CN102947159A - 用于控制车辆速度的方法和模块 - Google Patents

Abstract

本发明涉及一种用于控制车辆速度的方法，包括：选定所述车辆的期望速度v_set；借助于地图数据和位置数据来确定计划旅程的地平线，所述地平线由针对每一段均具有至少一个特性的路线段构成；在若干模拟周期（s）的每个周期期间执行以下操作，每个模拟周期均包括以预定频率f进行的N个模拟步骤：在给出v_set作为基准速度时，利用常规巡航控制对沿所述地平线的所述车辆的速度做出第一预测v_{pred_cc}，所述预测取决于所述段的特性；将所预测的车辆速度v_{pred_cc}与界定所述车辆速度所意在的范围的v_min和v_max进行比较；在所述车辆的发动机转矩T是取决于前一个模拟周期（s-1）中的所述比较的结果的值时，对沿所述地平线的所述车辆的速度做出第二预测v_{pred_Tnew}；基于所述模拟周期（s）中的所述比较和所预测的车辆速度v_{pred_Tnew}中的至少一个，确定表示将要如何影响所述车辆速度的至少一个基准值；向所述车辆中的控制系统发送所述至少一个基准值，随即相对于所述基准值调节所述车辆。本发明还包括用于控制车辆速度的模块。

Description

用于控制车辆速度的方法和模块

技术领域

本发明涉及一种根据独立权利要求的引言的、基于车辆的预测速度来控制车辆速度的方法和模块。

背景技术

当今的传统巡航控制维持通常由驾驶员设定的恒定基准速度。仅在驾驶员他/她自己在驾驶的同时调节基准速度值时才改变该基准速度值。然后将基准速度传递给控制系统，该控制系统控制车辆，（如果可能的话）使得车辆维持基准速度。如果车辆装备有自动换挡系统，它会换挡使其能够维持期望的速度。

在丘陵地带中使用巡航控制时，巡航控制系统将设法在上坡和下坡时都维持设定速度。有时这会导致车辆在山顶加速，并可能进入接下来的下坡，然后它必须刹车以避免超过设定速度，这是一种费油的驾驶车辆方式。即使在其未在山顶加速的情况下，车辆当然也可能需要下坡时刹车，以避免超过设定速度。

为了减少尤其在起伏道路上的燃油使用，已经开发出经济巡航控制，诸如斯堪尼亚的巡航控制尝试估计车辆的当前速度，并了解历史行驶阻力。还可以为经济巡航控制提供具有地形信息的地图数据。然后例如借助于GPS，在地图上定位车辆，并估计沿前方路线的行驶阻力。于是，可以针对不同类型的道路优化车辆的基准速度，以便节省燃油。

在Erik

的题为“Explicit use of road topography for modelpredictive cruise control in heavy trucks”（ISRN：LiTH-ISY-EX--05/3660--SE）的文献中描述了利用地形信息的巡航控制的示例。这里巡航控制是通过实时优化实现的，并且使用成本函数来定义优化标准。计算并评估大量不同的解决方案，并采用导致最低成本的解决方案。所涉及的相当大量的计算使得必须用于具有适当大容量的处理器。

在其它形式的巡航控制中，通过选择来减少可能解决方案的数目，而不是从沿车辆预期旅程的一个解决方案来迭代。不过，车道的地形、车辆的重量和发动机的性能可能导致对用于确定基准速度的处理器能力需求的差异。例如，中高发动机功率的载重卡车行驶于起伏道路上的情况比高发动机功率的轻载卡车行驶于相对平坦道路上需要更多的计算。这是因为第一种情况下卡车可能会在每个下坡上加速并在每个上坡上减速，而在第二种情况下卡车则将相当平稳地行驶。

由于处理器上的负载在不同状况之间可能会有很大的变化，所以对并入系统的处理器有相对较大的需求。例如，其能力需要大到足以迅速应对必须完成大量计算的状况。因此，尽管它们仅在所用的处理器时间的有限比例期间发生，也需要被确定维数（dimension）以应对这样的状况。

Anders 

在题为“Efficient Simulation and Optimal Control forVehicle Propulsion”（

2008）的论文描述了如何模拟各种控制策略，以便沿一段计划旅程实现速度分布、燃油消耗和运行时间。在此之后，基于具有参数λ的成本函数评估哪个是最有利的控制策略，该参数λ表示运行时间如何重要。不过，如果希望实现燃油消耗减少与运行时间增加之间的相同关系，则该参数取决于车辆的重量。此外，不满足舒适性要求。

本发明的一个目的是提出一种改进的系统来控制车辆的速度，使得所用的燃油量可以最小化，具体而言，使得处理器上的负载变得更轻且更平稳。本发明的另一目的是能够设定巡航控制，使得能够优先较小的燃油量或较短的运行时间。

