CN109584600A

CN109584600A - 应用于无人驾驶公交车的时刻表可靠性的自动化控制方法

Info

Publication number: CN109584600A
Application number: CN201811571288.2A
Authority: CN
Inventors: 曹志超; 张思林; 施佺; 魏明; 曹阳
Original assignee: Nantong University
Current assignee: Nantong University Technology Transfer Center Co ltd
Priority date: 2018-12-21
Filing date: 2018-12-21
Publication date: 2019-04-05
Anticipated expiration: 2038-12-21
Also published as: CN109584600B

Abstract

本发明公开了一种应用于无人驾驶公交车的时刻表可靠性的自动化控制方法，通过实时采集无人驾驶公交车在各站点的上下车客流量与无人驾驶公交车的实际到站时刻和离站时刻数据，将数据作为输入，根据无人驾驶公交车在站点的必要停车时间和位置信息构建公交时刻表优化模型，将无人驾驶公交车的实际行驶状态作为公交时刻表优化模型的输入进行判断：若无人驾驶公交车离站时刻早于计划离站时刻，则控制无人驾驶公交车在站点直到规定的时刻表再离站；若无人驾驶公交车离站时刻晚于计划离站时刻，则提升站间运行速度以减少或消除延迟；本发明加强了无人驾驶公交车准点行驶的可靠性，有利于提升公共交通服务品质，对促进未来智慧城市构建与发展有重要意义。

Description

应用于无人驾驶公交车的时刻表可靠性的自动化控制方法

技术领域

本发明属于自动化控制技术领域，具体涉及一种应用于无人驾驶公交车的时刻表可靠性的自动化控制方法，尤其涉及无人驾驶公交车滞站和提速的自动化控制方法。

背景技术

无人驾驶技术是未来智慧城市的重要组成，同时公共交通是解决现代城市拥堵的重要手段，利用先进的、智能化的技术，促进无人驾驶技术和公共交通的协作和发展将成为未来社会的前进方向。

同济大学学者沈军指出：实时调度的无人驾驶公交车将成为未来革命性的城市交通工具。相较于传统公交车，无人驾驶公交车的操纵具有更高的可靠性。传统公交车一般是由驾驶员手动人工操作驾驶，易受自身驾驶习惯、技能、路况、感知和判断，以及不同时段的生理和心理状态等多方面因素影响，所以驾驶员控制具有较大的差异性和较强的随机性。这也往往导致传统公交车在实时调度过程中难以应用统一的调整方法，不能准确按照设定的公交时刻表行驶，难以满足公共交通客流日益强烈的准时性需求，降低了公共交通的服务品质。

无人驾驶公交车的车辆系统具有针对环境感知及时响应的特性。基于大量的实验数据和学者的研究分析发现，驾驶员对外界环境以及突发事件的反应时间远远大于计算机控制的反应时间，研究数据表明：驾驶员判断、操纵和制动的反应时间一般在0.4秒至1.5秒，对于公交车转向掉头等操作的反应时间将进一步延长；基于计算机控制，自动驾驶系统可将制动等应急响应时间控制在0.3秒左右，甚至更小。无人驾驶公交车不仅实现了智能交通系统的可靠运输，而且进一步增强了公共交通服务的安全稳定性。

无人驾驶公交车提高了公交车辆系统对环境的感知精度。驾驶员对环境的感知具有人为的差异性，难以长时间做到如电子传感器一般精确和稳定，电子传感器的应用促进了无人驾驶公交车对外界复杂环境感知的准确性和稳定性，大大加强了车辆系统操控和反应的可靠性。

实时控制提高公交系统可靠性的研究比较匮乏。近年来，Lam等(2016)研究了无人驾驶公交车调度和需求响应问题，Yap等(2016)提出了利用无人驾驶公交车解决居民出行最后一公里的问题，Jams和Lam(2017)研究了无人驾驶公交线路规划和充电桩布设问题，Shen(2018)研究了使用无人驾驶公交车解决居民出行首公里的问题。上述学者的研究成果对无人驾驶公交车发展做出了相应的贡献，但是均无法解决无人驾驶公交车的实时自动化控制问题，综上，基于上述研究背景和实际问题，为实现公交运营准时性和稳定性，亟待解决无人驾驶公交车实时自动化控制的难题。

发明内容

本发明目的是针对上述中现有的无人驾驶公交车中尚未解决的实时自动化控制的问题，提供一种应用于无人驾驶公交车的时刻表可靠性的自动化控制方法，该方法可实现无人驾驶公交车的自动化控制和准时性服务，具体技术方案如下：

一种应用于无人驾驶公交车的时刻表可靠性的自动化控制方法，所述方法包括：

步骤1：基于无人驾驶公交车的GPS系统、车载通讯系统和动态信息传输系统实时采集指定无人驾驶公交车的位置信息，将所述位置信息与对应无人驾驶公交车预设的公交时刻表对比，确定所述无人驾驶公交车的实际行驶状态，其中，所述实际行驶状态包括准时发车、提前发车和晚点发车；

步骤2：采集指定无人驾驶公交车在设定行驶路线上各站点的客流量，并根据无人驾驶公交车的容纳空间计算可上车的客流量行驶，根据上车客流量和下车客流量，通过公式AW_ij＝θ₀+θ₁·B_ij·b+θ₂·A_ij·a计算无人驾驶公交车在对应站点上的必要停车时间AW_ij，其中，B_ij为上车客流量，A_ij为上车客流量，θ₀,θ₁,θ₂分别为拟合度参数，a和b分别为客流下车或上车的单位时间；

步骤3：基于所述位置信息和所述必要停车时间AW_ij构建具有二进制决策变量的公交时刻表优化模型，以所述实际行驶状态作为所述公交时刻表优化模型的触发条件，并用x_ij表示所述提前发车对应的二进制决策变量，用y_ij表示所述晚点发车对应的二进制决策变量，其中i表示无人驾驶公交车，j表示无人驾驶公交车i在设定行驶路线上的站点，以获取无人驾驶公交车触发条件的二进制决策变量表示；

步骤4：判断所述实际行驶状态是否触符合设定的所述触发条件：若无人驾驶公交车处于所述提前发车，则令x_ij＝1，并基于所述公交时刻表优化模型准确计算并增加无人驾驶公交车在该站点的滞站时间HO_ij，若无人驾驶公交车处于所述晚点出发冲突点，则令y_ij＝1，并根据所述公交时刻表优化模型调整无人驾驶公交车的行驶速度否则，令x_ij＝0或y_ij＝0。

进一步的，所述增加无人驾驶公交车在对应站点的滞站时间HO_ij包括：

假设无人驾驶公交车的实际到站时刻为AA_ij，设定的离站时刻为PD_ij，若PD_ij＞AA_ij+AW_ij，则有x_ij＝1，并由公式HO_ij＝PD_ij-(AA_ij+AW_ij)计算所述公交时刻表优化模型增加的所述滞站时间HO_ij，否则，令x_ij＝0且HO_ij＝0；

若PD_ij＜AA_ij+AW_ij，则有y_ij＝1，并由所述公交时刻表优化模型调整无人驾驶公交车运行速度否则，令y_ij＝0。

进一步的，所述若PD_ij＞AA_ij+AW_ij，则令x_ij＝1，并由公式HO_ij＝PD_ij-(AA_ij+AW_ij)计算所述公交时刻表优化模型增加的所述滞站时间HO_ij，否则，令x_ij＝0、HO_ij＝0，上述判断过程采用线性化公式表示为：

M·(x_ij-1)≤PD_ij-AA_ij-AW_ij≤M·x_ij,i∈I,j∈J

PD_ij-AA_ij-AW_ij-M·(1-x_ij)≤HO_ij,i∈I,j∈J

其中，M为极大的正数；

所述若PD_ij＜AA_ij+AW_ij，则令y_ij＝1，并由所述公交时刻表优化模型调整无人驾驶公交车运行速度否则，令y_ij＝0，上述判断过程采用线性化公式表示为：

M·(y_ij-1)≤AA_ij+AW_ij-PD_ij≤M·y_ij,i∈I,j∈J

PD_ij-AD_ij-M·(1-y_ij)≤AR_ij-PR_ij,i∈I,j∈J

其中，PR_ij为相邻站点j和站点j+1之间的设定行驶时间，AR_ij为相邻站点j和站点j+1之间的实际行驶时间。

进一步的，所述方法还包括判断无人驾驶公交车在站点j和站点j+1区间行驶时，若以最大车速行驶依然晚点，则所述方法还包括防止相邻无人驾驶公交车发生串车现象：

对于无人驾驶公交车i，通过公式M·(y_ij-1)≤AA_ij+AW_ij-PD_ij≤M·y_ij,i∈I,j∈J，判断无人驾驶公交车i在站点j时，二进制决策变量y_ij＝1，所述公交时刻表优化模型控制无人驾驶公交车i采用最大速度v_max，得到从站点j到站点j+1的实际到站时刻AA_i,j+1＝AD_ij+AR_ij，并获得无人驾驶公交车i在站点j+1的实际离站时刻AD_i,j+1＝AA_i,j+1+AW_i,j+1；

对于无人驾驶公交车i+1，通过公式M·(y_ij-1)≤AA_ij+AW_ij-PD_ij≤M·y_ij,i∈I,j∈J，判断无人驾驶公交车i+1的二进制决策变量y_i+1,j＝1，获取无人驾驶公交车i+1到达站点j+1的实际到站时刻AA_i+1,j+1＝AD_ij+1+h₁，其中h₁＞H_ij，H_ij为无人驾驶公交车i和无人驾驶公交车i+1之间的发车间隔；并获取无人驾驶公交车i+1从站点j到站点j+1的实际行驶时间为AR_i+1,j＝AA_i+1,j+1-AD_i+1,j；

依次对后续同一行驶路线上的无人驾驶公交车i+2，i+3，…，N，基于公式M·(y_ij-1)≤AA_ij+AW_ij-PD_ij≤M·y_ij,i∈I,j∈J，依次获得y_i+2,j，y_i+3,j，...，y_i+N-1,j，直到y_i+2,j＝0,y_i+3,j＝0，…，y_i+N-1,j＝0，其中，N表示同一设定行驶路线上所有的无人驾驶公交车数量。

进一步的，所述无人驾驶公交车与交通信号灯之间通过智能网联实现信息交互。

进一步的，所述方法还包括：无人驾驶公交车实时获取设定行驶路线上的交通信号灯红绿灯的时长和变化时刻。

本发明的应用于无人驾驶公交车的时刻表可靠性的自动化控制方法，首先实时采集无人驾驶公交车在各站点的上下车客流量，并根据无人驾驶公交车的实际位置，获知到站时刻，再根据无人驾驶公交车的可容纳量和上下车客流量确定离站时刻；其中，若到站时间早于预设的公交时刻表，则控制无人驾驶公交车在对应站点滞留，直到预设的离站时刻后再离站；若到站时间晚于预设的公交时刻表，则在离站后加快无人驾驶公交车的行驶速度，以保证在下一站无人驾驶公交车与预设的公交时刻表一致或者接近，以此实现对无人驾驶公交车的自动化控制；与现有技术相比，本发明实现了无人驾驶公交车的实时自动化控制，提高了公共交通准点服务的可靠性。

附图说明

图1为本发明实施例中应用于无人驾驶公交车的时刻表可靠性的自动化控制方法的流程图示意；

图2为本发明实施例中按设定公交时刻表行驶的无人驾驶公交车的时空示意图；

图3为本发明实施例中无人驾驶公交车在提前到站冲突点下的行驶示意图；

图4为本发明实施例中无人驾驶公交车在晚点到站冲突点下的行驶示意图；

图5为本发明实施例中高峰大客流导致严重晚点的无人驾驶公交车在设定行驶路线上的时空示意图；

图6为本发明实施例中是车辆i在站点j是是否需要公交时刻表优化模型进行优化的示意图；

图7为本发明实施例中所述公交时刻表优化模型的时空决策矩阵示意图。

具体实施方式

为了使本技术领域的人员更好地理解本发明方案，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述。

实施例一

参阅图1～图5，在本发明实施例中，提供了一种应用于无人驾驶公交车时刻表可靠性的自动化控制方法，首先，基于无人驾驶公交车的GPS系统、车载通讯系统和动态信息传输系统实时采集指定无人驾驶公交车的位置信息，将所述位置信息与对应无人驾驶公交车预设的公交时刻表对比，确定指定无人驾驶公交车的实际行驶状态，其中，所述实际行驶状态包括准时发车、提前发车和晚点发车；然后，采集指定无人驾驶公交车在设定行驶路线上各站点的客流量，并根据无人驾驶公交车的容纳空间计算可上车的客流量，计算等待客流的上车时间和在途客流的下车时间，通过公式AW_ij＝θ₀+θ₁·B_ij·b+θ₂·A_ij·a计算无人驾驶公交车在对应站点上的必要停车时间AW_ij；随后，基于所述位置信息和必要停车时间AW_ij构建具有二进制决策变量的公交时刻表优化模型，以实际行驶状态作为公交时刻表优化模型的触发条件，自动化控制无人驾驶公交车，并用x_ij表示提前发车对应的二进制决策变量，用y_ij表示晚点发车对应的二进制决策变量，其中i表示无人驾驶公交车，j表示无人驾驶公交车i在设定行驶路线上的站点；最后，以实际行驶状态作为所述公交时刻表优化模型的触发条件，判断是否应用自动化控制优化无人驾驶公交车行驶状态：若无人驾驶公交车处于提前发车，则令x_ij＝1，并由公交时刻表优化模型增加无人驾驶公交车在对应站点的滞站时间HO_ij，若无人驾驶公交车处于晚点发车，则令y_ij＝1，并由公交时刻表优化模型调整无人驾驶公交车运行速度否则，令x_ij＝0或y_ij＝0。

在具体实施例中，通过公交时刻表优化模型增加无人驾驶公交车在对应站点的滞站时间HO_ij前，须先假设无人驾驶公交车的实际到站时刻为AA_ij，设定的离站时刻为PD_ij，然后再根据无人驾驶公交车的实际到站情况进行判断；其中，若无人驾驶公交车到站时处于提前发车，可得PD_ij＞AA_ij+AW_ij，此时令xi_j＝1，并由公式HO_ij＝PD_ij-(AA_ij+AW_ij)计算公交时刻表优化模型增加的滞站时间HO_ij，否则，令xi_j＝0、HO_ij＝0；为了更详细对无人驾驶公交车处于提前发车的情况进行描述，本发明采用线性化公式表示：

M·(x_ij-1)≤PD_ij-AA_ij-AW_ij≤M·x_ij,i∈I,j∈J

PD_ij-AA_ij-AW_ij-M·(1-x_ij)≤HO_ij,i∈I,j∈J

其中，M为极大的正数。

若无人驾驶公交车到站是处于晚点发车，可得PD_ij＜AA_ij+AW_ij，此时令y_ij＝1，并由公交时刻表优化模型提升无人驾驶公交车运行速度否则，令y_ij＝0；同样的，为了更详细对无人驾驶公交车处于晚点发车的情况进行描述，本发明采用线性化公式表示：

M·(y_ij-1)≤AA_ij+AW_ij-PD_ij≤M·y_ij,i∈I,j∈J

PD_ij-AD_ij-M·(1-y_ij)≤AR_ij-PR_ij,i∈I,j∈J

为了防止发生串车现象，即避免多辆无人驾驶公交车在同一站点聚集，本发明采用以下方式：

对于无人驾驶公交车i，在相邻站点j和站点j+1之间以最大速度行驶后仍不能准时到达站点j+1，通过公式M·(y_ij-1)≤AA_ij+AW_ij-PD_ij≤M·y_ij,i∈I,j∈J，判断无人驾驶公交车i的二进制决策变量y_ij＝1，公交时刻表优化模型控制无人驾驶公交车i采用最大速度，获得从站点j到站点j+1的实际到站时刻为AA_i,j+1＝AD_ij+AR_ij，并获取无人驾驶公交车i在站点j+1的实际离站时刻为AD_i,j+1＝AA_i,j+1+AW_i,j+1；对于无人驾驶公交车i+1，通过公式M·(y_ij-1)≤AA_ij+AW_ij-PD_ij≤M·y_ij,i∈I,j∈J，判断无人驾驶公交车i+1的二进制决策变量y_i+1,j＝1，获取无人驾驶公交车i+1到达站点j+1的实际到站时刻为AA_i+1,j+1＝AD_ij+1+h₁，其中h₁＞H_ij，H_ij为无人驾驶公交车i和无人驾驶公交车i+1之间的发车间隔；并获取无人驾驶公交车i+1从站点j到站点j+1的实际行驶时间为AR_i+1,j＝AA_i+1,j+1-AD_i+1,j；依次对同一行驶路线上的后续无人驾驶公交车i+2，i+3，…，N，通过公式M·(y_ij-1)≤AA_ij+AW_ij-PD_ij≤M·y_ij,i∈I,j∈J，获得，y_i+2,j，y_i+3,j，...，y_i+N-1,j，直到y_i+2,j＝0,y_i+3,j＝0，…，y_i+N-1,j＝0，其中，N表示同一设定行驶路线上所有的无人驾驶公交车数量。

基于无人驾驶公交车的行驶路线存在红绿灯的情况，本发明通过将无人驾驶公交车过智能网联与交通信号灯连接，以实现两者之间的信息交互，这样，本发明可根据无人驾驶公交车的实时位置以及等待红绿灯的时间，通过公交时刻表优化模型来控制行驶速度，保证无人驾驶公交车可在最小偏差范围内按照预设的公交时刻表进行运营。

实施例二

结合图6和图7，并基于实施例一中描述通过具体的仿真实验再次对本发明的应用于无人驾驶公交车的时刻表可靠性的自动化控制方法进行说明：

首先，将连续时间离散化，例如，在从8:00到9:00的一小时运营时间段内，划分为60个离散的时间窗，令t＝0代表[8:00,8:01)，t＝1代表[8:01,8:02)，t＝2代表[8:02,8:03)，以此类推；参阅图6，从中可知，当t＝0时，无人驾驶公交车正常行驶，此时可得x_ij(t)＝0,且y_ij(t)＝0，同理可判断t＝t+1，t∈T的行驶状态。

随后，令t＝t+1直至发现当t＝5和6时，无人驾驶公交车i处于提前发车，则通过公交时刻表优化模型，令x_ij(t)＝1，t＝5,6；当t＝7时，按设定的公交时刻表准点发车，即x_ij(7)＝0,且y_ij(7)＝0。

此外，还存在：当t＝8,9,10,…时，无人驾驶公交车i处于晚点发车，此时，通过公交时刻表优化模型提升无人驾驶公交车i的行驶速度，并令y_ij(t)＝1，t＝8,9,10,…。

最后，构建时空决策矩阵，通过时空决策矩阵准确地捕捉无人驾驶公交车的实时行驶状态；在无人驾驶公交车的行驶过程中，根据无人驾驶公交车的位置信息和站点信息，通过公交时刻表优化模型对无人驾驶公交车进行优化，保证无人驾驶公交车可以按照设定的公交时刻表行驶；并基于无人驾驶公交车的实际运行情况刻画时空决策矩阵，实际的公交时刻表和设定的公交时刻表的差异性为必要输入信息，更关键的是二者在离站时刻上的差异；结合图7，时空决策矩阵可实现无人驾驶公交车行驶情况的直观可视化展示。

在实际操作过程中，通过选取无人驾驶公交车的一个运营时间段T，并设定T时间内无人驾驶公交车提前发车和晚点发车的决策变量为(x_ij,y_ij)，又可写为关于离散时间t的函数[x_ij(t),y_ij(t)]；这种情况下，所有无人驾驶公交车在时间窗t∈T的运行状态，可由决策变量集合{[x_ij(t)，y_ij(t)],t∈T}进行实时表示；其中，决策变量集合{[x_ij(t)，y_ij(t)],t∈T}中参数x_ij(t)和y_ij(t)的取值分别由公式

M·(x_ij-1)≤PD_ij-AA_ij-AW_ij≤M·x_ij,i∈I,j∈J和公式

M·(y_ij-1)≤AA_ij+AW_ij-PD_ij≤M·y_ij,i∈I,j∈J决定。

具体的，若无人驾驶公交车处于正常行驶状态，此时，[x_ij(t),y_ij(t)]＝(0,0),对于车辆i＝2在t＝[7,8]时，或车辆i＝3在t＝[11,13]时，触发滞站控制条件，则[x_ij(t),y_ij(t)]＝(1,0)；对于车辆i＝2在t＝18时，触发提速控制条件，则[x_ij(t),y_ij(t)]＝(0,1)。

综上可知，本发明的应用于无人驾驶公交车的时刻表可靠性的自动化控制方法，首先实时采集无人驾驶公交车在各站点的上下车客流量，并根据无人驾驶公交车的实际位置计算到站时刻，并根据无人驾驶公交车的可容纳量和上下车客流量确定离站时刻；其中，若到站时间早于预设的公交时刻表，则控制无人驾驶公交车在对应站点滞留，直到预设的离站时刻后再离站；若到站时间晚于预设的公交时刻表，则在离站后加快无人驾驶公交车的行驶速度，以保证在下一站无人驾驶公交车与预设的行驶时刻表一致或者接近，以此达到对无人驾驶公交车的准时性控制的目标；与现有技术相比，本发明实现了无人驾驶公交车的实时自动化控制，提高了公共交通准时服务的可靠性。

以上仅为本发明的较佳实施例，但并不限制本发明的专利范围，尽管参照前述实施例对本发明进行了详细的说明，对于本领域的技术人员来而言，其依然可以对前述各具体实施方式所记载的技术方案进行修改，或者对其中部分技术特征进行等效替换。凡是利用本发明说明书及附图内容所做的等效结构，直接或间接运用在其他相关的技术领域，均同理在本发明专利保护范围之内。

Claims

1.应用于无人驾驶公交车的时刻表可靠性的自动化控制方法，其特征在于，所述方法包括：

步骤2：采集指定无人驾驶公交车在设定行驶路线上各站点的客流量，并根据无人驾驶公交车的容纳空间计算可上车的客流量，通过公式AW_ij＝θ₀+θ₁·B_ij·b+θ₂·A_ij·a计算无人驾驶公交车在对应站点上的必要停车时间AW_ij，其中，B_ij为上车客流量，A_ij为上车客流量，θ₀,θ₁,θ₂分别为拟合度参数，a和b分别为客流下车或上车的单位时间；

步骤3：基于所述位置信息和所述必要停车时间AW_ij构建具有二进制决策变量的公交时刻表优化模型，以所述实际行驶状态作为所述公交时刻表优化模型的触发条件，并用x_ij表示所述提前发车对应的二进制决策变量，用y_ij表示所述晚点发车对应的二进制决策变量，其中i表示无人驾驶公交车，j表示无人驾驶公交车i在设定行驶路线上的站点；

步骤4：判断所述实际行驶状态是否符合设定的所述触发条件：若无人驾驶公交车处于所述提前发车，则令x_ij＝1，并基于所述公交时刻表优化模型准确计算并增加无人驾驶公交车在该站点的滞站时间HO_ij，若无人驾驶公交车处于所述晚点出发冲突点，则令y_ij＝1，并根据所述公交时刻表优化模型调整无人驾驶公交车的行驶速度否则，令x_ij＝0或y_ij＝0。

2.如权利要求1所述的应用于无人驾驶公交车的时刻表可靠性的自动化控制方法，其特征在于，所述增加无人驾驶公交车在对应站点的滞站时间HO_ij包括：

假设无人驾驶公交车的实际到站时刻为AA_ij，设定的离站时刻为PD_ij，若PD_ij＞AA_ij+AW_ij，则令x_ij＝1，并由公式HO_ij＝PD_ij-(AA_ij+AW_ij)计算所述公交时刻表优化模型增加的所述滞站时间HO_ij，否则，令x_ij＝0且HO_ij＝0；

若PD_ij＜AA_ij+AW_ij，则令y_ij＝1，并由所述公交时刻表优化模型调整无人驾驶公交车运行速度否则，令y_ij＝0。

3.如权利要求2所述的应用于无人驾驶公交车的时刻表可靠性的自动化控制方法，其特征在于，所述若PD_ij＞AA_ij+AW_ij，则令x_ij＝1，并由公式HO_ij＝PD_ij-(AA_ij+AW_ij)计算所述公交时刻表优化模型增加的所述滞站时间HO_ij，否则，令x_ij＝0、HO_ij＝0，采用线性化公式表示为：

M·(x_ij-1)≤PD_ij-AA_ij-AW_ij≤M·x_ij,i∈I,j∈J

PD_ij-AA_ij-AW_ij-M·(1-x_ij)≤HO_ij,i∈I,j∈J

其中，M为极大的正数；

所述若PD_ij＜AA_ij+AW_ij，则令y_ij＝1，并由所述公交时刻表优化模型调整无人驾驶公交车运行速度否则，令y_ij＝0，采用线性化公式表示为：

M·(y_ij-1)≤AA_ij+AW_ij-PD_ij≤M·y_ij,i∈I,j∈J

PD_ij-AD_ij-M·(1-y_ij)≤AR_ij-PR_ij,i∈I,j∈J

4.如权利要求3所述的应用于无人驾驶公交车的时刻表可靠性的自动化控制方法，其特征在于，所述方法还包括判断无人驾驶公交车在站点j和站点j+1区间行驶时，若以最大车速行驶依然晚点，则所述方法还包括防止相邻无人驾驶公交车发生串车现象：

5.如权利要求1所述的应用于无人驾驶公交车的时刻表可靠性的自动化控制方法，其特征在于，所述无人驾驶公交车与交通信号灯之间通过智能网联实现信息交互。

6.如权利要求5所述的应用于无人驾驶公交车的时刻表可靠性的自动化控制方法，其特征在于，所述方法还包括：无人驾驶公交车实时获取设定行驶路线上的交通信号灯红绿灯的时长和变化时刻。