乘用車高級駕駛輔助系統節油技術發展現狀

錢國剛，閆 禎，李 春，汪 洋，方茂東，夏 偉

（1.中國汽車技術研究中心有限公司，天津 300300；2.索恩格汽車部件（中國）有限公司，湖南 長沙 410129）

0 引 言

高級駕駛輔助系統（Advanced Driver-Assistance System，ADAS）與互聯自動駕駛車輛（Connected and Autonomous Vehicles，CAV）可以減少駕駛勞累及交通事故發生，達到節能省油目的。近年來，ADAS和CAV發展迅速[1]，在能源效率方面也有所側重。ADAS在2001年5月由歐洲成立的高級駕駛輔助系統接口規范聯盟（Advanced Driver-Assistance System Interface Specifications Forum，ADASIS Forum）提出；2012年發布了第2版標準說明，闡釋了數據精簡性、可擴展性、協議測試軟件模塊配套等優點，得到推廣應用；當前為第3版，依托車載以太網傳輸數據。

美國在ADAS方面的先期探索項目包括UMTRI（University of Michigan Transportation Research Institute，美國密歇根大學交通研究所）和安娜堡市在2011年的Safety Pilot Model Deployment[2]和UMTRI等3家機構在2015年的能耗效率研究[3]。

1 歐盟的研究和舉措

歐盟在ADAS/CAV方面的科研項目和法規包括eCoMove、Eco-innovation，Horizon 2020 L3 Pilot等，以及中遠期Horizon Europe。

1.1 歐盟2014年之前的研究

面向油耗最優的行駛控制，歐盟32家單位在2010年組成聯盟運作了eCoMove項目[4]，如圖1所示。“V2C”表示“從車輛發送到交通管理中心”，“V2I”表示“從車輛發送到基礎設施”，“V2V”表示“從車輛發送到車輛”。

圖1 eCoMove系統信息流示意圖

eCoMove分析了增加油耗的典型因素，包括擁堵、路線非最優、車-路紅燈信息欠透明、激烈駕駛等，需借助信息流幫助駕駛員達成更優的路線選擇和更節油的行駛。節油策略包括交通燈控制優化、不當駕駛習慣糾正、導航、停車導引、高速公路管理優化等。節油能力可以達到4%～25%，在道路交通較飽滿時可達到12%。其中定義了生態平臺（eco Horizon），如圖2所示，在信息流、地圖、導航、協作平臺、狀況模型、策略模型、人機界面等方面引入了生態視角。

圖2 生態平臺（eco Horizon）運行機理

普及V2X（從車輛發送到外界）技術是eCoMove應用的前提，生態平臺適當地延時綠燈來放行車輛或車隊，提高總體通行效率。I2V（從外部設施發送到車輛）信息流賦予了交通控制更多靈活性，通過預先獲悉交通燈的切換過程、鄰近車輛速度和車道信息，車輛計算給出建議車速。駕駛員對系統的熟悉、信任和遵行程度也會影響節油效果。

1.2 歐盟2014年后的研究——Horizon

1.2.1 AdaptiVe項目

AdaptiVe辨析了駕駛員的需求、歐盟立法環境、測試評價，并定義了自動駕駛Level1～4。

1.2.2 MAVEN項目在V2X的新進展

MAVEN（Managing Automated Vehicles Enhances Network，自動駕駛車輛增強運行網絡）從I2V（Infrastructure to Vehicle，從基礎設施發送到車輛）單向溝通升級為兩者間雙向互動。借助網絡和衛星傳輸技術以及本地動態地圖LDM（Local Dynamic Map，本地動態地圖），使CAV車輛與廣泛基礎設施系統可靠地交互，特別是在已信號化的交叉路口和擁有狹窄通道的城區，達到CACC（Cooperative Adaptive Cruise Control，協調自適應巡航控制）的目的。

結合V2I（從車輛發送到外部設施）和V2V（從車輛發送到車輛），MAVEN用模型模擬了GLOSA（Green Light Optimal Speed Advisory，綠燈優化推薦速度）技術。模型中嵌入了EAD（Eco-Autonomous Driving，生態自動駕駛）組件，減少了車輛走走停停的動作和急加減速。在EPA（Environmental Protection Agency，美國環保局）5循環工況下節油3%，在Austin循環下節油6.55%。Austin循環是基于Austin市2006年的車速路譜庫編制而成，包括市區、市郊兩部分[5]。

