基于行车信息的混合动力汽车能量管理策略综述

罗桥,陈俊,耿杰,唐朝阳,傅春耘

Review of energy management strategies for hybrid electric vehicles based on driving information

Qiao LUO,Jun CHEN,Jie GENG,Chaoyang TANG,Chunyun FU

表 4 基于多源感知映射的行车信息融合方法对比

Tab.4 Comparison of driving information fusion methods based on multi-source perception mapping

方法 核心机制 验证场景 VGG16视觉框架+惯性导航[106] 通过环境、车辆及控制对象融合，构建三维状态空间 雪地、湿滑沥青等5类道路 高精度地图/GPS/GIS集成[107] 利用前方坡度、温度、信号灯周期编码，实现能量预分配 城际快速路与城市主干道 未来地形感知DDPG算法[108] 根据当前及未来坡度嵌入状态空间，生成地形自适应功率指令 山区公路与连续坡道 滑动窗口+时序特征提取[109] V2X数据降维与车辆运动状态融合 城市交叉路口、高速公路 数据归一化+信息特征选择[110] 冗余参数剔除与多维信息嵌入 混合交通流场景 交通信号灯相位-车速关联奖励函数[111] 分段式负奖励触发与多目标优化项耦合 信号灯控制下的城市道路 基于实时拥堵指数的动态权重分配[112] 前车距离、限速、拥堵状况多目标融合 高峰时段的拥堵路况 LSTM工况特征提取+奖励函数自适应[113] 城郊场景差异化权重分配 城市-郊区驾驶循环