摘 ?要：及時(shí)而準(zhǔn)確地提供前方道路實(shí)時(shí)路況及坡度、曲率信息，可以有效幫助插電式混合動(dòng)力汽車(chē)選擇最合適的動(dòng)力系統(tǒng)運(yùn)行模式和能量回收強(qiáng)度，最大限度地優(yōu)化整個(gè)行程的系統(tǒng)效率。文章提出的智能能量管理系統(tǒng)基于互聯(lián)網(wǎng)地圖為車(chē)輛控制系統(tǒng)實(shí)時(shí)提供有效地圖信息，提升車(chē)輛的燃油經(jīng)濟(jì)性，并提出了在云端路網(wǎng)中實(shí)現(xiàn)路線匹配的方法，從而由云端下發(fā)與指定路線相匹配的坡度和曲率信息，可以有效解決車(chē)載地圖模塊中缺少坡度、曲率的問(wèn)題，以及坡度、曲率數(shù)據(jù)的鮮度問(wèn)題，可為相關(guān)應(yīng)用與研究提供參考。

關(guān)鍵詞：插電式混合動(dòng)力汽車(chē);互聯(lián)網(wǎng)地圖;智能能量管理;路線匹配;坡度;曲率

中圖分類(lèi)號(hào)：P289;TP273 ? ? ?文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：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(xù)航里程短、充電設(shè)備不完善、維修和保養(yǎng)成本高、電池價(jià)格昂貴等一系列問(wèn)題依然是目前純電動(dòng)汽車(chē)發(fā)展的重要瓶頸，因此插電式混合動(dòng)力汽車(chē)（Plug-in Hybrid Electric Vehicle，PHEV）逐漸成為新能源汽車(chē)的重要組成部分[1]。

PHEV將傳統(tǒng)動(dòng)力系統(tǒng)與純電動(dòng)動(dòng)力系統(tǒng)有機(jī)結(jié)合在一起，既解決了純電動(dòng)汽車(chē)?yán)m(xù)航里程短的問(wèn)題，又表現(xiàn)出了優(yōu)越的節(jié)能環(huán)保能力。

由于PHEV存在多個(gè)能量源，能量管理系統(tǒng)自然成為PHEV的核心技術(shù)之一[2]?；谝?guī)則的能量管理系統(tǒng)主要依據(jù)試驗(yàn)數(shù)據(jù)和工程經(jīng)驗(yàn)進(jìn)行反復(fù)調(diào)試以控制閾值，容易實(shí)現(xiàn)，魯棒性好，但工況適應(yīng)性差[3]?；谌謨?yōu)化的能量管理系統(tǒng)，如動(dòng)態(tài)規(guī)劃（Dynamic Programming，DP）算法，不僅算法復(fù)雜，而且需要預(yù)測(cè)行駛工況信息，難以用于實(shí)車(chē)控制[4]。

隨著汽車(chē)智能化、網(wǎng)聯(lián)化的發(fā)展，汽車(chē)部件及系統(tǒng)控制策略可以與互聯(lián)網(wǎng)地圖相結(jié)合，將實(shí)時(shí)路況、道路屬性及前方轉(zhuǎn)向等信息整合到PHEV能量管理系統(tǒng)中，大幅提升PHEV的工況適應(yīng)性，改善燃油經(jīng)濟(jì)性[5]。

1 ?智能能量管理系統(tǒng)

對(duì)混動(dòng)車(chē)主來(lái)說(shuō)，在選擇純電還是混動(dòng)時(shí)，總有各種各樣的糾結(jié)。選擇純電模式，能耗和舒適性最佳，毫無(wú)疑問(wèn)是短距離出行和有充電樁用戶的第一選擇。但對(duì)于中長(zhǎng)途出行或者無(wú)充電條件的用戶，純電模式并不是最優(yōu)選擇。

基于互聯(lián)網(wǎng)地圖的智能能量管理系統(tǒng)（Intelligent Energy Management System，IEMS）功能架構(gòu)如圖1所示。它會(huì)自動(dòng)根據(jù)整個(gè)行程的里程、預(yù)計(jì)車(chē)速、坡度、曲率、擁堵等信息提前規(guī)劃，調(diào)整發(fā)動(dòng)機(jī)和電機(jī)的使用范圍，根據(jù)整個(gè)行程信息進(jìn)行用油、用電分配，實(shí)時(shí)控制電池電量，發(fā)揮系統(tǒng)最高效率。

比如，行駛過(guò)程中收到來(lái)自地圖的前方擁堵信息，系統(tǒng)會(huì)在暢通路段利用發(fā)動(dòng)機(jī)的高效區(qū)進(jìn)行充電。雖然這一段會(huì)使得能耗偏高，但在接下來(lái)的擁堵路段，車(chē)輛能以低速、效率更高的純電模式行駛。最終整個(gè)行程的能耗更低，同時(shí)讓低速路段更加安靜、平穩(wěn)。

IEMS還可以根據(jù)地圖信息了解前方是否有紅綠燈，知道車(chē)輛有較強(qiáng)的減速需求時(shí)，會(huì)在此時(shí)加大能量回收強(qiáng)度，回收更多的能量。這時(shí)，只需要開(kāi)到紅綠燈前，松開(kāi)油門(mén)，車(chē)輛就會(huì)在強(qiáng)能量回收的作用下較快減速，既符合駕駛員預(yù)期，同時(shí)也把能量存儲(chǔ)到電池包中，代替了剎車(chē)功能，降低了能耗。

2 ?云端路線匹配

與IEMS相關(guān)的地圖數(shù)據(jù)包括自車(chē)位置、導(dǎo)航狀態(tài)、道路類(lèi)型、實(shí)時(shí)路況、通行速度、機(jī)動(dòng)點(diǎn)、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(shí)現(xiàn)節(jié)能減排的功能。

