CN103347757B - 通过使用预测环境和驾驶员行为信息来优化燃油经济性的系统和方法 - Google Patents

Abstract

公开了一种用于优化车辆性能的示例性方法。该方法包括判断用于最大化车辆燃油经济性的优化的驱动扭矩以及检测驾驶员所请求的驱动扭矩。判断驾驶员所请求的驱动扭矩是否是性能相关或安全相关的。当判断为驾驶员所请求的驱动扭矩不是性能或安全相关时，将仲裁的驱动扭矩设置为优化的驱动扭矩。当判断为驾驶员所请求的驱动扭矩是性能或安全相关时，将仲裁的驱动扭矩设置为驾驶员所请求的驱动扭矩。

Description

通过使用预测环境和驾驶员行为信息来优化燃油经济性的系 统和方法

相关申请的交叉引用

本申请要求在2010年7月21日提交的、序列号为61/366,322的美国临时申请和在2010年10月8日提交的、序列号为61/391,229的美国临时申请的优先权，其全部内容通过引用包含于此。

背景技术

驾驶员偏差可能导致车辆的燃油经济性的显著变化。例如，美国环境保护署（EPA）所进行的研究已经显示，即使保持车辆和路线不变，驾驶员行为也可能引起燃油经济性（FE）的高达35%的变化。

用于优化燃油经济性的驾驶员辅助系统可以基于影响的机制一般被分类为两个组。被动辅助系统包括仅将建议性反馈提供给驾驶员的辅助系统。在主动辅助系统中，系统自动化负责一部分的车辆控制。一些主动自动化技术与驾驶员相对独立地工作，诸如自适应巡航控制，而一些主动自动化技术与驾驶员共同工作，诸如自动化/自动变速器。

用于燃油经济性的被动驾驶员辅助方案已经存在了一段时间。许多原始设备制造商（OEM）在至少一些他们的车辆模型中提供了用于燃油经济性的一些类型的驾驶员接口。另一方面，商用车辆市场一般以配件市场装置为主导，其通常配备有车载信息服务平台解决方案。近年来，也出现了被智能电话技术所推动的移动（nomadic）装置，但由于驾驶员接口对车辆的数据总线的有限访问和有限的能力，它们的效果可能被妨碍。

已有的燃油经济性接口装置可以提供瞬时或平均燃油经济性的视觉反馈。一些装置还可以对驾驶员提供燃油效率“分数”。然而，已有的接口装置不关注在哪个行为与差的燃油经济性有关、或者如何以更高燃油效率的方式操作车辆的这些方面为驾驶员提供可操作的信息。另外，已有的燃油经济性驾驶员反馈方案通常基于车辆操作，而不是驾驶员与车辆操作环境的相互作用。例如，激进的驾驶员在紧跟前面的车辆行驶时猛烈地刹车，保守的驾驶员因为另一车辆突然切入其前方而被迫猛烈刹车，这两种情况可以被认为相同，因为两者都导致相同的猛烈刹车事件和相同的燃油经济性评价。结果，给予驾驶员的燃油经济性分数或分级通常是模糊的和误导的，从而使得驾驶员难以利用数据。

当前，一般缺乏可操作信息，并且驾驶员引起的和环境引起的燃油经济性效率低之间的区别小。这些因素都限制了已有燃油经济性驾驶员接口技术的效率。另外，由于驾驶员对任何被动反馈的响应从本质上来说通常既慢且不精确，因而在需要驾驶员快速、频繁或高精确地响应的情况下，被动反馈可能变得易分心和低效率。

主动反馈技术的例子包括合成制动脉冲或加速阻力、道路速度调节器、自动化/自动变速器、以及标准或自适应巡航控制，等等。这些技术中的一些不是有意引入来改善燃油经济性，但是近年来发展到可辅助燃油经济性判断。例如，当前的自动化/自动变速器可以具有估计道路坡度和负荷并调节换挡规律以用于更好的燃油经济性的能力。

然而，已有的主动反馈装置具有与被动装置相似的限制。许多已有的主动反馈解决方案对驾驶员引起的和环境引起的燃油经济性低效之间的区别不具有理解力。另外，在主动辅助解决方案中使用的控制策略中的许多策略仅基于瞬时信息，诸如许多新出现的自动化/自动变速器的基于负载的换挡规律。

实现最佳的驾驶员行为和动力系统（powertrain）操作以最大化燃油效率依赖于估计驾驶员、车辆和环境的将来状况的能力。对所述将来状况的了解匮乏或反应不当可能限制车辆自动化系统的效率。近年来，智能交通系统（ITS）的进展增大了在车辆级上和在车队级上的道路和交通信息的可用性。由于燃油消耗是时间上的累积测量，因而最优驾驶员瞬时行为显著依赖于将来状况。来自诸如全球定位系统（GPS）、数字地图和雷达等的现代ITS技术的预测道路和交通信息的可用性使得经由增强的驾驶员反馈和/或动力系统自动化来可行、可负担地减小驾驶员偏差。大多数早期解决方案集中于在巡航控制方面利用预测地形信息来降低燃油消耗，其中，车辆根据驾驶员的选择在完全自治和完全驾驶员控制之间切换。由于燃油高效控制策略将仅在完全自治模式中有效，因而，一般需要精确的预测传感器信息来使得系统能够持续做出适当的决定以避免频繁的驾驶员干预。通过诸如GPS和数字地图等的技术的帮助，针对诸如在开放的高速公路上的长距离行驶等的简单的大的静态环境，可以容易地获得合理精确的信息。针对更复杂的城市环境，将来的交通状况可能是流动的和不可预测的，传感器和决定错误是不可避免的，驾驶员更倾向于完全控制车辆，从而使得基于巡航控制的解决方案没那么有效。

附图说明

图1是利用示例性主动驾驶员辅助系统（ADAS）的机动车的示意图；

图2是图1的ADAS的更详细的示意图；

图3是可以用于ADAS的示例性预测动力系统管理模块（LPM）的示意图；

图4是可以用于LPM的示例性传感器合并模块的示意图；

图5示意性示出可以用于LPM的示例性场景识别模块的操作；

图6示出用于确定用于最大化燃油经济性的车速配置的示例性方法；

图7是可以用于LPM的示例性仲裁模块的示意图；以及

图8示意性示出可以用于仲裁模块的示例性操作方案。

具体实施方式

现在参考以下论述和附图，说明性地、详细地阐明所公开的系统和方法。尽管附图表示一些可能的方式，但附图不必须按此比例，并且特定特征可能被放大、移除或部分切割以更好地示出和解释本公开。此外，这里所阐述的说明不趋于是全面的，而是将权利要求限制或制约至在附图中所示并在以下详细说明中所公开的精确形式和结构。

