CN113487885A - 一种智联网环境下公交协同控制方法、装置及终端设备 - Google Patents
一种智联网环境下公交协同控制方法、装置及终端设备 Download PDFInfo
- Publication number
- CN113487885A CN113487885A CN202110737364.8A CN202110737364A CN113487885A CN 113487885 A CN113487885 A CN 113487885A CN 202110737364 A CN202110737364 A CN 202110737364A CN 113487885 A CN113487885 A CN 113487885A
- Authority
- CN
- China
- Prior art keywords
- cooperative control
- bus
- intersection
- traffic
- information
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Withdrawn
Links
- 238000000034 method Methods 0.000 title claims abstract description 49
- 230000006855 networking Effects 0.000 title claims abstract description 24
- 238000011217 control strategy Methods 0.000 claims abstract description 46
- 238000010295 mobile communication Methods 0.000 claims abstract description 8
- 230000003068 static effect Effects 0.000 claims description 25
- 230000015654 memory Effects 0.000 claims description 20
- 238000012545 processing Methods 0.000 claims description 13
- 238000012360 testing method Methods 0.000 claims description 12
- 238000004891 communication Methods 0.000 claims description 6
- 238000003860 storage Methods 0.000 claims description 6
- 238000012986 modification Methods 0.000 claims description 3
- 230000004048 modification Effects 0.000 claims description 3
- 238000010586 diagram Methods 0.000 description 11
- 230000008569 process Effects 0.000 description 7
- 230000006870 function Effects 0.000 description 6
- 229920006395 saturated elastomer Polymers 0.000 description 6
- 238000004364 calculation method Methods 0.000 description 5
- 238000004590 computer program Methods 0.000 description 5
- 238000013461 design Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 238000005457 optimization Methods 0.000 description 3
- 238000011144 upstream manufacturing Methods 0.000 description 3
- 206010021033 Hypomenorrhoea Diseases 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000000819 phase cycle Methods 0.000 description 2
- 238000004904 shortening Methods 0.000 description 2
- 238000012795 verification Methods 0.000 description 2
- 230000001133 acceleration Effects 0.000 description 1
- 238000009825 accumulation Methods 0.000 description 1
