CN105118312A - 信号交叉口多线路多公交车辆优先控制方法 - Google Patents

Abstract

本发明公开了一种信号交叉口多线路多公交车辆优先控制方法，针对目前主干线交叉口处多线路多公交车辆优先请求冲突问题日益突出、现有方法控制效果不佳的情况下，本发明提出选择公交车辆乘客延误和下游公交站台乘客等待延误两个指标来对衡量多优先请求的优先水平，然后，将申请同一个优先策略的多线路多公交车辆所对应的延误加起来，延误大的优先请求对应的优先水平较高，给予更高优先通行权。这样，解决了多优先请求冲突问题，从而提高了公交优先的控制效率，提升了城市公交的服务水平和运营效率，且有助于吸引更多的乘客。

Description

信号交叉口多线路多公交车辆优先控制方法

技术领域

本发明属于城市交通的公共交通信号控制领域，涉及一种信号交叉口多线路多公交车优先控制方法。

背景技术

《国家中长期科学和技术发展规划纲要》交通专题明确提出“通过优先发展公共交通解决城市交通拥堵问题”以及“大城市公交出行率达50％以上”的国家战略目标。随着“公交都市”概念的提出和推进，全国多数城市开始大力投资发展公共交通。经过几年的发展，我国许多城市逐步形成了多模式多层次的公共交通结构，公交网络复杂度也不断提高，从而使得交叉口处出现多条线路通行冲突的可能性日益增大。这增加了实施公交优先策略的难度，因为，此时不仅需要判断公交车辆是否满足优先条件，还要判断给哪条线路的公交车辆优先通行权。因此，如何解决多线路公交车辆优先请求冲突的问题显得尤为重要。

现有相关研究较少，而且他们的方法多是以最小化优先所导致的延误为目标。而公交优先的目的是通过改善现有公交运行状态或者信号控制机的状态以降低公交车辆延误，从而提高公交车辆的准时性和服务水平。显然，现有方法不能很好地迎合公交优先的目的。

发明内容

技术问题：本发明提供一种能够解决多公交优先请求冲突问题，提高了公交车辆到达停车线时间的预测可靠度，提升公交优先效果和效率的信号交叉口多线路多公交车辆优先控制方法，降低了公交优先对其他车辆和整个系统的负面影响，保证了公交优先的准确执行，提高了公交系统服务水平。

技术方案：本发明的信号交叉口多线路多公交车辆优先控制方法，按照到达的先后顺序，依次对一个信号相位中的各公交车辆执行以下步骤10)到60)的流程，以确定控制中心是否接收该公交车辆的优先请求，直至一个信号相位截止后，控制中心根据接收的优先请求更新信号配时，产生优先相位并执行；

步骤10)如果检测到公交车辆到达，根据调查采集的公交车辆运行状态数据，利用人工神经网络模型来预测公交车到达停车线时间；

步骤20)根据预测的公交车到达停车线时间和对应相位的绿灯时间之间的相互关系，判断公交车辆是否满足优先条件，如果满足优先条件，则确定所需的优先策略和优先时间，并产生优先请求后进入步骤30)；否则，结束本车辆的流程；

步骤30)确定优先限制条件，如果所述优先请求满足限制条件，则进入步骤40)；否则，结束本车辆的流程；

步骤40)对所述优先请求进行效益评估，如果其带来的效益大于其导致的延误，则将其传至控制中心并进入步骤50)；否则，结束本车辆的流程；

步骤50)判断优先请求之间，以及优先请求与控制中心已有的未执行优先相位之间是否存在冲突，如果存在冲突，则进入步骤60)；否则，结束本车辆的流程；

步骤60)将申请同一个优先策略的多辆公交车的延误加起来，得到该优先策略的累积延误，然后对比各优先策略的公交车辆累积延误，累积延误越大，其优先水平越高，控制中心接收优先水平最高的优先请求。

