CN111867911A - 车辆控制方法和设备 - Google Patents

Abstract

本公开涉及生成用于沿着路线行驶的宿主车辆(1)的目标操作速度带(53；63；67)的方法。识别处于路线上的第一位置处的第一时间相关的障碍物(15‑n、18‑n)。第一时间相关的障碍物(15‑n、18‑n)被识别为在第一时间段(l1)期间阻碍宿主车辆(1)的前进。将第一时间相关的障碍物(15‑n、18‑n)限定在速度相对于距离的二维映射(50、60)中。在速度相对于距离的二维映射(50、60)内确定从第一点至第二点的第一速度轨迹(51、52；61；65、66)。第二点表示路线上的第一位置，并且所确定的第一速度轨迹(51、52；61；65、66)表示宿主车辆(1)在第一到达时间到达第一位置处。确定目标操作速度带(53；63；67)使得第一速度轨迹(51、52；61；65、66)形成目标操作速度带(53；63；67)的上限和下限中的一者。第一到达时间在所述第一时间段(11)外。本公开还涉及用于生成目标操作速度带(53；63；67)的控制器(2)以及车辆(1)。

Description

车辆控制方法和设备

技术领域

本公开涉及车辆控制方法和设备。更具体地但非排他性地，本公开涉及：生成用于宿主车辆的目标操作速度带的方法；以及用于生成宿主车辆的目标操作速度带的控制器。本公开还涉及：包括控制器的车辆；以及非暂时性计算机可读介质。

背景技术

车辆对基础设施(V2I)和车辆对车辆(V2V)(统称为V2X)技术有望在未来十年内成为标准。这为预测性能量管理策略提供了新的机遇，因为与车辆环境有关的可用信息的数量正增加超过能够从车载传感器获得的信息量。从能量管理策略的角度来看，这在预料未来事件、并且因此调整车辆速度和推进系统使用以提高能效的能力方面提供了重大的机会。如何能够将V2I信息用于节能的示例是交通灯将其当前状态和未来状态传达给接近的车辆的情况。这允许接近的车辆调整其接近速度曲线，以便有可能避免在交通灯处停车，从而节省能量并且增加驾驶员舒适度。如何能够将V2V信息用于节能的示例是宿主车辆前方的车辆将其运动传达给其周围的其他车辆的情况。例如，在宿主车辆接近拥堵区域的情况下，宿主车辆可以预料拥堵并调整其接近速度和推进系统使用，从而例如通过增加车辆滑行量和减少摩擦制动器的使用来提高能效。挑战是如何充分利用这些新的机遇。计算期望的目标操作速度带的算法将是有利的，并且可选地，用于不同场景的推进系统管理策略也将是有利的。

发明内容

本发明的各方面涉及如所附权利要求中所要求保护的方法、车辆和非暂时性计算机可读介质。

根据本发明的另一方面，提供了一种生成沿着路线行驶的宿主车辆的目标操作速度带的方法，该方法包括：

识别处于路线上的第一位置处的第一时间相关的障碍物，该第一时间相关的障碍物被识别为在第一时间段期间阻碍宿主车辆的前进；

将第一时间相关的障碍物限定在速度相对于距离的二维映射中；

在速度相对于距离的二维映射内确定从第一点至第二点的第一速度轨迹，第二点表示路线上的第一位置，并且所确定的第一速度轨迹表示宿主车辆在第一到达时间到达第一位置处；以及

确定目标操作速度带，使得第一速度轨迹形成目标操作速度带的上限和下限中的一者，

其中，所述第一到达时间在所述第一时间段外。宿主车辆的速度可以根据目标操作速度带来控制。目标操作速度带可以限定宿主车辆的速度范围。至少在某些实施方式中，这可以提高车辆的操作效率和/或减少完成行程所需的时间。

替代性地，或者另外，该方法可以包括确定下述第二时间段，在该第二时间段时，第一时间相关的障碍物被识别为不阻碍宿主车辆的前进。目标操作速度带可以被确定成使得宿主车辆在第二时间段内到达第一位置处。

该方法可以包括输出目标速度轨迹。目标速度轨迹可以部分或完全地包含在目标操作速度带内。

第一速度轨迹可以根据宿主车辆的第一加速度限制而生成。

第一速度轨迹可以形成目标操作速度带的下限。可以对小于第一速度轨迹的目标速度轨迹应用成本惩罚。

第一速度轨迹可以形成目标操作速度带的上限。可以对大于第一速度轨迹的目标速度轨迹应用成本惩罚。

该方法可以包括确定目标速度轨迹的成本。该成本可以通过与目标速度轨迹的具有比预定的正加速度阈值大的正加速度和/或具有比预定的负加速度阈值大的负加速度的每个部分相关地应用加速度成本惩罚来确定。

该方法可以包括识别下述第二时间段，在该第二时间段期间，第一时间相关的障碍物准许宿主车辆基本不受阻碍地前进。目标操作速度带可以被确定成使得第一到达时间在所述第二时间段内。

该方法可以包括在速度相对于距离的二维映射内确定从第一点至第二点的第二速度轨迹，第二点表示路线上的第一位置，并且所确定的第一速度轨迹表示宿主车辆在第二到达时间到达第一位置处。目标操作速度带可以被确定成使得第二速度轨迹形成目标操作速度带的上限和下限中的另一者。第二到达时间可以在第一时间段外。

可以针对宿主车辆的第一加速度限制而生成第一速度轨迹。

第一障碍物可以包括沿着路线的至少一部分行驶的目标车辆。第一时间段可以包括下述时间段：在该时间段期间，目标车辆被预测为在路线的被识别为不利于执行超车操纵的路段上行驶。

该方法可以包括在速度相对于距离的二维映射内确定从第一点至第二点的第二速度轨迹。第二速度轨迹可以被计算成使得宿主车辆在第二到达时间到达第二位置处。第二速度轨迹可以形成目标操作速度带的上限和下限中的另一者。

第二到达时间可以包括预测目标车辆到达第二位置处的时间。第二位置可以表示路线的被识别为不利于执行超车操纵的路段的终点。

第二时间段可以包括下述时间段：在该时间段期间，目标车辆被预测为在路线的被识别为有利于执行超车操纵的路段上行驶。

该方法可以包括识别适用于路线的在宿主车辆的当前位置与第一位置之间的至少一部分的速度限制。速度限制可以限定目标操作速度带的上限的至少一部分。

该方法可以包括识别路线上的多个障碍物。可以与在路线上识别出的每个障碍物相关地确定目标操作速度带。可以根据与在路线上识别出的至少一个其他障碍物相关地执行的计算，对每个目标操作速度带的计算应用加权。用于到达第一障碍物处的第一到达时间可以根据宿主车辆到达在路线上识别出的一个或更多个其他障碍物处的时间来确定。

根据本发明的另一方面，提供了一种非暂时性计算机可读介质，该非暂时性计算机可读介质具有存储在该非暂时性计算机可读介质中的一组指令，所述一组指令在被执行时使处理器执行本文中所描述的方法。

根据本发明的另一方面，提供了一种用于生成沿着路线行驶的宿主车辆的目标操作速度带的控制器，该控制器包括：

处理装置，该处理装置用于接收输入，以识别路线上的第一位置处的第一时间相关的障碍物，该第一时间相关的障碍物被识别为在第一时间段期间阻碍宿主车辆的前进；以及

存储器装置，该存储器装置连接至处理装置；

其中，处理装置配置成：

将第一时间相关的障碍物限定在速度相对于距离的二维映射中；

在速度相对于距离的二维映射内确定从第一点至第二点的第一速度轨迹，第二点表示路线上的第一位置，并且所确定的第一速度轨迹表示宿主车辆在第一到达时间到达第一位置处，第一到达时间在第一时间段外；并且

生成目标操作速度带；

其中，第一速度轨迹形成目标操作速度带的上限和下限中的一者。

替代性地，或者另外，处理器可以配置成确定下述第二时间段，在该第二时间段时，第一时间相关的障碍物被识别为不妨碍宿主车辆的前进。目标操作速度带可以被确定成使得宿主车辆在第二时间段内到达第一位置处。

处理装置可以呈诸如电子处理器之类的处理器的形式。存储器装置可以呈存储器设备的形式。

处理装置可以配置成输出目标速度轨迹。目标速度轨迹可以部分或完全地包含在目标操作速度带内。

可以针对宿主车辆的第一加速度限制而生成第一速度轨迹。

第一速度轨迹可以形成目标操作速度带的下限。可以对小于第一速度轨迹的目标速度轨迹应用成本惩罚。

第一速度轨迹可以形成目标操作速度带的上限。可以对大于第一速度轨迹的目标速度轨迹应用成本惩罚。

处理装置可以配置成确定目标速度轨迹的成本。该成本可以通过与目标速度轨迹的具有比预定的正加速度阈值大的正加速度和/或比预定的负加速度阈值大的负加速度的每个部分相关地应用加速度成本惩罚来确定。

处理装置可以配置成识别下述第二时间段，在该第二时间段期间，第一时间相关的障碍物准许宿主车辆基本不受阻碍地前进。目标操作速度带可以被确定成使得第一到达时间在所述第二时间段内。

