汽车经济型巡航的车速规划方法*

张立斌 刘焕峰 单洪颖 杨玉林,3

(1.吉林大学 交通学院， 吉林 长春 130022；2.吉林大学 机械科学与工程学院， 吉林 长春 130022；3.华晨汽车工程研究院， 辽宁 沈阳 110000 )

汽车经济型巡航的车速规划方法*

张立斌1刘焕峰1单洪颖2†杨玉林1,3

(1.吉林大学 交通学院， 吉林 长春 130022；2.吉林大学 机械科学与工程学院， 吉林 长春 130022；3.华晨汽车工程研究院， 辽宁 沈阳 110000 )

为提升高速公路汽车自适应巡航时的燃油经济性，建立了一种经济型巡航车速规划模型.根据汽车巡航时的道路条件及气候环境参数等信息，规划汽车的经济型巡航车速.首先构筑试验环境进行遍历试验，建立汽车百公里燃油消耗量数据库；然后采用云模型相关理论建立运行车速和行驶阻力与燃油消耗量之间的映射关系，预测出不同行驶阻力条件下的经济车速；最后根据这些经济车速规划出经济型巡航速度的变化轨迹.经试验验证，按照经济型巡航速度变化轨迹行驶的燃油消耗比自动巡航状态下的明显降低，提高了汽车的燃油经济性.

汽车巡航；燃油经济性；云模型；车速规划

高速公路的迅速发展为汽车自适应巡航系统提供了广阔的应用空间，针对巡航系统的研究也逐渐成为热点.近些年国内外涌现出很多关于巡航系统的研究成果，这些成果主要集中在舒适性、安全性和动态跟踪性能上.然而，在能源短缺环境污染严重的形势下，如何进一步提高汽车的燃油经济性，达到节能减排的目的将具有重大意义.

针对巡航系统如何提高燃油经济性的研究主要体现在以下几个方面：一种是通过获取前方道路信息，根据坡度阻力预测车速，如Khayyam等[1-4]通过GPS或3D地图等获取海拔高度信息，从而预测前方道路信息获得道路阻力，然后调节车速以适应坡度阻力的变化，试验表明此类方法与定速巡航相比可不同程度地节省燃油消耗.Saerens等[5]提出了采用道路地形数据的经济型巡航控制系统，根据道路坡度的变化调整车辆速度在设定范围内变化.Behrang等[6]针对城市道路进行研究，基于模型预测控制框架的可预测巡航控制系统通过获得前方交通信号灯的实时信息，安全、平缓地控制车辆加速或减速以在绿灯时到达路口，避免红灯时的怠速状态，从而提高燃油经济性.此类研究根据道路地形数据推算坡度阻力，运用不同的控制策略控制车速，试验结果表明这些方法多数可以达到较理想的效果.另一种是针对多目标巡航控制的，在保证安全和舒适的基础上尽量提高燃油经济性.例如Chen等[7-9]采用分层控制结构，在纵向动力学模型的基础上，采用非线性模型预测控制算法的控制策略使加速度保持在一定范围内，可协调优化交通安全、燃油经济性、驾驶舒适性.这类研究主要适用于城市道路，旨在提高舒适性和跟车的安全性，因为需要综合考虑各因素，因此在提高燃油经济性方面不如第一类研究方法的效果显著.后来一些学者如Bifulcc等[10]致力于研究更加人性化的自适应巡航控制系统，开发了一种嵌入学习模式的完全自适应巡航控制系统，不仅根据交通状况进行巡航，还充分考虑驾驶员的驾驶行为特征.还有一些研究是控制汽车按照设定范围内行驶以提高燃油经济性的.这方面研究的代表有Kahveci等[11]以及王春蕾等[12]运用增量式数字控制策略建立的控制器，实现了车辆在速度偏差允许范围内的稳定行驶，并调整巡航速度以适应不断变化的路面条件，可减轻工作强度，并减少燃料消耗.综合分析各类成果可见，根据地形获取道路阻力的方法是研究提高巡航车辆燃油经济性的主流方法，也是文中采用的获取道路阻力的途径.综上所述，诸多研究证明，提高巡航车辆燃油经济性的关键在于寻求车速和行驶阻力与燃油消耗量之间的关系，而云模型针对不确定性的相关理论可以解决此类问题.同时云模型经过十几年的发展已经成为一个理论体系被应用到各个领域[13-14],因此，文中提出将云模型的相关理论运用到经济性巡航车速预测上.

