CN114170804A - 一种基于车路协同的交叉口最优车速引导方法及系统 - Google Patents
一种基于车路协同的交叉口最优车速引导方法及系统 Download PDFInfo
- Publication number
- CN114170804A CN114170804A CN202111586325.9A CN202111586325A CN114170804A CN 114170804 A CN114170804 A CN 114170804A CN 202111586325 A CN202111586325 A CN 202111586325A CN 114170804 A CN114170804 A CN 114170804A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- intersection
- road
- vehicles
- time
- 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
Links
Images
Classifications
-
- 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
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
-
- 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
- G08G1/052—Detecting movement of traffic to be counted or controlled with provision for determining speed or overspeed
-
- 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
Abstract
本发明提供了一种基于车路协同的交叉口最优车速引导方法,包括:获取道路上的整合数据;根据所述整合数据对道路未来一段时间内的路况进行预测分析得到路况预测结果;根据所述路况预测结果对将要到达交叉口的车辆进行最优车速分析并对车辆进行引导。通过本发明实施例,实现对道路上车辆分布进行预测,并根据预测结果对交叉路口前该路口车道上所排列的车辆进行位次排列,并基于交叉路口在下一个红灯亮起之前能够通过的最大位次,对排在最大位次之前的车辆进行最优车速引导,从而提高交叉路口在一个信号灯周期内的车流量,提高城市交通运行效率。
Description
技术领域
本发明涉及大数据交通检测管理领域,特别涉及一种基于车路协同的交叉口最优车速引导方法及系统。
背景技术
随着我国互联网为代表的现代信息技术的快速发展,智能交通系统(ITS)的概念被提出,通过该种智能交通系统,能够分发挥交通设备的整理利益,将各种交通方式、枢纽,停车管理的作用发挥到新的高度。使得交通运行相互协调,各种交通方式并存,分工合理,紧密衔接。智能交通系统整合特种车辆(公交、出租、校车、救护、消防)监控与通信系统、交叉路口交通管理与信号控制系统、交通监控系统、车辆信息设备系统。这些系统的进一步整合,将为市民提供更实时的交通路况信息服务,指导市民出行与换乘效率,从而有效提高现有交通路网的通行能力和利用效率,协调时间和空间上的交通需求,进一步实现车辆的不停车收费。提高公路通行能力的同时改善公路建设、养护及基础设施的管理,降低管理与运营成本,进一步提高对车辆的安全管理能力。
其中,基于车路协同概念下的车辆车速引导能够有效地对城市道路上的所有车辆进行智能调控,从而提高城市的运输效率,这对于城市的发展是及其有利的。
但现目前却缺少一种基于车路协同的交叉口最优车速引导方法及系统,来实现对道路上车辆分布进行预测,并根据预测结果对交叉路口前该路口车道上所排列的车辆进行位次排列,并基于交叉路口在下一个红灯亮起之前能够通过的最大位次,对排在最大位次之前的车辆进行最优车速引导,从而提高交叉路口在一个信号灯周期内的车流量,提高城市交通运行效率。
发明内容
本发明提供一种基于车路协同的交叉口最优车速引导方法,用以对道路上车辆分布进行预测,并根据预测结果对交叉路口前该路口车道上所排列的车辆进行位次排列,并基于交叉路口在下一个红灯亮起之前能够通过的最大位次,对排在最大位次之前的车辆进行最优车速引导,从而提高交叉路口在一个信号灯周期内的车流量,提高城市交通运行效率。
本发明提供的一种基于车路协同的交叉口最优车速引导方法,包括:
步骤S1、获取道路上的整合数据;
步骤S2、根据所述整合数据对道路未来一段时间内的路况进行预测分析得到路况预测结果;
步骤S3、根据所述路况预测结果对将要通过交叉口的车辆提前进行最优车速分析并对车辆进行引导。
优选的,所述获取道路上的整合数据包括:
通过设置在车辆上的GPS定位设备以及速度传感器获取车辆的行驶状态数据,所述行驶状态数据包括车辆的行驶速度、车辆的具体位置;
通过车载主控电脑获取车辆的预定行驶路径信息;
通过设置在交叉路口的摄像头采集第一类图像,并对第一类图像进行分析后确定路口车辆在各个车道上的分布状况信息;
通过设置在车道上方的摄像头采集第二类图像,并对第二类图像进行分析确定车道上存在的道路障碍物位置信息;
通过从市政管理机构以及城建机构获取施工单位及城建单位在车道上的施工地点位置信息;
将各个车辆的所述行驶状态数据、所述预定行驶路径信息、路口车辆的所述分布状况信息、道路障碍物位置信息以及施工地点位置信息进行整合,得到整合数据。
优选的,所述根据所述整合数据对道路未来一段时间内的路况进行预测分析得到路况预测结果包括:
步骤S200、根据所述整合数据对道路上车辆的分布状态进行预测,得到第一预测结果;
步骤S201、根据所述第一预测结果确定道路上各个障碍地点周围的车辆的分布状态,并基于所述整合数据对道路上车辆的分布状态进行二次预测,得到第二预测结果并将所述第二预测结果作为路况预测结果。
优选的,所述根据所述整合数据对道路上车辆的分布状态进行预测,得到第一预测结果,过程如下:
根据所述整合数据确定各车辆的行驶状态数据,对于在行驶过程中具有预定行驶路径信息的车辆,根据所述预定行驶路径信息以及该车辆的行驶速度、该车辆实时的位置信息预测该车辆在经过预设的第一时间后的位置信息;
对于在行驶过程中没有预定行驶路径信息的车辆,获取该车辆该次行驶过程中的行驶轨迹信息以及该车辆的历史行驶数据;
根据所述历史行驶数据,确定最近的预设的第二时间内该车辆的多次行驶事件的行驶路径以及发生时间;
将该车辆的多次行驶事件的行驶路径进行相互匹配,并根据匹配结果基于每次行驶事件的发生时间,筛选出周期性发生的具有相同行驶路径的多次行驶事件,并将周期性发生的多次行驶事件按照对应的行驶轨迹进行归类,针对每一类行驶事件根据该类行驶事件的发生周期以及发生时间确定该类行驶事件发生的频率以及时段范围并将其作为判断标准;
将所述行驶轨迹信息与归类后的多类行驶事件对应的行驶轨迹进行一一匹配,确定行驶轨迹与所述行驶轨迹信息相似度最高的一类行驶事件以及对应的匹配度;
判断该次行驶所对应的发生时间是否符合该类行驶事件发生的判断标准,若相符合则将该类行驶事件对应的行驶轨迹作为该车辆该次行驶过程中的预定行驶路径信息;
