CN114999207B - 一种智能网联环境下的公交车生态迫近引导方法 - Google Patents

一种智能网联环境下的公交车生态迫近引导方法 Download PDF

Info

Publication number
CN114999207B
CN114999207B CN202210592220.2A CN202210592220A CN114999207B CN 114999207 B CN114999207 B CN 114999207B CN 202210592220 A CN202210592220 A CN 202210592220A CN 114999207 B CN114999207 B CN 114999207B
Authority
CN
China
Prior art keywords
bus
time
ecological
station
formula
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.)
Active
Application number
CN202210592220.2A
Other languages
English (en)
Other versions
CN114999207A (zh
Inventor
李欣
徐伟汉
王天奇
袁昀
胡笳
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.)
Chongqing Eryu Technology Co ltd
Dalian Maritime University
Original Assignee
Chongqing Eryu Technology Co ltd
Dalian Maritime University
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 Chongqing Eryu Technology Co ltd, Dalian Maritime University filed Critical Chongqing Eryu Technology Co ltd
Priority to CN202210592220.2A priority Critical patent/CN114999207B/zh
Publication of CN114999207A publication Critical patent/CN114999207A/zh
Application granted granted Critical
Publication of CN114999207B publication Critical patent/CN114999207B/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
    • G08G1/123—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
    • 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"
    • G06Q50/40—
    • 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
    • G08G1/09—Arrangements for giving variable traffic instructions
    • 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

本发明公开了一种智能网联环境下的公交车生态迫近引导方法，包括：S1：建立三方通讯机制；S2：根据所述三方通讯信息，建立生态速度曲线；S3：判断当前路段公交车辆下游是否有公交车站；S4：若没有公交车站时，则根据由信号灯相位配时约束进行约束的生态速度曲线引导公交车辆行驶；S5：若有公交车站时，则当公交车辆到达公交车站完成服务时，根据由公交驻站时间约束进行约束的生态速度曲线引导公交车辆行驶。本发明的方法根据生态速度曲线对公交车辆进行生态迫近引导；解决了公交行驶过程中的高能耗驾驶行为，有效提升系统能源使用效率。同时解决现有面向社会车辆的生态迫近方法难以直接应用于公交系统的问题。