- 230000004888 barrier function Effects 0.000 description 1
- 239000003795 chemical substances by application Substances 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 230000009977 dual effect Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000002035 prolonged effect Effects 0.000 description 1
- 239000004576 sand Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/07—Controlling traffic signals
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/07—Controlling traffic signals
- G08G1/08—Controlling traffic signals according to detected number or speed of vehicles
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/07—Controlling traffic signals
- G08G1/081—Plural intersections under common control
- G08G1/083—Controlling the allocation of time between phases of a cycle
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/07—Controlling traffic signals
- G08G1/087—Override of traffic control, e.g. by signal transmitted by an emergency vehicle
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/123—Traffic control systems for road vehicles indicating the position of vehicles, e.g. scheduled vehicles; Managing passenger vehicles circulating according to a fixed timetable, e.g. buses, trains, trams
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/30—Services specially adapted for particular environments, situations or purposes
- H04W4/40—Services specially adapted for particular environments, situations or purposes for vehicles, e.g. vehicle-to-pedestrians [V2P]
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Business, Economics & Management (AREA)
- Emergency Management (AREA)
- Traffic Control Systems (AREA)
Abstract
本申请提供一种智联网环境下公交协同控制方法、装置及终端设备。该方法包括基于双环八相位交叉口结构至少获取交通信息;将所述交通信息输入至公交协同控制模型,计算协同控制策略,所述协同控制策略用于对公交在交叉口的通行进行有序优先控制;基于包含第五代移动通信网络,将所述协同控制策略发送至交通调度中心,以对公交出行进行协同控制。本申请的方法可以解决BRT在交叉口停车次数多、延误时间长的问题。
Description
技术领域
本申请涉及公交出行协同控制技术,尤其涉及一种智联网环境下公交协同控制方法、装置及终端设备。
背景技术
智联网是由各种智能体通过互联网形成的一个巨大网络,该智能体即具有智能的实体。快速公交系统(Bus Rapid Transit,简称BRT)是一种介于快速轨道交通质监的新型公共客运系统,利用现代化公交技术配合智能运输和运营管理,开辟公交专用道和建造新式公交车站,实现轨道交通式运营服务。
但是,现有的BRT存在公交在交叉口出行速度慢、延误时间长的问题,这就会为出行带来很多不便。因此,如何解决BRT存在的公交出行速度慢、交叉口延误时间长的问题,仍然是需要考虑的问题。
发明内容