发明内容

以上目的中的至少一个是由用于控制车辆速度的方法实现的，所述方法包括：

-选定所述车辆的期望速度v_set；

-借助于地图数据和位置数据来确定计划旅程的地平线，所述地平线由针对每一段均具有至少一个特性的路线段构成；

-在若干模拟周期（s）的每个周期期间执行以下操作，每个模拟周期均包括以预定频率f进行的N个模拟步骤：

-在给出v_set作为基准速度时，利用常规巡航控制对沿所述地平线的所述车辆的速度做出第一预测v_{pred_cc}，所述预测取决于所述段的特性；

-将所预测的车辆速度v_{pred_cc}与界定所述车辆速度所意在的范围的v_min和v_max进行比较；

-在所述车辆的发动机转矩T是取决于前一个模拟周期（s-1）中的所述比较的结果的值时，对沿所述地平线的所述车辆的速度做出第二预测v_{pred_Tnew}；

-基于所述模拟周期（s）中的所述比较和所预测的车辆速度v_{pred_Tnew}中的至少一个，确定表示将要如何影响所述车辆速度的至少一个基准值；

-向所述车辆中的控制系统发送所述至少一个基准值，随即相对于所述基准值调节所述车辆。

根据另一方面，所述一个或多个目的是由一种用于控制车辆速度的模块实现的，所述模块包括：输入单元，适于接收所述车辆的期望速度v_set；地平线单元，适于借助于地图数据和位置数据来确定计划旅程的地平线，所述地平线由针对每一段均具有至少一个特性的路线段构成；以及计算单元，适于在若干模拟周期（s）的每个周期期间执行以下操作，每个模拟周期均包括以预定频率f进行的N个模拟步骤：

-在给出v_set作为基准速度时，利用常规巡航控制对沿所述地平线的所述车辆的速度做出第一预测v_{pred_cc}，所述预测取决于所述段的特性；

-将所预测的车辆速度v_{pred_cc}与界定所述车辆的速度所意在的范围的v_min和v_max进行比较；

-在所述车辆的发动机转矩T是取决于前一个模拟周期（s-1）中的所述比较的结果的值时，对沿所述地平线的所述车辆的速度做出第二预测v_{pred_Tnew}；

-基于所述模拟周期（s）中的所述比较和所预测的车辆速度v_{pred_Tnew}中的至少一个，确定表示将要如何影响所述车辆的速度的至少一个基准值。所述模块还适于向所述车辆中的控制系统发送所述至少一个基准值，随即相对于所述基准值调节所述车辆。

所述方法在处理器上产生了基本恒定的负载，这是因为在每个模拟周期期间以恒定频率做出相同数量的预测。处理器负载独立于车辆发动机的功率输出、车辆重量和路线的地形。于是，相关处理器知道将需要多少处理器能力，因此一致地分配该处理器能力。于是，处理器负载将在变化地形的不同状况中是相同的并独立于车辆的发动机转矩。于是，还能够确定相关处理器的维数，而无需应对任何极端最坏情形，而是应对均匀的处理器负载。于是能够减少处理器成本。根据实施例，仅针对驾驶车辆的两种不同模式预测沿地平线前方的速度变化，导致相对较轻的处理器负载。

在优选实施例中，基准值的选择基于成本函数，其利用传统巡航控制对能耗的减少和运行时间的增加加权。然后，加权参数几乎与车辆重量、旅程长度和发动机类型无关，由此简化了计算。

不同于传统巡航控制，例如，其能够在选择评估哪些控制策略时满足发动机效率和舒适性/可驾驶性的需要。

在从属权利要求和详细描述中描述了优选实施例。

附图说明

以下参照附图描述了本发明，在附图中：

图1示出了根据本发明实施例的模块。

图2是根据本发明实施例的方法的流程图。

图3示出了根据本发明实施例的模拟周期期间的预测速度。

图4示出了根据本发明实施例的若干模拟周期。

图5示出了根据本发明实施例的车辆预测速度。

图6示出了对于车辆速度不同预测的各种最终速度。

具体实施方式

图1示出了根据本发明实施例的用于控制车辆速度的模块。该模块包括适于接收车辆的期望速度v_set的输入单元。驾驶员例如可以设定他/她希望车辆保持的期望速度v_set。该模块还包括地平线单元，其适于借助于地图数据和位置数据确定计划旅程的地平线。地平线由针对每一段具有至少一个特性的路线段构成。段特性的示例可以是以弧度为单位的其梯度。

在本发明的描述中，指出了GPS（全球定位系统）来确定车辆的位置数据，但应当认识到，也可以想到其它类型的全球或地区性定位系统来向车辆提供位置数据，例如使用无线电接收机来确定车辆位置的系统。车辆还可以使用传感器来扫描周围环境，并由此确定其位置。

图1示出了该模块如何通过地图（地图数据）和GPS（位置数据）吸收（assimilate）与计划旅程有关的信息。例如，将旅程通过CAN逐比特地传递到该模块。该模块可以独立于控制系统或使用基准值来调节的系统，或形成上述系统的一部分。控制系统的示例是车辆的发动机控制系统。或者，地图和定位系统单元也可以是使用基准值来调节的系统的一部分。在该模块中，将各比特一起放在地平线单元中以形成地平线，并由处理器单元处理以生成内部地平线，控制系统可以相对于该内部地平线进行调节。然后，利用来自GPS和地图数据单元的新比特连续补充地平线，以保持期望的地平线长度。于是，当车辆在运行中时，连续更新地平线。

CAN（控制器区域网）是专为用于车辆而开发的串行总线系统。CAN数据总线使得传感器、调节部件、致动器、控制装置等之间能够有数字数据交换，并确保两个或更多控制装置能够从给定传感器获取信号，以使用它们来控制与它们连接的控制部件。

