智能網(wǎng)聯(lián)車輛生態(tài)駕駛研究現(xiàn)狀及展望*

陳志軍 張晶明 熊盛光 蘇紫鵬 胡軍楠 吳超仲▲

（1.武漢理工大學(xué)智能交通系統(tǒng)研究中心 武漢 430063；2.武漢理工大學(xué)計(jì)算機(jī)與人工智能學(xué)院 武漢 430063；3.武漢理工大學(xué)汽車工程學(xué)院 武漢 430063）

0 引言

隨著傳統(tǒng)汽車工業(yè)和車輛網(wǎng)聯(lián)化、輕量化、智能化等相關(guān)技術(shù)的蓬勃發(fā)展，全球汽車保有量保持著穩(wěn)步增長(zhǎng)，隨之帶來(lái)的環(huán)境污染、能源消耗，以及交通擁堵也成了影響人類社會(huì)發(fā)展的核心問(wèn)題。《中國(guó)機(jī)動(dòng)車環(huán)境管理年報(bào)》顯示：北京、上海、杭州等城市的機(jī)動(dòng)車排放已成為PM2.5的首要來(lái)源，機(jī)動(dòng)車尾氣污染已經(jīng)成為中國(guó)空氣污染的重要來(lái)源。有研究表明：在歐盟，23%的CO2排放來(lái)自交通運(yùn)輸業(yè)；而在美國(guó)，交通運(yùn)輸業(yè)的CO2排放量占總體CO2排放量的34%。溫室氣體的排放不僅會(huì)導(dǎo)致氣候變化，還會(huì)引起土地和水資源的退化等問(wèn)題[1]。因此，汽車技術(shù)的進(jìn)步必須與生態(tài)環(huán)境保持和諧發(fā)展，才能保證人類社會(huì)的持續(xù)發(fā)展。生態(tài)駕駛旨在通過(guò)改善駕駛行為，在提升駕駛安全基礎(chǔ)上有效緩解車輛保有量增加帶來(lái)的能源消耗和排放污染等問(wèn)題。生態(tài)駕駛是1種成本相對(duì)較低卻可以立竿見影地降低能源消耗與排放污染的方法[2]。

為推進(jìn)綠色交通發(fā)展，各國(guó)政府、研究中心、高校，以及企業(yè)等對(duì)生態(tài)駕駛展開了研究。美國(guó)加州大學(xué)河濱分校和沃爾沃北美集團(tuán)的研究人員于2019年9月開發(fā)了互聯(lián)生態(tài)駕駛（connected eco-driving）系統(tǒng)Eco-Drive，以減少交通能源消耗和溫室氣體排放；在日本，自2007年起，每年的11月定為“生態(tài)駕駛月”，以此號(hào)召人們改善日常駕駛技巧，減少汽車燃油消耗和尾氣排放；在中國(guó)，2019年12月，大眾汽車集團(tuán)旗下思皓推出了“智能生態(tài)駕駛體驗(yàn)”活動(dòng)，借助場(chǎng)景化試駕體現(xiàn)當(dāng)代智慧、綠色出行的發(fā)展與需求；此外，無(wú)論是德國(guó)工業(yè)4.0還是中國(guó)“十四五”規(guī)劃都提到了綠色生態(tài)發(fā)展的需求。

近年來(lái)，隨著通信技術(shù)和自動(dòng)駕駛技術(shù)的快速發(fā)展，智能網(wǎng)聯(lián)車輛（connected automated vehicles，CAVs）也得到了迅猛的發(fā)展，由于CAVs具有減少能源消耗和尾氣排放的巨大潛力，因此生態(tài)駕駛也需要從傳統(tǒng)方式向CAVs下的生態(tài)駕駛方式轉(zhuǎn)變[3-4]。CAVs是自主式智能車輛（autonomous vehicle，AV）和網(wǎng)聯(lián)式智能車輛（connected vehicle，CV）二者的集合，可以說(shuō)，CAVs就是智能車輛行駛在網(wǎng)絡(luò)環(huán)境中，而與傳統(tǒng)車輛（即人工駕駛車輛，human-powered vehicles，HPVs）相比，CAVs在車輛本身和行駛環(huán)境2個(gè)方面具有較大的不同，見圖1。且CAVs具備了環(huán)境感知、路徑規(guī)劃與決策、協(xié)同控制等功能[5]，可以為出行提供更安全、更舒適、更節(jié)能，以及更高效的方式，已成是國(guó)際公認(rèn)的車輛未來(lái)發(fā)展方向[6]。CAVs與HPVs的不同除了表現(xiàn)在車輛需要的自動(dòng)駕駛技術(shù)和傳感器等裝置外，還表現(xiàn)在CAVs網(wǎng)絡(luò)環(huán)境給予的支持，其網(wǎng)絡(luò)環(huán)境一方面在于路側(cè)感知設(shè)備的智能化與網(wǎng)聯(lián)化，另一方面在于通過(guò)車用無(wú)線通信技術(shù)（vehicle to everything，V2X）進(jìn)行車與車、車與路、車與人的實(shí)時(shí)信息交互。

圖1 智能網(wǎng)聯(lián)車輛（CAVs）示意圖Fig.1 Schematic diagram of connected automated vehicles（CAVs）

隨著5G通信技術(shù)的興起，數(shù)據(jù)傳輸更加低延、高效，而CAVs與5G技術(shù)的結(jié)合，可以使得車與車、車與路、車與人之間的信息交互更加及時(shí)，進(jìn)而能夠獲得更加精細(xì)的感知信息和決策規(guī)劃信息，為減少交通事故、提高交通出行效率，以及促進(jìn)生態(tài)駕駛的發(fā)展提供了技術(shù)加持。通過(guò)對(duì)CAVs與HPVs在車輛自身和行駛環(huán)境的不同點(diǎn)分析，可以總結(jié)出CAVs具有以下特點(diǎn)。

1）感知信息范圍廣。CAVs在車輛上搭載了攝像頭、雷達(dá)、超聲波等傳感器，在車輛行駛過(guò)程中結(jié)合路側(cè)感知設(shè)備和V2X通信技術(shù)等，除了能夠捕捉到HPVs的四周環(huán)境信息外，還能夠獲得視野盲區(qū)環(huán)境、交通燈信號(hào)、周圍車輛信息等網(wǎng)聯(lián)信息。

2）決策判斷智能化?；谲囕d感知設(shè)備和路側(cè)感知設(shè)備，CAVs能夠獲取前方路況、交通信號(hào)燈等信息，車輛決策系統(tǒng)對(duì)數(shù)據(jù)綜合分析后利用人工智能等技術(shù)提前預(yù)知前方路況并提前做出決策。

3）車輛控制時(shí)延低。由于CAVs能夠提前獲取前方路況并做出路徑規(guī)劃，且在一定條件下，CAVs具有車輛的控制權(quán)，能夠提前對(duì)變化的工況做出相應(yīng)的規(guī)劃，并告知駕駛員，降低了駕駛員操作中的時(shí)延及急剎急減帶來(lái)的更多能耗與排放。

CAVs在考慮生態(tài)駕駛實(shí)現(xiàn)過(guò)程中還有很多需要解決的關(guān)鍵科學(xué)及技術(shù)問(wèn)題。雖然歐盟提出的生態(tài)駕駛黃金規(guī)律和日本提出的生態(tài)駕駛“十法”都給出了駕駛?cè)诉M(jìn)行生態(tài)駕駛的要求，但智能網(wǎng)聯(lián)交通環(huán)境下的生態(tài)駕駛與傳統(tǒng)生態(tài)駕駛相比發(fā)生了很大的變化，且智能網(wǎng)聯(lián)交通環(huán)境與傳統(tǒng)交通環(huán)境之間存在較大的差異，目前的相關(guān)研究對(duì)智能網(wǎng)聯(lián)環(huán)境下的生態(tài)駕駛?cè)狈ο到y(tǒng)性的總結(jié)與歸納?；诖耍瑥闹悄芫W(wǎng)聯(lián)環(huán)境下生態(tài)駕駛影響因素出發(fā)，對(duì)網(wǎng)聯(lián)環(huán)境下生態(tài)駕駛控制策略與駕駛應(yīng)用的研究現(xiàn)狀進(jìn)行了總結(jié)分析，并對(duì)該領(lǐng)域下一步研究方向進(jìn)行展望。

