CN115565372A - 基于车联网的丘陵道路经济性巡航车速规划方法及系统 - Google Patents

Abstract

本发明公开了基于车联网的丘陵道路经济性巡航车速规划方法及系统，方法通过构建交通路线有向图，并针对每一交通路线有向图，获取每一路段单元两端点的高程差和端点二维投影距离，计算路段的缩放系数，形成路段距离缩放矩阵并存储；获取各个路段单元的坡度，计算路段动力缩放系数，基于上坡段、下坡段的信息构建符号函数，为路段动力缩放系数赋予方向值，形成路段动力缩放矩阵并存储；然后通过构建车辆行驶动力学模型，并采用路段缩放系数矩阵和路段动力缩放矩阵对模型中的行驶距离和加速度进行变换，求解车辆行驶动力学模型并推送给用户。本发明提高了丘陵道路车速规划的速度，提高计算效率和准确性，具有较好的商业应用价值。

Description

基于车联网的丘陵道路经济性巡航车速规划方法及系统

技术领域

本发明属于汽车导航规划技术领域，尤其是一种基于车联网的丘陵道路经济性巡航车速规划方法及系统。

背景技术

目前能源和环境问题已经成为国内国际热点问题，同时，在双碳经济的指引下，对汽车的节能环保的要求越来越高。而当前城市交通越来越拥堵，造成汽车运行效率低下，为了提高运行的效率，降低能源消耗，现有技术给出了多种解决方案。这些方案中，包括采用规则类的优化、瞬时优化、神经网络优化等多种方法。现有方法中，主要针对普通场景，而针对起伏路网，或者说是丘陵地区的道路，一般是构建基于坡度的加减速动力模型，计算相对非常复杂。在现有的技术中，也有采用基于能量向导的分层递阶电动汽车巡航策略，以实现在不同坡度公路上的经济驾驶，提高电池寿命。还有的现有技术采用动态规划的方法，计算非线性优化问题的全局最优解。但是在这种方法中，需要整个驾驶周期中的信息，信息量非常庞大，导致计算维数过高，很难应用在实时驾驶导航中。

综上，在现有技术中，构建的车辆运动学模型中，由于模型构建过于复杂，参数过多，如何简化计算，在保证准确性的前提下，提高丘陵道路的车速规划方法，是目前需要解决的问题。

发明内容

发明目的：提供一种基于车联网的丘陵道路经济性巡航车速规划方法，以解决现有技术存在的上述技术问题之一。

技术方案：基于车联网的丘陵道路经济性巡航车速规划方法，包括如下步骤：

步骤S1、获取预定区域的包含地理高程信息的交通网地图，基于所述交通网地图构建交通网矢量网格并存储；基于所述高程信息，获取大于阈值的斜坡的最高点坐标和两侧的起点坐标，将各个所述斜坡的最高点坐标和两侧的起点坐标融合在所述交通网矢量网格中；

步骤S2、按照交通规则和交通网矢量网格中的坐标点方位信息，从交通网矢量网格中提取交通路线有向图，在基于斜坡的最高点坐标和两侧的起点坐标，将每一交通路线有向图分割成若干个路段单元，所述路段单元包括上坡段、下坡段和水平段；

步骤S3、针对每一交通路线有向图，获取每一路段单元两端点的高程差和端点二维投影距离，计算路段的缩放系数，形成路段距离缩放矩阵并存储；获取各个路段单元的坡度，计算路段动力缩放系数，基于上坡段、下坡段的信息构建符号函数，为路段动力缩放系数赋予方向值，形成路段动力缩放矩阵并存储；

