CN115966081A - 公交行驶状态的预测及信号控制方法、装置、设备与介质 - Google Patents
公交行驶状态的预测及信号控制方法、装置、设备与介质 Download PDFInfo
- Publication number
- CN115966081A CN115966081A CN202211659618.XA CN202211659618A CN115966081A CN 115966081 A CN115966081 A CN 115966081A CN 202211659618 A CN202211659618 A CN 202211659618A CN 115966081 A CN115966081 A CN 115966081A
- Authority
- CN
- China
- Prior art keywords
- time
- bus
- real
- target
- signalized intersection
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 85
- 238000012937 correction Methods 0.000 claims abstract description 29
- 238000004364 calculation method Methods 0.000 claims description 42
- 230000003068 static effect Effects 0.000 claims description 40
- 238000011217 control strategy Methods 0.000 claims description 17
- 238000004590 computer program Methods 0.000 claims description 11
- 230000008569 process Effects 0.000 claims description 11
- 238000012545 processing Methods 0.000 claims description 10
- 239000000126 substance Substances 0.000 claims description 8
- 230000035484 reaction time Effects 0.000 claims description 5
- 230000004044 response Effects 0.000 claims description 5
- 238000013473 artificial intelligence Methods 0.000 abstract description 3
- 230000004048 modification Effects 0.000 description 10
- 238000012986 modification Methods 0.000 description 10
- 238000004891 communication Methods 0.000 description 8
- 238000009499 grossing Methods 0.000 description 8
- 238000010586 diagram Methods 0.000 description 6
- 230000006872 improvement Effects 0.000 description 6
- 238000001514 detection method Methods 0.000 description 5
- 238000013507 mapping Methods 0.000 description 5
- 230000000694 effects Effects 0.000 description 4
- 238000004422 calculation algorithm Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 230000001788 irregular Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000009825 accumulation Methods 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 229920006395 saturated elastomer Polymers 0.000 description 2
- 230000002123 temporal effect Effects 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- 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
- Traffic Control Systems (AREA)
Abstract
本公开提供一种公交行驶状态的预测及信号控制方法、装置、设备与介质,涉及人工智能领域,尤其涉及自动驾驶、智能交通等技术领域;具体方案为:该方法包括:基于公交车辆的实时位置信息,获取公交车辆与信号交叉口的目标实时距离;根据目标实时距离计算得到公交车辆的平均行驶速度;采集公交车辆在当前时刻的第一实时行驶速度;基于平均行驶速度对第一实时行驶速度进行修正,以得到公交车辆在当前时刻的目标实时行驶速度;根据目标实时距离和目标实时行驶速度,获取公交车辆从当前时刻起至信号交叉口的初始行程时间;采用预设时间修正方式对初始行程时间进行修正,以得到目标行程预测时间。
Description
技术领域
本公开涉及人工智能领域,尤其涉及自动驾驶、智能交通等技术领域,提供了一种公交行驶状态的预测及信号控制方法、装置、设备与介质。
背景技术
在公交优先场景下,准确且稳定地预测公交车辆达到信号交叉口的时间,才能准确调整信号灯方案,达到较好的优先效果。若时间预测不准、信号灯方案调整频繁,会造成公交车辆车优先效果不理想,还会影响交叉口车辆的正常通行。其中,准确、稳定的预测到达交叉口时间的关键在于:(1)准确计算车辆所在位置距离交叉口的距离;(2)准确计算车辆行驶速度;(3)根据车辆行驶状态多次调整优先方案且不能过于频繁。
现有的公交优先场景下的预测到达信号交叉口时间的方案为:
(1)车辆距离交叉口距离:a)采用车辆GPS(全球定位系统)坐标与交叉口GPS坐标直线距离,但是该方案会因不规则路段计算误差较大;b)采用固定检测位置,该方案灵活性较差,算法在进行优先决策的时候不能自主决策开始控制的时刻和距离,且存在而且增加了成本投入的缺陷。
(2)行程时间预测:a)基于kalam(卡尔曼算法)的行程时间预测方案,但是该方案基于车辆处于稳定运行状态且干扰因素是正态分布的条件实现,且默认车辆速度可信,存在较多前提条件才能有效实现;b)基于历史速度和时间规律等确定行程时间,然而该方案对实时情况无法响应,且依赖大量历史数据才能实现,具有一定的实现局限性;c)基于神经网络模型预测行程时间,该方案需要基于大量历史数据训练模型,对不同的道路情况需要分别训练,存在使用复杂且容易发生过拟合和欠拟合等问题。
另外,在公交优先场景下信号交叉口的排队情况也对公交车辆车到达路口时间影响极大。目前对排队数据的检测普遍依赖路侧检测设备,例如视频、雷达、地磁等,这样的检测方式在排队长度不较长是无法保证采集的数据的准确度,对检测设备的稳定运行要求极高,然而路侧检测设备不稳定属于常态;另外,对硬件设备建设成本极大,现实中很难覆盖到每一个路口。
发明内容
本公开要解决的技术问题是为了克服现有技术中在公交优先场景下,无存在法保证对公交行驶状态进行准确且稳定地预测的缺陷,提供一种公交行驶状态的预测及信号控制方法、装置、设备与介质。
本公开是通过下述技术方案来解决上述技术问题:
根据本公开的一方面,提供一种公交行驶状态的预测方法,所述预测方法包括:
基于公交车辆的实时位置信息,获取所述公交车辆与信号交叉口的目标实时距离;
根据所述目标实时距离计算得到所述公交车辆的平均行驶速度;
采集所述公交车辆在当前时刻的第一实时行驶速度;
基于所述平均行驶速度对所述第一实时行驶速度进行修正,以得到所述公交车辆在所述当前时刻的目标实时行驶速度;
根据所述目标实时距离和所述目标实时行驶速度,获取所述公交车辆从所述当前时刻起至所述信号交叉口的初始行程时间;
采用预设时间修正方式对所述初始行程时间进行修正,以得到目标行程预测时间。
根据本公开的另一方面,提供一种信号控制方法,所述信号控制方法应用公交优先场景中,所述信号控制方法基于上述的公交行驶状态的预测方法实现;
所述信号控制方法包括:
获取基于所述预测方法得到的公交车辆从当前时刻起至信号交叉口的目标行程预测时间;
根据所述目标行程预测时间生成所述信号交叉口的信号灯的控制策略;
基于所述控制策略控制所述信号交叉口的所述信号灯的工作状态。
根据本公开的另一方面,提供一种公交行驶状态的预测装置,所述预测装置包括:
目标实时距离获取模块,用于基于公交车辆的实时位置信息,获取所述公交车辆与信号交叉口的目标实时距离;
平均行驶速度获取模块,用于根据所述目标实时距离计算得到所述公交车辆的平均行驶速度;
第一行驶速度采集模块,用于采集所述公交车辆在当前时刻的第一实时行驶速度;
行驶速度修正获取模块,用于基于所述平均行驶速度对所述第一实时行驶速度进行修正,以得到所述公交车辆在所述当前时刻的目标实时行驶速度;
初始行程时间获取模块,用于根据所述目标实时距离和所述目标实时行驶速度,获取所述公交车辆从所述当前时刻起至所述信号交叉口的初始行程时间;
行程预测时间修正模块,用于采用预设时间修正方式对所述初始行程时间进行修正,以得到目标行程预测时间。
根据本公开的另一方面,提供一种信号控制装置,所述信号控制装置应用公交优先场景中,所述信号控制装置基于上述的公交行驶状态的预测装置实现;
所述信号控制装置包括:
目标行程预测时间获取模块,用于获取基于所述预测装置得到的公交车辆从当前时刻起至信号交叉口的目标行程预测时间;
控制策略生成模块,用于根据所述目标行程预测时间生成所述信号交叉口的信号灯的控制策略;
信号控制模块,用于基于所述控制策略控制所述信号交叉口的所述信号灯的工作状态。
根据本公开的另一方面,提供一种电子设备,包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行上述的方法。
根据本公开的另一方面,提供一种存储有计算机指令的非瞬时计算机可读存储介质,其中,所述计算机指令用于使所述计算机执行上述的方法。
根据本公开的另一方面,提供一种计算机程序产品,包括计算机程序,所述计算机程序在被处理器执行时实现上述的方法。
应当理解,本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征,也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
附图说明
附图用于更好地理解本方案,不构成对本公开的限定。其中:
图1是根据本公开第一实施例的公交行驶状态的预测方法的第一示意图;
图2是根据本公开第一实施例的公交行驶状态的预测方法的第二示意图;
图3是根据本公开第一实施例的某一路段的场景示意图;
图4是根据本公开第一实施例的公交行驶状态的预测方法的第三示意图;
图5是根据本公开第一实施例的公交行驶状态的预测方法的第四示意图;
图6是根据本公开第二实施例的公交行驶状态的预测方法的第一示意图;
图7是根据本公开第二实施例的实际行驶速度与排队长度的映射关系表;
图8是根据本公开第二实施例的公交行驶状态的预测方法的第二示意图;
图9是根据本公开第二实施例的公交行驶状态的预测方法的第三示意图;
图10是根据本公开第二实施例的绿灯开启后排队车辆的消散示意图;
图11是根据本公开第三实施例的信号控制方法的示意图;
图12是根据本公开第四实施例的公交行驶状态的预测装置的第一示意图;
图13是根据本公开第四实施例的公交行驶状态的预测装置的第二示意图;
图14是根据本公开第四实施例的公交行驶状态的预测装置的示意图;
图15是根据本公开第三实施例的信号控制装置的示意图;
图16是根据本公开第五实施例的电子设备的结构示意图。
具体实施方式
以下结合附图对本公开的示范性实施例做出说明,其中包括本公开实施例的各种细节以助于理解,应当将它们认为仅仅是示范性的。因此,本领域普通技术人员应当认识到,可以对这里描述的实施例做出各种改变和修改,而不会背离本公开的范围和精神。同样,为了清楚和简明,以下的描述中省略了对公知功能和结构的描述。
实施例1
如图1所示,本实施例的公交行驶状态的预测方法包括:
S101、基于公交车辆的实时位置信息,获取公交车辆与信号交叉口的目标实时距离;其中,实时位置信息即为公交车辆的实时GPS定位信息。
S102、根据目标实时距离计算得到公交车辆的平均行驶速度;
S103、采集公交车辆在当前时刻的第一实时行驶速度;
S104、基于平均行驶速度对第一实时行驶速度进行修正,以得到公交车辆在当前时刻的目标实时行驶速度;
S105、根据目标实时距离和目标实时行驶速度,获取公交车辆从当前时刻起至信号交叉口的初始行程时间;
S106、采用预设时间修正方式对初始行程时间进行修正,以得到目标行程预测时间。
本实施例中,通过依次对公交车辆的实时行驶速度和行程时间进行及时修正,以保证公交车辆到达信号交叉口的行程预测时间确定的准确性、稳定和可靠性,在满足公交优先的情况下,合理且有效地避免了因预测结果失真导致信号灯方案修改频繁,继而影响信号交叉口的车辆正常通行的情况发生。
如图2所示,本实施例的公交行驶状态的预测方法是对图1中的方案的进一步改进,具体地:
在一可实施的方案中,步骤S101之前还包括:
S100、预先在路网的不同路段中设置若干设定GPS静态坐标点;
其中,若干设定GPS静态坐标点用于标识对应路段的形状;
具体地,需要每个路段中的相邻两个设定GPS静态坐标点之间接近于直线,使得能够准确标识出对应不规则路段中哪里是弯曲的、哪里是直的,这样才能反映公交车辆实际的行驶路径,以保证后续能够准确确定公交车辆距离信号交叉口的距离。
步骤S101包括:
S10111、获取公交车辆的实时位置信息;
S10112、获取信号交叉口处对应的第一GPS静态坐标点以及对应的第一GPS坐标信息;
S10113、获取公交车辆与信号交叉口之间的若干第二GPS静态坐标点以及对应的第二GPS坐标信息;
基于实时位置信息、第一GPS坐标信息和若干第二GPS坐标信息,计算得到公交车辆与信号交叉口之间的目标实时距离。
如图3所示,对应某一路段,A点为公交车辆,B点为信号交叉口处对应的第一GPS静态坐标点,A点和B点之间的C点为第二GPS静态坐标点;确定距离公交车辆A点最近的第二GPS静态坐标点Ck,计算得到该第二GPS静态坐标点Ck与公交车辆A点的第一距离;其他第二GPS静态坐标点之间是预设的且等间距的,在第一距离基础上累加计算相邻两个第二GPS静态坐标点之间的第二距离,以累加得到A点与B点之间的累计距离,即为公交车辆与信号交叉口之间的目标实时距离,具体计算公式如下:
其中,D为公交车辆与信号交叉口之间的目标实时距离,D(bus,)为第二GPS静态坐标点Ck与公交车辆A点的第一距离,D(i,+1)为第i个第二GPS静态坐标点与第i+1个第二GPS静态坐标点的第二距离;其中,A点和B点之间的第二GPS静态坐标点的数量为N,i取正整数且≤N-1。
本方案中,相较于现有的直接基于公交GPS坐标与交叉口GPS坐标之间的直线距离确定公交车辆距离信号交叉口的距离的方案,更加合理且准确地计算得到公交车辆与信号交叉口之间的实时距离,避免了因计算误差而导致的最终行程时间预测的可靠性较差的情况发生,保证了公交优先控制的合理性。
在一可实施的方案中,如图4所示,步骤S101包括:
S10121、基于公交车辆在上一时刻的实时位置信息,获取公交车辆在上一时刻与信号交叉口的第一实时距离;
S10122、基于公交车辆在当前时刻的实时位置信息,获取公交车辆在当前时刻与信号交叉口的第二实时距离;
