CN115455795B - 一种考虑运营稳定性的公交车生态驾驶诱导方法 - Google Patents

一种考虑运营稳定性的公交车生态驾驶诱导方法 Download PDF

Info

Publication number
CN115455795B
CN115455795B CN202211138935.7A CN202211138935A CN115455795B CN 115455795 B CN115455795 B CN 115455795B CN 202211138935 A CN202211138935 A CN 202211138935A CN 115455795 B CN115455795 B CN 115455795B
Authority
CN
China
Prior art keywords
bus
time
intersection
ecological
station
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
CN202211138935.7A
Other languages
English (en)
Other versions
CN115455795A (zh
Inventor
袁昀
王天奇
李欣
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.)
Dalian Maritime University
Original Assignee
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 Dalian Maritime University filed Critical Dalian Maritime University
Priority to CN202211138935.7A priority Critical patent/CN115455795B/zh
Publication of CN115455795A publication Critical patent/CN115455795A/zh
Application granted granted Critical
Publication of CN115455795B publication Critical patent/CN115455795B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • G06F30/25—Design optimisation, verification or simulation using particle-based methods
    • 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—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/40—Business processes related to the transportation industry
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2111/00—Details relating to CAD techniques
    • G06F2111/04—Constraint-based CAD
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
    • G06F2119/12—Timing analysis or timing optimisation
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Strategic Management (AREA)
  • General Physics & Mathematics (AREA)
  • Human Resources & Organizations (AREA)
  • Economics (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Marketing (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Game Theory and Decision Science (AREA)
  • Development Economics (AREA)
  • Computer Hardware Design (AREA)
  • Evolutionary Computation (AREA)
  • Geometry (AREA)
  • General Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Traffic Control Systems (AREA)

Abstract

一种考虑运营稳定性的公交车生态驾驶诱导方法，包括：S1：获取公交站点位置和交叉口位置及公交站点与下游交叉口距离；S2：以最小化系统总能源消耗和车头时距波动为目标建立公交车行车时刻表低碳优化模型；S3：以最小化各公交车能源消耗和加速度波动为目标建立各站点间的公交车生态速度曲线优化模型；S4：获取最优生态速度曲线。本发明以公交系统能源消耗最小和公交运营稳定为双重目标，在满足公交运营稳定性的同时，实现公交系统行车时刻表低碳优化，充分考虑公交系统运营的生态性和稳定性需求，结合生态驾驶、低碳调度、公交车驻站等多种策略，实现了公交车行驶全过程的生态驾驶诱导。