1 智能網(wǎng)聯(lián)環(huán)境下生態(tài)駕駛影響因素

影響車輛生態(tài)駕駛效果的因素眾多，車輛的結(jié)構(gòu)特征、駕駛?cè)笋{駛風(fēng)格、道路交通狀況等都能夠?qū)囕v的節(jié)能減排產(chǎn)生影響；隨著智能網(wǎng)聯(lián)技術(shù)的發(fā)展，生態(tài)駕駛迎來(lái)了新的發(fā)展契機(jī)，同時(shí)車輛的智能化、網(wǎng)聯(lián)化程度，以及CAVs的滲透率等都會(huì)對(duì)車輛的生態(tài)駕駛產(chǎn)生新的影響。

智能網(wǎng)聯(lián)環(huán)境下的生態(tài)駕駛影響因素可以按照傳統(tǒng)的影響因素歸納為車輛自身特征、駕駛?cè)藗€(gè)性特征、道路交通狀況，以及社會(huì)因素這4個(gè)方面，見圖2。

圖2 生態(tài)駕駛能源消耗的影響因素Fig.2 Factors influencing energy consumption of eco-driving

1.1 車輛自身特征影響

車輛自身特征主要包括發(fā)動(dòng)機(jī)、自重、外形、輪胎等，這些車輛設(shè)計(jì)會(huì)直接影響能源消耗。在工況一定時(shí)，電動(dòng)車輛的能耗和自重基本呈線性關(guān)系，因此，在滿足車輛剛度和強(qiáng)度的前提下，應(yīng)力求車身的輕量化，也可以考慮降低電池質(zhì)量。車輛在高速行駛時(shí)空氣阻力是影響能耗的重要因素。對(duì)于混合動(dòng)力車輛來(lái)說(shuō)，能量管理策略對(duì)于燃油消耗至關(guān)重要，Jiang等[7]對(duì)比了自適應(yīng)等效消耗最小化策略（A-ECMS）、最優(yōu)控制律（OCL）和隨機(jī)動(dòng)態(tài)規(guī)劃（SDP）這3種實(shí)時(shí)的能量管理策略，結(jié)果表明：A-ECMS具有最好的節(jié)油效果。通過(guò)對(duì)車輛結(jié)構(gòu)進(jìn)行適當(dāng)修改可以提升生態(tài)駕駛效果，Giovanni等[8]根據(jù)車輛動(dòng)力學(xué)特性通過(guò)適當(dāng)設(shè)置轉(zhuǎn)向不足特性和車輪轉(zhuǎn)矩制定生態(tài)駕駛策略能夠獲得的良好的能源效率收益。

因此在未來(lái)的CAVs上，基礎(chǔ)的車輛設(shè)計(jì)方面，可以通過(guò)減少車輛自重、外觀流線型設(shè)計(jì)，以及采用新型材料等方式減少車輛的能源消耗。但是，CAVs需要通過(guò)各種傳感器、相機(jī)、激光雷達(dá)等獲取環(huán)境信息，這些加裝設(shè)備也會(huì)帶來(lái)相應(yīng)的行駛阻力，影響生態(tài)駕駛效果，且需要強(qiáng)大的計(jì)算能力進(jìn)行數(shù)據(jù)處理，可能帶來(lái)額外的能量消耗，從而會(huì)增加車輛的能源消耗；另一方面，高等級(jí)的自動(dòng)駕駛能夠減少甚至消除車輛事故，移除車輛的安全設(shè)備能夠減輕重量，從而降低能源消耗[1]。

1.2 駕駛?cè)藗€(gè)性特征影響

駕駛?cè)说膫€(gè)性特征對(duì)生態(tài)駕駛效果同樣會(huì)產(chǎn)生影響，對(duì)于相同的駕駛場(chǎng)景，不同的駕駛?cè)舜嬖谥煌纳砼c心理狀況，從而會(huì)產(chǎn)生不同的駕駛行為。Meseguer等[9]通過(guò)實(shí)驗(yàn)驗(yàn)證了駕駛員的駕駛風(fēng)格與車輛的燃油消耗直接相關(guān)，激進(jìn)型的駕駛風(fēng)格總是會(huì)導(dǎo)致更多的能源消耗和CO2排放，采取高能效的駕駛風(fēng)格能夠節(jié)約15%～20%的燃油。為了探究不同的駕駛風(fēng)格對(duì)燃油消耗的影響，部分學(xué)者按照正常型（駕駛員正常駕駛）、節(jié)能型（駕駛員在安全駕駛的前提下盡可能采取高能效的駕駛行為）和激進(jìn)型（駕駛員在安全駕駛的前提下采取使出行時(shí)間最少的駕駛行為）3種駕駛風(fēng)格設(shè)計(jì)實(shí)驗(yàn)并分析，發(fā)現(xiàn)激進(jìn)型駕駛員在采取了高能效的駕駛行為后能夠有效地降低駕駛循環(huán)的燃油消耗。駕駛風(fēng)格對(duì)混合動(dòng)力車的燃油消耗也存在較大的影響，Thomas等[10]的研究表明：最大化地利用駕駛風(fēng)格能夠降低混合動(dòng)氣車25%～68%的燃油消耗。對(duì)于電動(dòng)車來(lái)說(shuō)，駕駛員采取高能效的駕駛行為不僅可以降低能耗，還能夠增加行駛里程。駕駛行為還會(huì)對(duì)車輛的排放產(chǎn)生影響，CO2，CO，NOx，HC在交叉口上游的排放情況與駕駛風(fēng)格有關(guān)，各排放物的排放總量與減速段長(zhǎng)度負(fù)相關(guān)，車輛越提前減速，各排放物的總排放量越少。

由于駕駛?cè)藢?duì)生態(tài)駕駛的了解程度不高，其日常的駕駛習(xí)慣可以影響到車輛的排放情況。因此，部分學(xué)者對(duì)駕駛員進(jìn)行培訓(xùn)或進(jìn)行操作建議，鼓勵(lì)駕駛員采取生態(tài)駕駛行為，如避免突然停車和過(guò)多的怠速運(yùn)行、溫和地加速等，能夠明顯降低車輛的能耗和排放；并且在生態(tài)駕駛說(shuō)服策略去除之后，駕駛員仍能夠保持生態(tài)駕駛習(xí)慣[11]。但是目前多數(shù)駕駛個(gè)性的研究針對(duì)的是傳統(tǒng)車輛與駕駛?cè)?，而傳統(tǒng)車輛與智能網(wǎng)聯(lián)車輛的交通環(huán)境以及決策層并不重合，智能網(wǎng)聯(lián)汽車可以通過(guò)對(duì)不同工況下優(yōu)秀的生態(tài)駕駛行為進(jìn)行學(xué)習(xí)，完善自己的決策模型，在保證駕駛安全與駕乘舒適的基礎(chǔ)上，提升車輛的駕駛經(jīng)濟(jì)性。

1.3 道路交通狀況影響

道路交通狀況主要包括道路擁堵情況、道路類型、信號(hào)配時(shí)，以及交通主體等。車輛在信號(hào)交叉口頻繁的啟停和怠速都會(huì)增加額外的燃油消耗和排放[12]。因此，合理的信號(hào)配時(shí)能夠有效地降低車輛在有信號(hào)交叉口的排隊(duì)等待時(shí)間，從而可以降低能耗和排放[13]。道路類型在一定程度上會(huì)影響車輛的速度、加速度和減速度曲線。Wang等[14]對(duì)不同道路類型（高速公路、城市主干道、地方街道）的生態(tài)駕駛影響因素進(jìn)行研究，其中最節(jié)省燃油的道路是城市主干道，由于高速公路和快速路一般都是自由流，所以車輛具有更高的瞬時(shí)燃油消耗。CAVs由于能夠通過(guò)V2X與路側(cè)等單元進(jìn)行通信，因此能夠提前獲取信號(hào)燈配置，可以提前規(guī)劃速度和加速度策略，能夠以更加生態(tài)的方式通過(guò)交叉口，并且隨著CAVs滲透率的增加，交叉口的交通密度、平均行駛速度、停車延誤都顯著提高，從而可以降低車輛的燃油消耗和排放[13]。Jiang等[15]研究在部分智能網(wǎng)聯(lián)環(huán)境下的單交叉口生態(tài)駕駛系統(tǒng)，由于CAVs的滲透率不同，系統(tǒng)在非飽和條件下的節(jié)能效果可以達(dá)到2.02%～8.655%，在飽和條件下可以達(dá)到9.95%～44.02%，在過(guò)飽和條件下可以達(dá)到13.13%～58.01%。Rios-Torres等[16]設(shè)計(jì)了在匝道合流區(qū)場(chǎng)景的不同交通流量和滲透率條件下CAVs對(duì)燃油消耗的影響，在100%CAVs滲透率下，燃油消耗可降低40%～55%，在中、高交通流下，燃油消耗只在100%CAVs滲透率下才能實(shí)現(xiàn)，最高的節(jié)能效果（63%）是在中等交通流量下達(dá)到的。

