CN113554865A - 一种车联网环境下公交主通道多交叉口信号协调控制方法 - Google Patents

一种车联网环境下公交主通道多交叉口信号协调控制方法 Download PDF

Info

Publication number
CN113554865A
CN113554865A CN202110626409.4A CN202110626409A CN113554865A CN 113554865 A CN113554865 A CN 113554865A CN 202110626409 A CN202110626409 A CN 202110626409A CN 113554865 A CN113554865 A CN 113554865A
Authority
CN
China
Prior art keywords
buses
passenger
intersection
bus
main channel
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.)
Granted
Application number
CN202110626409.4A
Other languages
English (en)
Other versions
CN113554865B (zh
Inventor
杨大鹏
金雷
傅惠
李春
黄丙寅
郭炳兴
廖宇飞
纪松欣
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Guangdong University of Technology
Original Assignee
Guangdong University of Technology
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Guangdong University of Technology filed Critical Guangdong University of Technology
Priority to CN202110626409.4A priority Critical patent/CN113554865B/zh
Publication of CN113554865A publication Critical patent/CN113554865A/zh
Application granted granted Critical
Publication of CN113554865B publication Critical patent/CN113554865B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
    • G08G1/0125—Traffic data processing
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/065—Traffic control systems for road vehicles by counting the vehicles in a section of the road or in a parking area, i.e. comparing incoming count with outgoing count
    • 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
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00—Network arrangements or protocols for supporting network services or applications
    • H04L67/01—Protocols
    • H04L67/12—Protocols specially adapted for proprietary or special-purpose networking environments, e.g. medical networks, sensor networks, networks in vehicles or remote metering networks
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
    • Y02T10/00—Road transport of goods or passengers
    • Y02T10/10—Internal combustion engine [ICE] based vehicles
    • Y02T10/40—Engine management systems

Abstract

本发明公开了一种车联网环境下公交主通道多交叉口信号协调控制方法，以交叉口各相位上的公交车数量和社会车数量、车辆的车辆延误时间等因素为决策变量，将交叉口各个相位上的周期时长和绿信比作为控制参数，建立以车辆延误时间最小和乘客转移量最大为多目标规划模型，从而达到控制通过各交叉口各相位上的公交车数量和社会车数量。最后将得到的帕累托解运用到sumo搭建的路网信号控制方案上，评估控制效果，将理论计算结果和仿真结果比较，反馈调节多交叉口的信号配时优化模型，从而实现主通道多交叉口信号的协调控制。

