CN103996300A - 一种交叉口处公交车辆不停车通过的公交诱导方法 - Google Patents

Abstract

本发明公开了一种交叉口处公交车辆不停车通过的公交诱导方法，具体为：首先，装载公交车载信息仪获取公交车到离站时间和路段行驶时间等实时信息，同时实地调查获取公交系统运营数据、公交线路基础信息和交叉口控制方案等数据；其次，控制中心根据车载信息仪反馈的公交到站时间，预测公交抵到交叉口时所处的信号周期位置；最后，根据公交车到达时刻所处的信号周期位置，生成公交车速度诱导控制策略反馈给车载仪，诱导公交车不停车通过信号交叉口。本方法实现了公交车在绿灯相位内抵达并通过交叉口，确保了公交车辆能不停车通过信号交叉口，提升公交运营效率，且易于操作，实用性强。可在工程实践中大面积应用推广。

Description

一种交叉口处公交车辆不停车通过的公交诱导方法

技术领域

本发明涉及城市公共交通运输管理与控制领域，具体涉及一种交叉口处公交车辆不停车通过的公交诱导方法。 

背景技术

大力发展城市公共交通，改善公共交通服务状况，提升居民公交出行分担率，构建公共交通为主导的城市交通发展体系，对缓解城市交通拥堵、改善人居环境、保障城市快速可持续发展具有重要意义。现阶段，由于城市规模的快速发展和居民出行距离的不断增加，交通运行压力繁重情况下，城市常规公交系统准点率低下、行驶舒适性不足、运行时间不稳定，无法满足增强公交出行竞争力、大力发展公共交通的政策需求。而这其中很大一部分由于交叉口延误所导致的。 

常规公共交通系统之所以容易发生运营紊乱，主要是因为频繁受交叉口信号灯的影响，大量的交叉口延误大大影响了常规公交的营运效率。本专利通过预测公交站点停靠时间、路段行驶时间和诱导公交车辆路段行驶速度，实现公交车不停车通过信号交叉口，保障公共交通高速度、高舒适性、高稳定性的运行。 

而现有的公交车控制技术关注点较为片面，算法复杂，实用性差，且对社会车辆干扰很大，不利于推广。而本文所提出的基于行程时间预测的交叉口处公交车辆不停车通过的公交诱导方法结合了公交车自身运营特征和交叉口配时方案特征，算法简单，且大大减小了对社会车辆的干扰，具有很强的工程应用推广价值。 

发明内容

针对现有技术常规公共交通交叉口延误严重，本发明的目的是提供一种交叉口处公交车辆不停车通过的公交诱导方法，减少常规公交在交叉口的延误。 

为实现上述目的，本发明采用的技术方案是： 

本发明交叉口处公交车辆不停车通过的公交诱导方法，包括如下步骤： 

(A)通过实地调查获取公交系统运营数据、公交线路基础信息和交叉口信号控制方案；其中，所述公交系统运营数据包括公交站点各线路历史客流量、公交站点各线路客流量时间分布；所述公交线路基础信息包括公交车路段历史行驶时间；所述交叉口信号控制方案包括交叉口绿灯信号起始时刻，交叉口信号配时 方案；装载公交车载信息仪，并通过其采集当天公交路段行驶时间、公交车到站时刻和离站时刻，并利用无线通讯系统与公交控制中心实时联通； 

(B)根据步骤(A)中采集的公交站点各线路历史客流量、公交站点各线路客流量时间分布，确定各线路各时段平均客流量； 

(C)根据公交控制中心利用步骤(B)中确定的各线路各时段平均客流量和步骤(A)中采集的公交车载信息仪发回的公交车抵达公交站的时刻数据，预测公交车辆离开站点的时刻； 

(D)公交控制中心根据步骤(A)中采集公交车路段历史行驶时间，以及当天当前班次之前的公交车路段行驶时间，推测当前班次公交车路段行驶时间最优预测值； 

(E)公交控制中心根据步骤(C)和(D)中分别得到的公交车辆离开站点的时刻和当前班次公交车路段行驶时间最优预测值，预测公交车抵达交叉口的时刻； 

(F)公交控制中心根据步骤(E)中所预测的公交车抵达交叉口的时刻和步骤(A)中采集的交叉口信号控制方案，诱导公交车辆运行速度，并将诱导车速发至车载信息仪，实现公交车辆在信号灯绿灯期间通过各交叉口。 

进一步地，所述步骤(A)中，所述公交系统运营数据还包括站点乘客平均上车时间Q；所述公交线路基础包括线路运营时刻表、公交线路走向、公交站点位置和名称，站点与交叉口间的路段长度。 

进一步地，所述步骤(B)中，公交控制中心以m分钟为一个时间段，m取任意值，查看当日的前n天同一时段客流量：(P_1bt，P_2bt，......，P_nbt)，n∈[0,365]，其中P_nbt表示预测日前n天公交线路b在t时段的公交客流量，求得前n天同一时间段的平均客流量，并将所述的平均客流量作为当天同一时间段的预测客流量： 

P_bt＝(P_1bt+P_2bt+......+P_nbt)×n^-1； 

其中，P_bt为公交线路b在t时间段对应的预测客流量。 

进一步地，所述步骤(C)中，公交控制中心根据公交车载信息仪发回的公交车抵达公交站的时刻T_A(k)，预测的公交车离开公交站点的时刻T_B(k)为： 

T_B(k)＝T_A(k)+m^-1P_bt[T_A(k)-T_A(k-1)]Q 

其中，T_B(k)为当天预测第k班次公交车离开站点时刻，T_A(k)为第k班次公 交车到达站点时刻，Q为站点乘客平均上车时间。 

进一步地，所述步骤(D)包括如下步骤： 

(D1)当k＝1时，需要设立初始时间，令T_i(k)＝T_i(1)，其值为： 

T_i(1)＝(Y_i-1(1)+Y_i-2(1)+Y_i-3(1)+Y_i-4(1))×4^-1

其中，T_i(1)表示预测当天第1班次公交车行驶时间的最优预测值。Y_i-1(1)表示预测当天前1天第1班次公交车行驶时间的观察值，......，Y_i-4(1)表示预测当天前4天第1班次公交车行驶时间的观察值。 