由于CAVs的智能感知、車路協(xié)同、V2X通信等網(wǎng)聯(lián)功能，可以通過(guò)智能感知設(shè)備提前獲取交通信息、道路信息、車輛信息等，從而做出個(gè)體和整體的規(guī)劃，合理分配資源，提升整個(gè)交通系統(tǒng)的運(yùn)行效率。因此，對(duì)于政府道路管理部門可以從宏觀角度提前為車輛行駛過(guò)程中的信號(hào)燈等交通環(huán)境進(jìn)行決策規(guī)劃，實(shí)現(xiàn)生態(tài)駕駛效果的最大化，減少整個(gè)城市的能源消耗。但目前對(duì)于宏觀交通的決策規(guī)劃方面的研究還比較少，并沒(méi)有比較完整及確定的決策方式，因此對(duì)于學(xué)者來(lái)說(shuō)可以將研究方向立足于對(duì)于各種行駛工況的節(jié)能決策規(guī)劃，結(jié)合人工智能算法、機(jī)器學(xué)習(xí)等實(shí)現(xiàn)智能化的決策規(guī)劃，同時(shí)實(shí)現(xiàn)CAVs的生態(tài)駕駛普及。

1.4 社會(huì)因素影響

社會(huì)因素主要包括政府相關(guān)政策、經(jīng)濟(jì)手段刺激、社會(huì)宣傳等方面。社會(huì)需求、政府政策強(qiáng)制性的法律法規(guī)能夠促進(jìn)生態(tài)駕駛的執(zhí)行，歐盟的Directive 2006/126/EC和Commission Directive 2012/36/EU中規(guī)定駕校和駕駛員考試必須包含生態(tài)駕駛內(nèi)容；美國(guó)制定了Engine Idling Laws以限制不必要的怠速時(shí)間[2]。經(jīng)濟(jì)刺激手段也可以用來(lái)鼓勵(lì)生態(tài)駕駛。Lai[17]通過(guò)對(duì)比2個(gè)公交公司在執(zhí)行生態(tài)駕駛貨幣型獎(jiǎng)勵(lì)前后的燃油效率數(shù)據(jù)，發(fā)現(xiàn)實(shí)施了獎(jiǎng)勵(lì)之后公交的平均燃油消耗節(jié)省超過(guò)10%，碳排放也降低。Schall等[18]將貨幣型獎(jiǎng)勵(lì)和非貨幣型獎(jiǎng)勵(lì)引入到輕型商用車駕駛的生態(tài)駕駛獎(jiǎng)勵(lì)，對(duì)6個(gè)月的實(shí)驗(yàn)數(shù)據(jù)進(jìn)行分析，結(jié)果表明：有形的非貨幣型獎(jiǎng)勵(lì)能夠使平均燃油消耗降低5%，而同等價(jià)值的貨幣型獎(jiǎng)勵(lì)帶來(lái)的燃油消耗降低較少。生態(tài)駕駛執(zhí)行的效果還受到人們對(duì)其的認(rèn)知和理解，駕駛員會(huì)將出行時(shí)間成本、便捷性作為首要選擇，通常不會(huì)將節(jié)省能源作為主要考慮因素。但是，生態(tài)駕駛并不會(huì)增加城市交通出行的時(shí)間，而且較為緩和的駕駛行為可以降低交通事故的發(fā)生，因此，宣傳和普及生態(tài)駕駛知識(shí)和技能是十分必要的[2]。

綜上，在智能網(wǎng)聯(lián)環(huán)境下，駕駛?cè)说鸟{駛習(xí)慣及道路的交通狀況是影響生態(tài)駕駛的重要因素。因此，對(duì)于駕駛員，擁有良好的駕駛習(xí)慣不僅有利于駕駛安全，同時(shí)也可以使得車輛的能耗最少；對(duì)于道路管理部門，合理的交通決策規(guī)劃也是減少車輛能耗的有效措施。當(dāng)然對(duì)于車輛自身?xiàng)l件的改良及社會(huì)層面的政策輔助也是促進(jìn)生態(tài)駕駛的有效措施，同時(shí)降低城市的空氣污染，創(chuàng)造良好的城市生活環(huán)境。對(duì)于生態(tài)駕駛研究，學(xué)者們可以針對(duì)于駕駛員駕駛習(xí)慣改善、生態(tài)駕駛培訓(xùn)，以及生態(tài)駕駛決策控制優(yōu)化進(jìn)行進(jìn)一步研究，促進(jìn)生態(tài)駕駛的發(fā)展。

2 網(wǎng)聯(lián)環(huán)境下生態(tài)駕駛控制策略

在保證安全的前提下，實(shí)現(xiàn)節(jié)能減排是生態(tài)駕駛控制策略的核心目標(biāo)。生態(tài)駕駛控制策略主要分為2類：經(jīng)驗(yàn)總結(jié)法與理論求解法。經(jīng)驗(yàn)總結(jié)法是依據(jù)真實(shí)道路實(shí)車測(cè)試的方法，通過(guò)分析、總結(jié)多車型、多駕駛風(fēng)格、不同駕駛工況下的駕駛數(shù)據(jù)，得出車輛節(jié)能駕駛策略。經(jīng)驗(yàn)總結(jié)法得出的駕駛策略并不一定具有最優(yōu)性，駕駛策略也并不能覆蓋到所有的場(chǎng)景和駕駛狀況，是對(duì)駕駛策略的定量描述。理論求解法是對(duì)生態(tài)駕駛策略的定性分析，通過(guò)建立車輛行駛模型和能耗模型，依據(jù)數(shù)學(xué)方法建立能耗最優(yōu)的駕駛行為優(yōu)化模型，得出最優(yōu)的生態(tài)駕駛策略。

傳統(tǒng)生態(tài)駕駛控制策略大多基于車輛自身運(yùn)動(dòng)狀態(tài)的控制決策觸發(fā)，而網(wǎng)聯(lián)環(huán)境下的生態(tài)駕駛控制策略是基于傳統(tǒng)車輛控制策略結(jié)合網(wǎng)聯(lián)信息和智能決策形成的網(wǎng)聯(lián)生態(tài)駕駛控制策略，2種控制策略在研究對(duì)象和研究方法具有較大差異，見圖3。由于車輛網(wǎng)聯(lián)化并通過(guò)人工智能提取有效信息，生態(tài)駕駛控制策略的影響因素和駕駛工況變得更復(fù)雜，網(wǎng)聯(lián)信息、典型場(chǎng)景、評(píng)價(jià)標(biāo)準(zhǔn)，以及傳統(tǒng)生態(tài)駕駛控制策略也有所不同。

圖3 網(wǎng)聯(lián)環(huán)境下生態(tài)駕駛控制策略研究流程Fig.3 Research process of eco-driving control strategy in networked environment

