城市道路网联车辆在定位不确定性下的生态驾驶：数据驱动方法与实验验证

本文研究了考虑定位不确定性的城市道路网联车辆生态驾驶问题。生态驾驶定义为在存在一系列交通信号灯的道路上进行纵向速度规划与控制。我们采用数据驱动的模型预测控制（MPC）策略来解决该问题。该方法涉及从状态-输入数据中学习代价函数和约束条件。代价函数表示从给定状态起剩余的能量消耗，约束条件确保受控车辆在遵守交通法规的同时及时通过即将到达的交通信号灯。由此产生的凸优化问题具有短时域，适合实时实现。我们通过真实车辆实验证明了该方法的有效性。实验证明，与传统方法相比，我们的方法在能效方面提升了$12\%$。传统方法通过求解长时域最优控制问题来规划纵向速度，并使用另一个控制器跟踪规划的速度。