【摘要】：城市工況下,不同路口交通信號燈相位和正時(Signal Phase and Time,SPaT)信息的變化使車輛存在頻繁的加減速和停車,不僅影響道路的通行效率,同時也會增加車輛的油耗和排放,使環(huán)境污染、交通擁堵等問題日益嚴(yán)重。車聯(lián)網(wǎng)的發(fā)展為解決這些問題提供了條件,將車聯(lián)網(wǎng)環(huán)境下優(yōu)化的車速作為參考車速,提供給駕駛員實現(xiàn)車輛生態(tài)駕駛,可有效提高車輛燃油經(jīng)濟性和道路通行效率。目前相關(guān)研究大多針對傳統(tǒng)車,忽略了混合動力汽車在節(jié)能和續(xù)航里程等方面的綜合優(yōu)勢及其能量管理帶來的潛力,并且針對不同駕駛員對參考車速的適應(yīng)性研究也有所欠缺,此外,車聯(lián)網(wǎng)環(huán)境下車輛不再是交通系統(tǒng)中孤立的個體,可將一區(qū)域內(nèi)的車輛作為整體進(jìn)行研究。因此,本文針對信號燈道路上的混合動力汽車隊列,研究車聯(lián)網(wǎng)環(huán)境下考慮駕駛風(fēng)格的速度優(yōu)化。首先,構(gòu)建了混合動力汽車整車及能量管理系統(tǒng)模型。確定了混合動力汽車的研究結(jié)構(gòu),進(jìn)行了混合動力系統(tǒng)的工作模式劃分和分析,利用杠桿法對耦合機構(gòu)在不同工作模式下的動力學(xué)特性進(jìn)行了分析,并在Matlab/Simulink中采用前向建模法建立了混合動力汽車整車模型以及基于規(guī)則的發(fā)動機最優(yōu)工作曲線控制策略,為后續(xù)研究提供基礎(chǔ)。其次,完成了對不同風(fēng)格駕駛員的駕駛特性分析�；隈{駛模擬實驗采集的駕駛員駕駛數(shù)據(jù),借助主成分分析和K-means聚類法將駕駛員的駕駛風(fēng)格分成激進(jìn)型、正常型和保守型三類。通過駕駛員在駕駛模擬器上的跟車實驗進(jìn)行駕駛特性分析,得到了不同駕駛風(fēng)格對應(yīng)的駕駛風(fēng)格系數(shù),作為參考車速求解的依據(jù)。進(jìn)一步提出了基于支持向量機的駕駛風(fēng)格識別方法,實現(xiàn)了對不同駕駛員駕駛風(fēng)格的識別。再次,建立了道路場景模型以及基于實驗數(shù)據(jù)的混合動力汽車油耗模型,提出了混合動力車隊的速度優(yōu)化方法,包括初始目標(biāo)車速求解和最終目標(biāo)車速求解。初始目標(biāo)車速基于信號燈等交通信息求解,實現(xiàn)了綠燈通行和通行效率最大化,在此基礎(chǔ)上,進(jìn)一步考慮燃油經(jīng)濟性、駕駛風(fēng)格、安全性等因素,構(gòu)建多目標(biāo)優(yōu)化問題并利用粒子群算法求解最終目標(biāo)車速,實現(xiàn)了混合動力汽車隊列的速度優(yōu)化。最后,為了驗證本文速度優(yōu)化算法的效果,設(shè)計仿真場景及參數(shù),基于Matlab/Simulink環(huán)境開展了仿真測試研究。將本文速度優(yōu)化方法與普通環(huán)境下未對速度優(yōu)化的吉普斯跟車模型進(jìn)行對比,將車輛實際加速度與駕駛風(fēng)格對應(yīng)的期望加速度進(jìn)行對比。結(jié)果表明,本文速度優(yōu)化方法能使車輛避開紅燈,在確保行駛安全的同時,能夠降低車隊16.7%左右的油耗,減少車隊4.9%左右的通行時間,而且能滿足不同風(fēng)格駕駛員的適應(yīng)性。
【圖文】：