2.1 傳統(tǒng)生態(tài)駕駛控制策略

傳統(tǒng)的生態(tài)駕駛控制策略研究主要通過(guò)對(duì)傳統(tǒng)車輛的速度、加速度進(jìn)行規(guī)劃，以達(dá)到減少燃油消耗、降低污染排放的目標(biāo)。有學(xué)者利用理論求解法，改善車輛動(dòng)力傳輸結(jié)構(gòu)，更精確地制定出操作模型，從而對(duì)生態(tài)駕駛控制策略展開研究。Xu等[19]針對(duì)巡航場(chǎng)景中的燃油車輛能源消耗做了研究，發(fā)現(xiàn)車輛傳動(dòng)系統(tǒng)的控制對(duì)能量消耗有顯著影響，基于齒輪傳動(dòng)的具有無(wú)級(jí)可控發(fā)動(dòng)機(jī)輸出脈沖與變速箱檔位選擇能夠最大幅度節(jié)省燃油。部分學(xué)者認(rèn)為生態(tài)駕駛策略最終體現(xiàn)在車輛速度規(guī)劃上，Heppeler等[20]采用離散動(dòng)態(tài)規(guī)劃方法分析并聯(lián)混合動(dòng)力電動(dòng)車的節(jié)能潛力，并通過(guò)優(yōu)化轉(zhuǎn)矩分配、速度軌跡，以到達(dá)節(jié)能減排的效果。余倩雯[21]基于三角正弦函數(shù)設(shè)計(jì)了1種經(jīng)濟(jì)車速規(guī)劃方法，在車輛加速、減速時(shí)采取不同的正弦值，并進(jìn)行了有效性驗(yàn)證。相較于利用理論求解獲取生態(tài)駕駛策略，有學(xué)者更青睞于運(yùn)用統(tǒng)計(jì)學(xué)的方法去找尋生態(tài)駕駛規(guī)律。部分學(xué)者對(duì)駕駛?cè)诉M(jìn)行生態(tài)駕駛培訓(xùn)，包括盡快提升轉(zhuǎn)速至合適范圍、保持平穩(wěn)轉(zhuǎn)速、提前預(yù)測(cè)交通流等生態(tài)駕駛操作，發(fā)現(xiàn)訓(xùn)練后的油耗明顯下降，提前規(guī)劃速度和加速度具有更好的生態(tài)駕駛效果。Zhao等[22]基于駕駛模擬器開發(fā)了生態(tài)駕駛訓(xùn)練反饋系統(tǒng)，訓(xùn)練后駕駛?cè)丝梢缘玫江h(huán)保駕駛報(bào)告，該報(bào)告包括他們的燃油消耗等級(jí)、節(jié)油潛力和駕駛行為相關(guān)的生態(tài)駕駛建議，形成定性的生態(tài)駕駛策略。Schall等[18]則提出了獎(jiǎng)勵(lì)手段，讓物流公司駕駛?cè)送ㄟ^(guò)6個(gè)月的自然駕駛，駕駛越生態(tài)獎(jiǎng)勵(lì)越高，研究結(jié)果顯示，在獎(jiǎng)勵(lì)刺激下，能使平均燃油消耗小幅度下降。也有學(xué)者利用人工智能先進(jìn)算法的理論求解法來(lái)研究生態(tài)駕駛控制策略，并且針對(duì)新能源車輛進(jìn)行研究。Qi等[23]提出了1種電動(dòng)車能源消耗估計(jì)模型，并利用該模型開發(fā)了1種基于模型預(yù)測(cè)控制的生態(tài)進(jìn)出場(chǎng)系統(tǒng)，對(duì)比試驗(yàn)表明，在不同交通場(chǎng)景、不同信號(hào)燈、不同運(yùn)行速度等條件下，該系統(tǒng)能保持良好的節(jié)能效果。Mousa等[24]設(shè)計(jì)了1種針對(duì)生態(tài)駕駛行為的深度強(qiáng)化學(xué)習(xí)（DRL）算法，用于解決信號(hào)燈路口附近的生態(tài)行駛和進(jìn)出問(wèn)題，以實(shí)現(xiàn)油耗最小化，仿真結(jié)果顯示：DRL算法能夠引導(dǎo)車輛順利合法地通過(guò)路口，燃油消耗量降低約13.02%。

傳統(tǒng)生態(tài)駕駛控制策略的研究主要體現(xiàn)在了能源系統(tǒng)硬件、速度規(guī)劃、外界刺激以及交通場(chǎng)景通行規(guī)劃等方面，但更多的研究都立足在燃油車之上，對(duì)于電動(dòng)車和混動(dòng)車研究較少。新能源車輛是未來(lái)車輛的主要發(fā)展方向，因此在能源系統(tǒng)硬件方面，研發(fā)更加節(jié)能、更加生態(tài)的能源系統(tǒng)硬件是較為重要的。傳統(tǒng)生態(tài)駕駛的控制策略主要集中在微觀層面的速度規(guī)劃方面，缺少了宏觀的交通場(chǎng)景控制規(guī)劃。原因在于傳統(tǒng)車輛的行駛速度由駕駛?cè)说闹饔^意識(shí)控制，可以較為容易地通過(guò)外界的刺激（如模擬駕駛培訓(xùn)、獎(jiǎng)勵(lì)機(jī)制等）進(jìn)行糾正，因此學(xué)者們可以將后續(xù)的研究重心放在宏觀的決策控制層面，進(jìn)一步達(dá)到全局的生態(tài)駕駛，同時(shí)可以為網(wǎng)聯(lián)環(huán)境下的生態(tài)駕駛控制提供理論與數(shù)據(jù)上的基礎(chǔ)。

2.2 網(wǎng)聯(lián)環(huán)境下的生態(tài)駕駛控制策略

國(guó)內(nèi)外有關(guān)網(wǎng)聯(lián)環(huán)境下的生態(tài)駕駛策略研究主要集中在交叉口生態(tài)駕駛策略和車輛隊(duì)列生態(tài)駕駛策略2個(gè)方面。在交叉口駕駛生態(tài)策略研究方面，Wan等[25]研究網(wǎng)聯(lián)車輛在定時(shí)信號(hào)下的最小燃油消耗駕駛策略，網(wǎng)聯(lián)車輛通過(guò)V2X通信技術(shù)提前獲取交通信號(hào)信息，采取最大轉(zhuǎn)矩加速、讓發(fā)動(dòng)機(jī)關(guān)閉或者怠速時(shí)滑行等駕駛策略，避免車輛在路口的急減速和發(fā)動(dòng)機(jī)怠速時(shí)間，可以大幅降低燃油消耗。Jiang等[26]在單交叉口和部分CAVs條件下設(shè)計(jì)生態(tài)駕駛系統(tǒng)，優(yōu)先考慮通過(guò)性，其次考慮提升燃油效率，通過(guò)優(yōu)化CAVs的速度組合策略，燃油消耗可以降低2.02%～58.01%，CO2排放可以降低1.97%～33.26%。孟竹等[27]借助交叉口區(qū)域的車-基礎(chǔ)設(shè)施（vehicle to infrastructure，V2I）通信系統(tǒng)獲得自車的運(yùn)動(dòng)信息以及信號(hào)燈狀態(tài)信息，以油耗建立優(yōu)化目標(biāo)函數(shù)，對(duì)生態(tài)駕駛車速進(jìn)行引導(dǎo)，結(jié)果表明：優(yōu)化后的生態(tài)駕駛策略可以降低10%～30%的燃油消耗。Zhang等[28]對(duì)網(wǎng)聯(lián)公交的生態(tài)駕駛進(jìn)行研究，通過(guò)V2I獲取交通信號(hào)和乘客信息，以尾氣排放最小和避免在交叉口額外停留為優(yōu)化目標(biāo)，設(shè)計(jì)了結(jié)合滾動(dòng)水平優(yōu)化與分支定界方法的數(shù)值算法，求解得到公交車最佳駕駛速度并通過(guò)移動(dòng)設(shè)備展示給駕駛?cè)?，可以提高生態(tài)駕駛效果。Ko等[29]設(shè)計(jì)了生態(tài)駕駛指導(dǎo)系統(tǒng)并在實(shí)車環(huán)境下驗(yàn)證，在單獨(dú)交叉口的實(shí)車實(shí)驗(yàn)表明生態(tài)駕駛指導(dǎo)系統(tǒng)可以節(jié)省燃油消耗20%～40%。Lin等[30]使用更接近真實(shí)情況的網(wǎng)聯(lián)車輛動(dòng)力學(xué)和燃油消耗模型來(lái)研究2個(gè)信號(hào)路口的生態(tài)駕駛策略，近似最佳的速度行駛策略可以在多個(gè)交叉口達(dá)到節(jié)省燃油的效果。魏學(xué)新[31]分析車輛狀態(tài)和信號(hào)配時(shí)之間的關(guān)系建立生態(tài)駕駛策略模型，利用VISSIM進(jìn)行仿真獲取最佳生態(tài)駕駛策略，并驗(yàn)證了提出模型的有效性。魏濤[32]提出了1種最優(yōu)巡航車速的生態(tài)駕駛策略，保證網(wǎng)聯(lián)車輛在經(jīng)過(guò)信號(hào)燈路口時(shí)不發(fā)生停車現(xiàn)象，減少了車輛行駛過(guò)程中的燃油消耗。