Description

一种车联网环境下公交主通道多交叉口信号协调控制方法
技术领域
本发明涉及智能交通的技术领域，尤其涉及到一种车联网环境下公交主通道多交叉口信号协调控制方法。
背景技术
现有学者通过研究绿波带等，对主干道公交优先协调控制进行理论研究。王殿海等提出了干线公交信号优先的2层优化方法，上层为干线协调控制，下层为公交优先控制。在干线协调层面，以检测器检测到的社会车辆流量数据优化公共周期、绿信比和相位差；在公交优先层面，以协调相位绿波带上下限作为配时参数调整的约束条件，在不破坏协调相位绿波带的情况下采用绿灯延长或提前启亮方式为公交车提供信号优先。该方法能降低协调相位公交车辆延误和人均延误以及降低干线各交叉口人均延误。但同时，该方法未从整体上考虑路网固定属性，采用绿波带协调的方式进行公交优先且关键点在于车的转移而不是人的转移，因此未对于客流转移有很好的提升。而且，该方法未考虑公交车和社会车在道路上运行时存在相互影响关系，该相互影响关系又会影响路网的整体通行。
发明内容
本发明的目的在于克服现有技术的不足，提供一种车联网环境下公交主通道多交叉口信号协调控制方法。
为实现上述目的，本发明所提供的技术方案为：
一种车联网环境下公交主通道多交叉口信号协调控制方法，包括以下步骤：
S1、获取公交进出站数据、公交GPS数据、刷卡数据、出租车GPS数据、社会车卡口数据、公交线路客流量数据、客流OD数据、高峰期公交延误规律数据、路段分时流量规律数据；
S2、对步骤S1获取到的数据进行预处理；
S3、基于步骤S2得到的数据获取公交车数量、社会车数量、乘客流量三参数相关关系图；
S4、对步骤S3得到的相关关系图进行处理，得到主通道乘客FD模型；
S5、利用刷卡数据，筛选出高峰期刷卡站点和客流，估计出高峰期主通道的公共交通乘客OD规律；
S6、根据高峰期主通道的公共交通乘客OD规律，并结合主通道乘客FD模型，建立适合MPC控制模型下车辆延误后的基于公共交通乘客OD规律的公交发车时刻表优化模型；
S7、根据主通道乘客FD模型，建立基于MPC的单交叉口的信号配时优化模型；
S8、结合多个单交叉口的信号配时优化模型，建立多交叉口的信号配时优化模型；
S9、通过检测该控制区域内的社会车数量，然后根据主通道乘客FD模型，判断此时控制区域内需要多少公交车才会使乘客转移流量最大，接着根据乘客需求和公交车到站延误情况，通过公交发车时刻表优化模型调节公交车到达控制区域的数量，并依据控制区域内社会车数量和根据乘客需求和公交车到站延误情况得到的公交车数量、车辆延误时间，求解得到多交叉口的信号配时优化模型的最优控制参数用于多交叉口的控制；
S10、将步骤S9中公交发车时刻表优化模型的调度方案和多交叉口的信号配时优化模型的控制方案输入到Sumo仿真系统中，评估控制效果，将理论计算结果和仿真结果比较，反馈调节多交叉口的信号配时优化模型，从而实现主通道多交叉口信号的协调控制。
进一步地，所述步骤S2对获取到的数据进行预处理，具体包括：数据清理、剔除噪声、数据归一化。
进一步对，所述步骤S4对步骤S3得到的相关关系图进行拟合处理，得到主通道乘客FD模型；
拟合公式如下：
Figure BDA0003101334880000031
其中，P为主通道乘客流转移流量，nb为主通道内公交车数量，nc为主通道内社会车数量，a，b，c，d，e，f均为拟合参数。
进一步地，所述步骤S9的具体过程如下：
S9-1、通过检测该控制区域内的社会车数量h(x)，然后根据主通道乘客FD模型，判断此时控制区域内需要多少公交车才会使乘客转移流量最大，根据乘客需求和公交车到站延误情况，通过公交发车时刻表优化模型调节公交车到达控制区域的数量，即此时各交叉口各相位的公交车车辆数量b(x)；
S9-2、在得到各交叉口各相位的公交车数量b(x)和社会车辆数量h(x)的基础上，通过韦伯斯特配时法计算得出优化前各交叉口各相位信号的周期C和绿信比λ；
S9-3、构建目标函数：控制区域内的某个相位上的乘客转移量总数/车辆延误总时间，即：
Figure BDA0003101334880000032
其中，Q为该相位上的乘客转移量总数，T为该相位上的车辆延误总时间，T＝t1+t2，t1为各交叉口各相位的车辆排队延误时间，t2为各交叉口各相位的车辆信号延误时间；
S9-4、使用BP神经网络求解目标函数；其中，步骤S9-2获得的各交叉口各相位信号的初始周期C和绿信比λ作为输入，当车辆延误时间最小和乘客转移量最大时为目标函数的最优，输出优化后各交叉口各相位信号的周期C和绿信比λ。
与现有技术相比，本方案原理及优点如下：