基于以上背景，文中在建立汽车百公里燃油消耗量数据库的基础上，运用云模型相关理论[15-17]，构建经济性车速预测模型，并对参数进行概念划分，建立推理规则库，实现了对汽车经济性巡航车速的预测，最后规划经济性巡航车速的变化轨迹，提高巡航中的燃油经济性.

1 百公里平均燃油消耗量仿真试验

汽车的行驶工况极其复杂，路况、装载情况、天气条件等均会影响汽车的燃油消耗.不同的行驶工况都对应一个车速，使得汽车燃油经济性达到最优，这个车速就称之为汽车经济车速.建立汽车百公里燃油消耗量的数据库需要遍历各种情况，这是实际试验很难完成的，因此文中采用仿真的方式进行遍历试验.

1.1 基于CarSim构建试验环境

(1)基于CarSim/Road构建仿真虚拟道路

在CarSim软件中进行车辆动力学仿真时，其仿真道路模型是由大量的道路几何数据信息结合道路摩擦阻力系数及车轮滚动阻力系数等组成的三维虚拟仿真道路.

文中研究内容为汽车自适应巡航的燃油消耗量，因此试验环境道路设置为高速公路，限速为120 km/h，参照高速公路线性为CarSim软件设置道路参数.参数设置过程基于道路片段构建虚拟道路，即将道路视为直线段和曲线段的组合，直接定义道路的纵向坡度、横向坡度、弯道曲率、道路摩擦系数等参数.图1为试验环境截图，考虑车辆行驶阻力，因此设置坡度及滚动阻力系数等参数.

图1 仿真试验图

(2)建立整车动力学模型

仿真试验除了要建立虚拟道路外，还需要定义整车特征参数.文中拟选用的车型为SUV，功率为125 kW的某型号发动机，建立整车动力学模型主要是要获得整车燃油经济性的相关仿真数据，因此需要对发动机燃油消耗率进行设置.为了使参数设置符合实际情况，进行了该型号发动机燃油消耗率的实测试验，分析记录了不同节气门开度下发动机转速对燃油消耗率的影响.数据表明，随着发动机转速的增加和节气门开度变大，发动机燃油消耗变大.

图2为发动机燃油消耗率曲面.

图2 发动机燃油消耗率示意图

1.2 仿真试验

基于上文建立的三维虚拟道路模型和整车动力学模型进行遍历仿真试验，提取实验结果建立原始遍历仿真试验数据库，该数据库主要包括以下参数信息：仿真运行时间、运行速度、燃油消耗量、燃油消耗率、空气阻力、4个车轮各自的行驶阻力、道路横向坡度、道路纵向坡度、纵向坡度长度、弯道曲率、弯道长度、道路摩擦系数和发动机输出扭矩等.

原始数据库中燃油消耗量的影响因素过多，故采用统计学软件SPSS进行相关性分析，得出燃油消耗量的主要影响因素为车速和行驶阻力.为验证该结论，将Carsim仿真出来的燃油消耗量与时间的关系曲线进行局部放大，得到图3.根据曲线可以清晰地看出，汽车在行驶过程中其燃油消耗量曲线并不是一条直线，即车辆燃油消耗量的变化率是不断变化的.而图4和5所示车速和轮胎阻力与时间关系曲线的变化解释了燃油消耗量变化率改变的原因.例如，在汽车运行至40 s左右时，车速和轮胎受到的阻力均有较大的变化趋势，因此导致了燃油消耗量的变化率也随之具有较明显的变化.故车速和汽车所受到的行驶阻力对整车的燃油消耗量均有显著的影响.

图3 燃油消耗量与时间的关系

图4 车速与时间的关系

图5 轮胎阻力与时间的关系

运用Matlab对原始遍历仿真试验数据库进行处理，最终建立汽车的百公里平均燃油消耗量数据库，该数据库中包括以下参数信息：时间、行驶总阻力、运行车速和燃油消耗量.