在車隊(duì)生態(tài)駕駛策略研究方面，徐麗萍等[33]基于車路協(xié)同交通環(huán)境開展了交叉口車輛列隊(duì)車速優(yōu)化研究，以引導(dǎo)車輛的停車通行交叉口時(shí)間為目標(biāo)，改進(jìn)了車輛列隊(duì)跟馳模型，結(jié)果使得車隊(duì)的最大排隊(duì)長(zhǎng)度減少58.8%，燃油消耗減少36.4%。Wu等[34]提出了考慮前車狀態(tài)的動(dòng)態(tài)生態(tài)駕駛模型，運(yùn)用非線性編程算法得到最優(yōu)車速組合和車隊(duì)的最優(yōu)行駛軌跡。He等[35]研究網(wǎng)聯(lián)條件下燃油車和電動(dòng)車組成的異質(zhì)車隊(duì)生態(tài)駕駛策略，運(yùn)用優(yōu)化控制模型提供2種駕駛策略：加速度組合駕駛策略和巡航速度組合駕駛策略，研究結(jié)果表明：自動(dòng)駕駛車輛領(lǐng)航的車隊(duì)適合第1種策略，而對(duì)于人類駕駛員領(lǐng)航的車隊(duì)，第2種策略更合適，2種生態(tài)駕駛策略都可以降低能源消耗。Wang等[36]以混合動(dòng)力電動(dòng)汽車研究對(duì)象，提出了1種在混合駕駛場(chǎng)景下的雙級(jí)生態(tài)駕駛控制策略，并以車-車、車-路的通信方式作為控制系統(tǒng)決策的主要數(shù)據(jù)來(lái)源，仿真結(jié)果表明：該策略可以降低34.10%的油耗，污染物排放（HC，CO和NOx）分別降低25.36%，72.30%和30.39%。

根據(jù)現(xiàn)有研究分析，表1總結(jié)了網(wǎng)聯(lián)環(huán)境下生態(tài)駕駛策略研究與傳統(tǒng)生態(tài)駕駛策略研究的差異，可以總結(jié)出網(wǎng)聯(lián)環(huán)境下的生態(tài)駕駛控制策略研究具備以下特點(diǎn)。

表1 網(wǎng)聯(lián)環(huán)境下與傳統(tǒng)生態(tài)駕駛控制策略的對(duì)比Tab.1 The comparison of eco-driving control strategies in conventional environment and in networked environment

1）網(wǎng)聯(lián)環(huán)境下的生態(tài)駕駛控制策略是在傳統(tǒng)生態(tài)駕駛的車輛控制決策基礎(chǔ)上綜合考慮了網(wǎng)聯(lián)信息的影響進(jìn)而做出的更具備全局性的策略。

2）對(duì)于網(wǎng)聯(lián)環(huán)境下生態(tài)駕駛控制策略研究，相較于傳統(tǒng)駕駛策略上的考慮單車生態(tài)駕駛策略，網(wǎng)聯(lián)環(huán)境下考慮了多車生態(tài)駕駛策略達(dá)到更高等級(jí)的節(jié)能與安全目標(biāo)。學(xué)者們多關(guān)注于多車在交叉口或編隊(duì)駕駛工況下的生態(tài)駕駛策略控制，其他如立交橋、環(huán)形交叉口等復(fù)雜的多車行駛工況還有待研究。

3）目前車路協(xié)同和自動(dòng)駕駛的發(fā)展迅速，網(wǎng)聯(lián)環(huán)境下的生態(tài)駕駛決策能夠?yàn)槲磥?lái)智能交通系統(tǒng)服務(wù)，因此傳統(tǒng)生態(tài)駕駛策略向網(wǎng)聯(lián)環(huán)境生態(tài)駕駛控制策略過(guò)渡是必然趨勢(shì)。

3 智能網(wǎng)聯(lián)車輛生態(tài)駕駛應(yīng)用現(xiàn)狀

隨著CAVs相關(guān)技術(shù)的不斷發(fā)展，生態(tài)駕駛同時(shí)迎來(lái)了前所未有的變革?；谲嚶穮f(xié)同技術(shù)，CAVs和智能路側(cè)設(shè)備可綜合感知路面信息和車輛行駛參數(shù)，為生態(tài)駕駛提供大量有效信息和計(jì)算數(shù)據(jù)，從而達(dá)到安全、高效和節(jié)能減排的效果。見圖4，智能網(wǎng)聯(lián)生態(tài)駕駛主要應(yīng)用于以下3個(gè)方面：駕駛輔助系統(tǒng)功能拓展、CAVs決策優(yōu)化與促進(jìn)智能交通綠色發(fā)展。

圖4 智能網(wǎng)聯(lián)生態(tài)駕駛應(yīng)用Fig.4 The application of eco-driving in networked environment

3.1 駕駛輔助系統(tǒng)功能拓展

在車-車、車-路協(xié)同環(huán)境下，駕駛輔助系統(tǒng)通常可以獲得大量車輛信息、路面信息等交通信息，同時(shí)可以利用豐富的信息為駕駛者提前規(guī)劃行駛路徑并對(duì)駕駛者的駕駛行為進(jìn)行評(píng)估，從而通過(guò)為駕駛員提供生態(tài)駕駛決策來(lái)達(dá)到節(jié)能、減排的效果。Ando等在日本豐田市開展了1項(xiàng)社會(huì)實(shí)驗(yàn)，結(jié)果顯示，影響駕駛員做出生態(tài)駕駛決策的因素包括：①?gòu)腃O2排放量角度看，平均速度、平均行駛距離，以及個(gè)人特征是重要的影響因素；②當(dāng)以高頻率提供信息時(shí)，駕駛員可能會(huì)陷入困境，并且在開始某個(gè)時(shí)間段后不再受信息提供的影響；當(dāng)以中頻率提供信息時(shí)，駕駛員可以長(zhǎng)期保持在生態(tài)駕駛狀態(tài)；③由于最終效果與個(gè)人特征有關(guān)，因此根據(jù)個(gè)人特征提供信息的駕駛輔助系統(tǒng)能夠?qū)崿F(xiàn)最佳的生態(tài)駕駛效果。

許多研究人員正致力于通過(guò)改善車輛與周圍環(huán)境的感知來(lái)幫助駕駛員做出更優(yōu)的決策進(jìn)而使車輛行駛更安全、更高效。Butakov等[37]研究發(fā)現(xiàn)交通信號(hào)燈和停車標(biāo)志往往會(huì)迫使車輛停車并重新啟動(dòng)，令駕駛員感到沮喪，因此他們利用車輛與基礎(chǔ)設(shè)施的通信技術(shù)提出了1種在信號(hào)燈路口場(chǎng)景下的個(gè)性化速度優(yōu)化算法，該算法可用于駕駛輔助系統(tǒng)，在駕駛過(guò)程中可以學(xué)習(xí)駕駛員的個(gè)人偏好和特征，并利用這些數(shù)據(jù)計(jì)算出既能夠減少油耗和等待時(shí)間又更適合駕駛員偏好的駕駛策略。Neaimeh等[38]提出了1種基于智能網(wǎng)聯(lián)技術(shù)的生態(tài)型路線規(guī)劃系統(tǒng)，該系統(tǒng)可以根據(jù)地形和路網(wǎng)的交通狀況，并通過(guò)線性模型來(lái)確定能源消耗方程，然后利用Dijkstra圖搜索算法計(jì)算到達(dá)目的地的最小能耗路線，從而擴(kuò)展電動(dòng)汽車的行駛路線；該項(xiàng)研究被用于更好地指導(dǎo)智能導(dǎo)航和生態(tài)駕駛輔助系統(tǒng)做出最優(yōu)決策。Sakhdari等[39]提出了1種生態(tài)駕駛輔助系統(tǒng)，該系統(tǒng)利用雷達(dá)、交通信號(hào)燈，以及車-車、車-路通信預(yù)測(cè)前方車輛未來(lái)的行駛軌跡，并利用此信息生成生態(tài)駕駛決策來(lái)引導(dǎo)、輔助駕駛員。實(shí)驗(yàn)表明：該系統(tǒng)可以使車輛能耗降低約17%。Meseguer等[40]在智能網(wǎng)聯(lián)環(huán)境下提出了基于Driving Styles架構(gòu)的智能駕駛輔助系統(tǒng)，該系統(tǒng)采用數(shù)據(jù)挖掘和神經(jīng)網(wǎng)絡(luò)技術(shù)分析和生成基于駕駛員個(gè)人特征的駕駛風(fēng)格和油耗分類；該系統(tǒng)同時(shí)可以根據(jù)從車輛的電子控制單元(ECU)獲取的數(shù)據(jù)來(lái)實(shí)時(shí)計(jì)算車輛的油耗和尾氣排放量，并利用算法表征駕駛員的駕駛風(fēng)格，從而協(xié)助駕駛員糾正不良的駕駛習(xí)慣，同時(shí)提供有益的決策信息來(lái)減少油耗，提高駕駛安全性。