处理装置可以配置成在速度相对于距离的二维映射内确定从第一点至第二点的第二速度轨迹，第二点表示路线上的第一位置，并且所确定的第一速度轨迹表示宿主车辆在第二到达时间到达第一位置处。

目标操作速度带可以被确定成使得第二速度轨迹形成目标操作速度带的上限和下限中的另一者。第二到达时间可以在所述第一时间段外。

第一速度轨迹可以根据宿主车辆的第一加速度限制而生成。

第一障碍物可以包括沿着路线的至少一部分行驶的目标车辆。第一时间段可以包括下述时间段：在该时间段期间，目标车辆被预测为在路线的被识别为不利于执行超车操纵的路段上行驶。

处理装置可以配置成在速度相对于距离的二维映射内确定从第一点至第二点的第二速度轨迹，该第二速度轨迹被计算成使得宿主车辆在第二到达时间到达第二位置处。第二速度轨迹可以形成目标操作速度带的上限和下限中的另一者。

第二到达时间可以包括预测目标车辆到达第二位置处的时间。第二位置可以表示路线的被识别为不利于执行超车操纵的路段的终点。

第二时间段可以包括下述时间段：在该时间段期间，目标车辆被预测为在路线的被识别为有利于执行超车操纵的路段上行驶。

处理装置可以配置成识别适用于路线的在宿主车辆的当前位置与第一位置之间的至少一部分的速度限制，其中，该速度限制限定目标操作速度带的上限的至少一部分。

处理装置可以配置成：

识别路线上的多个障碍物；并且

与在路线上识别出的每个障碍物相关地生成目标操作速度带。

处理装置可以配置成：根据与在路线上识别出的至少一个其他障碍物相关地执行的计算，对每个目标操作速度带的计算应用加权。

用于到达第一障碍物处的第一到达时间可以根据宿主车辆到达在路线上识别出的一个或更多个其他障碍物处的时间来确定。

本文中所描述的任何控制单元或控制器可以适当地包括具有一个或更多个电子处理器的计算装置。该系统可以包括单个控制单元或电子控制器，或者替代性地，控制器的不同功能可以在不同的控制单元或控制器中体现或实施。如本文中所使用的，术语“控制器”或“控制单元”应当理解为既包括单个控制单元或控制器也包括共同操作以提供任何规定的控制功能的多个控制单元或控制器。为了配置控制器或控制单元，可以提供适合的一组指令，所述一组指令在被执行时使所述控制单元或计算装置实现本文中指定的控制技术。所述一组指令可以适当地嵌入在所述一个或更多个电子处理器中。替代性地，所述一组指令可以被提供为存储在与所述控制器相关联的一个或更多个存储器上的软件，以在所述计算装置上执行。控制单元或控制器可以以在一个或更多个处理器上运行的软件的方式来实现。一个或更多个其他控制单元或控制器可以以在一个或更多个处理器——可选地，与第一控制器相同的一个或更多个处理器——上运行的软件的方式来实现。也可以使用其他适合的布置。

在本申请的范围内，明确意指的是，可以单独地或以任何组合的方式采用在前面段落、权利要求和/或下面的描述和附图中所阐述的各个方面、实施方式、示例和替代方案以及特别是所述各个方面、实施方式、示例和替代方案的各个特征。也就是说，可以以任何方式和/或组合来组合所有实施方式和/或任何实施方式的特征，除非这些特征是不可兼容的。申请人保留修改任何原始提交的权利要求或因此提交的任何新的权利要求的权利，包括将任何原始提交的权利要求修改成从属于任何其他权利要求的任何特征和/或并入任何其他权利要求的任何特征的权利，尽管最初未以这种方式要求。

附图说明

现在将参照附图仅以示例的方式对本发明的一个或更多个实施方式进行描述，在附图中：

图1示出了根据本发明的实施方式的结合有控制器的宿主车辆的示意图；

图2示出了图1中所示的控制器与车辆系统的集成的示意图；

图3示出了宿主车辆与周围的基础设施和目标车辆之间的通信的示意图；

图4示出了图1中所示的控制器2的架构的示意图；

图5图示了图4中所示的静态速度约束计算器的操作；

图6图示了用于预测目标车辆的速度的基于规则的模型；

图7A示出了表示由于交通控制信号灯引起的速度约束的二维优化网格；

图7B示出了表示由于交通控制信号灯引起的速度约束的三维优化网格；

图8示出了用于确定与交通控制信号灯相关联的目标操作速度带的二维优化网格；

图9示出了用于在第一场景中确定与目标车辆相关联的目标操作速度带的二维优化网格；以及

图10示出了用于在第二场景中确定与目标车辆相关联的目标操作速度带的二维优化网格。

具体实施方式

现在将参照附图对根据本发明的实施方式的包括控制器2的宿主车辆1进行描述。控制器2配置成确定宿主车辆1的目标操作速度带，以便提高操作效率和/或减少行程时间。宿主车辆1是诸如汽车之类的道路车辆。将理解的是，控制器2可以在比如多功能车辆、运动型多功能车辆(SUV)、越野车辆等其他类型的车辆中实现。

如本文中所描述的，控制器2配置成实现以下动态规划算法，该动态规划算法用于在宿主车辆1沿着(图3中所示的)路线R行驶时控制宿主车辆1的目标操作速度。控制算法可以被实现为自主控制功能的一部分，自主控制功能的该部分例如包括以下各者中的一者或更多者：自适应巡航控制(ACC)、智能巡航控制(ICC)、绿灯优化速度咨询(GLOSA)和塞车辅助(TJA)。替代性地，或者另外，该算法可以用于指导宿主车辆1的驾驶员遵循目标操作速度或保持目标操作速度带，从而例如指示何时抬起加速踏板或何时改变挡位。

本实施方式中的宿主车辆1包括具有并联混合动力系统的插电式混合动力电动车辆(PHEV)。宿主车辆1包括内燃发动机(ICE)3、皮带集成式起动发电机(BISG)4和电动后轴驱动器(ERAD)5。牵引电池6设置成用于向ERAD 5供应电能。在本实施方式中，牵引电池6是高压(HV)电池。宿主车辆1具有前轴7和后轴8。ICE 3和BISG 4构造成选择性地向前轴7输出牵引扭矩以驱动第一车轮W1和第二车轮W2。ERAD 5构造成向后轴8输出牵引扭矩以驱动第三车轮W3和第四车轮W4。ICE 3永久地连接至BISG 4。ICE 3包括曲轴9，曲轴9机械地连接至变矩器(未示出)，变矩器又连接至多级变速器11。断开式离合器10被设置成用于选择性地使曲轴9与变速器11断开连接。如本文中所描述的，扭矩需求T_wh,drv通过自主或半自主车辆控制系统来产生。并联混合动力系统可以在多个混合动力传动系模式下操作，以传递扭矩需求T_wh,drv。混合动力传动系模式包括选择性地操作ICE 3、BISG 4和ERAD 5中的一者或更多者以传递扭矩需求T_wh,drv。ERAD 5可以输出正牵引扭矩T_wh,erad，以推进宿主车辆1；或者ERAD 5可以输出负牵引扭矩T_wh,erad，以重新生成用于使牵引电池6再充电的能量。BISG 4可以输出正牵引扭矩T_wh,bisg，以为ICE 3提供扭矩辅助；或者BISG 4可以输出负牵引扭矩，以执行牵引电池6的扭矩充电。当涉及到动力、扭矩和速度信号时，在本文中下标wh用于指示车轮参考系；并且下标wh被省略以表示致动器参考系。将理解的是，控制器2可以在其他传动系构型中实现，例如可以省略ERAD 5。替代性地，控制器2可以用于不包括内燃发动机的电动车辆(EV)中。

控制器架构&数据处理功能

如图2中图示的，控制器2包括呈处理器12的形式的处理装置。处理器12与呈系统存储器13的形式的存储器装置相连接。在系统存储器13上存储有一组计算指令，并且所述计算指令在被执行时使处理器12执行本文中所描述的一个或多个方法。处理器12配置成从收发器14接收第一电输入信号SIN1。收发器14配置成与接近宿主车辆1或沿着宿主车辆1的路线R的一个或更多个目标车辆15-n(其中，后缀n在不同的目标车辆之间进行区分)通信；这种通信形式在本文中被称为车辆对车辆(V2V)通信。替代性地，或者另外，收发器14配置成与基础设施比如一个或更多个交通控制信号灯18-n(其中，后缀n在不同的交通控制信号灯之间进行区分)通信；这种通信形式在本文中被称为车辆对基础设施(V2I)通信。V2V和V2I通信统称为V2X通信。

处理器12配置成从设置在宿主车辆1上的至少一个车辆传感器16接收第二电输入信号SIN2。在本实施方式中，所述至少一个车辆传感器16包括设置在宿主车辆1上的前视雷达16。处理器12配置成从导航系统17接收第三电输入信号SIN3，以确定宿主车辆1的地理空间位置。处理器12可以实现路线规划功能以确定路线R，例如规划从宿主车辆1的当前位置至用户指定目的地的路线。处理器12可以访问存储在系统存储器13上的地理地图数据以实现路线规划功能。地理地图数据可以例如包括道路网。替代性地，路线规划可以通过例如集成到导航系统17中的单独的控制单元来执行。