其中，行驶总阻力计算公式如下：

ΣF=FL1+FR1+FL2+FR2+Fw=Fr+Fw

(1)

式中，ΣF为行驶总阻力，FL1为左前车轮行驶阻力，FR1为右前车轮行驶阻力，FL2为左后车轮行驶阻力，FR2为右后车轮行驶阻力，Fr为道路阻力，Fw为空气阻力，

(2)

式中，CD为空气阻力系数，A为迎风面积，V为汽车行驶速度.

为了进一步验证车速对燃油消耗量的影响，文中基于CarSim软件，在同一行驶路况下以不同的车速等速行驶进行仿真，对应的百公里平均燃油消耗量如表1所示.

表1 同一行驶工况不同车速对应的百公里平均燃油消耗量

Table 1 Average fuel consumption per kilometer at different speed under the same driving conditions

车速/(km·h-1)燃油消耗率/(kg·s-1)百公里平均燃油消耗量/L车速/(km·h-1)燃油消耗率/(kg·s-1)百公里平均燃油消耗量/L400.0006712.481000.000896.62600.000627.691100.000996.69700.000687.231200.001126.95800.000706.511400.001819.63900.000786.451600.0035616.56

由此可见，汽车自适应巡航的过程中，在保证满足行驶安全的条件下，根据不同的路况调节车速会使整车的燃油经济性有较大的提高，即根据不同的行驶阻力规划不同的行驶车速将在提高燃油经济性方面有较大的突破.

2 经济型巡航车速预测模型

车辆行驶环境的不确定性、运行状态的非线性特征及其他不确定性因素导致了车辆运行中燃油消耗量的不确定性.文中拟创建二维多规则云模型把车辆行驶状况与车辆经济状态结合起来，表达车辆运行中百公里燃油消耗量的不确定性，并据此来预测经济型巡航车速.

2.1 云模型参数概念划分及规则库建立

汽车百公里平均燃油消耗量云模型有行驶总阻力和运行速度两个输入变量、百公里平均燃油消耗量1个输出变量.根据云模型理论中关于概念跃升及划分的相关理论，对各个参数进行概念划分.

行驶阻力概念划分，从汽车百公里平均燃油消耗量数据库中提取汽车的行驶总阻力数据集，统计不同行驶总阻力值各出现的次数y，计算其频率分布函数Y(x)，结果如图6所示.由于车辆行驶过程中不确定性因素较多，导致行驶阻力波动较大，因此对汽车行驶总阻力原始频数分布进行移动平均滤波，滤波后的频数分布如图7所示.对比两幅图可知，滤波后的频数分布仍然能够较好地反映出汽车行驶总阻力的变化趋势，因此以滤波后的频数分布对汽车行驶总阻力进行云变换及概念的划分.设置云变换的误差阈值，利用Matlab软件编程计算云模型分布的期望函数fi(x)，最终得到行驶总阻力的范概念树云图，如图8所示.

汽车行驶总阻力经过云变换后，挖掘出33个概念，根据人类认知心理学的相关特点，将行驶阻力范概念树跃升到7个，即{很小，小，较小，适当，较大，大，很大}.同理，将运行速度与百公里燃油消耗量进行概念划分，经过云变换后得出的概念数分别为40个和25个，同样将其跃升到7个.每个概念的数字特征见表2.

根据概念跃升的结果，每个参数均跃升为7个概念，将这些结果经过排列组合，可以产生49条不同的定性推理规则.运用Matlab中的自适应模糊推理系统(Anfis)进行数据训练并生成规则，取部分试验结果作为训练数据，其余数据用来建立和验证规则库.结合CarSim仿真试验数据和Anfis生成的规则观察器及规则响应面，通过编写Matlab程序对云推理规则库进行自动提取.

图6 行驶阻力频率分布图

图7 滤波后的频率分布图

图8 行驶阻力概念划分拟合结果

Fig.8 Fitting results of the concept division of running resis-tance

表2 云模型参数概念的数字特征

1)输入变量；2)输出变量.