本申请提供一种智联网环境下公交协同控制方法、装置及终端设备,用以解决BRT存在的公交出行速度低、交叉口延误时间长的问题。
一方面,本申请提供一种智联网环境下公交协同控制方法,包括:
基于双环八相位交叉口结构至少获取交通信息;
将所述交通信息输入至公交协同控制模型,计算协同控制策略,所述协同控制策略用于对公交在交叉口的通行进行有序优先控制;
基于包含第五代移动通信网络,将所述协同控制策略发送至交通调度中心,以对公交出行进行协同控制。
其中一项实施例中,所述协同控制模型包括静态离线协调控制模型和动态在线协调控制模型,所述交通信息包括静态交通信息和动态交通信息,所述将所述交通信息输入至公交协同控制模型,包括:
将所述静态交通信息输入至所述静态离线协调控制模型,得到交叉口交通灯配时信息,所述交叉口交通灯配时信息至少包括每个交叉口的交通灯亮灭时长;
将所述动态交通信息和所述交叉口交通灯配时信息输入至所述动态协调控制模型,得到所述协同控制策略。
其中一项实施例中,所述公交协同控制模型还包括速度引导模型,所述将所述交通信息输入至所述动态协调控制模型,得到所述协同控制策略之后,所述方法还包括:
将所述协同控制策略输入至所述速度引导模型,得到公交运行的最优速度。
其中一项实施例中,所述将所述交通信息输入至公交协同控制模型之前,所述方法还包括:
对所述公交协同控制模型进行测试验证。
另一方面,本申请提供一种智联网环境下公交协同控制装置,包括:
获取模块,用于基于双环八相位交叉口结构至少获取交通信息;
处理模块,用于将所述交通信息输入至公交协同控制模型,计算协同控制策略,所述协同控制策略用于对公交在交叉口的通行进行有序优先控制;
通信模块,用于基于包含第五代移动通信网络,将所述协同控制策略发送至交通调度中心,以对公交出行进行协同控制。
其中一项实施例中,所述协同控制模型包括静态离线协调控制模型和动态在线协调控制模型,所述交通信息包括静态交通信息和动态交通信息,所述处理模块具体用于:
将所述交叉口信息输入至所述静态离线协调控制模型,得到交叉口交通灯配时信息,所述交叉口交通灯配时信息至少包括每个交叉口的交通灯亮灭时长;
将所述公交车运行信息和所述交叉口交通灯配时信息输入至所述动态协调控制模型,得到所述协同控制策略。
其中一项实施例中,所述协同控制模型还包括速度引导模型,所述处理模块具体用于将所述协同控制策略输入至所述速度引导模型,得到公交运行的最优速度。
其中一项实施例中,还包括:
测试模块,用于对所述公交协同控制模型进行测试验证。
另一方面,本申请提供一种终端设备,包括存储器,处理器和收发器,所述存储器用于存储指令,所述收发器用于和其他设备通信,所述处理器用于执行所述存储器中存储的指令,以使所述终端设备执行如第一方面所述的智联网环境下公交协同控制方法。
另一方面,本申请提供一种计算机可读存储介质,所述计算机可读存储介质中存储有计算机执行指令,当所述指令被执行时,使得计算机执行如第一方面所述的智联网环境下公交协同控制方法。
本申请基于双环八相位交叉口结构获取公交运行过程中的交通信息,将该交通信息输入至该公交协同控制模型中后可以得到该协同控制策略,进而可以对该公交在交叉口的通行进行速度的引导、缩短公交的停靠时长,对公交在交叉口的通行进行有序优先控制。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分,示出了符合本公开的实施例,并与说明书一起用于解释本公开的原理。
图1为本申请提供的智联网环境下公交协同控制方法的一种应用场景示意图。
图2为本申请的一个实施例提供的智联网环境下公交协同控制方法的流程示意图。
图3为本申请的一个实施例提供的智联网环境下公交协同控制方法的流程示意图。
图4为本申请的一个实施例提供的智联网环境下公交协同控制装置的示意图。
图5为本申请的一个实施例提供的终端设备的示意图。
通过上述附图,已示出本公开明确的实施例,后文中将有更详细的描述。这些附图和文字描述并不是为了通过任何方式限制本公开构思的范围,而是通过参考特定实施例为本领域技术人员说明本公开的概念。
具体实施方式
这里将详细地对示例性实施例进行说明,其示例表示在附图中。下面的描述涉及附图时,除非另有表示,不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本公开相一致的所有实施方式。相反,它们仅是与如所附权利要求书中所详述的、本公开的一些方面相一致的装置和方法的例子。
本申请提供的智联网环境下公交协同控制方法应用于终端设备,该终端设备例如计算机、服务器、平板电脑、手机等。图1为本申请提供的智联网环境下公交协同控制方法的应用示意图,图中,该终端设备可以获取双环八相位交叉口结构中的公交车运行信息和交叉口信息,再对该公交车运行信息和交叉口信息进行处理,得到公交协同方案,也可以称协同控制策略。再基于第五代移动通信网络(5th generation mobile networks或5thgeneration wireless systems,简称:5G),将该协同控制策略发送给交通调度中心,以使该交通调度中心可以根据该协同控制策略进行公交速度、交叉口交通灯的亮灭时刻等进行控制,以提高公交出行的速度、缩短公交停靠时长和交叉口通行延误时长。
