电动汽车市场占有率的提高,导致充电需求问题日益严重。而由于信号交叉口配时、车流扰动以及驾驶习惯等原因,容易造成交通通行延误与车辆电量消耗。因此,如何降低信号交叉口电动汽车的电量浪费,且同时满足电动汽车的充电需求是目前的研究重点。基于此,本文针对信号交叉口动态无线充电区域的节能驾驶策略展开研究,构建信号交叉口无线充电道路场景,以车辆通行时间、电量状态、舒适度为优化目标,考虑驾驶人差异化充电需求,提出了单车和混合多车的多目标优化节能驾驶模型,基于SUMO/Simulink平台验证引导模型在微观交通仿真下的有效性和适应性。本文具体研究工作如下:（1）针对信号交叉口单车差异化速度引导问题,提出了基于单车个性化节能驾驶模型的速度引导策略。首先,以通行效率、电量消耗和加速度稳定性作为联合优化目标,以车辆连续加速度特征作为优化的决策变量。随机生成车辆驶离时间,消除车辆终端时刻状态为固定值的设定。其次,依据车辆运动学特征定义车辆初始状态约束,依据无线充电区域起始和终止位置信息、停止线位置信息定义车辆行驶距离约束,依据道路限速和车辆输出功率定义车辆加减速边界约束。最后,基于车辆进入控制区域的剩余电量状态,分析用户差异化充电需求,引入权重系数因子,提出包含充电优先和时间优先的个性化速度引导模型。（2）针对个性化节能驾驶模型求解存在高时间复杂度问题,提出了基于规则化的决策变量优化策略。首先,将连续时间离散为逐秒数据信息,将空间维度离散为一系列配置点,将复杂的非线性连续问题转化为离散点配置问题。其次,基于随机时间点生成的初始解,运用车辆速度严格倒梯形化处理方式,生成五阶段车辆运动轨迹曲线,改进模型并提高求解效率,并利用粒子群算法验证节能驾驶模型求解的有效性。最后,实验在相同参数条件下开展有无模型控制策略对比实验,结果表明本文节能驾驶模型具有更高的通行收益。在此基础上,选取车辆初始状态参数和充电区域参数,分析节能驾驶模型的适应性。（3）针对信号交叉口人类驾驶电动汽车和智能网联电动汽车混行的混合交通环境,提出了混合多车的个性化速度引导策略。首先,在单车节能驾驶模型基础上引入车辆间距离约束,结合IDM模型建立多车跟驰行为;其次,基于预处理的NGSIM数据,以加速度真实值和预测值的均方根误差作为优化目标,利用遗传算法对传统IDM模型进行标定,结果表明标定后模型能够显著提升车辆运动轨迹预测的准确率。最后以车辆电量状态和平均通行时间作为评价指标,分析不同网联车市场渗透率、相同网联车市场渗透率和不同无线充电长度、相同无线充电长度不同位置对混合多车通行的影响,结果表明本文模型性能较优。（4）针对模型在交通微观仿真平台的适用性问题,提出了基于SUMO/Simulink联合仿真的验证策略。首先,基于SUMO平台构建信号交叉口模型、车辆交通需求模型和生成车辆运动轨迹文件,完成联合仿真基本设定。其次,基于Traci接口调用set函数,实时控制智能网联车辆速度。最后,验证节能驾驶模型在单车和多车实例下仿真效果,结果表明本文模型综合优化性能更好。实验结果表明:1)单车中,通过平均通行时间、电量运动状态变化指标的对比,充电优先模式的电量收益增加0.0867KWh,时间优先模式的电量收益增加0.0532KWh,通行时间减少2.5s。在不同初始状态下,模型也具有较强的适应性,始终保持良好的性能。2)多车中,与无引导相比,充电优先模式的电量收益提升70%～100%,时间优先模式的电量收益提升12%～30%,车辆平均通行时间降低约2.6s。无线充电区域越长,电量收益越明显,最高可达2.56KWh。当充电区域长度一致时,充电区域越靠近交叉口,充电收益越高,平均通行时间保持不变。3)SUMO/Simulink联合仿真中,单车收益与理想状态保持一致,混合多车收益比理想状态低6%左右,证明了本文模型在微观仿真平台上也能保持较优性能。