(D2)当2≤k<4时，当天第k班次的路段行驶时间最优预测值为： 

$T_i\left(k\right)=\underset{j=1}{\overset{j=k-1}{\mathrm{\&Sigma;}}}{\mathrm{\&alpha;}}_j{T}_i\left(j\right)+\mathrm{\&beta;},2\&le;k<4$

其中，T_i(k)表示当天第k班次公交车行驶时间的最优预测值，T_i(j)表示当天第j班次公交车的最优预测值，其中j≤k，α₁，......，α_j，β为回归系数，由预测当天前四日的观测值所组成的超定线性方程组求得，如下式所示： 

$\left[\begin{array}{cc}{Y}_{(i-1)}\left(1\right)& 1\\ Y_{(i-2)}\left(1\right)& 1\\ Y_{(i-3)}\left(1\right)& 1\\ Y_{(i-4)}\left(1\right)& 1\end{array}\right]\&times;\left[\begin{array}{c}{\mathrm{\&alpha;}}_1\\ \mathrm{\&beta;}\end{array}\right]=\left[\begin{array}{c}{Y}_{(i-1)}\left(2\right)\\ Y_{(i-2)}\left(2\right)\\ Y_{(i-3)}\left(2\right)\\ Y_{(i-4)}\left(2\right)\end{array}\right],k=2;$

$\left[\begin{array}{ccc}{Y}_{(i-1)}\left(1\right)& Y_{(i-1)}\left(2\right)& 1\\ Y_{(i-2)}\left(1\right)& Y_{(i-2)}\left(2\right)& 1\\ Y_{(i-3)}\left(1\right)& Y_{(i-3)}\left(2\right)& 1\\ Y_{(i-4)}\left(1\right)& Y_{(i-4)}\left(2\right)& 1\end{array}\right]\&times;\left[\begin{array}{c}{\mathrm{\&alpha;}}_1\\ {\mathrm{\&alpha;}}_2\\ \mathrm{\&beta;}\end{array}\right]=\left[\begin{array}{c}{Y}_{(i-1)}\left(3\right)\\ Y_{(i-2)}\left(3\right)\\ Y_{(i-3)}\left(3\right)\\ Y_{(i-4)}\left(3\right)\end{array}\right],k=3;$

以上超定线性方程组均采用曲线拟合的最小二乘法求解而得。其中，Y_(i-1)(1)表示预测当日前1天第1趟公交车的路段行驶时间，......，Y_(i-1)(3)表示预测当日前1天第3趟公交车的路段行驶时间，......，Y_(i-4)(1)表示预测当日前4天第1趟公交车的路段行驶时间，.......，Y_(i-4)(3)表示预测当日前4天第1趟公交车的路段行驶时间； 

(D3)当k≥4时，公交控制中心根据公交车载信息仪返回的第k班次公交车前3班次的观察值，通过线性趋势外推法，得到当天第k班次的路段行驶时间最优预测值为： 

T_i(k)＝α₁T_i(k-1)+α₂T_i(k-2)+α₃T_i(k-3)+β，k≥4 

其中，T_i(k)表示当天第k班次公交车行驶时间的最优预测值，α₁，α₂，α₃，β，由预测当日前四天观测值所组成的线性方程组求得，如下式所示： 

$\left[\begin{array}{cccc}{Y}_{(i-1)}(k-3)& Y_{(i-1)}(k-2)& Y_{(i-1)}(k-1)& 1\\ Y_{(i-2)}(k-3)& Y_{(i-2)}(k-2)& Y_{(i-2)}(k-1)& 1\\ Y_{(i-3)}(k-3)& Y_{(i-3)}(k-2)& Y_{(i-3)}(k-1)& 1\\ Y_{(i-4)}(k-3)& Y_{(i-4)}(k-2)& Y_{(i-4)}(k-1)& 1\end{array}\right]\&times;\left[\begin{array}{c}{\mathrm{\&alpha;}}_1\\ {\mathrm{\&alpha;}}_2\\ {\mathrm{\&alpha;}}_3\\ \mathrm{\&beta;}\end{array}\right]=\left[\begin{array}{c}{Y}_{(i-1)}\left(k\right)\\ Y_{(i-2)}\left(k\right)\\ Y_{(i-3)}\left(k\right)\\ Y_{(i-4)}\left(k\right)\end{array}\right]$

Y_(i-1)(k-3)表示预测当日前1天第k-3趟公交车的路段行驶时间，......，Y_(i-1)(k)表示预测当日前1天第k趟公交车的路段行驶时间，......，Y_(i-4)(k-3)表示预测当日前4天第k-3趟公交车的路段行驶时间，......，Y_(i-4)(k)表示预测当日前4天第k趟公交车的路段行驶时间。 

进一步地，所述步骤(E)中，公交控制中心结合公交车载信息仪返回的数据，预测得到公交车辆到达交叉口的时刻为： 

T_C(k)＝T_B(k)+T_i(k) 

其中，T_C(k)表示当天预测第k班次公交车辆到达交叉口的时刻，T_B(k)为当天预测第k班次公交车离开站点时刻，T_i(k)表示当天第k班次公交车路段行驶时间的最优预测值。 

进一步地，所述步骤(F)包括如下步骤： 

(F1)公交控制中心根据步骤(A)中调查所得的交叉口绿灯信号起始时刻、交叉口信号配时方案和步骤(E)中得到预测第k班次公交车辆到达交叉口的时刻T_C(k)，判断T_C(k)位于信号周期的具体时段，并根据T_C(k)所处的位置，实时选取控制策略，确保T_C(k)处于所述信号周期的任何时段时，公交车辆均在本次信号周期内不停车通过交叉口；具体地，所述信号周期分为3个时段： 

