Scenario-based development and evaluation of predictive vehicle operating strategies

Xia, Yiqun; Moormann, Dieter; Eckstein, Lutz

doi:10.18154/RWTH-2025-00814

Scenario-based development and evaluation of predictive vehicle operating strategies = Szenariobasierte Entwicklung und Auswertung von vorausschauenden Fahrzeugbetriebsstrategien

Xia, Yiqun^RWTH*

2024 & 2025

Verantwortlichkeitsangabevorgelegt von Yiqun Xia

ImpressumAachen : ika 2024

Umfang1 Online-Ressource : Illustrationen

ReiheSchriftenreihe Automobiltechnik

Dissertation, Rheinisch-Westfälische Technische Hochschule Aachen, 2024

Veröffentlicht auf dem Publikationsserver der RWTH Aachen University 2025

Genehmigende Fakultät
Fak04

Hauptberichter/Gutachter
Eckstein, Lutz (Thesis advisor)^RWTH* ; Moormann, Dieter (Thesis advisor)^RWTH*

Tag der mündlichen Prüfung/Habilitation
2024-12-11

Online
DOI: 10.18154/RWTH-2025-00814
URL: https://publications.rwth-aachen.de/record/1003081/files/1003081.pdf

Einrichtungen

Lehrstuhl und Institut für Kraftfahrzeuge (ika) (414110)

Inhaltliche Beschreibung (Schlagwörter)
eco-routing (frei) ; energy management (frei) ; powertrain simulation (frei) ; scenario (frei) ; traffic simulation (frei)

Thematische Einordnung (Klassifikation)
DDC: 620

Kurzfassung
Die Automobilindustrie und Regierungen weltweit setzen diverse Strategien ein, um strengere Energie- und Emissionsvorschriften im Verkehrssektor zu erfüllen. Vorausschauende Fahrzeugbetriebsstrategien, die ein erhebliches Potenzial zur Steigerung der Energieeffizienz bieten, sollten entwickelt und durch virtuelle Testfahrten ausgewertet werden, bevor sie in die Serienproduktion gehen. Diese Arbeit präsentiert einen szenariobasierten Ansatz zur Entwicklung und Auswertung vorausschauender Fahrzeugbetriebsstrategien in realistischen Fahrszenarien während der frühen Entwicklungsphase mittels Simulation. Der Ansatz ist an das 6-Layer-Model (6LM) angepasst, das zur Validierung des automatisierten Fahrens verwendet wird, um verschiedene Umweltbedingungen objektiv zu beschreiben. Es wird untersucht, wie Szenarien effektiv genutzt und auf vorausschauende Fahrzeugbetriebsstrategien angewendet werden können. Ein spezifischer Anwendungsfall für Robotertaxis in Aachen wurde untersucht. Anstatt eines festen Fahrzyklus wurden stochastische, zeitbasierte Taxifahrten über einen Betriebszeitraum von 365 Tagen definiert, unter Berücksichtigung vordefinierter Zonenkategorien und Points of Interest (POIs). Der szenariobasierte Ansatz wurde in MATLAB/Simulink und Vissim umgesetzt. Ein dreistufiges Kalibrierungs- und Validierungsverfahren wurde angewendet, um die Simulationsgenauigkeit zu gewährleisten, indem Verkehrsbedingungen und Fahrzeugtrajektorien aus makroskopischer, mikroskopischer und submikroskopischer Perspektive anhand von Felddaten aus verschiedenen Quellen analysiert wurden. Nach der Kalibrierung und Validierung wurden langfristige und kurzfristige Verkehrsvorhersagemethoden entwickelt, um die notwendigen Eingaben für zwei repräsentative vorausschauende Betriebsstrategien bereitzustellen. Eine Eco-Routing-Strategie zur Reduktion des Energiebedarfs durch optimierte Routenwahl und eine vorausschauende Energiemanagementstrategie (EMS) für Plug-in-Hybridfahrzeuge zur Optimierung der Leistungsverteilung. Die Ergebnisse zeigen, dass der szenariobasierte Ansatz die Variabilität realer Fahrbedingungen effektiver erfasst als feste Fahrzyklen. Beide Strategien wiesen auf Grundlage der angegebenen Szenarien bemerkenswerte Energieeinsparungsvorteile gegenüber Stand der Technik auf. Zukünftige Forschungen könnten Eco-Routing und vorausschauende EMS weiter verfeinern und gleichzeitig breitere Anwendungen des szenariobasierten Ansatzes untersuchen, um die Optimierung und Bewertung der Energieeffizienz von Fahrzeugen weiter zu verbessern.

The automotive industry and governments worldwide are deploying and testing diverse strategies to satisfy stricter energy demand and emissions regulations in the transport sector. Predictive vehicle operating strategies, with their significant potential to enhance energy efficiency, should be developed and evaluated through virtual test driving before being applied in series production. This thesis presents a scenario-based approach for developing and evaluating predictive vehicle operating strategies within realistic driving scenarios during the early development phase, utilizing simulation models. This approach is adapted from the 6-Layer Model (6LM) used for safety assurance of automated driving, to objectively describe various environmental conditions. The research explores how to effectively use scenarios and apply them to predictive vehicle operating strategies. A specific use case of robot taxi fleets in Aachen was investigated. Instead of a single driving cycle, this use case defined time-based stochastic taxi rides over a 365-day operation period, considering pre-defined zoning categories and Points of Interest (POIs). The scenario-based approach was implemented in virtual test driving, encompassing a powertrain domain in MATLAB/Simulink and a traffic domain in Vissim. A three-stage calibration and validation procedure was employed to ensure simulation accuracy by analyzing traffic conditions and vehicle trajectories from macroscopic, microscopic, and sub-microscopic perspectives, using field data from multiple sources. Following calibration and validation, both long-term and short-term traffic prediction methods were developed to provide necessary inputs to two representative predictive operating strategies. An eco-routing strategy aims to reduce vehicle energy demand by optimizing driving routes, while a predictive Energy Management Strategy (EMS) for plug-in hybrid vehicles optimizes power distribution to reduce overall energy demand. To evaluate these strategies, the specified vehicle use case was implemented in the simulation environment, where dynamic and stochastic virtual test driving was performed. Results show that the scenario-based approach captures the variability and unpredictability of real-world driving conditions more effectively than fixed driving cycle methods. Both predictive strategies demonstrate notable energy-saving benefits over state-of-the-art methods based on the specified scenarios. Future research could refine eco-routing and predictive EMS based on the findings of this thesis, while exploring broader applications of the scenario-based approach to enhance optimization and evaluation of vehicle energy efficiency.

OpenAccess:
PDF
(additional files)