CN111640302A - 一种车联网状态下公交准点到站的速度优先控制方法 - Google Patents

Abstract

本发明涉及一种车联网状态下公交准点到站的速度优先控制方法，该方法首先建立单点优先速度引导模型，构建场景引导速度矩阵，确定最佳车辆到达交叉口时刻优劣评价函数，优化求解车辆最佳引导速度，然后建立公交干线多要素均衡引导控制模型，构建干线引导速度集，确定准时到站引导速度约束，优化求解最佳干线引导速度。

Description

一种车联网状态下公交准点到站的速度优先控制方法

技术领域

本发明主要面向专用道公交车联网状态下的公交驻站时间预测方法，主要涉及单交叉口速度优先引导模型和干线多要素均衡引导控制模型领域。

背景技术

随着城市公交专用道的大力建设及推广，专用道公交优先区域化控制需求逐渐增大，而车联网技术的兴起，公交优先的动态控制有了新的技术支撑。基于车联网技术对专用道公交车辆实行速度诱导，一来可以减少公交运行过程中的停车次数，二来可以提高专用道公交到站的准点率。因此结合路段信号控制属性和公交准时到站需求对车辆进行动态速度优先控制是提高公交准点率和信息服务水平的重要举措之一。

发明内容

为了实现上述目的，本发明采用如下技术方案，该方法包括如下步骤：

步骤1：基于专用道公交车辆轨迹数据，将站间不停车运行的公交引导车速组成引导速度集V＝{v₁ v₂ … v_n}，其中n为速度集内元素数，判断速度集内元素是否满足车辆不停车通过交叉口

其中t_s为专用道公交驶离上游站台时刻，s₁为上游站台到交叉口停止线距离，t_gs为交叉口绿灯相位开始时刻，t_ge为交叉口绿灯相位结束时刻，t_ia为第i引导速度v_i状态下的公交车辆到达交叉口的时刻；

将满足上述条件的速度构成场景引导速度矩阵V_c＝(v_c1 v_c2 … v_cm)；

步骤2：确定最佳车辆到达交叉口时刻优劣评价函数

定义理想到达交叉口最佳时刻为

确定评价函数为

H₁＝min(|t_gbest-t_ja|)

其中，t_ja为公交车辆到达交叉口时刻，v_cj为场景引导速度；

最佳车辆到达交叉口时刻优劣评价函数为

步骤3：确定准时到站引导速度约束

到站准时约束

步骤4：引导速度的优化求解采用拉格朗日乘子法，该问题优化成为不等式约束优化问题：

拉格朗日函数如下：

L(v,λ)＝f(v)+λ[g(v)-60+η²]

λ是拉格朗日乘子，η为松弛变量；

对L的三个变量依次求偏导可得

此时g(v)≥0,η≥0；

步骤5：设公交驻站时间预测所得的驻站预测时长为T_d＝(t_d1 t_d2 … t_dm)，m为公交站台数量，确定公交驶离车站时刻为：

t_is＝T_i+Δt_i+t_di

其中i＝1,2,…m为站台编号，T_i为第i个站台的准点到站时刻，Δt_i∈[0,60]为到站时刻余量；

步骤6：确定不停车通过下游交叉口速度集

其中t_bs,t_be分别为干线协调绿波开始时间和结束时间，s_i为第i个站台到下游交叉口的距离；

将符合公式(i)的元素放到干线引导速度集V＝(V₁ V₂ … V_m)

其中B为绿波带宽；

若不符合公式(i)，则执行步骤7；

步骤7：交叉口连续通过率最高约束。

1)判断t_gs≤t_ia≤t_ge，若成立，则

其中为G绿灯时长，然后执行步骤8操作；

2)判断t_gs≤t_ia≤t_ge，若不成立，则说明该车不能够不停车通过该交叉口，此时记录该车辆第j次停车路口编号为n_j＝i,故得到该车连续通过交叉口个数为m＝n_j-n_j-1-1；

故每种引导速度组合都会存在停车次数J和连续通过交叉口个数M＝(m₁ m₂ …m_J)，此时连续通过率约束为：

步骤8：确定准时到站引导速度约束

到站准时约束

步骤9：确定干线引导速度均衡约束

引导速度均衡，使各段引导车速的方差最小

F(V)＝minD(V)

步骤10：引导速度的优化求解采用拉格朗日乘子法，该问题优化成为不等式约束优化问题：

对应的拉格朗日函数如下：

L(V,λ₁,λ₂,λ₃,λ₄)＝F(V)+λ₁δ₁(V)+λ₂δ₂(V)+λ₃[g(V)-60+η₁ ²]+λ₄[h(V)-B+η₂ ²]

其中，λ₁,λ₂,λ₃,λ₄是拉格朗日乘子，η₁,η₂是松弛变量。

附图说明

图1是交叉口车辆引导示意图。

图2是本发明方法原理图。

具体实施方式

1、建立单点优先速度引导模型

如图1所示，因为驻站时间长短不定和交叉口信号配时执行状态的不同，造成从站台一出发的车辆会存在多种车辆引导速度使其不停车通过交叉口。故基于专用道公交车辆轨迹数据，将站间不停车运行的公交引导车速筛选并构成引导速度集V＝{v₁ v₂ … v_n}，其中n为速度集内元素数。以下时刻时间都精准到秒。

步骤1：公交离站时刻t_s确定后，首先要验证速度集内元素是否能够满足车辆不停车通过交叉口。

其中t_s为专用道公交驶离上游站台时刻，s₁为上游站台到交叉口停止线距离，t_gs为交叉口绿灯相位开始时刻，t_ge为交叉口绿灯相位结束时刻，t_ia为第i引导速度v_i状态下的公交车辆到达交叉口的时刻。

将符合公式(1)的速度构成场景引导速度矩阵V_c＝(v_c1 v_c2 … v_cm)；若不存在符合公式(1)的速度，则说明该车辆不能够做合适的速度引导。

步骤2：确定最佳车辆到达交叉口时刻优劣评价函数。此时定义理想到达交叉口最佳时刻为

即绿灯相位执行中间时刻。因此确定评价函数为

H₁＝min(|t_gbest-t_ja|) (2)

其中

为公交车辆到达交叉口时刻。即令

步骤3：确定准时到站引导速度约束。

到站准时约束：

即令

步骤4：引导速度的优化求解采用拉格朗日乘子法，结合Step2和Step3可知，该问题优化成为不等式约束优化问题：

对应的Lagrangian如下所示：

L(v,λ)＝f(v)+λ[g(v)-60+η²] (6)

λ是拉格朗日乘子，引入的新的η是一个松弛变量，目的是为了将不等式约束经过松弛后，变为等式约束，注意η≥0。

对L的三个变量依次求偏导可得

此时g(v)≥0,η≥0，该引导速度可能存在多个解(大概率存在多个解)。多个解时建议以速度最小的解作为实际引导速度。

2、建立公交干线多要素均衡引导控制模型

专用道公交干线通行，除受到交叉口信号状态影响之外，其驻站时间的长短也会影响其准点到站情况，因此需要对公交车辆的驻站时长进行预测分析，

步骤5：设公交驻站时间预测所得的驻站预测时长为T_d＝(t_d1 t_d2 … t_dm)，m为公交站台数量。故可确定公交驶离车站时刻为：

t_is＝T_i+Δt_i+t_di (8)

其中i＝1,2,…m为站台编号，T_i为第i个站台的准点到站时刻，Δt_i∈[0,60]为到站时刻余量，

步骤6：确定不停车通过下游交叉口的速度集。

其中t_bs,t_be分别为干线协调绿波开始时间和结束时间，s_i为第i个站台到下游交叉口的距离。

将符合公式(9)的放到干线引导速度集V＝(V₁ V₂ … V_m)

即

其中B为绿波带宽。

若不满足公式(9)，则执行步骤7。

步骤7：交叉口连续通过率最高约束。

1)判断t_gs≤t_ia≤t_ge，若成立，则说明该车能够不停车通过该交叉口，因此将公式(10)修改为

其中为G绿灯时长。然后执行步骤8操作。

2)判断t_gs≤t_ia≤t_ge，若不成立，则说明该车不能够不停车通过该交叉口，此时记录该车辆第j次停车路口编号为n_j＝i,故可以得到该车连续通过交叉口个数为m＝n_j-n_j-1-1。

故可知每种引导速度组合都会存在停车次数J和连续通过交叉口个数M＝(m₁ m₂… m_J)，此时连续通过率约束为：

步骤8：确定准时到站引导速度约束。

到站准时约束：

即令

步骤9：确定干线引导速度均衡约束。

引导速度均衡，即各段引导速度差异性不大，避免车速引导的急剧变化对车辆运行的影响。即各段引导车速的方差最小

F(V)＝minD(V) (14)