步骤S4、构建车辆行驶动力学模型，并采用路段缩放系数矩阵和路段动力缩放矩阵对模型中的行驶距离和加速度进行变换，求解所述车辆行驶动力学模型并推送给用户。

根据本申请的一个方面，所述步骤S1中，所述基于所述交通网地图构建交通网矢量网格并存储的过程进一步为：

步骤S11、在交通网地图中查找各个通行路段上的起点位置和终点位置；

步骤S12、基于路径查找的方法，搜索基于起点位置和终点位置的交通路线，并提取交通路段上各个点的坐标信息，基于坐标信息绘制交通网矢量网格。

根据本申请的一个方面，步骤S1中所述将各个所述斜坡的最高点坐标和两侧的起点坐标融合在所述交通网矢量网格中的过程进一步为：

步骤S13、基于所述斜坡的最高点坐标和两侧的起点坐标，构建斜坡路段矢量图；

步骤S14、将所述斜坡路段矢量图与交通网矢量网格叠加。

根据本申请的一个方面，所述步骤S2中从交通网矢量网格中提取交通路线有向图的过程进一步为：

步骤S21、按照交通规则和已经查找的起点位置和终点位置，在交通网矢量网格中搜索交通路线，计算各个交通路线的重叠路段，按照重叠的频次降序排列，形成交通路线集合；

步骤S22、依序从交通路线集合中抽取交通路线，并计算长度，取前N个最长的交通路线作为主要交通路线，然后再将其他交通路线与上述N个交通路线关联，形成主要交通路线有向图以及与主要交通路线有向图接枝的支线交通有向图，将上述主要交通路线有向图和支线交通有向图存储在预定模块中。

根据本申请的一个方面，所述步骤S2中，所述将每一交通路线有向图分割成若干个路段单元的过程进一步为：

步骤S23、读取路斜坡路段矢量图的各点坐标，通过各点坐标计算坡度并判断是否超过阈值，如果超过，则在交通网矢量网格中查找对应的坐标点并标记；

步骤S24、按照标记的坐标点，将各个路段拆分成若干个路段单元，并将各个坐标点作为路段单元的起点和终点。

根据本申请的一个方面，所述步骤S3中，所述构建路段距离缩放矩阵的过程进一步为：

步骤S31、获取各个路段单元的起点和终点，并计算平面距离和高度差，计算斜坡坡度和坡长，形成第一距离缩放系数；

步骤S32、逐一采集各个路段单元的路面参数，形成第二距离缩放系数；

步骤S33、将对应路段单元的第一距离缩放系数和第二距离缩放系数相乘，得到该路段单元的综合距离缩放系数，计算各个水平段的综合距离缩放系数的平均值，并计算上坡段、下坡段的综合距离缩放系数与平均值的比值，作为上坡段和下坡段综合距离缩放系数的归一化系数，再将水平段的综合距离缩放系数归一化，并基于各个路段单元的归一化综合距离缩放系数构建路段距离缩放矩阵。

根据本申请的一个方面，所述步骤S3中，所述构建路段动力缩放矩阵的过程进一步为：

步骤S34、逐一计算各个路段单元的斜坡坡度，求得斜坡的正弦值，作为第一动力缩放系数；

步骤S35、逐一计算各个路段单元的摩擦系数均值，作为第二动力缩放系数；

步骤S36、分别计算各个路段单元对应的第一路段动力缩放系数和第二动力缩放系数，作为路段综合动力缩放系数，并以此构建路段动力缩放矩阵。

根据本申请的一个方面，所述步骤S4中，车辆行驶动力学模型为：

其中，

v_min≤v(k)≤v_max；a_min≤a(k)≤a_max；

0≤θ_i≤90°；D_safe≥0；

β₁为能量修正系数，β₂为加速度约束系数，β₃为通行效率约束系数，β₄为安全距离约束系数，β₂为电池寿命约束系数；P为功率，u为加速度，v为速度，D为距离，Q为使用寿命，i，k，n，N为序号参数，ρ为修正系数。