德克薩斯大學Austin分校采用二次方樣條數據插值（spline）運算來模擬生態自動駕駛。短行程被轉換時保持里程不變，以對應實際應用[6-7]。

1.2.3 L3 Pilot——L3級功能大規模試用

L3 Pilot項目承繼了AdaptiVe研究成果，進一步關注自動行駛車輛如何有效地融入歐洲的交通基礎設施[8]。項目調用了36家單位、100輛自動駕駛汽車、1 000名駕駛員，在歐洲11個國家開展，2017～2021年運作L3級功能大規模試用，并對一些L4 級功能進行評估，0.47億歐元資金中有77%來自歐盟。L3 Pilot開發出實踐準則，闡述了設計、開發自動駕駛功能的典型過程，包括檢查清單、功能安全的確認操作方法等。

1.2.4 Horizon 的下一階段

歐盟委員會2018年6月發布平臺歐洲計劃（Horizon Europe），提出2021～2027年的研究與創新藍圖，有超1/6的資金投入在氣候、能源與交通方面。

1.3 歐盟生態創新技術Eco-innovation

同時滿足7個條件的技術可以被認定為生態創新[9]，條件有創新性、基礎性（乘員舒適方面的除外）、可驗證性、可計量性、在傳統測試方法里未體現或未充分體現CO2削減能力、普及率小于3%、以及未被法規（EU）No 725/2011的第2（1）條所包括。歐盟已批準了26項，并給予了CO2排放減計，其中Bosch公司的兩項涉及ADAS[10]1，[11]1。

2 美國的研究和舉措

NEXTCAR（Next-Generation Energy Technologies for Connected and Automated on Road Vehicles，CAV次世代能源技術）[12]1，為美國ARPA-E的7個專題之一，在2016/2017財年有10余個子項獲得合計0.35億美元資金。

NEXTCAR項目在2019年有多篇SAE論文：General Motors 側重車輛和交通場景仿真[13]，PSU（Pennsylvania State University，賓夕法尼亞州立大學）辨析了重型車的列隊跟馳兼顧發動機冷卻系統的冷卻風需求[14]1，MTU（Michigan Technology University，密歇根理工大學）開展了車輛及循環工況的仿真及測試[15]1，SwRI（Southwest Research Institute，西南研究院）探索實踐了臺架測試方法[16]1，OSU（Ohio State Universiy，俄亥俄州立大學）關注各節油技術潛能[17]。

2018年OSU還發布了空擋滑行的性能提升[18]1和預測性巡航控制的非線性仿真[19]1研究成果。CSU（Colorado State University，科羅拉多州立大學）改裝2010款Prius，研究了基于V2V的車速預測改善HEV燃油經濟性[20]1、以ADAS改善車輛燃油經濟性[21]，以及以控制來提高燃油經濟性的預測實現[22]。

3 節油潛力分析

3.1 列隊跟馳和交叉路口信號燈優化

車隊列隊時各車間距拉近，跟馳車輛的風阻得以減小，然而不同機構對商用車列隊跟馳的節油效果預期有較大出入。PSU認為在兼顧車輛發動機熱管理所需冷卻風量的前提下[14]8，列隊跟馳技術在時長約2.4 h的Composite Highway循環里節油率為2.5%。劍橋大學研究[23]則提出更樂觀的節油預期值7%。

列隊跟馳車隊有更多機會被安排為綠燈放行。MAVEN項目以SUMO軟件模擬乘用車市區行駛，為模擬列隊跟馳車輛綠波專門開發了Simpa插件。

CACC（Cooperative Adaptive Cruise Control，協調自適應巡航控制）在保證及時到達目標地點的前提下，協調交通控制和車輛內部系統，促使車輛的動力系統盡可能多地工作在高效率范圍。其中進行車速平滑的方法有得克薩斯大學Austin分校的spline smooth方法和SwRI的CAV-PT方法等，后者使2017款PHEV Prius Prime在US06循環下節油2%[16]6。