Description

一种智能网联环境下的公交车生态迫近引导方法
技术领域
本发明涉及信息节能技术与节能服务领域，尤其涉及一种智能网联环境下的公交车生态迫近引导方法。
背景技术
目前，城市交通面临的能源消耗和污染物排放问题日益严重，而公交车辆作为重要的公共交通主体，其绿色化和生态化多从清洁能源开发和生态驾驶技术两个方向出发。但是由于公交运营过程中涉及到社会服务带来的频繁加减速和怠速等待，严重限制了能源使用效率和公交运营效率，且清洁能源的开发也同样面临着能源消耗的问题。在智能网联环境下，公交系统固定基础设施能够与车辆实现更稳定的通讯机制，为信息采集和车辆驾驶引导提供了基础技术支撑。因此，实现公交车辆的生态驾驶是解决环境问题的主要抓手。通过采集实时道路条件信息和交通状态信息，根据信号配时为公交提供实时生态速度曲线引导和驻站时间引导，从而避免公交车辆由于红灯在交叉口处的停车等待，在保证公交运营稳定性的前提下实现公交系统的节能减排。
但是难以将传统社会车辆的生态驾驶技术将其直接应用到公交系统当中，主要存在以下问题：
1、现有的生态驾驶技术研究对象多为社会车辆，缺乏对公交车站在车辆行驶过程的复杂影响的探究，难以直接将其应用于公交系统，甚至会增加公交车辆的加减速行为；
2、通过增加公交车辆的停站时间能够将交叉口处的停车等待时间转移至公交车站，从而减少公交车辆的停车次数和急加速、急减速行为，现有的生态驾驶技术多基于下游交叉口信号配时做出速度决策，忽略了公交车站处的驻站策略在实现生态驾驶方面的可能性；
3、现有生态驾驶技术多控制车辆以相对较低的行驶速度通过交叉口，不仅会降低运营效率，而且将其直接应用于公交系统还会导致公交车辆集束问题，即公交车辆在某个站点处大量聚集，而其他站点公交服务等待时间过长，这将导致公交服务质量的下降。
因此，亟需提供一种考虑信号配时的生态迫近引导方法，在保证公交运营稳定性的前提下实现系统节能减排的目标。
发明内容
本发明提供一种智能网联环境下的公交车生态迫近引导方法，以克服上述技术问题。
为了实现上述目的，本发明的技术方案是：
一种智能网联环境下的公交车生态迫近引导方法，包括如下步骤：
S1：建立公交车站、信号灯和公交车辆的三方通讯机制，以实时采集三方通讯信息；
所述三方通讯信息包括：信号灯相位配时、公交行车时刻表、驻站时间、所述公交车辆的上游公交车辆的位置、所述公交车辆的下游公交车辆的位置、路段长度信息；
所述路段长度信息包括公交车站与下游信号灯之间的路段长度、上游信号灯到公交车站之间的路段长度和两个相邻信号灯之间的路段长度；
S2：根据所述三方通讯信息，建立生态速度曲线；
S3：判断当前路段公交车辆下游是否有公交车站，以确定引导公交车辆行驶的方式；
S4：若当前路段公交车辆下游没有公交车站时，则公交车辆根据由信号灯相位配时约束进行约束的生态速度曲线引导公交车辆行驶；
S5：若所述公交车辆下游有公交车站时，则当公交车辆到达公交车站完成服务时，公交车辆根据由公交驻站时间约束进行约束的生态速度曲线引导公交车辆行驶。
进一步的，所述生态速度曲线的函数为：
Figure BDA0003665860740000031
式中，J为优化目标函数，t0为初始时刻，ts为到达公交车站的时刻；n为公交车辆的编号，vn(t)表示t时刻公交车辆n的行驶速度，un(t)为系统控制变量，具体为t时刻公交车辆n的行驶加速度；ω1为能源消耗的权重，ω2为加速度波动的权重，Δun(t)表示公交车辆n的加速度的波动，
Figure BDA0003665860740000032
为公交车辆n在t时刻的能源消耗率；
Figure BDA0003665860740000033
式中，α0表示公交车辆在公交车辆在怠速状态下的能源消耗系数，α1表示公交车辆在巡航状态下的能源消耗系数，α2表示公交车辆在加速状态下的能源消耗系数；g为重力加速度，M为公交车总质量，G为道路坡度；b1表示公交车辆在怠速状态下的阻力；b2表示公交车辆在巡航状态下的阻力。
进一步的，所述生态速度曲线的函数需要满足的条件有物理约束条件和跟车距离约束条件；
所述物理约束条件为：
Figure BDA0003665860740000034
式中，vmax为公交车辆最大行驶速度；
vmax＝min{veco，vlim}  (4)
式中，vlim为道路限制速度，veco为以能源消耗最小为目标的生态巡航速度；
Figure BDA0003665860740000035
      