进一步的，本发明方法的步骤10)中，公交车辆运行状态数据包括公交车车头时距h、公交车上下车人数b、公交车行驶速度v、路段交通量q和公交车到达停车线时间AT；

步骤10)中，将公交车到达停车线时间AT作为输出变量，其他四个数据作为输入变量，对人工神经网络模型进行反复迭代训练，直至符合收敛条件，从而得到预测的公交车到达停车线时间。

进一步的，本发明方法中，所述的步骤20)中，对于符合以下条件的情况，认为公交车辆满足优先条件，并确定相应的优先策略和优先时间：

a)如果公交车b到达停车线时，相位i处于红灯时间，公交车不能通过停车线，故申请红灯早断策略，早断的时间为

b)如果，公交车b不能在相位i绿灯截止时间之前到达停车线，故申请绿灯延长策略，延长的时间为

其中，为预测的公交车b到达停车线时间，g^S,i和g^E,i分别为与对应相位i的绿灯开始时间和结束时间。

进一步的，本发明方法中，所述的步骤30)中，优先限制条件包括相位i-1最小绿灯时间相位i+1最小绿灯时间和相位i的最大优先时间所述优先请求满足限制条件，是指优先请求中的优先时间满足上述限制条件。

进一步的，本发明方法中，所述的步骤30)中，优先请求包括相位i中申请绿灯延长策略的优先请求和相位i中申请红灯早断策略的优先请求；

所述步骤40)中，分别根据下式计算相位i中申请绿灯延长策略的优先请求带来的效益和导致的延误

其中，q^A,i、q^D,i、q^A,i+1和q^D,i+1分别表示相位i和i+1对应的交叉口处的到达流率和消散流率，gⁱ和gⁱ⁺¹分别表示相位i和i+1对应的绿灯时长，表示相位i的绿灯延长时间；

分别根据下式计算相位i中申请红灯早断策略的优先请求带来的效益和导致的延误

其中，q^A,i-1和q^D,i-1分别表示相位i-1对应的交叉口处的到达流率和消散流率，g^i-1表示相位i-1对应的绿灯时长，表示相位i的红灯早断时间。

进一步的，本发明方法中，所述的步骤50)中判断是否存在优先请求冲突的方法为：

如果控制中心不存在已有的未执行优先相位，则在优先请求所属的车辆处在同一个相位时，判定不存在优先请求冲突；处在不同相位时，判定存在优先请求冲突；

如果控制中心当前存在优先相位，则将当前优先请求产生时间与当前优先相位的执行开始时间ST按照如下规则进行对比判断：如果则存在优先请求冲突；否则，不存在优先请求冲突。

进一步的，本发明方法中，所述的步骤60)中，公交车的延误包括公交车上乘客延误和下游公交站台乘客等待延误WDⁱ，分别根据下式计算得到：

其中，是理论到达停车线时间，是公交车辆上乘客数，AWTⁱ和SWTⁱ分别表示站台上乘客的实际等待时间和理论等待时间，和分别表示公交车辆的实际车头时距和理论车头时距，Bⁱ是相位i中申请同一个优先策略的公交车辆的集合；

根据下式将申请同一个优先策略的多辆公交车的延误加起来，得到总延误D^total：

其中，Nⁱ是下游公交站台上等待相位i对应的公交车的乘客数。

进一步的，本发明方法中，所述优先相位执行时，还包括对公交车辆进行速度诱导，具体内容为根据以下两种情况确定公交车辆运行速度：

a)对于执行红灯早断优先策略的公交车辆，其运行速度v为

其中，L是检测区域长度，是相位i最大红灯早断时间，T₀是公交车以当前速度通过检测区域的时间，C是周期长度，n是周期个数；

b)对于执行绿灯延长优先策略的公交车辆，其行驶速度为最大运行速度v_max。

本发明中，以公交车上乘客延误和站台上乘客等待延误为指标来衡量冲突优先请求的优先水平。延误越大，相应的优先水平较高。

有益效果：本发明与现有技术相比，具有以下优点：

1.公交车到达停车线时间的预测精度是决定公交优先控制效率高低的关键因素之一。目前常用的方法是基于检测器检测数据来对到达停车线时间进行预测，虽然比较简便，但是该方法适用性较差且准确度不高。鉴于此，本发明采用人工神经网络模型来进行预测，其不仅解决非线性复杂问题的能力较强，且预测精度较高，大大提高了公交车辆到达停车线时间的预测可靠度，进而保障优先控制的准确性。

