节能与环保是全球共同倡导和践行的目标,对汽车产业而言,智能网联车辆和节能车辆是各国实现“低碳化、信息化、智能化”的主要途径。本课题在此背景下产生,以车辆燃油经济性为目标,研究车辆运动(路径和速度)规划和动力传动系统控制方法。分两个阶段进行研究:第一阶段主要研究车辆路径和速度的协同优化方法,车辆动力传动系统作为已知量使用,不进行优化;第二阶段研究车辆路径、速度和动力传动系统的协同优化方法,将动力传动系统优化方法,与第一阶段运动规划方法相结合。首先,搭建交通—车辆动力学联合仿真模型(TVD模型),模拟车联网环境。基于实际交通网络模型,在SUMO环境下,建立交通网络仿真模型;基于传统燃油车辆和混合动力车辆,在Matlab/Simulink环境下,分别搭建对应的车辆动力学仿真模型;二者联合得到交通—车辆动力学联合仿真模型。该模型可为后续研究提供所需要的交通环境数据、车辆状态数据等,以及提供验证平台。第二,研究路径和速度的协同优化问题,提出车辆宏观运动规划(Vehicle macroscopic motion planning,VMMP)方法。根据交通数据信息和车辆特性(作为已知量),建立VMMP的数学模型,即同时优化车辆宏观行驶路径和速度,使其在期望行驶时间内从给定起点到终点的燃油消耗最低;并提出基于遗传算法的VMMP启发式求解算法,以求解经济型路径和速度轨迹;同时,提出VMMP的自适应实时优化策略,该策略也包含了对交通信号灯的补偿模型;在TVD模型中设计了理想环境状态、含交通信号灯、含交通拥堵环境状态以及不同车辆模型等不同情景的仿真试验。仿真试验结果显示,所提出的VMMP方法与单一变量(路径或车速)优化方法相比,可更有效的改善车辆燃油经济性。在合理时间范围内,与未优化的最快路径相比,车辆燃油消耗可降低15%。第三,研究交通流变化特性和实时预测方法,提出时空二维交通流速度预测方法。根据实际交通流数据,分析交通流速度的周期性和时空相关性,分别提出周期性平均预测模型和时空二维递推自回归预测模型,得到时空二维交通流速度预测模型。模型动态参数由基于递推最小二乘法的自适应识别方法获取;静态参数利用分离变量法,通过预测误差分析,进行择优选择。利用该预测模型,提出了基于交通流速度预测的VMMP方法。根据Pe MS(加利福尼亚州交通状况监测系统)数据库的真实交通数据,在TVD模型中进行仿真验证。第四,研究传统燃油车辆路径、速度和动力传动系统的优化方法,提出了基于VMMP和三参数经济型换挡规律的经济型驾驶方法。对于传统燃油车,油门和制动踏板由驾驶员操控,自动变速控制是提高车辆经济性的主要优化对象。为此,设计了基于油门、速度和道路阻力系数的三参数经济型换挡规律。其中,道路阻力系数是路面滚动阻力系数和坡道的合成参数,该参数可由递推最小二乘法的实时识别。基于标准循环工况和实车行驶工况,利用动态规划求解最优换挡序列,再由移动最小二乘法从换挡点中提取换挡规律。将所提换挡规律嵌入到VMMP方法中,可实现路径、速度和动力传动系统的共同优化,从而得到经济型驾驶方法。该方法在TVD模型中得到验证,同时,以配备自动机械变速器的重型越野车为实车验证平台,验证了所提三参数换挡规律可改善车辆燃油经济性,并满足车辆动力性要求。最后,研究混合动力车辆路径、速度和动力传动系统协同优化方法,提出经济型自适应巡航控制方法。混合动力车辆包含两个动力源,其动力传动系统更为复杂,也具有更高的节油潜力。结合车辆宏观运动规划方法和动力传动系统特性,提出全局功率分配策略(前馈)与滚动线性二次型跟踪控制(反馈)相结合的混合动力系统实时优化控制策略。将其与VMMP方法结合,提出经济型自适应巡航控制(Economic adaptive cruise control,EACC)方法,即在给定起点-终点和期望行驶时间范围内,同时优化车辆路径、速度和动力传动系统控制,使车辆燃油消耗最低。此外,针对实际环境中的超车、交通阻塞、信号灯等随机现象,提出基于极小值原理的模式切换局部优化算法来修正参考车速。基于TVD模型的仿真结果表明:EACC方法可极大地提高车辆燃油经济性,与等效燃油消耗最小控制策略下的最快路径相比,车辆油耗可降低30%。