Description

一种考虑运营稳定性的公交车生态驾驶诱导方法
技术领域
本发明涉及人工智能软件领域，尤其是涉及一种考虑运营稳定性的公交车生态驾驶诱导方法。
背景技术
生态驾驶诱导通过提出实时交通状态和车辆行驶工况数据收集与清理方案，基于人工智能软件，输出实时驾驶诱导信息，以提升车辆能源利用效率。目前，生态驾驶诱导技术已经在小汽车上展开了广泛试验和应用。但是，相对于小汽车而言，公交车辆由于需要在公交站点停车提供服务，导致加减速行为更加频繁，停车等待的时间更长。生态驾驶速度诱导能够减少行驶过程中的速度波动和加减速行为，从而实现提高公交运行效率，减少公交系统能源消耗，提升乘客乘坐体验。
但是，传统生态驾驶诱导集中于车辆行驶速度的优化，且通常采用降低车速的方法来减少能源消耗，当将其应用至公交系统时，会增加各站点间公交行程时间的不确定性，导致公交车集束、公交服务质量降低等问题；且相对于小汽车而言，由于公交车生态驾驶需要遵循公交运行规则，包括固定行驶线路和行车时刻表，并且公交车辆在公交站点停靠服务后，往往需要再次在交叉口停车等待绿灯，频繁停车等待不仅会增加能源消耗，还会延长各站点间的行程时间，限制公交系统服务效率。基于以上因素，将传统生态驾驶技术软件直接植入公交车控制系统将导致行驶时间的不确定性，进而影响公交系统运营稳定性。
发明内容
本发明提供一种考虑运营稳定性的公交车生态驾驶诱导方法，以克服上述技术问题。
一种考虑运营稳定性的公交车生态驾驶诱导方法，包括如下步骤：
S1：根据公交线网运营信息获取公交站点位置和交叉口位置，及公交站点与下游交叉口距离，并在公交车行驶过程中每秒更新公交车所在位置、公交车速度、实时信号灯相位；
S2：根据所述公交站点位置和交叉口位置，及公交站点与下游交叉口距离、公交车所在位置、公交车速度和实时信号灯相位，以最小化系统总能源消耗和车头时距波动为目标，建立公交车行车时刻表低碳优化模型；
S3：基于所述公交车行车时刻表低碳优化模型，以最小化各公交车能源消耗和加速度波动为目标，建立各站点间的公交车生态速度曲线优化模型；
S4：根据公交车生态速度曲线，获取公交车到达公交站点的时间和公交车离开公交站点的时间；
若公交车到达公交站点的时间与公交车预计到达站点时间之差小于第一时间阈值，同时公交车离开公交站点的时间与公交车预计离开站点时间之差小于第二时间阈值，则此时的生态速度曲线为最优生态速度曲线；
否则，重复执行S2～S3，直至获得最优生态速度曲线。
进一步的，所述S2中的公交车行车时刻表低碳优化模型的目标函数为：
Figure GDA0004069275200000021
Figure GDA0004069275200000022
Figure GDA0004069275200000023
Figure GDA0004069275200000024
式中，j为公交站点编号，k为公交车编号，N为线路中的公交站点的数量；K为线路中的公交车总数；
Figure GDA0004069275200000025
为公交车k在站点j-1和j间的能源消耗；α0为怠速能耗系数，α1为行驶过程中的能耗系数；
Figure GDA0004069275200000031
为公交车k在站点j-1和j间的平均生态速度；
Figure GDA0004069275200000032
为公交车k在站点j-1和j间的公交车行驶阻力；
Figure GDA0004069275200000033
为在站点j处公交车k和k-1间的车头时距波动；
Figure GDA0004069275200000034
为公交车k离开站点j的时间；
Figure GDA0004069275200000035
为公交车k离开始发站的时间；c1为空气阻力系数，c2为摩擦阻力系数，c3为容许误差值；g为重力加速度；Gj-1,j为站点j-1和j间的道路坡度；
Figure GDA0004069275200000036
为公交车k在站点j-1和j间的公交车总质量；
Figure GDA0004069275200000037
为公交车k在站点j-1和j间的行驶时间。
进一步的，所述S2中的公交车行车时刻表低碳优化模型需满足的约束条件如下：
Figure GDA0004069275200000038
Figure GDA0004069275200000039
式中，
Figure GDA00040692752000000310
为初始时刻表中公交车k在站点j处的发车时间；
Figure GDA00040692752000000311
为考虑实时信号灯相位的公交车k在站点j处的驻站时间；
Figure GDA00040692752000000312
为公交车k在站点j-1和j间的行驶时间；
Figure GDA00040692752000000313
为公交车k在站点j等待乘客上下车的时间；
Figure GDA00040692752000000314
Figure GDA00040692752000000315
表示在站点j处公交车k与k+1间的车头时距；
Figure GDA00040692752000000316
表示在站点j处公交车k-1与k间的车头时距。
进一步的，所述考虑实时信号灯相位的公交车k在站点j处的驻站时间所需满足的约束条件如下：
Figure GDA00040692752000000317
Figure GDA00040692752000000318
Figure GDA00040692752000000319
Figure GDA0004069275200000041
Figure GDA0004069275200000042
式中，
Figure GDA0004069275200000043
为考虑实时信号灯相位的公交车k在站点j处的驻站时间；
Figure GDA0004069275200000044
为当前信号灯为绿灯时，为保证公交车在绿灯时间内通过交叉口的驻站时间；
Figure GDA0004069275200000045
当前信号灯为红灯时，为保证公交车在绿灯时间内通过交叉口的驻站时间；
Figure GDA0004069275200000046