请参见图2,本申请提供一种智联网环境下公交协同控制方法,包括:
S201,基于双环八相位交叉口结构至少获取公交车运行信息和交叉口信息。
该双环八相位交叉口结构如图1所示,该双环八相位结构中一共有八个相位,每个相位通过红黄绿三种颜色信号的显示实现对每个方向的单独控制,八个相位需要适应八个行驶流向,该八个方向的交通流包括四个方向的直行交通流和四个方向的左转交通流。环1包括了相位1至相位4,环2包括了相位5至相位8。在控制不越过相位阻隔的情况下,环1和环2是同时独立运行的。图1所示双环八相位结构用于模拟至少一个交叉口的运行状况。该交通信息包括交叉口基础设施信息、天气和路面状态信息、交通流量信息、公交运营信息和交叉口交通灯配时信息,其中,该交叉口交通灯配时信息不是直接获取,而是根据该交叉口基础设施信息、该天气和路面状态信息、该交通流量信息和该公交运营信息确定。该公交车运营信息包括公交发车计划、车辆驻站时间和公交行驶速度,其中,该公交发车计划包括公交发车时刻。该交叉口基础设施信息包括该交叉口的渠化信息和该交叉口与其他交叉口之间的距离,其中,该渠化信息包括该交叉口的车道数和协调方向。该交通流量信息包括工作日及非工作日早高峰、晚高峰及平峰时段交叉口各个流向的流量。可选地,该天气和路面状态信息、该交通流量信息和该公交运营信息可以为预设时间段内获取的信息,该预设时间段例如连续一个月,连续一周等。
S202,将该交通信息输入至公交协同控制模型,计算协同控制策略,该协同控制策略用于对公交在交叉口的通行进行有序优先控制。
如步骤S201的描述,步骤S202是将该交叉口基础设施信息、该天气和路面状态信息、该交通流量信息、该公交运营信息和该交叉口交通灯配时信息输入至该公交协同控制模型,得到的该协同控制策略包括公交运行速度、公交驻站时间和信号配时信息,该信号配时信息包括该交叉口的红灯、黄灯和绿灯的亮灯延时。
S203,基于包含第五代移动通信网络,将该协同控制策略发送至交通调度中心,以对公交出行进行协同控制。
基于5G通信技术,将该协同控制策略发送至交通调度中心,由该交通调度中心根据该协同控制策略对公交在交叉口的通行进行控制,以及对该交叉口的交通灯进行控制。可选地,也可以不通过该交通调度中心,由该终端设备通过该5G通信技术直接与公交车和交叉口的控制器进行通信连接,该终端设备根据该协同控制策略进行该公交出行的控制和该交叉口的交通灯的控制。需要说明的是,该公交出行的控制包括加快公交运行和减慢公交运行,该交叉口的交通灯的控制包括提前或延后各个交通灯的亮灯时刻,加长或缩短各个交通灯的亮灯时长。
请参见图3,在本申请的一个实施例中,该协同控制模型包括静态离线协调控制模型和动态在线协调控制模型,该交通信息包括静态交通信息和动态交通信息,步骤S201包括:
S301,将该静态交通信息输入至该静态离线协调控制模型,得到交叉口交通灯配时信息,该交叉口交通灯配时信息至少包括每个交叉口的交通灯亮灭时长。
该静态交通信息包括该交叉口基础设施信息、该天气和路面状态信息、该交通流量信息和该公交运营信息。具体的,将该静态交通信息输入至该静态离线协调控制模型后得到该交叉口交通灯配时信息的包括参数输入、确定相位和相序、绿信比分配、绿波设计协调优化模型和计算相位绿灯时长等几个步骤。
该参数输入包括输入该交叉口基础设施信息、该天气和路面状态信息、该交通流量信息和该公交运营信息。该确定相位和相序即为确定该双环八相位交叉口结构中所有相位,以及所有相位的排序。
该绿信比分配包括:
确定两个信号灯组的绿灯时长比例,即根据公式:
Ωi 2=1-Ωi 1,i=1,...,n;
其中,Ωi 1代表第一信号灯组的绿灯时长比例,Ωi 2代表第二信号灯组的绿灯时长比例。该第一信号灯组指的是相位1、相位2、相位5和相位6组成的信号灯组,该第二信号灯组指的是相位3、相位4、相位7和相位8组成的信号灯组。qi 1、qi 2、qi 3、qi 4、qi 5、qi 6、qi 7、qi 8分别代表相位1、相位2、相位3、相位4、相位5、相位6、相位7和相位8对应的车流量。
该计算相位绿灯时长包括:
其中,gi 1表示相位1的绿灯时长,ifEi1表示东西进口道是否不允许搭接。
与相位1的绿灯时长的计算方式相同,相位2的绿灯时长计算方式如下:
其他相位的绿灯时长的计算方式与相位1、相位2的计算方式相同,本申请不再赘述。
该绿波设计协调优化模型的目标函数为:
其中,
该绿波设计协调优化模型的约束包括:
1)对周期的倒数进行上下限约束:1/Cmax≤z≤1/Cmin,其中,Cmax表示最大周期,Cmin表示最小周期。
2)行人过街时间约束:Ωi 1≥(Gwei+e)×z,其中,i=1,...,n;Ωi 2≥(Gsni+e)×z,其中,i=1,...,n。Ωi 1≥(Gwei+e)代表信号灯组1的时长,Gwei代表东西方向最小绿灯时间,Gsni代表南北方向最小绿灯时长,e代表一个相位内绿灯损失时间与清空时间。
3)绿波带位置约束:根据各个相位的相位时间,计算各个交叉口上行、下行方向红灯时间以及上下行协调方向绿灯启亮时间差。具体的:
交叉口Si上行小汽车协调方向的红灯时长(以周期为单位):
