智能网联汽车随机模型预测控制实时性优化方法

摘要

本发明公开了一种智能网联汽车随机模型预测控制实时性优化方法，智能网联环境下，采用马尔可夫(Markov)决策表征驾驶员误差转移过程并随机生成概率转移矩阵，通过信号灯相位和定时(SPAT)计算目标车速，考虑汽车通行效率和燃油经济性建立目标函数，基于随机模型预测控制(SMPC)处理驾驶员误差得到最优预测车速序列，为提高算法实时性，采用蒙特卡罗(Monte Carlo)算法简化场景树，减少随机误差场景路径的总数，缩短计算时间，仿真结果表明，采用蒙特卡罗算法简化场景树的方法与基准法相比，在最优预测车速,行驶轨迹和百公里油耗仅有微小波动，即不影响SMPC优化效率前提下，每一步长的计算时间成本可缩短到基准法的2.53％。