本书系统聚焦智能交通环境下的节能驾驶控制技术，针对地图信息利用、驾驶风格融合及交通信号灯状态优化三大核心难题，提出了从单车智能优化、人机协同优化到车路协同优化的多层次解决方案。书中详细介绍了燃油车、新能源车及商用车的预测巡航控制、能量管理与换挡协同优化方法，结合机器学习实现驾驶风格识别与自学习控制，并开发了基于交通信号灯状态的分层速度规划与生态驾驶控制系统，通过实车实验验证方法有效性。本书以“信息利用递增、智能化水平提升”为主线，贯穿系统建模、算法设计、快速实现及实车验证四个环节，形成理论与工程实践紧密结合的完整技术链条。内容由浅入深、层层递进，既具有学术深度，又强调应用价值。本书适合汽车工程专业相关的研究生、学术同行及汽车产业技术人员阅读，可为智能汽车节能驾驶研究与工程实践提供系统、权威、可操作的参考。

前 言
符号说明
第一部分　背景与基础
第1 章　绪　论/ 002
1. 1　背景与意义/ 002
1. 2　智能网联环境下的信息爆炸/ 005
1. 2. 1　人- 车交互/ 006
1. 2. 2　车- 车通信/ 007
1. 2. 3　车- 路感知/ 009
1. 3　驾驶员驾驶风格识别综述/ 013
1. 3. 1　驾驶风格定义与影响因素/ 013
1. 3. 2　驾驶风格学习方法研究/ 015
1. 4　车辆节能驾驶控制策略综述/ 021
1. 4. 1　车辆能耗模型研究/ 021
1. 4. 2　车辆纵向驾驶控制研究/ 022
1. 4. 3　具有类人驾驶特征的辅助驾驶研究/ 025
1. 4. 4　非线性优化问题的快速求解算法研究/ 026
1. 5　本书的主要内容与安排/ 027
第2 章　控制理论基础知识/ 031
2. 1　PID 控制器/ 031
2. 2　线性二次型最优控制/ 033
2. 3　模型预测控制/ 034
2. 4　极值原理/ 035
2. 5　聚类算法/ 037
2. 5. 1　K-means 算法/ 037
2. 5. 2　DBSCAN 算法/ 038
2. 5. 3　GMM 算法/ 039
2. 5. 4　SOM 算法/ 040
　2. 6　强化学习/ 041
　　　　2. 7　最短路径问题-Dijkstra 算法/ 043
第二部分　单车篇：利用地图信息
第3 章　基于道路坡度实时估计的车辆纵向跟车优化控制/ 046
3. 1　引言/ 046
3. 2　系统建模/ 047
3. 2. 1　车辆纵向动力学模型/ 047
3. 2. 2　车辆跟车模型/ 048
3. 3　优化控制器设计/ 049
3. 3. 1　控制系统架构/ 049
3. 3. 2　优化跟车控制器设计/ 050
3. 3. 3　基于道路坡度估计的加速度跟踪控制器设计/ 052
3. 4　仿真与实验结果/ 055
3. 4. 1　仿真结果/ 055
3. 4. 2　实验结果/ 057
3. 5　本章小结/ 062
第4 章　乘用车辆预测巡航控制系统设计与实现/ 063
4. 1　引言/ 063
4. 2　系统建模与优化问题构建/ 064
4. 2. 1　车辆模型/ 064
4. 2. 2　优化问题描述/ 066
4. 3　预测巡航控制问题求解/ 069
4. 3. 1　极大值原理/ 069
4. 3. 2　最优控制输入的数值求解/ 071
4. 4　预测巡航控制的实现与高精地图/ 073
4. 4. 1　调度图/ 073
4. 4. 2　高精地图/ 075
4. 5　仿真结果/ 076
4. 6　实验结果/ 079
4. 6. 1　控制系统性能分析/ 080
4. 6. 2　燃油结果对比/ 084
4. 7　本章小结/ 085
第5 章　纯电动汽车预测巡航控制/ 086