为初始时刻表中公交车k在站点j处的发车时间；
Figure GDA0004069275200000047
为公交车k面临的站点下游交叉口的剩余绿灯时间；
Figure GDA0004069275200000048
为公交线路上信号灯的绿灯总时长；
Figure GDA0004069275200000049
为公交车k面临的下游交叉口的绿灯剩余时间；
Figure GDA00040692752000000410
为公交线路上信号灯的红灯总时长；
Figure GDA00040692752000000411
为公交车以生态速度到达交叉口的时间；
Figure GDA00040692752000000412
为公交车以爬行速度到达交叉口的时间；D1为公交站下游交叉口位置；Dj为公交站j位置；vcr为公交车爬行速度。
进一步的，所述S3中的公交车生态速度曲线优化模型的目标函数为：
Figure GDA00040692752000000413
Figure GDA00040692752000000414
式中，i为交叉口的编号；S为交叉口的总数量；
Figure GDA00040692752000000415
为生态速度曲线优化模型的目标函数；K为线路中的公交车总数；
Figure GDA00040692752000000416
为公交车k驶向交叉口i的起始时间；
Figure GDA00040692752000000417
为公交车k到达交叉口i的结束时间；xk(t)为公交车k在t时刻的行驶状态；uk(t)为公交车k在t时刻的控制变量；
Figure GDA00040692752000000418
为公交车k的能源消耗率；Δuk(t)为公交车k在t时刻的加速度波动；ω1为公交车k的能源消耗率的权重系数；ω2为公交车k的加速度波动的权重系数。
进一步的，所述的公交车生态速度曲线优化模型中的公交车k在t时刻的行驶状态，和公交车k在t时刻的控制变量计算如下：
xk(t)＝[lk(t),vk(t)]T,uk(t)＝ak(t)         (14)
式中，xk(t)表示公交车k在t时刻的行驶状态；lk(t)表示公交车k在t时刻的位置；ak(t)为公交车k在t时刻的加速度；vk(t)表示公交车k在t时刻的速度；uk(t)为公交车k在t时刻的控制变量；
于是公交车行驶状态变化表示为：
Figure GDA0004069275200000051
式中，
Figure GDA0004069275200000052
表示公交车k在t时刻的状态变化；uk(t)为公交车k在t时刻的控制变量；
Figure GDA0004069275200000053
表示公交车位置lk(t)的导数，即公交车k的位置的动态变化；
Figure GDA0004069275200000054
表示公交车速度vk(t)的导数，即公交车速度的动态变化；f(xk(t),uk(t))为公交车k在t时刻的行驶状态xk(t)和控制变量uk(t)的函数。
进一步的，所述S3中的所述的公交车生态速度曲线优化模型需满足的约束条件如下：
Figure GDA0004069275200000055
Figure GDA0004069275200000056
Figure GDA0004069275200000057
Figure GDA0004069275200000058
Figure GDA0004069275200000059
式中，
Figure GDA00040692752000000510
为公交车k在初始时刻的位置，具体为公交站j所在位置；
Figure GDA00040692752000000511
为公交车k驶向交叉口1的初始速度，具体为初始速度
Figure GDA00040692752000000512
Figure GDA00040692752000000513
为公交车k交叉口i的起始阶段位置；
Figure GDA00040692752000000514
为公交车k到达交叉口1的初始时刻，具体为公交车k从公交站j发车的时间；
Figure GDA00040692752000000515
为公交车k到达交叉口S的时间，具体为公交车k到达公交站j+1的时间，
Figure GDA00040692752000000516
为行车时刻表中到达公交站j+1的时间，ΔT为公交车k到达公交站j+1的时间的波动范围；Di为交叉口i的位置；
Figure GDA00040692752000000517
式中，
Figure GDA0004069275200000061
为公交车k在交叉口i的结束时间；
Figure GDA0004069275200000062
为公交车k在交叉口i时的剩余绿灯时间，
Figure GDA0004069275200000063
为公交车k在交叉口i时的剩余红灯时间，
Figure GDA0004069275200000064
为公交车k在交叉口i时的绿灯总时长，
Figure GDA0004069275200000065
为公交车k在交叉口i时的红灯总时长，Ti,k为公交车k在交叉口i的信号灯周期总时长；
Figure GDA0004069275200000066
Figure GDA0004069275200000067
Figure GDA0004069275200000068
式中，
Figure GDA0004069275200000069
为公交车k交叉口i的起始位置，
Figure GDA00040692752000000610
为公交车k到达交叉口i-1的位置；
Figure GDA00040692752000000611
为公交车k驶向交叉口i的起始速度，
Figure GDA00040692752000000612
为公交车k到达交叉口i-1的结束速度；
Figure GDA00040692752000000613
-amax≤ak(t)≤amax   (26)
式中，
Figure GDA00040692752000000614
为公交车k在站点j-1和j间的平均生态速度，-amax、amax为最大减速度和加速度。