第一时段为绿灯时段：t₁—t₂； 

第二时段为红灯与黄灯相位之和的前半段：t₂—t₄； 

第三时段为红灯与黄灯相位之和的后半段：t₄—t₅； 

其中，t₁表示绿灯起始时刻，t₂表示绿灯结束、黄灯起始时刻，t₃表示黄灯结束、红灯起始时刻，t₅表示红灯结束时刻，t₄表示黄灯与红灯两相位中点时刻， 即t₄＝(t₂+t₅)×2^-1； 

(F2)当T_C(k)位于t₁和t₂之间时，即预测的公交车辆到达交叉口的时刻在绿灯时段的情况下，则车辆正常通过交叉口，公交控制中心只需通过公交车载信息仪向驾驶员提供正常行驶的车速诱导信息，诱导速度V(k)为： 

$V\left(k\right)=\frac{3.6L}{T_i\left(k\right)}$

其中，V(k)表示第k班次的诱导速度，L表示为公交站点至交叉口之间的路段长度，T_i(k)表示当天第k班次公交车路段行驶时间的最优预测值； 

(F3)当T_C(k)位于t₂和t₄之间时，即预测的公交车辆到达交叉口的时刻在红灯与黄灯相位之和的前半段的情况下，则车辆可通过提高行驶速度在本次信号周期内不停车通过交叉口，公交控制中心通过公交车载信息仪向驾驶员提供加速行驶的车速诱导信息，诱导速度V(k)为： 

$V\left(k\right)=\frac{3.6L}{T_i\left(k\right)-[T_C\left(k\right)-t_2]}$

其中，V(k)表示第k班次的诱导速度，L表示为公交站点至交叉口之间的路段长度，T_i(k)表示当天第k班次公交车路段行驶时间的最优预测值，T_C(k)表示当天预测第k班次公交车辆到达交叉口的时刻，t₂表示绿灯结束、黄灯起始时刻； 

(F4)当T_C(k)位于t₄和t₅之间时，即预测的公交车辆到达交叉口的时刻在红灯与黄灯相位之和的后半段的情况下，车辆通过降低行驶速度在本次信号周期不停车通过交叉口，公交控制中心通过公交车载信息仪向驾驶员提供减速行驶的车速诱导信息，诱导速度V(k)为： 

$V\left(k\right)=\frac{3.6L}{T_i\left(k\right)+[t_5-T_C\left(k\right)]}$

其中，V(k)表示第k班次的诱导速度，L表示公交站点至交叉口之间的路段长度，T_i(k)表示当天第k班次公交车路段行驶时间的最优预测值，T_C(k)表示当天预测第k班次公交车辆到达交叉口的时刻，t₅表示红灯结束时刻。 

与现有技术相比，本发明具有的有益效果是： 

(1)本发明通过预测公交车辆站点停靠时间、路段行驶时间和诱导公交车行驶速度，实现公交车辆不停车通过交叉口，有效地避免了公交车辆行驶速度大幅度波动和减少常规公交交叉口延误，显著提高公交运行效率和运行准点率，对改善公共交通服务水平，提高居民公交出行方式竞争力，贯彻落实国家优先发展 公共交通的政策方针具有重要意义。 

(2)本发明易于操作、实用性强。可以用于单点控制，也可以用于联网控制。适用于各种类型公交车辆。具有更为广泛的应用范围和应用前景。 

(3)本发明通过诱导公交车辆路段行驶速度使公交车不停车通过交叉路口，不涉及对信号控制方案和道路横断面的调整，对社会车辆和行人过街无影响，具有极高的工程可行性 

附图说明

附图1为本发明的流程图； 

附图2为本发明公交站至交叉口的示意图； 

附图3为本发明交叉口信号周期时段示意图； 

附图4为本发明公交车辆在绿灯时段抵达交叉口示意图； 

附图5为本发明公交车辆在红黄灯前半段抵达交叉口示意图； 

附图6为本发明公交车辆在红黄灯后半段抵达交叉口示意图。 

具体实施方式

下面结合附图和具体实施例，进一步阐明本发明，应理解这些实例仅用于说明本发明而不用于限制本发明的范围，在阅读了本发明之后，本领域技术人员对本发明的各种等价形式的修改均落于本申请所附权利要求所限定的范围。 

本实例选用XX市1路线某路段上午8点—9点周一至周四实测数据，对其周五对应时段进行基于行程时间的公交诱导，包括以下步骤： 

(A)通过实地调查获取公交系统运营数据、公交线路基础信息和交叉口信号控制方案；其中，所述公交系统运营数据包括站点乘客平均上车时间Q，公交站点各线路历史客流量、公交站点各线路客流量时间分布；所述公交线路基础信息包括公交车路段历史行驶时间、线路运营时刻表、公交线路走向、公交站点位置和名称，站点与交叉口间的路段长度；所述交叉口信号控制方案包括交叉口绿灯信号起始时刻，交叉口信号配时方案；装载公交车载信息仪，并通过其采集当天公交路段行驶时间、公交车到站时刻和离站时刻，并利用无线通讯系统与公交控制中心实时联通。本实例中，公交线路走向、线路里程、线路运营时刻表、公交站点位置和名称向公交公司咨询获得；路段长度、公交车在8—9点路段的行驶时间、交叉口信号配时方案、相邻交叉口信号相位差可以向交管部门以及实地 调查获得；公交线路客流量时间分布、各公交站点历史客流量分布、公交乘客平均上车时间也是通过实地调查观测获得。其中，控制流程如附图1所示，公交站台位置、交叉口位置、路段长度如附图2所示。 

