任务规划模块是自动驾驶系统中的上层管理模块,需要综合考虑用户任务、动态交通信息以及车辆状态,快速自主地规划最优全局路径并提供每个任务的相关信息。纯电动汽车因为其环境友好性和优良控制特性在自动驾驶领域取得了长足的发展,在任务规划中准确估计并优化行程能耗对于其使用和推广具有非常重要的意义。本文针对纯电动自动驾驶汽车的任务规划需求,以优化行程时间和行程能耗为目标,对全局路径规划和指导速度规划进行了重点研究。首先,根据汽车行驶阻力公式建立以速度为自变量的能耗模型,采用遗忘因子递推最小二乘法辨识未知参数,再基于时间序列神经网络对电池SOC进行估计,结合能耗模型和电池SOC估计实现任务点的剩余电量预测,基于真实工况数据验证算法的有效性和准确性。其次,针对交通流速度的时间依赖特性,采用Sigmoid函数对历史数据和动态数据进行加权,提高速度预测的可靠性。应用Dijkstra算法计算时间和能耗权值矩阵,得到任意两个路段之间的行驶代价。基于动态规划算法实现任务点序列优化,同时设计局部搜索策略避免出现电量不足的情况。应用A*算法实现相邻任务点间的全局路径规划,通过仿真对上述算法进行功能验证。然后,引入路径断点模型计算路段行驶时间和能耗,基于能耗里程比特性对能耗模型进行简化和分析。接着根据任务需求和交通流特性设计指导速度规划问题的优化目标和约束条件,提出了带精英策略的非支配排序遗传算法求解多目标优化问题的方案。再采用极差标准化方法将多目标优化问题转换为单目标优化问题,给出加权系数的设计原则,通过仿真验证了算法的稳定性和一致性。最后,基于小规模路网对任务规划功能进行测试,采用非参数估计方法统计得到时间和能耗估计误差的概率分布,提出基于误差均值的估计值修正方案,提高了任务点估计信息的准确性和可靠性,同时为用户提供了良好的出行指导。