有益效果：本发明公开了一种考虑运营稳定性的公交车生态驾驶诱导方法，该技术基于固定线路上的公交站点位置和交叉口位置、公交站点与下游交叉口距离，以及实时的公交车所在位置、公交车速度、实时信号灯相位；以公交系统能源消耗最小和公交运营稳定为双重目标，在满足公交运营稳定性的同时，实现公交系统行车时刻表低碳优化，优化各公交车辆离站时间和站点间的生态速度，进行站点间公交车生态速度曲线优化。本发明充分考虑公交系统运营的生态性和稳定性需求，结合生态驾驶、低碳调度、公交车驻站等多种策略，实现了公交车行驶全过程的生态驾驶诱导。缓解了公交车生态驾驶对系统运营稳定性的影响，能够有效提升公交运行效率和能源利用率。
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驾驶诱导技术流程图；
图2为本发明的实施例中的公交行驶过程累积能耗对比图；
图3为本发明的实施例中的公交服务准点率对比图。
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。
本发明公开了一种考虑运营稳定性的公交车生态驾驶诱导方法，包括如下步骤：如附图1所示；
S1：根据公交线网运营信息获取公交站点位置和交叉口位置，及公交站点与下游交叉口距离，并在公交车行驶过程中每秒更新公交车所在位置、公交车速度、实时信号灯相位；
所述公交线网运营信息包括公交站点位置、站间距、交叉口位置、公交站点与下游交叉口距离、公交初始运营时刻表等。
S2：根据所述公交站点位置和交叉口位置，及公交站点与下游交叉口距离、公交车所在位置、公交车速度和实时信号灯相位，以最小化系统总能源消耗和车头时距波动为目标，建立公交车行车时刻表低碳优化模型，以优化公交车到站时间、离站时间、以及公交车在相邻站点间的平均生态速度，避免由于速度调整带来的公交车集束问题；
所述S2中的公交车行车时刻表低碳优化模型的目标函数为：
Figure GDA0004069275200000081
Figure GDA0004069275200000082
Figure GDA0004069275200000083
Figure GDA0004069275200000084
式中，j为公交站点编号，k为公交车编号，N为线路中的公交站点的数量；K为线路中的公交车总数；
Figure GDA0004069275200000085
为公交车k在站点j-1和j间的能源消耗；α0为怠速能耗系数，α1为行驶过程中的能耗系数；
Figure GDA0004069275200000086
为公交车k在站点j-1和j间的平均生态速度；
Figure GDA0004069275200000087
为公交车k在站点j-1和j间的公交车行驶阻力；
Figure GDA0004069275200000088
为在站点j处公交车k和k-1间的车头时距波动；
Figure GDA0004069275200000089
为公交车k离开站点j的时间；
Figure GDA00040692752000000810
为公交车k离开始发站的时间；c1为空气阻力系数，c2为摩擦阻力系数，c3为容许误差值；g为重力加速度；Gj-1,j为站点j-1和j间的道路坡度；
Figure GDA00040692752000000811
为公交车k在站点j-1和j间的公交车总质量(即公交车质量加上公交车上乘客的总重量)；
Figure GDA00040692752000000812
为公交车k在站点j-1和j间的行驶时间。
所述S2中的公交车行车时刻表低碳优化模型需满足的约束条件如下：
Figure GDA00040692752000000813
Figure GDA00040692752000000814
式中，
Figure GDA00040692752000000815
为初始时刻表中公交车k在站点j处的发车时间；
Figure GDA00040692752000000816
为考虑实时信号灯相位的公交车k在站点j处的驻站时间；保证公交车在绿灯时间内通过公交站点下游交叉口；
Figure GDA00040692752000000817
为公交车k在站点j-1和j间的行驶时间；
Figure GDA00040692752000000818
为公交车k在站点j等待乘客上下车的时间；式(6)用于保证公交离站时间满足运营稳定性；
Figure GDA0004069275200000091
表示在站点j处公交车k与k+1间的车头时距；
Figure GDA0004069275200000092
表示在站点j处公交车k-1与k间的车头时距。
所述考虑实时信号灯相位的公交车k在站点j处的驻站时间所需满足的约束条件如下：
Figure GDA0004069275200000093
Figure GDA0004069275200000094
Figure GDA0004069275200000095
Figure GDA0004069275200000096
Figure GDA0004069275200000097
式中，
Figure GDA0004069275200000098
为考虑实时信号灯相位的公交车k在站点j处的驻站时间；
Figure GDA0004069275200000099
为当前信号灯为绿灯时，为保证公交车在绿灯时间内通过交叉口的驻站时间；
Figure GDA00040692752000000910
当前信号灯为红灯时，为保证公交车在绿灯时间内通过交叉口的驻站时间；
Figure GDA00040692752000000911
为初始时刻表中公交车k在站点j处的发车时间；
Figure GDA00040692752000000912
为公交车k面临的站点下游交叉口的剩余绿灯时间；
Figure GDA00040692752000000913
为公交线路上信号灯的绿灯总时长；
Figure GDA00040692752000000914
为公交车k面临的下游交叉口的绿灯剩余时间；
Figure GDA00040692752000000915
为公交线路上信号灯的红灯总时长；