生態(tài)駕駛在駕駛輔助方面的應(yīng)用體現(xiàn)在交通規(guī)劃、輔助駕駛建議、軌跡優(yōu)化等多個(gè)方面，利用機(jī)器學(xué)習(xí)、人工智能算法等方法通過(guò)對(duì)駕駛?cè)笋{駛個(gè)性學(xué)習(xí)、道路環(huán)境感知預(yù)測(cè)、行駛軌跡動(dòng)態(tài)規(guī)劃等設(shè)計(jì)生態(tài)駕駛輔助系統(tǒng)，可以更加精確地計(jì)算交通環(huán)境，采用更加適應(yīng)乘駕者感受的控制與提醒方法，起到更加有效的駕駛輔助功能，減少車輛的能源消耗，實(shí)現(xiàn)生態(tài)駕駛。

3.2 智能網(wǎng)聯(lián)車輛生態(tài)駕駛決策優(yōu)化

車輛通過(guò)交叉口和組隊(duì)時(shí)經(jīng)常發(fā)生車輛制動(dòng)、怠速的情況，因此這2種駕駛場(chǎng)景下的駕駛行為是影響交通流量和能源消耗的重要因素。基于車-車、車-路協(xié)同的CAVs可以得到其他車輛的行駛參數(shù)以及交通信號(hào)、交通流狀態(tài)等信息，利用諸多有益的交通信息制定、規(guī)劃控制策略，結(jié)合生態(tài)駕駛技術(shù)優(yōu)化決策，達(dá)到節(jié)能、減排的效果。

交叉口生態(tài)駕駛是生態(tài)駕駛技術(shù)中的重點(diǎn)也是難點(diǎn)。Zhao等[41]提出了1種實(shí)時(shí)協(xié)同的生態(tài)駕駛策略，首先車隊(duì)中的領(lǐng)隊(duì)車輛利用V2I獲取交通信號(hào)和時(shí)間信息，車隊(duì)中其他車輛利用V2V獲取前車和車隊(duì)的交通狀態(tài)，然后利用退界模型預(yù)測(cè)控制方法以最小化車隊(duì)能源消耗的方式通過(guò)交叉路口。仿真實(shí)驗(yàn)結(jié)果表明：該策略能降低整個(gè)交通系統(tǒng)的能耗。Zhang等[42]提出了1種基于智能網(wǎng)聯(lián)環(huán)境的生態(tài)駕駛排隊(duì)控制模型，該模型以排隊(duì)通過(guò)時(shí)間和能耗最小化為目標(biāo)，通過(guò)分排和速度引導(dǎo)得到交叉口排隊(duì)放行計(jì)劃和信號(hào)控制策略。仿真結(jié)果表明：車輛的平均等待時(shí)間減少了8.97%，總能耗減少了21.3%。Shi等[43]基于Q-Learning算法將CAVs視作1個(gè)智能體，選取車輛到交叉路口的距離、信號(hào)燈狀態(tài)、車輛瞬時(shí)速度等參數(shù)來(lái)表征實(shí)時(shí)環(huán)境狀態(tài)，將車輛排放的CO2總量作為獎(jiǎng)勵(lì)標(biāo)準(zhǔn)，并根據(jù)實(shí)時(shí)環(huán)境狀態(tài)選擇其駕駛行為。仿真結(jié)果表明：利用強(qiáng)化學(xué)習(xí)獲得的駕駛行為可以有效的降低能耗。Wang等[44]研究了CAVs滲透率如何影響交通網(wǎng)絡(luò)的整體能耗，提出了1種針對(duì)信號(hào)燈走廊的協(xié)同生態(tài)駕駛系統(tǒng)，并通過(guò)角色轉(zhuǎn)換協(xié)議以實(shí)現(xiàn)領(lǐng)航車與跟隨車輛角色的轉(zhuǎn)換；利用PTV VISSIM對(duì)美國(guó)加州河濱市采集的真實(shí)交通數(shù)據(jù)進(jìn)行了微觀交通模擬評(píng)估，結(jié)果顯示：隨著CAVs滲透率的提高，整個(gè)交通系統(tǒng)的能耗和污染物排放量均有所下降，且當(dāng)滲透率達(dá)到100%時(shí)，能耗量減少超過(guò)7%，尾氣排放量減少高達(dá)59%。Kamalanathsharma等[45]認(rèn)為當(dāng)車輛速度偏離“最佳燃料速度”時(shí)會(huì)產(chǎn)生額外的能源消耗，并提出了1種生態(tài)協(xié)同自適應(yīng)巡航控制（ECACC）模型，該模型通過(guò)接收基礎(chǔ)設(shè)施發(fā)送的信號(hào)相位和定時(shí)（SPaT）數(shù)據(jù)來(lái)預(yù)測(cè)交通信號(hào)對(duì)車輛軌跡的約束，并提前優(yōu)化車輛行駛軌跡，以最大限度地降低車輛能耗；該模型在美國(guó)30輛銷量最高的車輛上進(jìn)行了測(cè)試，實(shí)驗(yàn)表明：應(yīng)用該模型的車輛通過(guò)信號(hào)燈交叉口時(shí)可節(jié)省5%～30%的燃油。

目前，雖有部分學(xué)者對(duì)生態(tài)駕駛實(shí)時(shí)控制方法開展了研究，但僅僅停留在交叉路口的控制決策。Lee等[46]提出1種生態(tài)駕駛咨詢系統(tǒng)（EDAS），該系統(tǒng)結(jié)合了最大化吞吐量模型（MTM）、平滑速度模型（SSM）和最小化加減速模型（MinADM），并將獨(dú)立交叉口模型拓展到連續(xù)交叉口模型，使車輛以最小的停車可能性通過(guò)連續(xù)交叉口來(lái)降低CO2的排放和能耗，最后與開放信號(hào)燈控制模型（OTLCM）和預(yù)測(cè)性巡航控制（PCC）模型進(jìn)行了比較，結(jié)果表明：在單交叉口場(chǎng)景下，該模型相較與OTLCM，CO2排放量降低了25.1%，平均行駛時(shí)間減少了20.5%；在連續(xù)交叉口場(chǎng)景下，該模型相比于PCC模型，CO2排放量降低19.9%，平均行駛時(shí)間減少24.5%。Lin等[30]研究了在任意2個(gè)交叉路口之間CAVs能耗最優(yōu)化通行規(guī)則，并提出了1個(gè)使發(fā)動(dòng)機(jī)能耗最小化的控制問(wèn)題。研究發(fā)現(xiàn)：2個(gè)紅色信號(hào)燈路口之間的最優(yōu)駕駛操作形式為2階段解，即加速和減速，或3階段解，即加速、定速巡航和減速，具體情況取決于路口之間的距離和限速。