步骤S102包括:
S1021、获取当前时刻与上一时刻之间的时间差值,以及第一实时距离与第二实时距离之间的距离差值;
S1022、计算得到距离差值与时间差值的第一比值,以作为公交车辆的平均行驶速度。
本方案中,基于公交车辆在连续两个时刻与信号交叉口距离差,以及两个时刻的时间差,确定公交车辆的平均行驶速度,具体的计算公式如下:
其中,为公交车辆的平均行驶速度,Dt-1为时刻t-1公交车辆与信号交叉口的实时距离,Dt为当前时刻t公交车辆与信号交叉口的实时距离,Δtgeo为时刻t-1与时刻t之间的时间差,可取值5s,当然还可以根据实际需求重新确定或调整。
在一可实施的方案中,步骤S104包括:
S1041、确定平均行驶速度对应第一速度权重,以及第一实时行驶速度对应第二速度权重;
S1042、获取第一速度权重与平均行驶速度的第一乘积、第二速度权重与第一实时行驶速度的第二乘积;
S1043、计算得到第一乘积和第二乘积之和,以作为修正后的公交车辆在当前时刻的目标实时行驶速度。
具体地,步骤S104对应的计算公式如下:
其中,为公交车辆在当前时刻t的目标实时行驶速度,为公交车辆的平均行驶速度,为采集得到的公交车辆的实时行驶速度;αgeo为第一速度权重,(1-αgeo)为第二速度权重,αgeo可取值0.5,当然还可以根据实际需求重新确定或调整。
本方案中,不再是将直接基于采集得到的速度数据作为公交车辆的实际行驶速度,而是基于GPS坐标信息确定公交车辆的平均行驶速度,再由平均行驶速度对采集的实际行驶速度进行修正,以共同确定得到公交车辆的目标实时行驶速度,更准确反应公交车辆的实际行驶速度,进而保证后续行程时间确定的精度。
其中,上述对公交实时行驶速度修正的过程中,除了对基于GPS采集得到的原始行驶速度的采纳,也根据公交GPS坐标点的移动重新计算其实际更为准确的实时行驶速度,保证了对速度预测结果的平稳性,避免了因某一类数据的偏差导致速度预测的不准的情况发生。
在一可实施的方案中,步骤S105包括:
S1051、计算得到第二实时距离与目标实时行驶速度的第二比值,以作为公交车辆从当前时刻起至信号交叉口的初始行程时间。
具体地,计算得到初始行程时间对应的计算公式如下:
在一可实施的方案中,如图5所示,步骤S106之前还包括:
S10601、预设前后相邻两个时刻分别对应第一时间权重和第二时间权重;
S10602、选取当前时刻前的M个历史时刻;其中,M取正整数;
其中,相邻的两个历史时刻相隔设定时长;
S10603、在n=1时,公交车辆从第n历史时刻起至信号交叉口的第一历史行程时间,作为第n历史时刻的第一历史行程预测时间;其中,n取正整数且≤M;
在n≥2时,基于第n-1历史时刻的第一历史行程预测时间、第n历史时刻的第一历史行程时间、第一时间权重和第二时间权重,计算得到第n历史时刻的第一历史行程预测时间;
直至n=M时,迭代计算得到距离当前时刻最近的一个历史时刻对应的目标历史行程预测时间;
步骤S106包括:
S1061、基于目标历史行程预测时间、当前时刻对应的初始行程时间、第一时间权重和第二时间权重,计算得到公交车辆从当前时刻起至信号交叉口的目标行程预测时间。
在一可实施的方案中,步骤S1061包括:
获取目标历史行程预测时间与第一时间权重的第三乘积,以及初始行程时间与第二时间权重的第四乘积;
计算得到第三乘积与第四乘积之和,以作为公交车辆从当前时刻起至信号交叉口的目标行程预测时间。
具体地,选取当前时刻t前的M个历史时刻(例如M=10),连续的两个历史时刻可以相隔设定时长(例如5s),预先构建行程预测时间修正公式,用于预测公交车辆在某一时刻起至信号交叉口的行程预测时间,具体计算公式如下:
其中,2≤n≤M,n取整数;
n=1时,则采用如下公式计算得到获取M=1的历史时刻对应的实际行程时间:
此时,下述公式中的t取值为M=1的历史时刻,具体计算过程与上述步骤S1051中计算得到公交车辆从当前时刻起至信号交叉口的初始行程时间的过程类似,因此在此不再赘述。
在n≥2时,采用历史时刻n-1的历史行程预测时间T^_(n-1)以及历史时刻n的实际行程时间,计算得到历史时刻n对应的修正后的历史行程预测时间,以作为下一个历史时刻n+1的计算基础,迭代计算,直至n=M,此时得到用于实际预测场景使用的目标历史行程预测时间;
对于当前时刻t,即n=t,则
本方案中,考虑到时间序列数据由近及远的逐步衰减,不需要存储很多历史数据,基于指数平滑法,以每5秒采集的数据为一期数据且总共采集10期,以第n-1时刻的指数平滑值(即历史行程预测时间)作为第n时刻的指数平滑值确定的基础,不断迭代计算,每次历史行程预测时间越接近当前公交的实际行程时间,则表明行程预测时间修正公式的计算结果越可以依赖。
本实施例中,采用指数平滑法对行程预测时间修正,可以兼容因为突发情况导致的临时减速,从而导致预测公交车辆到达交叉口的时间突变的情况发生,极大程度上保证了行程预测时间的平稳性,从而避免了对信号灯方案的修改频繁,减少了对交叉口造成的影响,能够有效地保障公交优先的效果。
实施例2
如图6所示,本实施例的公交行驶状态的预测方法是实施例1的进一步改进,具体地:
在一可实施的方案中,步骤S106之后还包括:
S201、判断公交车辆是否在处于信号交叉口周围且处于排队状态,若是,则执行步骤S202;
S202、基于公交车辆的实时位置信息,获取公交车辆与信号交叉口的实际排队长度;
其中,可以根据公交车辆的若干历史行驶速度以及对应的历史排队长度,构建公交车辆的实际行驶速度与对应的排队长度之间的映射关系表,如图7所示;在实际场景中,可以直接在映射关系表中查找得到公交车辆的实际行驶速度对应的排队长度;当公交车辆是否在处于信号交叉口周围且处于排队状态时,此时公交车辆的实际行驶速度接近于零,则基于该射关系表可以响度准确地预估得到公交车辆的排队长度为41米左右。
另外,还可以将公交车辆的实时位置信息与信号交叉口处对应的设定GPS静态坐标点之间的间距作为公交车辆与信号交叉口的实际排队长度;具体采用何种方式确定公交车辆与信号交叉口的实际排队长度,可以根据实际情况进行选择。
S203、基于排队长度获取自信号交叉口的绿灯开启后,公交车辆通过停止线所需的排队消散时间。
本实施例中,在确定公交车辆在信号交叉口排队时,则基于公交车辆的实时位置信息确定其对应的实际排队长度,进而自动计算得到该状态下,一旦绿灯开启后公交车辆通过停止线所需的排队消散时间,在保证排队消散时间获取的及时性、准确性和可靠性的同时,便于后续及时生成对应的信号控制方案,以更及时且合理的满足公交优先场景,有效地优化公交优先场景的控制流程。
如图8所示,本实施例的公交行驶状态的预测方法是对图6的方案的进一步改进,具体地:
在一可实施的方案中,步骤S201包括:
S2011、若目标实时行驶速度在第一设定时间内持续小于第一设定阈值,则确定公交车辆位于信号交叉口周围且处于排队状态;和/或,
若实时位置信息在第二设定时间内对应的移动距离小于第二设定阈值,则确定公交车辆位于信号交叉口周围且处于排队状态。
其中,在公交车辆接近信号交叉口排队时,其车速会逐渐降低,当公交车辆的实时行驶速度在一段时间内持续小于一定值(例如以2m/s),则认为公交车辆处于怠速状态/排队状态;或,例如以5s为采样间隔,若连续3次的公交车辆的实时位置信息均显示公交车辆处于同一位置或者移动小于一定值,则认为公交车辆处于怠速状态/排队状态。
在一可实施的方案中,步骤S203包括:
S2031、采用预设运动学起动波模型计算得到公交车辆在信号交叉口的起动波波速;其中,起动波波速用于表征排队队伍在起动过程中引起的起动波的速度大小;
具体地,预设运动学起动波模型对应的计算公式如下:
其中,Δx为排队时的头车车头与停止线之间的间距,可取7.0m;v0为公交车辆通过信号交叉口的正常行驶车速,可取8.0m/s;h为饱和车头时距,可取2.5m/s;uw的正负号表示起动波传播方向,正数表示起动波沿着行驶方向向前传播,负数表示起动波沿着与行驶方向的相反方向传播。当然,每个参数的具体取值可以根据实际情况进行重新确定或调整。。
S2032、根据起动波波速和排队长度,获取自信号交叉口的绿灯开启后公交车辆通过停止线所需的排队消散时间。
