【技术实现步骤摘要】
本专利技术涉及建模优化，具体涉及面向城市物流场景的高效生态驾驶分层优化方法及装置。
技术介绍
1、城市物流配送车辆行驶的道路环境复杂，交通参与者行为不确定性极强，常出现周围多车干扰的场景，如图1所示为多车干扰环境的示意图，包括普通路段干扰和路口干扰，在普通路段，左右临近车道的并行车辆、正前方的车辆共同影响本车的情况；在路口的多车干扰情况更为复杂，如本车直行遇到右转车辆的同时，本车左侧或右侧也存在并行车辆的情况。多车干扰导致车辆动力系统瞬态工况的情况复杂，稳态能耗模型不能准确计算系统能耗，并且建模优化方法尚未考虑多车干扰带来的动态时变约束，其优化参数仅考虑了对车速的优化，未清晰阐明多车干扰情况下高效生态驾驶的建模优化，无法得到准确计算系统能耗的优化参数。
技术实现思路
1、有鉴于此，本专利技术提供了一种面向城市物流场景的高效生态驾驶分层优化方法及装置，以解决物流工况复杂情况下无法得到准确计算系统能耗优化参数的问题。
2、第一方面，本专利技术提供了一种面向城市物流场景的高效生态驾驶分层优化方法，包括：
3、根据面向城市物流线路工况的物流车系统瞬时能耗模型及周围环境信息，以安全风险边界和通行效率边界为约束条件，建立高效节能多目标车速优化模型，对长周期的车速进行预见性滚动优化，得到滚动优化车速，长周期是指物流车在连续信号灯路况下，行驶预设长度的行驶距离；
4、基于滚动优化车速，以多车干扰环境下安全风险边界为约束条件，生成滚动优化车速对应的参考轨迹，构建安
5、本专利技术提供的面向城市物流场景的高效生态驾驶分层优化方法，通过对长周期车速和短时域转角的优化，使物流车能够适应多车干扰随机多变的场景，保证了物流车在安全行驶的前提下，实现高效节能的目的。
6、在一种可选的实施方式中，物流车系统瞬时能耗模型的构建步骤包括：
7、采集实际物流场景下的物流车工况数据形成工况数据集，物流车工况数据包括车速、加速度、电机转矩、电池soc、行驶能耗；
8、根据工况数据集构建物流车系统的瞬时能耗模型。
9、本专利技术提供的面向城市物流场景的高效生态驾驶分层优化方法，通过构建瞬时能耗模型，确定物流车瞬时能耗与自身行驶状态的关系，有利于以降低能耗为目标对物流车的行驶过程进行优化。
10、在一种可选的实施方式中，周围环境信息包括道路环境信息和周围车辆轨迹预测信息，周围环境信息的获取步骤包括：
11、通过物流车的网联感知模块获取道路环境信息；
12、通过物流车的环境认知功能模块获取周围车辆轨迹预测信息。
13、在一种可选的实施方式中，约束条件的确定步骤包括：
14、根据周围车辆轨迹预测信息确定周围车辆与物流车的车距；
15、根据车距确定安全风险边界；
16、根据道路环境信息确定各路段车速的上下限值和交通信号灯相位信息；
17、根据各路段车速的上下限值和交通信号灯相位信息确定通行效率边界。
18、本专利技术提供的面向城市物流场景的高效生态驾驶分层优化方法，通过获取周围环境信息，确定物流车行驶过程的约束条件，保证行驶安全的前提下，提高通行效率。
19、在一种可选的实施方式中，以安全风险边界和通行效率边界为约束条件，建立高效节能多目标车速优化模型，对长周期的车速进行预见性滚动优化的步骤包括：
20、根据瞬时能耗模型和约束条件建立多目标车速优化模型，多目标车速优化模型是以通行时间最短和能耗最低为优化目标建立的成本函数；
21、采用迭代动态规划算法对成本函数进行滚动优化求解，得到滚动优化车速及对应的参考轨迹。
22、本专利技术提供的面向城市物流场景的高效生态驾驶分层优化方法，通过建立以通行时间最短和能耗最低为优化目标的多目标车速优化模型，对车速进行滚动优化，提高了长周期内物流车的通行效率，降低了长周期内物流车的瞬时能耗。
23、在一种可选的实施方式中，参考轨迹的确定过程包括：
24、根据滚动优化车速，以多车干扰环境下安全风险边界为约束条件，确定对应的参考轨迹；
25、根据长周期滚动优化车速对短时域转角优化的影响规律，确定对应滚动优化车速下可行的参考轨迹。