图1示意性示出利用用于优化车辆燃油经济性的示例性主动驾驶员辅助系统（ADAS）22的机动车20。为了论述，ADAS22的特征和操作主要关于最大化燃油经济性的目标来进行说明，但是应该理解，ADAS22的特征还可以被利用来改善除了燃油经济性以外的其他性能特征，例如，最小化车辆磨损和行驶时间。在图2中更详细地示出ADAS22的示例性配置。更具体地，图2示意性示出ADAS22的各种元件的示例性配置。如以上所提到的，所公开的配置仅便于论述，并且配置不是限制性的。此外，可以在不损害ADAS22的相关操作的情况下添加或移除特定元件。

ADAS22可以被配置成在制定用于最大化燃油经济性的策略时与车辆驾驶员交互并且利用驾驶员输入。ADAS22一般在后台操作以经由主动变速器/引擎控制和/或建议性驾驶员反馈来持续制定和更新车辆操作策略以最大化燃油经济性并且估计是否和如何与车辆的驾驶员操作进行通信或影响驾驶员操作。然而，ADAS22不从车辆引擎请求比驾驶员所请求的功率更大的功率。ADAS22可以利用车辆操作环境的历史和预测信息（即，路线和交通信息）、以及驾驶员如何操作车辆。可以从车载车辆传感器、数字地图、车辆对车辆（V2V）通信系统、和车辆至基础设施（V2I）通信系统获得信息。

影响燃油经济性的环境因素可以与驾驶员行为因素分离，环境因素被分类成单独的驾驶场景。驾驶员辅助决定可以基于实时场景识别和专用场景策略，该专用场景策略针对非安全相关的驾驶行为并且可以显著影响燃油经济性。尽管这里以示例性方式所述的ADAS22特别地应用于具有自动化/自动变速器的商用车辆，但还可以用于包括半自动和手动换挡变速器的其他车辆结构。

继续参考图1，车辆20可以包括四个后驱动轮24和两个前非驱动轮26。在其他示出的结构中，所有轮可以是驱动轮。此外，车辆20可以具有更多或更少的轮。与轮24和26的每一个相关联操作的可以是传统类型的轮闸28。

车辆20包括车辆驱动系统，表示为30。车辆驱动系统30包括车辆引擎32和变速器34。变速器34可操作地连接至引擎32并且将引擎32所生成的驱动扭矩传送至后驱动轮24。从变速器34向后延伸并且形成车辆驱动系统30的一部分的是传动轴系（drive-line），表示为36。传动轴38将变速器34互连至轮间差速器40，以将驱动扭矩传送至左后半轴42和右后半轴44。传动轴系36主要被示出和描述为包括轴38、42和44，以便于理解整个车辆驱动系统30，但不是以限制的方式。例如，在所示的车辆20中，仅以示例的方式，传动轴38被示出为包括单个轴，但是实际上可以被配置为包括通过万向接头或其他合适的连接机构连接的另外的轴。

车辆20可以包括变速器/引擎控制单元（TECU）46，用于控制引擎32和变速器34的操作。TECU46可以接收各个引擎、变速器和车辆传感器所生成的信号，并且处理信号以控制引擎32和变速器34的操作。尽管组件示出为与变速器34分离，但是TECU46还可以与变速器34集成。此外，如以下更详细所述的，TECU46可以是单个计算模块或者位于车辆20内的不同位置且可通信地连接的多个计算模块。

参考图1和2，ADAS22可以包括车载预测动力系统管理模块（LPM）48，LPM48可以提供ADAS系统的主要控制。LPM48可以形成基于更一般系统的TECU46的一部分，或者可以与TECU46通信地工作。LPM48可以包括例如微处理器、中央处理单元（CPU）和数字控制器。

LPM48可以混合使用被动和主动驾驶员辅助系统的架构，目的在于通过在不损害安全性、操作舒适性或车辆经营者的生产率的情况下辅助驾驶员针对燃油经济性优化车辆循环工况来改善车辆燃油经济性。可以通过引擎和变速器换挡和驱动扭矩控制以及可致动（actional）的驾驶员反馈的结合来实现燃油经济性优化。当用于商用车队时，LPM48还可以向商用车队管理者提供可操作的驾驶员燃油经济性表现信息。根据特定应用的需求，LPM48可以完全与TECU46集成，或者被配置为TECU46的从属模块。

继续参考图1和2，LPM48可以被配置为与位于外部的后台路线/驾驶员数据库（BORD）50通信，BORD50用于存储ADAS22所使用的各种信息。BORD50可以包括路线数据库52，该路线数据库52被配置为存储关于车辆20行驶的特定路线的数据、和搜集在路线上发生的历史实时交通信息。BORD50还可以被配置为存储车辆20将行驶的道路网络的三维坐标、和相应的诸如速度限制、交通灯、停车标志和实时交通信息的交通制约。实时交通信息可以通过第三方服务来提供。BORD50上存储的信息可以包括高保真的第三方数字地图，或者可以从LPM48随时间接收到的合计的路线数据来获得。在后者的情况下，BORD50还可以包括路线学习模块，其通过结合经由车辆的日常操作从车辆20和其他车辆学习的路线信息来随时间搜集道路网络的知识库。

BORD50还可以针对车辆20的每个驾驶员维持操作者驾驶行为数据库54，该数据库54可以使用从LPM48接收到的数据来随时间更新。针对单独的操作场景的驾驶表现数据可以被下载并被存储在BORD50上。BORD50还可以包括驾驶员燃油经济性表现评价模块58，其用于在各种操作场景下评价每个驾驶员的燃油经济性。

尽管示出为与车辆20分离的组件，但BORD50可以被配置为LPM48的简化的车载子模块。

数据链路接口单元58选择性地建立LPM48和BORD50之间的有线60和/或无线62通信链路。为了论述，无线通信链路在图中由虚线表示，以及有线通信链路由实线表示。然而，实际上，可以根据特定应用的需求来交替使用有线和无线通信链路。数据链路接口单元58可以用于将预先获取的（或行驶中学习的）路线信息和驾驶员操作行为数据信息上传至位于车辆20上的车载路线/驾驶员行为数据库64。数据链路接口单元58还可以用于将由ADAS22从最近的旅途中搜集的新的路线和驾驶员操作行为数据下载至BORD50。BORD50上存储的路线和驾驶员操作行为数据库52、54可以包括商业运作的涵盖全部地理区域的综合数字地图、和多个驾驶员的驾驶行为信息。为了最小化车载路线/驾驶员行为数据库64的大小和成本，车载数据库可以被特定配置为仅存储车辆20将行驶的特定路线上的路线和驾驶员操作信息。可以在旅途之前和之后在车辆分配终端进行上传和下载处理，或者可以通过BORD50和ADAS22之间的无线通信来实时进行上传和下载处理。