本方案以交叉口各相位上的公交车数量和社会车数量、车辆的车辆延误时间等因素为决策变量，将交叉口各个相位上的周期时长和绿信比作为控制参数，建立以车辆延误时间最小和乘客转移量最大为多目标规划模型，从而达到控制通过各交叉口各相位上的公交车数量和社会车数量。最后将得到的帕累托解运用到sumo搭建的路网信号控制方案上，评估控制效果，将理论计算结果和仿真结果比较，反馈调节多交叉口的信号配时优化模型，从而实现主通道多交叉口信号的协调控制。
本方案结合公交调度和信号控制两种控制方案，既满足了控制区域内的公交车需求，又能满足控制区域内部的社会车需求，比单一的调度或信号控制更容易取得效果；基于三维FD与多目标优化的乘客优先信号控制的基础上，考虑多条公交线路在主通道上多个交叉口的信号协调控制，使其有利于最大程度上转移公共交通客流。同时本方案中的模拟车联网环境，为在未来车联网环境下的实施提供前瞻性指导。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的服务作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本发明一种车联网环境下公交主通道多交叉口信号协调控制方法的原理流程图；
图2为本发明一种车联网环境下公交主通道多交叉口信号协调控制方法中求解最优信号控制的原理流程图。
具体实施方式
下面结合具体实施例对本发明作进一步说明：
如图1所示，一种车联网环境下公交主通道多交叉口信号协调控制方法，具体包括以下步骤：
S1、获取公交进出站数据、公交GPS数据、刷卡数据、出租车GPS数据、社会车卡口数据、公交线路客流量数据、客流OD(Origin-Destination)数据、高峰期公交延误规律数据、路段分时流量规律数据；
S2、对步骤S1获取到的数据进行预处理，具体包括：数据清理、剔除噪声、数据归一化。
S3、基于步骤S2得到的数据获取公交车数量、社会车数量、乘客流量三参数相关关系图；
S4、对步骤S3得到的相关关系图进行拟合处理，得到主通道乘客FD模型；
拟合公式如下：
Figure BDA0003101334880000051
其中，P为主通道乘客流转移流量，nb为主通道内公交车数量，nc为主通道内社会车数量，a，b，c，d，e，f均为拟合参数。
S5、利用刷卡数据，筛选出高峰期刷卡站点和客流，估计出高峰期主通道的公共交通乘客OD规律；
S6、根据高峰期主通道的公共交通乘客OD规律，并结合主通道乘客FD(Fundamental Diagram)模型，建立适合MPC控制模型下车辆延误后的基于公共交通乘客OD规律的公交发车时刻表优化模型；
S7、根据主通道乘客FD模型，建立基于MPC的单交叉口的信号配时优化模型；
S8、结合多个单交叉口的信号配时优化模型，建立多交叉口的信号配时优化模型；
S9、通过检测该控制区域内的社会车数量，然后根据主通道乘客FD模型，判断此时控制区域内需要多少公交车才会使乘客转移流量最大，接着根据乘客需求和公交车到站延误情况，通过公交发车时刻表优化模型调节公交车到达控制区域的数量，并依据控制区域内社会车数量和根据乘客需求和公交车到站延误情况得到的公交车数量、车辆延误时间，求解得到多交叉口的信号配时优化模型的最优控制参数用于多交叉口的控制；
如图2所示，本步骤的具体过程如下：
S9-1、通过检测该控制区域内的社会车数量h(x)，然后根据主通道乘客FD模型，判断此时控制区域内需要多少公交车才会使乘客转移流量最大，根据乘客需求和公交车到站延误情况，通过公交发车时刻表优化模型调节公交车到达控制区域的数量，即此时各交叉口各相位的公交车车辆数量b(x)；
S9-2、在得到各交叉口各相位的公交车数量b(x)和社会车辆数量h(x)的基础上，通过韦伯斯特配时法计算得出优化前各交叉口各相位信号的周期C和绿信比λ；
S9-3、构建目标函数：控制区域内的某个相位上的乘客转移量总数/车辆延误总时间，即：
Figure BDA0003101334880000061
其中，Q为该相位上的乘客转移量总数，T为该相位上的车辆延误总时间，T＝t1+t2，t1为各交叉口各相位的车辆排队延误时间，t2为各交叉口各相位的车辆信号延误时间；
S9-4、使用BP神经网络求解目标函数；其中，步骤S9-2获得的各交叉口各相位信号的初始周期C和绿信比λ作为输入，当车辆延误时间最小和乘客转移量最大时为目标函数的最优，输出优化后各交叉口各相位信号的周期C和绿信比λ。
S10、将步骤S9中公交发车时刻表优化模型的调度方案和多交叉口的信号配时优化模型的控制方案输入到Sumo仿真系统中，评估控制效果，将理论计算结果和仿真结果比较，反馈调节多交叉口的信号配时优化模型，从而实现主通道多交叉口信号的协调控制。
以上所述之实施例子只为本发明之较佳实施例，并非以此限制本发明的实施范围，故凡依本发明之形状、原理所作的变化，均应涵盖在本发明的保护范围内。

