本发明涉及电动汽车整车热管理，尤其是涉及一种多车道自适应节能巡航控制方法。
背景技术：
1、随着车载先进传感器的应用以及车-路-网技术的发展，地面车辆能够获取前车信息和前方道路信息，用于设计预测运动控制，实现先进辅助驾驶功能甚至是高等级的无人驾驶技术。其中，自适应巡航控制是实现高级别自动驾驶的重要技术，其控制效果直接影响到车辆跟驰的安全性、舒适性与经济性。
2、因此，基于道路信息和交通状况的自适应巡航控制方法对实现安全、节能、高效的辅助驾驶具有重要意义。
3、目前，车辆巡航控制技术已经得到广泛研究。现有方法主要在单车道环境下进行，忽略了真实场景中交通流的动态性与多车道的复杂性，无法充分利用交通流信息进行优化控制。当前，缺少同时考虑横向换道决策与纵向车速规划的多车道节能巡航控制方案。道路交通流的不确定性、巡航控制性能与计算负荷之间的权衡是设计多车道自适应节能巡航控制的主要难点。
技术实现思路
1、本发明的目的是提供一种多车道自适应节能巡航控制方法，提出的多车道自适应节能巡航控制方法兼顾舒适性、安全性、节能效果与通行效率，具备工程应用价值。
2、本发明提供了一种多车道自适应节能巡航控制方法，包括以下步骤：
3、s1、前方道路数据与周围交通流信息获取，并在空间域上对道路坡度进行采样；
4、前方道路数据获取：自车通过v2x设备连接全球地理信息系统来获取其行驶路线的海拔高度数据；
5、周围交通流信息获取：车辆依据车载传感器检测所有车道的前方和跟随车辆，并能够测量车辆之间的距离。
6、在空间域上对道路坡度进行采样：以等间距∆s为10m离散前方道路，对道路坡度和限速信息进行采样。
7、s2、采用自学习型马尔科夫速度预测方法对前车车速进行短期预测；
8、加速度状态转移矩阵离线训练：在实现马尔科夫速度预测之前，先使用一个由多种标准驾驶工况组成的离线数据库对加速度状态转移矩阵进行训练；
9、s3、多车道节能巡航优化问题建立；
10、选取优化变量：选取车辆标称动能、通行时间作为状态变量，选取车辆加速度为控制量；利用车辆纵向动力学，建立动能、时间、加速度之间的状态转移方程；
11、；
12、；
13、其中，是时间步；是距离采样间隔；表示在时间步时的车辆标称动能；表示不同的车辆；
14、建立系统变量约束：车辆动能不能超过道路限速对应的上限，为保证舒适性，车辆加速度需保持在一定范围，为保证车辆通行效率，设定道路最低通行速度，为限制对跟随车辆的负面影响，用时间间隔约束来过滤变道空间，建立系统变量约束方程；
15、；
16、；
17、；
18、是在时间步时；第辆车的电机扭矩；是电机扭矩模型中的系数；用于定义电机扭矩的上下限，face函数表示根据电机扭矩和最大动能计算加速度的过程；
19、建立跟车安全约束：自车需要满足跟车安全，约束了安全跟车距离；
20、；
21、表示在位置处某车的通行时间；表示在相同位置处前车的通行时间；表示运行的最小时间间隔；
22、设计优化目标：以能耗最低为优化目标；
23、；
24、其中，表示单位距离上的能耗；表示总的采样点数量；是安全相关的惩罚因子；用于在优化目标中权衡安全的重要性，表示安全冗余变量；
25、s4、多车道节能巡航优化问题求解与在线车速控制；
26、确定预测域，调用交替方向乘子法计算优化问题，将最优加速度信号和换道信号用于控制车辆的横向与纵向动作，滚动向前进行优化与控制。
27、优选的，统计状态转移事件：统计每个当前加速度值转移到其对应的下一个时刻加速度值的样本数量，记为，为状态空间大小；为未来即时的指数；；为加速度网格长度为加速度曲线测试长度，统计离线轨迹中与值相等的样本数量，记为；
28、状态转移矩阵计算：根据状态转移事件的样本数量，在预测时间范围下，未来某一时刻 q的转移概率矩阵可由样本数量的比值得到；
29、；
30、再根据样本数量、，二者分别与加速度曲线测试长度的比值分别表示两种事件在曲线中出现的频率，即：
31、；
32、建立频率矩阵、，则未来某一时刻下的状态转移矩阵也可计算为：
33、；
34、最后根据所述加速度，，记录其在加速度状态网格中的位置索引、，将数据存储在所述状态转移矩阵对应位置。
35、优选的，在步骤s2中，定义自学习因子：根据事件频率、，推导其递归形式，可得：
36、；
37、其中，表示离线数据中在时刻后加速度从转移到加速度值为的样本数量，，同理可得；
38、；
39、根据两式的递归形式，某一时刻下的状态转移矩阵可计算为：
40、；