根据本申请的一个方面，还包括如下约束条件：

上坡路段，a_i＝a_{h_max}+g*sinθ_i

下坡路段，a_i＝a_{h_max}-g*sinθ_i，

目标车辆制动距离：

前车制动距离：

最小安全距离：D_safe＝D_{h_break}-D_{p_break}

两车之间的距离：(1)两车在同一段坡道上，ΔD＝(1+N_(h，m)-N_(p，n))*Δd_i

(2)两车在不同段坡道上，

其中a_{h_max}表示目标车辆最大制动减速度，T_react为系统和驾驶员的反应时间，基于智能网联交通信息，v_p为前车车速，a_p为前车加速度，N_(h，m)为前车在D_h段坡道优化的第m步，N_(p，n)为前车在D_p段坡道优化的第n步，Δd_p为前车所在坡道的离散距离，Δd_h为目标车辆所在坡道的离散距离。

根据本申请的一个方面，还提供一种基于车联网的丘陵道路经济性巡航车速规划方法系统，包括：

至少一个处理器；以及

与至少一个所述处理器通信连接的存储器；其中，

所述存储器存储有可被所述处理器执行的指令，所述指令用于被所述处理器执行以实现上述任一项实施例所述的基于车联网的丘陵道路经济性巡航车速规划方法。

有益效果：通过构建路段距离缩放矩阵和路段动力缩放矩阵，将路段作为缩放因子不同的单元来进行处理，大大减少了资源消耗，提高了运算效率，也就是说，通过缩放因子将距离维度和动力学维度进行变换，统一成更为简单的计算公式，大大简化了计算过程。

附图说明

图1是本发明的流程图。

图2是本发明步骤S2的流程图。

图3是本发明步骤S3的流程图。

具体实施方式

如图1所示，本发明提供了一种基于车联网的丘陵道路经济性巡航车速规划方法，包括如下步骤：

步骤S1、获取预定区域的包含地理高程信息的交通网地图，基于所述交通网地图构建交通网矢量网格并存储；基于所述高程信息，获取大于阈值的斜坡的最高点坐标和两侧的起点坐标，将各个所述斜坡的最高点坐标和两侧的起点坐标融合在所述交通网矢量网格中。

步骤S2、按照交通规则和交通网矢量网格中的坐标点方位信息，从交通网矢量网格中提取交通路线有向图，在基于斜坡的最高点坐标和两侧的起点坐标，将每一交通路线有向图分割成若干个路段单元，所述路段单元包括上坡段、下坡段和水平段。

步骤S3、针对每一交通路线有向图，获取每一路段单元两端点的高程差和端点二维投影距离，计算路段的缩放系数，形成路段距离缩放矩阵并存储；获取各个路段单元的坡度，计算路段动力缩放系数，基于上坡段、下坡段的信息构建符号函数，为路段动力缩放系数赋予方向值，形成路段动力缩放矩阵并存储。

步骤S4、构建车辆行驶动力学模型，并采用路段缩放系数矩阵和路段动力缩放矩阵对模型中的行驶距离和加速度进行变换，求解所述车辆行驶动力学模型并推送给用户。

在本实施例中，通过构建路段距离缩放矩阵和路段动力缩放矩阵，化曲为直，通过变换后的参数，能够直接参与运算，而无需按照当前的预测方式，每隔一段距离，进行一次参数调整。通过距离缩放之后，将各个路段统一成水平段，而将动力进行缩放后，只需要根据起点和终点数据变换相关参数，即可完成仿真计算。通过本申请的方法，简化了现有技术的运算过程，在现有的速度巡航规划中，需要进行距离预测和构建多个动力学模型，分别针对相应的路段进行规划，然后基于距离域的近似动态规划方法，对车辆速度进行优化，比如在距离一个上坡路段前500米，就需要对距离进行预测和判断，从而能够不断根据车辆当前状态判断是否需要切换控制情况。而在本申请中，根据路段单元的起点终点等位置，以及对应该起点终点之间的路段单元的缩放参数，可以将距离和动力学参数直接进行变换，从而减少了判断和运算过程。