LPM48所使用的用于制定最大化燃油经济性的车辆操作策略的信息/数据可以从各种传感器和信息系统获得，各种传感器和信息系统可以包括诸如雷达、视觉传感器和车辆数据总线的传统的车载传感器、以及诸如全球定位系统（GPS）、三维数字地图、以及车辆对车辆（V2V）和车辆对基础设施（V2I）通信装置等的信息技术服务（ITS）。例如，ADAS22可以包括各种车载传感器66，传感器66用于提供与紧挨在车辆20周围的操作环境有关的信息。传感器66收集紧挨在车辆20附近存在的与诸如其他车辆的潜在障碍物有关的信息。传感器66所收集的数据可以由ADAS22使用来估计例如车辆20和邻近车辆之间的距离、以及邻近车辆的速度和轨迹。传感器66可以包括雷达68和视觉传感器。ADAS22还可以包括用于接收各种无线通信系统所传输的数据的一个或多个数据接收机70。这种系统可以包括专用短距离通信系统（DSRC）72，其可以包括例如车辆对车辆（V2V）通信装置。ADAS22还可以从数据发射机73和交通信息频道（TMC）76接收在政府专责频段上传输的数据，数据发射机73例如，可以用于生成三维数字地图77的全球定位系统（GPS）74。

从传感器66、数据接收机70和各种其他车辆传感器接收到的信息和数据可以跨越车辆控制器局域网（CAN）78被传送至LPM48。由美国汽车工程师协会（SAE）定义的已知的通信标准是针对基于CAN通信的SAEJ1939。SAE J1587是还可以使用的另一可能的通信标准。此外，可以使用诸如ISO9141K的其他通信标准、或者其他已知的标准。

ADAS22还可以包括可操作地与LPM48通信的驾驶员接口79。驾驶员接口79向车辆20的驾驶员提供与燃油经济性有关的信息和用于改正驾驶行为以最大化燃油经济性的反馈。驾驶员接口79可以包括各种视觉显示器、例如扬声器的音频源、和触觉装置。触觉技术是通过对用户施加力、振动和/或运动来利用用户的触摸感觉的触觉反馈技术。

参考图3，LPM48可以被配置为生成一个或多个输出信号。例如，第一输出信号92可以被发送至TECU46以用于控制引擎32和变速器34。第二输出信号94可以被发送至驾驶员接口79。来自LPM48的输出信号可以用于提供引擎驱动扭矩/速度控制、变速器换挡控制和给驾驶员的建议性信息（即，通过驾驶员接口79）。尽管示例性配置的LPM48未被描述为利用制动控制来提供主动辅助，但所示出的系统架构仍然可以适于包括主动安全特征，诸如制动控制。

继续参考图3，LPM48可以包括五个主要模块：车辆状况模块82、环境感知模块84、驾驶员意图识别模块86、FE最佳行为估计模块88和仲裁模块90。尽管为了论述的目的表示为单独的模块，但是实际上，可以将单独的模块合成为一个或多个集成模块。模块可以被实现为硬件和软件的组合，并且可以包括用于使一个或多个计算机处理器进行LPM48的操作的一个或多个软件应用或进程。前面的论述同样适用于TECU46，如上面所提到的可以在一个示例性方式中包含LPM48。以下更详细地说明各模块的操作。

车辆状况模块（82）

车辆状况模块82用于估计车辆负荷。这可以例如通过利用由GPS74、数字地图77和车辆CAN78所提供的数据、使用扩展的基于卡尔曼滤波器（KF）的方法来实现。车辆负荷估计还可以通过其他方式来获得，诸如私人和政府运作的称重站。车辆状况模块82还可以基于例如从车辆CAN78接收到的数据或者通过离线校准程序来确定引擎和变速器配置。

环境感知模块（84）

环境感知模块（84）可以包括传感器合并模块96和场景识别模块98。为了论述方便分开表示两个模块，但是实际上，传感器合并模块96和场景识别模块98可以被集成到更少或更多的模块中。

也参考图4，传感器合并模块96可以使用以下算法，该算法利用来自传感器66（图1）和数据接收机70（图1）的可用传感器信息来预测驾驶员在预测窗100内可能面对的将来的速度限制。传感器合并模块96从车载车辆传感器66接收与紧挨在车辆20附近的操作环境有关的信息/数据，并且将该信息/数据与由数据接收机70从诸如GPS74、交通信息频道（TMC）76和车辆对基础设施（V2I）通信的各种外部数据系统接收到的环境信息/数据进行集成。传感器合并模块96可以使用可用的传感器信息/数据来制定操作窗103内的当前车辆操作环境的数字模型101。操作窗103包括预测窗100，其在车辆20的前面沿着车辆的行驶路径延伸选定距离102。

在图4所示的例子中，将操作窗103分割成三个片段：第一片段104、第二片段106和第三片段108。然而，实际上，还可以将操作窗103分割成更少或更多的片段。此外，片段的数量不需要保持恒定，并且可以基于包括车辆20操作的操作环境的各种因素而变化。操作环境可以包括例如道路状况（即，车道的数量、道路的弯度、道路是否被覆盖了雪等）、交通密度和其他车辆对于车辆20的接近度。

每个片段104、106和108可以通过开始节点和结束节点来定义。例如，第一节点110与片段104的开始节点相对应，并且第二节点112与片段104的结束节点相对应。片段的结束节点与下一随后片段的开始节点相对应。例如，与片段104的结束节点相对应的第二节点112还与第二片段106的开始节点相对应。类似地，第三节点114与第二片段106的结束节点和第三片段108的开始节点相对应。第四节点116与第三片段108的结束节点相对应。第一节点110还与操作窗103的开始一致，并且第四节点116与操作窗103的结束一致。操作窗103可以被持续更新以使得车辆20从不位于如第一节点110和第四节点116所定义的操作窗103的开始和结束边界之外。

传感器合并模块96可以生成道路状况数据库118，道路状况数据库118可以包括第一片段104内发生的道路状况的信息，例如，片段的长度、节点类型、所公告的速度限制、道路类别、车道的数量、以及坡度和弯度配置。示例性节点类型可以包括发生速度改变的点、十字路口、交通灯、停车标志、以及道路拓扑或道路速度限制改变发生的道路的其他点。可以针对第二和第三片段106和108搜集类似的道路状况数据库120和122。