目标车辆15-n可以根据宿主车辆1在何处遇到目标车辆15-n而阻碍或妨碍宿主车辆1的前进。如果在当前路线R的不利于执行超车操纵的路段上遇到目标车辆15-n，则宿主车辆1会受阻碍，但是如果在当前路线R的利于执行超车操纵的路段、例如道路或高速公路的具有多车道的路段上遇到目标车辆15-n，则宿主车辆1可以基本不受阻碍地继续行驶。宿主车辆1遇到目标车辆15-n的位置是时间和宿主车辆1与目标车辆15-n的相对速度的函数。交通控制信号灯18-n可以根据宿主车辆1到达交通控制信号灯18-n的时间而阻碍或妨碍宿主车辆1的前进。如果宿主车辆1在红灯时段期间(即，在交通被禁止进行时)到达交通控制信号灯，则宿主车辆1会受到交通控制信号灯18-n的阻碍。如果宿主车辆1在绿灯时段期间(即，在交通被允许进行时)到达交通控制信号灯18-n，则宿主车辆1可以基本不受阻碍地继续行驶。这有利于执行超车操纵。因此，目标车辆15-n和交通控制信号灯18-2在本文中被称为时间相关的障碍物。其他的时间相关的障碍物包括例如人行横道或平交路口。

车辆建模

动态规划算法使用面向后的准静态纵向车辆模型来优化车辆速度轨迹和动力传动系状态。现在对该模型进行更详细地描述。

车辆纵向动力学

在准静态模拟中，输入变量为车辆速度V_veh,、车辆加速度a_veh和道路坡度角θ_road。假设输入变量对于短的离散化步长Δt而言是恒定的。对于给定曲线驱动车辆所需的牵引力F_drv通过牛顿第二定律来计算，牵引力F_drv被表示为：

F_drv＝m_veha_veh+F_r+F_a+F_g (1)

其中，m_veh表示车辆的包括所有旋转惯性质量在内的车辆惯性质量。摩擦力F_r、空气动力学阻力F_a以及由道路坡度引起的重力F_g用下述等式来表示：

F_r＝c_rm_vehg cos(θ_road) (2)

F_g＝m_vehg sin(θ_road) (4)

其中，c_r是滚动摩擦系数，g是重力加速度，ρ_a是空气密度，A_f是车辆的正面面积，并且c_d是空气动力学阻力系数。然后，通过下述等式计算车辆的组合车轮扭矩：

T_wh,drv＝F_drvr_wh (5)

其中，r_wh是车轮半径。

假设没有车轮滑移并且对于所有车轮而言旋转速度均相等，则车轮速度由下式给出：

ω_wh＝F_drv/r_wh (6)

牵引扭矩根据控制输入u₁∈[0,1]分配在前轴7和后轴8上，分别如下所示：

T_wh,drv,rr＝T_wh,drvu₁ (7)

T_wh,drv,fr＝T_wh,drv(1-u₁) (8)

其中，T_wh,drv,rr和T_wh,drv,fr分别表示后轴8和前轴7处的牵引扭矩。

后轴模型

在考虑所有总的传动系损失η_gb,erad和传动比v_gb,erad之后，根据车轮处的对应的扭矩T_wh,drv,rr来计算ERAD 5的输出轴处的扭矩T_erad：

类似地，ERAD 5的输出轴处的旋转速度ω_erad被表示为：

ω_erad＝ω_whν_gb,erad (10)

ERAD 5的包括马达和逆变器的明确(lamped)功率损失的电功率以查找映射的形式表示：

P_ele,erad＝f_loss,erad(T_erad,ω_erad,V_batt) (11)

其中，V_batt是牵引电池6的电压。

前轴模型

类似于后轴，并且假设变矩器处于锁定状态，则变矩器输入扭矩T_crnk由下式给出：

其中，η_gb,fr是前轴变速器和传动系的包括变矩器的损失的效率。传动比ν_gb,fr是挡位κ_gr的函数，挡位κ_gr由换挡策略来确定：

κ_gr＝f_gr(ω_wh,T_wh,drv,fr) (13)

替代性地，可以将挡位κ_gr优化为动力传动系控制的一部分。变矩器的输入旋转速度ω_crnk由下式给出：

ω_crnk＝ω_whv_gb,fr (14)

给定BISG 4的传动比v_bisg，则发动机扭矩T_eng被表示为：

T_eng＝T_crnk-ν_bisgT_bisg (15)

其中，BISG扭矩T_bisg被表示为优化变量u₂∈[-2,1]的函数：

T_bisg＝u₂T_crnk (16)

ICE 3的瞬时燃料流量

可以通过稳态映射获得，ICE 3的瞬时燃料流量

被表示为：

假设发动机完全变热，从而允许降低对ICE冷却剂/油温度的依赖性。类似于ERAD5，BISG 4的电功率以查找映射的形式表示：

P_ele,bisg＝f_ele,bisg(T_bisg,ω_crnk,V_batt) (18)

牵引电池模型

牵引电池6的动力学被考虑并建模为包括以串联形式连接的n_cell个电池单元的等效电路。每个单元电路均包括电阻和电压源。假设电池组上的电荷和温度T_hv,batt相同，则总电阻和开路电压源由下述等式给出：

R_hv,batt＝f_R(SOC,T_hv,batt) (19)

V_oc,batt＝f_v(SOC,T_hv,batt) (20)

SOC的变化率由下式表示：

其中，Q_hv,batt是HV电池容量，并且P_batt是HV电池净功率。

牵引电池的净功率以所需的耗电装置的总和来表示：

P_batt＝P_ele,erad+P_ele,bisg+P_dcdc (22)

其中，P_dcdc表示所有辅助装置的功率请求，即DCDC和空气调节装置的功率请求。

车辆模型约束和验证

该模型考虑了系统约束，以忽略任何不可行的解决方案。在这项工作中所考虑的约束包括以下各者：

·ICE稳态扭矩限制

·ERAD和BISG扭矩限制

·传动系扭矩限制

·牵引电池功率和SOC限制

这些约束中的一个或更多个约束可以在确定宿主车辆1的加速度限制时使用。

预测性控制算法

最优控制理论&动态规划

现在将在下面简要概述动态规划的相关控制理论和数学公式。

最优控制问题公式化

最优控制问题可以通过首先限定具有n个状态x_k、m个输入u_k和l个外源输入ω_k的离散动态系统x_k+1来描述。这可以如下陈述：找到针对k＝0,1,…,N-1的可容许的控制策略π＝{μ₀(x),μ₁(x),…,μ_N-1(x)}，使得成本函数(等式23)最小化，并且满足约束(等式25至29)。

x_k+1＝f_k(x_k,u_k,ω_k) (24)

x₀＝x_IC (26)

函数g_N(x_N)是终端成本项，并且项g_k(x_k,u_k,ω_k)是关于离散时间动态系统(等式24)的离散时间(或距离)k处的阶段成本，即与应用控制动作u_k相关联的成本。用于函数f_k，g_k的符号指示成本项和动态系统两者均可以随时间变化。初始条件设定为x_IC，并且处于最后迭代的状态被约束在集合T中。状态变量、控制输入和外源输入分别被约束到时变集合X_k、U_k、和W_k中。

动态规划

动态规划算法是在给定的问题公式化和约束条件下识别全局最优解的优化方法。动态规划算法基于被称为Bellman的“Principle of Optimality(最优化原理)”的算法，以通过将复杂问题递归地分解为较小的组块来简化复杂问题，而不会牺牲最优性25(Bellman，R.，“Dynamic programming(动态规划)”，(Courier Corporation，2013))。通常，动态规划算法用于确定最优控制器，该控制器不是因果关系以为任何其他因果控制器提供基准。假设在计算开始时就已知所有的未来干扰和参考输入，则控制器2可以用于实时控制应用中。

为了以数值方式解决最优控制问题，时间(或距离)、状态空间和控制空间需要被离散。在标记k处，状态空间被离散为集合

其中，上标表示给定标记k处的网格点，其中，p指示x标记处的网格点的数目。类似地，控制空间集合被限定为

动态规划算法使时间(或距离)从N-1倒退到0，以评估离散的距离(或时间)空间中每个网格点处的最优代价函数J_k(xⁱ)：

1.最终成本计算步骤：

2.中间计算步骤：

如果控制策略π＝{μ₀(x),μ₁(x),…,μ_N-1(x}}在每个节点处均包括使等式的右侧最小的最优控制信号，则控制策略π＝{μ₀(x),μ₁(x),…,μ_N-1(x)}是最优的。当控制策略落在网格点之间时，使用多线性插值法来估计代价函数。

图3中图示了宿主车辆1与周围基础设施和目标车辆15-n之间的通信。在本实施方式中，控制器2可以根据可用信息的级别扩展，并且控制器2可以在V2V和/或V2I通信不可用时操作。控制器2与诸如路线R上的交通控制信号灯15-n之类的基础设施通信。控制器2还与一个或更多个目标车辆15通信，以评估宿主车辆1周围的交通、例如路线R上的宿主车辆1前方的交通。控制器2可以可选地例如通过无线通信网络与远程服务器通信，以扩展视域。与远程服务器的通信可以识别路线R上的道路事故和/或提供关于路线R的实时交通信息。