具体而言，为了减少存储和计算资源消耗，需要构建交通网矢量网格，从而对路段单元的缩放。构建交通网矢量网格的过程如下：

在进一步的实施例中，所述步骤S1中，所述基于所述交通网地图构建交通网矢量网格并存储的过程进一步为：

步骤S11、在交通网地图中查找各个通行路段上的起点位置和终点位置；

步骤S12、基于路径查找的方法，搜索基于起点位置和终点位置的交通路线，并提取交通路段上各个点的坐标信息，基于坐标信息绘制交通网矢量网格。

在这个实施例中，为了提高运算效率，规避了现有技术采用交通网地图的方式，而是将交通网地图转化为包含核心信息(即路段起点和终点位置等)的交通矢量网格，为后续的弹性变换提供基础。换句话说，现有的交通网地图中，包含了非必要的信息，在运算的过程中，给导航速度的计算造成很多不必要的资源消耗。而通过将变换和抽取相关信息，能够解决现有技术中存在的一些非必要计算的过程，将交通巡航过程中的主干信息抽取出来，从而为后续的仿真计算提供更为清晰明确的数据支撑。

在进一步的实施例中，步骤S1中所述将各个所述斜坡的最高点坐标和两侧的起点坐标融合在所述交通网矢量网格中的过程进一步为：

步骤S13、基于所述斜坡的最高点坐标和两侧的起点坐标，构建斜坡路段矢量图；

步骤S14、将所述斜坡路段矢量图与交通网矢量网格叠加。

为了能够便于对路段进行分类和后期的更新，比如某个地方因为新建了大桥或者地下通道，路段发生变化，在这个时候，通过修改斜坡路段矢量图的方式，即可完成数据更新。换句话说，现有的方法中，基本都是基于交通部门提供的交通图进行处理，没有将信息进行分层，一旦环境发生变化，则相关的地图信息需要重新采集，然后需要重新进行仿真计算。而这一过程的成本相对比较高，因此很多导航速度的建议是过时和落后的，造成数据更新和使用的不及时。在本申请中，通过上述方法，能够快速将斜坡路段的信息进行更新和修改。因此无需二次优化计算。因为是分层的，更新后的数据与交通网矢量网格直接叠加，即可实现总数据的更新。

在进一步的实施例中，所述步骤S2中从交通网矢量网格中提取交通路线有向图的过程进一步为：

步骤S21、按照交通规则和已经查找的起点位置和终点位置，在交通网矢量网格中搜索交通路线，计算各个交通路线的重叠路段，按照重叠的频次降序排列，形成交通路线集合；

步骤S22、依序从交通路线集合中抽取交通路线，并计算长度，取前N个最长的交通路线作为主要交通路线，然后再将其他交通路线与上述N个交通路线关联，形成主要交通路线有向图以及与主要交通路线有向图接枝的支线交通有向图，将上述主要交通路线有向图和支线交通有向图存储在预定模块中。

所述将每一交通路线有向图分割成若干个路段单元的过程进一步为：

步骤S23、读取路斜坡路段矢量图的各点坐标，通过各点坐标计算坡度并判断是否超过阈值，如果超过，则在交通网矢量网格中查找对应的坐标点并标记；

步骤S24、按照标记的坐标点，将各个路段拆分成若干个路段单元，并将各个坐标点作为路段单元的起点和终点。

在这一实施例中，通过在第一步已经获得的交通网矢量网格中提取交通路线，然后将交通路线进行排序，针对各个交通路线，尤其是重点交通路线，构建能够运行的交通路线有向图。有向图是交通流的理论可行空间，理论上，所有的交通路线都在交通路线有向图的集合中。因此，通过计算交通路线结合，找出主要交通路线和支线交通路线，能够有针对性的处理相关的路段，从而能够为各个路段单元的拆分提供有力地数据基础。在获得路段单元后，即可对下一步的缩放系数进行计算。

