CN111402582B - 智能网联环境电动汽车借用自动驾驶专用车道的控制方法 - Google Patents

智能网联环境电动汽车借用自动驾驶专用车道的控制方法 Download PDF

Info

Publication number
CN111402582B
CN111402582B CN202010168778.9A CN202010168778A CN111402582B CN 111402582 B CN111402582 B CN 111402582B CN 202010168778 A CN202010168778 A CN 202010168778A CN 111402582 B CN111402582 B CN 111402582B
Authority
CN
China
Prior art keywords
electric
electric automobile
lane
automatic driving
automobile
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN202010168778.9A
Other languages
English (en)
Other versions
CN111402582A (zh
Inventor
华雪东
王炜
赵德
李欣然
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Southeast University
Original Assignee
Southeast University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Southeast University filed Critical Southeast University
Priority to CN202010168778.9A priority Critical patent/CN111402582B/zh
Publication of CN111402582A publication Critical patent/CN111402582A/zh
Application granted granted Critical
Publication of CN111402582B publication Critical patent/CN111402582B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
    • G08G1/0108—Measuring and analyzing of parameters relative to traffic conditions based on the source of data
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
    • G08G1/0125—Traffic data processing
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
    • G08G1/0137—Measuring and analyzing of parameters relative to traffic conditions for specific applications
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G08G1/052—Detecting movement of traffic to be counted or controlled with provision for determining speed or overspeed

Abstract

本发明公开了一种智能网联环境电动汽车借用自动驾驶专用车道的控制方法，包含了依次进行的交通运行数据采集、交通运行速度预测、电动汽车电量计算、借用专用车道行驶控制四个步骤，通过现状交通运行数据，以及交通运行速度的预测，获取电动汽车在普通车道、自动驾驶专用车道行驶的电量消耗，通过与电动汽车的现有电量进行对比，最后确定电动汽车是否可以借用专用车道行驶。该方法可以较好解决电动汽车行驶时通行资源的分配问题，对于电量较低的电动汽车，可以优先使用专用车道行驶进入充电区域充电，该方法具有实用意义和价值。