Figure GDA00040692752000000916
为公交车以生态速度到达交叉口的时间；
Figure GDA00040692752000000917
为公交车以爬行速度到达交叉口的时间；D1为公交站下游交叉口位置；Dj为公交站j位置；vcr为公交车爬行速度；
其原理为：当前公交站下游信号灯为绿灯时，判断剩余绿灯时间是否能够保证公交车以生态速度通过，若可以通过，则在乘客上下车结束后即可发车离开公交站；若不可以通过，则需要驻站等待，在下一个绿灯周期内通过。当前公交站下游信号灯为红灯时，判断公交车以爬行速度行驶能否在信号灯变为绿灯时通过，若可以通过，则在乘客上下车结束后即可发车离开公交站，并按照爬行速度行驶；若不可以通过，则需要驻站等待红灯结束。
S3：基于所述公交车行车时刻表低碳优化模型，以最小化各公交车能源消耗和加速度波动为目标，建立各站点间的公交车生态速度曲线优化模型，以为各公交车提供全过程驾驶诱导信息，保证所有公交车能够在绿灯时间内顺利通过交叉口，避免急加速、急减速等高能耗驾驶行为；
具体的，本实施例中，公交车生态速度曲线优化模型为，将公交车在各站点间的行驶过程根据交叉口位置分为i个阶段，i∈S，S为交叉口的总数量，i为交叉口的编号；各阶段中的生态速度曲线优化模型为以能源消耗和速度波动最小为目标的最优控制模型，以公交车离开上游站点、到达下游站点的时间为最优控制的初始时间和终端时间约束。
所述S3中的公交车生态速度曲线优化模型的目标函数为：
Figure GDA0004069275200000101
Figure GDA0004069275200000102
式中，i为交叉口的编号；S为交叉口的总数量；
Figure GDA0004069275200000103
为生态速度曲线优化模型的目标函数；K为线路中的公交车总数；
Figure GDA0004069275200000104
为公交车k驶向交叉口i的起始时间；
Figure GDA0004069275200000105
为公交车k到达交叉口i的结束时间；xk(t)为公交车k在t时刻的行驶状态；uk(t)为公交车k在t时刻的控制变量；
Figure GDA0004069275200000106
为公交车k的能源消耗率；Δuk(t)为公交车k在t时刻的加速度波动；ω1为公交车k的能源消耗率的权重系数；ω2为公交车k的加速度波动的权重系数；
具体的，Fk(xk(t),uk(t))为与公交车k的行驶状态xk(t)和控制变量uk(t)相关的函数，包括能源消耗率
Figure GDA0004069275200000107
和加速度波动Δuk(t)两部分，对应的权重系数分别ω1和ω2，能源消耗率
Figure GDA0004069275200000108
为行驶状态xk(t)和控制变量uk(t)的函数，根据实时车辆行驶工况进行标定。
所述的公交车生态速度曲线优化模型中的公交车k在t时刻的行驶状态，和公交车k在t时刻的控制变量计算如下：
xk(t)＝[lk(t),vk(t)]T,uk(t)＝ak(t)   (14)
式中，xk(t)表示公交车k在t时刻的行驶状态，具体包括在t时刻的位置lk(t)和在t时刻的速度vk(t)车k在t时刻的状态变量；lk(t)表示公交车k在t时刻的位置；ak(t)为公交车k在t时刻的加速度；vk(t)表示公交车k在t时刻的速度；uk(t)为公交车k在t时刻的控制变量；
于是，为更新公交车在不同时刻t的位置lk(t)和速度vk(t)，公交车行驶状态变化表示为：
Figure GDA0004069275200000111
式中，
Figure GDA0004069275200000112
表示公交车k在t时刻的状态变化，具体体现为t时刻的行驶状态xk(t)和控制变量uk(t)的函数f(xk(t),uk(t))；uk(t)为公交车k在t时刻的控制变量，表示为公交车k在t时刻的加速度ak(t)；
Figure GDA0004069275200000113
表示公交车位置lk(t)的导数，即公交车k的位置的动态变化；
Figure GDA0004069275200000114
表示公交车速度vk(t)的导数，即公交车速度的动态变化；f(xk(t),uk(t))为公交车k在t时刻的行驶状态xk(t)和控制变量uk(t)的函数；
所述S3中的所述的公交车生态速度曲线优化模型需满足的约束条件如下：
Figure GDA0004069275200000115
Figure GDA0004069275200000116
Figure GDA0004069275200000117
Figure GDA0004069275200000118
Figure GDA0004069275200000119
式中，
Figure GDA0004069275200000121
为公交车k在初始时刻的位置，具体为公交站j所在位置；
Figure GDA0004069275200000122
为公交车k驶向交叉口1的初始速度，具体为初始速度
Figure GDA0004069275200000123
Figure GDA0004069275200000124
为公交车k交叉口i的起始阶段位置；
Figure GDA0004069275200000125
为公交车k到达交叉口1的初始时刻，具体为公交车k从公交站j发车的时间；
Figure GDA0004069275200000126
为公交车k到达交叉口S的时间，具体为公交车k到达公交站j+1的时间，
Figure GDA0004069275200000127
为行车时刻表中到达公交站j+1的时间，ΔT为公交车k到达公交站j+1的时间的波动范围，表明公交车k到达公交站j+1的时间需在规划时间的一定时间波动范围内；Di为交叉口i的位置；
Figure GDA0004069275200000128
式中，
Figure GDA0004069275200000129
为公交车k在交叉口i的结束时间，需在当前绿灯时间内通过，或在下一绿灯时间内通过；
Figure GDA00040692752000001210