在进一步的实施例中，所述步骤S3中，所述构建路段距离缩放矩阵的过程进一步为：

步骤S31、获取各个路段单元的起点和终点，并计算平面距离和高度差，计算斜坡坡度和坡长，形成第一距离缩放系数。一般而言，斜坡路段是截面为三角形或梯形的路段，但是有些斜坡路段是S型或波浪形的路段，比如高架桥或高速公路变道处。在这种情况下，单纯采用平面距离和高度差是不准确的，在二维曲面或流形上，还有一定的延伸距离，因此需要第二距离缩放系数。

步骤S32、逐一采集各个路段单元的路面参数，形成第二距离缩放系数。

在非理想的路段单元中，通过采集相关的路面参数，比如说在二维平面的弯曲长度等等，形成第二距离缩放系数。第二聚类缩放系数是对第一距离缩放系数的优化，可以根据采集到的信息进行调整和优化。

步骤S33、将对应路段单元的第一距离缩放系数和第二距离缩放系数相乘，得到该路段单元的综合距离缩放系数，计算各个水平段的综合距离缩放系数的平均值，并计算上坡段、下坡段的综合距离缩放系数与平均值的比值，作为上坡段和下坡段综合距离缩放系数的归一化系数，再将水平段的综合距离缩放系数归一化，并基于各个路段单元的归一化综合距离缩放系数构建路段距离缩放矩阵。距离缩放系数的本质是化曲为直，将曲线的行驶路径通过变换参数转成直线的行驶路径。

所述构建路段动力缩放矩阵的过程进一步为：

步骤S34、逐一计算各个路段单元的斜坡坡度，求得斜坡的正弦值，作为第一动力缩放系数。

步骤S35、逐一计算各个路段单元的摩擦系数均值，作为第二动力缩放系数。

步骤S36、分别计算各个路段单元对应的第一路段动力缩放系数和第二动力缩放系数，作为路段综合动力缩放系数，并以此构建路段动力缩放矩阵。

在动力缩放系数中，其核心思想是将上坡路段和下坡路段变换成重力系数不同的水平路段，这这些路段加上或减去相应的加速度，从而形成在平直路段的加减速。简化数据计算过程中，参数被送入内存的次数过多，降低资源消耗。通过数据变换，减少模型和约束条件中参数的存取动作，而是直接通过系数矩阵得到。因此解决了现有技术的相关问题。

在现有的技术中，多数都是采用神经网络来模拟仿真和计算，一般采用实时规划的方式来进行计算，获得全局最优值和局部最优值，对于一个非二维平面的非直线行驶路线，在计算时，需要提前预判前方的路况如何，然后进行速度规划。在这种情况下，需要不断调取当前的实时信息，然后在后台进行计算，计算量非常大。不同的场景下，动力学模式和距离模式，均需要变化。

因此，在后台计算机内部，参数更新和公式更新是非常频繁的，大大占用了计算资源。

而通过缩放系数，直接将多个模型统一为一个模型，在路段变化时，只需要将缩放系数沟通的矩阵与平直路段的参数进行运算，直接放入计算缓存器即可。无需切换调整动力学和运动学模型。

给出一种采用上述方法的实施方式，具体模型如下所述，需要说明的是，在本实施例中，增加了电池寿命的约束，而对应加速度和速度(距离/时间)的约束项，可以直接采用上文所述的数据变换来实现，因此在这个模型中，大大缩小了计算过程。类似于将现有的分段函数，直接采用一个整体的函数来解决上述问题。在上坡路段和下坡路段的加速度约束中，由于采用了带有符号函数的缩放系数，因此在实际运算时，能够统一用一个公式来解决。下述的相关公式，在实际运算中，也可以通过缩放系数矩阵来进行化简，因此大大提高了计算的效率。

换句话说，本实施例实际上是将有高度的弯曲的行驶路段划分为一个连续的距离伸缩系数和动力伸缩系数不同的平直路段。因此可以用平直路段的加减速等公式直接计算，而在非平直路段，通过采用缩放的方式已经变换成平直路段，因此控制逻辑更加简单。