Description

智能网联环境电动汽车借用自动驾驶专用车道的控制方法
技术领域
本发明属于交通控制和交通资源配置领域，具体涉及一种智能网联环境电动汽车借用自动驾驶专用车道的控制方法。
背景技术
现阶段，在国内外各国政府及著名科技、汽车企业大力发展自动驾驶汽车、智能网联技术的背景下，未来的交通将呈现出科技化、智能化、自动化的特征。在未来相当长的一段时间内，交通系统的运行将体现为不同于以往的新型混合交通流特性，即人工驾驶汽车和自动驾驶汽车混行。另一方面，由于石油等不可再生能源的持续消耗，传统的燃油汽车将会逐步被电动汽车等新能源汽车所取代。由此，在未来很长的一段时间内，交通系统中将行驶有，人工驾驶汽车和自动驾驶汽车，燃油汽车和电动汽车。对于人工驾驶汽车和自动驾驶汽车的混行，通常考虑给与自动驾驶汽车专用车道，以保障其行驶的效率，同时降低其与传统人工驾驶汽车间的冲突。而对于燃油汽车和电动汽车，则需要更多的考虑电动汽车的充电问题。
在设置有自动驾驶专用车道的高速公路等区域，当车流运行由于流量较大而较为缓慢时，此时若有人工驾驶的电动汽车的电量不足以支撑其行驶到最近的充电设施处充电，将会导致其因无电而停止在道路上，这会进一步降低道路运行的效率。此时，如果能及时监测与发现电动汽车的电量，当其电量不足时，则允许其借用自动驾驶专用车道行驶，更快的到达的最近的充电设施处充电，显然是可行且具有实际意义的。而对于电动汽车电量较高，或者自动驾驶专用车道的速度也不高的情况，则让电动汽车仍保持原车道行驶。上述功能的实现，需要车辆和车辆间、车辆和交通运行环境间可以相互的感知，交换彼此的运行状态与需求。而这恰恰是智能网联环境所能提供的。
发明内容
本发明正是针对现有技术中的问题，所提出的一种智能网联环境电动汽车借用自动驾驶专用车道的控制方法，具体包括如下步骤：
A.交通运行数据采集：采集的交通运行数据包含电动汽车状态数据：数据采集时刻ts，电动汽车的位置
Figure BDA0002409276020000011
电动汽车的剩余电量
Figure BDA0002409276020000012
距离电动汽车最近的下游充电设施的距离
Figure BDA0002409276020000013
以及交通运行历史数据：从
Figure BDA0002409276020000014
开始至距离电动汽车最近的下游充电设施之间，从数据采集时刻ts开始往前至少2周时间范围内，自动驾驶专用车道、普通车道的流量、密度、速度的数据；
B.交通运行速度预测：利用所述步骤A中采集的数据，拟合获取数据采集时刻ts开始向后，从
Figure BDA0002409276020000021
开始至距离电动汽车最近的下游充电设施之间，自动驾驶专用车道的交通运行速度预测函数Vav(X,T)，普通车道的交通运行速度预测函数Vmv(X,T)，其中，X为速度预测的位置，
Figure BDA0002409276020000022
T为速度预测的时刻，T≥ts；
C.电动汽车电量计算：计算出电动汽车在普通车道行驶耗的电量消耗预测值Emv，电动汽车在自动驾驶专用车道行驶耗的电量消耗预测值Eav；
D.借用专用车道行驶控制：
当电动汽车的剩余电量大于电动汽车在普通车道行驶耗的电量消耗预测值，即
Figure BDA0002409276020000023
时，电动汽车在普通车道行驶，自动驾驶专用车道不对电动汽车开放；
当电动汽车的剩余电量小于等于电动汽车在普通车道行驶耗的电量消耗预测值，且大于等于电动汽车在自动驾驶专用车道行驶耗的电量消耗预测值，即
Figure BDA0002409276020000024
电动汽车借用自动驾驶专用车道行驶，自动驾驶专用车道对电动汽车开放。
所述的智能网联环境电动汽车借用自动驾驶专用车道的控制方法，步骤C中所述电动汽车电量计算的具体方法是：
C1.交通运行速度预测函数拆分；
将自动驾驶专用车道的交通运行速度预测函数拆分为加速和匀速过程的交通运行速度预测函数
Figure BDA0002409276020000025
以及减速过程的交通运行速度预测函数
Figure BDA0002409276020000026
将普通车道的交通运行速度预测函数拆分为加速和匀速过程的交通运行速度预测函数
Figure BDA0002409276020000027
以及减速过程的交通运行速度预测函数
Figure BDA0002409276020000031
C2.普通车道行驶耗电量预测；
若电动汽车一直在普通车道行驶，则当车辆运行在加速和匀速过程中时，其电量消耗预测值为
Figure BDA0002409276020000032
当其运行在减速过程中时，其电量消耗预测值为
Figure BDA0002409276020000033
最后电动汽车在普通车道行驶耗的电量消耗预测值为
Figure BDA0002409276020000034
其中，
Figure BDA0002409276020000035
为电动汽车一直在普通车道行驶时到达距离电动汽车最近的下游充电设施的预测时刻，tmv为从ts到
Figure BDA0002409276020000036
的连续时间变量，x(tmv)为时刻tmv时电动汽车所处在普通车道行驶时的预测位置，
Figure BDA0002409276020000037
为时刻tmv时电动汽车匀速或者驾驶行驶时的驱动力，
Figure BDA0002409276020000038
为时刻tmv时电动汽车减速行驶时的滚动阻力，η1为电动汽车的传动效率，η2为电动汽车的动能回收效率，P为电动汽车行驶过程中整车附件的消耗功率；
C3.自动驾驶专用车道行驶耗电量预测：
若电动汽车一直在自动驾驶专用车道行驶，则当车辆运行在加速和匀速过程中时，其电量消耗预测值为
Figure BDA0002409276020000039
当其运行在减速过程中时，其电量消耗预测值为
Figure BDA00024092760200000310
最后电动汽车在自动驾驶专用车道行驶耗的电量消耗预测值为
Figure BDA00024092760200000311
其中，
Figure BDA00024092760200000312
为电动汽车一直在自动驾驶专用车道行驶时到达距离电动汽车最近的下游充电设施的预测时刻，tav为从ts到
