互聯網地圖在汽車能量管理系統中的應用研究

摘 ?要：及時而準確地提供前方道路實時路況及坡度、曲率信息，可以有效幫助插電式混合動力汽車選擇最合適的動力系統運行模式和能量回收強度，最大限度地優化整個行程的系統效率。文章提出的智能能量管理系統基于互聯網地圖為車輛控制系統實時提供有效地圖信息，提升車輛的燃油經濟性，并提出了在云端路網中實現路線匹配的方法，從而由云端下發與指定路線相匹配的坡度和曲率信息，可以有效解決車載地圖模塊中缺少坡度、曲率的問題，以及坡度、曲率數據的鮮度問題，可為相關應用與研究提供參考。

關鍵詞：插電式混合動力汽車;互聯網地圖;智能能量管理;路線匹配;坡度;曲率

中圖分類號：P289;TP273 ? ? ?文獻標識碼：A 文章編號：2096-4706（2020）04-0150-03

Abstract：Providing real-time road condition，slope and curvature information in time and accurately can effectively help the plug-in hybrid vehicle choose the most appropriate power system operation mode and energy recovery intensity，and optimize the system efficiency of the whole journey to the maximum extent. The intelligent energy management system proposed in this paper is just based on the internet map to provide real-time effective map information for the vehicle control system and improve the fuel economy of the vehicle. This paper also proposes a method to realize route matching in the cloud road network，so that the slope and curvature information matching the designated route will be issued by the cloud. This scheme can effectively solve the problem of lacking slope and curvature in the vehicle map module，and also solve the freshness problem of slope and curvature data. The research results can provide reference for related application and research.

Keywords：plug in hybrid vehicle;internet map;intelligent energy management;route matching;slope;curvature

0 ?引 ?言

續航里程短、充電設備不完善、維修和保養成本高、電池價格昂貴等一系列問題依然是目前純電動汽車發展的重要瓶頸，因此插電式混合動力汽車（Plug-in Hybrid Electric Vehicle，PHEV）逐漸成為新能源汽車的重要組成部分[1]。

PHEV將傳統動力系統與純電動動力系統有機結合在一起，既解決了純電動汽車續航里程短的問題，又表現出了優越的節能環保能力。

由于PHEV存在多個能量源，能量管理系統自然成為PHEV的核心技術之一[2]?；谝巹t的能量管理系統主要依據試驗數據和工程經驗進行反復調試以控制閾值，容易實現，魯棒性好，但工況適應性差[3]?；谌謨灮哪芰抗芾硐到y，如動態規劃（Dynamic Programming，DP）算法，不僅算法復雜，而且需要預測行駛工況信息，難以用于實車控制[4]。

隨著汽車智能化、網聯化的發展，汽車部件及系統控制策略可以與互聯網地圖相結合，將實時路況、道路屬性及前方轉向等信息整合到PHEV能量管理系統中，大幅提升PHEV的工況適應性，改善燃油經濟性[5]。

1 ?智能能量管理系統

對混動車主來說，在選擇純電還是混動時，總有各種各樣的糾結。選擇純電模式，能耗和舒適性最佳，毫無疑問是短距離出行和有充電樁用戶的第一選擇。但對于中長途出行或者無充電條件的用戶，純電模式并不是最優選擇。

基于互聯網地圖的智能能量管理系統（Intelligent Energy Management System，IEMS）功能架構如圖1所示。它會自動根據整個行程的里程、預計車速、坡度、曲率、擁堵等信息提前規劃，調整發動機和電機的使用范圍，根據整個行程信息進行用油、用電分配，實時控制電池電量，發揮系統最高效率。

比如，行駛過程中收到來自地圖的前方擁堵信息，系統會在暢通路段利用發動機的高效區進行充電。雖然這一段會使得能耗偏高，但在接下來的擁堵路段，車輛能以低速、效率更高的純電模式行駛。最終整個行程的能耗更低，同時讓低速路段更加安靜、平穩。

IEMS還可以根據地圖信息了解前方是否有紅綠燈，知道車輛有較強的減速需求時，會在此時加大能量回收強度，回收更多的能量。這時，只需要開到紅綠燈前，松開油門，車輛就會在強能量回收的作用下較快減速，既符合駕駛員預期，同時也把能量存儲到電池包中，代替了剎車功能，降低了能耗。

2 ?云端路線匹配

與IEMS相關的地圖數據包括自車位置、導航狀態、道路類型、實時路況、通行速度、機動點、目的地、攝像頭、坡度及曲率等等。這些信息可以從不同角度幫助IEMS實現節能減排的功能。

在導航場景（用戶設置了目的地）下，IEMS可以從車載地圖模塊中直接獲取到路線詳情，但其中缺少道路坡度及曲率數據。

既然車載地圖模塊中無法直接獲取到坡度和曲率，那么就從云端接收。于是，我們在云端部署了含有坡度和曲率數據的全國路網。在導航場景下，車載地圖模塊的路線信息被上傳至云端，云端基于路線匹配算法將路線完整而準確地匹配到云端路網中，最終將云端路網中的坡度和曲率信息填充到路線中，并下發給車機。路線匹配過程如圖2所示。