在市中心，相當比例的燃油耗費在尋找空車位的游蕩和泊車入位時揉車過程，MIT曾測算這一比例為30%，ADAS的泊車導引和主動泊車技術可有效減少浪費。

3.2 道路坡度利用

道路坡度對應著勢能，可以對其加以利用。Bosch公司在2013年獲批了生態創新項目基于導航的HEV SOC預調節技術[10]3。其中CO2排放值減計額按式（1）計算，測試需采用能夠模擬坡度阻力的轉鼓測試系統。在測量生態創新的油耗時，轉鼓按照圖3所示實時車速以及道路坡度曲線對車輛施加阻力負荷，外部存儲設備實時地向車輛GPS信息入口發送模擬GPS數據和坡度數據流，展示ADAS操控車輛的狀況。

式中：BMC為基準車輛在測試規程下取得的袋采總油耗值；EMC為生態創新車輛在調整了車速曲線測試中袋采總油耗值；UF為利用系數，取值0.15。

圖3 基于導航的HEV SOC預調節測試的車速和坡度

空調系統可以設置在車輛到達坡頂之前加強制冷，進一步降低乘員艙溫度，避免隨后的下坡過程中出于制冷目的而運轉發動機。OSU采取了坡度信息處理的先進算法ANLMPC（Adaptive Nonlinear Model Predictive Controller，主動非線性仿真預測控制），與自適應巡航技術相比，某典型測試道路的換擋頻次從90次削減至38次，進一步節油4.33%[19]12。

3.3 PHEV的SOC管理

MTU采用PHEV Volt Ⅱ進行Run5與Run6對比試驗見表1，兩次試驗在同一段38.3 km的道路上開展，最高車速約90 km/h，主要分布在開始和結束時段，中間時段車速為0～50 k m/h。Run5的SOC初始比Run6下多儲能1.84 k Wh，但Run6總耗能值比Run5僅多0.84 kWh[15]12，由此可以得出，將基于ADAS/CAV的預見性節油駕駛與減輕車重相結合，可以使PHEV少耗能1 kWh。

表1 PHEV Volt Ⅱ的Run5與Run6試驗

結合V2V通信和具有先前駕駛記錄的駕駛循環數據庫進行速度預測，可以優化HEV的能源管理。CSU（California State University，加利福尼亞州立大學）研究[20]7認為在兼顧預測時段區間和保真度后，非插電式2010款Prius車可最多節油6%。

清華大學將基于多種交通信息設計工況自適應能量管理策略應用在PHEV客車上，發現比CDCS（先電量消耗模式Charge-Deplementing Operating Condition，而在電量降至“平衡狀態”時轉為電量保持模式Charge-Sustaining Operating Condition）策略可以節油最多15%[24]，兩種策略下SOC曲線對比如圖4所示。

圖4 PHEV客車在兩種策略下的SOC曲線

3.4 48V技術及αDSF技術

車輛節油能力取決于其部件控制的綜合效果。線控各電氣部件作動時，48 V電氣架構擁有優于12 V系統的功率性能和響應。ADAS／CAV提供預約性的控制信號，使電氣部件狀態提前調整就緒。48 V支持的低速電爬行、電動增壓加速、制動能量回收、懸架主動降低、進氣隔柵主動調節、滑行等技術可獲得更充分的作動時機。

αDSF（α Dynamic Skip Fire，智能化動態跳躍點火技術）停缸技術使每個氣缸獨立受控。例如4缸機，αDSF可以實時地安排4個氣缸都工作，或者0～3個氣缸工作[25]；mDSF（miller cycle Dynamic Skip Fire，米勒循環動態跳躍點火技術）使各氣缸新增了一項低功率工況。在mDSF 4缸發動機曲軸轉過720°CA的過程里，各氣缸做功狀況排列組合選項個數達81。αDSF借助雷達等感知設備以及X2V手段可以實時獲知全面信息，包括車輛位置、交通流、坡度、地形、障礙物、交通燈和駕駛員加速訴求信息等，從而計算出實時的和預期的發動機輸出扭矩指令值，進而生成兼顧燃油經濟性的氣缸工作狀態命令。ADAS/CAV使DSF作動下的車速調整示意如圖5所示，勻速工況增多。

圖5 無αDSF及有αDSF下的車速曲線

通過綜合運用ADAS、DSF及48V技術，OSU與德爾福公司等在道路測試中達到了節油15%。

3.5 空擋滑行優化

斷油帶擋滑行、空擋怠速滑行和空擋熄火滑行都是節油的技術手段，其中空擋熄火滑行更節油，借助48 V電機回收制動能量并提供額外的制動力保障，奔馳某車型已可以不受制動系統過度損耗和制動欠及時充分等因素的制約，在某些緩減速時段達成發動機熄火滑行，該技術在脫離滑行模式重新加速時有動力遲滯的風險，可修改離合器控制來減輕遲滯，更有效的解決手段是依托ADAS/CAV改進作動時機。