Figure BDA00024092760200000313
的连续时间变量，x(tav)为时刻tav时电动汽车所处在自动驾驶专用车道行驶时的预测位置，
Figure BDA00024092760200000314
为时刻tav时电动汽车匀速或者驾驶行驶时的驱动力，
Figure BDA00024092760200000315
为时刻tav时电动汽车减速行驶时的滚动阻力。
有益效果：
本发明提出了一种智能网联环境电动汽车借用自动驾驶专用车道的控制方法，该方法可以解决电动汽车缺电且道路通行较慢时，电动汽车无法赶到最近充电设施处充电的问题，通过借用自动驾驶专用车道，保证了电动汽车可以在更快的速度和更低的能耗下行驶到达最近充电设施处。同时，该方法电动汽车因为缺电而在道路上停止情况发生的概率，保证了交通系统的整体运行效率。目前不存在类似的方法。
附图说明
图1为本发明方法的流程图。
图2为本发明方法的道路示意图。
具体实施方式
以下将结合附图和实施例，对本发明进行较为详细的说明。
图1所示为本发明的流程，在某高速的路段，如图2所示，开始执行本方法方法，具体如下：
A交通运行数据采集；
所述交通运行数据采集步骤，采集的交通运行数据包含电动汽车状态数据：数据采集时刻ts＝8点，电动汽车的位置
Figure BDA0002409276020000041
电动汽车的剩余电量
Figure BDA0002409276020000042
距离电动汽车最近的下游充电设施的距离
Figure BDA0002409276020000043
以及交通运行历史数据：从
Figure BDA0002409276020000044
开始至距离电动汽车最近的下游充电设施之间，从数据采集时刻ts开始往前至少2周时间范围内，自动驾驶专用车道、普通车道的流量、密度、速度的数据；
B交通运行速度预测；
利用所述步骤A中采集的数据，拟合获取数据采集时刻ts开始向后，从
Figure BDA0002409276020000045
开始至距离电动汽车最近的下游充电设施之间，自动驾驶专用车道的交通运行速度预测函数Vav(X,T)，普通车道的交通运行速度预测函数Vmv(X,T)，其中，X为速度预测的位置，
Figure BDA0002409276020000046
T为速度预测的时刻，T≥ts；
该步骤中，对于Vav(X,T)、Vmv(X,T)两个函数的拟合，主要基于所述步骤A中采集得到的交通运行历史数据，拟合的方法可以采用机器学习、深度学习。另外，对于Vav(X,T)、Vmv(X,T)两个函数也可以直接采用百度、高德等地图导航公司，或者滴滴等网约车公司拟合后的结果。
C电动汽车电量计算，包含如下步骤，
C1交通运行速度预测函数拆分；
将自动驾驶专用车道的交通运行速度预测函数拆分为加速和匀速过程的交通运行速度预测函数
Figure BDA0002409276020000051
以及减速过程的交通运行速度预测函数
Figure BDA0002409276020000052
将普通车道的交通运行速度预测函数拆分为加速和匀速过程的交通运行速度预测函数
Figure BDA0002409276020000053
以及减速过程的交通运行速度预测函数
Figure BDA0002409276020000054
C2普通车道行驶耗电量预测；
若电动汽车一直在普通车道行驶，则当车辆运行在加速和匀速过程中时，其电量消耗预测值为
Figure BDA0002409276020000055
当其运行在减速过程中时，其电量消耗预测值为
Figure BDA0002409276020000056
最后电动汽车在普通车道行驶耗的电量消耗预测值为
Figure BDA0002409276020000057
其中，
Figure BDA0002409276020000058
为电动汽车一直在普通车道行驶时到达距离电动汽车最近的下游充电设施的预测时刻，tmv为从ts到
Figure BDA0002409276020000059
的连续时间变量，x(tmv)为时刻tmv时电动汽车所处在普通车道行驶时的预测位置，
Figure BDA00024092760200000510
为时刻tmv时电动汽车匀速或者驾驶行驶时的驱动力，
Figure BDA00024092760200000511
为时刻tmv时电动汽车减速行驶时的滚动阻力，η1为电动汽车的传动效率，η2为电动汽车的动能回收效率，P为电动汽车行驶过程中整车附件的消耗功率；
通过计算，Emv＝70KW·h。
C3自动驾驶专用车道行驶耗电量预测；
若电动汽车一直在自动驾驶专用车道行驶，则当车辆运行在加速和匀速过程中时，其电量消耗预测值为
Figure BDA0002409276020000061
当其运行在减速过程中时，其电量消耗预测值为
Figure BDA0002409276020000062
最后电动汽车在普通车道行驶耗的电量消耗预测值为
Figure BDA0002409276020000063
其中，
Figure BDA0002409276020000064
为电动汽车一直在自动驾驶专用车道行驶时到达距离电动汽车最近的下游充电设施的预测时刻，tav为从ts到
Figure BDA0002409276020000065
的连续时间变量，x(tav)为时刻tav时电动汽车所处在自动驾驶专用车道行驶时的预测位置，
Figure BDA0002409276020000066
为时刻tav时电动汽车匀速或者驾驶行驶时的驱动力，
Figure BDA0002409276020000067
为时刻tav时电动汽车减速行驶时的滚动阻力；
通过计算，Eav＝45KW·h。
D借用专用车道行驶控制：
本实施例中通过计算的结果，因为
Figure BDA0002409276020000068
因此电动汽车借用自动驾驶专用车道行驶，自动驾驶专用车道对电动汽车开放。
当
Figure BDA0002409276020000069
时，电动汽车在普通车道行驶，自动驾驶专用车道不对电动汽车开放。
以上所述实施例仅是对本发明的优选方式进行描述，并非对本发明的范围进行限定，在不脱离本发明设计精神的前提下，对本发明所作的任何变形、修改等，均应包含在本发明权利要求书确定的保护范围之内。