传感器合并模块96可以从各种源接收信息/数据。例如，关于在车辆20的附近行驶的车辆的位置和速度的信息/数据可以从传感器66获得，并且可以包括车辆20和各邻近车辆之间的估计的实际距离（距离{r’_i}）、邻近车辆的速度（距离速率{r’_i}）、和置信度因数（置信度{C’_i}）。置信度{C’_i}表示用于确定距离{r’_i}和距离速率{r’_i}的数据的精确度。与车辆20附近的交通模式有关的信息/数据可以从数据接收机70获得，可以包括例如交通在预测窗100内流动的估计的速度（交通流速度{s’_i}）、交通流的地理位置（交通流位置{d’_i}）、和计算因数（置信度{C’_i}）。置信度{C’_i}表示用于确定交通流速度{s’_i}和交通流位置{d’_i}的数据的精确度。传感器合并模块96还可以从GPS和第三方地图服务接收道路和路线信息。

传感器合并模块96使用从传感器68和数据接收机70接收到的信息来生成与路形重叠的数字目标124，其可以经由扩展的卡尔曼滤波器（EKF）类型的跟踪器的库来滤波以确定离车辆20最接近的路径内车辆125的各种操作参数。所计算出的操作参数可以包括最接近路径内车辆125相对于车辆20的相对速度（v_i）、车道位置（l_i）、方向（h_i）、和相对距离（d_i）。相对距离（d_i）考虑车辆的速度，因此，通常小于实际距离（距离{r’_i}）。所计算出的特性可以用于确定车辆20和最接近路径内车辆125之间的可用空间127。最接近路径内车辆125的相对速度（v_i）、车道位置（l_i）、方向（h_i）、和相对距离（d_i）可以与数据接收机70所获得的交通流信息（在可用时）结合使用以生成描述紧挨在车辆20的前面发生的交通状况的微观交通预测模型126。微观交通预测模型126可以用于计算最接近路径内车辆125的速度配置128。

单独的路径内车辆信息（即，相对速度（v_i）、车道位置（l_i）、方向（h_i）、和相对距离（d_i））还可以与数据接收机70所获得的交通流信息（在可用时）和例如可以从BORD50获得的历史主车辆速度配置130集成，以生成宏观交通预测模型132。可以使用宏观交通预测模型132来针对操作窗103的各片段104、106和108来计算平均交通速度配置134。

继续参考图3和下面的表1，场景识别模块98可以使用传感器合并模块96的输出（即，最接近路径内车辆125的速度配置128和平均交通速度配置134）来识别在预测窗100内发生的操作场景。场景识别模块98可以包括多个可供选择的预定义操作场景。每个操作场景可以通过驾驶员遇到的任务和环境状况来定义，并且一般包括两个属性。第一个属性可以包括静态环境制约136，如图5和表1所示，而第二个属性可以包括动态环境制约138。静态环境制约136可以包括例如道路地形和所公告的速度限制，其信息可以从GPS和数字地图系统获得。图5和表1所示的动态环境制约138可以包括实时交通信息，诸如周围车辆的相对速度和位置、以及沿着预测窗路线的交通灯的状态。该信息可以从车载传感器66（图1）获得，其可以包括雷达和视觉系统、以及诸如将信息发送至数据接收机70的车辆对车辆（V2V）和车辆对基础设施（V2I）通信装置的远程信息技术系统。

场景识别模块98的示例性实施包括8个预定义操作场景。然而，实际上，可以根据特定应用的需求来定义更少或更多的操作场景。每个操作场景可以包括一组静态环境制约136和一组动态环境制约138。例如，可以通过将四组静态环境制约与两组动态环境制约相结合来实现8个预定义操作场景。四组静态环境制约136可以包括以下：

1.“提速”142：由预测窗100中公告速度限制增大的路段定义，诸如可能在进入高速公路入口匝道或停车标志之后的路段时发生；

2.“减速”144：由预测窗100中公告速度限制减小的路段定义，诸如可能在离开高速公路出口匝道或接近停车标志的路段时发生；

3.“速度保持”146：由预测窗100中具有恒定速度限制的路段定义；以及

4.“ELSE”（极低速环境）148：由低速环境或非公路状况来定义，诸如可能在停车场和在非公共服务道路上发生。

根据交通流是否显著低于公告的速度限制或者在车辆20的行驶路径中是否存在阻碍车辆（即，“交通”），两组动态环境制约138可以包括“交通”状况和“非交通”状况。

LPM48可以利用有限状态算法来确定静态环境制约136和动态环境制约138的当前值。图5示意性示出可以使用有限状态算法来确定静态和动态环境制约的当前值的示例性的决策过程。可以通过评价各种预定义参数的值来确定静态环境制约136和动态环境制约138的当前值。预定义参数可以包括例如第一距离参数（F1）和第二距离参数（F2）。第一距离参数（F1）对应于以下状况：车辆20和紧挨在车辆20后面的节点（即图4中的节点110）之间的距离（Dist2PrevNode）大于作为车辆20可以操作的最大操作速度（SpdLmt）的函数而计算出的阈值距离。最大操作速度（SpdLmt）可以对应于周围交通的速度（TraFlow）、所公告的道路速度限制（RdSpdLmt）、以及根据车队政策所设置的最大速度限制（FleetPolicy）中的较小者。第二距离参数（F2）对应于以下状况：车辆20和紧挨在车辆20前面的节点（即图4中的节点112）之间的距离（Dist2NextNode）大于作为车辆20可以操作的最大操作速度（SpdLmt）的函数而计算出的阈值距离。

预定义参数还可以包括第一速度参数（P0）和第二速度参数（P1）。第一速度参数（P0）对应于以下状况：预测窗100内的交通的速度（TraFlow）小于所公告的道路速度限制（RdSpdLmt）的第一选定百分数（p0）。第二速度参数（P1）对应于以下状况：预测窗100内的交通的速度（TraFlow）大于所公告的道路速度限制（RdSpdLmt）的第二选定百分数（p1）。第一和第二百分数（p0）和（p1）以小数形式表示，并且范围在0和1之间，其中（p0）小于（p1）。

预定义参数还可以包括第一时间参数（T0）和第二时间参数（T1）。第一时间参数（T0）对应于车辆20和最接近路径内车辆125之间的距离（ImpVeh）小于最小阈值的状况，其中最小阈值作为以下的函数来计算：车辆20行驶过车辆20和最接近路径内车辆125之间的距离（ImpVeh）的时间（Headway）；基于车辆20和最接近路径内车辆125之间的相对速度所计算出的、车辆20与最接近路径内车辆125碰撞的时间的量（TTC）；以及以经验为根据所确定的因数（t1）和（t2）。因数（t1）具有大于0并且小于（t2）的值。