ri a=βi12(gi 1+Ωi 1)+βi22(Ωi 1+gi 8)+βi32(gi 5+Ωi 2)+βi42(Ωi 1+gi 4),i=1,...,n。
其中,gi 1、gi 4、gi 5、gi 8分别代表第1相位时长、第4相位时长、第5相位时长和第8相位时长。Ωi 1代表信号灯组1的时长,Ωi 2代表信号灯组2的时长。βijk代表交叉口Si第j个进口到第k个转向是否为上行协调方向(k={1左转,2直行,3右转}),是:1,否:0。
交叉口Si下行小汽车协调方向的红灯时长(以周期为单位):
交叉口Si的BRT下行协调绿灯启亮时间与上行协调绿灯启亮时间之差(以周期为单位):
交叉口Si下游绿波带的位置一定在Si的协调方向绿灯期间:
4)绿波带设计车速:
其中,Li表示交叉口Si和Si+1之间的路段长度。v表示Si和Si+1之间路段的上行BRT绿波带设计车速上限/下限。
S302,将该动态交通信息和该交叉口交通灯配时信息输入至该动态协调控制模型,得到该协同控制策略。
该动态交通信息包括该当前交叉口的绝对相位差,即该当前交叉口与基准交叉口的相位差,该基准交叉口一般是子区内第一交叉口。该动态交通信息还包括公交车启动和刹车所需的额外时间、公交车行驶最高速度、公交车行驶最低速度、社会车辆的平均乘客数、一条直行车道的饱和流率、一条左转专用道的饱和流率、一条右转专用道的饱和流率、一条直左车道的饱和流率、一条直右车道的饱和流率、一条直左右车道的饱和流率、该交叉口的黄灯时长、该交叉口的全红时长、该交叉口的绿闪时长、信号机允许的最长绿灯时长、信号机允许的最短绿灯时长。该动态交通信息还包括天气及路面状态编号,1:正常;2:小雨;3:中雨;4:大到暴雨;5:雪天且路面湿滑;6:路面湿滑且泥泞;7:积雪;8:轻雾;9:大雾;10:浓雾;11:强浓雾;12:特强浓雾;13:弱沙尘暴;14:中等强度沙尘暴;15:强沙尘暴;16:特强沙尘暴。该动态交通信息还包括该交叉口号码、该交叉口的周期时长等。将该动态交通信息和该交叉口交通灯配时信息一起输入至该动态协调控制模型中以后,可以得到该协同控制策略。具体如下:
(1)针对无车站路段:从路段起始点开始实施算法。
A.在路段最上游进行速度引导。
首先将公交与下游交叉口的距离、公交当前速度、最高速度、最低速度、当前时刻、绿灯启亮时刻和红灯启亮时刻输入,再计算公交最快到达交叉口的时刻。如果公交最快在优先相位内到达可考虑相位早断和延长,进而引导BRT以最快速度行驶。如果公交最快在红灯时段内到达,可考虑相位早断和延长,使得BRT在红灯早断之后到达,进行速度引导。在进行速度引导后,需要判断引导速度是否小于最小速度,如果小于该最小速度,则输出最小速度为公交的引导速度。如果大于或等于该最小速度,则输出该引导速度为公交的引导速度。
B.在靠近交叉口进行速度和信号控制。
车站与下游交叉口距离较长时,在BRT行驶至靠近下游交叉口的位置实施信号优先-驻站时间-速度协同控制。
车站与下游交叉口距离较短时,在BRT关门时刻实施信号优先-驻站时间-速度协同控制。
该信号优先-驻站时间-速度协同控制包括:
a.参数输入,该参数包括路段信息、公交信息和信号配时信息。
b.从a步骤得到BRT所需相位优先和最终相位优先。该BRT所需相位优先是根据BRT到达时刻和当前位置,考虑可优化的最大限度进行优化。该最终相位优先是根据BRT所需相位优先,结合小汽车延误,使用数学规划方法计算。
c.根据BRT所需相位优先和最终相位优先输出公交建议速度、公交驻站时间建议和信号配时优先。具体的,该信号优先-驻站时间-速度协同控制所使用的的信号优先计算模型包括目标函数该目标函数代表小汽车延误、早断时长和延长时长之和最小。其中,wf<wc。该信号优先计算模型的约束包括BRT信号优先约束、小汽车延误约束和信号配时约束。
(2)针对有车站路段:从最下游车站开始实施算法
A.在最下游车站靠近交叉口处进行速度、驻站和信号的控制。
B.在最下游车站远离交叉口处对最下游车站进行速度引导,对靠近交叉口处进行速度和信号引导。
(3)根据步骤(1)和步骤(2)得到最小化停车次数。
可选地,该协同控制模型还包括速度引导模型,步骤S302之后,该方法还包括将该协同控制策略输入至该速度引导模型,得到公交运行的最优速度。具体的,还需要在该速度引导模型中输入该交叉口编号,公交车行驶方向,上行为1,下行为2。公交车行驶的最高速度、最低速度、行驶速度、加速速度和减速速度等。
可选地,步骤S202之前,该方法还包括对该公交协同控制模型进行测试验证,包括对该静态离线协调控制模型、该动态在线协调控制模型和该速度引导模型进行测试验证,测试通过后可以投入使用。
请参见图4,本申请还提供一种智联网环境下公交协同控制装置10,包括:
获取模块11,用于基于双环八相位交叉口结构至少获取交通信息。
处理模块12,用于将该交通信息输入至公交协同控制模型,计算协同控制策略,该协同控制策略用于对公交在交叉口的通行进行有序优先控制。
通信模块13,用于基于包含第五代移动通信网络,将该协同控制策略发送至交通调度中心,以对公交出行进行协同控制。