在进一步的实施例中，所述步骤S4中，车辆行驶动力学模型为：

其中，

v_min≤v(k)≤v_max；a_min≤a(k)≤a_max；

0≤θ_i≤90°；D_safe≥0；

β₁为能量修正系数，β₂为加速度约束系数，β₃为通行效率约束系数，β₄为安全距离约束系数，β₂为电池寿命约束系数；P为功率，u为加速度，v为速度，D为距离，Q为使用寿命，i，k，n，N为序号参数，ρ为修正系数。

在进一步的实施例中，还包括如下约束条件：

上坡路段，a_i＝a_{h_max}+g*sinθ_i

下坡路段，a_i＝a_{h_max}-g*sinθ_i，

目标车辆制动距离：

前车制动距离：

最小安全距离：D_safe＝D_{h_break}-D_{p_break}

两车之间的距离：(1)两车在同一段坡道上，ΔD＝(1+N_(h，m)-N_(p，n))*Δd_i

(2)两车在不同段坡道上，

其中a_{h_max}表示目标车辆最大制动减速度，T_react为系统和驾驶员的反应时间，基于智能网联交通信息，v_p为前车车速，a_p为前车加速度，N_(h，m)为前车在D_h段坡道优化的第m步，N_(p，n)为前车在D_p段坡道优化的第n步，Δd_p为前车所在坡道的离散距离，Δd_h为目标车辆所在坡道的离散距离。

根据本申请的另一实施例，提供一种基于车联网的丘陵道路经济性巡航车速规划方法系统，包括：

至少一个处理器；以及

与至少一个所述处理器通信连接的存储器；其中，

所述存储器存储有可被所述处理器执行的指令，所述指令用于被所述处理器执行以实现上述任一项实施例所述的基于车联网的丘陵道路经济性巡航车速规划方法。

实施例二

以智能网联电动汽车为研究对象，针对当前电动汽车在丘陵地区加减速频繁，能量利用低，重点研究网联电动汽车在坡道路况的经济性巡航控制方法，以提高电动汽车能量利用率。考虑丘陵路况下，将路程按照丘陵上下坡分段，求解每段的最优车速。

优化问题离散化：按照丘陵峰数在距离域将全局问题划分阶段。将全程距离定义为D，峰数为n，每段上坡或下坡区域长度定义为D_i，下标i表示第i阶段(i＝1，2，3，...2n)，则

将每阶段优化问题在距离域上离散化，降低计算的难度和计算量。根据每阶段的坡度，定义距离间隔Δd_i＝Δd*ρ，其中Δd为水平方向上定义的距离间隔，θ_i为目标车辆行驶方向与水平方向的夹角，则第i阶段问题可按照距离Δd_i离散为N_i步，即

设定当前步状态为第k步，控制系统的状态量为目标车辆的速度和运行时间，即x＝[x₁，x₂]＝[v，t]，车辆的加速度为控制输入，即u＝[a]。在第i阶段，优化问题如下：

v_min≤v(k)≤v_max

a_min≤a(k)≤a_max

0≤θ_i≤90°

D_safe≥0

性能指标中，第一项为能量消耗，第2项引入驾驶员舒适度系数，防止加速度过大导致驾驶体验不佳，第3项为车速约束，使目标车辆车速在ACC设定车速附近波动，防止车速过慢影响通行效率，第4项为目标车辆与前车安全车距限制，第5项为电池寿命衰减约束，延长电池使用寿命。

车辆纵向动力学模型：

a(k)＝(F_t-F_R)/m；

其中，m为目标车辆的质量，F_t为电动汽车驱动力，由四轮轮毂电机提供，F_R为车辆在行驶过程中受到的总阻力，包括空气阻力、滚动阻力、坡度阻力。

考虑坡度的安全车距模型：

上坡路段，a_i＝a_{h_max}+g*sinθ_i

下坡路段，a_i＝a_{h_max}-g*sinθ_i，

目标车辆制动距离：

前车制动距离：

最小安全距离：D_safe＝D_{h_break}-D_{p_break}

两车之间的距离：(1)两车在同一段坡道上，ΔD＝(1+N_(h，m)-N_(p，n))*Δd_i

(2)两车在不同段坡道上，

其中a_{h_max}表示目标车辆最大制动减速度，T_react为系统和驾驶员的反应时间，基于智能网联交通信息，v_p为前车车速，a_p为前车加速度，N_(h，m)为前车在D_h段坡道优化的第m步，N_(p，n)为前车在D_p段坡道优化的第n步，Δd_p为前车所在坡道的离散距离，Δd_h为目标车辆所在坡道的离散距离。