第二时间参数（T1）对应于车辆20和最接近路径内车辆125之间的距离（ImpVeh）大于最大阈值的状况，其中最大阈值作为以下的函数来计算：车辆20行驶过车辆20和最接近路径内车辆125之间的距离（ImpVeh）的时间（Headway）；基于车辆20和最接近路径内车辆125之间的相对速度所计算出的、车辆20与最接近路径内车辆125碰撞的时间的量（TTC）；以及以经验为根据所确定的因数（t3）和（t4）。因数（t3）具有大于0并且小于（t4）的值。

可以通过评价参数P0、P1、T0和T1的状态来确定动态环境制约138的当前值。如果判断为满足参数P1和T1，则将动态环境制约设置为“没有交通”137。如果判断为满足参数P0和T0，则将动态环境制约设置为“交通”139。

可以通过评价以下来确定静态环境制约136的当前值：车辆20的当前速度（V）；参数F0和F2的状态；车辆20是在非公路（即，OffRoad=true（真））还是在公路上（即，OffRoad=false（假））操作；以及车辆20的最大操作速度（SpdLmt）是增大还是减小。静态环境制约136最初被设置为“ELSE”148的值。每当车辆20在非公路（即，OffRoad=true）操作时，静态环境制约136也将被设置为“ELSE”148。当判断为车辆20的速度（V）大于0（即，车辆20正在移动）并且不满足参数F1时，静态环境制约136从“ELSE”148转变为“提速”142。当判断为车辆20的速度（V）大于0（即，车辆20正在移动）并且满足参数F2时，静态环境制约136从“ELSE”148转变为“减速”144。当车辆20的最大速度（SpdLmt）被设置为在下一节点（即，图4中的节点112）减小并且不满足参数F2时，静态环境制约136从“提速”142转变为“减速”144。当共同满足参数F1和F2时，静态环境制约136从“提速”142转变为“速度保持”146。当判断为车辆20的速度（V）大于0（即，车辆20正在移动）并且满足参数F2时，静态环境制约136从“ELSE”148转变为“减速”144。每当车辆20通过新的节点（即，图4中的节点112）并且车辆20的最大速度（SpdLmt）增大时，静态环境制约136从“减速”144转变为“提速”142。当共同满足参数F1和F2时，静态环境制约136从“减速”144转变为“速度保持”146。当判断为车辆20的速度（V）大于0（即，车辆20正在移动）并且满足参数F2时，静态环境制约136从“ELSE”148转变为“减速”144。每当车辆20通过新的节点（即，图4中的节点112）并且车辆20的最大速度（SpdLmt）增大时，静态环境制约136从“速度保持”146转变为“提速”142。当车辆20的最大速度（SpdLmt）被设置为在下一节点（即，图4中的节点112）减小并且不满足参数F2时，静态环境制约136从“速度保持”142转变为“减速”144。

LPM48所实施的控制策略依赖于车辆20正在操作的当前操作场景。例如，参考下面的表1，如果静态环境制约136被设置为“提速”142（可能在例如车辆20在诸如高速公路入口匝道的速度限制增大的路段上操作，以及“没有交通”137的值被分配给动态环境制约138时发生），则场景识别模块98将判断为不需要干预并且LPM48将不试图影响车辆操作者的驾驶行为。另一方面，如果静态环境制约136被设置为“减速”144（可能例如在车辆20从高速公路出口匝道离开以及“交通”139的值被分配给动态环境制约138时发生），则场景识别模块98将判断为存在对车辆20的操作的干预或者影响车辆操作者的驾驶行为的潜在可能性。

表1

环境感知模块98仅判断是否存在干预车辆20的操作和/或影响车辆操作者的驾驶行为的潜在可能性。以下更详细地说明在仲裁模块90中进行的关于LPM48是否实际上在车辆20的操作中进行干预或者试图影响车辆操作者的驾驶行为的决定。

FE最佳行为估计模块（88）

FE最佳行为估计模块88可以使用来自环境感知模块84和车辆状况模块84的输出、通过确定可以在环境感知模块84所确定的环境制约下可实现的燃油经济性来得到优化的驾驶周期（即，目标速度配置v^*(t)）。目标速度配置v^*(t)可以包括加速强度和换挡定时。目标速度配置v^*(t)可以基于以下优化方案来确定，其中，D_up是假定车辆20将跟随环境感知模块84所确定的微观/宏观交通流的预测行驶距离配置。该优化处理的结果是速度配置v^*(t)使得车辆20能够在使用最少的燃油的情况下在预测窗100（图4）内行驶距离D_up，并且不经过任何车辆或者引起任何额外的行驶时间。

以下是可以由FE最佳行为估计模块88计算速度配置v^*(t)所使用的计算的例子：

$v^{*}\left(t\right)=\arg \underset{v\left(t\right)}{\min }{\∫}_0^{\mathrm{TLookAhead}}\mathrm{Fuel}\left(t\right)\mathrm{dt},$ 以使得

对于 $\&ForAll;T,0<T\&le;T_{\mathrm{LookAhead}},$ ， $v^{*}\left(T\right)\&le;V_{\mathrm{SpdLmt}}\left({\&Integral;}_0^{T}v\left(t\right)\mathrm{dt}\right),$

以及对于 $\&ForAll;t,0<t\&le;T_{\mathrm{LookAhead}},$ ${\&Integral;}_0^t{v}^{*}\left(t\right)\mathrm{dt}\&le;D_{\mathrm{up}}\left(t\right),$

以及 ${\&Integral;}_o^{\mathrm{TLookAhead}}{v}^{*}\left(t\right)\mathrm{dt}=D_{\mathrm{LookAhead},}$

其中，D_up(T_LookAhead)=D_LookAhead，

以及其中T_lookahead是用户定义的参数，其定义系统将预测FE最佳行为的向前时间界限。

根据特定场景，速度配置v^*(t)的计算可以基于上述计算序列而变化。图6示出示例性速度配置v^*(t)计算方法148。从环境感知模块84接收到的信息/数据（块150）可以与传感器合并模块96所生成的宏观交通预测132结合使用来确定与车辆20和最接近路径内车辆125（图4）之间的可用开放距离127（图4）相对应的平均距离（D_avg）（块152）。在块154中基于动态环境制约138的状态来判断车辆20是否在交通中操作，如环境感知模块84所提供的。如果动态环境制约138被设置为“没有交通”（图5），则计算进行到块156，其中，基于当前的道路速度限制和节点类型来确定初始目标速度配置。然后，计算进行到块158，其中，可以根据需要修改之前计算的速度配置以适应预测窗100内的道路的特定坡度和弯度。所产生的输出（块160）是目标速度配置v*(Δx)，其可以由FE最佳行为估计模块88使用来确定被估计来产生目标速度配置的相应的引擎/变速器优化的驱动扭矩。