规则库用一个二维数组表示,如图9所示，定义规则库的二维数组为rulelist，数组第1维为行维，表示汽车行驶总阻力，数组第2维为列维，表示汽车运行速度.根据定性推理规则，运用云模型从输入到输出的非线性映射关系，可完成从已知输入条件到定量输出的推理计算.文中生成的云推理规则库如图9所示.通过规则库绘制的响应面如图10所示.从图10可以看出，随着车速和行驶阻力的增加，燃油消耗量快速上升，与实际情况相符.

图9 规则库

图10 规则响应面

2.2 基于云模型的不确定性推理算法

基于汽车百公里燃油消耗量数据库、参数概念划分结果以及规则库，可以建立汽车燃油消耗云模型，其推理机制可以表述为

f(ΣF,V)→Q

(3)

其中，f代表云推理机制，其示意如图11所示.

图11 汽车燃油消耗量的云推理机制

图中(ExΣFA1,ExVA1,ExQB)、(EnΣFA1,EnVA1,EnQB)、(HeΣFA1,HeVA1,HEQB)分别为总行驶阻力ΣFA1、运行速度VA1以及百公里平均燃油消耗量QB的数学期望、熵和超熵.在该模型中输入一组特定的行驶总阻力和运行速度(ΣF,V)时，会分别激活不同规则的前件云发生器，将随机产生一组激活的确定度值μi，这些确定度的大小反映了对相关定性规则的激活程度，再经规则的后件云发生器处理，定量产生一组随机云滴drop(Qi，μi).这些云滴反映了满足激活程度为μi的燃油消耗量Qi.最终将这些云滴经过几何方法求解出定量的燃油消耗量Q.具体计算过程如下.

输入：前件二维定性概念，即行驶总阻力ΣF和运行车速V的数字特征(ExΣFA1,ExVA1)、(EnΣFA1,EnVA1)、(HeΣFA1,HeVA1)以及定量值(ΣF,V)，后件定性概念的数字特征(ExQB,EnQB,HeQB).

输出：满足确定度μi的后件定性概念的定量值Qi.

5)如果ΣF≤ExΣFA1，V≤ExVA1，则Q=ExQB-

6)如果ΣF>ExΣFA1，V>ExVA1，则Q=ExQB+

7)如果ΣF≤ExΣFA1，V>ExVA1，则

Q=(Q1μ1+Q2μ2)/(μ1+μ2)；

8)如果ΣF>ExΣFA1，V≤ExVA1，则

Q=(Q1μ1+Q2μ2)/(μ1+μ2).

输入(ΣFi,Vi)时，取对应确定度最大和次大的两片云，这样会得到对应两个输入变量的4片云，将这4片云进行组合，计算其联合确定度，然后取最大和次大联合确定度(μ1,μ2)激活的两条定性规则，经过后件云发生器生成4个云滴，取最外侧的两个云滴(Q1,μ1)和(Q2,μ2)，最终通过几何的方法求解得到汽车百公里平均燃油消耗量为Q，其计算表达式为

(4)

以梯度图示意汽车百公里燃油消耗量三维云数据模型的期望值，如图12所示.云模型将模糊性和随机性相结合，因此在同一输入变量多次刺激多规则云发生器时，其输出结果具有一定的离散趋势，这体现出了其他不确定性因素对百公里燃油消耗量的影响，符合车辆的实际运行状态.保持总行驶阻力ΣF不变，在一定范围内改变行驶速度V的输入值，便可以得到一组燃油消耗量值Qi，即该行驶阻力下的车速和汽车百公里燃油消耗量之间具有一定变化趋势的离散数据序列，如图13所示.其中最小值Qimin对应的车速Ve便是该行驶阻力下的经济车速.

图12 百公里燃油消耗量梯度图

图13 车速和百公里燃油消耗量离散数据序列

Fig.13 Discrete data sequence of vehicle speed and fuel consumption per hundred kilometer

汽车百公里燃油消耗云模型建立了行驶总阻力和运行速度与百公里平均燃油消耗量的关系模型，把车辆行驶道路状况与车辆运行的经济状态结合起来，表达了车辆运行中百公里燃油消耗量的不确定性，对于不同道路线形及车速对车辆经济性的影响，只要改变输入参数，就能很直观地观察到结果的变化.