该模块还包括计算单元，其适于在给出v_set作为基准速度时，在若干模拟周期（每个均包括以预定频率f进行的N个模拟步骤）的每一个期间利用常规巡航控制对沿地平线的车辆的速度做出第一预测v_{pred_cc}，该预测取决于所述段的特性。将所计算的车辆速度v_{pred_cc}与界定车辆速度所意在的范围的v_min和v_max进行比较，并且在车辆发动机转矩T是取决于前一个模拟周期（s-1）中所述比较结果的值时，对沿地平线的车辆的速度做出第二预测v_{pred_Tnew}。基于该模拟周期（s）中的所述比较和所预测的车辆速度v_{pred_Tnew}中的至少一个，确定表示将要如何影响车辆速度的至少一个基准值。该模块还适于向车辆中的控制系统发送所述至少一个基准值，由此相对于基准值调节车辆。下文更详细地解释了如何进行预测。

模块和/或计算单元至少包括处理器和存储器，适于执行本文所述的所有计算、预测等。

图2是根据本发明实施例控制车辆速度的方法中涉及的步骤的流程图。该方法包括第一步骤A）：选定v_set作为车辆要保持的期望速度，第二步骤B）：借助于地图数据和位置数据确定计划旅程的地平线，该地平线由针对每一段具有至少一个特性的路线段构成。根据该方法，然后在地平线长度期间执行若干模拟周期（s）。模拟周期（s）包括C）以预定频率f执行N个模拟步骤，并且需要C1）：在给出v_set作为基准速度时，利用常规巡航控制对沿地平线的车辆的速度做出第一预测v_{pred_cc}，该预测取决于所述段的特性，C2）：将所预测的车辆速度v_{pred_cc}与界定车辆速度所处的范围的v_min和v_max进行比较，C3）：在车辆的发动机转矩T是取决于前一个模拟周期（s-1）中的所述比较结果的值时，对沿地平线的车辆的速度做出第二预测v_{pred_Tnew}，以及C4）：基于该模拟周期（s）中的所述比较和所预测的车辆速度v_{pred_Tnew}中的至少一些，确定表示将要如何影响车辆速度的至少一个基准值。作为另一步骤D）：向车辆中的控制系统发送所述至少一个基准值，将会相对于基准值调节车辆。在确定并调节了车辆的基准速度时，这种方法实现了恒定和预定的处理器负载。

如图2中所示，在模拟周期（s）期间，并行做出根据C1）的预测和根据C3）的预测。v_{pred_cc}与前一个模拟周期（s-1）中v_min和v_max的比较结果确定了要在模拟周期（s）中预测v_{pred_cc}的转矩T。例如，如果每个模拟周期包括频率为100Hz的100个模拟步骤，则每个模拟周期耗时1秒。

因此，v_set是驾驶员的期望巡航控制速度的输入信号，基准值是相对于其调节车辆的值。基准值优选是来自基准车辆速度v_ref、基准转矩T_ref或基准发动机转速ω_ref中的任一个。向发动机控制单元的速度调节器提供v_ref。对于传统的巡航控制而言，v_ref=v_set。然后，速度调节器通过从发动机的转矩调节器要求必要的转矩来根据v_ref控制车辆速度。在将基准值替换为基准转矩T_ref时，可以将T_ref直接发送到发动机的转矩调节器，并且在基准值是基准发动机转速ω_ref时，可以将ω_ref直接发送到发动机的速度调节器。如果在与v_min和v_max进行比较时v_{pred_cc}不超过这些极限，则根据实施例，给出v_set作为基准值。然后，基准值完全取决于这种比较。下文解释对于其它情况而言将针对哪个基准值。

现在将会解释如何得出各个预测速度。

从环境作用于车辆的总力F_env由滚动阻力F_roll、重力F和空气阻力F_air构成。重力计算为：

F＝m·g·α(1)

其中m是车辆的重量，α是以弧度为单位的道路梯度。由于大多情况下仅与小角度有关，所以sin(α)近似为α。将空气阻力如下计算为因子k乘以车辆速度的平方：

$F_{\mathrm{env}}=F_{\mathrm{roll},\mathrm{present}}+m\·9.82\·\mathrm{\α}+k\·v_{i-1}^2---\left(2\right)$

F_{roll，present}＝F_roll，est,m=m_est, $k=\frac{1}{2}\mathrm{\ρ}\·C_d\·A---\left(3\right)$

其中A是车辆的估计前面积，C_d是取决于对象的流线形状的阻力系数，ρ是空气密度，m是由其重量估计系统估计为m_est的车辆重量。还在车辆中将当前滚动阻力F_roll,present继续估计为F_roll,set。为了计算m_est和F_roll,est，请基准Maria Ivarsson的题为“Fuel Optimal Powertrain Control For Heavy TrucksUtilizing Look Ahead”的论文（

2009，ISBN 978-91-7393-637-8）。V_i-1是在前一模拟步骤的车辆预测速度。

向前推进车辆的力F_drive取决于做出哪个预测。根据实施例，将其取为最大可能功率（最大转矩）或最小可能功率（最小转矩，例如拖曳转矩）。不过，可以取以下范围之内的任何期望的力

F_min≤F_drive≤F_max    (4)

因此，可以在除最大或最小转矩之外的转矩时预测车辆速度V_{pred_Tnew}（以及如下所述的V_{pred_Tk+new}）。将F_max计算为最大可用发动机转矩（发动机转速的函数）乘以总传动比并除以有效轮胎半径r_wheel。除了用最小转矩替代外，以与F_max以相同的方式得到F_min：

$F_{\max }=\frac{T_{\max }\left(\mathrm{\ω}\right)\·i_{\mathrm{tot}}}{r_{\mathrm{wheel}}}---\left(5\right)$