2.公交优先在给优先相位的车辆带来效益的同时，还会导致非优先相位的车辆延误增加。所以，不可能每个优先请求都能保证为整个交叉口带来的效益大于导致的延误，显然，应该选择性地接收优先请求。但是，在现有很多成果中都忽略了这一点，他们认为所有优先请求均应该在被传至控制中心后执行，从而造成优先效果不理想。因此，本发明提出在公交优先请求传送至控制中心前，对每个优先请求进行预评估。只有带来的效益大于其所导致的延误的优先请求才能被送至控制中心，这样可以保证公交优先总是带来正的效益，从而保证公交优先控制的效果。

3.现有的解决多优先请求冲突的方法多从最小化优先相位带来的延误为目标，而公交优先的目的是根据公交车辆当前运行状态(包括偏离公交车时刻表的程度、公交车辆延误等)判断给予哪些公交车辆优先通行，以改善相应公交车辆的运行状态。显然，现有的方法与公交优先的目的不一致，所以他们方法的优先效果会大打折扣。鉴于此，本发明选择车辆上乘客延误和站台乘客等待延误这两个指标来衡量优先请求优先水平，而这两个指标是反映公交车辆运行状态的两个主要因素。本发明方法可以更有效地解决多线路多公交车辆优先请求冲突，提高公交系统运行效率，从而提高公交车辆服务水平及其吸引力。

4.现有优化方法大多从公交车辆利益角度出发，以提高公交车运行效率为目标。但是，作为公交系统的主要参与者，乘客在很大程度上决定了公交系统的发展，而公交优先方法的目的也正是为了更大限度地降低乘客出行时间。所以，本发明从乘客角度出发，以保障乘客利益最大化为目标，选择公交车辆上乘客延误和下游公交站台上乘客等待延误这两个指标作为衡量公交优先请求优先水平的指标，有助于提高公交系统吸引力，从而吸引更多乘客选择公交出行。同时，这更能体现以人为本的理念，促进人-车-路协同发展。

5.现有优化方法较少涉及速度诱导，从而导致优先方法的执行效果达不到预期。鉴于此，本发明提出对执行优先的公交车辆进行速度诱导，使得公交车辆按照给定的速度运行，以确保其能够在优先相位内无停车地通过交叉口，保障公交优先的准确执行，进而提高公交优先的效果。

附图说明

图1为本发明的流程图。

图2是本发明中申请绿灯延长策略的优先请求预评估示意图。

图3是本发明中申请红灯早断策略的优先请求预评估示意图。

图4是本发明实施案例的交叉口布置图。

图5是本发明实施案例的模拟仿真结果，其中(a)乘客等待时间延误、(b)公交车和其他车辆中乘客的延误、(c)本发明方法比其他方法的优势。

具体实施方式

下面结合实施例和说明书附图对本发明作进一步的说明。

如图1所示，本发明的信号交叉口多线路多公交车辆优先控制方法按照到达的先后顺序，依次对一个信号相位中的各公交车辆执行步骤10)到60)，以确定控制中心是否接收该公交车辆的优先请求，直至一个信号相位截止后，控制中心根据接收的优先请求更新信号配时，产生优先相位并执行。该方法具体包括如下步骤：

步骤10)如果检测到公交车辆到达，根据调查采集的公交车辆运行状态数据，利用人工神经网络模型来预测公交车到达停车线时间；

所述的步骤10)具体包含以下步骤：

步骤101)将公交车车头时距h、公交车上下车人数b、公交车行驶速度v和路段交通量q四个变量作为输入变量，公交车到达停车线时间AT为输出变量；

步骤102)检测到公交车辆到达后，采集输入变量相关数据。运用统计分析方法对数据进行整合、处理后，进入神经网络模型的训练；

步骤103)根据实际需要选择合适的算法和函数来对神经网络模型进行训练，并确定训练的收敛条件；

步骤104)经过反复迭代训练，输出训练结果。如果训练结果拟合效果达到要求，则训练所得的公交车到达停车线时间被接受，进入步骤20)；否则，返回步骤103)，直至拟合效果达到要求，进入步骤20)；