可选地,该协同控制模型包括静态离线协调控制模型和动态在线协调控制模型,该交通信息包括静态交通信息和动态交通信息,该处理模块具体用于:将该交叉口信息输入至该静态离线协调控制模型,得到交叉口交通灯配时信息,该交叉口交通灯配时信息至少包括每个交叉口的交通灯亮灭时长;将该公交车运行信息和该交叉口交通灯配时信息输入至该动态协调控制模型,得到该协同控制策略。
可选地,该协同控制模型还包括速度引导模型,该处理模块具体用于将该协同控制策略输入至该速度引导模型,得到公交运行的最优速度。
可选地,该协同控制模型还包括信号优先模块和驻站控制模块,该信号优先模块用于根据该输入的交通信息输出可以控制该交叉口每个相位的交通灯时长的信息。该驻站控制模块则根据该输入的交通信息输出公交在交叉口的驻站时长。
可选地,该智联网环境下公交协同控制装置10还包括测试模块14,该测试模块14用于对该公交协同控制模型进行测试验证。
请参见图5,本发明还提供一种终端设备20,包括存储器21,处理器22和收发器23,该存储器21用于存储指令,该收发器23用于和其他设备通信,该处理器22用于执行该存储器21中存储的指令,以使该终端设备执行如上任一项该的智联网环境下公交协同控制方法。
本申请还提供一种计算机可读存储介质,该计算机可读存储介质中存储有计算机执行指令,当该指令被执行时,使得计算机执行指令被处理器执行时用于实现如上任一项实施例提供的该智联网环境下公交协同控制方法。
需要说明的是,上述计算机可读存储介质可以是只读存储器(Read Only Memory,ROM)、可编程只读存储器(Programmable Read-Only Memory,PROM)、可擦除可编程只读存储器(Erasable Programmable Read-Only Memory,EPROM)、电可擦除可编程只读存储器(Electrically Erasable Programmable Read-Only Memory,EEPROM)、磁性随机存取存储器(Ferromagnetic Random Access Memory,FRAM)、快闪存储器(Flash Memory)、磁表面存储器、光盘、或只读光盘(Compact Disc Read-Only Memory,CD-ROM)等存储器。也可以是包括上述存储器之一或任意组合的各种电子设备,如移动电话、计算机、平板设备、个人数字助理等。
需要说明的是,在本文中,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者装置不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者装置所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括该要素的过程、方法、物品或者装置中还存在另外的相同要素。
上述本申请实施例序号仅仅为了描述,不代表实施例的优劣。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件,但很多情况下前者是更佳的实施方式。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质(如ROM/RAM、磁碟、光盘)中,包括若干指令用以使得一台终端设备(可以是手机,计算机,服务器,空调器,或者网络设备等)执行本申请各个实施例所描述的方法。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
以上仅为本申请的优选实施例,并非因此限制本申请的专利范围,凡是利用本申请说明书及附图内容所作的等效结构或等效流程变换,或直接或间接运用在其他相关的技术领域,均同理包括在本申请的专利保护范围内。
Claims (10)
1.一种智联网环境下公交协同控制方法,其特征在于,包括:
基于双环八相位交叉口结构至少获取交通信息;
将所述交通信息输入至公交协同控制模型,计算协同控制策略,所述协同控制策略用于对公交在交叉口的通行进行有序优先控制;
基于包含第五代移动通信网络,将所述协同控制策略发送至交通调度中心,以对公交出行进行协同控制。
2.根据权利要求1所述的方法,其特征在于,所述协同控制模型包括静态离线协调控制模型和动态在线协调控制模型,所述交通信息包括静态交通信息和动态交通信息,将所述交通信息输入至公交协同控制模型,包括:
将所述静态交通信息输入至所述静态离线协调控制模型,得到交叉口交通灯配时信息,所述交叉口交通灯配时信息至少包括每个交叉口的交通灯亮灭时长;
将所述动态交通信息和所述交叉口交通灯配时信息输入至所述动态协调控制模型,得到所述协同控制策略,所述协同控制策略至少包括公交建议速度、公交建议驻站时间、交通灯亮灭时长的修改方案。
3.根据权利要求2所述的方法,其特征在于,所述协同控制模型还包括速度引导模型,所述将所述交通信息输入至所述动态协调控制模型,得到所述协同控制策略之后,所述方法还包括:
将所述协同控制策略输入至所述速度引导模型,得到公交运行的最优速度。
4.根据权利要求1-3任一项所述的方法,其特征在于,所述将所述交通信息输入至公交协同控制模型之前,所述方法还包括:
对所述公交协同控制模型进行测试验证。
5.一种智联网环境下公交协同控制装置,其特征在于,包括:
获取模块,用于基于双环八相位交叉口结构至少获取交通信息;
处理模块,用于将所述交通信息输入至公交协同控制模型,计算协同控制策略,所述协同控制策略用于对公交在交叉口的通行进行有序优先控制;
通信模块,用于基于包含第五代移动通信网络,将所述协同控制策略发送至交通调度中心,以对公交出行进行协同控制。
6.根据权利要求5所述的装置,其特征在于,所述协同控制模型包括静态离线协调控制模型和动态在线协调控制模型,所述交通信息包括静态交通信息和动态交通信息,所述处理模块具体用于:
将所述交叉口信息输入至所述静态离线协调控制模型,得到交叉口交通灯配时信息,所述交叉口交通灯配时信息至少包括每个交叉口的交通灯亮灭时长;
将所述公交车运行信息和所述交叉口交通灯配时信息输入至所述动态协调控制模型,得到所述协同控制策略,所述协同控制策略至少包括公交建议速度、公交建议驻站时间、交通灯亮灭时长的修改方案。
7.根据权利要求6所述的装置,其特征在于,所述协同控制模型还包括速度引导模型,所述处理模块具体用于将所述协同控制策略输入至所述速度引导模型,得到公交运行的最优速度。
8.根据权利要求5-7任一项所述的装置,其特征在于,还包括:
测试模块,用于对所述公交协同控制模型进行测试验证。
9.一种终端设备,其特征在于,包括存储器,处理器和收发器,所述存储器用于存储指令,所述收发器用于和其他设备通信,所述处理器用于执行所述存储器中存储的指令,以使所述终端设备执行如权利要求1-4任一项所述的智联网环境下公交协同控制方法。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质中存储有计算机执行指令,当所述指令被执行时,使得计算机执行如权利要求1-4中任一项所述的智联网环境下公交协同控制方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110737364.8A CN113487885A (zh) | 2021-06-30 | 2021-06-30 | 一种智联网环境下公交协同控制方法、装置及终端设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110737364.8A CN113487885A (zh) | 2021-06-30 | 2021-06-30 | 一种智联网环境下公交协同控制方法、装置及终端设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113487885A true CN113487885A (zh) | 2021-10-08 |
Family
ID=77937063
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110737364.8A Withdrawn CN113487885A (zh) | 2021-06-30 | 2021-06-30 | 一种智联网环境下公交协同控制方法、装置及终端设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113487885A (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2018072240A1 (zh) * | 2016-10-20 | 2018-04-26 | 中国科学院深圳先进技术研究院 | 一种路网潮汐交通流可变导向车道控制方法 |
CN111275990A (zh) * | 2020-01-16 | 2020-06-12 | 深圳市城市交通规划设计研究中心股份有限公司 | 一种交通信号控制方法、装置、可读存储介质及终端设备 |
CN111429731A (zh) * | 2020-03-12 | 2020-07-17 | 上海理工大学 | 一种公交多模式调度和沿线交叉口信号配时协同优化方法 |
CN112017453A (zh) * | 2019-05-30 | 2020-12-01 | 阿里巴巴集团控股有限公司 | 一种信号灯的协调方法、计算设备及存储介质 |
CN112907994A (zh) * | 2021-01-18 | 2021-06-04 | 兆边(上海)科技有限公司 | 一种智能网联环境下公交协同控制方法、装置及终端设备 |
-
2021
- 2021-06-30 CN CN202110737364.8A patent/CN113487885A/zh not_active Withdrawn
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2018072240A1 (zh) * | 2016-10-20 | 2018-04-26 | 中国科学院深圳先进技术研究院 | 一种路网潮汐交通流可变导向车道控制方法 |
CN112017453A (zh) * | 2019-05-30 | 2020-12-01 | 阿里巴巴集团控股有限公司 | 一种信号灯的协调方法、计算设备及存储介质 |
