由于特殊的地形条件和交通条件,坡道和交叉口已成为车辆燃油的高消耗点。为改善驾驶员的驾驶行为,提高燃油经济性,生态驾驶随着车辆的自动化和智能化程度的增加而受到越来越多的关注。然而,在路段生态驾驶研究中,由于坡度数据难于获取,现有研究多局限于单车在平直道路上的轨迹优化,适用于坡道的生态驾驶轨迹优化研究较少;在交叉口生态驾驶研究中,仅关注于优化车辆靠近交叉口的轨迹,覆盖车辆靠近、通过、离开交叉口这一全过程的轨迹优化的研究较为缺乏。与此同时,在求解生态驾驶模型时,应用人工智能算法往往会因为过程复杂而使得算法鲁棒性较低,计算效率低下,对于一种作为即时策略的生态驾驶轨迹优化模型而言,不利于在实际中的应用。在这样的背景下,本文从驾驶工况的角度出发,提出了基于生态驾驶工况曲线函数的坡道和交叉口车辆轨迹优化方法。通过构建面向生态驾驶的车辆驾驶工况模型,本文不仅单独分析了坡道和有无排队时交叉口车辆的生态驾驶轨迹生成方法,而且对坡道和交叉口相接这样一种特殊道路条件展开了应用研究。主要研究工作如下:1.基于GPS采集到的经度、纬度、高程数据,构建了基于短区间的坡度估算方法。由于GPS数据在车辆停车时经纬度不准确,以及高程数据的粒度常常为整数型数据,本文设计了 GPS数据修正方法和质量控制流程。同时,在分析了不同短区间长度对测算坡度准确度的影响后,本文指出短区间长度为60米时,坡度的测算值更贴近实际值,平均均方根相对误差(Root-Mean-Square Error,RMSE)为0.0017。2.在研究与车辆轨迹密切相关的加速度的特性中,分析了加速度的波动范围、加速度随速度的变化规律和急动度(即加速度的时间变化率)的分布形态。经统计后发现,加速度的波动范围为[-2.15,1.72](单位:m/s2);随着加速度的增大,加速度的分布概率逐渐减小;利用Laplace分布函数拟合急动度的概率分布,具有较好的拟合效果,拟合检验参数R-square值平均为0.975。3.在路段生态驾驶轨迹优化研究中,通过分析基于多种群遗传算法的生态驾驶轨迹特征,首先构建了生态加速工况曲线函数;随后基于数学证明,构建了生态减速工况曲线函数;在分别研究长距离和短距离出行后,构建了匀速工况曲线函数。根据上述研究成果,建立了基于生态驾驶工况曲线函数的车辆轨迹优化方法。在此期间,本文通过对比发现,基于生态加速工况曲线的轨迹与基于多种群遗传算法生成的优化轨迹较为接近,油耗差异较小。4.利用仿真软件,分析了本文所建立方法在不同车流量和不同生态驾驶车辆市场占有率下的路段生态驾驶节油效果。结果表明,当生态驾驶车辆的占有率相同时,随着交通量的增加,车流的节油效果降低;当交通量相同时,随着生态驾驶车辆占有率的增加,车流的节油效果增加;在单车道上,生态驾驶车辆对正常驾驶车辆具有积极的节油影响,但在多车道上几乎没有影响。5.在交叉口生态驾驶轨迹优化的研究中,首先基于LWR(Lighthill,Whiteham,Richard)理论分析了交叉口车辆排队时阻塞速度和消散速度,得到了车流排队长度的估算方法。随后,分无排队时和有排队时两种情形,基于生态驾驶工况曲线函数构建了不同信号灯状态下交叉口生态驾驶轨迹优化方法。最后,基于VISSIM仿真平台,对交叉口单车和车流的节油效果进行了分析。最后,结合坡道和交叉口的生态驾驶轨迹优化方法,本文选择北京市阜成路航天桥段进行了案例应用,经测算,无排队时平均节油率为5.9%,排队时平均节油率为16.1%。