$F_{\min }=\frac{T_{\min }\left(\mathrm{\ω}\right)\·i_{\mathrm{tot}}}{r_{\mathrm{wheel}}}---\left(6\right)$

其中n是车辆的发动机转速，i_tot是车辆的总传动比。

由下式给出车辆的加速度A_cc：

A_cc=(F_drive-F_env)/m    (7)

根据实施例，在N个步骤的模拟周期期间的模拟步骤具有恒定步长，该恒定步长取决于车辆速度。由下式给出每个模拟步骤的长度dP：

dP＝K·v_init    (8)

其中，K是时间常数，例如0.9s，且v_init是开始模拟时的主导（prevailing）车辆速度。

由下式给出模拟步骤的时间dt：

dt＝dP/v_i-1(9)

其中，v_i-1是前一模拟步骤i-1的预测速度。

速度差dv为：

dv=Acc·dt(10)

由下式给出模拟步骤的能耗dW：

dW＝dP·(F_drive-F_min)（11）

在当前模拟步骤下速度v_i变为：

v_i=v_i-1+dv    (12)

当前模拟步骤的总时间t_i为：

t_i=t_i-1+dt(13)

当前模拟步骤的总能耗W_i为：

W_i=W_i-1+dW    (14)

图3示出了在N个模拟步骤的模拟周期期间如何利用L米长的地平线预测车辆速度。在N个模拟步骤之后（即在模拟周期之后），中止预测。然后在下一时间样本中开始新的模拟周期。每个模拟周期都具有预定频率f。在100Hz的频率下，例如，每秒执行100个模拟步骤。由于每个模拟步骤的长度取决于预测开始时的车辆速度v_init，所以地平线的预测区段的长度随着车辆速度而变化。例如，在80kmh（22.22m/s）时，如果f＝100Hz且K=0.9s，则地平线变为2km长，因为每个模拟步骤dP那时将变为20m长且超过100个步骤，所以地平线于是变为2km。图3示出了在每个模拟步骤i时预测的新速度v_i。由于在每个模拟步骤时做出了相同数量的预测（v_{pred_cc}和v_{pred_Tnew}，以及在替代实施例中，v_{pred_Tk+new}），所以处理器负载完全取决于地平线之内模拟步骤的数量。模拟步骤的数量由频率f决定，频率f为预定值。因此，始终可以预先确定最大处理器负载，因为能够预先相应地确定处理器的维数，所以这是有利的。因此，处理器负载独立于道路地形、车辆重量和发动机类型。如下文所更详细描述的，v_{pred_cc}和v_{pred_Tnew}可以是具有N个值的矢量，或者替代地，在每个模拟周期中仅保存v_{pred_cc}和v_{pred_Tnew}的最大和最小值。将地平线之内的最新预测速度指定为v_N还有v_end。也可以由公式（13）和（14）得到直到模拟步骤i的时间t_i和能耗E_i。

图4示出了三个模拟周期（s-1）、（s）和（s+1）以及在每个周期期间做出的预测。在每个周期中，做出v_{pred_cc}的预测和V_{pred_Tnew}的预测。在每个周期之后将v_{pred_cc}与v_min和v_max进行比较，并将这种比较的结果充当下一周期优选确定用于v_{pred_Tnew}的转矩T的基础，如前文所述并如图4中由标记为“所选的T”的箭头所示。还在图2中的流程图中的步骤C2示出了这种情况。于是，在每个模拟周期期间预测两个不同的车辆速度。如下文更详细地所述，根据优选实施例，在每个模拟周期中还预测第三驾驶模式v_{pred_Tk+new}，然后通过成本计算决定要控制车辆的驾驶模式。然后，向控制单元提供表示要控制的车辆驾驶模式的基准值，因此该基准值可以是基准车辆速度、基准转矩或基准发动机转速。

于是，在车辆运行中连续确定了车辆控制系统所要针对的基准值。优选从车辆前方的特定预定距离确定该基准值，然后在控制单元中同步，从而在恰好的时间设定针对给定状况计算的基准值。这种距离的示例是50米，因此控制单元在调节车辆时满足这种距离的要求。

现在将参照图5解释根据本发明的实施例。图5的上部示出了在图下部中所示出的道路轮廓的情况下利用常规巡航控制预测的沿地平线的速度v_{pred_cc}。将v_{pred_cc}连续与v_min和v_max进行比较，如果其低于v_min，则识别为上坡。如果v_{pred_cc}高于v_max，则识别为下坡。如果识别为上坡并且因此v_{pred_cc}低于v_min，如图5中的P1那样，则将第二预测v_{pred_Tnew}中的车辆发动机转矩T取为下一模拟周期中的最大转矩。这一预测由图5中的虚线表示。不过，这假定在可能大于v_max之前，v_{pred_cc}低于v_min。图5通过图上部中的三条虚线示出了如何在最大转矩时预测v_{pred_Tnew}，以及然后v_{pred_Tnew}预测为超过v_max。因为这种情形是不希望有的，所以提供v_set作为基准速度。仅在v_{pred_Tnew}预测为不大于v_max时，可以提供这个速度作为基准值。

如果识别为下坡并且因此v_{pred_cc}高于v_max，如图5中P2那样，则提供第二预测v_{pred_Tnew}中的车辆发动机转矩T作为下一模拟周期中的最小转矩，由图5中的虚线表示。不过，这假定在可能低于v_min之前v_{pred_cc}高于v_max。根据实施例，参照图1描述的计算单元适于执行所述计算等。