步骤20)根据预测的公交车到达停车线时间和对应相位的绿灯时间之间的相互关系，判断公交车辆是否满足优先条件，如果满足优先条件，则确定所需的优先策略和优先时间，并产生优先请求后进入步骤30)；否则，结束本车辆的流程；

所述的步骤20)具体包含以下步骤：

步骤201)对比预测的公交车b的到达停车线时间与对应相位i的绿灯开始时间g^S,i和结束时间g^E,i，确定是否产生优先请求：

a)如果公交车b到达停车线时，相位i处于红灯时间，公交车不能通过停车线，满足优先条件，此时公交车辆申请红灯早断策略，需要的优先时间产生优先请求；

b)如果公交车b不能在相位i绿灯截止时间之前到达停车线，满足优先条件，此时公交车辆申请绿灯延长策略，需要的延长的时间产生优先请求；

c)否则，公交车辆b不满足优先条件，故无优先请求。

步骤30)确定优先限制条件，如果所述优先请求满足限制条件，则进入步骤40)；否则，结束本车辆的流程；

所述的步骤30)具体包含以下步骤：

步骤301)确定优先限制条件，主要包括相位i-1最小绿灯时间相位i+1最小绿灯时间和相位i的最大优先时间

步骤302)对比优先时间与优先限制条件，只有在限制条件范围内，才可以进行效益评估；

步骤40)对所述优先请求进行效益评估，如果其带来的效益大于其导致的延误，则将其传至控制中心并进入步骤50)；否则，结束本车辆的流程；

所述的步骤40)具体包含以下步骤：

步骤401)如果公交车辆申请绿灯延长策略，则其所带来的效益和导致的延误的计算公式为

其中，q^A,i、q^D,i、q^A,i+1和q^D,i+1分别表示相位i和i+1对应的交叉口处的到达流率和消散流率，gⁱ和gⁱ⁺¹分别表示相位i和i+1对应的绿灯时长，表示相位i的绿灯延长时间；

步骤402)如果公交车辆申请红灯早断策略，则其所带来的和导致的延误的计算公式为

其中，q^A,i-1和q^D,i-1分别表示相位i-1对应的交叉口处的到达流率和消散流率，g^i-1表示相位i-1对应的绿灯时长，表示相位i的红灯早断时间；

步骤403)对比优先请求带来的效益和导致的延误只有时，优先请求才可以被传至控制中心；

步骤50)判断优先请求之间，以及优先请求与控制中心已有的未执行优先相位之间是否存在冲突，如果存在冲突，则进入步骤60)；否则，结束本车辆的流程；

所述的步骤50)具体包含以下步骤：

步骤501)判断控制中心内是否存在已有的未执行优先相位，如果不存在，则在优先请求所属的车辆处在同一个相位时，判定不存在优先请求冲突；处在不同相位时，判定存在优先请求冲突；如果存在，则进入步骤502)；

步骤502)将当前优先请求产生时间与已有未执行优先相位的执行开始时间ST按照如下规则进行对比判断：如果则存在优先请求冲突；否则，不存在优先请求冲突；

特别需要指出的是，当且时(其中，ET是已有未执行的优先相位的执行结束时间)，应该存在优先请求冲突；但是，此时已有优先相位在执行过程中，根据控制中心在一个相位内只执行一个优先相位的原则，当前优先请求将会自动被控制中心拒绝，也就是说，此优先冲突其实是不存在的；

步骤60)将申请同一个优先策略的多辆公交车的延误加起来，得到该优先策略的累积延误，然后对比各优先策略的公交车辆累积延误，累积延误越大，其优先水平越高，控制中心接收优先水平最高的优先请求；