(B)根据步骤(A)中采集的公交系统运营数据，确定公交系统运营状态，具体方法为： 

(B1)收集1路线周一到周四上午8点到9点的客流量分布情况。 

(B2)公交控制中心取m＝15分钟为一个时间段，取n＝4天，查看当日前4天的各时段客流量：(P_1bt，P_2bt，P_3bt，P_4bt)，其中，P_1bt表示前1天公交线路b在t时段的公交流量，并求得前4天8点—9点各时段的平均流量为： 

P_bt＝(P_1bt+P_2bt+P_3bt+P_4bt)×4^-1； 

预测得周五1路该车站的8点—9点的各时段客流分别为表1所示。 

表1公交线路预测客流量分布(单位：人次/15分钟) 

(C)根据步骤(A)中采集的公交车载信息仪发回的公交车抵达公交站的时刻数据和步骤(B)中所得的预测客流量，预测的公交车离开公交站点的时刻为： 

T_B(k)＝T_A(k)+15^-1P_bt[T_A(k)-T_A(k-1)]×Q 

其中，T_B(k)为当天预测第k班次公交车离开站点时刻，T_A(k)为第k班次公交车到达站点时刻。 

本实例中1路线8点—9点时段每隔5分钟到达一次该车站，乘客平均上车时间Q为3秒，且8：00为第一趟抵达的公交车辆，编号为第一班次，以后班 次以此类推。则每一班次抵达和离开公交车站的时间如表2所示： 

表21路线离开该公交车站时刻预测 

班次	抵达时间	离开时间
			1	8:00:00	8:01:09
2	8:05:00	8:06:09
			3	8:10:00	8:11:09
4	8:15:00	8:15:57
			5	8:20:00	8:20:57
6	8:25:00	8:25:57
			7	8:30:00	8:30:39
8	8:35:00	8:35:39
			9	8:40:00	8:40:39
10	8:45:00	8:45:30
			11	8:50:00	8:50:30
12	8:55:00	8:55:30

(D)公交控制中心根据预测当日前4天的路段行驶时间观察值求出预测当日公交车路段行驶时间的最优预测值，周一到周四的路段行驶时间观察值如表3所示： 

表3周一到周四的公交车路段行驶时间观察值(单位：秒) 

班次	1	2	3	4	5	6	7	8	9	10	11	12
													周一	165	160	152	143	133	129	128	129	126	107	114	113
周二	169	155	158	148	137	126	132	127	114	117	113	109
													周三	166	164	153	142	134	136	124	119	113	111	110	113
周四	160	161	155	138	133	121	119	116	113	110	105	111

(D1)当k＝1时，需要设立初始时间，令T_i(k)＝T_i(1)，其值为： 

T_i(1)＝(Y_i-1(1)+Y_i-2(1)+Y_i-3(1)+Y_i-4(1))×4^-1

其中，T_i(1)表示预测当天第1班次公交车行驶时间的最优预测值。Y_i-1(1)表示预测当天前一天第1班次公交车行驶时间的观察值，......，Y_i-4(1)表示预测当天前4天第1班次公交车行驶时间的观察值。在本例中： 

T_i(1)＝(160+166+169+165)×4^-1

求得，T_i(1)＝165秒； 

(D2)当2≤k<4时，当天第k班次的路段行驶时间最优预测值为： 

$T_i\left(k\right)=\underset{j=1}{\overset{j=k-1}{\mathrm{\&Sigma;}}}{\mathrm{\&alpha;}}_j{T}_i\left(j\right)+\mathrm{\&beta;},2\&le;k<4$

其中T_i(k)表示当天第k班次公交车行驶时间的最优预测值，T_i(j)表示当天第j班次公交车的最优预测值，其中j≤k，α₁，......，α_j，β为回归系数，由预测当天前四日的观测值所组成的超定线性方程组求得，如下式所示： 

$\left[\begin{array}{cc}{Y}_{(i-1)}\left(1\right)& 1\\ Y_{(i-2)}\left(1\right)& 1\\ Y_{(i-3)}\left(1\right)& 1\\ Y_{(i-4)}\left(1\right)& 1\end{array}\right]\&times;\left[\begin{array}{c}{\mathrm{\&alpha;}}_1\\ \mathrm{\&beta;}\end{array}\right]=\left[\begin{array}{c}{Y}_{(i-1)}\left(2\right)\\ Y_{(i-2)}\left(2\right)\\ Y_{(i-3)}\left(2\right)\\ Y_{(i-4)}\left(2\right)\end{array}\right],k=2;$

$\left[\begin{array}{ccc}{Y}_{(i-1)}\left(1\right)& Y_{(i-1)}\left(2\right)& 1\\ Y_{(i-2)}\left(1\right)& Y_{(i-2)}\left(2\right)& 1\\ Y_{(i-3)}\left(1\right)& Y_{(i-3)}\left(2\right)& 1\\ Y_{(i-4)}\left(1\right)& Y_{(i-4)}\left(2\right)& 1\end{array}\right]\&times;\left[\begin{array}{c}{\mathrm{\&alpha;}}_1\\ {\mathrm{\&alpha;}}_2\\ \mathrm{\&beta;}\end{array}\right]=\left[\begin{array}{c}{Y}_{(i-1)}\left(3\right)\\ Y_{(i-2)}\left(3\right)\\ Y_{(i-3)}\left(3\right)\\ Y_{(i-4)}\left(3\right)\end{array}\right],k=3;$

以上超定线性方程组均采用曲线拟合的最小二乘法求解而得。其中，Y_(i-1)(1)表示预测当日前1天第1趟公交车的路段行驶时间，......，Y_(i-1)(3)表示预测当日前1天第3趟公交车的路段行驶时间，......，Y_(i-4)(1)表示预测当日前4天第1趟公交车的路段行驶时间，.......，Y_(i-4)(3)表示预测当日前4天第1趟公交车的路段行驶时间； 