考慮駕駛風(fēng)格的混合動力汽車隊列速度優(yōu)化研究-win/Road 軟件，是 FORUM8 公司于 2008 年推出的三維虛通環(huán)境建模、城市規(guī)劃設(shè)計等。該軟件有豐富的二維數(shù)據(jù)庫，在設(shè)計道路交通環(huán)境時可以設(shè)置建筑物、河流、道路標(biāo)識甚至天氣、時間等，所以完全可以按照真實環(huán)境進(jìn)行設(shè)計，，動。

交通環(huán)境Fig.3.2Trafficenvironment
【學(xué)位授予單位】：江蘇大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2019
【分類號】：U495

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 陳建新;崔廣才;;基于改進(jìn)粒子群算法的函數(shù)優(yōu)化研究[J];電腦迷;2018年01期

2 周慧;;基于粒子群算法的最優(yōu)值求解[J];科技廣場;2017年12期

3 吳豐;郭曉娟;;基于混合粒子群算法的船舶穩(wěn)定性分析[J];艦船科學(xué)技術(shù);2018年14期

4 鄧廣彪;;改進(jìn)的粒子群算法在云計算下的數(shù)據(jù)挖掘中的研究[J];科技通報;2017年04期

5 張釗旭;王志杰;李建辰;王貴奇;許軍;楊進(jìn)候;;一種基于模擬退火-改進(jìn)二進(jìn)制粒子群算法的測試優(yōu)化選擇方法[J];水下無人系統(tǒng)學(xué)報;2017年03期

6 朱俚治;王興虎;;試談粒子群算法[J];電腦編程技巧與維護(hù);2017年11期

7 朱寶;;基于改進(jìn)粒子群算法的盾構(gòu)掘進(jìn)施工優(yōu)化研究[J];遼寧科技學(xué)院學(xué)報;2017年03期

8 袁正午;李君琪;;基于改進(jìn)粒子群算法的云資源調(diào)度[J];計算機工程與設(shè)計;2016年02期

9 江嘉偉;毋文峰;;一種改進(jìn)的粒子群算法[J];電腦編程技巧與維護(hù);2016年06期

10 張衛(wèi)明;周慶忠;黎武;;基于改進(jìn)粒子群算法的野戰(zhàn)油庫選址優(yōu)化[J];兵器裝備工程學(xué)報;2016年08期

相關(guān)會議論文 前10條

1 熊偉麗;徐保國;;單個粒子收斂中心隨機攝動的粒子群算法[A];2009年中國智能自動化會議論文集（第七分冊）[南京理工大學(xué)學(xué)報（增刊）][C];2009年

2 于穎;李永生;於孝春;;新型離散粒子群算法在波紋管優(yōu)化設(shè)計中的應(yīng)用[A];第十一屆全國膨脹節(jié)學(xué)術(shù)會議膨脹節(jié)設(shè)計、制造和應(yīng)用技術(shù)論文選集[C];2010年

3 朱童;李小凡;魯明文;;位置加權(quán)的改進(jìn)粒子群算法[A];中國科學(xué)院地質(zhì)與地球物理研究所第11屆（2011年度）學(xué)術(shù)年會論文集(上)[C];2012年

4 王征;劉大寶;王家林;王永驥;;基于離散粒子群算法的船舶電力系統(tǒng)重構(gòu)研究[A];2011年中國智能自動化學(xué)術(shù)會議論文集（第一分冊）[C];2011年

5 王波;肖健梅;王錫淮;;基于改進(jìn)粒子群算法的車輛路徑問題研究[A];2007中國控制與決策學(xué)術(shù)年會論文集[C];2007年

6 張頂學(xué);關(guān)治洪;劉新芝;;多種群并行粒子群算法研究[A];第二十六屆中國控制會議論文集[C];2007年

7 黃勝;任萬龍;王超;何新;;多目標(biāo)粒子群算法在翼型優(yōu)化的應(yīng)用[A];第二十五屆全國水動力學(xué)研討會暨第十二屆全國水動力學(xué)學(xué)術(shù)會議文集（上冊）[C];2013年

8 王瑩;盛四清;;基于改進(jìn)粒子群算法的電壓薄弱區(qū)域恢復(fù)[A];中國高等學(xué)校電力系統(tǒng)及其自動化專業(yè)第二十四屆學(xué)術(shù)年會論文集（上冊）[C];2008年

9 孟繁敏;楊彬;張其林;;改進(jìn)的粒子群算法在鋼框架截面優(yōu)化中的應(yīng)用[A];第十三屆全國現(xiàn)代結(jié)構(gòu)工程學(xué)術(shù)研討會論文集[C];2013年

10 孔憲仁;秦玉靈;羅文波;;帶飛行因子的粒子群算法的鋁蜂窩板模型修正[A];結(jié)構(gòu)及多學(xué)科優(yōu)化工程應(yīng)用與理論研討會’2009（CSMO-2009）論文集[C];2009年

相關(guān)博士學(xué)位論文 前10條

1 劉天宇;基于協(xié)作學(xué)習(xí)和文化進(jìn)化機制的量子粒子群算法及應(yīng)用研究[D];西安電子科技大學(xué);2017年

2 孟麗;粒子群算法及其在分?jǐn)?shù)階系統(tǒng)辨識中的應(yīng)用研究[D];華北電力大學(xué)(北京);2016年

3 韓佳偉;多層級蘋果預(yù)冷過程模擬及預(yù)冷控制決策優(yōu)化[D];北京工業(yè)大學(xué);2018年

4 鐘繼如;基于混合粒子群算法的小沖桿試驗預(yù)測材料強度的研究[D];華東理工大學(xué);2019年

5 雷開友;粒子群算法及其應(yīng)用研究[D];西南大學(xué);2006年

6 王芳;粒子群算法的研究[D];西南大學(xué);2006年

7 楊輕云;約束滿足問題與調(diào)度問題中離散粒子群算法研究[D];吉林大學(xué);2006年

8 張寶;粒子群算法及其在衛(wèi)星艙布局中的應(yīng)用研究[D];大連理工大學(xué);2007年

9 王雪飛;粒子群算法的動態(tài)拓樸結(jié)構(gòu)研究[D];西南大學(xué);2008年

10 張靜;基于混合離散粒子群算法的柔性作業(yè)車間調(diào)度問題研究[D];浙江工業(yè)大學(xué);2014年

相關(guān)碩士學(xué)位論文 前10條

1 崔權(quán)龍;基于意外流行決策的粒子群算法研究[D];吉林大學(xué);2019年

2 趙藝;基于粒子群算法的超導(dǎo)瞬變電磁極化效應(yīng)多參數(shù)提取[D];吉林大學(xué);2019年

3 武海妮;改進(jìn)的粒子群算法在求解非線性方程組中的應(yīng)用[D];延安大學(xué);2019年

4 余鋮銓;考慮駕駛風(fēng)格的混合動力汽車隊列速度優(yōu)化研究[D];江蘇大學(xué);2019年

5 熊龍飛;基于CEEMDAN與粒子群算法的旋轉(zhuǎn)機械故障診斷研究[D];南京農(nóng)業(yè)大學(xué);2017年

6 李東;改進(jìn)粒子群算法及結(jié)構(gòu)優(yōu)化設(shè)計應(yīng)用研究[D];浙江工業(yè)大學(xué);2018年

7 曹寧;粒子群算法在參數(shù)化BIM模型優(yōu)化中的應(yīng)用研究[D];天津大學(xué);2018年

8 李莎;風(fēng)光微燃機多能互補發(fā)電系統(tǒng)優(yōu)化設(shè)計與仿真[D];浙江工業(yè)大學(xué);2018年

9 劉紫丹;基于粒子群算法和人工勢場法的AGV路徑規(guī)劃研究與應(yīng)用[D];深圳大學(xué);2018年

10 李國慶;面向復(fù)雜多模態(tài)多目標(biāo)優(yōu)化問題的粒子群算法研究[D];鄭州輕工業(yè)大學(xué);2019年

本文編號：2611703