如果v_{pred_cc}高于或等于v_min且低于或等于v_max，则将基准值取为v_set。这意味着，例如识别没有斜坡，因此v_{pred_cc}在速度范围之外，或者车辆在水平道路上行驶。因此，v_set然后成为基准速度，车辆的控制系统将相对于该基准速度进行调节。优选仍然在最大或最小转矩时预测v_{pred_Tnew}，以便实现均匀的处理器负载。

根据实施例，该方法还包括当首先利用常规巡航控制完成模拟并其后根据所述比较用最大转矩、最小转矩或某个其它转矩来替代车辆的转矩T（参见公式（4），导致交替的驾驶模式）时，在每个模拟周期中做出车辆速度的第三预测v_{pred_Tk+new}。在图5中由点划线表示这种情况。使用与用于判断何时以及在什么转矩时预测v_{pred_Tnew}相同的标准来判断何时以及在什么转矩时预测v_{pred_Tk+new}。另一实施例使用其它标准（例如，在适用特定舒适要求时）来确定导致交替驾驶模式的不同转矩。v_{pred_Tk+new}优选地包括：首先利用常规巡航控制执行一个或多个模拟步骤；然后以其它某个转矩（例如最大转矩或最小转矩）执行剩余的模拟步骤。例如，利用常规巡航控制执行图3中的模拟步骤1至4，随后以最大或最小转矩执行模拟步骤5至N。图5的上部中的三条点划线示出了v_{pred_Tk+new}如何预测为超过v_max。因为这种情形是不希望有的，所以提供v_set作为基准速度。与根据实施例的成本函数相比，仅在预测v_{pred_Tk+new}和v_{pred_Tnew}都不超过v_max时，才可以满足这种驾驶模式的需要，参见下面的公式（15）和（16）。

如果v_{pred_Tnew}的预测超过由驾驶员直接或间接设定的极限值，例如v_min和v_max，然后给出v_set替代作为基准值。

于是根据本实施例，沿着车辆前方长度为L的道路的有限区段（也称为地平线）做出具有不同控制策略的三个预测。然后，每个预测优选地涉及计算车辆的速度、总能耗E_N和运行时间t_N。如下文所更详细描述的，另一实施例还计算用于预测的最低和最高速度。由（14）计算在模拟周期期间针对预测速度的总能耗E_N。类似地，由（13）计算在模拟周期期间针对预测速度的总时间t_N。利用常规巡航控制的预测v_{pred_cc}给出了表示为E_{pred_cc}的总能耗和表示为t_{pred_cc}的总运行时间，并决定将要预测其它哪些控制策略/驾驶模式。

如果识别为上坡，则得到在最大转矩时针对预测速度v_{pred_Tnew}的总时间t_{LA_Tnew}和总能耗E_{LA_Tnew}。在识别为上坡时，还按照以上所解释的预测v_{pred_Tk+new}，于是得出了在模拟周期期间针对v_{pred_Tk+new}的总时间t_{LA_Tk+new}和总能耗E_{LA_Tk+new}。例如，如果工作点具有更好的效率和/或导致舒适的加速度，则可以用导致加速度的某个其它高发动机转矩来替代最大转矩。

如果识别为下坡，则得出t_{LA_Tnew}和E_{LA_Tnew}，在这种情况下分别是最小转矩时针对v_{pred_Tnew}的总时间和能耗，并且按照如上所解释的预测v_{pred_Tk+new}，由此得出t_{LA_Tk+new}和E_{LA_Tk+new}，在这种情况下分别是在最小转矩时在模拟周期期间针对v_{pred_Tk+new}的总时间和能耗。最小转矩例如是拖曳转矩（drag torque），但可以由某个其它导致减速的低发动机转矩替代，例如，如果该工作点具有更好的效率和/或导致舒适的加速度。

为了在每种情况下选择v_{pred_Tnew}和v_{pred_Tk+new}中哪个是更好的控制策略，根据实施例，该方法包括通过借助于至少一个成本函数J_Tnew，J_Tk+new计算预测的驾驶模式的成本，从而对预测进行评估。计算单元优选适于执行这些计算。根据实施例，通过将加权参数β应用于与根据第一预测的驾驶模式相比其能量减小和运行时间减小，确定根据第二和第三预测的驾驶模式的成本J_Tnew和J_Tk+new，成本函数如下所示。

$J_{\mathrm{Tnew}}=\frac{E_{\mathrm{LA},\mathrm{Tnew}}}{E_{\mathrm{pred}\_\mathrm{cc}}}+\mathrm{\β}\frac{t_{\mathrm{LA},\mathrm{Tk}+\mathrm{new}}}{t_{\mathrm{pred}\_\mathrm{cc}}}---\left(15\right)$

$J_{\mathrm{TK}+\mathrm{new}}=\frac{E_{\mathrm{LA},\mathrm{Tnew}}}{E_{\mathrm{pred}\_\mathrm{cc}}}+\mathrm{\β}\frac{t_{\mathrm{LA},\mathrm{Tk}+\mathrm{new}}}{t_{\mathrm{pred}\_\mathrm{cc}}}---\left(16\right)$