在本例中，当k＝2时，α₁，β如下式所求： 

$\left[\begin{array}{cc}160& 1\\ 166& 1\\ 169& 1\\ 165& 1\end{array}\right]\&times;\left[\begin{array}{c}{\mathrm{\&alpha;}}_1\\ \mathrm{\&beta;}\end{array}\right]=\left[\begin{array}{c}161\\ 164\\ 165\\ 160\end{array}\right]$

由曲线拟合的最小二乘法求得上式α₁＝-0.500，β＝242.500。从(D1)可知，T_i(1)＝165秒，故当天第2班次公交车行驶时间的最优预测值T_i(2)为 

T_i(2)＝-0.500×165+242.500 

求得T_i(2)＝160秒。同理可求，当k＝3时，第3班次公交车行驶时间的最优预测值T_i(3)为155秒。 

(D3)公交控制中心根据公交车载信息仪返回的第k班次公交车前3班次的 观察值，通过线性趋势外推法，得到当天第k班次的路段行驶时间最优预测值为： 

T_i(k)＝α₁T_i(k-1)+α₂T_i(k-2)+α₃T_i(k-3)+β，k≥4 

其中，T_i(k)表示当天第k班次公交车路段行驶时间的最优预测值，α₁，α₂，α₃，β，由预测当日前四天观测值所组成的线性方程组求得，如下式所示： 

$\left[\begin{array}{cccc}{Y}_{(i-1)}(k-3)& Y_{(i-1)}(k-2)& Y_{(i-1)}(k-1)& 1\\ Y_{(i-2)}(k-3)& Y_{(i-2)}(k-2)& Y_{(i-2)}(k-1)& 1\\ Y_{(i-3)}(k-3)& Y_{(i-3)}(k-2)& Y_{(i-3)}(k-1)& 1\\ Y_{(i-4)}(k-3)& Y_{(i-4)}(k-2)& Y_{(i-4)}(k-1)& 1\end{array}\right]\&times;\left[\begin{array}{c}{\mathrm{\&alpha;}}_1\\ {\mathrm{\&alpha;}}_2\\ {\mathrm{\&alpha;}}_3\\ \mathrm{\&beta;}\end{array}\right]=\left[\begin{array}{c}{Y}_{(i-1)}\left(k\right)\\ Y_{(i-2)}\left(k\right)\\ Y_{(i-3)}\left(k\right)\\ Y_{(i-4)}\left(k\right)\end{array}\right]$

Y_(i-1)(k-3)表示预测当日前1天第k-3趟公交车的路段行驶时间，......，Y_(i-1)(k)表示预测当日前1天第k趟公交车的路段行驶时间，......，Y_(i-4)(k-3)表示预测当日前4天第k-3趟公交车的路段行驶时间，......，Y_(i-4)(k)表示预测当日前4天第k趟公交车的路段行驶时间。 

在本例中，当k＝4时，α₁，α₂，α₃，β，由预测当日前四天观测值求得，其中路段行驶时间均用秒表示，如下式所示： 

$\left[\begin{array}{cccc}160& 161& 155& 1\\ 166& 164& 153& 1\\ 169& 155& 158& 1\\ 165& 160& 152& 1\end{array}\right]\&times;\left[\begin{array}{c}{\mathrm{\&alpha;}}_1\\ {\mathrm{\&alpha;}}_2\\ {\mathrm{\&alpha;}}_3\\ \mathrm{\&beta;}\end{array}\right]=\left[\begin{array}{c}138\\ 142\\ 148\\ 143\end{array}\right]$

求得，α₁＝0.852，α₂＝-0.438，α₃＝-0.100，β＝87.652；由(D1),(D2)可知，T_i(1)＝165秒，T_i(2)＝160秒，T_i(3)＝155秒。故当天第4班次公交车行驶时间的最优预测值T_i(4)为 

T_i(4)＝0.852×165-0.438×160-0.100×155+87.652 

求得T_i(4)＝143秒。同理可求得k∈[5,12]时，T_i(5)＝134秒，T_i(6)＝128秒，T_i(7)＝126秒，T_i(8)＝123秒，T_i(9)＝117秒，T_i(10)＝111秒，T_i(11)＝111秒，T_i(12)＝111秒； 

统计得1路线周五上午8—9时段的路段行驶时间预测值，如表4所示： 

表4各班次路段行驶时间预测值 

(E)根据步骤(C)预测的离开公交站点时间和步骤(D)中预测的路段行程时间，公交控制中心预测得到公交车辆到达交叉口的时刻为： 

T_C(k)＝T_B(k)+T_i(k) 

其中，T_C(k)表示第k班次公交车辆到达交叉口的时刻，T_B(k)为第k班次公交车离开站点时刻，T_i(k)表示第k班次公交车行驶时间的最优预测值。 

计算得1路线周五上午8—9时段的各班次抵达交叉口时刻的预测值，如表5所示： 

表5各班次抵达交叉口时刻预测值 

(F)公交控制中心根据步骤(E)中抵达交叉口的预测值，判断该班次抵达交叉口时期是否处于信号周期的绿灯相位，并据此采取实时诱导策略。 

(F1)公交控制中心根据步骤(A)中调查所得的交叉口绿灯信号起始时刻、交叉口信号配时方案和步骤(E)中得到第k班次公交车辆到达交叉口的时刻T_C(k)，判断T_C(k)位于信号周期的具体区段。将一个信号周期分为3个区段，分别为t₁—t₂(绿灯时段)，t₂—t₄(红灯与黄灯相位之和的前半段)，t₄—t₅(红灯与黄灯相位之和的后半段)，如附图3所示。其中，t₁表示绿灯起始时刻；t₂表示绿灯结束、黄灯起始时刻；t₃表示黄灯结束、红灯起始时刻；t₅表示红灯结束时刻；t₄＝(t₂+t₅)×2^-1，表示黄灯与红灯两相位中点时刻。如附图3所示。 