在一可实施的方案中,如图9所示,步骤S2032包括:
S20321、获取公交车辆通过信号交叉口的正常行驶车速、从排队状态加速至正常行驶车速所需的第一时长、绿灯开启后排队队伍中头车的启动反应时间;
S20322、基于排队长度、正常行驶车速、第一时长、起动波波速和启动反应时间,计算得到自信号交叉口的绿灯开启后公交车辆通过停止线所需的排队消散时间。
参见图10,为绿灯开启后排队车辆的消散示意图。
其中,步骤S20322中计算得到排队消散时间的计算公式如下:
其中,为排队消散时间,xbus为公交车辆的实际排队长度,v0为公交车辆通过信号交叉口的正常行驶车速,ta为从排队状态加速至正常行驶车速所需的第一时长,th为绿灯开启后排队队伍中头车的启动反应时间,可取5.0s。当然,每个参数的具体取值可以根据实际情况进行重新确定或调整。
本实施例中,只利用GPS数据推算公交车到达信号交叉口时的排队长队,基于排队长队、启动波波速等参数确定排队的消散情况,继而便于后续制定合适的信号灯优先方案,保证了公交优先场景下信号灯控制的准确性和及时性。
实施例3
如图11所示,本实施例的信号控制方法应用公交优先场景中,信号控制方法基于上述实施例1或2中的公交行驶状态的预测方法实现。
本实施例的信号控制方法包括:
S301、获取基于预测方法得到的公交车辆从当前时刻起至信号交叉口的目标行程预测时间;
S302、根据目标行程预测时间生成信号交叉口的信号灯的控制策略;
S303、基于控制策略控制信号交叉口的信号灯的工作状态。
本实施例中,基于上述修正处理得到的准确且稳定的目标行程预测时间,自动生成相适配的信号交叉口的信号灯的控制策略,以控制对应信号交叉口的信号灯的工作状态,依赖于稳定的行程预测时间,使得避免预测结果失真导致信号灯方案修改频繁,影响交叉口车辆的正常通行的情况发生,实现更及时且合理的满足公交优先场景,有效地优化公交优先场景的控制流程。
实施例4
如图12所示,本实施例的公交行驶状态的预测装置包括:
目标实时距离获取模块1,用于基于公交车辆的实时位置信息,获取公交车辆与信号交叉口的目标实时距离;其中,实时位置信息即为公交车辆的实时GPS定位信息。
平均行驶速度获取模块2,用于根据目标实时距离计算得到公交车辆的平均行驶速度;
第一行驶速度采集模块3,用于采集公交车辆在当前时刻的第一实时行驶速度;
行驶速度修正获取模块4,用于基于平均行驶速度对第一实时行驶速度进行修正,以得到公交车辆在当前时刻的目标实时行驶速度;
初始行程时间获取模块5,用于根据目标实时距离和目标实时行驶速度,获取公交车辆从当前时刻起至信号交叉口的初始行程时间;
行程预测时间修正模块6,用于采用预设时间修正方式对初始行程时间进行修正,以得到目标行程预测时间。
本实施例中,通过依次对公交车辆的实时行驶速度和行程时间进行及时修正,以保证公交车辆到达信号交叉口的行程预测时间确定的准确性、稳定和可靠性,在满足公交优先的情况下,合理且有效地避免了因预测结果失真导致信号灯方案修改频繁,继而影响信号交叉口的车辆正常通行的情况发生。
如图13所示,本实施例的公交行驶状态的预测装置是对图12中的方案的进一步改进,具体地:
在一可实施的方案中,预测装置还包括:
坐标点预设模块7,用于预先在路网的不同路段中设置若干设定GPS静态坐标点;
其中,若干设定GPS静态坐标点用于标识对应路段的形状;
具体地,需要每个路段中的相邻两个设定GPS静态坐标点之间接近于直线,使得能够准确标识出对应不规则路段中哪里是弯曲的、哪里是直的,这样才能反映公交车辆实际的行驶路径,以保证后续能够准确确定公交车辆距离信号交叉口的距离。
目标实时距离获取模块1包括:
实时坐标信息获取单元8,用于获取公交车辆的实时位置信息;
第一坐标信息获取单元9,用于获取信号交叉口处对应的第一GPS静态坐标点以及对应的第一GPS坐标信息;
第二坐标信息获取单元10,用于获取公交车辆与信号交叉口之间的若干第二GPS静态坐标点以及对应的第二GPS坐标信息;
目标实时距离获取单元11,用于基于实时位置信息、第一GPS坐标信息和若干第二GPS坐标信息,计算得到公交车辆与信号交叉口之间的目标实时距离。
如图3所示,对应某一路段,A点为公交车辆,B点为信号交叉口处对应的第一GPS静态坐标点,A点和B点之间的C点为第二GPS静态坐标点;确定距离公交车辆A点最近的第二GPS静态坐标点Ck,计算得到该第二GPS静态坐标点Ck与公交车辆A点的第一距离;其他第二GPS静态坐标点之间是预设的且等间距的,在第一距离基础上累加计算相邻两个第二GPS静态坐标点之间的第二距离,以累加得到A点与B点之间的累计距离,即为公交车辆与信号交叉口之间的目标实时距离,具体计算公式如下:
其中,D为公交车辆与信号交叉口之间的目标实时距离,D(bus,)为第二GPS静态坐标点Ck与公交车辆A点的第一距离,D(i,+1)为第i个第二GPS静态坐标点与第i+1个第二GPS静态坐标点的第二距离;其中,A点和B点之间的第二GPS静态坐标点的数量为N,i取正整数且≤N-1。
本方案中,相较于现有的直接基于公交GPS坐标与交叉口GPS坐标之间的直线距离确定公交车辆距离信号交叉口的距离的方案,更加合理且准确地计算得到公交车辆与信号交叉口之间的实时距离,避免了因计算误差而导致的最终行程时间预测的可靠性较差的情况发生,保证了公交优先控制的合理性。
在一可实施的方案中,目标实时距离获取模块1还包括:
第一实时距离获取单元12,用于基于公交车辆在上一时刻的实时位置信息,获取公交车辆在上一时刻与信号交叉口的第一实时距离;
第二实时距离获取单元13,用于基于公交车辆在当前时刻的实时位置信息,获取公交车辆在当前时刻与信号交叉口的第二实时距离;
平均行驶速度获取模块2包括:
时间差值获取单元14,用于获取当前时刻与上一时刻之间的时间差值;
距离差值获取单元15,用于获取第一实时距离与第二实时距离之间的距离差值;
平均行驶速度获取单元16,用于计算得到距离差值与时间差值的第一比值,以作为公交车辆的平均行驶速度。
本方案中,基于公交车辆在连续两个时刻与信号交叉口距离差,以及两个时刻的时间差,确定公交车辆的平均行驶速度,具体的计算公式如下:
其中,为公交车辆的平均行驶速度,Dt-1为时刻t-1公交车辆与信号交叉口的实时距离,Dt为当前时刻t公交车辆与信号交叉口的实时距离,Δtgeo为时刻t-1与时刻t之间的时间差,可取值5s,当然还可以根据实际需求重新确定或调整。
在一可实施的方案中,行驶速度修正获取模块4包括:
速度权重确定单元17,用于确定平均行驶速度对应第一速度权重,以及第一实时行驶速度对应第二速度权重;
第一计算单元18,用于获取第一速度权重与平均行驶速度的第一乘积、第二速度权重与第一实时行驶速度的第二乘积;
速度修正单元19,用于计算得到第一乘积和第二乘积之和,以作为修正后的公交车辆在当前时刻的目标实时行驶速度。
具体地,步骤S104对应的计算公式如下:
其中,为公交车辆在当前时刻t的目标实时行驶速度,为公交车辆的平均行驶速度,为采集得到的公交车辆的实时行驶速度;αgeo为第一速度权重,(1-αgeo)为第二速度权重,αgeo可取值0.5,当然还可以根据实际需求重新确定或调整。
本方案中,不再是将直接基于采集得到的速度数据作为公交车辆的实际行驶速度,而是基于GPS坐标信息确定公交车辆的平均行驶速度,再由平均行驶速度对采集的实际行驶速度进行修正,以共同确定得到公交车辆的目标实时行驶速度,更准确反应公交车辆的实际行驶速度,进而保证后续行程时间确定的精度。
其中,上述对公交实时行驶速度修正的过程中,除了对基于GPS采集得到的原始行驶速度的采纳,也根据公交GPS坐标点的移动重新计算其实际更为准确的实时行驶速度,保证了对速度预测结果的平稳性,避免了因某一类数据的偏差导致速度预测的不准的情况发生。
在一可实施的方案中,初始行程时间获取模块5用于计算得到第二实时距离与目标实时行驶速度的第二比值,以作为公交车辆从当前时刻起至信号交叉口的初始行程时间。
具体地,计算得到初始行程时间对应的计算公式如下:
在一可实施的方案中,预测装置还包括:
时间权重预设模块20,用于预设前后相邻两个时刻分别对应第一时间权重和第二时间权重;