继续参考图6，如果在块154中基于动态环境制约138的状态判断为车辆20在交通中操作，则计算进行到块162，其中，基于环境感知模块84所提供的宏观/微观交通预测来计算预测窗100（图4）内的行驶距离D_up。然后，处理进行到块164，其中，基于所确定的行驶距离D_up来确定初始目标速度配置。计算进行到块166，其中，可以根据预测窗100内的当前的道路速度限制和节点类型、在必要的情况下修改之前计算出的初始速度配置。所产生的输出是目标速度配置v*(Δx)，其可以由FE最佳行为估计模块88使用来确定被计算来产生目标速度配置的相应的引擎/变速器优化的驱动扭矩。

所计算出的目标速度配置可以用于确定相应的节流阀位置、加速命令或驱动扭矩，以使得车辆20跟踪FE最佳行为估计模块88所确定的目标速度。这可以通过跟踪诸如基准或基准速度的基准命令、使用反馈线性化来完成。处理可以使用用于确定被估计来实现目标速度配置的驱动扭矩的近似的有效的设备模型。以下说明可以由设备模型算法使用的一组示例性等式。车辆速度（V）可以被表示为引擎扭矩（T_e）、制动扭矩（T_b）和车辆拖拽力的函数。这些动力可以从有效设备模型获得。以控制仿射形式表示的相应的速度动态特性如下：

$\left(a\right),\stackrel{\&CenterDot;}{V}=f_1\left(i\right)T_e+f_2{u}_b+f_3(V,\mathrm{\&alpha;})$

其中：i是齿轮比；u_b是制动命令；以及α是坡度角。

由于所公开的ADAS22的示例性配置不包括制动命令u_b的控制，因而可以通过操纵引擎32所产生的引擎扭矩Te和变速器的齿轮比来完成对速度配置v^*(t)的控制以实现目标速度V_target。通过使用一阶速度误差动力学，车辆速度（V）和目标速度V_target之间的关系可以被表示为：

$\left(b\right),(\stackrel{\&CenterDot;}{V}-{\stackrel{\&CenterDot;}{V}}_{t\arg \mathrm{et}})+k_v(V-V_{t\arg \mathrm{et}})=0$

可以假定目标速度V_target具有相对低的改变率，这样，V_target接近于0。这将上述等式（b）简化为：

$\left(c\right),\stackrel{\&CenterDot;}{V}=-k_v(V-V_{t\arg \mathrm{et}})$

将等式（c）带入等式（a）中产生以下：

(d)f₁(i)T_e+f₂u_b+f₃(V,a)=-k_vV-V_target))+V_target

对等式（d）求解T_e得到以下用于计算优化的驱动扭矩T_e的等式，优化的驱动扭矩T_e被估计来针对特定齿轮选择以实现车辆目标速度V_target。

(e)T_e=f₁(i)^-1(-k_v(V-V_target)-f₂u_b-f₃(V,a))

多种齿轮选择可以实现相同的需求驱动扭矩。在该情况下，可以估计针对其他可行齿轮选择的估计的车辆燃油经济性，并且可以选用针对燃油经济性的最好的齿轮选择，相应的引擎扭矩可以成为最终的推荐引擎扭矩。

驾驶员意图识别模块（86）

通过与环境感知模块84和FE最佳行为估计模块88并行地操作，驾驶员意图识别模块86累积各种环境状况下的历史驾驶数据。所搜集的数据可以用于制定用于估计车辆驾驶员的关于车辆20的操作的当前和将来的意图的统计模型，并且估计驾驶员的行为是否正在被执行，例如，超车、并车和进行换道，等等。驾驶员意图识别模块86提供可以由仲裁模块90在估计是否在车辆20的操作中主动干预和/或提示驾驶员修改其驾驶行为时所使用的信息/数据。

仲裁模块（90）

图7示出示意性配置的仲裁模块90的示意图。仲裁模块90确定用于推进车辆20的仲裁驱动扭矩。仲裁驱动扭矩可以落入由以下扭矩界定的范围内并包括以下扭矩：FE最佳行为估计模块88所确定的优化扭矩和车辆驾驶员所请求的驱动扭矩。仲裁驱动扭矩可以由诸如TECU46的各种车辆控制使用来通过例如引擎节流阀位置的操纵来控制引擎32的操作，并且例如通过启动档位变换来控制变速器34的操作。仲裁扭矩还可以用于制定用于被动提示车辆的驾驶员调整其驾驶行为的策略，例如通过手动操纵车辆加速器踏板来调整引擎节流阀位置或者手动启动变速器换挡。

仲裁模块90可以在确定仲裁扭矩时利用车辆状况模块82、环境感知模块84、驾驶员意图识别模块86和FE最佳行为估计模块88所搜集和/或确定的信息/数据。可以考虑的因素包括由驾驶员意图识别模块86所确定的驾驶员需求/意图和由FE最佳行为估计模块88所确定的燃油经济性最佳行为配置之间的差异。另一因素是所感知的驾驶员意图的本质，例如，驾驶员的行为是否关乎安全和/或性能。在环境感知模块84判断为驾驶员辅助可以有利于燃油经济性的情况下（即例如在表1中所示，存在干预的潜在可能性），仲裁模块90判断是否对驾驶员提供建议性反馈或者主动通过动力系统自动化来辅助驾驶员例如进行换挡并控制引擎扭矩和速度。是否进行建议性反馈和主动辅助的判断可以考虑相关的安全和驾驶性能因素、环境感知模块84的输出的精度、以及驾驶员行为偏离FE最佳行为估计模块88所确定的燃油经济性最佳行为的方式。

在判断是否主动干预车辆20的操作和/或鼓励修改驾驶行为时，仲裁模块90评价子场景的各种集合。为了论述，示例性仲裁模块90被描述为评价三个子场景。然而，实际上，可以指定更少或更多的子场景。参考图7，三个示例性子场景可以包括安全场景识别168、系统置信度170和驾驶员接受识别172。