在導(dǎo)航場(chǎng)景（用戶設(shè)置了目的地）下，IEMS可以從車(chē)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(shù)據(jù)。

既然車(chē)載地圖模塊中無(wú)法直接獲取到坡度和曲率，那么就從云端接收。于是，我們?cè)谠贫瞬渴鹆撕衅露群颓蕯?shù)據(jù)的全國(guó)路網(wǎng)。在導(dǎo)航場(chǎng)景下，車(chē)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(zhǔn)確地匹配到云端路網(wǎng)中，最終將云端路網(wǎng)中的坡度和曲率信息填充到路線中，并下發(fā)給車(chē)機(jī)。路線匹配過(guò)程如圖2所示。

2.1 ?地圖投影算法

地圖投影，就是借助路網(wǎng)信息將一連串位置點(diǎn)投影到數(shù)字地圖上的過(guò)程。我們所要匹配的路線就是一連串的位置點(diǎn)。

定義路線L={p1，p2，p3，…，pn}，pi表示經(jīng)緯度坐標(biāo)。

在路網(wǎng)中，路段表示為一條有向邊，它的屬性包括長(zhǎng)度、通行方向、通行速度、起終點(diǎn)以及若干個(gè)形狀點(diǎn)。圖3中示意標(biāo)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(gè)步驟：

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

第二步，根據(jù)線段投影計(jì)算出三條路段上分別對(duì)應(yīng)的投影點(diǎn)pi1、pi2及pi3。將一個(gè)位置點(diǎn)pi投影到不同路段上的多個(gè)點(diǎn)的集合，顯然是不合理的。我們需要將一個(gè)位置點(diǎn)準(zhǔn)確地投影到本該屬于它的路段上。

第三步，通過(guò)觀察概率和傳遞概率來(lái)選擇最可能路段。觀察概率依賴于路網(wǎng)中的幾何信息，它是基于坐標(biāo)點(diǎn)pi和投影點(diǎn)pij之間的距離而計(jì)算出的匹配概率。也就是說(shuō)，在多個(gè)投影點(diǎn)中，與坐標(biāo)點(diǎn)pi距離最近的投影點(diǎn)的觀察概率最大。

由于觀察概率沒(méi)有考慮坐標(biāo)點(diǎn)的拓?fù)潢P(guān)系，通常會(huì)導(dǎo)致錯(cuò)誤的匹配結(jié)果。如圖5所示，如果只考慮觀察概率，則pi對(duì)應(yīng)的點(diǎn)是pi1，而實(shí)際應(yīng)該是pi2。因?yàn)楦鶕?jù)pi前一個(gè)坐標(biāo)點(diǎn)pi-1的位置關(guān)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(wǎng)幾何信息和拓?fù)潢P(guān)系，地圖投影算法都可以準(zhǔn)確地將路線匹配到路網(wǎng)上。但是，在一些特殊情況下，兩條路段的幾何信息和拓?fù)潢P(guān)系完全是一致的，此時(shí)我們需要進(jìn)一步借助道路屬性信息來(lái)過(guò)濾掉不可能的候選路段。

如圖6所示，路線附近同時(shí)存在兩條路段，它們的幾何信息和拓?fù)潢P(guān)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(chē)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(shuō)，每一個(gè)坐標(biāo)點(diǎn)都有對(duì)應(yīng)的屬性。借助這樣的信息，我們就可以很容易過(guò)濾掉不可能的候選路線。

道路屬性包括車(chē)道數(shù)、道路等級(jí)、道路名稱(chēng)等。比如圖6中，如果坐標(biāo)點(diǎn)pi對(duì)應(yīng)的道路屬性是三車(chē)道主路，那么我們就可以輕松過(guò)濾掉候選路段中的輔路。

3 ?結(jié) ?論

綜上所述，基于互聯(lián)網(wǎng)地圖的智能能量管理系統(tǒng)可以有效利用實(shí)時(shí)路況、坡度、曲率等信息預(yù)估車(chē)速變化，更合理地控制車(chē)輛在純電、行車(chē)充電、并聯(lián)模式中切換，更智能地選擇最合適的動(dòng)力系統(tǒng)運(yùn)行模式和能量回收強(qiáng)度。典型場(chǎng)景的實(shí)測(cè)數(shù)據(jù)顯示，目前的智能能量管理系統(tǒng)能夠有效節(jié)省能耗15%以上。

除了路況、紅綠燈、坡度、曲率等數(shù)據(jù)，互聯(lián)網(wǎng)地圖中還有很多其他有價(jià)值的數(shù)據(jù)值得挖掘。比如，IEMS可以自動(dòng)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(shí)更多地切換成純電模式。比如，IEMS可以自動(dòng)識(shí)別前方顛簸道路，提前降速，增加能量回收強(qiáng)度。

基于互聯(lián)網(wǎng)地圖的智能能量管理系統(tǒng)一定可以利用越來(lái)越豐富的地圖數(shù)據(jù)，讓車(chē)輛更節(jié)能，讓天空更蔚藍(lán)。

參考文獻(xiàn)：

[1] 裝備工業(yè)司.關(guān)于2016-2020年新能源汽車(chē)推廣應(yīng)用財(cái)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(dòng)力汽車(chē)能量管理策略研究現(xiàn)狀和發(fā)展趨勢(shì) [J].重慶大學(xué)學(xué)報(bào)，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(yù)測(cè)與跟隨算法研究 [J].重慶理工大學(xué)學(xué)報(bào)（自然科學(xué)），2018，32（8）：1-7.

作者簡(jiǎn)介：孫和成（1984-），男，漢族，江蘇鹽城人，碩士，研究方向：互聯(lián)網(wǎng)地圖。