2.3 经济型巡航车速规划

由式(1)、(2)可以看出，空气阻力是行驶阻力中的一个重要组成部分，空气阻力的大小跟车速的平方成正比，即车速的变化对行驶阻力的影响是非常明显的，因此并不能根据前方道路的坡度和弯道曲率就能计算出准确的行驶总阻力，但根据前方路况可以计算出道路阻力.

上文得出了行驶总阻力ΣF对应的经济车速Ve，根据车速，由式(2)可以计算出空气阻力Fw，总行驶阻力ΣF减去空气Fw，可得出道路阻力Fr，由此便得到了道路阻力Fr与经济车速Ve的对应关系，即可以根据前方道路的坡道、弯道、颠簸路面等行驶工况计算出道路阻力，从而预测出对应的经济车速，再由当前车速，通过匀加速或匀减速的形式进行调速以达到预测的经济车速.

对规划出来的经济车速进行不断更新和完善，即通过不断采集车辆的实时数据来更新汽车百公里平均燃油消耗量数据库，由Matlab编写的云变换程序不断调整百公里平均燃油消耗量云模型各个概念的期望和熵，从而更新规则库的特征参数，使模型预测出来的经济车速能够更好地适应道路阻力的变化，使目标车速的控制更准确.

3 试验验证

为证明按照文中的经济型巡航车速行驶能够比汽车自动巡航时节省燃油，分别进行自动巡航与经济型巡航的仿真试验，对比分析燃油消耗量.

首先基于CarSim进行自动巡航试验，建立Radar Active Cruise:Secend Car(ACC)仿真模型，如图14所示.上文中建立的高速路模型限速要求是120 km/h，因此以ACC方式巡航时，可以设定巡航速度分别为90、95、100、105、110和120 km/h，经CarSim仿真输出不同车速下巡航时的燃油消耗量结果曲线.然后分别取仿真车辆行驶至90 km时对应的燃油消耗量值，再换算成百公里平均燃油消耗量，结果如表3所示.

图14 自适应巡航控制仿真控制模型

Table 3 Average fuel consumption per kilometer at different speed

车速/(km·h-1)百公里平均燃油消耗量/L车速/(km·h-1)百公里平均燃油消耗量/L908.491058.87958.571109.151008.6612010.43

设计对比试验，仿真时控制车辆以经济型巡航车速变化轨迹行驶，并观察仿真输出的汽车燃油消耗量结果.

根据虚拟道路上的坡道及曲率的变化情况，利用前述道路阻力与经济车速的对应关系，规划巡航行驶时的速度变化轨迹，如图15所示，将其导入CarSim中驾驶员输入的速度控制模块进行车速控制.

图15 经济型巡航速度变化

图15显示的是整个100 km路段的车速变化，为了更直观地表达某一路段内的经济性巡航速度变化轨迹，绘制了58.525～60.175 km路段内的经济性巡航速度变化轨迹，如图16所示.车辆按照1条光滑的速度控制曲线运行，速度的变化与路程满足实际运行车辆车速调节条件.最后得到燃油消耗量的变化，如图17所示.

图16 部分路段内的经济性巡航速度变化轨迹

Fig.16 Speed change in part of the road in economical cruising

图17 以经济型车速变化轨迹巡航时的燃油消耗量

由图17可以看出，按照经济型巡航车速行驶时燃油消耗量增长曲线基本是一条直线，即燃油消耗率保持稳定，说明车辆在不同的路况通过调整车速使汽车维持在一个稳定且经济性的状态.同样取仿真车辆行驶至90 km时对应的燃油消耗量值，然后再将其换算成百公里平均燃油消耗量，结果为8.28 L.

