智能車輛生態性避障換道軌跡優化研究

摘 要： 為降低智能車輛自主換道時的燃油消耗及排放，針對避障場景提出一種換道軌跡優化策略。首先根據無障礙場景，通過解耦車輛換道時的橫縱向運動，求解多項式換道軌跡；其次根據避障換道場景，結合雙五次多項式規劃算法和解耦所得換道軌跡求解避障型換道軌跡，通過多目標遺傳算法優化車輛避障型換道軌跡，求出車輛生態性最優的換道軌跡車速；最后將仿真得到的優化前后的速度軌跡代入由車輛實驗所得的油耗排放三維MAP 數據庫，得出車輛以優化前后的速度軌跡行駛時的油耗與排放。仿真與實驗結果均表明所提出的換道軌跡優化策略可以提高車輛換道時的生態性，驗證了所提出的換道軌跡優化策略的可行性。

關鍵詞： 智能車輛; 換道軌跡; 生態性; 多目標遺傳算法

中圖分類號： TB9; U463.6 文獻標志碼： A 文章編號： 1674–5124（2024）11–0160–07

0 引 言

隨著汽車保有量的增加，交通節能與排放問題也日益突出。研究表明，車輛運行時的油耗及排放與車輛的運行狀態相關[1]。當前智能車輛的研究主要基于安全性、準確性和穩定性[2-3]，隨著技術的成熟，學者們開始在智能車輛安全性的基礎上考慮如何提高車輛運行時的生態性。

為了實現生態性車輛控制策略，國外內學者提出了很多優化控制方法， Wu[4] 等提出了一種基于Lagrange 算法油耗優化系統，節油效果可達20%；王建強[5] 等通過考慮瞬時道路坡度信息，提出了一種車輛經濟車速動態規劃算法，節油可達5%；金輝[6] 等通過對換道時的車速進行動態規劃研究，得到了節油8% 的結論；Ding [7] 等通過研究換道時間、距離和車輛的期望狀態，在保證換道安全的前提下提高燃油經濟性；Liu [8] 等通過深度學習優化決策，改變換道車速得出在確保安全性的前提下減少24% 的燃油消耗的結論。

綜上所述，當前對于智能車輛生態性的研究主要考慮燃油經濟性，對于減少尾氣排放研究較少。本文通過針對無障礙場景下換道運動解耦求解多項式換道軌跡，并結合解耦所得換道軌跡和雙五次多項式規劃算法求解避障場景下的換道軌跡，通過油耗排放模型建立目標函數，利用多目標遺傳算法優化智能車輛避障場景下的換道軌跡車速，得出車輛生態性最優的速度軌跡。最后通過仿真與實驗驗證所提出的生態換道軌跡優化策略的可行性。