Figure BDA0003665860740000041
式中，
Figure BDA0003665860740000042
为公交车辆在t时刻的巡航能耗；D为路段长度；
Figure BDA0003665860740000043
Figure BDA0003665860740000044
Figure BDA0003665860740000045
式中，umin公交车辆行驶的最小加速度；umax为公交车辆行驶的最大加速度；kn(t)为公交车辆的跃度；kmin跃度的最小值；kmax为跃度的最大值；
所述跟车距离约束条件如下：
Figure BDA0003665860740000046
Figure BDA0003665860740000047
式中，xn-1(t)表示t时刻所述公交车辆的下游公交车辆的位置，xn+1(t)表示t时刻所述公交车辆的上游公交车辆的位置；τmin为跟车过程中的时间；dmin为跟车过程中的位置偏移量；xn(t+τmin)表示t+τmin时刻公交车辆n的位置；xn(t-τmin)表示t-τmin时刻公交车辆n的位置。
进一步的，所述S4中的信号灯相位配时约束如下：
Figure BDA0003665860740000048
式中，ts为公交车辆到达交叉口的时间；td为结束公交服务后在公交车站处的离站时间；tr为剩余绿灯时间；TR为一个周期内的红灯时间；T为信号灯整个周期的时间；tg为剩余红灯时间；TG一个周期内的绿灯时间。
进一步的，所述S5中，公交驻站时间约束条件如下：
Figure BDA0003665860740000049
式中，td,e为避免公交车辆在交叉口处的停车等待而引入驻站时间后的离站时间；Ti,n为在公交车站i处公交车辆规划的离站时间；
Figure BDA0003665860740000051
为在当前信号灯为绿灯时的驻站时间；
Figure BDA0003665860740000052
为在当前信号灯为红灯时的驻站时间；
Figure BDA0003665860740000053
Figure BDA0003665860740000054
tmin＝(xs-xd)/vmax  (15)
tmax＝(xs-xd)/vcr  (16)
式中，tmin为公交车辆从公交车站出发以最大速度行驶至交叉口的时间；tmax为从公交车站出发以爬行速度行驶至交叉口的时间；vmax为公交车辆最大行驶速度；vcr为公交车辆爬行速度；xs为公交车站的位置；xd为下游交叉口的位置。
进一步的，所述步骤S5前还包括根据车头时距约束判断公交车辆是否能够稳定运营：
若所述公交车辆能够稳定运营，则根据公交驻站时间约束引导公交车辆行驶；
若公交车辆不能够稳定运营，则根据车头时距约束引导公交车辆行驶。
进一步的，所述车头时距约束条件为：
Figure BDA0003665860740000055
td＝min(td，e，td，s)  (17)
式中，td,s为考虑公交运营稳定性的公交车辆离站时间；Ai,n为公交车辆n到达站点i的时间；Ai,n-1为公交车辆n-1到达站点i的时间；TTi,i-1为公交车辆在公交车站i与i+1间的行驶时间；Ai-1,n+1+TTi,i-1-Ai,n表示公交车辆n与公交车辆的上游公交车辆间的车头时距；Ai,n-Ai,n-1表示公交车辆n与公交车辆的下游公交车辆间的车头时距。
有益效果：本发明的一种智能网联环境下的公交车生态迫近引导方法，该方法在遵循公交行车时刻表和路段长度信息的同时，根据生态速度曲线对公交车辆进行生态迫近引导；同时提出公交驻站时间约束生态速度曲线来实现生态迫近引导方法，在保证目标公交车辆与公交车辆的下游公交车辆和公交车辆的上游公交车辆的车头时距稳定的前提下，通过延长公交车辆在站点处的停车时间避免由于遇到红灯而在交叉口产生的停车等待，解决现有面向社会车辆的生态迫近难以直接应用于公交系统的问题。本发明充分考虑公交系统节能减排和运营稳定性两方面需求，基于生态速度曲线引导实现生态迫近引导，既通过速度优化实现了避免公交车辆在交叉口处不必要的停车等待和加减速行为，又结合公交驻站时间约束提高运营效率并保证车头时距稳定，所给出的生态速度曲线解决了公交行驶过程中的高能耗驾驶行为，能够有效提升系统能源使用效率。