2.1 ?地圖投影算法

地圖投影，就是借助路網信息將一連串位置點投影到數字地圖上的過程。我們所要匹配的路線就是一連串的位置點。

定義路線L={p1，p2，p3，…，pn}，pi表示經緯度坐標。

在路網中，路段表示為一條有向邊，它的屬性包括長度、通行方向、通行速度、起終點以及若干個形狀點。圖3中示意標出了s1、s2、s3及s4四條路段。

基于路線和路段的定義，地圖投影算法分為三個步驟：

第一步，以坐標點pi為中心，在一定范圍內篩選出候選路段集合。半徑值的定義在不同的場景下要求也不同。譬如，待匹配的坐標點是GPS定位結果時，由于GPS定位精度一般在5米～10米，那么半徑值就需要設置在10米以上。而本文中待匹配的坐標點本就是路網中的形狀點，一般誤差在1米～5米以內，所以半徑值可以相對設置較小，遇到候選路段集合為空的特殊情況時，再擴大半徑值。如圖4所示，在以坐標點pi為中心的圓形范圍內中可以選擇三條路段s1、s2及s3。

第二步，根據線段投影計算出三條路段上分別對應的投影點pi1、pi2及pi3。將一個位置點pi投影到不同路段上的多個點的集合，顯然是不合理的。我們需要將一個位置點準確地投影到本該屬于它的路段上。

第三步，通過觀察概率和傳遞概率來選擇最可能路段。觀察概率依賴于路網中的幾何信息，它是基于坐標點pi和投影點pij之間的距離而計算出的匹配概率。也就是說，在多個投影點中，與坐標點pi距離最近的投影點的觀察概率最大。

由于觀察概率沒有考慮坐標點的拓撲關系，通常會導致錯誤的匹配結果。如圖5所示，如果只考慮觀察概率，則pi對應的點是pi1，而實際應該是pi2。因為根據pi前一個坐標點pi-1的位置關系，很容易將pi1排除。

2.2 ?道路屬性匹配

在一般情況下，基于路網幾何信息和拓撲關系，地圖投影算法都可以準確地將路線匹配到路網上。但是，在一些特殊情況下，兩條路段的幾何信息和拓撲關系完全是一致的，此時我們需要進一步借助道路屬性信息來過濾掉不可能的候選路段。

如圖6所示，路線附近同時存在兩條路段，它們的幾何信息和拓撲關系非常相似，但是它們的道路屬性明顯存在差異。

前面提到，我們從車載地圖模塊獲取到的路線詳情里是含有道路屬性的。也就是說，每一個坐標點都有對應的屬性。借助這樣的信息，我們就可以很容易過濾掉不可能的候選路線。

道路屬性包括車道數、道路等級、道路名稱等。比如圖6中，如果坐標點pi對應的道路屬性是三車道主路，那么我們就可以輕松過濾掉候選路段中的輔路。

3 ?結 ?論

綜上所述，基于互聯網地圖的智能能量管理系統可以有效利用實時路況、坡度、曲率等信息預估車速變化，更合理地控制車輛在純電、行車充電、并聯模式中切換，更智能地選擇最合適的動力系統運行模式和能量回收強度。典型場景的實測數據顯示，目前的智能能量管理系統能夠有效節省能耗15%以上。

除了路況、紅綠燈、坡度、曲率等數據，互聯網地圖中還有很多其他有價值的數據值得挖掘。比如，IEMS可以自動判斷目的地附近是否有用戶常去的充電站。如有，則可以在接近目的地時更多地切換成純電模式。比如，IEMS可以自動識別前方顛簸道路，提前降速，增加能量回收強度。

基于互聯網地圖的智能能量管理系統一定可以利用越來越豐富的地圖數據，讓車輛更節能，讓天空更蔚藍。

參考文獻：

[1] 裝備工業司.關于2016-2020年新能源汽車推廣應用財政支持政策的通知 [R/OL].（2015-04-29）.http：//www.miit.gov.cn/n1146285/n1146352/n3054355/n3057585/n3057589/c3617158/content.html.

[2] 蘇嶺，曾育平，秦大同.插電式混合動力汽車能量管理策略研究現狀和發展趨勢 [J].重慶大學學報，2017，40（2）：10-15.

[3] Anbaran S A，Idris N R N，Jannati M，et al. Rule-based supervisory control of split-parallel hybrid electric vehicle [C]// Energy Conversion （CENCON），2014 IEEE Conference on. IEEE，2014：7-12.

[4] Zhou W，Yang L，Cai Y，et al. Dynamic Programming for New Energy Vehicles Based on Their Work Modes Part I：Electric Vehicles and Hybrid Electric Vehicles [J].Journal of Power Sources，2018，406：151-166.

[5] 王旭，杜光乾，黃勇，等.考慮交通信息的PHEV電量消耗軌跡預測與跟隨算法研究 [J].重慶理工大學學報（自然科學），2018，32（8）：1-7.

作者簡介：孫和成（1984-），男，漢族，江蘇鹽城人，碩士，研究方向：互聯網地圖。