5. 1　纯电动汽车的预测性巡航控制：不同求解方法的比较/ 086
5. 1. 1　引言/ 086
5. 1. 2　系统模型和优化问题方程/ 087
5. 1. 3　求解方法/ 092
5. 1. 4　仿真结果/ 095
5. 1. 5　小结/ 097
5. 2　网联电动汽车动力总成和空调系统的节能优化控制/ 097
5. 2. 1　引言/ 098
5. 2. 2　基准问题概述/ 098
5. 2. 3　系统建模/ 100
5. 2. 4　控制方案/ 102
5. 2. 5　仿真结果/ 104
5. 2. 6　小结/ 109
5. 3　本章小结/ 109
第6 章　重型商用车预测巡航控制：挡位与转矩的实时协同优化/ 110
6. 1　引言/ 110
6. 2　PCC 系统与系统模型/ 112
6. 2. 1　PCC 系统的节油原理/ 112
6. 2. 2　纵向动力学模型/ 113
6. 2. 3　燃油消耗率/ 115
6. 3　问题构建/ 116
6. 4　求解/ 119
6. 4. 1　基于MPC 的求解算法/ 119
6. 4. 2　基于DP 的求解方法（基准） / 123
6. 5　仿真结果/ 124
6. 5. 1　仿真测试道路/ 125
6. 5. 2　真实道路/ 128
6. 6　实验结果/ 132
6. 6. 1　嵌入式计算机/ 132
6. 6. 2　车辆控制单元/ 134
6. 6. 3　实车验证/ 135
6. 7　本章小结/ 137
第7 章　考虑发动机暖机的HEV 热力学建模与能量管理应用/ 138
7. 1　引言/ 138
7. 2　建模/ 139
7. 2. 1　发动机热动力学/ 140
7. 2. 2　并联式HEV 与动力总成模型/ 141
7. 2. 3　燃油消耗/ 142
7. 2. 4　电池模型/ 145
7. 3　能量管理策略/ 145
7. 3. 1　最优控制问题建模（本研究方案） / 145
7. 3. 2　离散化与求解/ 146
7. 3. 3　传统能量管理策略（基准方案） / 147
7. 4　仿真结果/ 148
7. 4. 1　最优控制问题建模（本研究方案） / 150
7. 4. 2　UDDS 循环工况下燃油消耗量与SOC 变化量ΔSOC 的关系/ 150
7. 4. 3　步长间隔对燃油消耗量与执行时间的影响/ 151
7. 4. 4　本研究控制器与基准方案的性能对比/ 153
7. 5　实验结果/ 154
7. 5. 1　发动机热力学模型验证/ 154
7. 5. 2　燃油消耗率温度依赖型模型验证/ 156
7. 5. 3　仿真与实验结果对比/ 158
7. 5. 4　所提控制器与基准方案的对比/ 159
7. 6　本章小结/ 159
第三部分　车人篇： 融合驾驶风格
第8 章　驾驶员驾驶风格识别方法/ 162
8. 1　基于无监督学习算法的驾驶风格识别/ 162
8. 1. 1　算法总体设计/ 162
8. 1. 2　驾驶数据收集/ 163
8. 1. 3　数据预处理/ 164
8. 1. 4　驾驶风格识别模型/ 165
8. 1. 5　实验与结果/ 166
8. 2　基于监督学习算法的驾驶风格识别/ 168
8. 2. 1　数据集简介/ 168
8. 2. 2　数据预处理/ 168
8. 2. 3　特征挑选/ 170
8. 2. 4　识别模型构建/ 171
8. 2. 5　实验与结果/ 172
8. 3　本章小结/ 174
第9 章　驾驶风格自学习的优化跟车控制/ 175
9. 1　引言/ 175
9. 2　跟车风格自学习系统设计/ 176
9. 2. 1　个人驾驶风格描述/ 176