Claims (2)

1.一种智能网联环境电动汽车借用自动驾驶专用车道的控制方法，其特征在于，该方法包括如下步骤：
A.交通运行数据采集：采集的交通运行数据包含电动汽车状态数据：数据采集时刻ts，电动汽车的位置
Figure FDA0003011595090000011
电动汽车的剩余电量
Figure FDA0003011595090000012
距离电动汽车最近的下游充电设施的距离Lt；以及交通运行历史数据：从
Figure FDA0003011595090000013
开始至距离电动汽车最近的下游充电设施之间，从数据采集时刻ts开始往前至少2周时间范围内，自动驾驶专用车道、普通车道的流量、密度、速度的数据；
B.交通运行速度预测：利用所述步骤A中采集的数据，拟合获取数据采集时刻ts开始向后，从
Figure FDA0003011595090000014
开始至距离电动汽车最近的下游充电设施之间，自动驾驶专用车道的交通运行速度预测函数Vav(X,T)，普通车道的交通运行速度预测函数Vmv(X,T)，其中，X为速度预测的位置，
Figure FDA0003011595090000015
T为速度预测的时刻，T≥ts；
C.电动汽车电量计算：计算出电动汽车在普通车道行驶耗的电量消耗预测值Emv，电动汽车在自动驾驶专用车道行驶耗的电量消耗预测值Eav；
D.借用专用车道行驶控制：
当电动汽车的剩余电量大于电动汽车在普通车道行驶耗的电量消耗预测值，即
Figure FDA0003011595090000016
时，电动汽车在普通车道行驶，自动驾驶专用车道不对电动汽车开放；
当电动汽车的剩余电量小于等于电动汽车在普通车道行驶耗的电量消耗预测值，且大于等于电动汽车在自动驾驶专用车道行驶耗的电量消耗预测值，即
Figure FDA0003011595090000017
电动汽车借用自动驾驶专用车道行驶，自动驾驶专用车道对电动汽车开放。
2.根据权利要求1所述的智能网联环境电动汽车借用自动驾驶专用车道的控制方法，其特征在于，步骤C中所述电动汽车电量计算的具体方法是：
C1.交通运行速度预测函数拆分；
将自动驾驶专用车道的交通运行速度预测函数拆分为加速和匀速过程的交通运行速度预测函数
Figure FDA0003011595090000018
以及减速过程的交通运行速度预测函数
Figure FDA0003011595090000021
将普通车道的交通运行速度预测函数拆分为加速和匀速过程的交通运行速度预测函数
Figure FDA0003011595090000022
以及减速过程的交通运行速度预测函数
Figure FDA0003011595090000023
C2.普通车道行驶耗电量预测；
若电动汽车一直在普通车道行驶，则当车辆运行在加速和匀速过程中时，其电量消耗预测值为
Figure FDA0003011595090000024
当其运行在减速过程中时，其电量消耗预测值为
Figure FDA0003011595090000025
最后电动汽车在普通车道行驶耗的电量消耗预测值为
Figure FDA0003011595090000026
其中，
Figure FDA0003011595090000027
为电动汽车一直在普通车道行驶时到达距离电动汽车最近的下游充电设施的预测时刻，tmv为从ts到
Figure FDA0003011595090000028
的连续时间变量，x(tmv)为时刻tmv时电动汽车所处在普通车道行驶时的预测位置，
Figure FDA0003011595090000029
为时刻tmv时电动汽车匀速或者加速行驶时的驱动力，
Figure FDA00030115950900000210
为时刻tmv时电动汽车减速行驶时的滚动阻力，η1为电动汽车的传动效率，η2为电动汽车的动能回收效率，P为电动汽车行驶过程中整车附件的消耗功率；
C3.自动驾驶专用车道行驶耗电量预测：
若电动汽车一直在自动驾驶专用车道行驶，则当车辆运行在加速和匀速过程中时，其电量消耗预测值为
Figure FDA00030115950900000211
当其运行在减速过程中时，其电量消耗预测值为
Figure FDA00030115950900000212
最后电动汽车在自动驾驶专用车道行驶耗的电量消耗预测值为
Figure FDA0003011595090000031
其中，
Figure FDA0003011595090000032
为电动汽车一直在自动驾驶专用车道行驶时到达距离电动汽车最近的下游充电设施的预测时刻，tav为从ts到
Figure FDA0003011595090000033
的连续时间变量，x(tav)为时刻tav时电动汽车所处在自动驾驶专用车道行驶时的预测位置，
Figure FDA0003011595090000034
为时刻tav时电动汽车匀速或者加速行驶时的驱动力，
Figure FDA0003011595090000035
为时刻tav时电动汽车减速行驶时的滚动阻力。
CN202010168778.9A 2020-03-12 2020-03-12 智能网联环境电动汽车借用自动驾驶专用车道的控制方法 Active CN111402582B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010168778.9A CN111402582B (zh) 2020-03-12 2020-03-12 智能网联环境电动汽车借用自动驾驶专用车道的控制方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010168778.9A CN111402582B (zh) 2020-03-12 2020-03-12 智能网联环境电动汽车借用自动驾驶专用车道的控制方法