在經(jīng)過(guò)對(duì)傳統(tǒng)小型汽油車生態(tài)駕駛決策的研究之后，部分學(xué)者開展了針對(duì)特種車輛以及電動(dòng)汽車的生態(tài)駕駛決策研究。Johanson等[47]提出了1種基于動(dòng)態(tài)規(guī)劃的最大加速度模型，對(duì)重型車輛車隊(duì)的減速情況進(jìn)行了最優(yōu)速度控制，顯著減少了燃油能耗。Li等[48]針對(duì)CAVs提出了1種周期切換的控制方法，使得在保證油耗最小化的同時(shí)也可以使得對(duì)車隊(duì)的控制具有良好的魯棒性。Zhao等[41]研究了1組混合CAVs和HPVs的實(shí)時(shí)協(xié)同生態(tài)駕駛策略的設(shè)計(jì)，可以進(jìn)一步平滑車輛的行駛軌跡，降低整個(gè)交通系統(tǒng)的燃油消耗。He等[35]提出了1種最優(yōu)控制模型，該模型為電動(dòng)汽車和傳統(tǒng)汽油車的混合車隊(duì)提供生態(tài)駕駛建議。

協(xié)同自適應(yīng)巡航控制（cooperative adaptive cruise control，CACC）是基于互聯(lián)通信技術(shù)的自動(dòng)駕駛速度控制系統(tǒng)，可極大地提高行駛安全性，減少交通擁堵和提高能量利用效率[49]。隨著CACC系統(tǒng)的提出，國(guó)內(nèi)外學(xué)者針對(duì)CACC車輛隊(duì)列的穩(wěn)定性與魯棒性控制做了一定的研究。在車-車協(xié)同高效穩(wěn)定的隊(duì)列行駛基礎(chǔ)上，提出了基于車路協(xié)同的生態(tài)協(xié)同式自適應(yīng)巡航控制（ecological cooperative adaptive cruise control，ECACC）對(duì)于解決實(shí)際能耗問(wèn)題、交通效率問(wèn)題有良好的效果。同時(shí)，王瓊等[50]充分考慮道路坡度以及車隊(duì)異質(zhì)性，提出了1種車輛隊(duì)列協(xié)同控制方法，該方法可保證車隊(duì)低能耗安全行駛。

在智能網(wǎng)聯(lián)環(huán)境下，生態(tài)駕駛的決策優(yōu)化是目前生態(tài)駕駛應(yīng)用中較為重要的方面，學(xué)者們大多數(shù)從單車控制規(guī)劃到隊(duì)列控制規(guī)劃再到獨(dú)立交叉口場(chǎng)景決策再到多交叉口場(chǎng)景決策，通過(guò)對(duì)CAVs車輛隊(duì)列的控制，可以提高車輛在行駛過(guò)程中的安全性，減小車輛行駛過(guò)程中的行駛間距和空氣阻力，從而可以減少行車過(guò)程中的能源消耗，達(dá)到生態(tài)駕駛的目的。同時(shí)，在各種復(fù)雜交通場(chǎng)景下，通過(guò)對(duì)車隊(duì)的協(xié)同跟馳控制，可以實(shí)現(xiàn)列隊(duì)整體能耗最優(yōu)，提高道路容載率和整體通行效率。但目前的控制規(guī)劃都還停留在理論研究階段，雖通過(guò)一系列仿真實(shí)驗(yàn)證明了其生態(tài)駕駛的作用，但是還未達(dá)到與實(shí)際交通場(chǎng)景結(jié)合的程度。因此在未來(lái)的研究方向上建議學(xué)者們首先可以通過(guò)智能網(wǎng)聯(lián)環(huán)境采集真實(shí)交通場(chǎng)景，將生態(tài)駕駛的研究立足于更多的交叉口場(chǎng)景等更加復(fù)雜的交通場(chǎng)景中，發(fā)揮出生態(tài)駕駛的實(shí)際效果；其次由于實(shí)際的交通環(huán)境是動(dòng)態(tài)變化的，因此學(xué)者們可以通過(guò)與大數(shù)據(jù)交通流預(yù)測(cè)等研究進(jìn)行結(jié)合，將生態(tài)駕駛的決策優(yōu)化實(shí)時(shí)化，使其不僅停留于理論研究階段，促進(jìn)生態(tài)駕駛的進(jìn)一步發(fā)展。

3.3 智能交通系統(tǒng)綠色發(fā)展

隨著智能交通系統(tǒng)的發(fā)展，交通安全水平得到了大幅度提高，同時(shí)也提升了交通運(yùn)輸管理的效率，緩解了交通擁堵，節(jié)省了出行時(shí)間，減少了能源消耗和污染排放。

智能交通系統(tǒng)的特有屬性與生態(tài)駕駛天然契合，能有效促進(jìn)智能交通系統(tǒng)綠色發(fā)展，提高現(xiàn)有道路交通網(wǎng)絡(luò)的運(yùn)行效率，緩解擁堵、節(jié)約能源、減輕污染。智能交通能夠提高道路使用效率，使交通堵塞減少約60%，使短途運(yùn)輸效率提高近70%，使現(xiàn)有道路的通行能力提高2～3倍。車輛在智能交通體系內(nèi)行駛，停車次數(shù)可減少30%，行駛時(shí)間減少15%～45%，車輛的使用效率提高50%以上。通過(guò)智能控制，由于平均車速的提高帶來(lái)了燃料消耗量的減少和排出廢氣量的降低，油耗可降低15%。

促進(jìn)智能交通系統(tǒng)綠色發(fā)展作為未來(lái)智能交通發(fā)展的必經(jīng)之路，各國(guó)政府和學(xué)者對(duì)其進(jìn)行了大量研究和實(shí)踐。歐盟EcoMove項(xiàng)目通過(guò)優(yōu)化駕駛員的駕駛行為并引導(dǎo)駕駛員選擇最環(huán)保的行駛路徑；通過(guò)車隊(duì)管理系統(tǒng)，指導(dǎo)和鼓勵(lì)駕駛員選擇能耗更低的規(guī)劃路徑；在通過(guò)交通管理系統(tǒng)優(yōu)化交通信號(hào)燈科學(xué)分配的同時(shí)，提高整個(gè)路網(wǎng)車輛的運(yùn)行效率，減少能耗。美國(guó)IntelliDrive項(xiàng)目采用無(wú)線通信技術(shù)使車-車、車-路和用戶無(wú)線設(shè)備進(jìn)行互聯(lián)，將相關(guān)信息有效地傳遞給駕駛員，使交通運(yùn)輸更安全、更智慧、更綠色。日本SmartWay項(xiàng)目提供了1個(gè)開放共享的基礎(chǔ)平臺(tái)，強(qiáng)調(diào)基礎(chǔ)設(shè)施和車載裝置的互聯(lián)互通；該平臺(tái)可以提供與安全有關(guān)的信息，如前方道路狀況、大范圍擁堵等信息，從而提高道路交通效率和安全性。

Hsu等[51]開發(fā)了1種基于云的服務(wù)框架，以減少智能交通系統(tǒng)中的CO2排放量和燃料消耗。該框架通過(guò)云平臺(tái)、數(shù)字速記技術(shù)和路邊攝像頭來(lái)分別收集交通狀況、駕駛行為和交通視頻等，將其用來(lái)進(jìn)行高級(jí)數(shù)據(jù)分析，為駕駛員提供最小油耗路線導(dǎo)航和生態(tài)駕駛策略。支持車聯(lián)網(wǎng)（V2X）功能的基礎(chǔ)設(shè)施是智能交通系統(tǒng)的核心之一，Lee等[52]設(shè)計(jì)并實(shí)現(xiàn)了1種智能交通信號(hào)控制（STSC）系統(tǒng)，其支持多種智能城市交通應(yīng)用，包括緊急車輛信號(hào)搶占（EVSP）、生態(tài)駕駛支持、自適應(yīng)交通信號(hào)控制（ATSC）等。該系統(tǒng)可以為十字路口附近的所有CAVs提供行駛決策，從而使交通流變得更加順暢，有效降低油耗。

目前生態(tài)駕駛智能交通系統(tǒng)研究與應(yīng)用以國(guó)外居多，由于不同國(guó)家之間社會(huì)條件差異較大，中國(guó)的交通環(huán)境復(fù)雜多變，現(xiàn)有的研究成果不一定適用于中國(guó)的交通環(huán)境，需要根據(jù)中國(guó)實(shí)際條件進(jìn)行調(diào)研與研究，形成符合中國(guó)實(shí)際交通現(xiàn)狀的生態(tài)駕駛規(guī)范是十分有必要的，具體可以表現(xiàn)為符合中國(guó)法律法規(guī)，符合中國(guó)地形多變，符合中國(guó)跨緯度大，符合中國(guó)交通潮汐等交通規(guī)律。