9. 2. 2　跟车风格自学习算法/ 177
9. 3　驾驶风格自学习具体实现/ 179
9. 3. 1　自学习控制系统实现架构/ 179
9. 3. 2　车辆纵向加速度获取/ 180
9. 4　仿真与实验结果/ 181
9. 4. 1　仿真结果/ 181
9. 4. 2　实验结果/ 184
9. 5　本章小结/ 191
第10 章　基于驾驶风格识别的人机协同预测节能驾驶/ 192
10. 1　引言/ 192
10. 2　基于驾驶风格识别的人机协同预测节能系统/ 193
10. 3　基于驾驶风格的期望速度预测/ 194
10. 3. 1　驾驶风格识别模型/ 195
10. 3. 2　车速预测方法/ 197
10. 4　基于MPC 的优化控制器设计/ 198
10. 4. 1　商用车系统建模/ 198
10. 4. 2　多目标优化函数构建/ 200
10. 4. 3　预测方程/ 201
10. 4. 4　显式控制律/ 203
10. 5　人机协同控制策略/ 204
10. 6　结果分析与讨论/ 205
10. 6. 1　期望车速预测/ 205
10. 6. 2　燃油结果对比/ 208
10. 7　本章小结/ 212
第四部分　车路篇：考虑交通信号灯状态
第11 章　终端速度启发式电动汽车多交通信号灯路口速度规划方法/ 214
11. 1　引言/ 214
11. 2　系统模型/ 215
11. 3　控制器架构/ 216
11. 3. 1　控制系统组成/ 216
11. 3. 2　基于交通信号的速度优化问题/ 217
11. 4　仿真结果/ 222
11. 4. 1　道路Ⅰ / 223
11. 4. 2　道路Ⅱ / 225
11. 5　本章小结/ 226
第12 章　考虑多个交通信号灯状态的电动汽车分层生态驾驶控制方法/ 227
12. 1　引言/ 228
12. 2　下层控制器：速度轨迹优化/ 229
12. 2. 1　车辆建模和问题方程/ 229
12. 2. 2　实时算法描述/ 230
12. 2. 3　约束问题的近似值/ 234
12. 3　上层控制器：任务规划/ 235
12. 4　系统评估/ 239
12. 4. 1　下层控制器/ 239
12. 4. 2　上层控制器/ 245
12. 5　本章小结/ 247
第13 章　基于交通流分布特征的多交通信号灯路口速度规划方法/ 248
13. 1　引言/ 248
13. 2　系统方案/ 249
13. 3　优化问题/ 250
13. 3. 1　系统建模/ 250
13. 3. 2　交通信号灯时空约束/ 251
13. 3. 3　交通流速度分布建模/ 251
13. 3. 4　交通信号灯交叉路口穿过时间分布建模/ 253
13. 3. 5　目标方程/ 254
13. 3. 6　优化问题方程/ 255
13. 4　优化算法/ 255
13. 5　仿真结果/ 256
13. 6　本章小结/ 258
第14 章　电动汽车多交通路口节能驾驶系统实车实验/ 259
14. 1　基于多源导航信息的节能速度规划系统设计/ 259
14. 1. 1　车辆模型构建/ 259
14. 1. 2　融合交通流与交通信号灯信息的远景速度规划系统/ 261
14. 1. 3　基于灯态融合的中景速度规划系统/ 265
14. 1. 4　基于模型预测控制的近景速度规划系统/ 271
14. 2　实验平台搭建/ 274
14. 2. 1　实验设备及仪器/ 274
14. 2. 2　实验准备/ 275
14. 3　实验结果分析/ 277
14. 3. 1　仿真实验分析/ 278
14. 3. 2　实车实验分析/ 281
14. 4　本章小结/ 289
参考文献/ 290

