1. 项目背景与研究动机
燃料电池混合动力汽车（FCHV）作为清洁能源交通的重要发展方向，其能源管理策略一直是学术界和工业界的研究热点。特别是在城市交通场景下，信号交叉口的频繁启停会显著影响车辆的能量消耗和排放性能。传统驾驶策略往往只考虑单一目标（如能耗最低或时间最短），而生态驾驶（Eco-driving）则试图在多个竞争目标之间找到平衡点。
本项目针对FCHV通过信号交叉口的场景，提出了一种基于双层凸优化的生态驾驶策略。上层优化考虑车辆动力学和交通信号时序，下层优化则专注于燃料电池混合动力系统的能量分配。这种分层结构能够有效处理不同时间尺度上的优化问题，同时保证算法的计算效率。
提示：在实际交通场景中，信号灯时序信息可以通过车路协同系统（V2I）获取，这也是本算法能够实现的前提条件之一。
2. 系统建模与问题描述
2.1 车辆动力学模型
建立准确的车辆动力学模型是优化驾驶策略的基础。对于FCHV，我们需要考虑以下关键方程：
纵向动力学方程：
code复制m·a = F_traction - F_roll - F_aero - F_grade
其中：
- m为车辆质量
- a为加速度
- F_traction为牵引力
- F_roll为滚动阻力
- F_aero为空气阻力
- F_grade为坡度阻力
这个方程将作为上层优化的约束条件之一，确保优化得到的速度曲线符合物理规律。
2.2 燃料电池混合动力系统模型
FCHV的动力系统通常由燃料电池、动力电池和电动机组成。我们需要建立各组件的效率模型：
燃料电池效率模型：
code复制η_fc = f(P_fc)
其中P_fc为燃料电池输出功率，η_fc为效率，通常呈现非线性特性。
电池SOC动态模型：
code复制SOC(t+1) = SOC(t) - (I_batt·Δt)/Q_max
这个模型将作为下层优化的核心约束，确保电池工作在安全范围内。
3. 双层凸优化框架设计
3.1 上层优化：速度轨迹规划
上层优化的目标是在给定信号灯时序下，规划最优的速度轨迹。优化问题可表述为：
最小化：
code复制J = w1·E_total + w2·T_travel
约束条件：
code复制v_min ≤ v(t) ≤ v_max
a_mi