宿主车辆1的加速度响应于以下各者来控制：诸如道路曲率、海拔高度的变化、海拔高度、交叉路口和交通控制信号灯之类的道路属性；和/或诸如速度限制和交通/拥堵之类的驾驶条件的变化。控制器2还可以配置成考虑另外的因素。例如，选择低巡航速度可以提高操作效率，但会导致行程时间的不可接受的增加。行程时间与能量使用的权衡通常是非线性的，并且将取决于具体的驾驶场景。控制器2的架构的示意图在图4中示出。功能被分类为：(i)预测性控制算法；(ii)将各种来源的信息组合的支持功能；以及(iii)供应必要信息的车辆车载控制器。预测控制算法包括车辆速度控制单元20和混合动力传动系控制单元21。支持功能包括基于路线的预测优化器22、静态速度约束计算器23、能量回收估计器24、目标车辆速度轨迹预测器25、辅助载荷估计器26和道路载荷估计器27。车辆车载控制器包括：路线预览计算器28，比如可以从Continental AG获得的电子地平线(eHorizon)模块；动力传动系控制模块29以及V2I通信模块30。基于路线的预测优化器22用于在整个行程中预先确定牵引电池6的充电状态(SOC)。基于路线的预测优化器22可以例如考虑行程信息，比如以下各者中的一者或更多者：道路速度限制、历史聚集的车辆速度、道路坡度、道路类型以及来自牵引电池6的可用能量。道路载荷估计器27设置成估计牵引扭矩需求。辅助载荷估计器26可以例如预测DC-DC转换器和HVAC要求。能量回收估计器24对能量回收进行估计。混合动力传动系控制单元21配置成根据所确定的SOC和能量回收的未来潜能不断地调整宿主车辆1的减速度水平。

静态速度限制确定

参照图5，静态速度约束计算器23从呈滚动视域形式的路线预览计算器28接收下述信号：

·道路坡度阵列

该道路坡度阵列包括对应的距离矢量

处的道路等级角度矢量θ_road,hor。

·道路曲率阵列

该道路曲率阵列包括对应的距离矢量

处的道路曲率角度矢量θ_road,hor。

·速度限制阵列

该速度限制阵列包括对应的距离矢量

处的道路速度限制矢量V_lim,hor。

静态速度约束计算器23包括最大速度道路曲率模块31、最大速度限制仲裁模块32、纵向加速度查找模块33、横向加速度查找模块34和速度约束平滑模块35。速度约束平滑模块35接收来自路线预览计算器28、速度限制仲裁模块32、纵向加速度查找模块33和横向加速度查找模块34的输出，并且速度约束平滑模块35生成最大速度约束V_lim,max,hor和最小速度约束V_lim,min,hor。速度约束平滑模块35输出下述阵列：

·最小速度阵列

该最小速度阵列包括对应的距离矢量

处的最小速度约束V_lim,min,hor。

·最大速度阵列

该最大速度阵列包括对应的距离矢量

处的最大速度约束V_lim,max,hor。

最大速度道路曲率模块31计算由于当宿主车辆1绕道路的弯道行驶时施加在宿主车辆1上的横向加速度而引起的速度限制(弯道的曲率参照地理地图数据确定)。最大速度约束被识别为由最大速度限制仲裁模块32和最大速度道路曲率模块31所确定的速度中的较小速度。随后，速度约束平滑模块35根据由纵向加速度查找模块33限定的纵向加速度目标查找表和由横向加速度查找模块34限定的横向加速度目标查找表使最大速度限制平滑。平滑模块也可以考虑道路坡度。最小速度约束可以导出为等效最大速度约束的百分比，但也要考虑实际的车辆速度(使得优化不会被约束到不可行的区域中)。替代性地，或者另外，在确定最低速度时也可以考虑功能道路等级或道路类型。如图4中示出的，最小速度阵列

和最大速度阵列

被输出至车辆速度控制单元20。

先行车辆速度轨迹预测

目标车辆速度轨迹预测器25配置成预测在宿主车辆1附近的任何目标车辆15-n的速度，特别是预测可能阻碍或妨碍宿主车辆1沿着路线R运动的任何目标车辆15-n的速度。目标车辆15-n的当前状态作为V2V通信的一部分被发送至宿主车辆1。可以从V2V通信获得的典型信息包括目标车辆15-n的当前速度、加速度和位置。图6中图示了用于预测目标车辆15-n的速度的基于规则的模型。该预测在宿主车辆1的沿着路线R的优化视域内以一次一个目标车辆15-n的方式针对每个目标车辆15-n进行。优化视域可以包括路线R的子路段，优化视域随着宿主车辆1沿着路线R前进而不断变化(提供滚动视域)。优化视域可以例如包括路线R的具有大于或等于250m、500m、750m或1,000m的长度的子路段。替代性地，优化视域可以包括整个路线R。该算法开始于距宿主车辆1最远的目标车辆15-n，并且在更靠近宿主车辆1的目标车辆15-n上继续进行。每个目标车辆15-n的速度预测假设初始的加速速率或减速速率持续一预定的时间段。

在图6中示出了用于预测第一目标车辆15-1的速度的模型。该模型被启动(框100)。在初始减速的情况下，该预测假设第一目标车辆15-1将继续以恒定的减速速率减速一预定时间段(框105)。用于第一目标车辆15-1的减速的预定时间段是可校准的。可以通过假设减速将在几秒钟之后结束而不是假设车辆将继续减速直到车辆停止为止来实现更准确的预测。在初始减速期之后，可以假设第一目标车辆15-1再次开始加速。如果确定第一目标车辆15-1已经停止，则假设第一目标车辆15-1将在预定时间段内保持静止，并且然后将以预定的加速度加速。第一目标车辆15-1保持静止的时间段是可校准的，加速度也是可校准的。在初始加速度的情况下，该预测假设第一目标车辆15-1将继续加速一预定时间段(框110)。用于第一目标车辆15-1的加速的预定时间段是可校准的。控制器2可以响应于环境的变化来改变所预测的宿主车辆1的运动。例如，如果第一目标车辆15-1被识别为跟随第二目标车辆15-2、即跟随前方车辆，则预测模型将会从假设第一目标车辆15-1持续加速度转变(框115)。该改变可以例如在确定第一目标车辆15-1在第二目标车辆15-2的预定距离内时实现。预测模型假设第一目标车辆15-1随后将尝试在第一目标车辆15-1与第二目标车辆15-2之间保持一定的车间时距。该模型可以限定第一目标车辆15-1与第二目标车辆15-2之间的目标车间时距距离。另一可能性是，初始加速度或减速度导致第一目标车辆15-1的速度大致等于确定的速度限制(法定的速度限制或由道路曲率确定的速度限制)，在这种情况下，预测将假设第一目标车辆15-1将以速度限制前进(框120)。如果第一目标车辆15-1靠近第二目标车辆15-2，则所预测的第一目标车辆15-1的速度降低。应当注意的是，从跟随第二目标车辆15-2的第一目标车辆15-1至遵循速度限制的转变是不可能的。这是因为该预测永远不会将目标车辆15-n中的任何目标车辆15-n预测为超过速度限制(例如在速度限制正减小时不会将目标车辆15-n中的任何目标车辆15-n预测为超过速度限制至少持续了比瞬时长的时间)，该预测也不会试图预测任何超车。因此，第一目标车辆15-1与第二目标车辆15-2之间的大间隙不能发展，并且因此该转变是不必要的。预测模型还可以被修改以考虑基础设施，例如考虑交通控制信号灯。将理解的是，当与目标车辆15-n的位置和/或运动有关的新信息可用时，预测模型可以周期性地被更新。预测模型对识别出的目标车辆15-n中的每个目标车辆15-n的速度和运动进行预测。可以使用用于对目标车辆15-n的速度和运动进行建模的其他技术。

优化算法公式

问题公式化及分解

适合的车辆速度轨迹的确定和车辆推进系统的控制取决于多个状态/输入以及时变的非线性系统动态。控制器2利用下述状态和输入：

状态：x＝[t V_veh SOC κ_gr] (33)

控制输入：u＝[a_veh u₁ u₂ u₃] (34)

Ex.输入：

其中，t、E_dcdc,est、T_ice、T_HV和

分别表示在优化视域内的时间、辅助能耗的估计量、ICE冷却剂温度、HV电池温度和(零道路坡度处的)道路载荷力系数。前轴变速器输入u₃被限定为：

近似水平是适合的。一种选择是使(如等式24中限定的)系统线性化，并且对(如等式25至29中限定的)约束进行各种近似。这种选择在本实施方式中未实现。替代性的选择是使用近似的非线性模型预测控制器算法(NMPC)牺牲最优性水平。如上文所概述的，在本实施方式中已经实现了动态规划算法。为了减轻动态规划算法的计算负担，将优化问题分解为两个阶段，如通过图4中的车辆速度控制单元20和混合动力传动系控制单元21所表示的。现在将对车辆速度控制单元20和混合动力传动系控制单元21进行更详细地描述。

车辆速度优化

车辆速度控制单元20接收下述各者：

·来自功能：静态速度约束计算的静态速度约束。

·来自功能：周围车辆速度轨迹预测器的时变速度约束。

·来自V2I通信通道的时间可重复的速度限制。这包括交通控制信号灯的绿灯时段和红灯时段。

·当前车辆速度(作为初始条件)和SOC。

·阵列θ_road,vec和道路载荷力系数

撇开从V2X通信得到的时间变量，动态规划问题的成本可以如下限定：

g_k(x_k,u_k,ω_k)＝W_timet+W_acca_veh ²+W_roadF_road (37)