若不符合则判断所述匹配度是否大于预设的匹配度阈值,若大于预设的匹配度阈值则同样将该类行驶事件的行驶轨迹作为该车辆该次行驶过程中的预定行驶路径信息;
根据所述预定行驶路径信息以及该车辆的行驶速度、该车辆实时的位置信息预测该车辆在经过预设的第一时间后的位置信息;
若不符合且所述匹配度小于所述匹配度阈值,则根据该车辆的行驶速度、该车辆实时的位置信息确定该车辆在是否会在经过预设的第一时间前经过一个交叉路口,若不经过交叉路口则预测该车辆在经过预设的第一时间后的位置信息,若经过交叉路口则不对该车辆进行预测分析;
将道路上所有车辆在经过预设的第一时间后的位置信息进行统计,得到道路上车辆的分布状态的第一预测结果。
优选的,所述根据所述第一预测结果确定道路上各个障碍地点周围的车辆的分布状态,并基于所述整合数据对道路上车辆的分布状态进行二次预测,得到第二预测结果,过程如下:
根据所述第一预测结果确定某个障碍地点周围车辆的预测分布状况;
根据该障碍地点周围历史上的车辆路过时的行驶状态,确定经过该障碍地点的车辆在不同的车密集程度下速度减缓的平均持续时长,并求取多个车辆在速度减缓状态下的速度平均值;
根据所述预测分布状况,从而确定该障碍地点周围车辆的预测车辆密集程度,确定在该预测车辆密集程度下该障碍地点的车辆通行时的预测速度平均值以及速度减缓的预测平均持续时长;
根据所述整合数据,确定道路上多个障碍地点的分布状况,其中,所述障碍地点包括道路上的施工地点、道路上的异常障碍物所处地点;
将多个障碍地点对应的车辆通行时的速度平均值以及速度减缓的平均持续时长作为影响因素对第一预测结果进行调整,从而得到第二预测结果。
优选的,所述根据所述路况预测结果对将要通过交叉口的车辆提前进行最优车速分析并对车辆进行引导包括:
根据所述路况预测结果基于交叉路口信号灯的变化情况,预测某车辆按照当前的行驶速度到达下一个交叉路口时该路口各车道上车辆的分布状况以及信号灯的所处状态,并将其作为第三预测结果;
获取该车辆的预定行驶路径信息,根据所述预定行驶路径信息确定该车辆在下一个交叉路口时所需要选择的车道,并根据所述第三预测结果确定该车道对应的畅通时间段;
基于所述第三预测结果预测该车辆按照当前的行驶速度到达该车道时所排的通过该交叉路口的位次;
根据该交叉路口该车道多位次上的车辆历史上通过该交叉路口的平均所需时长确定能够在所述畅通时间段内通过该交叉路口的最高位次;
根据所述第三预测结果判断该车辆的位次是否小于该最高位次,若小于该最高位次则计算该车辆能够在不停留的状态下通过该路口所需要的最低平均行驶速度,当所述最低平均行驶速度低于预设的速度阈值时,按照所述最低平均行驶速度对该车辆进行加速引导。
优选的,还包括根据所述路况预测结果对车辆进行短距离最优路线规划引导,引导过程如下:
当某个车辆进入一个交叉路口选择车道前,根据该车辆的预定行驶路径信息确定该车辆在当前交叉路口所需要选择的第一车道,以及该第一车道上等候的车辆的第一排队长度;
根据所述第一排队长度,基于当前交叉路口该第一车道该第一排队长度上的车辆历史上通过该当前交叉路口的平均所需时长,预测该车辆通过该当前交叉路口的第一所需时长;
基于当前交叉路口信号灯的变化情况,确定该第一车道的第一剩余红灯时间;
将所述第一所需时长以及所述第一剩余红灯时间相加得到第一花费时间;
根据该车辆的平均行驶速度,基于当前交叉路口与下一个交叉路口之间的距离,计算出该车辆从当前交叉路口行驶到下一个交叉路口之间所需要花费的第二花费时间;
根据该车辆的预定行驶路径信息确定该车辆在下一个交叉路口时所需要选择的第二车道;
根据所述路况预测结果,确定该车辆到达该下一个交叉路口时该第二车道上等候的车辆的第二排队长度;
根据所述第二排队长度,基于该下一个交叉路口该第二车道该第二排队长度上的车辆历史上通过该下一个交叉路口的平均所需时长,预测该车辆通过该下一个交叉路口的第二所需时长;
基于该下一个交叉路口信号灯的变化情况,基于所述第一花费时间以及所述第二花费时间确定该车辆到达该下一个交叉路口时所述第二车道对应的信号灯状态,并确定第二剩余红灯时间;
将所述第二所需时长以及所述第二剩余红灯时间相加得到第三花费时间;
基于该车辆的平均行驶速度,计算该车辆在通过该下一个交叉路口后到达第二个交叉路口所需要花费的第四花费时间,并将所述第一花费时间、所述第二花费时间、所述第三花费时间以及所述第四花费时间相加得到第五花费时间;
根据所述预定行驶路径信息确定该车辆通过从当前交叉路口选择另一个路线到达第二个交叉路口的多种路线方案;
对于每一种路线方案,确定该路线方案从所述当前交叉路口到所述第二个交叉路口所需要通过的中间交叉路口的数量;
若数量大于一,则放弃该路线方案;
若数量等于一,则确定该路线方案在当前交叉路口所需要选择的第三车道,以及该第三车道上等候的车辆的第三排队长度;
根据所述第三排队长度,基于当前交叉路口该第三车道该第三排队长度上的车辆历史上通过当前交叉路口的平均所需时长,预测该车辆通过当前交叉路口的第三所需时长;
基于当前交叉路口信号灯的变化情况,确定该第三车道的第三剩余红灯时间;
将所述第三所需时长以及所述第三剩余红灯时间相加得到第六花费时间;
根据该车辆的平均行驶速度,基于当前交叉路口与该中间交叉路口之间的距离,计算出该车辆从当前交叉路口行驶到该中间交叉路口之间所需要花费的第七花费时间;
根据所述线路方案确定该车辆在中间交叉路口时所需要选择的第四车道;
根据所述路况预测结果,确定该车辆到达该中间交叉路口时该第四车道上等候的车辆的第四排队长度;
根据所述第四排队长度,基于该中间交叉路口该第四车道该第四排队长度上的车辆历史上通过该中间交叉路口的平均所需时长,预测该车辆通过该中间交叉路口的第四所需时长;
基于该中间交叉路口信号灯的变化情况,基于所述第六花费时间以及所述第七花费时间确定该车辆到达该中间交叉路口时所述第四车道对应的信号灯状态,并确定第四剩余红灯时间;
将所述第四所需时长以及所述第四剩余红灯时间相加得到第八花费时间;
基于该车辆的平均行驶速度,计算该车辆在通过该中间交叉路口后到达第二个交叉路口所需要花费的第九花费时间,并将所述第六花费时间、所述第七花费时间、所述第八花费时间以及所述第九花费时间相加得到第十花费时间;
选择第十花费时间最小的路线方案作为最优路线方案,并将该最优路线方案所对应的第十花费时间与所述第五花费时间求取差值,当所述差值小于预设的第一差值时,不对该车辆进行引导,当所述差值大于或等于该第一差值时,引导该车辆进入该最优路线方案所对应的路线。
优选的,还包括根据所述路况预测结果,确定将会与特种车辆相遇的多个车辆,并对该多个车辆进行紧急避让规划,规划过程如下:
获取执行任务的特种车辆的位置信息以及特种车辆的预定行驶路线;
根据所述特种车辆的平均行驶速度,预测该特种车辆在道路畅通的路况下在各个时间点的位置变化状况;
根据所述位置变化状况,基于所述预测结果确定将会与特种车辆相遇的多个车辆,对该多个车辆发出紧急避让指令;
当某个车辆在接收到所述紧急避让指令后,根据该车辆对应的预定行驶路径信息以及该车辆对应的当前位置信息,确定该车辆在正常行驶状态下与所述特种车辆的相遇位置;
根据所述路况预测结果,确定该特种车辆到达所述相遇位置时,该段道路上车辆的车辆密集程度;
若所述车辆密集程度小于预设的车辆密集程度阈值,则对该车辆发送靠边行驶指令;
