摘要：融合技术接受模型和信息系统成功模型框架,设计了李克特7级量表问卷,探究了不同驾驶场景下驾驶员对生态驾驶诱导辅助系统的使用意愿和对诱导信息的认知偏好。研究表明,驾驶员倾向于接受以语音形式警示非生态驾驶行为的诱导信息类型。在城市道路上,提高诱导辅助系统的感知有用性和感知易用性有助于提高驾驶员对系统的接受度。在城市快速路上,诱导辅助系统的感知有用性和感知易用性仅对高峰场景下的驾驶员使用意愿有显著正向影响,平峰场景下影响驾驶员使用意愿的具体因素仍需在未来诱导实验中深入探究。

摘要：在互联和自动驾驶环境下,生态驾驶具有显著的潜力,可提高交通效率并降低能源消耗和排放。本文探讨一种基于深度强化学习算法的生态驾驶策略,该算法可优化互联自动驾驶汽车(CAV)的纵向操纵和横向决策;将状态空间分为与车辆动态特性相关的局部变量,以及与信号交叉口相关的全局变量,确保CAV与环境之间的充分互动;奖励函数综合考虑了车辆的驾驶要求,与信号灯的协同作用以及全局节能激励因素;此外,设计一个典型的城市道路场景训练模型。结果表明,在信号灯和智能体输出协同控制下,本文提出的策略可以实现CAV的生态驾驶,并确保CAV准确驶入目标车道;在动态交通环境下进行仿真显示,通过控制多辆CAV引导人工驾驶车辆,本文方法可将交叉路口的通行能力提高约17.90%,并将交通系统的燃料消耗和污染物排放降低约8.76%。

摘要：为了进一步提高自动驾驶汽车在交叉路口行驶时的燃油经济性,基于模型预测控制(MPC)理论,量化分析了车辆安全性、经济性、舒适性等多性能指标函数及约束,并设计了以经济性为主的交叉路口自动驾驶汽车生态驾驶控制器。仿真结果表明,所提出的控制策略能够保证良好的安全性和舒适性,与LQR控制器相比,在有前车影响和无前车影响工况下的百公里油耗分别降低15.83%和34.98%。

摘要：为了提高智能网联汽车在复杂城市交通环境下的乘坐体验,本文提出一种基于深度强化学习的考虑驾驶安全、能耗经济性、舒适性和行驶效率的多目标生态驾驶策略。首先,基于马尔可夫决策过程构造了生态驾驶策略的状态空间、动作空间与多目标奖励函数。其次,设计了跟车安全模型与交通灯安全模型,为生态驾驶策略给出安全速度建议。第三,提出了融合安全约束与塑形函数的复合多目标奖励函数设计方法,保证强化学习智能体训练收敛和优化性能。最后,通过硬件在环实验验证所提方法的有效性。结果表明,所提策略可以在真实的车载控制器中实时应用。与基于智能驾驶员模型的生态驾驶策略相比,所提策略在满足驾驶安全约束的前提下,改善了车辆的能源经济性、乘坐舒适性和出行效率。

摘要：智能交通系统技术的发展为进一步提高车辆驾驶性能带来了新的机遇。插电式混合动力汽车的生态驾驶涉及到3个问题,分别为如何利用动态交通信息对纵向行驶速度进行规划,动力电池SOC全局最优快速规划,以及动力系统实时能量管理。为此,本文中设计了一种结合通精度模型的兼顾计算效率与求解精度的分层式控制策略。上层控制融合了动态交通信号灯信息,通过对车辆行驶速度优化提高了驾驶舒适性,中层则通过对动力系统模型拟合近似,利用凸优化算法实现了SOC快速全局最优规划,为消除拟合模型产生的误差,下层则基于原始非线性模型,通过反馈控制,构建了一种自适应等效燃油消耗最小值策略(A-ECMS)。结果表明,车辆的驾驶舒适性相比于没有速度优化的策略提升了75.92%,且燃油经济性相比于两种常用的基于线性规划的策略分别提升了7.39%与10.91%。

摘要：针对城市道路合流区生态驾驶策略的研究,需考虑真实场景车辆运行车速特性。通过分析车速的累积频率、分布趋势、特征百分位值等统计特性,得出平/高峰时段下合流区车速的差异性及高峰时段下合流区车速及加速度的运行特性。结果表明:高峰时段交织区车速分布为相对集中的左偏分布,平峰时段交织区车速基本符合Gaussian分布;高峰时段合流区车速紊乱分布于[0,20.0]km/h,平峰时段合流区车速有序分布于[7.5,45.0]km/h;高峰时段合流区纵向加速度与车速关系的散点分布呈不等腰三角形,而纵向减速度与车速关系的散点分布呈直角三角形;高峰时段合流区纵向加速度分位值折线图呈现M形,纵向减速度分位值折线图呈现出明显的上升趋势。该车速状态估计模型拟合程度指标达79%以上,精度满足要求,可为生态驾驶车速估计研究提供一定理论参考。

摘要：为避免车辆在信号交叉口频繁地启停和加减速,减少车辆通过信号交叉口的能耗和排放,本文提出了一种考虑排队长度的信号交叉口生态驾驶轨迹优化模型。首先,基于构建的交叉口场景提出了“单次踏板”生态驾驶行为的定义和基本原则。其次,考虑交叉口交通信号和排队信息,将生态驾驶行为分类为“加速-滑行”“减速-滑行”和“匀速-滑行”三种驾驶模式,并构建了相应的数学模型。最后,设计数值仿真实验分析了不同场景参数对目标车辆的CO_(2)排放和驾驶员操作容错性的影响。结果表明:(1)本文提出的“单次踏板”生态驾驶行为可以适应交叉口不同的场景特征,进而得到了异质性最优驾驶计划。(2)基于可接受加速度区间的设置,能够限制一定范围的驾驶员操作容错性。(3)与常规驾驶计划相比,“单次踏板”生态驾驶行为下的最优驾驶计划可以减少频繁的加减速,实现更为平稳的驾驶轨迹,能够减少超过2%的行程时间和20%的CO_(2)排放。因此,本文提出的生态驾驶模型具有操作简单、鲁棒性强等特点,能够实现生态驾驶,达到节能减排的目的。

摘要：文章分析了基于驾驶模拟技术的车路协同生态驾驶预警系统,探讨了节能减排效果分析方法与指标体系。通过实验设计和数据采集,为车路协同生态驾驶预警系统的发展和应用提供理论和技术支持,为促进节能减排,实现可持续交通发展提供参考。

摘要：以探究生态驾驶行为的一般性评估方法为目的,设计生态驾驶行为静态培训有效性评估实验,采用柯氏层次评估模型对数据建模,通过对比分析主客观数据,形成对培训效果在反应、学习、行为、效果各层面上的一般性评估方法,指导培训过程中的优化.结果表明:静态培训在各层面上均有改善,可以提高驾驶员的积极性与生态性,降低环境污染,提升经济效益,为生态驾驶培训的应用与推广奠定基础.