因此，相对于利用常规巡航控制的车辆的预测驾驶模式（E_{pred_cc}和t_{pred_cc}）对成本函数进行了标准化。于是，成本评估独立于例如车辆的重量。成本函数仅基于能耗和运行时间，不计算燃油消耗。这意味着不需要发动机效率的任何模型，由此简化了评估哪个是最有利的控制策略的计算。加权参数β与车辆重量、行驶距离和发动机类型几乎没有关系。从而简化了模式或可能设定的引入。根据实施例，驾驶员或系统可以通过改变加权参数来选择例如使更少燃油消耗还是更短行驶时间优先。通过例如车辆仪表板中的接口向驾驶员提供这个功能。

优选地，对成本J_Tnew和J_Tk+new进行比较，并将这种比较用作确定车辆要调节的基准速度v_ref的基础。优选给出导致最低成本的速度预测（v_{pred_new}和v_{pred_Tk+new}）作为基准值。

为了使车辆达到最小或最大转矩，可以为基准速度v_ref提供偏移。例如，可以通过给出基准速度v_ref作为低于v_min的低值（例如v_min-k₁，其中k₁在1-10km/h范围之内）来给出最小转矩。然后发动机的控制单元将为发动机提供拖曳转矩。可以通过给出为高于v_max的高速（例如v_max+k₂，其中k₂在1-10km/h的范围之内）的基准速度来实现最大转矩。

根据实施例，确定在利用普通巡航控制的车辆速度v_{pred_cc}的第一预测期间的最高速度v_{pred_cc,max}和最低速度v_{pred_cc,min}，然后将其用于与v_max和v_min进行比较，以确定第二预测中的车辆发动机转矩T以及根据某些实施例第三预测中的车辆发动机转矩T。然后，计算单元适于执行这些计算。因此仅需要保存标量而非整个矢量，由此节省了存储空间。因为在地平线上后来不会发生基准值的调节并且不会将基准值再次用于更多的计算，所以已经在模拟周期中使用它们之后也不需要保存这些值。与某些其它计算算法相比，这种差异节省了处理器能力并有助于实现恒定的轻处理器负载。通过同一种方式，也可以在模拟周期期间确定针对v_{pred_Tnew}和v_{pred_Tk+new}预测的最高和最低速度。

各种策略大多数都在地平线末端不具有相同的最终速度，在评估控制策略的成本时优选吸收这个事实。在图6中示出了这种情况，其中在最大转矩时预测v_{pred_Tnew}，并且在一些步骤中按照常规巡航控制预测v_{pred_Tk+new}，并且其后在最大转矩时预测v_{pred_Tk+new}。V_{pred_Tnew}导致比v_{pred_Tk+new}的最终速度（v_{end_Tk+new}）更高的最终速度v_{end_Tnew}，这是因为v_{pred_Tk+new}一开始类似常规巡航控制，这意味着由于稍后施加最大转矩，所以在这种情况下速度不会增加太多。不过，在特定数量N个步骤之后（由虚线表示）模拟周期结束，由此还得出针对相应预测的最终速度。根据实施例，该方法包括基于预测中的车辆是否未到达相同的最终速度，向至少一个成本函数增加惩罚（penalty）。可以基于分别表示为E_γ和t_γ的能耗和运行时间来计算惩罚，如果在地平线之后，要使第三预测的最终速度v_{end_Tk+new}成为第二预测的最终速度v_{end_Tnew}，同时使两个预测运行相等距离，则该能耗和该运行时间是必需的。于是，成本函数将具有如下性质：

$J_{\mathrm{Tnew}}=\frac{E_{\mathrm{LA},\mathrm{Tnew}}+E_{\mathrm{\γ},\mathrm{Tnew}}}{E_{\mathrm{pred}\_\mathrm{cc}}}+\mathrm{\β}\frac{t_{\mathrm{LA},\mathrm{Tnew}}+t_{\mathrm{\γ},\mathrm{Tnew}}}{t_{\mathrm{pred}\_\mathrm{cc}}}---\left(17\right)$

$J_{\mathrm{Tk}+\mathrm{new}}=\frac{E_{\mathrm{LA},\mathrm{Tk}+\mathrm{new}}+E_{\mathrm{\γ},\mathrm{Tk}+\mathrm{new}}}{E_{\mathrm{pred}\_\mathrm{cc}}}+\mathrm{\β}\frac{t_{\mathrm{LA},\mathrm{Tk}+\mathrm{new}}+t_{\mathrm{\γ},\mathrm{Tk}+\mathrm{new}}}{t_{\mathrm{pred}\_\mathrm{cc}}}---\left(18\right)$

得出能耗和运行时间（E_γ和t_γ）需要进行若干计算。该计算基于牛顿第二定律，并假设行驶阻力恒定（F_env为常数，即这里假设道路是水平的且空气阻力和滚动阻力不取决于车辆速度）：

$m\stackrel{\·}{v}=(F_{\mathrm{drive}}-F_{\mathrm{env}})---\left(19\right)$

基于这些假设，车辆速度保持为时间的线性函数。

对于要从v_{end_Tk+new}移动到v_{end_Tnew}的第三预测而言，运行时间变为：

$t_{\mathrm{\γ},\mathrm{Tk}+\mathrm{new}}=(v_{\mathrm{end},\mathrm{Tnew}}-v_{\mathrm{end},\mathrm{Tk}+\mathrm{new}})\frac{m}{F_{\mathrm{drive}}-F_{\mathrm{env}}}---\left(20\right)$