步骤10：引导速度的优化求解采用拉格朗日乘子法，结合上述约束可知，

该问题优化成为不等式约束优化问题：

对应的Lagrangian如下所示：

L(V,λ₁,λ₂,λ₃,λ₄)＝F(V)+λ₁δ₁(V)+λ₂δ₂(V)+λ₃[g(V)-60+η₁ ²]+λ₄[h(V)-B+η₂ ²] (16)

λ₁,λ₂,λ₃,λ₄是拉格朗日乘子，引入的新的η₁,η₂是松弛变量，目的是为了将不等式约束经过松弛后，变为等式约束，注意η₁,η₂≥0。对7个变量求偏导可以满足准时约束的速度组合集。

Claims (1)

1.一种车联网状态下公交准点到站的速度优先控制方法，其特征在于，该方法包括如下步骤：

步骤1：基于专用道公交车辆轨迹数据，将站间不停车运行的公交引导车速组成引导速度集V＝{v₁ v₂…v_n}，其中n为速度集内元素数，判断速度集内元素是否满足车辆不停车通过交叉口

其中t_s为专用道公交驶离上游站台时刻，s₁为上游站台到交叉口停止线距离，t_gs为交叉口绿灯相位开始时刻，t_ge为交叉口绿灯相位结束时刻，t_ia为第i引导速度v_i状态下的公交车辆到达交叉口的时刻；

将满足上述条件的速度构成场景引导速度矩阵V_c＝(v_c1 v_c2…v_cm)；

步骤2：确定最佳车辆到达交叉口时刻优劣评价函数

定义理想到达交叉口最佳时刻为

确定评价函数为

H₁＝min(|t_gbest-t_ja|)

其中，t_ja为公交车辆到达交叉口时刻，v_cj为场景引导速度；

最佳车辆到达交叉口时刻优劣评价函数为

步骤3：确定准时到站引导速度约束

到站准时约束

步骤4：引导速度的优化求解采用拉格朗日乘子法，该问题优化成为不等式约束优化问题：

拉格朗日函数如下：

L(v,λ)＝f(v)+λ[g(v)-60+η²]

λ是拉格朗日乘子，η为松弛变量；

对L的三个变量依次求偏导可得

此时g(v)≥0,η≥0；

步骤5：设公交驻站时间预测所得的驻站预测时长为T_d＝(t_d1 t_d2…t_dm)，m为公交站台数量，确定公交驶离车站时刻为：

t_is＝T_i+Δt_i+t_di

其中i＝1,2,…m为站台编号，T_i为第i个站台的准点到站时刻，Δt_i∈[0,60]为到站时刻余量；

步骤6：确定不停车通过下游交叉口速度集

其中t_bs,t_be分别为干线协调绿波开始时间和结束时间，s_i为第i个站台到下游交叉口的距离；

将符合公式(i)的元素放到干线引导速度集V＝(V₁ V₂…V_m)

其中B为绿波带宽；

若不符合公式(i)，则执行步骤7；

步骤7：交叉口连续通过率最高约束。

1)判断t_gs≤t_ia≤t_ge，若成立，则

其中为G绿灯时长，然后执行步骤8操作；

2)判断t_gs≤t_ia≤t_ge，若不成立，则说明该车不能够不停车通过该交叉口，此时记录该车辆第j次停车路口编号为n_j＝i,故得到该车连续通过交叉口个数为m＝n_j-n_j-1-1；

故每种引导速度组合都会存在停车次数J和连续通过交叉口个数M＝(m₁ m₂…m_J)，此时连续通过率约束为：

步骤8：确定准时到站引导速度约束

到站准时约束

步骤9：确定干线引导速度均衡约束

引导速度均衡，使各段引导车速的方差最小

F(V)＝minD(V)

步骤10：引导速度的优化求解采用拉格朗日乘子法，该问题优化成为不等式约束优化问题：

对应的拉格朗日函数如下：

L(V,λ₁,λ₂,λ₃,λ₄)＝F(V)+λ₁δ₁(V)+λ₂δ₂(V)+λ₃[g(V)-60+η₁ ²]+λ₄[h(V)-B+η₂ ²]

其中，λ₁,λ₂,λ₃,λ₄是拉格朗日乘子，η₁,η₂是松弛变量。

Images