其中，

状态：x_k＝V_veh (38)

控制输入：u_k＝a_veh (39)

外源输入：

其中，W_time、W_acc和W_road分别是针对时间项t、加速度的平方项a_veh ²和道路荷载力项F_road＝F_r+F_a+F_g的成本权重。采用基于距离的网格。W_time、W_acc、W_road反映了每项的相对重要性。加速度项用于避免激进的加速或减速。W_acc可以是SOC的函数、即W_acc＝f(SOC)并且可以是预测的回收能量的函数，以根据动力传动系状态调整加速度或减速度的水平。时间项用于阻止显著增加行程时间的输入模式转变。最后，道路载荷项阻止过高速度的车辆巡航，因为空气动力学损失随车辆速度成指数增加。模式转变期间的时间是从下述等式开始计算的：

其中，

是距离步长D_s期间使用的加速度，

是覆盖距离步长D_s所花费的时间，

是距离步长开始时的车辆速度，而

是距离步长结束时的车辆速度。

基于模型输入，已知距离步长结束时的车辆速度

和距离步长期间的加速度

基于优化问题限定，还已知距离步长D_s。可以计算距离步长开始时的车辆速度

(前向动态规划中的模型输出状态)和覆盖距离步长

的时间。覆盖距离步长所花费的时间

对于计时和成本计算而言是必须的。距离步长开始时的车辆速度

直接从等式(42)获得；并且覆盖距离步长的时间

可以通过将等式(42)代入到等式(41)中获得。这将形成下述二阶多项式等式：

该二次等式的解由下式给出：

从等式的两个结果根中选择较小的正的非复根。

诸如目标车辆15-n、交通控制信号灯18-n和其他交通对象之类的V2X速度优化约束是与时间相关的障碍物。静态车辆速度约束与由于交通控制信号灯引起的速度约束的比较表示在图7A中所示的二维(2D)优化网格40中；并且表示在图7B中所示的对应的三维(3D)优化网格41中。二维(2D)优化网格40由速度相对于距离的二维映射组成。三维(3D)优化网格41由速度、距离和时间的三维映射组成。在图示的示例中，交通控制信号灯18-n位于当前车辆位置d₀＝0m前方的位置d_k＝400m处。

交通控制信号灯18-n在宿主车辆1的前进将受到阻碍的红灯时段期间施加速度约束。交通控制信号灯18-n在宿主车辆1的前进将至少基本不受阻碍的绿灯时段期间不施加速度约束。交通控制信号灯18-n的操作状态在3D优化网格41中由方波42表示，方波42具有红灯时段期间的非零值和绿灯时段期间的零值。在图示的布置中，交通控制信号灯18-n的红灯时段具有20至40秒的持续时间。由于道路拓扑/速度限制引起的静态速度约束在2D优化网格40中由第一连续线43表示并且在3D优化网格41内由连续表面44表示。宿主车辆1以初始速度V_veh,0＝100km/h行驶。网格点X₀、X_k-1、X_k和X_N分别表示距离d₀＝0m、d_k-1、d_k和d_N＝500m处的分析平面。在2D优化网格40中，示出了从点A到点B的可能的第一轨迹45和第二轨迹46。第一速度轨迹45和第二速度轨迹46也在3D优化网格41中示出。在3D优化网格41中，第一速度轨迹45和第二速度轨迹46分别结束于点B₁、B₂。第一轨迹45是合理的，因为第一轨迹45使宿主车辆1在绿灯时段期间通过交通控制信号灯18-n的位置。第二轨迹46是不合理的，因为第二轨迹46导致宿主车辆1在红灯时段期间通过交通控制信号灯18-n的位置。因此，关于交通控制信号灯约束，仅第一轨迹45(从A延伸至B₂)是可行的。

如果在2-D平面内执行分析，则在前向动态规划优化中将仅在从X_k-1到X_k的转变期间考虑时变速度约束。考虑到在d_k处的时变速度约束，已经从2-D优化网格40中的X₀至X_k-1的任何网格点计算出的优化轨迹可能不再是最优的，或者在从X_k-1至X_k的转变期间可能是不可行的。为了克服这个问题，还可以增加优化空间以包括时间作为优化状态。然而，这成指数地增加了从网格平面X₀至X_k的可能的转变，并且显著增加了计算负担。

替代性的问题公式化可以利用以下近似值，该近似值避免了添加时间作为优化状态的需要。将单独的成本函数添加到动规划程算法，以惩罚可能具有不期望的时间轨迹的控制动作。使用这种方法可能会牺牲最优化水平，但是应当相信的是，任何这种损失例如与交通流预测生成的不确定性相比都是可以接受的。相反，所提出的解决方案进一步阻止了可能已经以其他方式选择的车辆速度的频繁波动。通过示例，可以增加针对交通控制信号灯18-n和目标车辆15-n的成本考虑。动态规划算法是前向计算的，即从算法执行开始时的当前时间开始计算，以确定是否将违反诸如交通控制信号灯18-n之类的时变约束(即确定路线R上的一个或更多个交通控制信号灯18-n是否将妨碍宿主车辆1的前进)。

现在将描述控制器2的与图8中所示的场景有关的操作，在该场景中，宿主车辆1正在接近第一交通控制信号灯18-1。生成了二维优化网格50，其由速度相对于距离的二维映射组成。第一交通控制信号灯18-n被识别为处于路线R上的第一位置k处。计算用于宿主车辆1的第一加速度限制和第二加速度限制，以在与第一交通控制信号灯18-1的绿灯时段(由图8中的双向箭头l表示)相对应的时间段期间到达第一位置K处。第一加速度限制a_OV对应于宿主车辆1在绿灯时段l开始的同时、即在第一交通控制信号灯18-1变绿

时到达第一交通控制信号灯18-1处。第一加速度限制a_TL对应于恒定的加速度或减速度，该恒定的加速度或减速度将使宿主车辆1在与第一交通控制信号灯18-1进入第一绿灯时段的时间相对应的第一到达时间到达第一位置K处。第二加速度限制对应于宿主车辆1在绿灯时段l结束的同时、即在第一交通控制信号灯18-1变红

时到达第一交通控制信号灯18-1处。第二加速度限制a_TL对应于恒定的加速度或减速度，该恒定的加速度或减速度将导致宿主车辆1在与第一交通控制信号灯18-1退出第一绿灯时段的时间相对应的第二到达时间到达第一位置K处。宿主车辆1的第一加速度限制a_TL和第二加速度限制a_TL针对2-D优化网格50中的在宿主车辆1的当前位置与交通控制信号灯18-n之间的每个网格点进行计算。在图8中所示的示例中，第一加速度限制a_TL和第二加速度限制a_TL在网格点

(对应于点A)和网格点

处计算；图示了分别针对这些网格点的第一速度轨迹51和第二速度轨迹52。第一加速度限制和第二加速度限制限定了宿主车辆1的上速度轨迹51和下速度轨迹52。上速度轨迹51和下速度轨迹52限定了目标操作速度带53。对于违反第一加速度限制和第二加速度限制的任何加速度转变均施加成本。(即，如果宿主车辆1的实际加速度在由第一加速度限制和第二加速度限制限定的范围外，则施加成本)。因此，例如在较高的速度轨迹将导致宿主车辆1在需要宿主车辆1停止的红灯时段期间到达第一交通控制信号灯18-1处的情况下，交通控制信号灯成本可以促使动态规划算法偏向于较低的速度轨迹。将认识到的是，第一交通控制信号灯18-1的操作是周期性的，并且绿灯时段和红灯时段交替，从而为宿主车辆1在绿灯时段期间通过第一交通控制信号灯18-1提供了多个机会。通过示例，在二维优化网格50中示出了第一绿灯时段l1和第二绿灯时段l2。可以针对多个红灯时段和/或绿灯时段计算第一加速度限制a_TL和第二加速度限制a_TL。

现在将通过示例描述加速度限制a_TL的计算。对于网格点A而言，速度、距离和时间是已知的。在与交通控制信号灯18-1转变为绿灯时段相对应的网格点C处，距离和时间是已知的，但宿主车辆1的速度是未知的。通过示例，在网格点A处，宿主车辆1的第一速度(Sp1)为100kph(27.8m/s)，第一距离(d1)为零(0)米，并且第一时间(时间1)为零(0)。在网格点C处，宿主车辆1的第二速度(Sp2)未知，第二距离(d2)为400米，并且第二时间(时间2)为20秒。下述运动学等式可以用于确定加速度限制a_TL和第二速度(Sp2)：

Sp2＝SP1+alim x(时间2-时间1)

d2-d1＝(时间2-时间1)*(Sp2+Sp1)/2

等式中的一个等式求解出一个未知数(加速度限制a_TL或第二速度(Sp2))，并且将结果替代到另一等式中。

在图8中所示的布置中，设定了较低的静态优化限制(在本示例中为20kph)，但这不是必需的。当宿主车辆1沿着路线R向前移动时，针对每个可能的加速动作估计成本函数。每个动作都与时间间隔相关联(参见公式44)。通过添加给定速度轨迹的时间间隔，处理器12确定每个速度轨迹将使宿主车辆1在绿灯时段期间还是在红灯时段期间通过交通控制信号灯18-1。如果速度轨迹保持在由上速度轨迹51和下速度轨迹52限定的操作速度带53内，则宿主车辆1将在绿灯时段期间通过交通控制信号灯18-1。