4 生態(tài)駕駛研究總結(jié)與展望

本文基于近年來(lái)國(guó)內(nèi)外對(duì)智能網(wǎng)聯(lián)車輛生態(tài)駕駛研究方面的重要成果，系統(tǒng)梳理了智能網(wǎng)聯(lián)環(huán)境下生態(tài)駕駛的影響因素、控制策略以及應(yīng)用現(xiàn)狀，也對(duì)智能網(wǎng)聯(lián)環(huán)境下的生態(tài)駕駛研究進(jìn)行了總結(jié)，同時(shí)對(duì)未來(lái)研究方向提出了建議，見表2。

表2 對(duì)于未來(lái)生態(tài)駕駛研究方向的建議Tab.2 Suggestions for future research directions of eco-driving

4.1 生態(tài)駕駛的影響因素

CAVs生態(tài)駕駛影響因素和傳統(tǒng)HPVs影響因素相似，都可以分為自身特征、駕駛個(gè)性、道路交通狀況與社會(huì)條件的影響，但是CAVs增加了許多網(wǎng)聯(lián)傳感器，可以在車輛行駛過(guò)程中結(jié)合路側(cè)感知設(shè)備和V2X通信技術(shù)等，能夠獲得如視野盲區(qū)環(huán)境、交通燈信號(hào)、周圍車輛信息等網(wǎng)聯(lián)信息，因此通信條件在CAVs生態(tài)駕駛之中有較顯著的影響。隨著智能網(wǎng)聯(lián)技術(shù)的發(fā)展，為了進(jìn)一步促進(jìn)生態(tài)駕駛的發(fā)展，在網(wǎng)聯(lián)通信技術(shù)方面，可以利用5G通訊技術(shù)、北斗定位系統(tǒng)等，提高車-路、車-車之間的通信效率，保證數(shù)據(jù)之間的傳輸質(zhì)量，為智能網(wǎng)聯(lián)車輛的自主駕駛提供基礎(chǔ)數(shù)據(jù)上的保障；同時(shí)可以和政府企業(yè)合作研發(fā)高新技術(shù)，降低設(shè)備成本，促進(jìn)智能網(wǎng)聯(lián)車輛的發(fā)展，減少硬件設(shè)施因素對(duì)網(wǎng)聯(lián)環(huán)境下生態(tài)駕駛的影響效果。

目前，駕駛員對(duì)生態(tài)駕駛的影響已經(jīng)得到國(guó)內(nèi)外研究人員的普遍認(rèn)可。針對(duì)駕駛行為方面的研究主要側(cè)重于駕駛特性（即加速、減速、空轉(zhuǎn)和制動(dòng)）；從駕駛風(fēng)格方面的研究可知不同駕駛風(fēng)格的駕駛員對(duì)生態(tài)駕駛的影響差異較大，因此，生態(tài)駕駛輔助系統(tǒng)、生態(tài)駕駛培訓(xùn)等應(yīng)充分考慮駕駛?cè)说鸟{駛風(fēng)格，以使得生態(tài)駕駛的效果更加明顯。

4.2 生態(tài)駕駛的控制策略

網(wǎng)聯(lián)環(huán)境下的生態(tài)駕駛控制策略是在傳統(tǒng)生態(tài)駕駛的車輛控制決策基礎(chǔ)上綜合考慮了網(wǎng)聯(lián)信息的影響而做出的更具備全局性的策略，分為經(jīng)驗(yàn)總結(jié)法與理論求解法2類。前者更具備普適性，而后者更具備獨(dú)特性；但基于經(jīng)驗(yàn)總結(jié)法的生態(tài)駕駛節(jié)能策略已經(jīng)在研究領(lǐng)域淡出了人們的視線，而基于理論求解法的生態(tài)駕駛節(jié)能策略因其定量性備受研究者的青睞。

盡管網(wǎng)聯(lián)環(huán)境下的生態(tài)駕駛控制策略取得了很大進(jìn)展，但大多數(shù)研究依賴于模擬駕駛來(lái)進(jìn)行有限場(chǎng)景的實(shí)驗(yàn)。為了實(shí)施生態(tài)駕駛控制策略，需要考慮車輛動(dòng)力學(xué)、V2X連接等因素，同時(shí)也需要更多的現(xiàn)場(chǎng)實(shí)驗(yàn)來(lái)驗(yàn)證生態(tài)駕駛控制策略的性能；同時(shí)，學(xué)者們多關(guān)注于多車在交叉口或編隊(duì)駕駛工況下的生態(tài)駕駛策略控制，在立交橋、環(huán)形交叉口等復(fù)雜的多車行駛工況還有待研究。

4.3 生態(tài)駕駛的決策優(yōu)化

隨著車路協(xié)同和自動(dòng)駕駛的發(fā)展迅速，網(wǎng)聯(lián)環(huán)境下的生態(tài)駕駛決策正在由單車生態(tài)逐漸過(guò)渡到群體協(xié)同生態(tài)駕駛。從駕駛決策方面的研究可知駕駛員應(yīng)充分考慮如何選擇路線、如何控制速度以及何時(shí)采取制動(dòng)等問(wèn)題以達(dá)到生態(tài)駕駛；且隨著智能網(wǎng)聯(lián)技術(shù)不斷發(fā)展，駕駛員操作車輛的機(jī)會(huì)將越來(lái)越少，因此，未來(lái)駕駛員對(duì)生態(tài)駕駛的影響比重將會(huì)逐漸降低。

從目前大部分的生態(tài)駕駛決策優(yōu)化研究中可以分析得出，各種措施都可以有效地減少車輛的能耗以及排放，但是這些研究?jī)H僅聚焦在了駕駛過(guò)程中的外在影響，但是在生態(tài)駕駛過(guò)程中的主要影響因素也包括了駕駛?cè)说鸟{駛習(xí)慣，如果駕駛?cè)说闹饔^因素得以改善，那么生態(tài)駕駛的成效也會(huì)事半功倍。同時(shí)，得益于新能源發(fā)明探索與相關(guān)技術(shù)的持續(xù)進(jìn)步，汽車市場(chǎng)也逐漸由傳統(tǒng)燃油汽車向新能源汽車轉(zhuǎn)變，因此有關(guān)生態(tài)駕駛的研究主體也逐漸轉(zhuǎn)向新能源汽車。在新能源車輛生態(tài)駕駛的研究中，國(guó)內(nèi)外學(xué)者將更多的注意力放在能源管理和實(shí)際應(yīng)用方面，結(jié)合先進(jìn)技術(shù)，適應(yīng)行業(yè)發(fā)展，促進(jìn)生態(tài)駕駛的快速發(fā)展。

5 結(jié)束語(yǔ)

隨著智能網(wǎng)聯(lián)技術(shù)的快速發(fā)展，智能網(wǎng)聯(lián)車輛走進(jìn)了人們的生活中，智能網(wǎng)聯(lián)車輛是一門多學(xué)科融合的研究，離不開車聯(lián)網(wǎng)技術(shù)、自動(dòng)駕駛技術(shù)、人工智能技術(shù)、通信技術(shù)等先進(jìn)技術(shù)的共同支撐。隨后隨著節(jié)能減排理念的提出，誕生了生態(tài)駕駛的概念，從而也衍生出了針對(duì)于智能網(wǎng)聯(lián)車輛生態(tài)駕駛的相關(guān)研究。本文旨在總結(jié)目前生態(tài)駕駛研究的現(xiàn)狀，結(jié)合傳統(tǒng)生態(tài)駕駛研究，分析目前智能網(wǎng)聯(lián)環(huán)境下的生態(tài)駕駛所存在的問(wèn)題，并為學(xué)者們提供未來(lái)研究的方向與建議。生態(tài)駕駛是交通運(yùn)輸行業(yè)節(jié)能減排的重要措施，同時(shí)也關(guān)乎著整個(gè)世界綠色交通的發(fā)展，因此需要形成產(chǎn)學(xué)研政的集合，各行業(yè)共同努力、共同發(fā)展。