为公交车k在交叉口i时的剩余绿灯时间，
Figure GDA00040692752000001211
为公交车k在交叉口i时的剩余红灯时间，
Figure GDA00040692752000001212
为公交车k在交叉口i时的绿灯总时长，
Figure GDA00040692752000001213
为公交车k在交叉口i时的红灯总时长，Ti,k为公交车k在交叉口i的信号灯周期总时长；
Figure GDA00040692752000001214
Figure GDA00040692752000001215
Figure GDA00040692752000001216
式中，
Figure GDA00040692752000001217
为公交车k交叉口i的起始位置，
Figure GDA00040692752000001218
为公交车k到达交叉口i-1的位置；
Figure GDA00040692752000001219
为公交车k驶向交叉口i的起始速度，
Figure GDA00040692752000001220
为公交车k到达交叉口i-1的结束速度；
Figure GDA00040692752000001221
-amax≤ak(t)≤amax    (26)
式中，
Figure GDA0004069275200000131
为公交车k在站点j-1和j间的平均生态速度，-amax、amax为最大减速度和加速度。
S4：根据公交车生态速度曲线，获取公交车到达公交站点的时间和公交车离开公交站点的时间，
具体的，所述公交车到达公交站点的时间为公交车生态速度曲线中速度为零的线段，是公交车停靠在对应的公交站点的时间所对应的线段；
速度为零的线段的起点即为公交车到达公交站点的时间；速度为零的线段的终点即为公交车离开公交站点的时间。
并与预计到达时刻表进行对比，若公交车到达公交站点的时间与公交车预计到达站点时间之差小于第一时间阈值，同时公交车离开公交站点的时间与公交车预计离开站点时间之差小于第二时间阈值，则此时的生态速度曲线为最优生态速度曲线；
否则，重复执行S2～S3，直至获得最优生态速度曲线。
具体的，公交车预计到达站点时间与公交车预计离开站点时间，为公交运营系统事先已经制定公交运营时刻表，其上记载了每条公交线路的每个站点的预计停靠站时间以及预计发车时间。
本发明的一个实施例中，考虑运营稳定性公交车生态驾驶诱导技术采用三阶段定制启发式算法进行求解，具体如下：
获取公交站点位置、站间距、交叉口位置、公交站点与下游交叉口距离、初始公交行车时刻表作为输入信息，每秒更新一次公交车所在位置、速度、信号灯相位。
首辆公交车按照初始公交运营时刻表中的发车时刻发车，根据式(7)～(11)确定保证在绿灯时间内通过下游交叉口的驻站时间范围，并采用粒子群算法求解式(1)～(5)，确定在各个公交站点的离站时间和平均生态速度；进而以该离站时间、平均生态速度和初始公交行车时刻表为输入信息，通过高斯伪谱法求解式(12)～(26)，得到首辆公交车的公交生态驾驶速度曲线，并记录首辆公交车实际到站时间和离站时间。
第二辆至最后一辆公交车辆根据首辆公交车的运行信息，根据式(6)确定各站点处的最晚离站时间，并采用粒子群算法求解式(1)～(5)和式(7)～(11)确定在各个公交站点的离站时间和平均生态速度；通过高斯伪谱法求解式(12)～(26)，得到第二辆至最后一辆公交车的公交生态驾驶速度曲线，并实时更新公交车实际到站与离站时间。
当公交车实际到站时间与初始公交行车时刻表相差过大时，将公交车在公交站点间的实际行驶时间输入至公交行车时刻表低碳优化模型，进行反馈优化，直至与初始行车时刻表偏差在可接受范围内，停止迭代更新。
综上所述，本发明实例提供的考虑公交运营稳定性的公交车生态驾驶诱导技术，具有以下优势：
1、考虑公交车生态驾驶对系统运营稳定性的影响，通过建立公交行车时刻表低碳优化模型和公交生态驾驶速度优化模型，实现了公交宏观调度信息和微观驾驶行为的双向耦合优化，完成公交系统生态性和高效率的双重优化目标，构建了一种公交车生态驾驶诱导技术的新框架；
2、从公交系统的角度出发，基于线路上公交车辆的位置和速度信息，实现了多辆公交车的协同优化，不仅能够通过减少速度波动和在信控交叉口处的停车等待，减少公交系统能源消耗和排放，还能够保持多辆连续公交车车头时距稳定，满足系统运营稳定性要求，建立了一种公交车生态驾驶诱导新方法；
3、结合启发式算法和解析方法实现公交调度策略和生态速度曲线的协同优化，对硬件要求较低。在保证求解效率的同时提升了求解质量，并能够适用于多种公交线网规模。在多种应用场景下能够实现公交线路25％以上的节能减排效果，如图2所示，将本发明提出的生态驾驶诱导技术应用于设有4个站点的公交线路上，公交能源消耗率明显降低，累积能源消耗减少50％以上；公交服务准时性提升15％以上，如图3所示，将本发明提出的生态驾驶诱导技术应用于设有7个站点的公交线路上，公交实际到站时间与初始公交行车时刻表的偏差均在15秒以内，且总延误时间减少20％，有效提升了公交系统运营效率和生态性。
本实施例具有如下有益效果：本发明公开了一种考虑运营稳定性的公交车生态驾驶诱导方法，该技术基于固定线路上的公交站点位置和交叉口位置、公交站点与下游交叉口距离，以及实时的公交车所在位置、公交车速度、实时信号灯相位；以公交系统能源消耗最小和公交运营稳定为双重目标，在满足公交运营稳定性的同时，实现公交系统行车时刻表低碳优化，优化各公交车辆离站时间和站点间的生态速度，减少公交车速度波动和停车等待；进而，以公交车离站时间和到站时间为输入条件，进行站点间公交车生态速度曲线优化，并反馈实际行驶时间至公交车行车时刻表低碳优化模型，实现行车的双向协同优化。本发明充分考虑公交系统运营的生态性和稳定性需求，结合生态驾驶、低碳调度、公交车驻站等多种策略，实现了公交车行驶全过程的生态驾驶诱导，减少了公交车速度波动和停车等待行为，缓解了公交车生态驾驶对系统运营稳定性的影响，能够有效提升公交运行效率和能源利用率。
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 (5)