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附图作一简单地介绍，显而易见地，下面描述中的附图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性的前提下，还可以根据这些附图获得其他的附图。
图1为本发明的公交车生态迫近引导方法流程图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，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，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
本实施例提供了一种智能网联环境下的公交车生态迫近引导方法，如图1所示，包括如下步骤：
S1：建立公交车站、信号灯和公交车辆的三方通讯机制，以实时采集三方通讯信息；
本实施例中的三方通讯机制即公交车站、信号灯和公交车辆三者之间的数据通讯技术，为对现有技术的使用，这里不进行详细描述。
优选地，所述三方通讯信息包括：公交车站与信号灯间共享信号灯相位配时、公交行车时刻表、公交车站向所述公交车辆传递的驻站时间、所述公所述公交车辆的上游公交车辆的位置、所述公交车辆的下游公交车辆的位置、路段长度信息；
具体的，本实施例中，所述公交车辆的上游公交车辆即所述公交车辆行驶方向的后方的公交车辆；所述公交车辆的下游公交车辆即所述公交车辆行驶方向的前方的公交车辆；
所述路段长度信息包括公交车站与下游信号灯之间的路段长度、上游信号灯到公交车站之间的路段长度和两个相邻信号灯之间的路段长度；
具体的，本实施例中的上游信号灯为所述公交车辆行驶方向上游的信号灯；下游信号灯为所述公交车辆下游的信号灯；
S2：根据所述三方通讯信息，建立生态速度曲线；
优选的，所述生态速度曲线函数为：
Figure BDA0003665860740000071
式中，J为优化目标函数，t0为初始时刻，ts为到达公交车站的时刻；n为公交车辆的编号，vn(t)表示t时刻公交车辆n的行驶速度，un(t)为系统控制变量，具体为t时刻公交车辆n的行驶加速度；ω1为能源消耗的权重，ω2为加速度波动的权重，Δun(t)表示公交车辆n的加速度的波动，
Figure BDA0003665860740000072
为公交车辆n在t时刻的能源消耗率；
Figure BDA0003665860740000081
式中，α0表示公交车辆在公交车辆在怠速状态下的能源消耗系数，α1表示公交车辆在巡航状态下的能源消耗系数，α2表示公交车辆在加速状态下的能源消耗系数；g为重力加速度，M为公交车总质量，G为道路坡度；b1表示公交车辆在怠速状态下的阻力；b2表示公交车辆在巡航状态下的阻力；
所述生态速度曲线函数需要满足的条件有括物理约束条件和跟车距离约束条件；
所述物理约束条件为：
Figure BDA0003665860740000082
式中，vmax为公交车辆最大行驶速度；
vmax＝min{veco，vlim}  (4)
式中，vlim为道路限制速度，veco为以能源消耗最小为目标的生态巡航速度，具体表示为：
Figure BDA0003665860740000083
式中，
Figure BDA0003665860740000084
为公交车辆在t时刻的巡航能耗；D为路段长度，路段具体包括从公交车站到下游交叉口、从上游交叉口到公交车站、两相邻交叉口之间，三种情况。
将生态巡航速度具体表示为：
Figure BDA0003665860740000085
Figure BDA0003665860740000086
Figure BDA0003665860740000087
式中，umin公交车辆行驶的最小加速度；umax为公交车辆行驶的最大加速度；kn(t)为公交车辆的跃度，即加速度的变化律；kmin跃度的最小值；kmax为跃度的最大值；
所述跟车距离约束条件如下：
Figure BDA0003665860740000091
Figure BDA0003665860740000092
式中，xn-1(t)表示t时刻所述公交车辆的下游公交车辆的位置，xn+1(t)表示t时刻所述公交车辆的上游公交车辆的位置；τmin为跟车过程中的时间；dmin为跟车过程中的位置偏移量；通过考虑所述公交车辆与公交车辆的上游公交车辆和公交车辆的下游公交车辆的相对位置关系保证公交行驶安全性；xn(t+τmin)表示t+τmin时刻公交车辆n的位置；xn(t-τmin)表示t-τmin时刻公交车辆n的位置；