以上详细描述了本发明的优选实施方式，但是，本发明并不限于上述实施方式中的具体细节，在本发明的技术构思范围内，可以对本发明的技术方案进行多种等同变换，这些等同变换均属于本发明的保护范围。

Claims (10)

1.基于车联网的丘陵道路经济性巡航车速规划方法，其特征在于，包括如下步骤：

步骤S1、获取预定区域的包含地理高程信息的交通网地图，基于所述交通网地图构建交通网矢量网格并存储；基于所述高程信息，获取大于阈值的斜坡的最高点坐标和两侧的起点坐标，将各个所述斜坡的最高点坐标和两侧的起点坐标融合在所述交通网矢量网格中；

步骤S2、按照交通规则和交通网矢量网格中的坐标点方位信息，从交通网矢量网格中提取交通路线有向图，在基于斜坡的最高点坐标和两侧的起点坐标，将每一交通路线有向图分割成若干个路段单元，所述路段单元包括上坡段、下坡段和水平段；

步骤S3、针对每一交通路线有向图，获取每一路段单元两端点的高程差和端点二维投影距离，计算路段的缩放系数，形成路段距离缩放矩阵并存储；获取各个路段单元的坡度，计算路段动力缩放系数，基于上坡段、下坡段的信息构建符号函数，为路段动力缩放系数赋予方向值，形成路段动力缩放矩阵并存储；

步骤S4、构建车辆行驶动力学模型，并采用路段缩放系数矩阵和路段动力缩放矩阵对模型中的行驶距离和加速度进行变换，求解所述车辆行驶动力学模型并推送给用户。

2.如权利要求1所述的基于车联网的丘陵道路经济性巡航车速规划方法，其特征在于，所述步骤S1中，所述基于所述交通网地图构建交通网矢量网格并存储的过程进一步为：

步骤S11、在交通网地图中查找各个通行路段上的起点位置和终点位置；

步骤S12、基于路径查找的方法，搜索基于起点位置和终点位置的交通路线，并提取交通路段上各个点的坐标信息，基于坐标信息绘制交通网矢量网格。

3.如权利要求2所述的基于车联网的丘陵道路经济性巡航车速规划方法，其特征在于，步骤S1中所述将各个所述斜坡的最高点坐标和两侧的起点坐标融合在所述交通网矢量网格中的过程进一步为：

步骤S13、基于所述斜坡的最高点坐标和两侧的起点坐标，构建斜坡路段矢量图；

步骤S14、将所述斜坡路段矢量图与交通网矢量网格叠加。

4.如权利要求3所述的基于车联网的丘陵道路经济性巡航车速规划方法，其特征在于，所述步骤S2中从交通网矢量网格中提取交通路线有向图的过程进一步为：

步骤S21、按照交通规则和已经查找的起点位置和终点位置，在交通网矢量网格中搜索交通路线，计算各个交通路线的重叠路段，按照重叠的频次降序排列，形成交通路线集合；

步骤S22、依序从交通路线集合中抽取交通路线，并计算长度，取前N个最长的交通路线作为主要交通路线，然后再将其他交通路线与上述N个交通路线关联，形成主要交通路线有向图以及与主要交通路线有向图接枝的支线交通有向图，将上述主要交通路线有向图和支线交通有向图存储在预定模块中。