历史时刻选取模块21,用于选取当前时刻前的M个历史时刻;其中,M取正整数;
其中,相邻的两个历史时刻相隔设定时长;
目标历史时间获取模块22,用于在n=1时,公交车辆从第n历史时刻起至信号交叉口的第一历史行程时间,作为第n历史时刻的第一历史行程预测时间;其中,n取正整数且≤M;
在n≥2时,基于第n-1历史时刻的第一历史行程预测时间、第n历史时刻的第一历史行程时间、第一时间权重和第二时间权重,计算得到第n历史时刻的第一历史行程预测时间;
直至n=M时,迭代计算得到距离当前时刻最近的一个历史时刻对应的目标历史行程预测时间;
行程预测时间修正模块6用于基于目标历史行程预测时间、当前时刻对应的初始行程时间、第一时间权重和第二时间权重,计算得到公交车辆从当前时刻起至信号交叉口的目标行程预测时间。
在一可实施的方案中,行程预测时间修正模块6包括:
第二计算单元23,用于获取目标历史行程预测时间与第一时间权重的第三乘积,以及初始行程时间与第二时间权重的第四乘积;
时间修正单元24,用于计算得到第三乘积与第四乘积之和,以作为公交车辆从当前时刻起至信号交叉口的目标行程预测时间。
具体地,选取当前时刻t前的M个历史时刻(例如M=10),连续的两个历史时刻可以相隔设定时长(例如5s),预先构建行程预测时间修正公式,用于预测公交车辆在某一时刻起至信号交叉口的行程预测时间,具体计算公式如下:
其中,2≤n≤M,n取整数;
n=1时,则采用如下公式计算得到获取M=1的历史时刻对应的实际行程时间:
此时,下述公式中的t取值为M=1的历史时刻,具体计算过程与上述步骤S1051中计算得到公交车辆从当前时刻起至信号交叉口的初始行程时间的过程类似,因此在此不再赘述。
在n≥2时,采用历史时刻n-1的历史行程预测时间以及历史时刻n的实际行程时间,计算得到历史时刻n对应的修正后的历史行程预测时间,以作为下一个历史时刻n+1的计算基础,迭代计算,直至n=M,此时得到用于实际预测场景使用的目标历史行程预测时间;
对于当前时刻t,即n=t,则
本方案中,考虑到时间序列数据由近及远的逐步衰减,不需要存储很多历史数据,基于指数平滑法,以每5秒采集的数据为一期数据且总共采集10期,以第n-1时刻的指数平滑值(即历史行程预测时间)作为第n时刻的指数平滑值确定的基础,不断迭代计算,每次历史行程预测时间越接近当前公交的实际行程时间,则表明行程预测时间修正公式的计算结果越可以依赖。
本实施例中,采用指数平滑法对行程预测时间修正,可以兼容因为突发情况导致的临时减速,从而导致预测公交车辆到达交叉口的时间突变的情况发生,极大程度上保证了行程预测时间的平稳性,从而避免了对信号灯方案的修改频繁,减少了对交叉口造成的影响,能够有效地保障公交优先的效果。
实施例5
如图14所示,本实施例的公交行驶状态的预测装置是实施例4的进一步改进,具体地:
在一可实施的方案中,预测装置还包括:
判断模块25,用于判断公交车辆是否在处于信号交叉口周围且处于排队状态,若是,则调用实际排队长度获取模块26基于公交车辆的实时位置信息,获取公交车辆与信号交叉口的实际排队长度;
其中,可以根据公交车辆的若干历史行驶速度以及对应的历史排队长度,构建公交车辆的实际行驶速度与对应的排队长度之间的映射关系表,如图7所示;在实际场景中,可以直接在映射关系表中查找得到公交车辆的实际行驶速度对应的排队长度;当公交车辆是否在处于信号交叉口周围且处于排队状态时,此时公交车辆的实际行驶速度接近于零,则基于该射关系表可以响度准确地预估得到公交车辆的排队长度为41米左右。
另外,还可以将公交车辆的实时位置信息与信号交叉口处对应的设定GPS静态坐标点之间的间距作为公交车辆与信号交叉口的实际排队长度;具体采用何种方式确定公交车辆与信号交叉口的实际排队长度,可以根据实际情况进行选择。
排队消散时间获取模块27,用于基于排队长度获取自信号交叉口的绿灯开启后,公交车辆通过停止线所需的排队消散时间。
本实施例中,在确定公交车辆在信号交叉口排队时,则基于公交车辆的实时位置信息确定其对应的实际排队长度,进而自动计算得到该状态下,一旦绿灯开启后公交车辆通过停止线所需的排队消散时间,在保证排队消散时间获取的及时性、准确性和可靠性的同时,便于后续及时生成对应的信号控制方案,以更及时且合理的满足公交优先场景,有效地优化公交优先场景的控制流程。
在一可实施的方案中,判断模块25用于若目标实时行驶速度在第一设定时间内持续小于第一设定阈值,则确定公交车辆位于信号交叉口周围且处于排队状态;和/或,
若实时位置信息在第二设定时间内对应的移动距离小于第二设定阈值,则确定公交车辆位于信号交叉口周围且处于排队状态。
其中,在公交车辆接近信号交叉口排队时,其车速会逐渐降低,当公交车辆的实时行驶速度在一段时间内持续小于一定值(例如以2m/s),则认为公交车辆处于怠速状态/排队状态;或,例如以5s为采样间隔,若连续3次的公交车辆的实时位置信息均显示公交车辆处于同一位置或者移动小于一定值,则认为公交车辆处于怠速状态/排队状态。
在一可实施的方案中,排队消散时间获取模块27包括:
起动波波速获取单元28,用于采用预设运动学起动波模型计算得到公交车辆在信号交叉口的起动波波速;其中,起动波波速用于表征排队队伍在起动过程中引起的起动波的速度大小;
具体地,预设运动学起动波模型对应的计算公式如下:
其中,Δx为排队时的头车车头与停止线之间的间距,可取7.0m;v0为公交车辆通过信号交叉口的正常行驶车速,可取8.0m/s;h为饱和车头时距,可取2.5m/s;uw的正负号表示起动波传播方向,正数表示起动波沿着行驶方向向前传播,负数表示起动波沿着与行驶方向的相反方向传播。当然,每个参数的具体取值可以根据实际情况进行重新确定或调整。
排队消散时间获取单元29,用于根据起动波波速和排队长度,获取自信号交叉口的绿灯开启后公交车辆通过停止线所需的排队消散时间。
在一可实施的方案中,排队消散时间获取单元28用于获取公交车辆通过信号交叉口的正常行驶车速、从排队状态加速至正常行驶车速所需的第一时长、绿灯开启后排队队伍中头车的启动反应时间;基于排队长度、正常行驶车速、第一时长、起动波波速和启动反应时间,计算得到自信号交叉口的绿灯开启后公交车辆通过停止线所需的排队消散时间。
参见图10,为绿灯开启后排队车辆的消散示意图。
其中,排队消散时间获取单元中计算得到排队消散时间的计算公式如下:
其中,为排队消散时间,xbus为公交车辆的实际排队长度,v0为公交车辆通过信号交叉口的正常行驶车速,ta为从排队状态加速至正常行驶车速所需的第一时长,th为绿灯开启后排队队伍中头车的启动反应时间,可取5.0s。当然,每个参数的具体取值可以根据实际情况进行重新确定或调整。
本实施例中,只利用GPS数据推算公交车到达信号交叉口时的排队长队,基于排队长队、启动波波速等参数确定排队的消散情况,继而便于后续制定合适的信号灯优先方案,保证了公交优先场景下信号灯控制的准确性和及时性。
实施例6
如图15所示,本实施例的信号控制装置应用公交优先场景中,信号控制方法基于上述实施例4或5中的公交行驶状态的预测装置实现。
本实施例的信号控制装置包括:
目标行程预测时间获取模块30,用于获取基于预测装置得到的公交车辆从当前时刻起至信号交叉口的目标行程预测时间;
控制策略生成模块31,用于根据目标行程预测时间生成信号交叉口的信号灯的控制策略;
信号控制模块32,用于基于控制策略控制信号交叉口的信号灯的工作状态。
本实施例中,基于上述修正处理得到的准确且稳定的目标行程预测时间,自动生成相适配的信号交叉口的信号灯的控制策略,以控制对应信号交叉口的信号灯的工作状态,依赖于稳定的行程预测时间,使得避免预测结果失真导致信号灯方案修改频繁,影响交叉口车辆的正常通行的情况发生,实现更及时且合理的满足公交优先场景,有效地优化公交优先场景的控制流程。
实施例7
根据本公开的实施例,本公开还提供了一种电子设备、一种可读存储介质和一种计算机程序产品。