将理解的是，路线R上可能存在单个交通控制信号灯18-n，或者路线R上可能存在多个交通控制信号灯18-n。下述控制策略用于确定与位于路线R上的优化视域内的一个或更多个交通控制信号灯18-n相关的成本：

1.针对优化视域内的每个交通控制信号灯18-n及其每个绿灯时段，计算

和

2.针对未落入绿灯时段的每个转变，计算最接近极限的违反量

3.向这些违反转变添加成本

成本函数g_TL会随着违反量a_viol增加而使相关联的成本增加，成本随着相对于交通控制信号灯的剩余距离d_rem,TL的增加以及当前考虑的交通控制信号灯与宿主车辆1之间的交通控制信号灯的数目M_TL的增加而减小。这些不同考虑因素的权重可以通过以下系数进行调整：WTL₁∈(0,∞)、WTL₂∈[0,∞)和WTL₃∈[0,∞)。至少在某些实施方式中，与每个交通控制信号灯18-n有关的成本随着宿主车辆1与交通控制信号灯18-n之间的距离增加而减小。

可以对目标车辆15-n应用类似的成本函数，例如来计算用于宿主车辆的避免以较大的速度差接近宿主车辆1前方的目标车辆15-n的目标速度轨迹带。例如利用本文中参照图6描述的模型，预测目标车辆15-n沿着路线R的前进。应用合适的成本会生成使宿主车辆1逐渐降低速度以保持宿主车辆与目标车辆15-n之间的目标车间时距的速度曲线。至少在某些实施方式中，逐渐接近目标车辆15-n可能更有能效，因为这允许增加滑行并减少使用摩擦制动器的需要。这可以通过首先对优化视域内的一个或多个目标车辆15-n的速度进行预测来完成。该预测用在计算每次转变将如何影响宿主车辆1与目标车辆15-n之间的车间时距的成本函数中。目标车辆15-n被识别为处于第一位置K处，并且在第一位置K处确定目标车辆15-n的速度。在本实施方式中，出于预测目标车辆15-n沿着路线R的运动的目的，假设目标车辆15-n以恒定速度行驶。计算宿主车辆1的第一加速度限制a_OV。将理解的是，可以实施其他技术对目标车辆15-n的例如包括加速/减速的运动和/或诸如交通控制信号灯之类的本地基础设施进行建模。第一加速度限制a_OV限定了宿主车辆1的恒定的加速度或减速度，该恒定的加速度或减速度将使宿主车辆1在第一到达时间以大致等于或小于目标车辆15-n在第一位置K处的速度的车辆速度到达第一位置K处。第一到达时间被选择成在宿主车辆1到达第一位置K处时提供宿主车辆1与目标车辆15-n之间的目标车间时距。宿主车辆1的第一加速度限制针对2-D优化网格中的每个网格点进行计算。加速度限制用于确定宿主车辆1的目标操作速度带。如果违反了第一加速度限制(即宿主车辆1的实际加速度与第一加速度限制不同)，则向优化的速度曲线施加成本。在本实施方式中，如果宿主车辆1的减速度小于加速度限制a_OV，则施加成本，因为宿主车辆1将以比目标车辆15-n的速度更高的速度到达第一位置K处。如果宿主车辆1的加速度大于或等于加速度限制a_OV，则不施加成本，因为宿主车辆1将以较小的速度差逐渐接近目标车辆15-n，从而减少或避免了剧烈的或反应性减速。

用于确定与目标车辆15-n有关的成本(本文中被称为目标车辆成本g_OV)的控制策略如下：

1.计算目标车辆15-n的加速度a_OV和距离矢量d_rem,hw,min。

2.针对每次转变，计算加速度限制的违反量a_viol＝|a_veh-a_OV|。

3.向每个违反转变添加目标车辆成本g_OV：

4.当距最小车间时距的距离较大时，设定目标车辆成本g_OV＝0：

d_rem,hw,min＞d_hw,pen,max或如果a_veh＜a_OV。

在这种场景下，目标车辆成本g_OV是与目标车辆15-n相关联的成本，d_rem,hw,min是从最小车间时距至另一车辆的距离，d_hw,pen,max是下述距离：超出该距离不施加与目标车辆15-n有关的惩罚，并且WOV₁∈[0,∞)是确定目标车辆成本g_OV的总体重要性的惩罚系数。目标车辆成本g_OV随着宿主车辆1与目标车辆15-n之间的距离的增加而减小。

总体速度优化成本函数g_k(x_k,u_k,ω_k)现在可以通过交通控制信号灯成本g_TL和目标车辆成本g_OV来增强：

g_k(x_k,u_k,ω_k)＝W_timet+W_acca_veh ²+W_roadF_road+g_TL+g_OV (45)

现在将关于图9中所示的第一先行车辆场景来描述控制器2的操作。宿主车辆1从后方接近沿着路线R行驶的第一目标车辆15-1。生成了由速度相对于距离的二维映射组成的二维优化网格60。二维优化网格60使沿着路线R的距宿主车辆1的距离与宿主车辆1的速度相关。第一目标车辆15-1被识别为处于路线R上的第一位置K处。第一目标车辆15-1的沿着路线R的前进假设在(例如，经由V2V通信或使用宿主车辆1上的车载传感器确定的)恒定速度下被预测。计算宿主车辆1的第一加速度限制a_OV，以确定用于控制宿主车辆1以与所确定的第一目标车辆15-1的速度相比更小或相等的速度到达第一位置K处的第一速度轨迹61。第一加速度限制a_OV对应于恒定的加速度或减速度，该恒定的加速度或减速度将使宿主车辆1在第一到达时间时以与目标车辆15-n在第一位置K处的速度相比大致相等或更小的车辆速度到达第一位置K处。第一到达时间被选择成在宿主车辆1到达第一位置K处时提供宿主车辆1与目标车辆15-n之间的目标车间时距62。在图9中所示的布置中，这通过针对下述位置计算第一加速度限制a_OV来实现：该位置相对于第一位置K偏移了与目标车间时距62相对应的一定距离y。在二维优化网格60中的每个网格点处计算第一加速度限制a_OV。基于宿主车辆1的实际加速度与加速度限制a_OV的偏差来施加成本。成本根据偏差的大小来确定。宿主车辆1的大于加速度限制a_OV的加速度被惩罚。距离矢量d_rem,hw,min直接影响成本。通过示例，宿主车辆1的初始速度可以是50km/h，并且第一目标车辆15-1可以具有20km/h的恒定速度。在开始位置处，加速度限制a_OV对应于恒定减速度，该恒定减速度将使宿主车辆1在移动至第一目标车辆15-1的初始位置时从50km/h减速至20km/h。如图9中所示，出于安全考虑，在宿主车辆1与第一目标车辆15-1之间保持车间时距62。当宿主车辆1的速度和第一目标车辆15-1的速度彼此至少大致相等时，车间时距62保持恒定。为了避免不必要的大的车间时距62，可以准许少量违反加速度限制a_OV。因此，对于宿主车辆1的下述减速度可以不施加成本：该减速度小于加速度限制a_OV、在例如被表示为加速度限制a_OV的比例的预定裕量内。动态规划算法可以将导致宿主车辆1比预定的最小车间时距更靠近第一目标车辆15-1的任何轨迹标记为不可行的。在该示例中，第一速度轨迹61限定目标操作速度轨迹带63的上限。操作速度轨迹带63是图9中示出的第一速度轨迹61下方的区域。可以应用其他静态约束来减小目标速度轨迹带。

根据路线R上宿主车辆1遇到第一目标车辆15-1的位置，第一目标车辆15-1可能会阻碍或妨碍宿主车辆1的前进。例如，如果在有利于执行不利于执行超车操纵的路段例如在具有单车道的路段或不准许超车的路段上遇到第一目标车辆15-1，则宿主车辆1可能会受到阻碍。相反，如果在有利于执行超车操纵的路段例如在具有多车道的路段或高速公路上遇到第一目标车辆15-1，则宿主车辆1可以基本上不受阻碍地继续行驶。现在将关于图10中所示的第二先行车辆场景来描述控制器2的操作。控制器2配置成识别超车机会64，该超车机会64例如对应于路线R的有利于执行超车操纵的路段。如图10中所示，超车机会64可以在二维优化网格60中限定为相对于宿主车辆1的当前位置延伸越过预定距离。超车机会64被识别为在第一位置K1与第二位置K2(第一位置K1和第二位置K2在二维优化网格60中表示为相对于宿主车辆1的当前位置的相应的第一距离和第二距离)之间延伸。第一加速度限制a_OV用于确定第一速度轨迹65，以控制宿主车辆1在与第一目标车辆15-1将到达第一位置K1处的时间相比相同或稍晚的第一到达时间到达第一位置K1处。第二加速度限制a_OV用于确定第二速度轨迹66，以控制宿主车辆1在与第一目标车辆15-1将到达第二位置K2处的时间相比相同或稍早的第二到达时间到达第二位置K2处。第一加速度限制a_OV和第二加速度限制a_OV限定用于宿主车辆1的恒定的加速度或减速度。第一加速度限制a_OV和第二加速度限制a_OV在二维优化网格60中的每个网格点处进行计算。第一速度轨迹65和第二速度轨迹66限定用于宿主车辆1的目标操作速度带67。如图10中所示，目标操作速度带67由第一速度轨迹65和第二速度轨迹66界定。对违反第一加速度限制a_OV和第二加速度限制a_OV的任何加速度转变施加成本。例如当较高速度轨迹将导致宿主车辆1在所识别的超车机会64之前接近第一目标车辆15-1时，交通控制信号灯成本可以促使动态规划算法施加偏向于较低速度轨迹的偏倚。相反，例如当较低速度轨迹将导致宿主车辆1在所识别的超车机会64之后接近第一目标车辆15-1时，交通控制信号灯成本可以促使动态规划算法施加偏向于较高速度轨迹的偏倚。如果抓住了超车机会，则处理器12确定目标车辆15-1是不相关的，但是如果错过了超车机会，则处理器12继续监控目标车辆15-1。