Claims (4)

1.一种车联网环境下公交主通道多交叉口信号协调控制方法，其特征在于，包括以下步骤：
S1、获取公交进出站数据、公交GPS数据、刷卡数据、出租车GPS数据、社会车卡口数据、公交线路客流量数据、客流OD数据、高峰期公交延误规律数据、路段分时流量规律数据；
S2、对步骤S1获取到的数据进行预处理；
S3、基于步骤S2得到的数据获取公交车数量、社会车数量、乘客流量三参数相关关系图；
S4、对步骤S3得到的相关关系图进行处理，得到主通道乘客FD模型；
S5、利用刷卡数据，筛选出高峰期刷卡站点和客流，估计出高峰期主通道的公共交通乘客OD规律；
S6、根据高峰期主通道的公共交通乘客OD规律，并结合主通道乘客FD模型，建立适合MPC控制模型下车辆延误后的基于公共交通乘客OD规律的公交发车时刻表优化模型；
S7、根据主通道乘客FD模型，建立基于MPC的单交叉口的信号配时优化模型；
S8、结合多个单交叉口的信号配时优化模型，建立多交叉口的信号配时优化模型；
S9、通过检测该控制区域内的社会车数量，然后根据主通道乘客FD模型，判断此时控制区域内需要多少公交车才会使乘客转移流量最大，接着根据乘客需求和公交车到站延误情况，通过公交发车时刻表优化模型调节公交车到达控制区域的数量，并依据控制区域内社会车数量和根据乘客需求和公交车到站延误情况得到的公交车数量、车辆延误时间，求解得到多交叉口的信号配时优化模型的最优控制参数用于多交叉口的控制；
S10、将步骤S9中公交发车时刻表优化模型的调度方案和多交叉口的信号配时优化模型的控制方案输入到Sumo仿真系统中，评估控制效果，将理论计算结果和仿真结果比较，反馈调节多交叉口的信号配时优化模型，从而实现主通道多交叉口信号的协调控制。
2.根据权利要求1所述的一种车联网环境下公交主通道多交叉口信号协调控制方法，其特征在于，所述步骤S2对获取到的数据进行预处理，具体包括：数据清理、剔除噪声、数据归一化。
3.根据权利要求1所述的一种车联网环境下公交主通道多交叉口信号协调控制方法，其特征在于，所述步骤S4对步骤S3得到的相关关系图进行拟合处理，得到主通道乘客FD模型；
拟合公式如下：
Figure FDA0003101334870000021
其中，P为主通道乘客流转移流量，nb为主通道内公交车数量，nc为主通道内社会车数量,a，b，c，d，e，f均为拟合参数。
4.根据权利要求1所述的一种车联网环境下公交主通道多交叉口信号协调控制方法，其特征在于，所述步骤S9的具体过程如下：
S9-1、通过检测该控制区域内的社会车数量h(x)，然后根据主通道乘客FD模型，判断此时控制区域内需要多少公交车才会使乘客转移流量最大，根据乘客需求和公交车到站延误情况，通过公交发车时刻表优化模型调节公交车到达控制区域的数量，即此时各交叉口各相位的公交车车辆数量b(x)；
S9-2、在得到各交叉口各相位的公交车数量b(x)和社会车辆数量h(x)的基础上，通过韦伯斯特配时法计算得出优化前各交叉口各相位信号的周期C和绿信比λ；
S9-3、构建目标函数：控制区域内的某个相位上的乘客转移量总数/车辆延误总时间，即：
Figure FDA0003101334870000031
其中，Q为该相位上的乘客转移量总数，T为该相位上的车辆延误总时间，T＝t1+t2，t1为各交叉口各相位的车辆排队延误时间，t2为各交叉口各相位的车辆信号延误时间；
S9-4、使用BP神经网络求解目标函数；其中，步骤S9-2获得的各交叉口各相位信号的初始周期C和绿信比λ作为输入，当车辆延误时间最小和乘客转移量最大时为目标函数的最优，输出优化后各交叉口各相位信号的周期C和绿信比λ。
CN202110626409.4A 2021-06-04 2021-06-04 一种车联网环境下公交主通道多交叉口信号协调控制方法 Active CN113554865B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110626409.4A CN113554865B (zh) 2021-06-04 2021-06-04 一种车联网环境下公交主通道多交叉口信号协调控制方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110626409.4A CN113554865B (zh) 2021-06-04 2021-06-04 一种车联网环境下公交主通道多交叉口信号协调控制方法

