| Summary: | Pour résoudre les problèmes environnementaux et énergétiques liés au nombre croissant de véhicules en circulation, deux approches sont envisageables : l'une est technologique et vise à améliorer les composants du véhicule ou son architecture, l'autre est comportementale et cherche à changer la manière d'utiliser les véhicules. Dans ce contexte, l'éco-conduite représente une méthode, applicable immédiatement, permettant à chaque conducteur de réduire sa consommation. L'objectif de cette thèse est donc l'analyse des gains potentiels de l'éco-conduite pour les différents types de véhicules existant : thermique, électrique et hybride. Ainsi, la première partie de ce travail se focalise sur une étude théorique visant à calculer les gains potentiels et à déterminer les règles d'éco-conduite, avant d'aborder dans un second temps une mise en situation plus réaliste et une intégration des algorithmes dans un système d'assistance pour le conducteur. En s'appuyant sur une modélisation énergétique des différents types de véhicules, la détermination et la comparaison du fonctionnement optimal se base sur l'optimisation du profil de vitesse pour des trajets connus. La programmation dynamique a été mise enoeuvre pour calculer la trajectoire optimale énergétique en tenant compte de la contrainte temporelle afin de ne pas pénaliser l'intérêt d'une conduite économe. Evidemment, l'intégration de l'éco-conduite doit, d'une part, tenir compte du trafic à proximité du véhicule et d'autre part, ne pas aboutir à une augmentation des émissions de polluants. Ainsi, en nous appuyant sur des modèles de suivi de véhicules (trafic), nous avons montré que les principes d'éco-conduite restent valables et conduisent de toute façon à des gains énergétiques. Concernant les contraintes d'émissions, des résultats expérimentaux nous ont conduit à adapter nos algorithmes pour répondre simultanément aux aspects écologiques et économiques. Enfin, les connaissances acquises ont été appliquées à la conception d'un système d'assistance testé sur un simulateur de conduite. === The transportation sector has been identified as one of many sources of today's energetic and environmental problems. With constantly increasing numbers of vehicles on the road, non-renewable fossil fuels are becoming scarce and expensive. In addition, due to the pollutant emissions of internal combustion engines, the transportation sector is a major producer of greenhouse gas emissions. To resolve these problems researcher are looking for technological solutions, such as more efficient components and alternative drive train technologies, on one hand. On the other hand, work is being done to ensure the most efficient utilization of available technological resources. Eco driving is one way to immediately reduce a driver's energy consumption. In this thesis the potential gains of eco driving for passenger vehicles will be discussed. The main objective of this work is to, first, identify and compare drive train specific, optimal vehicle operation. Secondly, the effect of real-life constraints on potential gains of eco driving is evaluated. In addition, an approach to integrate mathematical optimization algorithms in an advanced driver assist system for eco driving is proposed. Physical vehicle models are developed for three representative vehicles: the conventional, electric and power-split hybrid vehicle. Using real-life and standard drive cycles a baseline mission is defined by specifying trip and road constraint. Applying the dynamic programming algorithms the trajectory optimization problem is solved, minimizing energy consumption for the trip. The effect of traffic on potential gains of eco driving is discussed, considering a vehicle following situation. Integrating emission constraints in the optimization algorithm the environmental advantages of eco driving are discussed. Finally, the developed algorithms were integrated in a driver assist system. Experimental tests on a driving simulator were used to verify the effectiveness of the system, as well as driver acceptance.
|
|---|