CN111275990A (zh) * | 2020-01-16 | 2020-06-12 | 深圳市城市交通规划设计研究中心股份有限公司 | 一种交通信号控制方法、装置、可读存储介质及终端设备 |
CN111429731A (zh) * | 2020-03-12 | 2020-07-17 | 上海理工大学 | 一种公交多模式调度和沿线交叉口信号配时协同优化方法 |
CN112907994A (zh) * | 2021-01-18 | 2021-06-04 | 兆边(上海)科技有限公司 | 一种智能网联环境下公交协同控制方法、装置及终端设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112907994A (zh) | 一种智能网联环境下公交协同控制方法、装置及终端设备 | |
Yang et al. | A cooperative driving framework for urban arterials in mixed traffic conditions | |
Xin et al. | Predictive intelligent driver model for eco-driving using upcoming traffic signal information | |
Li et al. | Signal control optimization for automated vehicles at isolated signalized intersections | |
JP6183864B2 (ja) | 車両交通流量を適応させる方法及びシステム | |
Fotouhi et al. | A review on the applications of driving data and traffic information for vehicles׳ energy conservation | |
CN113487868B (zh) | 公交动态速度引导-驻站控制-信号优先协同控制方法 | |
CN104575038A (zh) | 一种考虑多路公交优先的交叉口信号控制方法 | |
CN109902899A (zh) | 信息生成方法和装置 | |
CN108281026A (zh) | 一种自动驾驶环境下交叉路口无信号灯车辆调度方法 | |
CN107256627B (zh) | 自动驾驶车辆调度方法、装置及系统 | |
Hassan et al. | A fully-distributed heuristic algorithm for control of autonomous vehicle movements at isolated intersections | |
CN104952263A (zh) | 基于相位差渐进循环协调的应急车辆优先信号控制方法 | |
CN103236164A (zh) | 一种保障公交车辆优先通行的车辆调控方法 | |
CN110794827B (zh) | 一种基于v2x的高效率通过交通信号灯的速度控制方法 | |
CN109993985A (zh) | 交通工具的绿波带行驶状态控制方法、交通工具和存储介质 | |
CN113963564B (zh) | 连续信号灯道路车辆最优通行速度规划方法、系统及介质 | |
CN104192148A (zh) | 一种基于交通信号信息预知的主干道车速规划方法 | |
CN108647472A (zh) | 一种有轨电车优先方式的仿真方法及仿真系统 | |
Shen et al. | A dynamic signal coordination control method for urban arterial roads and its application | |
CN109598927A (zh) | 基于v2x技术的路权分配方法、系统、设备及存储介质 | |
Li et al. | A cloud-based eco-driving solution for autonomous hybrid electric bus rapid transit in cooperative vehicle-infrastructure systems: A dynamic programming approach | |
CN110009544A (zh) | 一种并联双通道公交站台的设置方法 | |
CN105741585A (zh) | 面向节油的基于车联网的车辆轨迹平滑控制方法 | |
CN113487885A (zh) | 一种智联网环境下公交协同控制方法、装置及终端设备 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
WW01 | Invention patent application withdrawn after publication |
Application publication date: 20211008 |
|
WW01 | Invention patent application withdrawn after publication |