2018年，由Bosch公司及歐、日、美、韓13家整車企業共同申請了發動機怠速滑行技術生態創新[11]3-11，行駛阻力免除了發動機泵氣損失，達成節油。車輛在NEDC（New European Driving Cycle，新歐洲測試循環）循環測試里可按照圖6所示的變更弧形曲線（mNEDC）行駛，其中m為modified的首字母，即對局部加以變更的NEDC曲線。額外節油量由公式（2）計算得出，式（2）中利用系數UF值取決于車輛變速器類型及ADAS等因素。與手動擋相比，自動擋變速器擴充了車輛行駛的適合滑行范圍，則利用系數UFMC自動擋大于UFMC手動擋，UFMC自動擋取值0.52，UFMC手動擋取值0.48。類似地，交通燈信息、周邊交通參與者信息和道路坡度等信息也有助于提升UF。

式中：c為轉化系數，取值0.96；BTAhot為基準車輛在型式試驗（NEDC）熱啟動下的袋采油耗值；EMC為生態創新車輛在調整了車速曲線測試中的袋采油耗值。

圖6 Bosch公司滑行技術的mNEDC行駛曲線（空擋為弧形曲線對應時段）

空擋怠速滑行實施效果的主要不利因素是車前道路交通不夠寬松，使應用路程過短，以至于車輛動量的利用程度不及斷油帶擋滑行。在緩減速過程里，兩種技術下的瞬態噴油相對高低隨著時間變化如圖7所示。假設車輛從60 km/h減速，最初兩者都不噴油；隨后，空擋怠速滑行下發動機轉速較早跌落至發動機喚醒轉速閾值RPMw（Revolutions Per Minute，轉每分），在tN-I-C時刻發動機開始怠速噴油；斷油帶擋滑行下的反拖作用使發動機轉速跌落慢，降至RPMw的時刻為tD-F-C。若車輛緩減速過程截止在0～tN-I-C，兩者節油基本相同；若截止在tN-I-C～tD-F-C，則斷油帶擋滑行更節油，因為此時發動機無怠速噴油；若在tD-F-C之后很快截止，仍是斷油帶擋滑行更節油；若在tD-F-C許久之后截止（圖7中“后續時間”），滑行距離增長的收益和怠速噴油率值較小的綜合收益總體上將大于斷油帶擋滑行下的油耗節省，空擋怠速滑行更節油。采用何種滑行策略應因時施策，隨交通狀況而定。OSU研究[18]2-5提出了基于ADAS/CAV技術的NCC（Neutral Coasting Control，空擋滑行控制）管理策略，根據車輛前方駕駛狀況的良好態勢感知信息作決策，用于識別更好的滑行機會，摒棄那些被預測為駕駛員很快作出干預行動、即使滑行也會因駕駛員的重新加速或制動而終止的偽空擋怠速滑行時機。NCC策略在市區及市郊均可節油約3%。

再者，配備了儲冷蒸發器的48V技術車輛可以使35℃環境NEDC循環下的滑行過程得到進一步延展，促成節油5%[26]。

圖7 帶擋滑行與空擋滑行下發動機轉速及瞬態噴油情況

3.6 其他相關因素

ADAS/CAV新增的各部件在運行時消耗電能，相當于間接耗油。中心式計算架構的CAV在基于相同且完整的數據集開展運算以作決策時，處理數據的功率需求可以降低一個數量級。電耗過高問題的解決手段是針對智能駕駛車輛采用特種集成硬件芯片。

4 總 結

借助ADAS/CAV，車輛從“臨場知覺”變為“先知先覺”乃至“互通知覺”，歐盟、美國均有諸多課題在研究其節油潛力。當智能、互聯、電氣操控三者達到有機協同時，在V2X及X2V支持下，車輛被道路設施及友鄰車輛“行以方便”而順暢通行的機會增多。這其中節油潛力也來自更廣泛的信息指引，包括互聯化提供的坡度地形等當地大數據、車輛部件系統的智能化安排、預調整等。