子场景168与识别安全和性能相关的事件有关，所述事件可能需要驾驶员维持车辆20的全面控制。这可以通过估计驾驶员的意图为试图获得车辆20的完全和全部的控制从而超越LPM48的行为来完成，如可以通过各种车辆控制的操作所示的那样。以下是可以在评价车辆安全和/或性能相关状况时由仲裁模块90监视的各种车辆控制和操作状况的示例性列表：

a）车辆制动——由大于或小于0的制动踏板位置表示；

b）减速——由大于针对j个连续时间步长的时间t_i+l处的加速器踏板位置的、时间t_i处的加速器踏板位置表示；

c）滑行——由小于时间t_i处的加速器踏板位置的时间t_i+l处的加速器踏板位置表示，时间t_i处的加速器踏板位置小于针对j个连续时间步长的时间t_i+l处的加速器踏板位置；

d）刚好在改变车道之前——由转弯信号开启且车辆（20）不减速表示；

e）刚好在转弯之前——由转弯信号开启且车辆（20）减速或滑行表示；

f）试图追赶交通灯——由下一节点是交通灯以及车辆（20）通过了节点（即，交通灯）的减速距离并且车辆（20）不减速表示；

g）刚好在开始超车之前——（类似于改变车道）；以及

h）刚好在开始并车之前——（类似于改变车道）。

如果仲裁模块90检测到上述识别的安全和/或性能状况中的任意一者，则安全标志被启动（即，设置为“是”）。

子场景172关于驾驶员对LPM48控制车辆20的操作的接受或抵制。以下是车辆操作状况的列表，如果由仲裁模块90检测到所述状况，则表示车辆20的驾驶员抵制LPM48的行为：

a）连续的对于加速的驾驶员需求（CDA）（如由驾驶员请求的驱动扭矩表示）超过LPM48所确定的优化驱动扭矩，在特定时间段内没有检测到减速，并且之前的仲裁不赞成驾驶员的行为；

b）驾驶员完全驱动加速器踏板——由大于阈值位置的加速器踏板位置表示；以及

c）负荷下的对于加速的驾驶员需求——由与CDA类似的因素表示，但是在很短的时间段内发生并且（道路坡度）×（车辆质量）的积超过阈值负荷。

如果仲裁模块90检测到上述所识别出的操作状况中的任意一者，则驾驶员抵制标志被启动（即，设置为“是”）。

子场景170评价被提供至各种LPM模块的信息/数据的精度并且赋予相应的评分值。通过示例的方式，仲裁模块90可以使用三个评分名称，包括“高置信度”、“中置信度”和“低置信度”。

仲裁模块90可以根据安全标志和驾驶员抵制标志的状态在各种操作模式之间转变。示例性配置的仲裁模块90使用三个操作模式，但是实际上，可以定义更少或更多的操作模式。三个操作模式可以包括以下模式：

a）驾驶员模式174——没有干预：仲裁的驱动扭矩等于100%的驾驶员所请求的驱动扭矩；

b）LPM模式176——全面干预：仲裁的驱动扭矩等于100%的LPM所确定的优化的驱动扭矩；以及

c）转变模式178——当在驾驶员模式174和LPM模式176之间转变时，仲裁的扭矩可以在驾驶员所请求的驱动扭矩和LPM所确定的优化驱动扭矩之间跳跃。

图8示意性示出可以由仲裁模块90使用的示例性仲裁算法179。在开头180开始决定处理。仲裁模块90检查安全标志和驾驶员抵制标志的状态。如果任一标志被启动（即，被设置为“是”），则仲裁模块90将启动驾驶员模式174。只要安全标志或驾驶员抵制标志被启动（即，被设置为“是”），驾驶员模式174将继续保持启动。另一方面，如果仲裁模块90判断为安全标志和驾驶员抵制标志都没被启动（即，两个标志都被设置为“否”），则仲裁模块90将启动LPM模式176。LPM模式176将保持启动直到安全标志或驾驶员抵制标志被启动（即，被设置为“是”）为止。

继续参考图8，如果在以LPM模式176操作时安全标志被启动（即，被设置为“是”），则仲裁模块90将启动驾驶员模式174。如果在以LPM模式176操作时驾驶员抵制标志被启动（即，被设置为“是”）并且安全标志的状态保持不变（即，被设置为“否”），则仲裁模块90将启动转变模式178。只要安全标志没有被启动（即，被设置为“否”）并且LPM模式和驾驶员模式之间的转变尚未完成，仲裁模块90将继续以转变模式178操作。如果在以转变模式178操作时安全标志被启动（即，被设置为“是”），则仲裁模块90将启动驾驶员模式174。如果在以转变模式178操作时驾驶员抵制标志没有被启动（即，被设置为“否”），并且安全标志的状态保持不变（即，被设置为“否”），则仲裁模块90将启动LPM模式176。

继续参考图8，如果在以驾驶员模式174操作时安全标志没有被启动（即，被设置为“否”），则仲裁模块90将启动转变模式178。只要安全标志没有被启动（即，被设置为“否”）并且LPM模式和驾驶员模式之间的转变尚未完成，仲裁模块90将继续以转变模式178操作。

可以理解，这里所述的示例性主动驾驶员辅助系统具有广泛的应用。上述配置被选择并描述以示出方法和设备的原理以及一些实际应用。前面的描述使得本领域其他技术人员能够利用各种配置和具有适于经设想的特定使用的各种修改的方法和设备。根据专利法规的规定，所公开的内容的操作的原理和模式在示例性配置中解释和说明。

一般地，诸如TECU46和LPM48（在未合并至TECU46时）的计算系统和/或装置可以使用许多计算机操作系统中的任意一者，包括但不限于以下版本和/或种类：微软操作系统、Unix操作系统（例如，由加利福尼亚州红木市的Oracle公司发布的操作系统）、由纽约州阿蒙克市的国际商业机器公司所发布的AIX UNIX操作系统、Linux操作系统、以及由加利福尼亚州库比蒂诺市的苹果公司所发布的Mac OS X和iOS操作系统。计算装置的例子包括但不限于模块、计算机工作站、服务器、台式机、笔记本、便携式电脑、或手持计算机或其他一些计算系统和/或装置。

计算装置一般包括计算机可执行的指令，其中，指令可以由一个或多个诸如上述所列出的那些的计算装置执行。计算机可执行指令可以由使用各种编程语言和/或技术创建的计算机程序编译或解释，各种编程语言和/或技术单独地或相结合地包括但不限于Java^TM、C、C++、Visual Basic、Java Script、Perl等。一般地，处理器（例如，微处理器）例如从存储器、计算机可读介质等接收指令，并且执行这些指令，从而进行包括这里所述的一个或多个处理的一个或多个处理。这些指令和其他数据可以使用各种计算机可读介质存储和传输。

计算机可读介质（也被称为处理器可读介质）包括参与提供可以由计算机（例如由计算机的处理器）读取的数据（例如，指令）的任意非瞬态（例如，有形的）介质。这种介质可以采用许多形式，包括但不限于非易失性介质和易失性介质。非易失性介质可以包括例如光盘或磁盘以及其他永久性存储器。易失性介质可以包括例如动态随机存取存储器（DRAM）、其一般构成主存储器。这种指令可以通过一个或多个传输介质传输，传输介质包括同轴电缆、铜线和光纤、包括耦合至计算机的处理器的系统总线的电线。计算机可读介质的常见形式包括例如软盘、软磁盘、硬盘、磁带、任何其他磁性介质、CD-ROM、DVD、任何其他光学介质、穿孔卡片、纸带、具有孔的图案的任何其他物理介质、RAM、PROM、EPROM、FLASH-EEPROM、任何其他存储器芯片或盒式磁带、或者计算机可以读取的任何其他介质。