在本例中，一个信号周期为90秒。8点正好为绿灯相位起始时刻，绿灯相位长40秒，黄灯相位为3秒，红灯相位为47秒，公交站点至交叉口之间的路段长度L为600米； 

(F2)当T_C(k)位于t₁和t₂之间时，即预测的公交车辆到达交叉口的时刻在绿灯时段，如附图4所示。此种情况下，车辆可以正常通过交叉口，公交控制中心只需通过公交车载信息服仪向驾驶员提供正常行驶的车速诱导信息，行驶车速为 

$V\left(k\right)=\frac{3.6L}{T_i\left(k\right)}$

其中，V(k)表示第k班次的诱导速度，L表示为公交站点至交叉口之间的路段长度，T_i(k)表示第k班次公交车行驶时间的最优预测值。 

在本例中，第3班次抵达交叉口时刻为8:13:44，其所处信号周期中t₁为8:13:30，t₂为8:14:10，t₄为8:14:35，t₅为8:15:00。则T_C(3)位于t₁和t₂之间，即预测的公交车辆到达交叉口的时刻在绿灯时段，故采取F2控制策略。步骤E中，已求得，T_i(3)＝155秒，则第3班次诱导速度V(3)得： 

$V\left(3\right)=\frac{3.6\&times;600}{155}$

求得V(3)＝14公里每小时。同理还可论证，第4、5、8、9、12班次客采取次控制策略，求得V(4)＝15.1公里每小时，V(5)＝16.1公里每小时，V(8)＝17.6公里每小时，V(9)＝18.5公里每小时，V(12)＝19.4公里每小时。 

(F3)当T_C(k)位于t₂和t₄之间时，即预测的公交车辆到达交叉口的时刻在红灯与黄灯相位之和的前半段，如附图5所示。此种情况下，车辆通常可通过提高行驶速度在本次信号周期一次性通过交叉口。公交控制中心通过公交车载信息仪向驾驶员提供的行驶车速为 

$V\left(k\right)=\frac{3.6L}{T_i\left(k\right)-[T_C\left(k\right)-t_2]}$

其中，V(k)表示第k班次的诱导速度，L表示为公交站点至交叉口之间的路段长度，T_i(k)表示第k班次公交车行驶时间的最优预测值。T_C(k)表示第k班次公交车辆到达交叉口的时刻，t₂表示绿灯结束、黄灯起始时刻。 

在本例中，第1班次抵达交叉口时刻为8:03:54，其所处信号周期中t₁为8:03:00，t₂为8:03:40，t₄为8:04:05，t₅为8:04:30。则T_C(3)位于t₂和t₄之间，即预测的公交车辆到达交叉口的时刻在红灯与黄灯相位之和的前半段，故采取F3控制策略。步骤E中，已求得，T_i(1)＝165秒，则第1班次诱导速度V(1)得： 

$V\left(1\right)=\frac{3.6\&times;600}{165-(8:03:54-8:03:40)}$

求得V(1)＝14.3公里每小时。同理还可论证，第6、10班次客采取次控制策略，求得V(6)＝21.2公里每小时，V(10)＝21.6公里每小时。 

(F4)当T_C(k)位于t₄和t₅之间时，即预测的公交车辆到达交叉口的时刻在红灯与黄灯相位之和的后半段，如附图6所示。此种情况下，车辆通常可通过降低行驶速度在本次信号周期一次性通过交叉口。公交控制中心通过公交车载信息仪向驾驶员提供的行驶车速为 

$V\left(k\right)=\frac{3600L}{T_i\left(k\right)+[t_5-T_C\left(k\right)]}$

其中，V(k)表示第k班次的诱导速度，L表示公交站点至交叉口之间的路段长度，T_i(k)表示第k班次公交车行驶时间的最优预测值。T_C(k)表示第k班次公交车辆到达交叉口的时刻，t₅表示红灯结束时刻。 

在本例中，第2班次抵达交叉口时刻为8:08:49，其所处信号周期中t₁为8:07:30， t₂为8:08:10，t₄为8:08:35，t₅为8:09:00。则T_C(2)位于t₄和t₅之间，即预测的公交车辆到达交叉口的时刻在红灯与黄灯相位之和的后半段，故采取F4控制策略。步骤E中，已求得，T_i(2)＝160秒，则第2班次诱导速度V(2)得： 

$V\left(2\right)=\frac{3.6\&times;600}{160+(8:09:00-8:08:49)}$

求得V(2)＝12.公里每小时。同理还可论证，第7、11班次客采取次控制策略，求得V(7)＝15.3公里每小时，V(11)＝18.0公里每小时。 

统计得1路线周五上午8—9时段的各班次所采取的诱导策略，诱导速度和诱导后抵达交叉口的时刻，如表6所示。 

表6各班次诱导策略及速度 

进行基于行程时间的公交诱导之后，所有班次的公交车均可一次性通过交叉口，而优化之前的一次性通过率仅为50％。大大减少了常规公交在交叉口的延误时间，提升了公交系统的运营效率和服务水平。 

Claims (7)

1.一种交叉口处公交车辆不停车通过的公交诱导方法，其特征在于，包括如下步骤：

(A)通过实地调查获取公交系统运营数据、公交线路基础信息和交叉口信号控制方案；其中，所述公交系统运营数据包括公交站点各线路历史客流量、公交站点各线路客流量时间分布；所述公交线路基础信息包括公交车路段历史行驶时间；所述交叉口信号控制方案包括交叉口绿灯信号起始时刻，交叉口信号配时方案；装载公交车载信息仪，并通过其采集当天公交路段行驶时间、公交车到站时刻和离站时刻，并利用无线通讯系统与公交控制中心实时联通；