Publications (2)

Publication Number Publication Date
CN111402582A CN111402582A (zh) 2020-07-10
CN111402582B true CN111402582B (zh) 2021-05-25

Family

ID=71413310

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010168778.9A Active CN111402582B (zh) 2020-03-12 2020-03-12 智能网联环境电动汽车借用自动驾驶专用车道的控制方法

Country Status (1)

Country Link
CN (1) CN111402582B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115620542B (zh) * 2022-09-23 2023-11-07 交通运输部公路科学研究所 基于车路协同的动态自动驾驶专用道管控方法及装置

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102882262A (zh) * 2012-10-30 2013-01-16 山东省科学院自动化研究所 一种基于车网融合技术的电动汽车充电系统及实现方法
CN103234544A (zh) * 2013-04-27 2013-08-07 北京交通大学 电动汽车电量消耗因子模型建立及续驶里程估算方法
CN104062588A (zh) * 2013-03-18 2014-09-24 日电（中国）有限公司 用于估计电动汽车的剩余电量的设备和方法
KR101558806B1 (ko) * 2014-09-05 2015-10-07 현대자동차주식회사 친환경 차량의 배터리 충전 제어 장치 및 방법
CN105674996A (zh) * 2016-01-05 2016-06-15 惠州市蓝微新源技术有限公司 一种基于bms的电动汽车行驶预判方法及预判系统
CN106515478A (zh) * 2016-10-27 2017-03-22 合肥工业大学 电动汽车剩余行驶里程在线预测方法及装置
CN108052100A (zh) * 2017-11-23 2018-05-18 南京航空航天大学 一种智能网联电动汽车控制系统及其控制方法
CN109118758A (zh) * 2018-07-24 2019-01-01 南京锦和佳鑫信息科技有限公司 一种面向移动共享的智能网联交通管理系统
CN109767619A (zh) * 2018-12-29 2019-05-17 江苏大学 一种智能网联纯电动汽车行驶工况预测方法

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102303538B (zh) * 2011-05-26 2014-07-02 奇瑞汽车股份有限公司 一种电动汽车剩余续驶里程的显示方法及装置
CN102837697B (zh) * 2011-06-24 2015-10-28 北汽福田汽车股份有限公司 一种电动汽车续航里程管理系统及工作方法
CN109910894A (zh) * 2019-04-09 2019-06-21 南京锦和佳鑫信息科技有限公司 自动驾驶专用车道自动、手动模式切换系统及其应用
CN110228483B (zh) * 2019-05-27 2021-04-20 苏州佳世达光电有限公司 自动导引车智能控制系统及方法

