智能网联汽车节能优化关键问题与研究进展

周旭

摘 要：随着社会经济的发展，人们对汽车的需求越来越大，汽车数量不断增加。汽车保有量的增加不仅给人们的生活带来了便利，也给环境带来了压力。传统燃油车排放污染物高、能源利用率低，已经成为全球性的环境问题。智能网联汽车在节能方面有着不可替代的优势，但由于技术水平有限，智能网联汽车目前还没有实现大规模商业化应用。因此，本文主要分析智能网联汽车节能优化关键问题与研究进展，希望能够为未来智能网联汽车节能优化提供一些帮助。

关键词：智能网联汽车 节能优化 关键问题 研究进展

1 引言

节能优化是智能网联汽车的关键技术之一，对提升汽车能源利用效率、降低全生命周期碳排放具有重要意义。工作人员需要了解智能网联汽车节能优化的研究现状，明确其关键问题，掌握节能优化原则，从不同方面对其进行优化，提高智能网联汽车节能优化水平，促进我国汽车行业的智能化、现代化发展质量。

2 智能网联汽车节能优化原理

2.1 节能减排的基本原理

智能网联汽车的节能优化问题，主要包括节能优化目标、约束条件和优化方法等内容。首先，在节能优化目标方面，智能网联汽车的节能目标是使行驶过程中的车辆能耗最小，通过对能耗和排放的综合控制，降低污染物排放，其优化目标是在保证驾驶安全的前提下，以最低油耗和排放为目标进行最优控制。其次，在节能优化约束条件方面，智能网联汽车的节能优化约束条件主要包括车辆性能约束、车辆控制约束和车辆能源消耗约束。其中车辆性能约束主要是指智能网联汽车在行驶过程中的加速度、车速等参数，其中加速度主要以发动机功率和车速作为参考指标，车辆控制约束主要是指智能网联汽车在行驶过程中的燃油消耗和排放问题。最后，在优化方法方面，智能网联汽车的节能优化方法主要包括节能优化方法和控制方法。其中节能优化方法主要包括最优控制方法、最优化问题和非线性规划法等内容，其控制方法主要包括 PID控制、模糊控制、神经网络控制、预测控制等内容。在节能优化过程中，需要建立智能网联汽车能耗模型，从而实现对智能网联汽车能耗模型的描述。

2.2 人－车交互的基本原理

人-车交互系统的基本原理是通过传感器获取驾驶员的驾驶意图，然后根据驾驶员的意图进行控制，从而实现安全行驶。智能网联汽车通过多传感器信息融合技术，识别道路交通状况，利用计算智能控制系统，根据实时路况信息，调整车辆的行驶方向和速度。同时，智能网联汽车通过智能驾驶技术，提高车辆的安全性和可靠性。例如，在低速行驶时，可以自动减速，降低能耗；在高速行驶时可以自动调节车速，节省燃油。另外，智能网联汽车还可以根据驾驶员的驾驶意图和道路环境信息来实现自动驾驶。智能网联汽车的驾驶意图识别方法有很多种，其中一种方法是基于惯性传感器的方法。这种方法可以通过加速度计、陀螺仪等惯性传感器，获取驾驶员在驾驶过程中的动作和行为。智能网联汽车通过采集和处理驾驶员的驾驶行为数据，可以获取驾驶员的操作意图和动作，从而实现自动驾驶。

2.3 车－车通信的基本原理

车-车通信是指通过无线通信网络实现车辆之间、车辆与路边单元之间信息交互的通信技术，车-车通信主要采用无线车辆通信。无线车辆通信包括车载单元和路边单元两部分，车载单元通过无线网络进行数据传输，无线车辆通信可以实现车-车、车-路的数据传输，在无线车辆通信中，一般会采用无线传输方式，即将车载单元通过无线网络连接到路边单元，目前，主要的无线车辆通信技术包括 IEEE802.11p、 IEEE802.11a 11g和 IEEE802.11d等，从而实现信息交互的技术。

2.4 车－路感知的基本原理

智能网联汽车在实现车-路协同过程中，通过车辆自身传感器、V2X通信设备与外部环境传感器之间的信息交互，将采集到的道路信息传递给外部环境。例如，智能网联汽车在行驶过程中，通过自身的摄像头、毫米波雷达等设备感知路面的交通情况，通过V2X通信设备将自身传感器采集到的环境信息发送给终端，传感器会通过无线传输方式将感知数据反馈给智能网联汽车。智能网联汽车对环境信息进行处理和分析，根据环境信息对驾驶行为进行反馈，从而实现车-路协同。在车-路感知的过程中，智能网联汽车需要完成对自身状态、外部环境的感知与交互。在车辆自身状态感知方面，智能网联汽车需要进行实时监测和调整，通过车载雷達、视觉传感器等设备获取实时的道路交通信息。在外部环境感知方面，智能网联汽车需要对外部环境进行实时监测，及时获取道路信息，在车-路协同过程中，智能网联汽车不仅需要将自身状态，还需要将这些信息进行处理与分析，通过对多个传感器数据进行融合处理，提高车辆感知的准确性。

3 智能网联汽车节能优化关键问题

3.1 道路坡度信息预测巡航控制

车辆在行驶过程中，受到道路坡度、路面附着力等因素的影响，行驶速度会发生变化。因此，在智能网联控制过程中需要根据当前车辆的行驶状态和道路坡度信息，对控制系统进行实时计算，采取适当的控制策略，确保车辆在保证安全驾驶的前提下尽可能地省油。根据实际情况分析可知，道路坡度主要分为两种情况，一种是陡坡，另一种是缓坡。陡坡路段往往坡度较大，车辆行驶时需要克服较大的阻力，而缓坡路段较小，阻力也较小，所使用的动力也会变少，所以在设计时需要对道路坡度信息进行充分考虑。为了达到车辆行驶过程中节能的目的，可以将巡航控制系统分为两个模块，如车速控制器和路径规划模块，其中，车速控制器负责计算车辆当前的车速与设定车速之间的偏差，而路径规划模块则是根据当前车速和设定车速之间的偏差值来计算当前车辆所在车道上需要保持的行驶速度。根据理论分析可知，对于城市道路、高速公路等常见的典型路况来说，当道路坡度较大时，可以将巡航控制系统中的车速控制器设置为定速巡航控制，当道路曲率较大时，就可以关闭巡航控制系统，实现智能化控制。

3.2 跟车工况预测巡航控制

跟车工况预测巡航控制是目前智能网联汽车中应用比较广泛的一种控制方式，这种控制方式的核心思想是根据驾驶员输入的驾驶意图，通过计算驾驶员在未来一定时间内可能的行为轨迹，规划出未来一段时间内车辆巡航时的行驶轨迹。其主要流程是根据驾驶员的输入，建立驾驶员意图模型，再通过前车速度和加速度计算出当前车辆与前车距离，并根据当前车辆的加速度和前车距离计算出下一时刻的车速，以根据下一时刻的车速和加速度为依据计算出当前车辆下一时刻的行驶轨迹。跟车工况预测巡航控制可以通过驾驶员意图模型、跟车距离模型和跟车速度模型，结合驾驶意图预测巡航控制算法，可以实现对未来一定时间内车辆巡航时行驶轨迹的优化，可以实现对未来一定时间内车辆巡航时行驶轨迹的优化。跟车工况预测巡航控制算法具有比较好的节能效果，但也存在着一定的局限性。该算法对驾驶员意图模型和跟车距离模型要求较高，当驾驶员对当前前车的意图不确定或者对当前前方路况不明确时，该算法修正的能力较差；而当道路交通情况复杂时，该算法无法得到最佳行驶轨迹。

3.3 怠速启停及滑行

怠速启停功能是指当车辆在怠速状态下时，根据驾驶员的意图和车辆传感器信息，控制发动机自动停止工作，这一功能在燃油车中很常见，但在智能网联汽车中很少使用。智能网联汽车中的怠速启停功能需要通过系统与整车控制单元进行通讯，其系统也需要与路径规划系统进行通讯，获取当前路况信息和道路信息，当车辆状态满足系统要求时，控制单元会自动关闭发动机。在此过程，智能网联汽车一般会采用怠速启停功能。在车辆怠速状态下，如果驾驶员意图是停车或起步，则需要进行停车或者起步操作；如果驾驶员意图是加速行驶、减速行驶、转向等操作，则需要在驾驶过程中进行驾驶操作。由于智能网联汽车的驾驶环境不同于传统燃油车，因此当驾驶环境发生变化时，需要重新进行驾驶操作。为了减少驾驶操作对燃油经济性的影响，智能网联汽车一般会采用滑行功能，当智能网联汽车滑行时发动机停止工作，而此时的车轮还在转动。由于智能网联汽车在行驶过程中速度非常慢，因此车轮转矩很小，因此采用滑行模式就可以避免车辆发生甩尾现象。在智能网联汽车中，使用滑行功能可以有效减少燃油消耗，但是在智能网联汽车中使用空挡滑行功能会影响驾驶安全性、降低车辆安全性等。

4 智能网联汽车节能优化研究进展

4.1 经济驾驶

经济驾驶是指在保证行驶安全的前提下，驾驶员通过改变油门踏板的开度、加速度、制动踏板开度和挡位等驾驶操作，以达到节能减排的目的。经济驾驶的研究目前主要集中在燃油经济性上，目前主要有基于神经网络的经济驾驶优化算法和基于人工蜂群算法的经济驾驶算法。在基于神经网络的经济驾驶优化算法方面，该方法将模糊逻辑控制用于确定油门踏板开度和加速度，根据动力系统工况实时调整油门踏板开度和加速度，以实现车辆动力性能和油耗最优。与其他基于神经网络的经济驾驶算法相比，该算法能够在保证安全性的前提下提高燃油经济性，现有研究主要集中于车辆行驶安全性和油耗优化两方面。

4.2 多车协同节能优化

智能网联汽车协同控制是指在同一时间、同一地点、不同的车辆间，通过信息交互，实现系统最优控制，是目前节能优化的热点问题。多车协同控制主要分为两种，如协同巡航和协同制动。协同巡航是指多辆智能网联汽车通过V2X通信将信息发送至车联网服务平台，由其进行协同规划和决策。最早的协同巡航控制研究是在2008年由美国伊利诺伊大学和普渡大学的研究者提出，将两辆车视为一个整体，在车速变化时通过协调的驾驶策略来维持车辆在较高的速度下行驶。基于这种思想，研究者提出了多种巡航控制算法，其中应用最广泛的是基于模糊逻辑的PID控制算法，该算法不仅可以保持车辆速度在目标速度附近波动较小，而且可以实现对车辆加速、减速和转向的控制。另一种方法是基于动态规划的节能巡航控制，这种方法能够实现车辆之间的协调合作，同时提高了车辆的燃油经济性。而协同制动是指在车辆行驶过程中，通过对汽车制动系统进行控制实现最优制动行为。传统协同制动是以驾驶人为中心的控制模式，但随着智能网联汽车技术的发展，多车协同制动成为一种趋势。目前基于智能网联汽车协同制动的研究主要集中在多车协同节能控制问题、基于模型预测控制的协同刹车优化问题以及基于多车协同的最优节能车速规划问题等。多车协同节能控制问题主要集中在汽车与智能交通系统、汽车与道路系统以及车辆与道路行人之间的信息交互。为减少因道路交通拥堵造成的能源浪费，提出了一种基于排队论和博弈论思想的多车协同节能优化方法，该方法将车辆按照排队论中固定等待时间序列进行排队，车辆按照确定时间序列到达目標位置时进行刹车操作以降低燃油消耗。

4.3 道路交叉口车路协同节能

道路交叉口是车辆的密集交汇区域，也是交通能耗的高发区域。交叉口信号控制方式多种多样，包括相位控制、绿波控制、冲突点控制、速度差控制等，通过优化信号配时参数，可以有效减少车辆在交叉口的时间消耗，可以实现车路信息共享，进而达到车辆节能的目的。目前车路协同技术的研究主要集中于城市道路交叉口，利用交叉路口智能信号机收集到的车辆行驶数据进行分析，提出信号配时方案并指导车辆驾驶。某一研究机构利用多传感器信息融合技术、无线传输技术及智能交通系统平台，对交叉口不同类型车辆进行研究，分析了车辆在交叉口行驶时的能耗特点，针对不同类型车辆在交叉口不同行驶速度下的节能优化问题，提出了基于V2X技术的智能信号机控制策略，并将其应用到智能交通系统中。而针对混合交通流环境下车辆节能问题，提出了一种基于模型预测控制与基于粒子群优化算法相结合的混合模型预测控制方法。近年来，随着智能网联汽车技术的快速发展和应用，智能网联汽车与道路交通系统之间的协同研究逐渐成为热点。

4.4 车云协同节能系统开发

智能网联汽车节能优化研究主要集中在车载终端的设计与实现，通过车载终端实时监测车辆状态，并将车辆状态信息传输到云端进行分析处理，从而实现对车辆的实时节能控制。随着云计算、物联网、大数据等技术的快速发展，智能网联汽车节能优化研究正从单一的车载终端向车云协同方向发展。车云协同节能系统可实现在汽车行驶过程中对车辆的实时监控，同时利用云端计算处理数据，通过优化算法实现对车辆的实时控制。

4.5 电气化公路系统

电气化公路系统是指在传统公路上安装电力设备，通过电气化技术使道路基础设施实现能源供给清洁化、低碳化、低成本化，从而提高道路运输的能效和安全性。该系统实施主要依赖于分布式能源技术、智能电网技术、电动汽车技术和汽车自动驾驶技术等关键技术的发展，在保证车辆安全性、行驶经济性的同时，减少道路能耗和碳排放。电动汽车是电气化公路系统的重要组成部分，在实现电动汽车推广应用的同时，需要考虑其充电功率与充电设施建设成本之间的匹配问题。为此，需要充分考虑不同区域电动汽车充电设施规划、充电负荷预测以及充电设施运行管理等方面，建立综合考虑电动汽车对道路基础设施需求和投资回报比的电动汽车布局规划方案。

4.6 未来发展展望

首先，多传感器融合技术的广泛应用将有助于提高车辆行驶过程中的感知能力，从而提高车辆在复杂道路环境下的行驶安全性。其次，基于車联网的智能交通系统将有效改善交通拥堵，并可利用实时交通信息为车辆提供最优路径选择。然后，基于环境感知和智能决策的驾驶员辅助系统，可使驾驶人更好地应对复杂多变的路况，并实现驾驶人与车辆之间的交互。最后，基于车路协同系统的智能网联汽车，可实现车辆与交通环境之间的实时通信，使车辆在复杂城市路况下实现高效行驶，并保证行驶安全。

5 结语

智能网联汽车通过多传感器信息融合技术，提高车辆的主动安全性能和智能化水平，从而实现节能减排。在道路交通中，车辆节能是降低能源消耗的重要途径之一，智能网联汽车在节能方面有着巨大的潜力。工作人员需要了解智能网联汽车的节能优化问题，明确其约束条件，提出节能优化方法，为智能网联汽车的节能优化提供一定参考。

参考文献：

[1]申永鹏，袁小芳，赵素娜，孟步敏，王耀南.智能网联电动汽车节能优化控制研究进展与展望[J].自动化学报，2023，49（12）：2437-2456.

[2]张玉果.跟车条件下智能网联插电式混动汽车速度优化与节能控制[D].导师：陈峥.昆明理工大学，2023.

[3]袁俊凯，邵金菊，韩文祥，王保林.智能网联混合动力汽车分层式节能优化控制 [J].山东理工大学学报（自然科学版）， 2023，37（03）： 54-61.

[4]贾伟娜，申杰.智能网联汽车云控系统原理及其典型运用[J].时代汽车，2022，（19）：13-15.