需求功率为Pb=Pd-Pr (9)2 并行改图 1 为多交叉口车速引导策略示意图。左侧为道路简易图，右侧是车辆在对应路段的时空关系图。动态规划算法需要顺序求解，其特点是后一个时间步的输入参量依赖前一个时间步的输出。在求解该问题时要在图 1 的整个坐标区域遍历，搜寻到最优行驶轨迹。文本提出的并行化改造是将车辆的行驶过程按照交叉口在一系列 p 点处对整个遍历域进行切分，同时为切分处给定边界条件。即可令各段同时进行求解，利用并行计算降低运算时间。如图 1 所示，以每相邻两个切分点为顶点可以做一个矩形（子块），将 OA 轨迹上切分得到的5 段子块颜色加深显示。并行改造的思想是让各子块内的运算同时进行，取代原来需要在整个大区域内遍历。图 1 中加深的子块只演示了一种情况，实际上车辆从路口 1 到路口 2 有 2 种选择，除了标黑的p11-p22，还有 p11-p21。而从 p22节点出发到第 3 个路口又有 2 种选择。窦佳安 等：基于改进 DP 算法的多交叉口云端巡航策略28农业装备与车辆工程 2023 年3 分段方法及边界条件首先提出车辆稳态经济车速 ve和最佳加速过程概念。根据式（1）式（3），可以推导出单位行驶里程的动力电池耗能 ws：.sincosddwmvtvgRC A v0 5betteryairsidfv2aa=+()(10)当车辆迎风面积、空气阻力系数、整车质量等参数已知时，单位距离的车辆能耗 ws对车速的1 阶导数为 0 时，即得到稳态经济车速 ve。最佳加速过程是指车辆从车速为 0 开始加速至 ve的最经济方式。图 1 局部放大部分显示了 3 种由 0 加速至ve的方式。最佳加速过程只需离线计算 1 次，使用时直接调用。式（11）为 DP 算法的状态转移方程。Qk+1=Qk+PbT (11)式中：Qkk 阶段的动力电池耗能；Pb第 k阶段的电池需求功率根据子块起止点（S、E 点）性质的不同可以将各子段（子块）分为 6 种类型，如表 2 所示。表 2 子段类型Tab.2 Type of segments类型起点车速终点车速求解方式S0E0ve直接给出S0E+0ve动态规划S0E-0ve动态规划SeEveve直接给出SeE+veve动态规划SeE-veve动态规划其中，起点 S 车速为零时，称 S0，车速为 ve时称 Se。车辆以最佳加速过程 SM 加速至 ve并保持继续行驶恰好以绿灯相位通过路口时（如图 2 所示），该子段终点称为 E，此类子段的车速曲线即S0M+ME；若保持ve行驶到达路口时为红灯相位（如图 3 所示），则该子段车速曲线需要 DP 算法求解。令子段终点为该红灯相位的左或右两个端点，终点车速依然固定为 ve，此类子段的车速曲线为 S0E-或 S0E+。求解时，采用各段同时计算再整合成完整的车速曲线的方式。如图 3 所示，车辆从起点 S0到终点