诸如BORD50中所包含的那些（例如，路线数据库52和驾驶员行为数据库54）在此所述的数据库、数据储存库或其他数据存储可以包括用于存储、访问和检索各种数据的各种机制，包括分级数据库、文件系统中的文件的集合、专有格式的应用数据库、相关数据库管理系统（RDBMS）等。每个这种数据存储一般包括在使用诸如上述之一的计算机操作系统的计算装置内，并且以各种方式中的任意一个或多个来经由网络访问。文件系统可以从计算机操作系统访问，并且可以包括以各种格式存储的文件。RDBMS一般除了使用用于创建、存储、编辑和执行所存储的程序的语言以外还使用结构化查询语言（SQL），诸如上述PL/SQL语言。

在一些示例中，系统元件可以被实现为存储在一个或多个计算装置（例如，模块、服务器、个人计算机等）上的相关联的计算机可读介质（例如，磁盘、存储器等）上的计算机可读指令（例如，软件）。计算机程序产品可以包括用于执行这里所述的功能的存储在计算机可读介质上的这种指令。

本方法和设备的范围趋于由所附权利要求限定。然而，必须理解，所公开的主动驾驶员辅助系统可以在不背离其精神和范围的情况下以除了所具体解释和说明的方式以外的方式来实现。本领域技术人员应当理解，在实现根据所附权利要求所定义的不背离精神和范围的权利要求的情况下，可以使用这里所述的配置的各种替换。所公开内容的范围不应该参考上述说明书来确定，而是应该参考所附权利要求和对所述权利要求享有权利的等价物的全部范围来确定。在这里所论述的技术中将预计和趋向于发生进一步的进展，并且所公开的系统和方法将包含至将来的实施例中。此外，权利要求中所使用的所有术语趋向于给出宽广的合理的配置和如本领域技术人员所理解的普通的意思，除非这里给出相反的清楚的指示。特别地，诸如“一个”、“所述”等的单数冠词的使用应当被理解为陈述一个或多个所指示的元件，除非权利要求应用了相反的清楚的限制。所附权利要求趋于将装置的范围以及方法和设备的范围限定在权利要求及其所覆盖的等价物的范围内。总而言之，应该理解，装置能够进行修改和变化并且仅由所附权利要求限制。

Claims (13)

1.一种用于优化车辆性能的方法，该方法包括：

确定用于最大化车辆燃油经济性的优化的驱动扭矩；

检测驾驶员所请求的驱动扭矩；

判断所述驾驶员所请求的驱动扭矩是否是性能相关和安全相关中的至少之一；以及

当判断为所述驾驶员所请求的驱动扭矩不是性能相关和安全相关时，将仲裁的驱动扭矩设置为所述优化的驱动扭矩，以及当判断为所述驾驶员所请求的驱动扭矩是性能相关和安全相关中的至少之一时，将所述仲裁的驱动扭矩设置为所述驾驶员所请求的驱动扭矩。

2.根据权利要求1所述的方法，还包括：

判断所检测到的驾驶员所请求的驱动扭矩是否小于所确定的优化的驱动扭矩；以及

当判断为所述优化的驱动扭矩大于所述驾驶员所请求的驱动扭矩时，将所述仲裁的驱动扭矩设置为所述驾驶员所请求的驱动扭矩。

3.根据权利要求2所述的方法，还包括：每当所述优化的驱动扭矩被判断为大于所述驾驶员所请求的驱动扭矩时，将所述仲裁的驱动扭矩设置为所述驾驶员所请求的驱动扭矩。

4.根据权利要求1所述的方法，还包括监视与判断所述驾驶员所请求的驱动扭矩是否是性能相关和安全相关中的至少之一有关的至少一个车辆控制的操作。

5.根据权利要求4所述的方法，还包括当检测到所监视的车辆控制的操作时，判断为所述驾驶员所请求的驱动扭矩是性能相关和安全相关中的至少之一。

6.根据权利要求4所述的方法，其中，所述至少一个车辆控制包括车辆制动踏板位置、车辆加速器踏板位置和车辆转弯信号中的至少之一。

7.根据权利要求1所述的方法，还包括：

监视对于将所述仲裁的驱动扭矩设置为所述优化的驱动扭矩的驾驶员抵制；以及

当检测到所述驾驶员抵制时，将所述仲裁的驱动扭矩设置为所述驾驶员所请求的驱动扭矩。

8.根据权利要求7所述的方法，其中，所述驾驶员抵制由以下至少之一表示：所述驾驶员所请求的驱动扭矩在选定时间段内超过所述优化的驱动扭矩、完全驱动的车辆加速器踏板、以及在负荷状况下发生的驾驶员启动的对于驱动扭矩的请求。

9.根据权利要求1所述的方法，还包括响应于所述仲裁的驱动扭矩来调整车辆节流阀位置。

10.根据权利要求1所述的方法，还包括响应于所述仲裁的驱动扭矩来启动变速器换挡。

11.一种用于优化车辆性能的方法，该方法包括：

确定用于最大化车辆燃油经济性的优化的驱动扭矩；

检测驾驶员所请求的驱动扭矩；

确定优化燃油经济性的潜在可能性；

当判断为不存在优化燃油经济性的潜在可能性时，将仲裁的驱动扭矩设置为所述驾驶员所请求的驱动扭矩；以及

当判断为存在优化燃油经济性的潜在可能性时：

判断所述驾驶员所请求的驱动扭矩是否是性能相关和安全相关中的至少之一；以及

当判断为所述驾驶员所请求的驱动扭矩不是性能相关和安全相关时，将仲裁的驱动扭矩设置为所述优化的驱动扭矩，以及当判断为所述驾驶员所请求的驱动扭矩是性能相关和安全相关中的至少之一时，将所述仲裁的驱动扭矩设置为所述驾驶员所请求的驱动扭矩。

12.根据权利要求11所述的方法，还包括：

确定静态环境制约和动态环境制约中的至少之一；以及

基于所述静态环境制约和所述动态环境制约中的至少之一来判断优化燃油经济性的潜在可能性。

13.根据权利要求12所述的方法，其中，基于车辆速度限制来确定所述静态环境制约和所述动态环境制约中的至少之一。