S3：判断当前路段公交车辆下游是否有公交车站，以确定引导公交车辆行驶的方式；具体的，在本实施例中，根据三方通讯信息判断当前路段公交车下游是否有公交车站所用的方法是已有技术的利用，因此不进行展开说明。
S4：若当前路段公交车辆下游没有公交车站时，则公交车辆根据由信号灯相位配时约束进行约束的生态速度曲线引导公交车辆行驶；
具体的，所述S4中，公交车辆根据信号灯相位配时约束的生态速度曲线引导公交车辆行驶的方法如下：
若公交车辆下游的信号灯当前为红灯，则公交车辆其按照爬行速度行驶，以使得公交车辆到达公交车辆下游的信号灯的交叉路口时，公交车辆下游的信号灯为绿灯；
若公交车辆下游的信号灯当前为绿灯，且剩余绿灯时间能够使得公交车辆以最大速度通过公交车辆下游的交叉路口时，则公交车辆以最大速度行驶至公交车辆下游的信号灯的交叉路口；
若公交车辆下游的信号灯当前为绿灯，且剩余绿灯时间不能够使得公交车辆以最大速度通过公交车辆下游的交叉路口时，则公交车辆以爬行速度行驶，以使得公交车辆在公交车辆下游的信号灯的下一个绿灯时间通过交叉路口。具体的，本实施例中的爬行速度、最大速度均为公交车辆自身的参数，根据每个公交车辆的不同有所差别，这里不进行详细介绍。
所述信号灯相位配时约束如下：
Figure BDA0003665860740000101
式中，ts为公交车辆到达交叉口的时间；td为结束公交服务后在公交车站处的离站时间；tr为剩余绿灯时间；TR为一个周期内的红灯时间；T为信号灯整个周期的时间；tg为剩余红灯时间；TG一个周期内的绿灯时间；
S5：若所述公交车辆下游有公交车站时，则当公交车辆到达公交车站完成服务时，公交车辆根据公交驻站时间约束生态速度曲线引导公交车辆行驶。
根据公交驻站时间约束引导公交车辆行驶的方法如下；
若公交车辆上游信号灯为当前为红灯，且剩余红灯时间能使得公交车辆以爬行速度行驶至交叉口时，则公交车辆离开公交车站，以爬行速度行驶；否则公交车辆滞站等待，直至公交车辆能够在下一个绿灯时间通过交叉口；
若公交车辆上游信号灯为当前为绿灯，且剩余绿灯时间能够使得公交车辆以最大速度通过交叉口，则公交车辆以最大速度行驶；否则公交车辆滞站等待，直至直至公交车辆能够在下一个绿灯时间通过交叉口；
当公交车辆无法避免在信号灯前的停车等待时，在公交车站引入驻站时间约束，通过延长公交车辆在站点的等待时间减少总停车次数，从而实现节能减排的目标。
所述公交驻站时间约束条件如下：
Figure BDA0003665860740000102
式中，td,e为避免公交车辆在交叉口处的停车等待而引入驻站时间后的离站时间，即为考虑公交车辆生态迫近特性的离站时间；Ti,n为在公交车站i处公交车辆规划的离站时间；
Figure BDA0003665860740000111
为在当前信号灯为绿灯时的驻站时间；
Figure BDA0003665860740000112
为在当前信号灯为红灯时的驻站时间，具体表示为；
Figure BDA0003665860740000113
Figure BDA0003665860740000114
tmin＝(xs-xd)/vmax  (15)
tmax＝(xs-xd)/vcr  (16)
式中，tmin为公交车辆从公交车站出发以最大速度行驶至交叉口的时间；tmax为从公交车站出发以爬行速度行驶至交叉口的时间；vmax为公交车辆最大行驶速度；vcr为公交车辆爬行速度，具体为5-10m/s；xs为公交车站的位置；xd为下游交叉口的位置；
优选的，所述步骤S4前还包括根据车头时距约束判断公交车辆是否能够稳定运营：在本实施例中的公交车辆稳定运营是指相邻两辆公交车辆之间的车头时距保持相同，其中，相邻两辆公交车辆之间的车头时距保持相同即相邻两辆公交车辆的车头端部通过某一断面的时间间隔保持相同。
若所述公交车辆能够稳定运营，则根据公交驻站时间约束引导公交车辆行驶；
若公交车辆不能够稳定运营，则根据车头时距约束引导公交车辆行驶。
由于调整公交车辆离站时间容易导致该公交线路上的公交集束问题，会降低公交运营效率和服务质量，因此引入相邻公交车辆的车头时距约束避免该问题，具体表示为：
所述车头时距约束条件为：
Figure BDA0003665860740000115
    