汽车行驶的距离为

$s_{\mathrm{\γ}}=\frac{F_{\mathrm{drive}}-F_{\mathrm{env}}}{2m}{t}_{\mathrm{\γ},\mathrm{Tnew}}^2+v_{\mathrm{end},\mathrm{Tk}+\mathrm{new}}\·t_{\mathrm{\γ},\mathrm{Tk}+\mathrm{new}}---\left(21\right)$

能量需求为：

E_γ,Tk+new=F_driv·s_γ(22)

在车辆速度（v_end,Tnew）不变的情况下，对于对行驶相同距离（s_γ）的第二预测而言，运行时间为：

$t_{\mathrm{\γ},\mathrm{Tnew}}=\frac{s_{\mathrm{\γ}}}{v_{\mathrm{end},\mathrm{Tk}+\mathrm{new}}}---\left(23\right)$

能量需求为：

E_γ，Tnew=F_env·s_γ(24)

如果v_end,Tk+new<v_end,Tnew，则应用最大转矩（F_drive=F_max），如果v_end,Tk+new>v_end,Tnew，则应用拖曳转矩（F_drive=0）。

根据实施例，不更新E_{pred_cc}和t_{pred_cc}的标准化值，以获得与其它预测恰好相同的行驶距离的值。例如，针对每个模拟周期更新这些值。相对于预测的总距离，距离s_γ很短，以至于即使在s_γ期间不满足对于常规巡航控制的能量和时间消耗，标准化仍然很好地工作。

给出为基准速度的速度优选地是导致最低总成本（J_Tnew或J_Tk+new）的那一个。根据实施例，鉴于先前选择为使用根据v_{pred_Tnew}或v_{pred_Tk+new}（即不是v_set）的交替控制，在车辆例如在陡坡上的时间期间可以实现该交替控制。这样就避免了不同驾驶模式之间的控制跳跃（hopping）。陡坡可以被识别为超过一定值的梯度。

在选择用哪些控制策略来预测（即，哪个来得到v_{pred_Tnew}和v_{pred_Tk+new}）时，实施例考虑到了发动机效率和舒适性/可驾驶性。将转矩作为大小和/或时间使得能够实现舒适且经济的巡航控制，该转矩取决于发动机效率或基于舒适性要求而得到不同的v_{pred_Tnew}和v_{pred_Tk+new}。可以基于规则来实现这种目的，由此，例如在特定发动机转速下存在特定转矩，或由此决不允许导致比特定极限值更大加速度的转矩。

本发明并不限于上述实施例。可以使用各种替代、修改和等同方案。因此，以上实施例并不限制由所附权利要求定义的本发明的范围。

Claims (28)

1.一种用于控制车辆速度的方法，包括：

-选定所述车辆的期望速度v_set；

-借助于地图数据和位置数据来确定计划旅程的地平线，所述地平线由针对每一段均具有至少一个特性的路线段构成；

-在若干模拟周期（s）的每个周期期间执行以下操作，每个模拟周期均包括以预定频率f进行的N个模拟步骤：

-在给出v_set作为基准速度时，利用常规巡航控制对沿所述地平线的所述车辆的速度做出第一预测v_{pred_cc}，所述预测取决于所述段的特性；

-将所预测的车辆速度v_{pred_cc}与界定所述车辆速度所意在的范围的v_min和v_max进行比较；

-在所述车辆的发动机转矩T是取决于前一个模拟周期（s-1）中的所述比较的结果的值时，对沿所述地平线的所述车辆的速度做出第二预测v_{pred_Tnew}；

-基于所述模拟周期（s）中的所述比较和所预测的车辆速度v_{pred_Tnew}中的至少一个，确定表示将要如何影响所述车辆速度的至少一个基准值；

-向所述车辆中的控制系统发送所述至少一个基准值，随即相对于所述基准值调节所述车辆。

2.根据权利要求1所述的方法，其中，在N个模拟步骤的模拟周期期间的模拟步骤具有取决于所述车辆的速度的恒定步长。

3.根据权利要求1和2中的任一项所述的方法，其中，所述基准值是来自基准车辆速度v_ref、基准转矩T_ref或基准发动机转速ω_ref中的任一个。

4.根据权利要求1至3中的任一项所述的方法，其中，如果v_{pred_cc}高于v_max，则将所述第二预测中的所述车辆的发动机转矩T取为后续模拟周期中的最小转矩。

5.根据权利要求1至3中的任一项所述的方法，其中，如果v_{pred_cc}低于v_min，则将所述第二预测中的所述车辆的发动机转矩T取为后续模拟周期中的最大转矩。

6.根据权利要求4或5所述的方法，其中，在利用普通巡航控制的所述车辆速度的所述第二预测v_{pred_cc}期间，确定最高速度v_{pred_cc,max}和最低速度v_{pred_cc,min}，然后将所述最高速度v_{pred_cc,max}和所述最低速度v_{pred_cc,min}用于与v_max和v_min进行比较以确定所述第二预测中的所述车辆的发动机转矩T。

7.根据权利要求1至6中的任一项所述的方法，包括：给v_ref增加滞后。

8.根据前述权利要求中的任一项所述的方法，还包括：当首先利用常规巡航控制做出所述预测并其后根据所述比较用最大转矩或最小转矩来替代所述车辆的发动机转矩T时，在每个模拟周期中对沿所述地平线的所述车辆的速度做出第三预测v_{pred_Tk+new}。