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102882262A (zh) * 2012-10-30 2013-01-16 山东省科学院自动化研究所 一种基于车网融合技术的电动汽车充电系统及实现方法
CN104062588A (zh) * 2013-03-18 2014-09-24 日电（中国）有限公司 用于估计电动汽车的剩余电量的设备和方法
CN103234544A (zh) * 2013-04-27 2013-08-07 北京交通大学 电动汽车电量消耗因子模型建立及续驶里程估算方法
KR101558806B1 (ko) * 2014-09-05 2015-10-07 현대자동차주식회사 친환경 차량의 배터리 충전 제어 장치 및 방법
CN105674996A (zh) * 2016-01-05 2016-06-15 惠州市蓝微新源技术有限公司 一种基于bms的电动汽车行驶预判方法及预判系统
CN106515478A (zh) * 2016-10-27 2017-03-22 合肥工业大学 电动汽车剩余行驶里程在线预测方法及装置
CN108052100A (zh) * 2017-11-23 2018-05-18 南京航空航天大学 一种智能网联电动汽车控制系统及其控制方法
CN109118758A (zh) * 2018-07-24 2019-01-01 南京锦和佳鑫信息科技有限公司 一种面向移动共享的智能网联交通管理系统
CN109767619A (zh) * 2018-12-29 2019-05-17 江苏大学 一种智能网联纯电动汽车行驶工况预测方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
基于卡尔曼滤波的电动汽车剩余电量估计;程艳青 等;《杭州电子科技大学学报》;20090630;第29卷(第3期);第4-6页 *
基于遗传神经网络的电动汽车锂电池SOC预测;黄耀波 等;《机电工程》;20131031;第30卷(第10期);第1255-1258页 *

Also Published As

Publication number Publication date
CN111402582A (zh) 2020-07-10

Similar Documents

Publication Publication Date Title
Ma et al. Predictive energy-saving optimization based on nonlinear model predictive control for cooperative connected vehicles platoon with V2V communication
CN107117170B (zh) 一种基于经济性驾驶的实时预测巡航控制系统
CN103606271B (zh) 一种混合动力城市公交车控制方法
CN104890669B (zh) 一种混合动力汽车动力总成控制方法
Zeng et al. Globally energy-optimal speed planning for road vehicles on a given route
CN107458369B (zh) 一种同轴并联式混合动力电动汽车能量管理方法
Fotouhi et al. A review on the applications of driving data and traffic information for vehicles׳ energy conservation
Zeng et al. A two-level stochastic approach to optimize the energy management strategy for fixed-route hybrid electric vehicles
CN109291925B (zh) 一种节能型智能网联混合动力汽车跟车控制方法
CN111340289A (zh) 一种基于遗传算法的公交发车与车速调整优化方法及系统
Chen et al. Co-optimization of velocity planning and energy management for autonomous plug-in hybrid electric vehicles in urban driving scenarios
Sakhdari et al. Ecological adaptive cruise control of a plug-in hybrid electric vehicle for urban driving
CN109552338A (zh) 一种纯电动汽车生态驾驶行为评估方法及系统
Zhang et al. Energy-saving optimization and control of autonomous electric vehicles with considering multiconstraints
CN206749792U (zh) 一种纯电动汽车行驶工况判别装置
CN112255918B (zh) 汽车队列优化控制的方法及系统
CN108133329B (zh) 考虑充电反馈效应的电动汽车出行与充电需求分析方法
CN111532264A (zh) 一种面向变坡度和变限速交通场景的智能网联汽车巡航车速优化方法
CN111402582B (zh) 智能网联环境电动汽车借用自动驾驶专用车道的控制方法
CN108313057B (zh) 基于mpc和凸优化算法的纯电动汽车自适应巡航控制方法
Hao et al. Deeply integrated vehicle dynamic and powertrain operation for efficient plug-in hybrid electric bus
CN112046335A (zh) 一种基于行驶能耗模型的电动汽车剩余行驶里程计算方法
CN106696952B (zh) 一种智能网联混合动力汽车能量控制方法
Wang et al. Ecological cruising control of connected electric vehicle: a deep reinforcement learning approach
Jin et al. Energy-optimal speed control for connected electric buses considering passenger load

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant