1.一种面向无线充电信号交叉口网联车辆的纵向速度引导方法,其特征在于,所述方法包括:根据网联车辆的车辆剩余电量状态选择个性化通行模式,所述个性化通行模式包括时间优先模式和充电优先模式;
以通行效率、车辆电量消耗和驾驶舒适度作为优化目标,以车辆初始状态、车辆行驶距离、车辆运动学参数、信号灯参数作为约束条件,并结合所述个性化通行模式,构建节能驾驶模型;
通过对时间离散化处理和对速度曲线规则化处理的方式,对所述节能驾驶模型进行改进和处理,优化得到近似节能驾驶模型;
应用粒子群算法对所述近似节能驾驶模型进行模型求解,计算得到最优决策变量;
根据所述最优决策变量生成车辆纵向速度建议曲线,并将其传递给所述网联车辆。
2.如权利要求1所述的面向无线充电信号交叉口网联车辆的纵向速度引导方法,其特征在于,所述通行效率的取决于网联车辆在预设控制区域的引导时间,所述通行效率的优化目标的表达式为:Ft=(tf‑t0‑Tmin)/(Tmax‑Tmin) (1)式中,Ft为所述通行效率的优化目标,t0和tf分别为所述网联车辆当前进入和离开所述预设控制区域的时间,Tmin和Tmax分别为所有历史轨迹中的最短通行时间和最长通行时间,n为所述历史轨迹的数量,t0(i)和tf(i)为第i次轨迹的进入和离开时间。
3.如权利要求2所述的面向无线充电信号交叉口网联车辆的纵向速度引导方法,其特征在于,所述车辆电量消耗取决于受到牵引力功率的电量损耗,以及无线充电道路和再生制动系统的电量补充,所述车辆电量消耗的优化目标的表达式为:Fe=(ENC‑ECharge‑Emin)/(Emax‑Emin) (4)式中,Fe为所述车辆电量消耗的优化目标,ENC为包括所述再生制动系统的电量补充在内的电量消耗,即净消耗电量与所述再生制动系统回收电量的差值,ECharge为所述无线充电道路的补充电量,Emin和Emax分别为所有历史轨迹中的最小总消耗电量和最大总消耗电量,ENC(i)和ECharge(i)为第i次轨迹的电量消耗。
4.如权利要求3所述的面向无线充电信号交叉口网联车辆的纵向速度引导方法,其特征在于,所述驾驶舒适度取决于所述网联车辆的速度变化、加速度变化,所述驾驶舒适度的优化目标的表达式为:2
式中,Fs为所述驾驶舒适度的优化目标,a (t)为所述网联车辆在t时刻加速度平值,Umin和Umax分别为所有历史轨迹中的最小加速度波动值和最大加速度波动值。
5.如权利要求4所述的面向无线充电信号交叉口网联车辆的纵向速度引导方法,其特征在于,所述通行效率、车辆电量消耗和驾驶舒适度的加权优化目标的表达式为:ω1+ω2+ω3=1 (11)
0<ωi<1,i=1,2,3 (12)
式中,L为所述加权优化目标,ω1、ω2、ω3为权重系数,表示用户的不同需求特征,ω1越大表示用户对所述通行效率的需求越高,ω2越大表示用户对所述车辆剩余电量的需求越高,ω3越大表示用户对所述驾驶舒适度的需求越高。
6.如权利要求5所述的面向无线充电信号交叉口网联车辆的纵向速度引导方法,其特征在于,所述车辆初始状态包括所述网联车辆的加速度、速度、位移之间的逻辑关系,以及所述网联车辆在进入预设控制区域时的时间、速度、位移,所述车辆初始状态的约束条件的表达式为:s(t0)=0,v(t0)=v0 (14)式中,x(t)为所述网联车辆在t时刻的状态向量, 为所述状态向量的导数,u(t)为t时间内加速度的向量表达,s(t)为t时刻的移动距离,v(t)为t时刻的速度,v0为进入预设控制区域的初始速度。
7.如权利要求6所述的面向无线充电信号交叉口网联车辆的纵向速度引导方法,其特征在于,所述应用粒子群算法对所述近似节能驾驶模型进行模型求解,计算得到最优决策变量,包括:初始化交通状态信息和粒子群算法中的超参数;
计算粒子群中的各个粒子适应度,并初始化粒子的个体最优解和全局最优解;
更新迭代粒子群中的各个粒子的学习因子、惯性因子以及个体最优和全局最优解;
在达到最大迭代次数或满足特定约束条件时终止,得到最优决策变量。
8.如权利要求7所述的面向无线充电信号交叉口网联车辆的纵向速度引导方法,其特征在于,ENC=EConsumption‑ERecovery (36)式中,EConsumption为所述网联车辆的牵引能量消耗,即净消耗电量,ERecovery为所述再生制动系统回收电量。
9.如权利要求8所述的面向无线充电信号交叉口网联车辆的纵向速度引导方法,其特征在于,式中,PT(t)为所述网联车辆的牵引力功率,PR(t)为所述再生制动系统回收电量功率。
10.如权利要求9所述的面向无线充电信号交叉口网联车辆的纵向速度引导方法,其特征在于,ECharge=PChargeTCharge (37)式中,TCharge为在所述无线充电道路上的充电持续时间,常量PCharge为无线充电功率。