由表3中数据可以看出，ACC巡航模式下采用不同车速巡航时，其燃油消耗量也是不同的.但是这些值均大于8.28 L，即以经济性巡航速度变化轨迹行驶的百公里燃油消耗量.以适应该行驶路段阻力变化的经济性巡航速度变化轨迹行驶时，整个过程的平均行驶速度为96.57 km/h，其燃油消耗量也比以95 km/h定速巡航时的油耗降低3.38%，比定速105 km/h巡航行驶时的百公里平均燃油消耗量降低6.65%.因此，在巡航过程中，根据道路阻力的变化按照一定规则调整车速，能够明显地提高整车燃油经济.上述结果出自较理想的试验，但在实际情况下，受风向及风速的影响，空气阻力影响比较复杂，同时由于不同驾驶员的驾驶特性不同，燃油消耗量也会受到影响，因此更为复杂的情况及多因素干扰的巡航汽车燃油消耗量有待进一步分析研究.

4 结语

文中在自动巡航的基础上，针对经济型巡航的关键技术进行研究，为汽车的经济型巡航模型提供速度变化轨迹，控制车辆始终以适应行驶阻力变化的速度巡航，进而节省燃油消耗量.首先根据路面信息及道路设计要求，构建了仿真虚拟道路以及整车动力学模型，进行整车燃油消耗量仿真试验，经过遍历试验建立了百公里燃油消耗数据库.然后基于云推理相关理论，对参数进行概念划分，运用Anfis系统规则库，建立了汽车百公里平均燃油消耗量云模型，得到了运行车速、阻力及燃油消耗量之间的映射关系，为汽车巡航提供了经济型速度变化轨迹.经试验验证，文中提出的方法比自动巡航时的燃油消耗量明显降低，因此文中的经济型巡航车速轨迹规划模型能够节省燃油，具有一定的理论与实际意义.

文中研究的经济型巡航车速规划方法尤其适用于长途运输的营运货车及客车，在已知运输线路的情况下，由道路的坡道、弯道、颠簸路面等行驶工况计算出道路阻力，再根据文中建立的百公里燃油消耗量数据库及运行车速、阻力及燃油消耗量之间的映射关系寻找当前路况对应的经济车速，进而控制巡航车辆按照经济车速行驶.同时，对车速，燃油消耗量等信息进行采集记录，不断更新数据库，使模型预测出来的经济车速能够更好地适应道路阻力的变化，最终达到节省燃油的目标.

[1] KHAYYAM Hamid,NAHAVANDI Saeid,DAVIS Sam.Adaptive cruise control look-ahead system for energy ma-nagement of vehicles [J].Expert Systems with Applications,2012,39(3):3874-3885.

[2] KO Kwang-ho,KWON Mann-jun,LEE Won-ho,et al.Altitude prediction using real time GPS data in highway with gradient [C]∥Computer Applications for Modeling,Simulation,and Automobile.Jeju Island,Korea:Springer Berlin Heidelberg,2012:179-189.

[3] FRANK Lattemann,KONSTANTIN Neiss,STEPHAN Terwen,et al.The predictive cruise control:a system to reduce fuel consumption of heavy duty trucks [J].SAE Transactions,2004,113:139-146.

[4] SAERENS B,RAKHA H A,DIEHL M,et al.A methodo-logy for assessing eco-cruise control for passenger vehicles [J].Transportation Research(Part D)Transport & Environment,2013,19(3):20-27.

[5] SAERENS B，RAKHA H A，BULCK V E,et al.Assessment of eco-cruise control calculation methods [C]∥Proceedings of Meeting of the Transportation Research Board.Washington D C:TRB Publication,2012.

[6] BEHRANG A,ARDALAN V.Predictive cruise control:utilizing upcoming traffic signal information for improving fuel economy and reducing trip time [J].Transactions on Control Systems Technology,2011,19(3):707-714.

[7] CHEN Tao,LUO Yu-gong,LI Ke-qiang.Multi-objective adaptive cruise control based on nonlinear model predictive algorithm [C]∥Proceedings of IEEE International Conference on Vehicular Electronics & Safety.Beijing:IEEE Computer Society,2011:274-279.

[8] LI Sheng-bo,LI Ke-qiang,RAJESH Rajamani,et al.Mo-del predictive multi-objective vehicular adaptive cruise control [J].Transactions on Control Systems Technology,2011,19(3):556-566.