若所述车辆密集程度大于预设的车辆密集程度阈值,则对将要到达该段道路上所有车辆进行减速引导,控制所有车辆分布均匀并靠边行驶。
为达到上述目的,本发明实施例还提了一种基于车路协同的交叉口最优车速引导系统,包括:
整合数据获取模块,用于获取道路上的整合数据;
路况预测模块,用于根据所述整合数据对道路未来一段时间内的路况进行预测分析得到路况预测结果;
车辆引导模块,根据所述路况预测结果对将要通过交叉口的车辆提前进行最优车速分析并对车辆进行引导。
优选的,所述路况预测模块包括:
第一预测单元,用于根据所述整合数据对道路上车辆的分布状态进行预测,得到第一预测结果;
第二预测单元,用于根据所述第一预测结果确定道路上各个障碍地点周围的车辆的分布状态,并基于所述整合数据对道路上车辆的分布状态进行二次预测,得到第二预测结果并将所述第二预测结果作为路况预测结果。
本发明的其它特征和优点将在随后的说明书中阐述,并且,部分地从说明书中变得显而易见,或者通过实施本发明而了解。本发明的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。
下面通过附图和实施例,对本发明的技术方案做进一步的详细描述。
附图说明
附图用来提供对本发明的进一步理解,并且构成说明书的一部分,与本发明的实施例一起用于解释本发明,并不构成对本发明的限制。在附图中:
图1为本发明实施例中一种基于车路协同的交叉口最优车速引导方法的步骤流程图;
图2为本发明实施例中路况预测模块的执行步骤流程图;
图3为本发明实施例中一种基于车路协同的交叉口最优车速引导系统的结构示意图。
具体实施方式
以下结合附图对本发明的优选实施例进行说明,应当理解,此处所描述的优选实施例仅用于说明和解释本发明,并不用于限定本发明。
本发明提供的本发明提供的本发明提供的一种基于车路协同的交叉口最优车速引导方法,如图1,包括:
步骤S1、获取道路上的整合数据;
步骤S2、根据整合数据对道路未来一段时间内的路况进行预测分析得到路况预测结果;
步骤S3、根据所述路况预测结果对将要通过交叉口的车辆提前进行最优车速分析并对车辆进行引导。
上述技术方案的工作原理和有益效果为:通过获取道路上的整合数据,并根据整合数据对道路未来一段时间内的路况进行预测分析得到路况预测结果,最后根据路况预测结果对车辆进行最优车速分析并对车辆进行引导,从而实现了利用道路整体路况环境对车辆到达某个路口时该路口的车辆分布状况进行预测,最后根据预测结果判断该车辆在到达该路口时该路口车道上所排列的车辆的数目,按照预测结果确定每个车辆的位次,根据红灯亮起前该交叉路口能够通过的最高位次对最高位次之前的所有车辆进行最优车速引导,保证红灯亮起前通过更多的车辆,从而防止交叉路口堵塞,合理分配交叉口通过车辆数量资源,提高城市交通运行效率。
在一个优选实施例中,获取道路上的整合数据包括:
通过设置在车辆上的GPS定位设备以及速度传感器获取车辆的行驶状态数据,行驶状态数据包括车辆的行驶速度、车辆的具体位置;
通过车载主控电脑获取车辆的预定行驶路径信息;
通过设置在交叉路口的摄像头采集第一类图像,并对第一类图像进行分析后确定路口车辆在各个车道上的分布状况信息;
通过设置在车道上方的摄像头采集第二类图像,并对第二类图像进行分析确定车道上存在的道路障碍物位置信息;
通过从市政管理机构以及城建机构获取施工单位及城建单位在车道上的施工地点位置信息;
将各个车辆的行驶状态数据、预定行驶路径信息、路口车辆的分布状况信息、道路障碍物位置信息以及施工地点位置信息进行整合,得到整合数据。
上述技术方案的工作原理和有益效果为:通过设置在车辆上的GPS定位设备以及速度传感器获取车辆的行驶状态数据,行驶状态数据包括车辆的行驶速度、车辆的具体位置;通过车载主控电脑获取车辆的预定行驶路径信息;通过设置在交叉路口的摄像头采集第一类图像,并对第一类图像进行分析后确定路口车辆在各个车道上的分布状况信息;通过设置在车道上方的摄像头采集第二类图像,并对第二类图像进行分析确定车道上存在的道路障碍物位置信息;通过从市政管理机构以及城建机构获取施工单位及城建单位在车道上的施工地点位置信息;将各个车辆的行驶状态数据、预定行驶路径信息、路口车辆的分布状况信息、道路障碍物位置信息以及施工地点位置信息进行整合,得到整合数据。从而实现了对道路上车辆的行驶速度、车辆位置、预定行驶路径信息、路口车辆的分布状况信息、道路障碍物位置信息以及施工地点位置信息等各种道路信息的获取,从而方便对道路状况进行详细的预测。
在一个优选实施例中,如图2,根据整合数据对道路未来一段时间内的路况进行预测分析得到路况预测结果包括:
步骤S200、根据整合数据对道路上车辆的分布状态进行预测,得到第一预测结果;
步骤S201、根据第一预测结果确定道路上各个障碍地点周围的车辆的分布状态,并基于整合数据对道路上车辆的分布状态进行二次预测,得到第二预测结果并将第二预测结果作为路况预测结果。
上述技术方案的工作原理和有益效果为:根据整合数据对道路上车辆的分布状态进行预测,得到第一预测结果。根据第一预测结果确定道路上各个障碍地点周围的车辆的分布状态,并基于整合数据对道路上车辆的分布状态进行二次预测,得到第二预测结果并将第二预测结果作为路况预测结果。从而根据理想道路状态下的第一预测结果,基于各个障碍地点周围车辆的历史行驶状态,对第一预测结果进行调整,实现道路在具有障碍地点的情况下的路况预测分析,使预测结果能够应对道路上的各种突发状况。
在一个优选实施例中,根据整合数据对道路上车辆的分布状态进行预测,得到第一预测结果,过程如下:
根据整合数据确定各车辆的行驶状态数据,对于在行驶过程中具有预定行驶路径信息的车辆,根据预定行驶路径信息以及该车辆的行驶速度、该车辆实时的位置信息预测该车辆在经过预设的第一时间后的位置信息;
对于在行驶过程中没有预定行驶路径信息的车辆,获取该车辆该次行驶过程中的行驶轨迹信息以及该车辆的历史行驶数据;
根据历史行驶数据,确定最近的预设的第二时间内该车辆的多次行驶事件的行驶路径以及发生时间;
将该车辆的多次行驶事件的行驶路径进行相互匹配,并根据匹配结果基于每次行驶事件的发生时间,筛选出周期性发生的具有相同行驶路径的多次行驶事件,并将周期性发生的多次行驶事件按照对应的行驶轨迹进行归类,针对每一类行驶事件根据该类行驶事件的发生周期以及发生时间确定该类行驶事件发生的频率以及时段范围并将其作为判断标准;
将行驶轨迹信息与归类后的多类行驶事件对应的行驶轨迹进行一一匹配,确定行驶轨迹与行驶轨迹信息相似度最高的一类行驶事件以及对应的匹配度;
判断该次行驶所对应的发生时间是否符合该类行驶事件发生的判断标准,若相符合则将该类行驶事件对应的行驶轨迹作为该车辆该次行驶过程中的预定行驶路径信息;
若不符合则判断匹配度是否大于预设的匹配度阈值,若大于预设的匹配度阈值则同样将该类行驶事件的行驶轨迹作为该车辆该次行驶过程中的预定行驶路径信息;
根据预定行驶路径信息以及该车辆的行驶速度、该车辆实时的位置信息预测该车辆在经过预设的第一时间后的位置信息;
若不符合且匹配度小于匹配度阈值,则根据该车辆的行驶速度、该车辆实时的位置信息确定该车辆在是否会在经过预设的第一时间前经过一个交叉路口,若不经过交叉路口则预测该车辆在经过预设的第一时间后的位置信息,若经过交叉路口则不对该车辆进行预测分析;
将道路上所有车辆在经过预设的第一时间后的位置信息进行统计,得到道路上车辆的分布状态的第一预测结果。