(B)根据步骤(A)中采集的公交站点各线路历史客流量、公交站点各线路客流量时间分布，确定各线路各时段平均客流量；

(C)根据公交控制中心利用步骤(B)中确定的各线路各时段平均客流量和步骤(A)中采集的公交车载信息仪发回的公交车抵达公交站的时刻数据，预测公交车辆离开站点的时刻；

(D)公交控制中心根据步骤(A)中采集公交车路段历史行驶时间，以及当天当前班次之前的公交车路段行驶时间，推测当前班次公交车路段行驶时间最优预测值；

(E)公交控制中心根据步骤(C)和(D)中分别得到的公交车辆离开站点的时刻和当前班次公交车路段行驶时间最优预测值，预测公交车抵达交叉口的时刻；

(F)公交控制中心根据步骤(E)中所预测的公交车抵达交叉口的时刻和步骤(A)中采集的交叉口信号控制方案，诱导公交车辆运行速度，并将诱导车速发至车载信息仪，实现公交车辆在信号灯绿灯期间通过各交叉口。

2.根据权利要求1所述的交叉口处公交车辆不停车通过的公交诱导方法，其特征在于：所述步骤(A)中，所述公交系统运营数据还包括站点乘客平均上车时间Q；所述公交线路基础包括线路运营时刻表、公交线路走向、公交站点位置和名称，站点与交叉口间的路段长度。

3.根据权利要求1或2所述的交叉口处公交车辆不停车通过的公交诱导方法，其特征在于：所述步骤(B)中，公交控制中心以m分钟为一个时间段，m取任意值，查看当日的前n天同一时段客流量：(P_1bt，P_2bt，......，P_nbt)，n∈[0,365]，其中P_nbt表示预测日前n天公交线路b在t时段的公交客流量，求得前n天同一时间段的平均客流量，并将所述的平均客流量作为当天同一时间段的预测客流量：

P_bt＝(P_1bt+P_2bt+......+P_nbt)×n^-1；

其中，P_bt为公交线路b在t时间段对应的预测客流量。

4.根据权利要求3所述的交叉口处公交车辆不停车通过的公交诱导方法，其特征在于：所述步骤(C)中，公交控制中心根据公交车载信息仪发回的公交车抵达公交站的时刻T_A(k)，预测的公交车离开公交站点的时刻T_B(k)为：

T_B(k)＝T_A(k)+m^-1P_bt[T_A(k)-T_A(k-1)]Q

其中，T_B(k)为当天预测第k班次公交车离开站点时刻，T_A(k)为第k班次公交车到达站点时刻，Q为站点乘客平均上车时间。

5.根据权利要求4所述的交叉口处公交车辆不停车通过的公交诱导方法，其特征在于：所述步骤(D)包括如下步骤：

(D1)当k＝1时，需要设立初始时间，令T_i(k)＝T_i(1)，其值为：

T_i(1)＝(Y_i-1(1)+Y_i-2(1)+Y_i-3(1)+Y_i-4(1))×4^-1

其中，T_i(1)表示预测当天第1班次公交车行驶时间的最优预测值。Y_i-1(1)表示预测当天前1天第1班次公交车行驶时间的观察值，......，Y_i-4(1)表示预测当天前4天第1班次公交车行驶时间的观察值。

(D2)当2≤k<4时，当天第k班次的路段行驶时间最优预测值为：

$T_i\left(k\right)=\underset{j=1}{\overset{j=k-1}{\mathrm{\&Sigma;}}}{\mathrm{\&alpha;}}_j{T}_i\left(j\right)+\mathrm{\&beta;},2\&le;k<4$

其中T_i(k)表示当天第k班次公交车行驶时间的最优预测值，T_i(j)表示当天第j班次公交车的最优预测值，其中j≤k，α₁，......，α_j，β为回归系数，由预测当天前四日的观测值所组成的超定线性方程组求得，如下式所示：

$\left[\begin{array}{cc}{Y}_{(i-1)}\left(1\right)& 1\\ Y_{(i-2)}\left(1\right)& 1\\ Y_{(i-3)}\left(1\right)& 1\\ Y_{(i-4)}\left(1\right)& 1\end{array}\right]\&times;\left[\begin{array}{c}{\mathrm{\&alpha;}}_1\\ \mathrm{\&beta;}\end{array}\right]=\left[\begin{array}{c}{Y}_{(i-1)}\left(2\right)\\ Y_{(i-2)}\left(2\right)\\ Y_{(i-3)}\left(2\right)\\ Y_{(i-4)}\left(2\right)\end{array}\right],k=2;$

$\left[\begin{array}{ccc}{Y}_{(i-1)}\left(1\right)& Y_{(i-1)}\left(2\right)& 1\\ Y_{(i-2)}\left(1\right)& Y_{(i-2)}\left(2\right)& 1\\ Y_{(i-3)}\left(1\right)& Y_{(i-3)}\left(2\right)& 1\\ Y_{(i-4)}\left(1\right)& Y_{(i-4)}\left(2\right)& 1\end{array}\right]\&times;\left[\begin{array}{c}{\mathrm{\&alpha;}}_1\\ {\mathrm{\&alpha;}}_2\\ \mathrm{\&beta;}\end{array}\right]=\left[\begin{array}{c}{Y}_{(i-1)}\left(3\right)\\ Y_{(i-2)}\left(3\right)\\ Y_{(i-3)}\left(3\right)\\ Y_{(i-4)}\left(3\right)\end{array}\right],k=3;$

以上超定线性方程组均采用曲线拟合的最小二乘法求解而得。其中，Y_(i-1)(1)表示预测当日前1天第1趟公交车的路段行驶时间，......，Y_(i-1)(3)表示预测当日前1天第3趟公交车的路段行驶时间，......，Y_(i-4)(1)表示预测当日前4天第1趟公交车的路段行驶时间，.......Y_(i-4)(3)表示预测当日前4天第1趟公交车的路段行驶时间；