[9] LUO Li-hua,LIU Hong,LI Ping,et al.Model predictive control for adaptive cruise control with multi-objectives:comfort,fuel-economy,safety and car-following [J].Journal of Zhejiang University(SCIENCE A),2010,11(3):191-201.

[10] BIFULCC Gennaro N,PARIOTA Luigi,SIMONELLI Ful-vio,et al.Development and testing of a fully adaptive cruise control system [J].Transportation Research Part C,2013,29(29):156-170.

[11] KAHVECI N E,LOANNOU P A.Cruise control with adap-tation and wheel torque constraints for improved fuel eco-nomy [J].Intelligent Vehicles Symposium,2010,23(3):640-645.

[12] 王春蕾,周美娇,易淑友.汽车自动巡航系统PID控制策略的研究 [J].电子技术,2012,10:98-101. WANG Chun-lei,ZHOU Mei-jiao,YI Shu-you.Research on the PID control strategy for automobile automatic cruise control system [J].Automobile Electronics,2012,10:98-101.

[13] 王国胤，李德毅.云模型与粒计算 [M].北京:科学出版社,2012.

[14] 陈昊,李兵.基于云模型的不确定性推理方法 [J].小型微型计算机系统,2011,32(12):2449-2455. CHEN Hao,LI Bing.Approach to uncertain reasoning based on cloud model [J].Journal of Chinese Computer Systems,2011,32(12):2449-2455.

[15] 徐飞,朱伟兴,李众.基于云模型的规则提取算法研究 [J].计算机工程与应用,2008,44(2):63-66. XU Fei,ZHU Wei-xing,LI Zhong.Cloud model based rules extraction algorithm [J].Computer Engineering and Applications,2008,44(2):63-66.

[16] 秦昆,王佩.基于云变换的曲线拟合新方法 [J].计算机工程与应用,2008,44(23):56-58. QIN Kun,WANG Pei.New method of curve fitting based on cloud transform [J].Computer Engineering and App-lications,2008,44(23):56-58.

[17] 孟晖,王树良,李德毅.基于云变换的概念提取及概念层次构建方法 [J].吉林大学学报(工学版),2010,40(3):782-787. MENG Hui,WANG Shu-liang,LI De-yi.Concept extraction and concept hierarchy construction based on cloud transformation [J].Journal of Jilin University(Enginee-ring and Technology Edition),2010,40(3):782-787.

Speed Planning Method of Vehicles in Economical Cruise State

ZHANGLi-bin1LIUHuan-feng1SHANHong-ying2YANGYu-lin1,3

(1. College of Transportation, Jilin University, Changchun 130022, Jilin, China;2. College of Mechanical Science and Engineering, Jilin University, Changchun 130022, Jilin, China;3. Huachen Automotive Engineering Research Institute, Shenyang 110000, Liaoning, China)

In order to improve the fuel economy of expressway running vehicles in adaptive cruise state, a speed planning model of vehicles in economical cruise is established.The model plans vehicle’s economical cruising speed according to road conditions and climate environment parameters,First of all a test environment is constructed to perform a traverse test, and a database of fuel consumption per hundred kilometers is established. Then, in order to predict the economical speed under different driving resistances, the mapping relationship between running speed as well as running resistance and fuel consumption is revealed based on the related theory of cloud model. Finally, the speed change trajectory in economical cruise state is planned according to the economical vehicle speed. Test results show that the fuel consumption of the vehicle along the economical cruising speed change trajectory reduces significantly and fuel economy is effectively improved.

vehicle cruise; fuel economy; cloud model; vehicle speed planning

2016-05-12

国家自然科学基金资助项目(50775094);吉林省科技发展计划项目(20150204025GX) Foundation items: Supported by the National Natural Science Foundation of China(50775094)and the Science and Technology Development Program of Jilin Province(20150204025GX)

张立斌(1971-)，男，教授，博士生导师，主要从事汽车检测与诊断研究.E-mail:zlb@jlu.edu.cn

† 通信作者: 单洪颖(1973-)，女，副教授，主要从事生产制造系统仿真研究.E-mail:shan-hy@jlu.edu.cn

1000-565X(2017)04-0103-09

U 463

10.3969/j.issn.1000-565X.2017.04.015