所述的步骤60)具体包含以下步骤：

步骤601)首先，本发明方法选择公交车上乘客延误和下游公交站台乘客等待延误WDⁱ这两个指标来衡量优先请求的优先水平，二者的计算公式为：

其中，是理论到达停车线时间，是公交车辆上乘客数，AWTⁱ和SWTⁱ分别表示站台上乘客的实际等待时间和理论等待时间，和分别表示公交车辆的实际车头时距和理论车头时距，Bⁱ是相位i中申请同一个优先策略的公交车辆的集合；

步骤602)将申请同一个优先策略的公交车辆的车上乘客延误和下游公交站台上乘客等待延误加起来，可得申请同一优先策略的公交车辆的总延误D^total，其计算公式如下：

其中，Nⁱ是下游公交站台上等待相位i对应的公交车的乘客数；公交车辆延误越大，其相应的优先请求的优先水平越高，且优先水平最高的优先请求才能被控制中心接收；

特别需要指出的是，优先相位执行时，应该对公交车辆进行速度诱导，具体内容为根据以下两种情况确定公交车辆运行速度：

a)对于执行红灯早断优先策略的公交车辆，其运行速度v为

其中，L是检测区域长度，是相位i最大红灯早断时间，T₀是公交车以当前速度通过检测区域的时间，C是周期长度，n是周期个数；

b)对于执行绿灯延长优先策略的公交车辆，其行驶速度为最大运行速度v_max。

实例验证

下面以南京市龙蟠中路-珠江路这个十字交叉口为例来对本发明方法进行验证分析：

(1)首先，获取实例交叉口的基本情况。该交叉口总共有9条公交线路，其中，龙蟠中路设置有公交专用道，具体布置图如图4所示。另外，该交叉口的初始信号配时也附在图4中。根据需要调查了某日交叉口下午17:00到18:00的交通情况，所得流量数据如表1所示。

表1交叉口基本流量数据

(2)基于VISSIM仿真软件，以COM接口为中介，利用MATLAB汇编语言，搭建仿真平台。首先，根据调查获取的数据，对VISSIM构建的交叉口模型进行标定，以使其更符合现实情况。然后，通过MATLAB编程实现人工神经网络预测模型、冲突的判定以及解决优先请求冲突的方法。而优先控制过程中需要的相关数据都是利用VISSIM软件中的相关模块或者功能来获取。

(3)为了突出本发明方法的优势，本实例给出其他三种场景进行对比分析，场景的具体情况如下。

场景1：无优先；

场景2：采用先到先行优先方法；

场景3：采用典型的现有研究方法(选择其中一个比较有代表性的方法)；

场景4：本发明方法。

(4)按照本发明方法的具体实施方案，在搭建的仿真平台上分别对四种场景进行模拟仿真，结果如图5(a)-(c)所示。图5(a)和(c)显示，本发明方法可以显著降低下游站点乘客等待延误，具体地，比场景1降低20.36％、比场景2降低16.17％、比场景3降低12.20％。

从图5(b)和(c)可以看出，对于公交车上乘客延误，与前三种方法相比，本发明发法可以改善车上乘客的延误，相应的比例分别为14.16％、10.27％和6.6％。与场景1相比，虽然本发明方法导致其他车辆上乘客的延误增加，但是与其他两种方法相比，本发明方法能够显著地降低其他车辆上乘客的延误。综上，如果同时考虑车上乘客延误和其他车辆上乘客延误，本发明方法的控制效果要优于其他方法。

(5)从仿真效果可以看出，与之前的研究方法相比，本发明发法可以有效改善交叉口处多线路多公交车辆信号优先控制效果。

上述实施例仅是本发明的优选实施方式，应当指出：对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和等同替换，这些对本发明权利要求进行改进和等同替换后的技术方案，均落入本发明的保护范围。

Claims (8)

1.一种信号交叉口多线路多公交车辆优先控制方法，其特征在于，该方法按照到达的先后顺序，依次对一个信号相位中的各公交车辆执行以下步骤10)到60)的流程，以确定控制中心是否接收该公交车辆的优先请求，直至一个信号相位截止后，控制中心根据接收的优先请求更新信号配时，产生优先相位并执行；

步骤10)如果检测到公交车辆到达，根据调查采集的公交车辆运行状态数据，利用人工神经网络模型来预测公交车到达停车线时间；

步骤20)根据预测的公交车到达停车线时间和对应相位的绿灯时间之间的相互关系，判断公交车辆是否满足优先条件，如果满足优先条件，则确定所需的优先策略和优先时间，并产生优先请求后进入步骤30)；否则，结束本车辆的流程；

步骤30)确定优先限制条件，如果所述优先请求满足限制条件，则进入步骤40)；否则，结束本车辆的流程；

步骤40)对所述优先请求进行效益评估，如果其带来的效益大于其导致的延误，则将其传至控制中心并进入步骤50)；否则，结束本车辆的流程；

步骤50)判断优先请求之间，以及优先请求与控制中心已有的未执行优先相位之间是否存在冲突，如果存在冲突，则进入步骤60)；否则，结束本车辆的流程；

步骤60)将申请同一个优先策略的多辆公交车的延误加起来，得到该优先策略的累积延误，然后对比各优先策略的公交车辆累积延误，累积延误越大，其优先水平越高，控制中心接收优先水平最高的优先请求。

2.根据权利要求1所述的信号交叉口多线路多公交车辆优先控制方法，其特征在于：所述的步骤10)中，公交车辆运行状态数据包括公交车车头时距h、公交车上下车人数b、公交车行驶速度v、路段交通量q和公交车到达停车线时间AT；

步骤10)中，将公交车到达停车线时间AT作为输出变量，其他四个数据作为输入变量，对人工神经网络模型进行反复迭代训练，直至符合收敛条件，从而得到预测的公交车到达停车线时间。

3.根据权利要求1所述的信号交叉口多线路多公交车辆优先控制方法，其特征在于：所述的步骤20)中，对于符合以下条件的情况，认为公交车辆满足优先条件，并确定相应的优先策略和优先时间：

a)如果公交车b到达停车线时，相位i处于红灯时间，公交车不能通过停车线，故申请红灯早断策略，早断的时间为

b)如果公交车b不能在相位i绿灯截止时间之前到达停车线，故申请绿灯延长策略，延长的时间为

其中，为预测的公交车b到达停车线时间，g^S,i和g^E,i分别为与对应相位i的绿灯开始时间和结束时间。

4.根据权利要求1所述的信号交叉口多线路多公交车辆优先控制方法，其特征在于：所述的步骤30)中，优先限制条件包括相位i-1最小绿灯时间相位i+1最小绿灯时间和相位i的最大优先时间所述优先请求满足限制条件，是指优先请求中的优先时间满足上述限制条件。

5.根据权利要求1、2、3或4所述的信号交叉口多线路多公交车辆优先控制方法，其特征在于：所述的步骤30)中，优先请求包括相位i中申请绿灯延长策略的优先请求和相位i中申请红灯早断策略的优先请求；

所述步骤40)中，分别根据下式计算相位i中申请绿灯延长策略的优先请求带来的效益和导致的延误

${\mathrm{TTS}}_b^{GE,i}=\frac{q^{A,i}{q}^{D,i}}{2(q^{D,i}-q^{A,i})}(2g^{i-1}{\mathrm{\δ}}_b^{GE,i}-{\left({\mathrm{\δ}}_b^{GE,i}\right)}^2)$

${\mathrm{TD}}_b^{GE,i}=\frac{q^{A,i+1}{q}^{D,i+1}}{2(q^{D,i+1}-q^{A,i+1})}\left(2g^i{\mathrm{\δ}}_b^{GE,i}+{\left({\mathrm{\δ}}_b^{GE,i}\right)}^2\right)$

其中，q^A,i、q^D,i、q^A，i+1和q^D，i+1分别表示相位i和i+1对应的交叉口处的到达流率和消散流率，gⁱ和gⁱ⁺¹分别表示相位i和i+1对应的绿灯时长，表示相位i的绿灯延长时间；

