考虑进站策略的网联电动公交车节能驾驶优化研究

来源：交通运输系统工程与信息杂志2025年第2期北京时间：

作者：南斯睿, 于谦, 李铁柱, 尚赞娣, 陈海波

单位：1. 西安建筑科技大学，城市发展与现代交通学院，西安710055；2.长安大学，运输工程学院，西安710055；3.东南大学，交通学院，南京211102；4.交通运输部科学研究院，北京100029；5.利兹大学，交通研究所，利兹LS29JT，英国

摘要：针对公交车在进出站和信号交叉口高能耗的问题，本文提出一种考虑进站策略的节能驾驶优化方法。首先，基于利用城市交通能力仿真(SimulationofUrbanMobility,SUMO)平台搭建智能网联场景，构建能够反映能耗、行驶效率和安全性的强化学习复合奖励函数；其次，将进站策略和预设交通规则作为约束集成于柔性演员-评论家(SoftActor-Critic, SAC)深度强化学习框架中，优化车辆进出站及接近信号交叉口的轨迹；最后，以实际行驶、基于深度Q网络(DeepQ-Network,DQN)算法常规、基于SAC算法、基于规则约束和DQN算法(DQN-ruled)的优化方法作为基准方案，与本文提出的基于规则约束和SAC算法(SAC-ruled)的优化方法进行对比。结果表明：通过SAC-ruled算法优化后的驾驶轨迹在多种场景下均优于基准方案。在跟驰运动中，与基准方案相比，所设计的节能驾驶优化方法较基准方案的车辆能耗最高减少35.97%，行驶时间提升21.67%；在换道运动中，车辆能耗最多可降低41.40%，行驶时间提升16.94%。此外，通过敏感性分析验证，本文提出的基于SAC-ruled算法的节能驾驶优化方法在应对车流量波动方面表现出更强的适应性。本文建立的节能驾驶优化模型可集成节能辅助驾驶系统，鼓励驾驶员主动节能。

关键词：智能交通,节能驾驶优化,深度强化学习,纯电动公交,柔性演员-评论家算法

基金资助：陕西省教育厅科学研究计划项目 (24JK0520)；西安建筑科技大学新型城镇化专项研究基金项目(2024SCZH36)；综合交通运输大数据应用技术交通运输行业重点实验室开放课题(2024B1204)。