1.一种考虑运营稳定性的公交车生态驾驶诱导方法，其特征在于，包括如下步骤：
S1：根据公交线网运营信息获取公交站点位置和交叉口位置，及公交站点与下游交叉口距离，并在公交车行驶过程中每秒更新公交车所在位置、公交车速度、实时信号灯相位；
S2：根据所述公交站点位置和交叉口位置，及公交站点与下游交叉口距离、公交车所在位置、公交车速度和实时信号灯相位，以最小化系统总能源消耗和车头时距波动为目标，建立公交车行车时刻表低碳优化模型；
所述S2中的公交车行车时刻表低碳优化模型的目标函数为：
Figure FDA0004069275190000011
Figure FDA0004069275190000012
Figure FDA0004069275190000013
Figure FDA0004069275190000014
式中，j为公交站点编号，k为公交车编号，N为线路中的公交站点的数量；K为线路中的公交车总数；
Figure FDA0004069275190000015
为公交车k在站点j-1和j间的能源消耗；α0为怠速能耗系数，α1为行驶过程中的能耗系数；
Figure FDA0004069275190000016
为公交车k在站点j-1和j间的平均生态速度；
Figure FDA0004069275190000017
为公交车k在站点j-1和j间的公交车行驶阻力；
Figure FDA0004069275190000018
为在站点j处公交车k和k-1间的车头时距波动；
Figure FDA00040692751900000112
为公交车k离开站点j的时间；
Figure FDA0004069275190000019
为公交车k离开始发站的时间；c1为空气阻力系数，c2为摩擦阻力系数，c3为容许误差值；g为重力加速度；Gj-1,j为站点j-1和j间的道路坡度；
Figure FDA00040692751900000110
为公交车k在站点j-1和j间的公交车总质量；
Figure FDA00040692751900000111
为公交车k在站点j-1和j间的行驶时间；
S3：基于所述公交车行车时刻表低碳优化模型，以最小化各公交车能源消耗和加速度波动为目标，建立各站点间的公交车生态速度曲线优化模型；
所述S3中的公交车生态速度曲线优化模型的目标函数为：
Figure FDA0004069275190000021
Figure FDA0004069275190000022
式中，i为交叉口的编号；S为交叉口的总数量；
Figure FDA0004069275190000023
为生态速度曲线优化模型的目标函数；K为线路中的公交车总数；
Figure FDA0004069275190000024
为公交车k驶向交叉口i的起始时间；
Figure FDA0004069275190000025
为公交车k到达交叉口i的结束时间；xk(t)为公交车k在t时刻的行驶状态；uk(t)为公交车k在t时刻的控制变量；
Figure FDA0004069275190000026
为公交车k的能源消耗率；Δuk(t)为公交车k在t时刻的加速度波动；ω1为公交车k的能源消耗率的权重系数；ω2为公交车k的加速度波动的权重系数；
S4：根据公交车生态速度曲线，获取公交车到达公交站点的时间和公交车离开公交站点的时间；
若公交车到达公交站点的时间与公交车预计到达站点时间之差小于第一时间阈值，同时公交车离开公交站点的时间与公交车预计离开站点时间之差小于第二时间阈值，则此时的生态速度曲线为最优生态速度曲线；
否则，重复执行S2～S3，直至获得最优生态速度曲线。
2.根据权利要求1所述的一种考虑运营稳定性的公交车生态驾驶诱导方法，其特征在于，所述S2中的公交车行车时刻表低碳优化模型需满足的约束条件如下：
Figure FDA0004069275190000027
Figure FDA0004069275190000028
式中，
Figure FDA00040692751900000210
为初始时刻表中公交车k在站点j处的发车时间；
Figure FDA0004069275190000029
为考虑实时信号灯相位的公交车k在站点j处的驻站时间；
Figure FDA0004069275190000031
为公交车k在站点j-1和j间的行驶时间；
Figure FDA0004069275190000032
为公交车k在站点j等待乘客上下车的时间；
Figure FDA0004069275190000033
Figure FDA0004069275190000034
表示在站点j处公交车k与k+1间的车头时距；
Figure FDA0004069275190000035
表示在站点j处公交车k-1与k间的车头时距。
3.根据权利要求2所述的一种考虑运营稳定性的公交车生态驾驶诱导方法，其特征在于，所述考虑实时信号灯相位的公交车k在站点j处的驻站时间所需满足的约束条件如下：
Figure FDA0004069275190000036
Figure FDA0004069275190000037
Figure FDA0004069275190000038
Figure FDA0004069275190000039
Figure FDA00040692751900000310
式中，
Figure FDA00040692751900000311
为考虑实时信号灯相位的公交车k在站点j处的驻站时间；
Figure FDA00040692751900000312
为当前信号灯为绿灯时，为保证公交车在绿灯时间内通过交叉口的驻站时间；
Figure FDA00040692751900000313
当前信号灯为红灯时，为保证公交车在绿灯时间内通过交叉口的驻站时间；
Figure FDA00040692751900000314
为初始时刻表中公交车k在站点j处的发车时间；
Figure FDA00040692751900000315
为公交车k面临的站点下游交叉口的剩余绿灯时间；
Figure FDA00040692751900000316
为公交线路上信号灯的绿灯总时长；
Figure FDA00040692751900000317
为公交车k面临的下游交叉口的红灯剩余时间；
Figure FDA00040692751900000318
为公交线路上信号灯的红灯总时长；
Figure FDA00040692751900000319
为公交车以生态速度到达交叉口的时间；
Figure FDA00040692751900000320
为公交车以爬行速度到达交叉口的时间；D1为公交站下游交叉口位置；Dj为公交站j位置；vcr为公交车爬行速度。
4.根据权利要求3所述的一种考虑运营稳定性的公交车生态驾驶诱导方法，其特征在于，所述的公交车生态速度曲线优化模型中的公交车k在t时刻的行驶状态，和公交车k在t时刻的控制变量计算如下：
xk(t)＝[lk(t)，vk(t)]T，uk(t)＝ak(t)             (14)
式中，xk(t)表示公交车k在t时刻的行驶状态；lk(t)表示公交车k在t时刻的位置；ak(t)为公交车k在t时刻的加速度；vk(t)表示公交车k在t时刻的速度；uk(t)为公交车k在t时刻的控制变量；
于是公交车行驶状态变化表示为：
Figure FDA0004069275190000041
式中，
Figure FDA0004069275190000042
表示公交车k在t时刻的状态变化；uk(t)为公交车k在t时刻的控制变量；
Figure FDA0004069275190000043
表示公交车位置lk(t)的导数，即公交车k的位置的动态变化；
Figure FDA0004069275190000044
表示公交车速度vk(t)的导数，即公交车速度的动态变化；f(xk(t),uk(t))为公交车k在t时刻的行驶状态xk(t)和控制变量uk(t)的函数。
5.根据权利要求4所述的一种考虑运营稳定性的公交车生态驾驶诱导方法，其特征在于，所述S3中的所述的公交车生态速度曲线优化模型需满足的约束条件如下：
Figure FDA0004069275190000045
Figure FDA0004069275190000046
Figure FDA0004069275190000047
Figure FDA0004069275190000048
Figure FDA0004069275190000049
式中，
Figure FDA00040692751900000410
为公交车k在初始时刻的位置，具体为公交站j所在位置；
Figure FDA00040692751900000411
为公交车k驶向交叉口1的初始速度，具体为初始速度
Figure FDA00040692751900000412
Figure FDA00040692751900000413
为公交车k交叉口i的起始阶段位置；
Figure FDA00040692751900000414
为公交车k到达交叉口1的初始时刻，具体为公交车k从公交站j发车的时间；
Figure FDA0004069275190000051
为公交车k到达交叉口S的时间，具体为公交车k到达公交站j+1的时间，
Figure FDA0004069275190000052
为行车时刻表中到达公交站j+1的时间，ΔT为公交车k到达公交站j+1的时间的波动范围；Di为交叉口i的位置；
Figure FDA0004069275190000053
式中，
Figure FDA0004069275190000054
为公交车k在交叉口i的结束时间；
Figure FDA0004069275190000055
为公交车k在交叉口i时的剩余绿灯时间，
Figure FDA0004069275190000056
为公交车k在交叉口i时的剩余红灯时间，
Figure FDA0004069275190000057
为公交车k在交叉口i时的绿灯总时长，
Figure FDA0004069275190000058
为公交车k在交叉口i时的红灯总时长，Ti,k为公交车k在交叉口i的信号灯周期总时长；
Figure FDA00040692751900000517
Figure FDA0004069275190000059
Figure FDA00040692751900000510
式中，
Figure FDA00040692751900000511
为公交车k交叉口i的起始位置，
Figure FDA00040692751900000512
为公交车k到达交叉口i-1的位置；
Figure FDA00040692751900000513
为公交车k驶向交叉口i的起始速度，
Figure FDA00040692751900000514
为公交车k到达交叉口i-1的结束速度；
Figure FDA00040692751900000515
-amax≤ak(t)≤amax           (26)
式中，
Figure FDA00040692751900000516
为公交车k在站点j-1和j间的平均生态速度，-amax、amax为最大减速度和加速度。
CN202211138935.7A 2022-09-19 2022-09-19 一种考虑运营稳定性的公交车生态驾驶诱导方法 Active CN115455795B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211138935.7A CN115455795B (zh) 2022-09-19 2022-09-19 一种考虑运营稳定性的公交车生态驾驶诱导方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211138935.7A CN115455795B (zh) 2022-09-19 2022-09-19 一种考虑运营稳定性的公交车生态驾驶诱导方法