分别根据下式计算相位i中申请红灯早断策略的优先请求带来的效益和导致的延误

${\mathrm{TTS}}_b^{RT,i}=\frac{q^{A,i}{q}^{D,i}}{2(q^{D,i}-q^{A,i})}(2g^{i-1}{\mathrm{\δ}}_b^{RT,i}-{\left({\mathrm{\δ}}_b^{RT,i}\right)}^2)$

${\mathrm{TD}}_b^{RT,i}=\frac{q^{A,i-1}{q}^{D,i-1}}{2(q^{D,i-1}-q^{A,i-1})}(2g^i{\mathrm{\δ}}_b^{RT,i}+{\left({\mathrm{\δ}}_b^{RT,i}\right)}^2)$

其中，q^A，i-1和q^D，i-1分别表示相位i-1对应的交叉口处的到达流率和消散流率，g^i-1表示相位i-1对应的绿灯时长，表示相位i的红灯早断时间。

6.根据权利要求1、2、3或4所述的信号交叉口多线路多公交车辆优先控制方法，其特征在于：所述的步骤50)中判断是否存在优先请求冲突的方法为：

如果控制中心不存在已有的未执行优先相位，则在优先请求所属的车辆处在同一个相位时，判定不存在优先请求冲突；处在不同相位时，判定存在优先请求冲突；

如果控制中心当前存在优先相位，则将当前优先请求产生时间与当前优先相位的执行开始时间ST按照如下规则进行对比判断：如果则存在优先请求冲突；否则，不存在优先请求冲突。

7.根据权利要求1、2、3或4所述的信号交叉口多线路多公交车辆优先控制方法，其特征在于：所述的步骤60)中，公交车的延误包括公交车上乘客延误和下游公交站台乘客等待延误WDⁱ，分别根据下式计算得到：

${\mathrm{PD}}_b^i=({\mathrm{AT}}_b^i-{\mathrm{ST}}_b^i)O_b^i$

${\mathrm{WD}}^i={\mathrm{AWT}}^i-{\mathrm{SWT}}^i=\frac{\underset{b\∈B^i}{\mathrm{\Σ}}{\left({\mathrm{AH}}_b^i\right)}^2}{2\underset{b\∈B^i}{\mathrm{\Σ}}{\mathrm{AH}}_b^i}-\frac{\underset{b\∈B^i}{\mathrm{\Σ}}{\left({\mathrm{SH}}_b^i\right)}^2}{2\underset{b\∈B^i}{\mathrm{\Σ}}{\mathrm{SH}}_b^i}$

其中，是理论到达停车线时间，是公交车辆上乘客数，AWTⁱ和SWTⁱ分别表示站台上乘客的实际等待时间和理论等待时间，和分别表示公交车辆的实际车头时距和理论车头时距，Bⁱ是相位i中申请同一个优先策略的公交车辆的集合；

根据下式将申请同一个优先策略的多辆公交车的延误加起来，得到总延误D^total：

$D^{total}=\underset{b\∈B^i}{\Σ}{\mathrm{PD}}_b^i+N^i\·{\mathrm{WD}}^i$

其中，Nⁱ是下游公交站台上等待相位i对应的公交车的乘客数。

8.根据权利要求1、2、3或4所述的信号交叉口多线路多公交车辆优先控制方法，其特征在于：所述优先相位执行时，还包括对公交车辆进行速度诱导，具体内容为根据以下两种情况确定公交车辆运行速度：

a)对于执行红灯早断优先策略的公交车辆，其运行速度v为

$v=\frac{L}{g^{i-1}-{\mathrm{\Δ}}_{\max }^{RT,i}-T_0+nC}$

其中，L是检测区域长度，是相位i最大红灯早断时间，T₀是公交车以当前速度通过检测区域的时间，C是周期长度，n是周期个数；

b)对于执行绿灯延长优先策略的公交车辆，其行驶速度为最大运行速度v_max。