5.如权利要求4所述的基于车联网的丘陵道路经济性巡航车速规划方法，其特征在于，所述步骤S2中，所述将每一交通路线有向图分割成若干个路段单元的过程进一步为：

步骤S23、读取路斜坡路段矢量图的各点坐标，通过各点坐标计算坡度并判断是否超过阈值，如果超过，则在交通网矢量网格中查找对应的坐标点并标记；

步骤S24、按照标记的坐标点，将各个路段拆分成若干个路段单元，并将各个坐标点作为路段单元的起点和终点。

6.如权利要求5所述的基于车联网的丘陵道路经济性巡航车速规划方法，其特征在于，所述步骤S3中，所述构建路段距离缩放矩阵的过程进一步为：

步骤S31、获取各个路段单元的起点和终点，并计算平面距离和高度差，计算斜坡坡度和坡长，形成第一距离缩放系数；

步骤S32、逐一采集各个路段单元的路面参数，形成第二距离缩放系数；

步骤S33、将对应路段单元的第一距离缩放系数和第二距离缩放系数相乘，得到该路段单元的综合距离缩放系数，计算各个水平段的综合距离缩放系数的平均值，并计算上坡段、下坡段的综合距离缩放系数与平均值的比值，作为上坡段和下坡段综合距离缩放系数的归一化系数，再将水平段的综合距离缩放系数归一化，并基于各个路段单元的归一化综合距离缩放系数构建路段距离缩放矩阵。

7.如权利要求6所述的基于车联网的丘陵道路经济性巡航车速规划方法，其特征在于，所述步骤S3中，所述构建路段动力缩放矩阵的过程进一步为：

步骤S34、逐一计算各个路段单元的斜坡坡度，求得斜坡的正弦值，作为第一动力缩放系数；

步骤S35、逐一计算各个路段单元的摩擦系数均值，作为第二动力缩放系数；

步骤S36、分别计算各个路段单元对应的第一路段动力缩放系数和第二动力缩放系数，作为路段综合动力缩放系数，并以此构建路段动力缩放矩阵。

8.如权利要求1所述的基于车联网的丘陵道路经济性巡航车速规划方法，其特征在于，所述步骤S4中，车辆行驶动力学模型为：

其中，

v_min≤v(k)≤v_max；a_min≤a(k)≤a_max；

0≤θ_i≤90°；D_safe≥0；

β₁为能量修正系数，β₂为加速度约束系数，β₃为通行效率约束系数，β₄为安全距离约束系数，β₂为电池寿命约束系数；P为功率，u为加速度，v为速度，D为距离，Q为使用寿命，i，k，n，N为序号参数，ρ为修正系数。

9.如权利要求8所述的基于车联网的丘陵道路经济性巡航车速规划方法，其特征在于，还包括如下约束条件：

上坡路段，a_i＝a_{h_max}+g*sinθ_i，

下坡路段，a_i＝a_{h_max}-g*sinθ_i，

目标车辆制动距离：

前车制动距离：

最小安全距离：D_safe＝D_{h_break}-D_{p_break}，

两车之间的距离：

两车在同一段坡道上，ΔD＝(1+N_(h，m)-N_(p，n))*Δd_i，

两车在不同段坡道上，

其中a_{h_max}表示目标车辆最大制动减速度，T_react为系统和驾驶员的反应时间，基于智能网联交通信息，v_p为前车车速，a_p为前车加速度，N_(h，m)为前车在D_h段坡道优化的第m步，N_(p，n)为前车在D_p段坡道优化的第n步，Δd_p为前车所在坡道的离散距离，Δd_h为目标车辆所在坡道的离散距离。

10.一种基于车联网的丘陵道路经济性巡航车速规划方法系统，其特征在于，包括：

至少一个处理器；以及

与至少一个所述处理器通信连接的存储器；其中，

所述存储器存储有可被所述处理器执行的指令，所述指令用于被所述处理器执行以实现权利要求1～9任一项所述的基于车联网的丘陵道路经济性巡航车速规划方法。

Images