除了超车机会64之外，路线R可以包括交叉路口，并且处理器12可以确定宿主车辆1将在交叉路口处遇到第一目标车辆15-1。此外，宿主车辆1到达和/或离开交叉路口的时间可以确定前进是否受到第一目标车辆15-1的阻碍。

混合动力传动系优化

现在将描述混合动力传动系控制单元21的操作。混合动力传动系控制单元21接收以下各者：

·阵列

该阵列

包括对应的距离矢量

处的优化的车辆轨迹V_Veh,opt,hor。

·阵列θ_road,vec、道路载荷力系数

以及辅助能耗的估计量E_dcdc,est，以在优化中考虑阵列θ_road,vec、道路载荷力系数

以及辅助能耗的估计量E_dcdc,est。

·牵引电池6的当前SOC以设定优化初始条件。

·阵列[d_SOC SOC_target]，该阵列[d_SOC SOC_target]包括对应的距离矢量d_SOC处的SOC目标SOC_target。

用于动力传动系混合动力优化的成本函数设定为：

其中，

状态：x_k＝[SOC κ_gr]^T (47)

控制输入：u_k＝[u₁ u₂ u₃]^T (48)

Ex.输入：

其中，W_f、W_SOC和

是与燃料经济性、SOC和挡位成本项相关联的成本权重。引入SOC项以确保SOC是持续的，并且为了更大的灵活性，SOC项可以适应于SOC和SOC_trgt，即W_SOC＝f_soc(SOC,SOC_trgt)。SOC_trgt由基于路线的预测优化器提供。挡位成本项

适用于阻止频繁的挡位转换。

车辆速度控制单元20根据上速度轨迹65和下速度轨迹66来确定目标操作速度带67。目标操作速度带67作为第一输出信号SOUT1从车辆速度控制单元20输出至负责宿主车辆1的轨迹规划和控制的(图2中示出的)车辆运动控制器(VMC)36。VMC 36在各种轨迹之间进行仲裁，并且补偿相对于目标轨迹的任何速度偏差。VMC 36生成适合于将宿主车辆1保持在目标操作速度带67内的推进扭矩请求。推进扭矩请求作为第二输出信号SOUT2通过VMC36输出至车辆监视控制器(VSC)37。VSC 37配置成例如在VSC 37确定目标操作速度带67内的操作可能会导致碰撞、违反速度限制或违反交通灯的情况下进行干预以确保安全。VSC37中的闭环控制器用于校正所需扭矩请求中的任何偏差。

至少在某些实施方式中，本文中描述的用于生成目标操作速度带的技术提供了特定的优点，包括改善的能效。一个原因是减少了宿主车辆1需要例如在交通控制信号灯18-n处停止的次数。本文中描述的宿主车辆1具有PHEV架构，该PHEV架构能够在制动时段期间进行大功率能量再生；然而，预期停止事件并且较早开始使宿主车辆1减速是更有效的，例如，发动机3可以被断开接合并停止。还应当注意的是，能量再生以及然后在随后阶段的能量再利用会产生两路效率损失(马达/逆变器/变速器/牵引电池)。在没有再生能力或再生能力有限的情况下，该技术可以对仅具有ICE的车辆或轻度混合动力电动车辆(MHEV)提供更大的益处。此外，即使在认为宿主车辆1合适时，也可以更快地预期使宿主车辆1减速的要求。

车辆速度控制单元20提供了额外的益处，因为车辆速度控制单元20能够更好地基于期望的速度曲线而不是仅基于当前的瞬时车辆速度的知识来预期性地调整动力传动系控制策略。例如，如果目标操作速度带包含减速度，那么动力传动系策略可以例如使发动机提前关闭，因为预先确定了宿主车辆1将开始减速并且不需要来自ICE 3的推进扭矩。ERAD的作为推进扭矩的唯一来源(即，作为EV操作)的使用增加也有助于例如在低的驾驶员扭矩需求下对牵引电池6的轻度充电，这将发动机扭矩转换至更有效的点。

动态规划由于其结果的最优性及其灵活性而被选择为本文中描述的优化方法，以便能够处理具有挑战性的非线性问题、比如此处考虑的非线性问题。通常，执行动态规划所需的计算工作量很大，特别是在模型状态和控制输入的数目增加时更是如此。本文中描述的技术降低了模型维数，从而减少了优化目标速度轨迹所需的模型评估量并且将优化网格点集中到了最需要精度的区域。通过将速度优化与动力传动系使用优化分离，可以实现计算负担方面的进一步的减少。该模块化方法可以促进本文中描述的技术在包括常规车辆、不同混合动力架构和电动车辆的不同车辆架构上的应用。速度优化阶段大部分独立于动力传动系使用决策，并且速度优化阶段仅包括诸如质量之类的高级车辆参数。速度优化阶段的主要优化目标是使行程时间最小化、预期前方的道路事件(比如交通灯)、同时考虑诸如速度限制之类的交通规则以及诸如加速度限制之类的驾驶性约束。动力传动系优化阶段包含特定车辆架构的更详细的模型，并且动力传动系优化阶段负责决定用于该架构的相关控制决策，使得遵循优化的速度曲线。例如，对于典型的并联混合动力而言，控制决策可以是发动机与电机之间的扭矩分配以及挡位选择。尽管速度优化程序和动力传动系优化程序大部分是分离的，但是在第一阶段的速度优化中，仍然可以采用关于动力传动系的一些考虑因素。例如，根据当前的SOC水平，算法成本函数权重可以被调整成促进某些类型的速度曲线，例如增加SOC充电机会。

本文中所描述的优化算法结合了包括以下各者的输入：交通控制时间、其他车辆的行为、驾驶性考虑因素以及路形和交通标志。该信息源自多种来源，所述多种来源可以包括与交通灯和其他基础设施的V2I通信、与其他车辆的V2V通信、与电子地平线数字映射数据库和车载传感器的通信。另外，优化算法可以考虑驾驶员识别算法，以提高(例如通过观察驾驶员过去的行为)预测宿主车辆的驾驶员的动作的能力。并非所有的输入信息都可以直接用于该算法。例如，就V2V通信而言，其他车辆通常会发出其当前位置和运动。然而，在优化算法执行对未来车辆动作的优化时，V2V信息需要通过预测其他车辆未来可能如何表现来扩展。可以通过制定一组确定预测行为的规则、例如通过指定目标车辆应当遵循速度限制并与其前方车辆保持安全距离来完成这种预测。

优化的结果可以用在半自主的纵向控制特征中，该半自主的纵向控制特征直接启动优化的速度轨迹和/或动力传动系使用优化。在这种方案中，优化的速度曲线和动力传动系使用曲线被直接发送至负责动力传动系动作的最终决策的控制器。其他车辆的行为可能与其预测行为不同，例如，宿主车辆1前方的目标车辆15-n可能会意外减速。在这种情况下，车辆速度控制单元20可以默认返回至常规的基于雷达的ACC，基于雷达的ACC将保持宿主车辆1与目标车辆15-n之间的安全车间时距。替代性地，或者另外，优化结果可以用于驾驶员劝导性特征中，该驾驶员劝导性特征向控制纵向运动的驾驶员推荐动作。在这个场景中，优化的速度曲线可以用于推荐将对能效有益的动作，例如加速至一定速度或抬起加速踏板。在这种情况下，初始的优化速度曲线与由驾驶员动作所生成的速度曲线之间可能将存在差异。因此，重要的是，要么通过对初始规划的轨迹和实际轨迹进行比较的附加逻辑，要么通过简单地重新运行该优化而使优化结果适应新情况。

应当理解的是，在不脱离所附权利要求的范围的情况下，可以对本文中所描述的实施方式进行各种修改。

Claims (35)

1.一种生成沿着路线行驶的宿主车辆的目标操作速度带的方法，所述方法包括：

识别处于所述路线上的第一位置处的第一时间相关的障碍物，所述第一时间相关的障碍物被识别为在第一时间段期间阻碍所述宿主车辆的前进；

将所述第一时间相关的障碍物限定在速度相对于距离的二维映射中；

在所述速度相对于距离的二维映射内确定从第一点至第二点的第一速度轨迹，所述第二点表示所述路线上的所述第一位置，并且确定的所述第一速度轨迹表示所述宿主车辆在第一到达时间到达所述第一位置处；以及