Figure BDA0003665860740000121
td＝min(td,e,td,s)  (17)
式中，td,s为考虑公交运营稳定性的公交车辆离站时间；Ai,n为公交车辆n到达站点i的时间；Ai,n-1为公交车辆n-1到达站点i的时间；TTi,i-1为公交车辆在公交车站i与i+1间的行驶时间；Ai-1,n+1+TTi,i-1-Ai,n表示公交车辆n与公交车辆的上游公交车辆间的车头时距；Ai,n-Ai,n-1表示公交车辆n与公交车辆的下游公交车辆间的车头时距；
式(17)表示以公交运营稳定性为前提，当公交车辆能够在保证车头时距稳定的同时能够实现基于驻站策略的生态迫近，则选择考虑驻站时间的离站时间，否则优先选择考虑公交运营稳定的离站时间。
本发明的一个实施例中，三方通讯机制即智能网联环境下的公交车生态迫近引导方法以基于逻辑规则的广义最小残差法进行求解，具体如下：
基于实时交通状态和信号灯相位配时信息，根据式(10)～(15)能够保证目标公交车辆避开红灯的驻站时间和在绿灯时间内通过交叉口的到达时间范围；
基于目标公交线路上目标车辆与公交车辆的上游公交车辆和公交车辆的下游公交车辆的相对位置，根据式(17)确定目标公交车辆保证运营稳定性的驻站时间和离站时间范围，并根据式(17)确定目标公交车辆最终在各站点的离站时间；
根据式(5)和(6)计算各路段上的生态巡航速度，基于三方通讯信息，以最小化能源消耗和加速度波动为目标，采用广义最小残差法求解目标公交车辆的生态速度曲线；
根据所述生态速度曲线，通过比较式(1)计算得到的总成本，确定总成本最小的最优生态速度曲线，将其作为公交车辆的速度引导方案，实现生态迫近引导。
本实施例中提供的方法能够结合公交运营特性实现公交车辆的生态迫近，考虑公交车站对车辆行驶的复杂影响，通过提出减少速度波动、避免在交叉口处的停车等待、延长驻站时间等生态迫近方法，在满足公交运营稳定性的前提下，考虑实时交通状态和信号配时信息，得到最小化能源消耗的生态速度曲线，实现公交运营策略和生态迫近的有效结合，充分反映公交实际运营中运营效率和节能减排的双重需求。同时由于所采用的求解方法为基于逻辑判断的解析法，无需多次迭代求得最优解，因此求解效率和质量更高。
综上所述，本发明实例提供的智能网联环境下的公交车生态迫近引导方法，具有以下优势：
1、在生态迫近方法中融合公交服务特征，通过建立公交车站、信号灯、公交车辆的三方通讯机制，完成实时信息采集和公交车辆驾驶引导，在实现节能减排目标的基础上保证公交系统运营效率和稳定性，提出了一种基于信号灯相位配时约束的生态迫近技术新框架；
2、考虑公交车站和交叉口对车辆行驶的中断影响，提出公交驻站时间约束，在实现节能减排和公交运营稳定性的可能性，通过延长公交停站时间避免公交车辆在交叉口处不必要的停车等待以减少总能源消耗和排放，建立了一种基于公交驻站时间约束的新型公交生态迫近引导方法；
3、为面向实时驾驶引导需求提高求解效率和质量，约束生态速度曲线，与传统生态迫近引导方法对比在多种应用场景下能够实现30％以上的节能减排效果；对硬件配置要求较低且具有较高求解效率，在测试公交线网规模更大的场景后可以发现，公交车站数量的增加能够实现更好的节能减排效果，优化空间更大。
最后应说明的是：以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。