上述技术方案的工作原理和有益效果为:根据整合数据确定各车辆的行驶状态数据,对于在行驶过程中具有预定行驶路径信息的车辆,根据预定行驶路径信息以及该车辆的行驶速度、该车辆实时的位置信息预测该车辆在经过预设的第一时间后的位置信息;对于在行驶过程中没有预定行驶路径信息的车辆,获取该车辆该次行驶过程中的行驶轨迹信息以及该车辆的历史行驶数据;根据历史行驶数据,确定最近的预设的第二时间内该车辆的多次行驶事件的行驶路径以及发生时间;将该车辆的多次行驶事件的行驶路径进行相互匹配,并根据匹配结果基于每次行驶事件的发生时间,筛选出周期性发生的具有相同行驶路径的多次行驶事件,并将周期性发生的多次行驶事件按照对应的行驶轨迹进行归类,针对每一类行驶事件根据该类行驶事件的发生周期以及发生时间确定该类行驶事件发生的频率以及时段范围并将其作为判断标准;将行驶轨迹信息与归类后的多类行驶事件对应的行驶轨迹进行一一匹配,确定行驶轨迹与行驶轨迹信息相似度最高的一类行驶事件以及对应的匹配度;判断该次行驶所对应的发生时间是否符合该类行驶事件发生的判断标准,若相符合则将该类行驶事件对应的行驶轨迹作为该车辆该次行驶过程中的预定行驶路径信息;若不符合则判断匹配度是否大于预设的匹配度阈值,若大于预设的匹配度阈值则同样将该类行驶事件的行驶轨迹作为该车辆该次行驶过程中的预定行驶路径信息;根据预定行驶路径信息以及该车辆的行驶速度、该车辆实时的位置信息预测该车辆在经过预设的第一时间后的位置信息;若不符合且匹配度小于匹配度阈值,则根据该车辆的行驶速度、该车辆实时的位置信息确定该车辆在是否会在经过预设的第一时间前经过一个交叉路口,若不经过交叉路口则预测该车辆在经过预设的第一时间后的位置信息,若经过交叉路口则不对该车辆进行预测分析,实现对于这种无规律路线的车辆在没有通过路口时的位置的预测,当该类车辆通过一个路口选择新的车道进行行驶时,需要根据新路线对该车辆的位置进行预测。将道路上所有车辆在经过预设的第一时间后的位置信息进行统计,得到道路上车辆的分布状态的第一预测结果。从而实现了对各种情况下的车辆的位置预测,得到较为全面的车辆分布的第一预测结果。
在一个优选实施例中,根据第一预测结果确定道路上各个障碍地点周围的车辆的分布状态,并基于整合数据对道路上车辆的分布状态进行二次预测,得到第二预测结果,过程如下:
根据所述第一预测结果确定某个障碍地点周围车辆的预测分布状况;
根据该障碍地点周围历史上的车辆路过时的行驶状态,确定经过该障碍地点的车辆在不同的车密集程度下速度减缓的平均持续时长,并求取多个车辆在速度减缓状态下的速度平均值;
根据所述预测分布状况,从而确定该障碍地点周围车辆的预测车辆密集程度,确定在该预测车辆密集程度下该障碍地点的车辆通行时的预测速度平均值以及速度减缓的预测平均持续时长;
根据所述整合数据,确定道路上多个障碍地点的分布状况,其中,所述障碍地点包括道路上的施工地点、道路上的异常障碍物所处地点;
将多个障碍地点对应的车辆通行时的速度平均值以及速度减缓的平均持续时长作为影响因素对第一预测结果进行调整,从而得到第二预测结果。
上述技术方案的工作原理和有益效果为:根据所述第一预测结果确定某个障碍地点周围车辆的预测分布状况;根据该障碍地点周围历史上的车辆路过时的行驶状态,确定经过该障碍地点的车辆在不同的车密集程度下速度减缓的平均持续时长,并求取多个车辆在速度减缓状态下的速度平均值;根据所述预测分布状况,从而确定该障碍地点周围车辆的预测车辆密集程度,确定在该预测车辆密集程度下该障碍地点的车辆通行时的预测速度平均值以及速度减缓的预测平均持续时长;根据所述整合数据,确定道路上多个障碍地点的分布状况,其中,所述障碍地点包括道路上的施工地点、道路上的异常障碍物所处地点;将多个障碍地点对应的车辆通行时的速度平均值以及速度减缓的平均持续时长作为影响因素对第一预测结果进行调整,从而得到第二预测结果。当前障碍地点周围的车辆的密集程度与未来一段时间后障碍地点的密集程度可能不一样,所以需要通过第一预测结果去预测未来一段时间后障碍地点周围车辆的密集程度。如果直接考虑障碍地点就只能预测到障碍地点之前的车辆分布,而障碍点之后的车辆分布预测结果就不够准确。所以通过道路上所存在的障碍地点在实际情况下对车辆的行驶状态影响情况的分析结果,对第一预测结果进行调整,得到了更符合道路出现障碍的情况下的第二预测结果。
在一个优选实施例中,根据路况预测结果对将要通过交叉口的车辆提前进行最优车速分析并对车辆进行引导包括:
根据所述路况预测结果基于交叉路口信号灯的变化情况,预测某车辆按照当前的行驶速度到达下一个交叉路口时该路口各车道上车辆的分布状况以及信号灯的所处状态,并将其作为第三预测结果;
获取该车辆的预定行驶路径信息,根据所述预定行驶路径信息确定该车辆在下一个交叉路口时所需要选择的车道,并根据所述第三预测结果确定该车道对应的畅通时间段;
基于所述第三预测结果预测该车辆按照当前的行驶速度到达该车道时所排的通过该交叉路口的位次;
根据该交叉路口该车道多位次上的车辆历史上通过该交叉路口的平均所需时长确定能够在所述畅通时间段内通过该交叉路口的最高位次;
根据所述第三预测结果判断该车辆的位次是否小于该最高位次,若小于该最高位次则计算该车辆能够在不停留的状态下通过该路口所需要的最低平均行驶速度,当所述最低平均行驶速度低于预设的速度阈值时,按照所述最低平均行驶速度对该车辆进行加速引导。
上述技术方案的工作原理和有益效果为:根据所述路况预测结果基于交叉路口信号灯的变化情况,预测某车辆按照当前的行驶速度到达下一个交叉路口时该路口各车道上车辆的分布状况以及信号灯的所处状态,并将其作为第三预测结果;获取该车辆的预定行驶路径信息,根据所述预定行驶路径信息确定该车辆在下一个交叉路口时所需要选择的车道,并根据所述第三预测结果确定该车道对应的畅通时间段;基于所述第三预测结果预测该车辆按照当前的行驶速度到达该车道时所排的通过该交叉路口的位次;根据该交叉路口该车道多位次上的车辆历史上通过该交叉路口的平均所需时长确定能够在所述畅通时间段内通过该交叉路口的最高位次;根据所述第三预测结果判断该车辆的位次是否小于该最高位次,若小于该最高位次则计算该车辆能够在不停留的状态下通过该路口所需要的最低平均行驶速度,当所述最低平均行驶速度低于预设的速度阈值时,按照所述最低平均行驶速度对该车辆进行加速引导。从而实现了预测车辆到交叉口绿灯亮之前时所排的位次,根据历史上车辆通过该交叉口的最高位次,若该车辆所在位次低于该最高位次,则通过对最高位次之前的几个车辆进行加速引导,从而努力拉进这几个车辆之间的距离,尽量在下一个红灯亮起之前通过更多的车辆,实现了按照预测结果确定车辆的位次对车辆进行最优车速引导,使车辆能够快速通过交叉路口。其中,在对车辆进行加速引导的同时设置速度阈值,防止车辆超速行驶。
在一个优选实施例中,还包括根据路况预测结果对车辆进行短距离最优路线规划引导,引导过程如下:
当某个车辆进入一个交叉路口选择车道前,根据该车辆的预定行驶路径信息确定该车辆在当前交叉路口所需要选择的第一车道,以及该第一车道上等候的车辆的第一排队长度;
根据所述第一排队长度,基于当前交叉路口该第一车道该第一排队长度上的车辆历史上通过该当前交叉路口的平均所需时长,预测该车辆通过该当前交叉路口的第一所需时长;
基于当前交叉路口信号灯的变化情况,确定该第一车道的第一剩余红灯时间;