41、其中表示离线数据中当前加速度从转移到其对应的时刻后加速度值为的样本数量，∈{0,1}，其中为引入的马尔科夫学习系数；
42、在线速度预测：获取当前时刻的速度值和加速度值，根据状态转移矩阵，获取对应的转移概率向量，得到加速度预测值，即：
43、；
44、接着通过将前个预测加速度值相加，再加上当前速度值，得到在未来个时间步长内的速度预测值，即：
45、。
46、优选的，在步骤s3中，计算车辆能耗：依据车辆速度与输出转矩换算得到驱动电机的转速与转矩，通过查询电机特性图获取电机当前效率，结合电池模型计算车辆当前能耗。
47、优选的，在步骤s3中，将优化问题嵌入模型预测控制框架，调用分布式优化算法进行模型预测控制问题的求解，获取当前预测域内的最优车速控制策略。
48、优选的，在步骤s3中，横向最优换道规则：提出的新的车道变换算法根据车道成本的最小化来选择最优车道；首先，初始化当前车道的成本以及左侧车道的成本和右侧车道的成本，并根据上述步骤更新车道成本，然后引入一个阈值和惩罚项用于限制变道的频率和激进性，同时检查左侧和右侧车道是否存在潜在的碰撞风险，若某一侧车道的成本低于当前车道的成本，且变道是安全的，那么选择向该侧变道；若当前车道的成本已经是最低，或两侧车道的成本都不满足变道条件，则保持在当前车道；选择了变道方向后，执行相应的换道操作，确保在变道过程中保持安全距离，避免与其他车辆发生碰撞；最后，在行驶过程中，持续监测周围交通状况和车道成本，动态更新车道选择策略，以适应变化的交通环境。
49、优选的，在步骤s4中，设计一种基于交替方向乘子法的解决方案，解决多车道节能巡航优化问题：选取主变量与对偶变量，设计增广拉格朗日函数并形成标准化的交替方向乘子法优化问题，采用牛顿法进行主对偶变量的更新，直至收敛条件满足；向前滚动优化控制：更新车辆位置及预测信息，重复滚动优化问题求解与在线车速控制。
50、因此，本发明采用上述的一种多车道自适应节能巡航控制方法，提出的多车道自适应节能巡航控制方法兼顾舒适性、安全性、节能效果与通行效率，具备工程应用价值。
51、下面通过附图和实施例，对本发明的技术方案做进一步的详细描述。
1.一种多车道自适应节能巡航控制方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种多车道自适应节能巡航控制方法，其特征在于，在步骤s2中，统计状态转移事件：统计每个当前加速度值转移到其对应的下一个时刻加速度值的样本数量，记为，为状态空间大小；为未来即时的指数；；为加速度网格长度为加速度曲线测试长度，统计离线轨迹中与值相等的样本数量，记为；
3.根据权利要求1所述的一种多车道自适应节能巡航控制方法，其特征在于，在步骤s2中，定义自学习因子：根据事件频率、，推导其递归形式，可得：
4.根据权利要求1所述的一种多车道自适应节能巡航控制方法，其特征在于，在步骤s3中，计算车辆能耗：依据车辆速度与输出转矩换算得到驱动电机的转速与转矩，通过查询电机特性图获取电机当前效率，结合电池模型计算车辆当前能耗。
5.根据权利要求1所述的一种多车道自适应节能巡航控制方法，其特征在于，在步骤s3中，将优化问题嵌入模型预测控制框架，调用分布式优化算法进行模型预测控制问题的求解，获取当前预测域内的最优车速控制策略。
6.根据权利要求1所述的一种多车道自适应节能巡航控制方法，其特征在于，在步骤s3中，横向最优换道规则：提出的新的车道变换算法根据车道成本的最小化来选择最优车道；首先，初始化当前车道的成本以及左侧车道的成本和右侧车道的成本，并根据上述步骤更新车道成本，然后引入一个阈值和惩罚项用于限制变道的频率和激进性，同时检查左侧和右侧车道是否存在潜在的碰撞风险，若某一侧车道的成本低于当前车道的成本，且变道是安全的，那么选择向该侧变道；若当前车道的成本已经是最低，或两侧车道的成本都不满足变道条件，则保持在当前车道；选择了变道方向后，执行相应的换道操作，确保在变道过程中保持安全距离，避免与其他车辆发生碰撞；最后，在行驶过程中，持续监测周围交通状况和车道成本，动态更新车道选择策略，以适应变化的交通环境。
7.根据权利要求1所述的一种多车道自适应节能巡航控制方法，其特征在于，在步骤s4中，设计一种基于交替方向乘子法的解决方案，解决多车道节能巡航优化问题：选取主变量与对偶变量，设计增广拉格朗日函数并形成标准化的交替方向乘子法优化问题，采用牛顿法进行主对偶变量的更新，直至收敛条件满足；向前滚动优化控制：更新车辆位置及预测信息，重复滚动优化问题求解与在线车速控制。