图16示出了可以用来实施本公开的实施例的示例电子设备800的示意性框图。电子设备旨在表示各种形式的数字计算机,诸如,膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置,诸如,个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例,并且不意在限制本文中描述的和/或者要求的本公开的实现。
如图16所示,设备800包括计算单元801,其可以根据存储在只读存储器(ROM)802中的计算机程序或者从存储单元808加载到随机访问存储器(RAM)803中的计算机程序,来执行各种适当的动作和处理。在RAM803中,还可存储设备800操作所需的各种程序和数据。计算单元801、ROM 802以及RAM 803通过总线804彼此相连。输入/输出(I/O)接口805也连接至总线804。
设备800中的多个部件连接至I/O接口805,包括:输入单元806,例如键盘、鼠标等;输出单元807,例如各种类型的显示器、扬声器等;存储单元808,例如磁盘、光盘等;以及通信单元809,例如网卡、调制解调器、无线通信收发机等。通信单元809允许设备800通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
计算单元801可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元801的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。计算单元801执行上文所描述的各个方法和处理,例如上述方法。例如,在一些实施例中,上述方法可被实现为计算机软件程序,其被有形地包含于机器可读介质,例如存储单元808。在一些实施例中,计算机程序的部分或者全部可以经由ROM 802和/或通信单元809而被载入和/或安装到设备800上。当计算机程序加载到RAM803并由计算单元801执行时,可以执行上文描述的上述方法的一个或多个步骤。备选地,在其他实施例中,计算单元801可以通过其他任何适当的方式(例如,借助于固件)而被配置为执行上述方法。
本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、复杂可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括:实施在一个或者多个计算机程序中,该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释,该可编程处理器可以是专用或者通用可编程处理器,可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令,并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器,使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行,作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本公开的上下文中,机器可读介质可以是有形的介质,其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备,或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
为了提供与用户的交互,可以在计算机上实施此处描述的系统和技术,该计算机具有:用于向用户显示信息的显示装置(例如,CRT(阴极射线管)或者LCD(液晶显示器)监视器);以及键盘和指向装置(例如,鼠标或者轨迹球),用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互;例如,提供给用户的反馈可以是任何形式的传感反馈(例如,视觉反馈、听觉反馈、或者触觉反馈);并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如,作为数据服务器)、或者包括中间件部件的计算系统(例如,应用服务器)、或者包括前端部件的计算系统(例如,具有图形用户界面或者网络浏览器的用户计算机,用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如,通信网络)来将系统的部件相互连接。通信网络的示例包括:局域网(LAN)、广域网(WAN)和互联网。
计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器,也可以为分布式系统的服务器,或者是结合了区块链的服务器。
应该理解,可以使用上面所示的各种形式的流程,重新排序、增加或删除步骤。例如,本发公开中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行,只要能够实现本公开公开的技术方案所期望的结果,本文在此不进行限制。
上述具体实施方式,并不构成对本公开保护范围的限制。本领域技术人员应该明白的是,根据设计要求和其他因素,可以进行各种修改、组合、子组合和替代。任何在本公开的精神和原则之内所作的修改、等同替换和改进等,均应包含在本公开保护范围之内。
Claims (29)
1.一种公交行驶状态的预测方法,所述预测方法包括:
基于公交车辆的实时位置信息,获取所述公交车辆与信号交叉口的目标实时距离;
根据所述目标实时距离计算得到所述公交车辆的平均行驶速度;
采集所述公交车辆在当前时刻的第一实时行驶速度;
基于所述平均行驶速度对所述第一实时行驶速度进行修正,以得到所述公交车辆在所述当前时刻的目标实时行驶速度;
根据所述目标实时距离和所述目标实时行驶速度,获取所述公交车辆从所述当前时刻起至所述信号交叉口的初始行程时间;
采用预设时间修正方式对所述初始行程时间进行修正,以得到目标行程预测时间。
2.如权利要求1所述的公交行驶状态的预测方法,所述基于公交车辆的实时位置信息,获取所述公交车辆在当前时刻与信号交叉口的目标实时距离的步骤之前,还包括:
预先在路网的不同路段中设置若干设定GPS静态坐标点;
其中,若干所述设定GPS静态坐标点用于标识对应所述路段的形状;
所述基于公交车辆的实时位置信息,获取所述公交车辆在当前时刻与信号交叉口的目标实时距离的步骤,包括:
获取所述公交车辆的所述实时位置信息;
获取所述信号交叉口处对应的第一GPS静态坐标点以及对应的第一GPS坐标信息;
获取所述公交车辆与所述信号交叉口之间的若干第二GPS静态坐标点以及对应的第二GPS坐标信息;
基于所述实时位置信息、所述第一GPS坐标信息和若干所述第二GPS坐标信息,计算得到所述公交车辆与所述信号交叉口之间的所述目标实时距离。
3.如权利要求2所述的公交行驶状态的预测方法,所述基于公交车辆的实时位置信息,获取所述公交车辆与信号交叉口的目标实时距离的步骤,包括:
基于所述公交车辆在上一时刻的实时位置信息,获取所述公交车辆在所述上一时刻与所述信号交叉口的第一实时距离;
基于所述公交车辆在所述当前时刻的实时位置信息,获取所述公交车辆在所述当前时刻与所述信号交叉口的第二实时距离;
所述根据所述目标实时距离计算得到所述公交车辆的平均行驶速度的步骤,包括:
获取所述当前时刻与所述上一时刻之间的时间差值,以及所述第一实时距离与所述第二实时距离之间的距离差值;
计算得到所述距离差值与所述时间差值的第一比值,以作为所述公交车辆的所述平均行驶速度。
4.如权利要求3所述的公交行驶状态的预测方法,所述基于所述平均行驶速度对所述第一实时行驶速度进行修正,以得到所述公交车辆在所述当前时刻的目标实时行驶速度的步骤,包括:
确定所述平均行驶速度对应第一速度权重,以及所述第一实时行驶速度对应第二速度权重;
获取所述第一速度权重与所述平均行驶速度的第一乘积、所述第二速度权重与所述第一实时行驶速度的第二乘积;
计算得到所述第一乘积和所述第二乘积之和,以作为修正后的所述公交车辆在所述当前时刻的所述目标实时行驶速度。
5.如权利要求3所述的公交行驶状态的预测方法,所述根据所述目标实时距离和所述目标实时行驶速度,获取所述公交车辆从所述当前时刻起至所述信号交叉口的初始行程时间的步骤,包括:
计算得到所述第二实时距离与所述目标实时行驶速度的第二比值,以作为所述公交车辆从所述当前时刻起至所述信号交叉口的所述初始行程时间。
6.如权利要求5所述的公交行驶状态的预测方法,所述预测方法还包括:
预设前后相邻两个时刻分别对应第一时间权重和第二时间权重;
选取所述当前时刻前的M个历史时刻;其中,M取正整数;
在n=1时,所述公交车辆从第n历史时刻起至所述信号交叉口的第一历史行程时间,作为第n历史时刻的第一历史行程预测时间;其中,n取正整数且≤M;
在n≥2时,基于第n-1历史时刻的第一历史行程预测时间、第n历史时刻的第一历史行程时间、所述第一时间权重和所述第二时间权重,计算得到第n历史时刻的第一历史行程预测时间;
直至n=M时,迭代计算得到距离所述当前时刻最近的一个历史时刻对应的目标历史行程预测时间;
所述采用预设时间修正方式对所述初始行程时间进行修正,以得到目标行程预测时间的步骤,包括:
基于所述目标历史行程预测时间、所述当前时刻对应的所述初始行程时间、所述第一时间权重和所述第二时间权重,计算得到所述公交车辆从所述当前时刻起至所述信号交叉口的所述目标行程预测时间。
7.如权利要求6所述的公交行驶状态的预测方法,所述基于所述目标历史行程预测时间、所述当前时刻对应的所述初始行程时间、所述第一时间权重和所述第二时间权重,计算得到所述公交车辆从所述当前时刻起至所述信号交叉口的所述目标行程预测时间的步骤,包括:
获取所述目标历史行程预测时间与所述第一时间权重的第三乘积,以及所述初始行程时间与所述第二时间权重的第四乘积;
计算得到所述第三乘积与所述第四乘积之和,以作为所述公交车辆从所述当前时刻起至所述信号交叉口的所述目标行程预测时间。
8.如权利要求6所述的公交行驶状态的预测方法,相邻的两个所述历史时刻相隔设定时长。
9.如权利要求1-8中任一项所述的公交行驶状态的预测方法,所述预测方法还包括:
判断所述公交车辆是否在处于所述信号交叉口周围且处于排队状态,若是,则基于所述公交车辆的所述实时位置信息,获取所述公交车辆与所述信号交叉口的实际排队长度;
基于所述排队长度获取自所述信号交叉口的绿灯开启后,所述公交车辆通过停止线所需的排队消散时间。
10.如权利要求8所述的公交行驶状态的预测方法,所述判断所述公交车辆是否在处于所述信号交叉口周围且处于排队状态的步骤,包括:
若所述目标实时行驶速度在第一设定时间内持续小于第一设定阈值,则确定所述公交车辆位于所述信号交叉口周围且处于排队状态;和/或,
若所述实时位置信息在第二设定时间内对应的移动距离小于第二设定阈值,则确定所述公交车辆位于所述信号交叉口周围且处于排队状态。
11.如权利要求9所述的公交行驶状态的预测方法,所述基于所述排队长度获取自所述信号交叉口的绿灯开启后,所述公交车辆通过停止线所需的排队消散时间的步骤,包括:
采用预设运动学起动波模型计算得到所述公交车辆在所述信号交叉口的起动波波速;其中,所述起动波波速用于表征排队队伍在起动过程中引起的起动波的速度大小;
根据所述起动波波速和所述排队长度,获取自所述信号交叉口的绿灯开启后所述公交车辆通过停止线所需的排队消散时间。
12.如权利要求11所述的公交行驶状态的预测方法,所述根据所述起动波波速和所述排队长度,获取自所述信号交叉口的绿灯开启后,所述公交车辆通过所述停止线所需的排队消散时间的步骤,包括:
获取所述公交车辆通过所述信号交叉口的正常行驶车速、从排队状态加速至正常行驶车速所需的第一时长、绿灯开启后排队队伍中头车的启动反应时间;
基于所述排队长度、所述正常行驶车速、所述第一时长、所述起动波波速和所述启动反应时间,计算得到自所述信号交叉口的绿灯开启后所述公交车辆通过所述停止线所需的所述排队消散时间。
13.一种信号控制方法,所述信号控制方法应用公交优先场景中,所述信号控制方法基于权利要求1-12中任一项所述的公交行驶状态的预测方法实现;
所述信号控制方法包括:
获取基于所述预测方法得到的公交车辆从当前时刻起至信号交叉口的目标行程预测时间;
根据所述目标行程预测时间生成所述信号交叉口的信号灯的控制策略;
基于所述控制策略控制所述信号交叉口的所述信号灯的工作状态。
14.一种公交行驶状态的预测装置,所述预测装置包括:
目标实时距离获取模块,用于基于公交车辆的实时位置信息,获取所述公交车辆与信号交叉口的目标实时距离;
平均行驶速度获取模块,用于根据所述目标实时距离计算得到所述公交车辆的平均行驶速度;
第一行驶速度采集模块,用于采集所述公交车辆在当前时刻的第一实时行驶速度;
行驶速度修正获取模块,用于基于所述平均行驶速度对所述第一实时行驶速度进行修正,以得到所述公交车辆在所述当前时刻的目标实时行驶速度;
初始行程时间获取模块,用于根据所述目标实时距离和所述目标实时行驶速度,获取所述公交车辆从所述当前时刻起至所述信号交叉口的初始行程时间;
行程预测时间修正模块,用于采用预设时间修正方式对所述初始行程时间进行修正,以得到目标行程预测时间。
15.如权利要求14所述的公交行驶状态的预测装置,所述预测装置还包括:
坐标点预设模块,用于预先在路网的不同路段中设置若干设定GPS静态坐标点;
其中,若干所述设定GPS静态坐标点用于标识对应所述路段的形状;
所述目标实时距离获取模块包括:
实时坐标信息获取单元,用于获取所述公交车辆的所述实时位置信息;
第一坐标信息获取单元,用于获取所述信号交叉口处对应的第一GPS静态坐标点以及对应的第一GPS坐标信息;
第二坐标信息获取单元,用于获取所述公交车辆与所述信号交叉口之间的若干第二GPS静态坐标点以及对应的第二GPS坐标信息;
目标实时距离获取单元,用于基于所述实时位置信息、所述第一GPS坐标信息和若干所述第二GPS坐标信息,计算得到所述公交车辆与所述信号交叉口之间的所述目标实时距离。
16.如权利要求15所述的公交行驶状态的预测装置,所述目标实时距离获取模块还包括:
第一实时距离获取单元,用于基于所述公交车辆在上一时刻的实时位置信息,获取所述公交车辆在所述上一时刻与所述信号交叉口的第一实时距离;
第二实时距离获取单元,用于基于所述公交车辆在所述当前时刻的实时位置信息,获取所述公交车辆在所述当前时刻与所述信号交叉口的第二实时距离;
所述平均行驶速度获取模块包括:
时间差值获取单元,用于获取所述当前时刻与所述上一时刻之间的时间差值;
距离差值获取单元,用于获取所述第一实时距离与所述第二实时距离之间的距离差值;
平均行驶速度获取单元,用于计算得到所述距离差值与所述时间差值的第一比值,以作为所述公交车辆的所述平均行驶速度。
17.如权利要求16所述的公交行驶状态的预测装置,所述行驶速度修正获取模块包括:
速度权重确定单元,用于确定所述平均行驶速度对应第一速度权重,以及所述第一实时行驶速度对应第二速度权重;
第一计算单元,用于获取所述第一速度权重与所述平均行驶速度的第一乘积、所述第二速度权重与所述第一实时行驶速度的第二乘积;
速度修正单元,用于计算得到所述第一乘积和所述第二乘积之和,以作为修正后的所述公交车辆在所述当前时刻的所述目标实时行驶速度。
18.如权利要求16所述的公交行驶状态的预测装置,所述初始行程时间获取模块用于计算得到所述第二实时距离与所述目标实时行驶速度的第二比值,以作为所述公交车辆从所述当前时刻起至所述信号交叉口的所述初始行程时间。
19.如权利要求18所述的公交行驶状态的预测装置,所述预测装置还包括:
时间权重预设模块,用于预设前后相邻两个时刻分别对应第一时间权重和第二时间权重;
历史时刻选取模块,用于选取所述当前时刻前的M个历史时刻;其中,M取正整数;
目标历史时间获取模块,用于在n=1时,所述公交车辆从第n历史时刻起至所述信号交叉口的第一历史行程时间,作为第n历史时刻的第一历史行程预测时间;其中,n取正整数且≤M;
在n≥2时,基于第n-1历史时刻的第一历史行程预测时间、第n历史时刻的第一历史行程时间、所述第一时间权重和所述第二时间权重,计算得到第n历史时刻的第一历史行程预测时间;
直至n=M时,迭代计算得到距离所述当前时刻最近的一个历史时刻对应的目标历史行程预测时间;
所述行程预测时间修正模块用于基于所述目标历史行程预测时间、所述当前时刻对应的所述初始行程时间、所述第一时间权重和所述第二时间权重,计算得到所述公交车辆从所述当前时刻起至所述信号交叉口的所述目标行程预测时间。