Publications (2)

Publication Number Publication Date
CN113554865A true CN113554865A (zh) 2021-10-26
CN113554865B CN113554865B (zh) 2022-05-06

Family

ID=78101991

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110626409.4A Active CN113554865B (zh) 2021-06-04 2021-06-04 一种车联网环境下公交主通道多交叉口信号协调控制方法

Country Status (1)

Country Link
CN (1) CN113554865B (zh)

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102568197A (zh) * 2012-02-06 2012-07-11 东南大学 一种公交主干线双向绿波信号设置方法
CN111160465A (zh) * 2019-12-30 2020-05-15 广东工业大学 一种面向宏观基本图的多模式交通路网分区方法
CN111724584A (zh) * 2020-04-13 2020-09-29 同济大学 一种面向公交信号优先高频多申请的动态控制方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102568197A (zh) * 2012-02-06 2012-07-11 东南大学 一种公交主干线双向绿波信号设置方法
CN111160465A (zh) * 2019-12-30 2020-05-15 广东工业大学 一种面向宏观基本图的多模式交通路网分区方法
CN111724584A (zh) * 2020-04-13 2020-09-29 同济大学 一种面向公交信号优先高频多申请的动态控制方法

Non-Patent Citations (5)

* Cited by examiner, † Cited by third party
Title
傅惠等: "面向宏观基本图的多模式交通路网分区算法", 《工业工程》 *
别一鸣等: "饱和度约束的单点有限公交优先控制策略", 《西南交通大学学报》 *
梁秀霞等: "基于交通流融合的公交信号优先控制研究", 《中南民族大学学报(自然科学版)》 *
王殿海等: "干线公交优先信号协调控制方法", 《东南大学学报(自然科学版)》 *
陈峻等: "城市公交车与社会车辆混合流速度模型及交通运行状态分析", 《中国公路学报》 *

Also Published As

Publication number Publication date
CN113554865B (zh) 2022-05-06

Similar Documents

Publication Publication Date Title
CN111951549B (zh) 在网联车辆环境下的自适应交通信号灯控制方法及系统
CN109508751B (zh) 高速铁路列车晚点时间预测的深度神经网络模型建模方法
CN102044149B (zh) 一种基于时变客流的城市公交运营协调方法与装置
US7953544B2 (en) Method and structure for vehicular traffic prediction with link interactions
CN111540198A (zh) 基于有向图卷积神经网络的城市交通态势识别方法
CN107958269A (zh) 一种基于隐马尔可夫模型的行车危险度预测方法
CN107194491A (zh) 一种基于公交客流和站间行程时间预测的动态调度方法
CN110796877B (zh) 一种面向单向公交线路的交通信号控制与公交调度协同控制方法
CN102890862B (zh) 基于向量模式的交通状态分析装置及方法
CN109558985A (zh) 一种基于bp神经网络的公交客流量预测方法
CN110688982B (zh) 基于目标检测技术和aco-bp算法的智能轨道交通时间控制方法
CN112071062B (zh) 一种基于图卷积网络和图注意力网络的行车时间估计方法
CN112309122A (zh) 一种基于多系统协同的智慧公交分级决策系统
CN109300326B (zh) 一种基于实时gps的公交短时动态调度方法
CN106971546B (zh) 基于公交车gps数据的路段公交车渗透率估计方法
Zeng et al. Person-based adaptive priority signal control with connected-vehicle information
CN106355905A (zh) 一种基于卡口数据的高架信号控制方法
CN112562377A (zh) 一种基于随机机会约束的客运车辆实时调度方法
Zhao et al. Dynamic eco-driving on signalized arterial corridors during the green phase for the connected vehicles
CN110444015A (zh) 基于无信号十字路口分区的智能网联汽车速度决策方法
CN109765801A (zh) 基于vissim仿真的车联网设计速度调整的实现方法
CN109191835A (zh) 一种有轨电车运行的控制方法和系统
CN106297296A (zh) 一种基于稀疏轨迹点数据的细粒度旅行时间分配方法
CN106846891B (zh) 一种基于序列分解的公共停车场泊位多步预测方法
CN113554865B (zh) 一种车联网环境下公交主通道多交叉口信号协调控制方法

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
GR01 Patent grant
GR01 Patent grant