(D3)当k≥4时，公交控制中心根据公交车载信息仪返回的第k班次公交车前3班次的观察值，通过线性趋势外推法，得到当天第k班次的路段行驶时间最优预测值为：

T_i(k)＝α₁T_i(k-1)+α₂T_i(k-2)+α₃T_i(k-3)+β，k≥4

其中，T_i(k)表示当天第k班次公交车行驶时间的最优预测值，α₁，α₂，α₃，β，由预测当日前四天观测值所组成的线性方程组求得，如下式所示：

$\left[\begin{array}{cccc}{Y}_{(i-1)}(k-3)& Y_{(i-1)}(k-2)& Y_{(i-1)}(k-1)& 1\\ Y_{(i-2)}(k-3)& Y_{(i-2)}(k-2)& Y_{(i-2)}(k-1)& 1\\ Y_{(i-3)}(k-3)& Y_{(i-3)}(k-2)& Y_{(i-3)}(k-1)& 1\\ Y_{(i-4)}(k-3)& Y_{(i-4)}(k-2)& Y_{(i-4)}(k-1)& 1\end{array}\right]\&times;\left[\begin{array}{c}{\mathrm{\&alpha;}}_1\\ {\mathrm{\&alpha;}}_2\\ {\mathrm{\&alpha;}}_3\\ \mathrm{\&beta;}\end{array}\right]=\left[\begin{array}{c}{Y}_{(i-1)}\left(k\right)\\ Y_{(i-2)}\left(k\right)\\ Y_{(i-3)}\left(k\right)\\ Y_{(i-4)}\left(k\right)\end{array}\right]$

Y_(i-1)(k-3)表示预测当日前1天第k-3趟公交车的路段行驶时间，......，Y_(i-1)(k)表示预测当日前1天第k趟公交车的路段行驶时间，......，Y_(i-4)(k-3)表示预测当日前4天第k-3趟公交车的路段行驶时间，......，Y_(i-4)(k)表示预测当日前4天第k趟公交车的路段行驶时间。

6.根据权利要求5所述的交叉口处公交车辆不停车通过的公交诱导方法，其特征在于：所述步骤(E)中，公交控制中心结合公交车载信息仪返回的数据，预测得到公交车辆到达交叉口的时刻为：

T_C(k)＝T_B(k)+T_i(k)

其中，T_C(k)表示当天预测第k班次公交车辆到达交叉口的时刻，T_B(k)为当天预测第k班次公交车离开站点时刻，T_i(k)表示当天第k班次公交车路段行驶时间的最优预测值。

7.根据权利要求6所述的交叉口处公交车辆不停车通过的公交诱导方法，其特征在于：所述步骤(F)包括如下步骤：

(F1)公交控制中心根据步骤(A)中调查所得的交叉口绿灯信号起始时刻、交叉口信号配时方案和步骤(E)中得到预测第k班次公交车辆到达交叉口的时刻T_C(k)，判断T_C(k)位于信号周期的具体时段，并根据T_C(k)所处的位置，实时选取控制策略，确保T_C(k)处于所述信号周期的任何时段时，公交车辆均在本次信号周期内不停车通过交叉口；具体地，所述信号周期分为3个时段：

第一时段为绿灯时段：t₁—t₂；

第二时段为红灯与黄灯相位之和的前半段：t₂—t₄；

第三时段为红灯与黄灯相位之和的后半段：t₄—t₅；

其中，t₁表示绿灯起始时刻，t₂表示绿灯结束、黄灯起始时刻，t₃表示黄灯结束、红灯起始时刻，t₅表示红灯结束时刻，t₄表示黄灯与红灯两相位中点时刻，即t₄＝(t₂+t₅)×2^-1；

(F2)当T_C(k)位于t₁和t₂之间时，即预测的公交车辆到达交叉口的时刻在绿灯时段的情况下，则车辆正常通过交叉口，公交控制中心只需通过公交车载信息仪向驾驶员提供正常行驶的车速诱导信息，诱导速度V(k)为：

$V\left(k\right)=\frac{3.6L}{T_i\left(k\right)}$

其中，V(k)表示第k班次的诱导速度，L表示为公交站点至交叉口之间的路段长度，T_i(k)表示当天第k班次公交车路段行驶时间的最优预测值；

(F3)当T_C(k)位于k₂和t₄之间时，即预测的公交车辆到达交叉口的时刻在红灯与黄灯相位之和的前半段的情况下，则车辆可通过提高行驶速度在本次信号周期内不停车通过交叉口，公交控制中心通过公交车载信息仪向驾驶员提供加速行驶的车速诱导信息，诱导速度V(k)为：

$V\left(k\right)=\frac{3.6L}{T_i\left(k\right)-[T_C\left(k\right)-t_2]}$

其中，V(k)表示第k班次的诱导速度，L表示为公交站点至交叉口之间的路段长度，T_i(k)表示当天第k班次公交车路段行驶时间的最优预测值，T_C(k)表示当天预测第k班次公交车辆到达交叉口的时刻，t₂表示绿灯结束、黄灯起始时刻；

(F4)当T_C(k)位于t₄和t₅之间时，即预测的公交车辆到达交叉口的时刻在红灯与黄灯相位之和的后半段的情况下，车辆通过降低行驶速度在本次信号周期不停车通过交叉口，公交控制中心通过公交车载信息仪向驾驶员提供减速行驶的车速诱导信息，诱导速度V(k)为：

$V\left(k\right)=\frac{3.6L}{T_i\left(k\right)+[t_5-T_C\left(k\right)]}$

其中，V(k)表示第k班次的诱导速度，L表示公交站点至交叉口之间的路段长度，T_i(k)表示当天第k班次公交车路段行驶时间的最优预测值，T_C(k)表示当天预测第k班次公交车辆到达交叉口的时刻，t₅表示红灯结束时。