Claims (4)

1.一种智能网联环境下的公交车生态迫近引导方法，其特征在于，包括如下步骤：
S1：建立公交车站、信号灯和公交车辆的三方通讯机制，以实时采集三方通讯信息；
所述三方通讯信息包括：信号灯相位配时、公交行车时刻表、驻站时间、所述公交车辆的上游公交车辆的位置、所述公交车辆的下游公交车辆的位置、路段长度信息；
所述路段长度信息包括公交车站与下游信号灯之间的路段长度、上游信号灯到公交车站之间的路段长度和两个相邻信号灯之间的路段长度；
S2：根据所述三方通讯信息，建立生态速度曲线；
所述生态速度曲线的函数为：
Figure FDA0004030248300000011
式中，J为优化目标函数，t0为初始时刻，ts为到达公交车站的时刻；n为公交车辆的编号，vn(t)表示t时刻公交车辆n的行驶速度，un(t)为系统控制变量，具体为t时刻公交车辆n的行驶加速度；ω1为能源消耗的权重，ω2为加速度波动的权重，Δun(t)表示公交车辆n的加速度的波动，
Figure FDA0004030248300000012
为公交车辆n在t时刻的能源消耗率；
Figure FDA0004030248300000013
式中，α0表示公交车辆在公交车辆在怠速状态下的能源消耗系数，α1表示公交车辆在巡航状态下的能源消耗系数，α2表示公交车辆在加速状态下的能源消耗系数；g为重力加速度，M为公交车总质量，G为道路坡度；b1表示公交车辆在怠速状态下的阻力；b2表示公交车辆在巡航状态下的阻力；
S3：判断当前路段公交车辆下游是否有公交车站，以确定引导公交车辆行驶的方式；
S4：若当前路段公交车辆下游没有公交车站时，则公交车辆根据由信号灯相位配时约束进行约束的生态速度曲线引导公交车辆行驶；
所述信号灯相位配时约束为：
Figure FDA0004030248300000021
式中，ts为公交车辆到达交叉口的时间；td为结束公交服务后在公交车站处的离站时间；tr为剩余绿灯时间；TR为一个周期内的红灯时间；T为信号灯整个周期的时间；tg为剩余红灯时间；TG一个周期内的绿灯时间；
S5：若所述公交车辆下游有公交车站时，则当公交车辆到达公交车站完成服务时，公交车辆根据由公交驻站时间约束进行约束的生态速度曲线引导公交车辆行驶；
公交驻站时间约束条件如下：
Figure FDA0004030248300000022
式中，td，e为避免公交车辆在交叉口处的停车等待而引入驻站时间后的离站时间；Ti，n为在公交车站i处公交车辆规划的离站时间；
Figure FDA0004030248300000023
为在当前信号灯为绿灯时的驻站时间；
Figure FDA0004030248300000024
为在当前信号灯为红灯时的驻站时间；
Figure FDA0004030248300000025
Figure FDA0004030248300000026
tmin＝(xs-xd)/vmax   (15)
tmax＝(xs-xd)/vcr   (16)
式中，tmin为公交车辆从公交车站出发以最大速度行驶至交叉口的时间；tmax为从公交车站出发以爬行速度行驶至交叉口的时间；vmax为公交车辆最大行驶速度；vcr为公交车辆爬行速度；xs为公交车站的位置；xd为下游交叉口的位置。
2.根据权利要求1所述的一种智能网联环境下的公交车生态迫近引导方法，其特征在于，所述生态速度曲线的函数需要满足的条件有物理约束条件和跟车距离约束条件；
所述物理约束条件为：
Figure FDA0004030248300000031
式中，vmax为公交车辆最大行驶速度；
vmax＝min{veco，vlim}   (4)
式中，vlim为道路限制速度，veco为以能源消耗最小为目标的生态巡航速度；
Figure FDA0004030248300000032
式中，
Figure FDA0004030248300000033
为公交车辆在t时刻的巡航能耗；D为路段长度；
Figure FDA0004030248300000034
Figure FDA0004030248300000035
Figure FDA0004030248300000036
式中，umin公交车辆行驶的最小加速度；umax为公交车辆行驶的最大加速度；kn(t)为公交车辆的跃度；kmin跃度的最小值；kmax为跃度的最大值；
所述跟车距离约束条件如下：
Figure FDA0004030248300000037
Figure FDA0004030248300000041
式中，xn-1(t)表示t时刻所述公交车辆的下游公交车辆的位置，xn+1(t)表示t时刻所述公交车辆的上游公交车辆的位置；τmin为跟车过程中的时间；dmin为跟车过程中的位置偏移量；xn(t+τmin)表示t+τmin时刻公交车辆n的位置；xn(t-τmin)表示t-τmin时刻公交车辆n的位置。
3.根据权利要求1所述的一种智能网联环境下的公交车生态迫近引导方法，其特征在于，
所述步骤S5前还包括根据车头时距约束判断公交车辆是否能够稳定运营：
若所述公交车辆能够稳定运营，则根据公交驻站时间约束引导公交车辆行驶；
若公交车辆不能够稳定运营，则根据车头时距约束引导公交车辆行驶。
4.根据权利要求3所述的一种智能网联环境下的公交车生态迫近引导方法，其特征在于，
所述车头时距约束条件为：
Figure FDA0004030248300000042
td＝min(td，e，td，s)   (17)
式中，td，s为考虑公交运营稳定性的公交车辆离站时间；Ai，n为公交车辆n到达站点i的时间；Ai，n-1为公交车辆n-1到达站点i的时间；TTi，i-1为公交车辆在公交车站i与i+1间的行驶时间；Ai-1，n+1+TTi，i-1-Ai，n表示公交车辆n与公交车辆的上游公交车辆间的车头时距；Ai，n-Ai，n-1表示公交车辆n与公交车辆的下游公交车辆间的车头时距。
CN202210592220.2A 2022-05-27 2022-05-27 一种智能网联环境下的公交车生态迫近引导方法 Active CN114999207B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210592220.2A CN114999207B (zh) 2022-05-27 2022-05-27 一种智能网联环境下的公交车生态迫近引导方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210592220.2A CN114999207B (zh) 2022-05-27 2022-05-27 一种智能网联环境下的公交车生态迫近引导方法