将所述第一所需时长以及所述第一剩余红灯时间相加得到第一花费时间;
根据该车辆的平均行驶速度,基于当前交叉路口与下一个交叉路口之间的距离,计算出该车辆从当前交叉路口行驶到下一个交叉路口之间所需要花费的第二花费时间;
根据该车辆的预定行驶路径信息确定该车辆在下一个交叉路口时所需要选择的第二车道;
根据所述路况预测结果,确定该车辆到达该下一个交叉路口时该第二车道上等候的车辆的第二排队长度;
根据所述第二排队长度,基于该下一个交叉路口该第二车道该第二排队长度上的车辆历史上通过该下一个交叉路口的平均所需时长,预测该车辆通过该下一个交叉路口的第二所需时长;
基于该下一个交叉路口信号灯的变化情况,基于所述第一花费时间以及所述第二花费时间确定该车辆到达该下一个交叉路口时所述第二车道对应的信号灯状态,并确定第二剩余红灯时间;
将所述第二所需时长以及所述第二剩余红灯时间相加得到第三花费时间;
基于该车辆的平均行驶速度,计算该车辆在通过该下一个交叉路口后到达第二个交叉路口所需要花费的第四花费时间,并将所述第一花费时间、所述第二花费时间、所述第三花费时间以及所述第四花费时间相加得到第五花费时间;
根据所述预定行驶路径信息确定该车辆通过从当前交叉路口选择另一个路线到达第二个交叉路口的多种路线方案;
对于每一种路线方案,确定该路线方案从所述当前交叉路口到所述第二个交叉路口所需要通过的中间交叉路口的数量;
若数量大于一,则放弃该路线方案;
若数量等于一,则确定该路线方案在当前交叉路口所需要选择的第三车道,以及该第三车道上等候的车辆的第三排队长度;
根据所述第三排队长度,基于当前交叉路口该第三车道该第三排队长度上的车辆历史上通过当前交叉路口的平均所需时长,预测该车辆通过当前交叉路口的第三所需时长;
基于当前交叉路口信号灯的变化情况,确定该第三车道的第三剩余红灯时间;
将所述第三所需时长以及所述第三剩余红灯时间相加得到第六花费时间;
根据该车辆的平均行驶速度,基于当前交叉路口与该中间交叉路口之间的距离,计算出该车辆从当前交叉路口行驶到该中间交叉路口之间所需要花费的第七花费时间;
根据所述线路方案确定该车辆在中间交叉路口时所需要选择的第四车道;
根据所述路况预测结果,确定该车辆到达该中间交叉路口时该第四车道上等候的车辆的第四排队长度;
根据所述第四排队长度,基于该中间交叉路口该第四车道该第四排队长度上的车辆历史上通过该中间交叉路口的平均所需时长,预测该车辆通过该中间交叉路口的第四所需时长;
基于该中间交叉路口信号灯的变化情况,基于所述第六花费时间以及所述第七花费时间确定该车辆到达该中间交叉路口时所述第四车道对应的信号灯状态,并确定第四剩余红灯时间;
将所述第四所需时长以及所述第四剩余红灯时间相加得到第八花费时间;
基于该车辆的平均行驶速度,计算该车辆在通过该中间交叉路口后到达第二个交叉路口所需要花费的第九花费时间,并将所述第六花费时间、所述第七花费时间、所述第八花费时间以及所述第九花费时间相加得到第十花费时间;
选择第十花费时间最小的路线方案作为最优路线方案,并将该最优路线方案所对应的第十花费时间与所述第五花费时间求取差值,当所述差值小于预设的第一差值时,不对该车辆进行引导,当所述差值大于或等于该第一差值时,引导该车辆进入该最优路线方案所对应的路线。
上述技术方案的工作原理和有益效果为:通过对正常行驶状态下车辆到达第二个交叉路口所需要花费的时间的预测,以及在最优路线方案下车辆到达第二个交叉路口所需要花费的时间的预测,将两个预测结果求取差值,当差值过小,则说明绕路意义不大,不能节约太多时间,所以不采取任何引导措施,若差值过大,则说明绕路能够节省很多的时间具有绕路价值。实现了短距离路线基于所需要的时间进行重新规划,提高车辆的通行速度。
在一个优选实施例中,还包括通过整合数据确定相邻两个交叉口的影响度,并将其作为车辆连续通过该两个交叉路口的流畅程度;
该影响度的计算过程如下:
其中,IA表示第一个路口对第二个路口通行的影响度,为第二个路口对第一个路口通行的影响度,H为第一个交叉口的车流驶入的分支数量,Qm为第一个交叉口进口方向的历史最大车流量,QS为第一个交叉口从第S个分支驶入并到达第二个交叉口的车流量,L为第一个交叉口到第二个交叉口之间的路段长度,V为该路段上车辆的平均速度;
确定下一个交叉口和第二个交叉口之间的第一流畅程度;
确定最优路线方案的中间交叉口和第二个交叉口之间的第二流畅程度;
将第一流畅程度和第二流畅程度作为影响系数分别代入第五花费时间以及第十花费时间进行相乘,分别得到第五具体花费时间以及第十具体花费时间;
将第十具体花费时间与第五具体花费时间求取具体差值,当具体差值小于预设的第二差值时,不对该车辆进行引导,当具体差值大于或等于该第二差值时,引导该车辆进入该最优路线方案所对应的路线。
上述技术方案的工作原理和有益效果为:在判断两个预测得到的花费时间时,引入路口之间车辆流动时的影响度,从而根据影响度对花费时间进行调整得到新的花费时间进行判断,有效防止两个路口红绿灯所存在的上下游关系对判断结果产生影响。
在一个优选实施例中,还包括根据所述路况预测结果,确定将会与特种车辆相遇的多个车辆,并对该多个车辆进行紧急避让规划,规划过程如下:
获取执行任务的特种车辆的位置信息以及特种车辆的预定行驶路线;
根据所述特种车辆的平均行驶速度,预测该特种车辆在道路畅通的路况下在各个时间点的位置变化状况;
根据所述位置变化状况,基于所述预测结果确定将会与特种车辆相遇的多个车辆,对该多个车辆发出紧急避让指令;
当某个车辆在接收到所述紧急避让指令后,根据该车辆对应的预定行驶路径信息以及该车辆对应的当前位置信息,确定该车辆在正常行驶状态下与所述特种车辆的相遇位置;
根据所述路况预测结果,确定该特种车辆到达所述相遇位置时,该段道路上车辆的车辆密集程度;
若所述车辆密集程度小于预设的车辆密集程度阈值,则对该车辆发送靠边行驶指令;
若所述车辆密集程度大于预设的车辆密集程度阈值,则对将要到达该段道路上所有车辆进行减速引导,控制所有车辆分布均匀并靠边行驶。
上述技术方案的工作原理和有益效果为:获取执行任务的特种车辆的位置信息以及特种车辆的预定行驶路线;根据所述特种车辆的平均行驶速度,预测该特种车辆在道路畅通的路况下在各个时间点的位置变化状况;根据所述位置变化状况,基于所述预测结果确定将会与特种车辆相遇的多个车辆,对该多个车辆发出紧急避让指令;当某个车辆在接收到所述紧急避让指令后,根据该车辆对应的预定行驶路径信息以及该车辆对应的当前位置信息,确定该车辆在正常行驶状态下与所述特种车辆的相遇位置;根据所述路况预测结果,确定该特种车辆到达所述相遇位置时,该段道路上车辆的车辆密集程度;若所述车辆密集程度小于预设的车辆密集程度阈值,则对该车辆发送靠边行驶指令;若所述车辆密集程度大于预设的车辆密集程度阈值,则对将要到达该段道路上所有车辆进行减速引导,控制所有车辆分布均匀并靠边行驶。实现了根据特种车辆在其预设的行驶路线上的位置情况,对将要在该行驶路线上与该特种车辆相遇的车辆分布状况进行预测,根据预测结果若该车道上车辆数量密集,则提前通知一部分车辆进行紧急避让,并引导他们进行减速行驶,使车辆数量密集点的车辆减少,若该车道上车辆数量不够密集,则提前通知该车道上的所有车辆靠边行驶,以便让出快速通道供特征车辆通过。