26、本专利技术提供的面向城市物流场景的高效生态驾驶分层优化方法，根据长周期滚动优化车速对短时域转角优化的影响规律，对优化车速对应的参考轨迹进一步筛选，保证车速与转角的优化平衡。
27、在一种可选的实施方式中，根据各参考轨迹的代价函数值确定短时域内的优化转角的步骤包括：
28、将每个参考轨迹分别代入代价函数，得到每个参考轨迹的代价函数值；
29、比较多个参考轨迹的代价函数值，代价函数值最小的参考轨迹作为最优参考轨迹；
30、根据最优参考轨迹确定短时域内的优化转角。
31、本专利技术提供的面向城市物流场景的高效生态驾驶分层优化方法，通过计算每个参考轨迹的代价函数值，选择代价函数值最小的参考轨迹最为最优参考轨迹，提高了物流车行驶的安全性和高效性。
32、第二方面，本专利技术提供了一种面向城市物流场景的高效生态驾驶分层优化装置，装置包括：
33、长周期车速滚动优化模块，用于根据面向城市物流线路工况的物流车系统瞬时能耗模型及周围环境信息，以安全风险边界和通行效率边界为约束条件，建立高效节能多目标车速优化模型，对长周期的车速进行预见性滚动优化，得到滚动优化车速，长周期是指物流车在连续信号灯路况下，行驶预设长度的行驶距离；
34、短时域转角优化模块，用于基于滚动优化车速，以多车干扰环境下安全风险边界为约束条件，生成滚动优化车速对应的参考轨迹，构建安全高效多目标转角优化模型，计算各参考轨迹的代价函数值，根据各参考轨迹的代价函数值确定短时域内的优化转角，短时域为在多车干扰环境下物流车满足预设实时控制要求的时间周期。
35、第三方面，本专利技术提供了一种计算机设备，包括：存储器和处理器，存储器和处理器之间互相通信连接，存储器中存储有计算机指令，处理器通过执行计算机指令，从而执行上述第一方面或其对应的任一实施方式的方法。
36、第四方面，本专利技术提供了一种计算机可读存储介质，该计算机可读存储介质上存储有计算机指令，计算机指令用于使计算机执行上述第一方面或其对应的任一实施方式的方法。
本文档来自技高网...【技术保护点】
1.一种面向城市物流场景的高效生态驾驶分层优化方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述物流车系统瞬时能耗模型的构建步骤包括：
3.根据权利要求1所述的方法，其特征在于，所述周围环境信息包括道路环境信息和周围车辆轨迹预测信息，所述周围环境信息的获取步骤包括：
4.根据权利要求3所述的方法，其特征在于，所述约束条件的确定步骤包括：
5.根据权利要求1所述的方法，其特征在于，所述以安全风险边界和通行效率边界为约束条件，建立高效节能多目标车速优化模型，对长周期的车速进行预见性滚动优化的步骤包括：
6.根据权利要求5所述的方法，其特征在于，所述参考轨迹的确定过程包括：
7.根据权利要求1所述的方法，其特征在于，所述根据所述各参考轨迹的代价函数值确定短时域内的优化转角的步骤包括：
8.一种面向城市物流场景的高效生态驾驶分层优化装置，其特征在于，所述装置包括：
9.一种计算机设备，其特征在于，包括：
10.一种计算机可读存储介质，其特征在于，所述计
...【技术特征摘要】
1.一种面向城市物流场景的高效生态驾驶分层优化方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述物流车系统瞬时能耗模型的构建步骤包括：
3.根据权利要求1所述的方法，其特征在于，所述周围环境信息包括道路环境信息和周围车辆轨迹预测信息，所述周围环境信息的获取步骤包括：
4.根据权利要求3所述的方法，其特征在于，所述约束条件的确定步骤包括：
5.根据权利要求1所述的方法，其特征在于，所述以安全风险边界和通行效率边界为约束条件，建立高效节能多目标车速优化模型，对长周期的车...
【专利技术属性】
技术研发人员：王越，潘登辉，段京良，赵宁，高博麟，李克强，
申请(专利权)人：北京科技大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。