吴展骞 吴闯 赵治国

（同济大学，上海 201804）

主题词：节能车 降速模型 反向传播神经网络

1 前言

Z182原型车是面向壳牌环保马拉松与本田中国节能竞技大赛研发的比赛车型，其目标是在比赛规则允许的范围内，实现最低的燃油消耗量。速度分配策略对原型车燃油消耗量有较大的影响，Z182 原型车采取在17 km/h时点火加速，在37 km/h时怠速滑行交替的行驶策略。

国内外节能车队多从车辆的结构方面着手降低燃油消耗量，通过建立车辆降速模型预测加速点辅助驾驶的相关研究较少。王雪等[1]针对纯电动节能车提出一种行车策略及动力匹配方法，但其从电机、电池特性角度分析问题，对燃油车参考价值有限；姜长文等[2]通过采集车载全球定位系统（Global Positioning System，GPS）数据，基于反向传播（Back Propagation，BP）神经网络建立了节能车弯道降速模型，但该方法仅适用于弯道工况。在传统乘用车领域：Li 等[3]基于BP 神经网络和长短期记忆（Long Short-Term Memory，LSTM）算法建立了长程车速预测模型，但该方法实时性较差；Yan等[4]基于深度学习提出了一种车速预测方法，但该方法仅在城市道路低速工况下有较高的准确率，缺少对于内部道路的验证。因此，针对节能车全路段滑行降速特性的研究较为缺乏，研究节能车全路段滑行降速特性，预测加速点位置并提醒车手，对提高比赛成绩有重要意义。

本文以同济大学志远车队Z182 原型车为研究对象，建立车辆模型和Z182车型全路段BP神经网络降速预测模型，并应用于车手加速提醒系统，以达到减少燃油消耗量的目的。……