确定所述目标操作速度带，使得所述第一速度轨迹形成所述目标操作速度带的上限和下限中的一者，

其中，所述第一到达时间在所述第一时间段外。

2.根据权利要求1所述的方法，其中，针对所述宿主车辆的第一加速度限制而生成所述第一速度轨迹。

3.根据权利要求1或权利要求2所述的方法，其中，所述第一速度轨迹形成所述目标操作速度带的所述下限；并且对小于所述第一速度轨迹的目标速度轨迹应用成本惩罚。

4.根据权利要求1或权利要求2所述的方法，其中，所述第一速度轨迹形成所述目标操作速度带的所述上限；并且对大于所述第一速度轨迹的目标速度轨迹应用成本惩罚。

5.根据权利要求1至4中的任一项所述的方法，包括：通过与目标速度轨迹的具有比预定的正加速度阈值大的正加速度和/或具有比预定的负加速度阈值大的负加速度的每个部分相关地应用加速度成本惩罚来确定所述目标速度轨迹的成本。

6.根据前述权利要求中的任一项所述的方法，包括：识别第二时间段，在所述第二时间段期间，所述第一时间相关的障碍物准许所述宿主车辆基本不受阻碍地前进；其中，所述目标操作速度带被确定成使得所述第一到达时间在所述第二时间段内。

7.根据前述权利要求中的任一项所述的方法，包括：

在所述速度相对于距离的二维映射内确定从第一点至第二点的第二速度轨迹，所述第二点表示所述路线上的所述第一位置，并且确定的所述第一速度轨迹表示所述宿主车辆在第二到达时间到达所述第一位置处；以及

将所述目标操作速度带确定成使得所述第二速度轨迹形成所述目标操作速度带的所述上限和所述下限中的另一者，

其中，所述第二到达时间在所述第一时间段外。

8.根据权利要求7所述的方法，其中，针对所述宿主车辆的第一加速度限制生成所述第一速度轨迹。

9.根据权利要求1至6中的任一项所述的方法，其中，所述第一障碍物包括沿着所述路线的至少一部分行驶的目标车辆。

10.根据权利要求9所述的方法，其中，所述第一时间段包括下述时间段：在该时间段期间，所述目标车辆被预测为在所述路线的被识别为不利于执行超车操纵的路段上行驶。

11.根据权利要求9或权利要求10所述的方法，包括：在所述速度相对于距离的二维映射内确定从所述第一点至所述第二点的第二速度轨迹，所述第二速度轨迹被计算成使得所述宿主车辆在第二到达时间到达所述第二位置处，其中，所述第二速度轨迹形成所述目标操作速度带的所述上限和所述下限中的另一者。

12.根据权利要求10和11所述的方法，其中，所述第二到达时间包括预测所述目标车辆到达所述第二位置处的时间，所述第二位置表示所述路线的被识别为不利于执行超车操纵的所述路段的终点。

13.根据直接或间接从属于权利要求6时的权利要求9至12中的任一项所述的方法，其中，所述第二时间段包括下述时间段：在该时间段期间，所述目标车辆被预测为在所述路线的被识别为有利于执行超车操纵的路段上行驶。

14.根据前述权利要求中的任一项所述的方法，包括：识别适用于所述路线的在所述宿主车辆的当前位置与所述第一位置之间的至少一部分的速度限制，其中，所述速度限制限定所述目标操作速度带的所述上限的至少一部分。

15.根据前述权利要求中的任一项所述的方法，包括：识别所述路线上的多个障碍物，其中，与在所述路线上识别出的每个障碍物相关地确定所述目标操作速度带。

16.根据权利要求15所述的方法，其中，根据与在所述路线上识别出的至少一个其他障碍物相关地执行的计算，对每个目标操作速度带的计算应用加权。

17.根据权利要求15或权利要求16所述的方法，其中，用于到达所述第一障碍物处的所述第一到达时间根据所述宿主车辆到达在所述路线上识别出的一个或更多个其他障碍物处的时间来确定。

18.一种用于生成沿着路线行驶的宿主车辆的目标操作速度带的控制器，所述控制器包括：

处理装置，所述处理装置用于接收输入，以识别所述路线上的第一位置处的第一时间相关的障碍物，所述第一时间相关的障碍物被识别为在第一时间段期间阻碍所述宿主车辆的前进；以及

存储器装置，所述存储器装置连接至所述处理装置；

其中，所述处理装置配置成：

将所述第一时间相关的障碍物限定在速度相对于距离的二维映射中；

在所述速度相对于距离的二维映射内确定从第一点至第二点的第一速度轨迹，所述第二点表示所述路线上的所述第一位置，并且确定的所述第一速度轨迹表示所述宿主车辆在第一到达时间到达所述第一位置处，所述第一到达时间在所述第一时间段外；并且

生成所述目标操作速度带；

其中，所述第一速度轨迹形成所述目标操作速度带的上限和下限中的一者。

19.根据权利要求18所述的控制器，其中，针对所述宿主车辆的第一加速度限制而生成所述第一速度轨迹。

20.根据权利要求18或权利要求19所述的控制器，其中，所述第一速度轨迹形成所述目标操作速度带的所述下限；并且对小于所述第一速度轨迹的目标速度轨迹应用成本惩罚。

21.根据权利要求18或权利要求19所述的控制器，其中，所述第一速度轨迹形成所述目标操作速度带的所述上限；并且对大于所述第一速度轨迹的目标速度轨迹应用成本惩罚。

22.根据权利要求18至21中的任一项所述的控制器，其中，所述处理装置配置成：通过与目标速度轨迹的具有比预定的正加速度阈值大的正加速度和/或具有比预定的负加速度阈值大的负加速度的每个部分相关地应用加速度成本惩罚来确定所述目标速度轨迹的成本。

23.根据权利要求18至22中的任一项所述的控制器，其中，所述处理装置配置成：

识别第二时间段，在所述第二时间段期间，所述第一时间相关的障碍物准许所述宿主车辆基本不受阻碍地前进；

其中，所述目标操作速度带被确定成使得所述第一到达时间在所述第二时间段内。

24.根据权利要求18至23中的任一项所述的控制器，其中，所述处理装置配置成：

在所述速度相对于距离的二维映射内确定从第一点至第二点的第二速度轨迹，所述第二点表示所述路线上的所述第一位置，并且确定的所述第一速度轨迹表示所述宿主车辆在第二到达时间到达所述第一位置处；并且

将所述目标操作速度带确定成使得所述第二速度轨迹形成所述目标操作速度带的所述上限和所述下限中的另一者，

其中，所述第二到达时间在所述第一时间段外。

25.根据权利要求24所述的控制器，其中，针对所述宿主车辆的第一加速度限制生成所述第一速度轨迹。

26.根据权利要求18至23中的任一项所述的控制器，其中，所述第一障碍物包括沿着所述路线的至少一部分行驶的目标车辆。

27.根据权利要求26所述的控制器，其中，所述第一时间段包括下述时间段：在该时间段期间，所述目标车辆被预测为在所述路线的被识别为不利于执行超车操纵的路段上行驶。

28.根据权利要求26或权利要求27所述的控制器，其中，所述处理装置配置成：

在所述速度相对于距离的二维映射内确定从所述第一点至所述第二点的第二速度轨迹，所述第二速度轨迹被计算成使得所述宿主车辆在第二到达时间到达所述第二位置处，其中，所述第二速度轨迹形成所述目标操作速度带的所述上限和所述下限中的另一者。

29.根据权利要求27和28所述的控制器，其中，所述第二到达时间包括预测所述目标车辆到达所述第二位置处的时间，所述第二位置表示所述路线的被识别为不利于执行超车操纵的所述路段的终点。

30.根据直接或间接从属于权利要求23时的权利要求26至29中的任一项所述的控制器，其中，所述第二时间段包括下述时间段：在该时间段期间，所述目标车辆被预测为在所述路线的被识别为有利于执行超车操纵的路段上行驶。

31.根据权利要求18至30中的任一项所述的控制器，其中，所述处理装置配置成：

识别适用于所述路线的在所述宿主车辆的当前位置与所述第一位置之间的至少一部分的速度限制，其中，所述速度限制限定所述目标操作速度带的所述上限的至少一部分。

32.根据权利要求18至31中的任一项所述的控制器，其中，所述处理装置配置成：

识别所述路线上的多个障碍物；并且

与在所述路线上识别出的每个障碍物相关地生成目标操作速度带。

33.根据权利要求32所述的控制器，其中，所述处理装置配置成：根据与在所述路线上识别出的至少一个其他障碍物相关地执行的计算，对每个目标操作速度带的计算应用加权。

34.根据权利要求32或权利要求33所述的控制器，其中，用于到达所述第一障碍物处的所述第一到达时间根据所述宿主车辆到达在所述路线上识别出的一个或更多个其他障碍物处的时间来确定。

35.一种非暂时性计算机可读介质，所述非暂时性计算机可读介质具有存储在所述非暂时性计算机可读介质中的一组指令，所述一组指令在被执行时使处理器执行根据权利要求1至18中的任一项所述的方法。

Images