Publications (2)

Publication Number Publication Date
CN115455795A CN115455795A (zh) 2022-12-09
CN115455795B true CN115455795B (zh) 2023-04-07

Family

ID=84305216

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211138935.7A Active CN115455795B (zh) 2022-09-19 2022-09-19 一种考虑运营稳定性的公交车生态驾驶诱导方法

Country Status (1)

Country Link
CN (1) CN115455795B (zh)

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112633598A (zh) * 2020-12-30 2021-04-09 南京理工大学 城市轨道交通列车速度曲线与时刻表综合节能优化方法
CN113112849A (zh) * 2021-03-25 2021-07-13 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
CN114333364A (zh) * 2021-12-17 2022-04-12 宁波大学 一种自动驾驶车辆通过信号交叉口生态驾驶方法

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2008140200A (ja) * 2006-12-04 2008-06-19 Masahiro Watanabe 路線バス運行管理システム
CN111311017B (zh) * 2020-03-04 2022-10-11 广西大学 城市轨道交通列车运营时刻表和速度运行曲线优化方法
CN114999207B (zh) * 2022-05-27 2023-04-07 大连海事大学 一种智能网联环境下的公交车生态迫近引导方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112633598A (zh) * 2020-12-30 2021-04-09 南京理工大学 城市轨道交通列车速度曲线与时刻表综合节能优化方法
CN113112849A (zh) * 2021-03-25 2021-07-13 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
CN114333364A (zh) * 2021-12-17 2022-04-12 宁波大学 一种自动驾驶车辆通过信号交叉口生态驾驶方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
孟竹 ; 邱志军 ; .节能导向的信号交叉口生态驾驶策略研究.交通信息与安全.2018,(第02期),全文. *

Also Published As

Publication number Publication date
CN115455795A (zh) 2022-12-09

Similar Documents

Publication Publication Date Title
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
CN109859459B (zh) 一种自动驾驶公交调度优化方法
CN108447282B (zh) 一种基于车路协同的公交实时调度与优先控制方法
CN102834293B (zh) 具备目标速度计算功能的列车控制装置
WO2021083232A1 (zh) 一种网联公交车到站停靠管理优化方法
CN111619624B (zh) 一种基于深度强化学习的有轨电车运行控制方法和系统
CN111899534A (zh) 基于道路实时容量的交通灯智能控制方法
CN113593258B (zh) 基于车路协同的信号配时与车速动态协调控制优化方法
CN113112849B (zh) 一种基于生态环保驾驶的需求响应公交调度方法
CN107146408B (zh) 一种基于车联网的道路环保驾驶系统的控制方法
CN112580866B (zh) 基于全程车与区间车组合调度的公交线路串车优化方法
CN114999207B (zh) 一种智能网联环境下的公交车生态迫近引导方法
CN109398426B (zh) 一种定时条件下基于离散蚁群算法的节能驾驶策略寻优方法
CN112053580A (zh) 一种交叉口公交信号优先控制优化方法
CN113415324A (zh) 一种高速列车动态调度和运行控制协同优化方法与系统
CN111477021A (zh) 车辆优先引导方法及优先引导系统
CN115455795B (zh) 一种考虑运营稳定性的公交车生态驾驶诱导方法
CN111429731B (zh) 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
CN111688760B (zh) 一种通过陡坡路段的列车快速节能优化方法及装置
CN112101751A (zh) 一种公共交通优化方法、系统、装置及存储介质
CN114187771B (zh) 基于协同式自适应巡航控制的公交车驾驶控制方法及系统
CN116127839A (zh) 一种基于强化学习的公交站场服务中断防治方法
Ren et al. An intersection platoon speed control model considering traffic efficiency and energy consumption in cvis
CN113611132B (zh) 一种基于车路协同系统的饱和单路口公交信号控制方法
CN110246356B (zh) 一种确定可变线路公交配置车辆数和类型的方法

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