20.如权利要求19所述的公交行驶状态的预测装置,所述行程预测时间修正模块包括:
第二计算单元,用于获取所述目标历史行程预测时间与所述第一时间权重的第三乘积,以及所述初始行程时间与所述第二时间权重的第四乘积;
时间修正单元,用于计算得到所述第三乘积与所述第四乘积之和,以作为所述公交车辆从所述当前时刻起至所述信号交叉口的所述目标行程预测时间。
21.如权利要求19所述的公交行驶状态的预测装置,相邻的两个所述历史时刻相隔设定时长。
22.如权利要求14-21中任一项所述的公交行驶状态的预测装置,所述预测装置还包括:
判断模块,用于判断所述公交车辆是否在处于所述信号交叉口周围且处于排队状态,若是,则调用实际排队长度获取模块基于所述公交车辆的所述实时位置信息,获取所述公交车辆与所述信号交叉口的实际排队长度;
排队消散时间获取模块,用于基于所述排队长度获取自所述信号交叉口的绿灯开启后,所述公交车辆通过停止线所需的排队消散时间。
23.如权利要求22所述的公交行驶状态的预测装置,所述判断模块用于若所述目标实时行驶速度在第一设定时间内持续小于第一设定阈值,则确定所述公交车辆位于所述信号交叉口周围且处于排队状态;和/或,
若所述实时位置信息在第二设定时间内对应的移动距离小于第二设定阈值,则确定所述公交车辆位于所述信号交叉口周围且处于排队状态。
24.如权利要求22所述的公交行驶状态的预测装置,所述排队消散时间获取模块包括:
起动波波速获取单元,用于采用预设运动学起动波模型计算得到所述公交车辆在所述信号交叉口的起动波波速;其中,所述起动波波速用于表征排队队伍在起动过程中引起的起动波的速度大小;
排队消散时间获取单元,用于根据所述起动波波速和所述排队长度,获取自所述信号交叉口的绿灯开启后所述公交车辆通过停止线所需的排队消散时间。
25.如权利要求24所述的公交行驶状态的预测装置,所述排队消散时间获取单元用于获取所述公交车辆通过所述信号交叉口的正常行驶车速、从排队状态加速至正常行驶车速所需的第一时长、绿灯开启后排队队伍中头车的启动反应时间;
基于所述排队长度、所述正常行驶车速、所述第一时长、所述起动波波速和所述启动反应时间,计算得到自所述信号交叉口的绿灯开启后所述公交车辆通过所述停止线所需的所述排队消散时间。
26.一种信号控制装置,所述信号控制装置应用公交优先场景中,所述信号控制装置基于权利要求14-25中任一项所述的公交行驶状态的预测装置实现;
所述信号控制装置包括:
目标行程预测时间获取模块,用于获取基于所述预测装置得到的公交车辆从当前时刻起至信号交叉口的目标行程预测时间;
控制策略生成模块,用于根据所述目标行程预测时间生成所述信号交叉口的信号灯的控制策略;
信号控制模块,用于基于所述控制策略控制所述信号交叉口的所述信号灯的工作状态。
27.一种电子设备,包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行权利要求1-12中任一项所述的方法,或权利要求13所述的方法。
28.一种存储有计算机指令的非瞬时计算机可读存储介质,其中,所述计算机指令用于使所述计算机执行根据权利要求1-12中任一项所述的方法,或权利要求13所述的方法。
29.一种计算机程序产品,包括计算机程序,所述计算机程序在被处理器执行时实现根据权利要求1-12中任一项所述的方法,或权利要求13所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211659618.XA CN115966081A (zh) | 2022-12-22 | 2022-12-22 | 公交行驶状态的预测及信号控制方法、装置、设备与介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211659618.XA CN115966081A (zh) | 2022-12-22 | 2022-12-22 | 公交行驶状态的预测及信号控制方法、装置、设备与介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115966081A true CN115966081A (zh) | 2023-04-14 |
Family
ID=87357367
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211659618.XA Pending CN115966081A (zh) | 2022-12-22 | 2022-12-22 | 公交行驶状态的预测及信号控制方法、装置、设备与介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115966081A (zh) |
-
2022
- 2022-12-22 CN CN202211659618.XA patent/CN115966081A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20140058652A1 (en) | Traffic information processing | |
CN113066302B (zh) | 车辆信息预测方法、装置及电子设备 | |
CN113689698B (zh) | 交通控制方法、装置、电子设备、存储介质及程序产品 | |
CN114475585B (zh) | 路口自动驾驶方法、装置、电子设备及自动驾驶车辆 | |
KR20210137936A (ko) | 차량 대기 정보를 결정하는 방법, 전자 기기, 노변 기기, 클라우드 제어 플랫폼, 저장 매체, 및 컴퓨터 프로그램 제품 | |
CN112528927A (zh) | 基于轨迹分析的置信度确定方法、路侧设备及云控平台 | |
CN114506343A (zh) | 轨迹规划方法、装置、设备、存储介质及自动驾驶车辆 | |
CN114676178A (zh) | 事故检测方法、装置及电子设备 | |
CN114973698A (zh) | 控制信息的生成方法和机器学习模型的训练方法、装置 | |
CN113899381A (zh) | 用于生成路线信息的方法、装置、设备、介质和产品 | |
CN117261880A (zh) | 一种车辆控制方法、装置、设备以及存储介质 | |
CN115966081A (zh) | 公交行驶状态的预测及信号控制方法、装置、设备与介质 | |
CN115535003A (zh) | 自动驾驶车辆的路口控制方法、装置、电子设备和介质 | |
CN115469669A (zh) | 一种窄路会车方法、装置、设备及存储介质 | |
CN113847923A (zh) | 预估到达时间的计算方法、装置、电子设备和可读存储介质 | |
CN112683216B (zh) | 用于生成车辆长度信息的方法、装置、路侧设备和云控平台 | |
CN114626595A (zh) | 通行时长预估方法、模型训练方法、电子设备及程序产品 | |
CN113849589A (zh) | 预计到达时间的预测方法、装置、电子设备和存储介质 | |
CN115830851B (zh) | 交通流量调节方法、装置、设备及介质 | |
CN116700065A (zh) | 无人驾驶设备的控制方法、装置、电子设备及存储介质 | |
CN116373909A (zh) | 轨迹规划方法、装置、车辆、电子设备和存储介质 | |
CN115230721A (zh) | 感知数据处理方法、装置和自动驾驶车辆 | |
CN115938109A (zh) | 交通雷达检测车辆横穿的方法、装置、存储介质和设备 | |
CN115080677A (zh) | 用于规划路线的方法、装置、设备、介质和产品 | |
CN114565903A (zh) | 异常数据识别方法及装置、设备、介质和产品 |
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 |