9.根据权利要求1至8中的任一项所述的方法，包括：在每个预测期间，计算所述车辆的速度分布图（v）、能耗（E）和运行时间（t）。

10.根据权利要求9所述的方法，包括：通过借助于至少一个成本函数J_Tnew、J_Tk+new来计算所预测的驾驶模式的成本，从而评估所述模拟。

11.根据权利要求10所述的方法，其中，通过将加权参数β应用于与根据所述第一预测的所述驾驶模式相比其能量减小和运行时间减小，来确定根据所述第二预测和所述第三预测的驾驶模式的所述成本J_Tnew和J_Tk+new。

12.根据权利要求11所述的方法，包括对所述成本J_Tnew和J_Tk+new进行比较，并基于所述比较确定所述基准值，将要相对于所述基准值调节所述车辆。

13.根据权利要求9到12的任一项所述的方法，包括基于所述车辆在所述预测中未到达相同的最终速度，向至少一个成本函数增加惩罚。

14.一种用于控制车辆速度的模块，包括：

-输入单元，适于接收所述车辆的期望速度v_set；

-地平线单元，适于借助于地图数据和位置数据来确定计划旅程的地平线，所述地平线由针对每一段均具有至少一个特性的路线段构成；

-计算单元，适于在若干模拟周期（s）的每个周期期间执行以下操作，每个模拟周期均包括以预定频率f进行的N个模拟步骤：

-在给出v_set作为基准速度时，利用常规巡航控制对沿所述地平线的所述车辆的速度做出第一预测v_{pred_cc}，所述预测取决于所述段的特性；

-将所预测的车辆速度v_{pred_cc}与界定所述车辆的速度所意在的范围的v_min和v_max进行比较；

-在所述车辆的发动机转矩T是取决于前一个模拟周期（s-1）中的所述比较的结果的值时，对沿所述地平线的所述车辆的速度做出第二预测v_{pred_Tnew}；

-基于所述模拟周期（s）中的所述比较和所预测的车辆速度v_{pred_Tnew}中的至少一个，确定表示将要如何影响所述车辆的速度的至少一个基准值；

所述模块还适于向所述车辆中的控制系统发送所述至少一个基准值，随即相对于所述基准值调节所述车辆。

15.根据权利要求14所述的模块，其中，在N个模拟步骤的模拟周期期间的模拟步骤具有取决于所述车辆的速度的恒定步长，并且所述计算单元适于根据所述车辆的速度调节所述步长。

16.根据权利要求14和15中的任一项所述的方法，其中，所述基准值来自是基准车辆速度v_ref、基准转矩T_ref或基准发动机转速ω_ref中的任一个。

17.根据权利要求14至16中的任一项所述的模块，其中，所述计算单元适于计算v_{pred_cc}是否高于或等于v_max，然后将所述第二预测中的所述车辆的发动机转矩T取为后续模拟周期中的最小转矩。

18.根据权利要求14至16中的任一项所述的模块，其中，所述计算单元适于计算v_{pred_cc}是否低于或等于v_min，然后将所述第二预测中的所述车辆的发动机转矩T取为后续模拟周期中的最大转矩。

19.根据权利要求17或18所述的模块，其中，所述计算单元适于在利用普通巡航控制的所述车辆速度的所述第一预测v_{pred_cc}期间确定最高速度v_{pred_cc，max}和最低速度v_{pred_cc，min}，然后使用所述v_{pred_cc，max}和所述v_{pred_cc， min}与v_max和v_min进行比较，以确定所述第二预测中的所述车辆的发动机转矩T。

20.根据权利要求14至19中的任一项所述的模块，其中，所述计算单元适于向v_ref增加滞后。

21.根据权利要求14至20中的任一项所述的模块，其中，所述计算单元还适于当首先利用常规巡航控制做出所述预测并其后根据所述比较用最大转矩或最小转矩替代所述车辆的发动机转矩T时，在N个模拟步骤的每个模拟周期中对沿所述地平线的所述车辆的速度做出第三预测v_{pred_Tk+new}。

22.根据权利要求14至21中的任一项所述的模块，其中，所述计算单元适于在每个预测期间，计算所述车辆的速度分布（v）、能耗（E）和运行时间（t）。

23.根据权利要求22所述的模块，其中，所述计算单元适于通过借助于至少一个成本函数J_Tnew，J_Tk+new来计算所预测的驾驶模式的成本，从而评估所述模拟。

24.根据权利要求23所述的模块，其中，所述计算单元适于通过将加权参数β应用于与根据所述第一预测的所述驾驶模式相比其能量减小和运行时间减小，来确定根据所述第二预测和所述第三预测的驾驶模式的所述成本J_Tnew和J_Tk+new。

25.根据权利要求22至24中的任一项所述的模块，其中，所述计算单元适于对所述成本J_Tnew和J_Tk+new进行比较，并基于所述比较确定所述基准值v_ref，将会相对于所述基准值调节所述车辆。

26.根据权利要求22至24中的任一项所述的模块，其中，所述计算单元适于基于所述车辆在所述预测中未到达相同的最终速度，向至少一个成本函数增加惩罚。

27.一种包括程序指令的计算机程序产品，在车辆中的计算机系统上运行所述指令时，所述程序指令使所述计算机系统能够执行根据权利要求1至13中的任一项所述的方法的步骤。

28.根据权利要求27所述的计算机程序产品，其中所述程序指令存储在能够由计算机系统读取的介质上。

Images