为达到上述目的,本发明实施例还提了一种基于车路协同的交叉口最优车速引导系统,如图3,包括:
整合数据获取模块1,用于获取道路上的整合数据;
路况预测模块2,用于根据整合数据对道路未来一段时间内的路况进行预测分析得到路况预测结果;
车辆引导模块3,根据所述路况预测结果对将要通过交叉口的车辆提前进行最优车速分析并对车辆进行引导。
上述技术方案的工作原理和有益效果为:通过整合数据获取模块1获取道路上的整合数据,并通过路况预测模块2根据整合数据对道路未来一段时间内的路况进行预测分析得到路况预测结果,最后通过车辆引导模块3根据所述路况预测结果对将要通过交叉口的车辆提前进行最优车速分析并对车辆进行引导。从而实现了利用道路整体路况环境对车辆到达某个路口时该路口的车辆分布状况进行预测,最后根据预测结果判断该车辆在到达该路口时该路口车道上所排列的车辆的数目,按照预测结果确定每个车辆的位次,根据红灯亮起前该交叉路口能够通过的最高位次对最高位次之前的所有车辆进行最优车速引导,保证红灯亮起前通过更多的车辆,从而防止交叉路口堵塞,合理分配交叉口通过车辆数量资源,提高城市交通运行效率。
在一个优选实施例中,路况预测模块包括:
第一预测单元,用于根据整合数据对道路上车辆的分布状态进行预测,得到第一预测结果;
第二预测单元,用于根据第一预测结果确定道路上各个障碍地点周围的车辆的分布状态,并基于整合数据对道路上车辆的分布状态进行二次预测,得到第二预测结果并将第二预测结果作为路况预测结果。
上述技术方案的工作原理和有益效果为:通过第一预测单元根据整合数据对道路上车辆的分布状态进行预测,得到第一预测结果。通过第二预测单元根据第一预测结果确定道路上各个障碍地点周围的车辆的分布状态,并基于整合数据对道路上车辆的分布状态进行二次预测,得到第二预测结果并将第二预测结果作为路况预测结果。从而根据理想道路状态下的第一预测结果,基于各个障碍地点周围车辆的历史行驶状态,对第一预测结果进行调整,实现道路在具有障碍地点的情况下的路况预测分析,使预测结果能够应对道路上的各种突发状况。
显然,本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样,倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内,则本发明也意图包含这些改动和变型在内。
Claims (10)
1.一种基于车路协同的交叉口最优车速引导方法,其特征在于,包括:
获取道路上的整合数据;
根据所述整合数据对道路未来一段时间内的路况进行预测分析得到路况预测结果;
根据所述路况预测结果对将要通过交叉口的车辆提前进行最优车速分析并对车辆进行引导。
2.根据权利要求1所述的一种基于车路协同的交叉口最优车速引导方法,其特征在于,所述获取道路上的整合数据包括:
通过设置在车辆上的GPS定位设备以及速度传感器获取车辆的行驶状态数据,所述行驶状态数据包括车辆的行驶速度、车辆的具体位置;
通过车载主控电脑获取车辆的预定行驶路径信息;
通过设置在交叉路口的摄像头采集第一类图像,并对第一类图像进行分析后确定路口车辆在各个车道上的分布状况信息;
通过设置在车道上方的摄像头采集第二类图像,并对第二类图像进行分析确定车道上存在的道路障碍物位置信息;
通过从市政管理机构以及城建机构获取施工单位及城建单位在车道上的施工地点位置信息;
将各个车辆的所述行驶状态数据、所述预定行驶路径信息、路口车辆的所述分布状况信息、道路障碍物位置信息以及施工地点位置信息进行整合,得到整合数据。
3.根据权利要求1所述的一种基于车路协同的交叉口最优车速引导方法,其特征在于,所述根据所述整合数据对道路未来一段时间内的路况进行预测分析得到路况预测结果包括:
根据所述整合数据对道路上车辆的分布状态进行预测,得到第一预测结果;
根据所述第一预测结果确定道路上各个障碍地点周围的车辆的分布状态,并基于所述整合数据对道路上车辆的分布状态进行二次预测,得到第二预测结果并将所述第二预测结果作为路况预测结果。
4.根据权利要求3所述的一种基于车路协同的交叉口最优车速引导方法,其特征在于,所述根据所述整合数据对道路上车辆的分布状态进行预测,得到第一预测结果包括:
根据所述整合数据确定各车辆的行驶状态数据,对于在行驶过程中具有预定行驶路径信息的车辆,根据所述预定行驶路径信息以及该车辆的行驶速度、该车辆实时的位置信息预测该车辆在经过预设的第一时间后的位置信息;
对于在行驶过程中没有预定行驶路径信息的车辆,获取该车辆该次行驶过程中的行驶轨迹信息以及该车辆的历史行驶数据;
根据所述历史行驶数据,确定最近的预设的第二时间内该车辆的多次行驶事件的行驶路径以及发生时间;
将该车辆的多次行驶事件的行驶路径进行相互匹配,并根据匹配结果基于每次行驶事件的发生时间,筛选出周期性发生的具有相同行驶路径的多次行驶事件,并将周期性发生的多次行驶事件按照对应的行驶轨迹进行归类,针对每一类行驶事件根据该类行驶事件的发生周期以及发生时间确定该类行驶事件发生的频率以及时段范围并将其作为判断标准;
将所述行驶轨迹信息与归类后的多类行驶事件对应的行驶轨迹进行一一匹配,确定行驶轨迹与所述行驶轨迹信息相似度最高的一类行驶事件以及对应的匹配度;
判断该次行驶所对应的发生时间是否符合该类行驶事件发生的判断标准,若相符合则将该类行驶事件对应的行驶轨迹作为该车辆该次行驶过程中的预定行驶路径信息;
若不符合则判断所述匹配度是否大于预设的匹配度阈值,若大于预设的匹配度阈值则同样将该类行驶事件的行驶轨迹作为该车辆该次行驶过程中的预定行驶路径信息;
根据所述预定行驶路径信息以及该车辆的行驶速度、该车辆实时的位置信息预测该车辆在经过预设的第一时间后的位置信息;
若不符合且所述匹配度小于所述匹配度阈值,则根据该车辆的行驶速度、该车辆实时的位置信息确定该车辆在是否会在经过预设的第一时间前经过一个交叉路口,若不经过交叉路口则预测该车辆在经过预设的第一时间后的位置信息,若经过交叉路口则不对该车辆进行预测分析;
将道路上所有车辆在经过预设的第一时间后的位置信息进行统计,得到道路上车辆的分布状态的第一预测结果。
5.根据权利要求3所述的一种基于车路协同的交叉口最优车速引导方法,其特征在于所述根据所述第一预测结果确定道路上各个障碍地点周围车辆的分布状态,并基于所述整合数据对道路上车辆的分布状态进行二次预测,得到第二预测结果包括:
根据所述第一预测结果确定某个障碍地点周围车辆的预测分布状况;
根据该障碍地点周围历史上的车辆路过时的行驶状态,确定经过该障碍地点的车辆在不同的车密集程度下速度减缓的平均持续时长,并求取多个车辆在速度减缓状态下的速度平均值;
根据所述预测分布状况,从而确定该障碍地点周围车辆的预测车辆密集程度,确定在该预测车辆密集程度下该障碍地点的车辆通行时的预测速度平均值以及速度减缓的预测平均持续时长;
根据所述整合数据,确定道路上多个障碍地点的分布状况,其中,所述障碍地点包括道路上的施工地点、道路上的异常障碍物所处地点;
将多个障碍地点对应的车辆通行时的速度平均值以及速度减缓的平均持续时长作为影响因素对第一预测结果进行调整,从而得到第二预测结果。
6.根据权利要求1所述的一种基于车路协同的交叉口最优车速引导方法,其特征在于,所述根据所述路况预测结果对将要通过交叉口的车辆提前进行最优车速分析并对车辆进行引导包括:
根据所述路况预测结果基于交叉路口信号灯的变化情况,预测某车辆按照当前的行驶速度到达下一个交叉路口时该路口各车道上车辆的分布状况以及信号灯的所处状态,并将其作为第三预测结果;
获取该车辆的预定行驶路径信息,根据所述预定行驶路径信息确定该车辆在下一个交叉路口时所需要选择的车道,并根据所述第三预测结果确定该车道对应的畅通时间段;
基于所述第三预测结果预测该车辆按照当前的行驶速度到达该车道时所排的通过该交叉路口的位次;
根据该交叉路口该车道多位次上的车辆历史上通过该交叉路口的平均所需时长确定能够在所述畅通时间段内通过该交叉路口的最高位次;
根据所述第三预测结果判断该车辆的位次是否小于该最高位次,若小于该最高位次则计算该车辆能够在不停留的状态下通过该路口所需要的最低平均行驶速度,当所述最低平均行驶速度低于预设的速度阈值时,按照所述最低平均行驶速度对该车辆进行加速引导。
7.根据权利要求1所述的一种基于车路协同的交叉口最优车速引导方法,其特征在于,还包括根据所述路况预测结果对车辆进行短距离最优路线规划引导,引导过程如下:
当某个车辆进入一个交叉路口选择车道前,根据该车辆的预定行驶路径信息确定该车辆在当前交叉路口所需要选择的第一车道,以及该第一车道上等候的车辆的第一排队长度;
根据所述第一排队长度,基于当前交叉路口该第一车道该第一排队长度上的车辆历史上通过该当前交叉路口的平均所需时长,预测该车辆通过该当前交叉路口的第一所需时长;
基于当前交叉路口信号灯的变化情况,确定该第一车道的第一剩余红灯时间;
将所述第一所需时长以及所述第一剩余红灯时间相加得到第一花费时间;
根据该车辆的平均行驶速度,基于当前交叉路口与下一个交叉路口之间的距离,计算出该车辆从当前交叉路口行驶到下一个交叉路口之间所需要花费的第二花费时间;
根据该车辆的预定行驶路径信息确定该车辆在下一个交叉路口时所需要选择的第二车道;
根据所述路况预测结果,确定该车辆到达该下一个交叉路口时该第二车道上等候的车辆的第二排队长度;
根据所述第二排队长度,基于该下一个交叉路口该第二车道该第二排队长度上的车辆历史上通过该下一个交叉路口的平均所需时长,预测该车辆通过该下一个交叉路口的第二所需时长;
基于该下一个交叉路口信号灯的变化情况,基于所述第一花费时间以及所述第二花费时间确定该车辆到达该下一个交叉路口时所述第二车道对应的信号灯状态,并确定第二剩余红灯时间;
将所述第二所需时长以及所述第二剩余红灯时间相加得到第三花费时间;
基于该车辆的平均行驶速度,计算该车辆在通过该下一个交叉路口后到达第二个交叉路口所需要花费的第四花费时间,并将所述第一花费时间、所述第二花费时间、所述第三花费时间以及所述第四花费时间相加得到第五花费时间;
根据所述预定行驶路径信息确定该车辆通过从当前交叉路口选择另一个路线到达第二个交叉路口的多种路线方案;
对于每一种路线方案,确定该路线方案从所述当前交叉路口到所述第二个交叉路口所需要通过的中间交叉路口的数量;
若数量大于一,则放弃该路线方案;
若数量等于一,则确定该路线方案在当前交叉路口所需要选择的第三车道,以及该第三车道上等候的车辆的第三排队长度;
根据所述第三排队长度,基于当前交叉路口该第三车道该第三排队长度上的车辆历史上通过当前交叉路口的平均所需时长,预测该车辆通过当前交叉路口的第三所需时长;
基于当前交叉路口信号灯的变化情况,确定该第三车道的第三剩余红灯时间;
将所述第三所需时长以及所述第三剩余红灯时间相加得到第六花费时间;
根据该车辆的平均行驶速度,基于当前交叉路口与该中间交叉路口之间的距离,计算出该车辆从当前交叉路口行驶到该中间交叉路口之间所需要花费的第七花费时间;
根据所述线路方案确定该车辆在中间交叉路口时所需要选择的第四车道;
根据所述路况预测结果,确定该车辆到达该中间交叉路口时该第四车道上等候的车辆的第四排队长度;
根据所述第四排队长度,基于该中间交叉路口该第四车道该第四排队长度上的车辆历史上通过该中间交叉路口的平均所需时长,预测该车辆通过该中间交叉路口的第四所需时长;
基于该中间交叉路口信号灯的变化情况,基于所述第六花费时间以及所述第七花费时间确定该车辆到达该中间交叉路口时所述第四车道对应的信号灯状态,并确定第四剩余红灯时间;
将所述第四所需时长以及所述第四剩余红灯时间相加得到第八花费时间;
基于该车辆的平均行驶速度,计算该车辆在通过该中间交叉路口后到达第二个交叉路口所需要花费的第九花费时间,并将所述第六花费时间、所述第七花费时间、所述第八花费时间以及所述第九花费时间相加得到第十花费时间;
选择第十花费时间最小的路线方案作为最优路线方案,并将该最优路线方案所对应的第十花费时间与所述第五花费时间求取差值,当所述差值小于预设的第一差值时,不对该车辆进行引导,当所述差值大于或等于该第一差值时,引导该车辆进入该最优路线方案所对应的路线。
8.根据权利要求1所述的一种基于车路协同的交叉口最优车速引导方法,其特征在于,还包括根据所述路况预测结果,确定将会与特种车辆相遇的多个车辆,并对该多个车辆进行紧急避让规划,规划过程如下:
获取执行任务的特种车辆的位置信息以及特种车辆的预定行驶路线;
根据所述特种车辆的平均行驶速度,预测该特种车辆在道路畅通的路况下在各个时间点的位置变化状况;
根据所述位置变化状况,基于所述预测结果确定将会与特种车辆相遇的多个车辆,对该多个车辆发出紧急避让指令;
当某个车辆在接收到所述紧急避让指令后,根据该车辆对应的预定行驶路径信息以及该车辆对应的当前位置信息,确定该车辆在正常行驶状态下与所述特种车辆的相遇位置;
根据所述路况预测结果,确定该特种车辆到达所述相遇位置时,该段道路上车辆的车辆密集程度;
若所述车辆密集程度小于预设的车辆密集程度阈值,则对该车辆发送靠边行驶指令;
若所述车辆密集程度大于预设的车辆密集程度阈值,则对将要到达该段道路上所有车辆进行减速引导,控制所有车辆分布均匀并靠边行驶。
9.一种基于车路协同的交叉口最优车速引导系统,其特征在于,包括:
整合数据获取模块,用于获取道路上的整合数据;
路况预测模块,用于根据所述整合数据对道路未来一段时间内的路况进行预测分析得到路况预测结果;
车辆引导模块,根据所述路况预测结果对将要通过交叉口的车辆提前进行最优车速分析并对车辆进行引导。
10.根据权利要求9所述的一种基于车路协同的交叉口最优车速引导系统,其特征在于,所述路况预测模块包括:
第一预测单元,用于根据所述整合数据对道路上车辆的分布状态进行预测,得到第一预测结果;
第二预测单元,用于根据所述第一预测结果确定道路上各个障碍地点周围的车辆的分布状态,并基于所述整合数据对道路上车辆的分布状态进行二次预测,得到第二预测结果并将所述第二预测结果作为路况预测结果。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111586325.9A CN114170804B (zh) | 2021-12-23 | 2021-12-23 | 一种基于车路协同的交叉口最优车速引导方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111586325.9A CN114170804B (zh) | 2021-12-23 | 2021-12-23 | 一种基于车路协同的交叉口最优车速引导方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114170804A true CN114170804A (zh) | 2022-03-11 |