汽车的节能与高效率对缓解我国能源短缺与环境污染等问题起着至关重要的作用。智能交通系统和车联网环境下的车辆控制可以提高汽车的能源利用效率， 是汽车智能控制领域的研究热点。在信息化（智能交通信息、车联网等） 基础上，研究车辆纵向智能驾驶对于推动我国汽车工业综合节能技术的发展具有重要意义。尽管在智能交通系统和车联网环境下车辆纵向智能驾驶可以极大地提高能源利用效率， 但是，相关控制系统设计和技术开发还面临着很多的挑战。例如， 单纯地追求系统的节能目标，往往会给车辆驾驶员带来“节能不舒适”和“节能动力响应慢”的驾驶感受；系统拟人化不足不利于技术的应用推广。智能交通和车联网等信息的融入打破了车辆系统和交通系统的功能界限， 使得车辆系统变成一个具有强耦合的“人-车-路-环境”闭环系统。该系统具有融合信息量大、预测时间长、车辆动力学系统与道路交通系统耦合且非线性、时空状态受约束、驾驶风格难以定量描述等特点， 这给车辆模型建立、控制方案设计、优化问题求解、控制方案验证等方面提出了更高的要求。

著者具有控制理论与控制工程和车辆工程的交叉学科的理论知识储备，长期以车辆节能驾驶控制理论和技术问题为研究重点，针对目前存在的具体技术挑战展开深入研究，在国内外期刊和学术会议上发表数十余篇学术论文，并申请授权了多项国家发明专利。本书就是在这些学术论文和专利的基础上进一步提炼、深化而成的，是对已取得科研成果的全面总结。

本书共14章，分为四个部分。

第一部分包括第1~2章，着重介绍背景与基础知识。第1章绪论，主要阐述了纵向驾驶研究的意义和综述。第2章介绍了本书涉及的控制理论基础知识和机器学习算法。

第二部分包括第3~7章，着重介绍利用地图信息的单车智能节能系统开发。对于燃油车，第3章提出了基于道路坡度实时估计的车辆纵向跟车控制系统设计方法，第4章在第3章基础上，研究了跟车、非跟车等多模式下车辆预测巡航控制系统设计与实现。对于新能源车， 第5章提出了纯电动汽车预测巡航控制中的整车与子系统经济性策略优化方案，第7章介绍了考虑发动机暖机过程的混合动力汽车热力学建模与能量管理应用。对于商用车，第6章研究了重型商用车预测巡航控制中挡位与发动机转矩的实时协同优化方法。

第三部分包括第8~10章，着重介绍融合驾驶风格的人类在环节能系统开发。第8章阐述了基于无监督学习算法和有监督学习算法的驾驶风格识别方法。对于人机耦合控制系统， 第9章基于第8章中的驾驶风格识别方法，提出了驾驶风格自学习的优化跟车控制系统。对于人机协同驾驶系统， 第10章研究了基于驾驶风格识别的人机协同预测节能驾驶系统。

第四部分包括第11~14章，着重介绍考虑交通信号灯状态的车路协同节能系统开发。对于局部灯态优化，第11章基于规则，提出了终端速度启发式电动汽车多交通信号灯路口速度规划方法，第12章基于优化，研究了考虑多个交通信号灯状态的电动汽车分层生态驾驶控制方法。对于全局灯态优化， 第13章提出了基于交通流分布特征的多交通信号灯路口速度规划方法。第14章从实车验证角度出发， 完成了电动汽车多交通路口节能驾驶系统实车实验。

本书撰写过程中，还参考了国内外大量的研究成果，这些研究成果是撰写本书重要的源泉，在此向涉及的本领域专家和研究人员表示衷心的感谢。另外， 特别感谢本书撰写过程中著者团队的庄和健、李宗轩、戴一承、张云飞等研究生为本书的资料整理和编排提供的帮助。

智能汽车节能驾驶是一个广阔的研究领域，属于学科交叉领域，涉及的学科非常多，由于著者水平有限，书中不可避免会存在一些缺点和错误，敬请同行专家和读者批评指正。