Publications (2)

Publication Number Publication Date
CN114999207A CN114999207A (zh) 2022-09-02
CN114999207B true CN114999207B (zh) 2023-04-07

Family

ID=83029625

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210592220.2A Active CN114999207B (zh) 2022-05-27 2022-05-27 一种智能网联环境下的公交车生态迫近引导方法

Country Status (1)

Country Link
CN (1) CN114999207B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115455795B (zh) * 2022-09-19 2023-04-07 大连海事大学 一种考虑运营稳定性的公交车生态驾驶诱导方法
CN116704775B (zh) * 2023-06-27 2024-01-30 大连海事大学 一种考虑智能网联公交车的混合交通流通行能力计算方法

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2008046998A (ja) * 2006-08-19 2008-02-28 Masahiro Watanabe 路線バス運行管理方法
JP4222624B1 (ja) * 2008-05-15 2009-02-12 雅弘 渡邉 路線バス運行管理システム
CN104778851B (zh) * 2015-02-16 2017-05-03 北京交通大学 一种基于行驶轨迹的生态驾驶优化方法和系统
CN110782694B (zh) * 2019-10-31 2021-10-08 同济大学 一种网联公交车到站停靠管理优化方法
CN113112849B (zh) * 2021-03-25 2021-12-17 大连海事大学 一种基于生态环保驾驶的需求响应公交调度方法

Also Published As

Publication number Publication date
CN114999207A (zh) 2022-09-02

Similar Documents

Publication Publication Date Title
CN114999207B (zh) 一种智能网联环境下的公交车生态迫近引导方法
CN106448194B (zh) 交叉路口交通信号和车辆协同控制方法及装置、车辆
Ma et al. A partition-enabled multi-mode band approach to arterial traffic signal optimization
CN103503044B (zh) 行驶支援装置
CN110910662B (zh) 车路协同环境下单点自适应交通信号优化控制方法
CN108447282B (zh) 一种基于车路协同的公交实时调度与优先控制方法
CN110782079B (zh) 基于停站方案节能的高速铁路列车运行图的调整方法
CN109447340B (zh) 一种可靠性最短路的定制公交线路优化方法
CN106781551A (zh) 车联网环境下的高速公路出入口匝道联合控制系统及方法
CN113409599B (zh) 一种基于信息预测的城市公交优先协调控制方法
CN109215357B (zh) 基于速度检测的交叉口公交插队优先控制方法
CN107016858A (zh) 一种交叉口多流向候驶区和错位式停车线的预信号控制方法
CN103295405A (zh) 一种基于公交专用候驶区的交叉口公交优先通行控制方法
CN112767715B (zh) 一种交叉路口交通信号灯与智能网联汽车的协同控制方法
CN113257007B (zh) 交叉口共享自动驾驶车道的信号控制方法及系统
CN111932916A (zh) 一种城市道路动态应急车道的控制方法及控制系统
CN111477021B (zh) 车辆优先引导方法及优先引导系统
CN114155724B (zh) 一种车联网环境下的交叉口交通信号控制方法
CN113506442B (zh) 一种基于预期收益估计的城市路网交通信号灯控制方法
CN109979186B (zh) 一种基于gps系统的公交车停靠泊位实时分配方法
CN105741585B (zh) 面向节油的基于车联网的车辆轨迹平滑控制方法
CN112687115B (zh) 一种自动驾驶行人接驳车行驶路径与路段过街控制方法
Liu et al. Modelling and simulation of cooperative control for bus rapid transit vehicle platoon in a connected vehicle environment
CN106887148B (zh) 一种引导车辆行驶的方法及装置
CN117133119A (zh) 基于时间预测的无专用道公交车辆优先行驶控制方法

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