CN114170804B CN114170804B (zh) | 2022-07-15 |
Family
ID=80488008
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111586325.9A Active CN114170804B (zh) | 2021-12-23 | 2021-12-23 | 一种基于车路协同的交叉口最优车速引导方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114170804B (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2006076484A (ja) * | 2004-09-10 | 2006-03-23 | Nsk Ltd | 電動パワーステアリング装置の制御装置 |
CN105160917A (zh) * | 2015-08-24 | 2015-12-16 | 武汉理工大学 | 基于车路协同的信号控制交叉口车速引导系统及方法 |
US20150360688A1 (en) * | 2013-02-01 | 2015-12-17 | Hitachi Automotive Systems, Ltd. | Travel Control Device and Travel Control System |
CN108765982A (zh) * | 2018-05-04 | 2018-11-06 | 东南大学 | 车路协同环境下信号控制交叉口车速引导系统及引导方法 |
CN110085037A (zh) * | 2019-03-25 | 2019-08-02 | 合肥工业大学 | 一种车路协同环境下交叉口信号控制及车速引导系统 |
CN114120666A (zh) * | 2021-10-26 | 2022-03-01 | 宁波大学 | 一种基于车路协同的智能车速诱导系统 |
-
2021
- 2021-12-23 CN CN202111586325.9A patent/CN114170804B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2006076484A (ja) * | 2004-09-10 | 2006-03-23 | Nsk Ltd | 電動パワーステアリング装置の制御装置 |
US20150360688A1 (en) * | 2013-02-01 | 2015-12-17 | Hitachi Automotive Systems, Ltd. | Travel Control Device and Travel Control System |
CN105160917A (zh) * | 2015-08-24 | 2015-12-16 | 武汉理工大学 | 基于车路协同的信号控制交叉口车速引导系统及方法 |
CN108765982A (zh) * | 2018-05-04 | 2018-11-06 | 东南大学 | 车路协同环境下信号控制交叉口车速引导系统及引导方法 |
CN110085037A (zh) * | 2019-03-25 | 2019-08-02 | 合肥工业大学 | 一种车路协同环境下交叉口信号控制及车速引导系统 |
CN114120666A (zh) * | 2021-10-26 | 2022-03-01 | 宁波大学 | 一种基于车路协同的智能车速诱导系统 |
Also Published As
Publication number | Publication date |
---|---|
CN114170804B (zh) | 2022-07-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104778834B (zh) | 一种基于车辆gps数据的城市道路交通拥堵判别方法 | |
CN107045783B (zh) | 一种基于约定出行的道路路网精准行车运行方法和系统 | |
CN101281685B (zh) | 区域混合交通自适应信号协调控制方法 | |
CN102254443B (zh) | 间歇式公交专用道控制系统 | |
Bell | Future directions in traffic signal control | |
CN108986509B (zh) | 一种基于车路协同的城市区域路径实时规划方法 | |
CN1936999A (zh) | 一种基于无线传感器网络的城市区域交通协同控制方法 | |
TWI754405B (zh) | 新世代雙向互動交控管理系統 | |
CN101710449A (zh) | 基于公交车gps数据的交通流运行状态识别方法 | |
CN112767683B (zh) | 一种基于反馈机制的路径诱导方法 | |
CN111340289A (zh) | 一种基于遗传算法的公交发车与车速调整优化方法及系统 | |
CN101419750A (zh) | 控制路口交通状态检测和评价系统及其实现方法与应用 | |
CN111768639A (zh) | 一种网联交通环境下的多交叉口信号配时系统及其方法 | |
CN103236164A (zh) | 一种保障公交车辆优先通行的车辆调控方法 | |
US20240046787A1 (en) | Method And System For Traffic Clearance At Signalized Intersections Based On Lidar And Trajectory Prediction | |
CN112885089B (zh) | 一种基于多维指标的干线绿波智能诊断方法 | |
CN105654720A (zh) | 基于城市道路拥堵识别的检测器布设方法 | |
CN102063791B (zh) | 一种信号控制与定位监控相结合的公交车辆行车控制方法 | |
CN114241762A (zh) | 一种基于物联网的智慧城市交通综合数据采集分析系统 | |
CN114708741A (zh) | 一种基于v2x技术的多相位公交优先控制方法 | |
CN105741585A (zh) | 面向节油的基于车联网的车辆轨迹平滑控制方法 | |
Rakha et al. | Traffic signal control enhancements under vehicle infrastructure integration systems. | |
Skabardonis | Traffic management strategies for urban networks: smart city mobility technologies | |
CN114170804B (zh) | 一种基于车路协同的交叉口最优车速引导方法及系统 | |
CN113658429B (zh) | 一种公交廊道的协同调度方法及相关装置 |
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 |