Key points are not available for this paper at this time.
混合交通环境中的生态驾驶面临实时多目标优化的挑战。本文提出了一种分层自适应多交叉口生态出发（AM-EAD）策略。上层通过整合交叉口信息和前方车辆约束生成多个交叉口的速度曲线。特别是在跟车方面，使用具有卡尔曼滤波的可变时间间隔（VTH）模型确定安全距离。下层采用模型预测控制（MPC）来协调速度跟踪、跟车和停车控制，通过预测视野调整实现多目标优化，同时提高计算效率。验证是在与现实道路数据集成的共同仿真平台上进行的。百个随机仿真表明，与孤立交叉口EAD（I-EAD）和基于规则的EAD（R-EAD）基准相比，AM-EAD减少能量消耗（EC）8.39%和19.55%，并缩短旅行时间1.89%和8.00%。硬件在环（HIL）实验确认了实时性能，平均计算时间为8.21毫秒.
范等（周，）研究了这个问题。