CN118247970B - 一种公交滞站模式下的信号优先与速度调控协同优化方法 - Google Patents

一种公交滞站模式下的信号优先与速度调控协同优化方法 Download PDF

Info

Publication number
CN118247970B
CN118247970B CN202410631546.0A CN202410631546A CN118247970B CN 118247970 B CN118247970 B CN 118247970B CN 202410631546 A CN202410631546 A CN 202410631546A CN 118247970 B CN118247970 B CN 118247970B
Authority
CN
China
Prior art keywords
time
bus
station
stop
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.)
Active
Application number
CN202410631546.0A
Other languages
English (en)
Other versions
CN118247970A (zh
Inventor
席姣姣
周雪梅
马捷
郑建颖
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.)
Suzhou City College
Original Assignee
Suzhou City College
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 Suzhou City College filed Critical Suzhou City College
Priority to CN202410631546.0A priority Critical patent/CN118247970B/zh
Publication of CN118247970A publication Critical patent/CN118247970A/zh
Application granted granted Critical
Publication of CN118247970B publication Critical patent/CN118247970B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G08G1/0129—Traffic data processing for creating historical data or processing based on historical data
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/004—Artificial life, i.e. computing arrangements simulating life
    • G06N3/006—Artificial life, i.e. computing arrangements simulating life based on simulated virtual individual or collective life forms, e.g. social simulations or particle swarm optimisation [PSO]
    • 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
    • G06Q50/10—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
    • G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
    • G08G1/0137—Measuring and analyzing of parameters relative to traffic conditions for specific applications
    • 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)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Mathematical Physics (AREA)
  • Data Mining & Analysis (AREA)
  • Tourism & Hospitality (AREA)
  • Software Systems (AREA)
  • General Health & Medical Sciences (AREA)
  • General Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Primary Health Care (AREA)
  • Economics (AREA)
  • Algebra (AREA)
  • Computational Mathematics (AREA)
  • Strategic Management (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Marketing (AREA)
  • Pure & Applied Mathematics (AREA)
  • Databases & Information Systems (AREA)
  • Human Resources & Organizations (AREA)
  • General Business, Economics & Management (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Biomedical Technology (AREA)
  • Biophysics (AREA)
  • Computational Linguistics (AREA)
  • Evolutionary Computation (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • Educational Administration (AREA)
  • Development Economics (AREA)
  • Traffic Control Systems (AREA)

Abstract

本申请涉及智能交通控制领域，具体提供了一种公交滞站模式下的信号优先与速度调控协同优化方法，通过滞站策略结合到达交叉口状态，采用自协调滞站加强弹性，以保证车头时距稳定性。通过采取信号优先规则的方式，可以减少车辆混行时社会车辆让行的情形；而自协调滞站和速度调控方式可以解决选择性信号优先中不可优先的区间，从而达到协同优化的目的。

Description

一种公交滞站模式下的信号优先与速度调控协同优化方法
技术领域
本发明涉及智能交通控制领域，尤其是指一种公交滞站模式下的信号优先与速度调控协同优化方法。
背景技术
常规公交受地面环境（信号灯、交通拥堵）多种因素的干扰,可能导致车辆到站时间波动较大并发生“串车”现象，从而影响乘客出行。平峰时期公交发车频率较低，乘客对到站时间的可靠性和稳定性等有更高要求。
目前针对公交运行高峰时期，基于公交跃站模式，制定了信号优先与速度调控的协同优化方法。此方法虽对信号时段进行了分区，但采取信号优先的时段较长，同样对社会车辆影响较大且不适用于平峰时期车辆在交叉口前一站滞站方式。针对公交平峰运行时期，现有“滞站模式下信号优先与速度调控协同优化”存在以下问题：
现有滞站策略及滞站时长弹性不强，未考虑全线站点滞站时长对交叉口的影响；现有方法中采取信号优先方式时，大多未对信号时长进行分区，采取信号优先方式会出现社会车辆让行情况。因而，现有信号优先方式对红绿灯周期依赖较强，对社会车辆影响较大。
需要说明的是，在上述背景技术部分公开的信息仅用于加强对本公开的背景的理解，因此可以包括不构成对本领域普通技术人员已知的现有技术的信息。
发明内容
为此，本发明所要解决的技术问题在于克服现有技术中滞站策略及滞站时长弹性不强，未考虑全线站点滞站时长对交叉口的影响；现有方法中采取信号优先方式时，大多未对信号时长进行分区，采取信号优先方式会出现社会车辆让行情况。因而，现有信号优先方式对红绿灯周期依赖较强，对社会车辆影响较大。
为解决上述技术问题，本发明提供了一种公交滞站模式下的信号优先与速度调控协同优化方法，所述方法包括：
获取站点的历史客流数据、车头时距上限值和车头时距下限值，并根据所述历史客流数据生成决策变量；
根据所述车头时距上限值、所述车头时距下限值和所述决策变量生成滞站时间；
根据站点乘客上车人数、乘客在相应站点上下车时间、所述决策变量和所述滞站时间计算客站点候车时间；
根据在车乘客数量和站点至始发站距离计算站间运行时间；
根据所述决策变量、所述滞站时间、所述在车乘客数量、下车乘客数量和所述乘客在相应站点上下车时间计算站点停靠时间；
根据所述在车乘客数量、所述站点乘客上车人数、所述下车乘客数量、等候剩余红灯时间和信号优先规则计算交叉口延误时间；
根据站点停靠运营成本、所述决策变量和所述信号优先规则计算时间价值；
根据所述客站点候车时间、所述站间运行时间、所述站点停靠时间、所述交叉口延误时间和所述时间价值计算目标函数；
根据改进的离散二进制粒子群算法对所述目标函数进行求解，生成总目标值。
在本发明的一个实施例中，所述客站点候车时间的计算公式为：
；
其中，为线路上某公交车i在站点j总上车乘客数量，为乘客平均候车站点系数，为公交车i在站点j的乘客上下车时间，为滞站时间，为线路上公交车i在站点j是否滞站的决策变量，为公交车开关门及进出站加减速的平均时间。
在本发明的一个实施例中，所述站间运行时间的计算公式为：
；
其中，为线路上某公交车i到达站点j时车上的乘客数量，为公交车i行驶至站点j距离始发站的距离，为公交车平均运行速度。
在本发明的一个实施例中，所述站点停靠时间的计算公式为：
；
其中，为线路上某公交车i到达站点j时车上的乘客数量，为线路上某公交车i到达站点j时的下车乘客数量，为公交车i在站点j的乘客上下车时间，为滞站时间，为线路上公交车i在站点j是否滞站的决策变量，为公交车开关门及进出站加减速的平均时间。
在本发明的一个实施例中，所述交叉口延误时间的计算公式为：
；
其中，为线路上某公交车i到达站点j时车上的乘客数量，为线路上某公交车i在站点j总上车乘客数量，为线路上某公交车i到达站点j时的下车乘客数量，为公交车辆i到达交叉口x的信号延误时间即等候剩余红灯时间，为公交车开关门及进出站加减速的平均时间，为线路上公交车i在交叉口x是否停靠的决策变量。
在本发明的一个实施例中，所述时间价值的计算公式为：
；
其中，为成本折算的时间价值系数，为线路上公交车在站点停靠的运营成本，为滞站时车辆所增加的额外磨损及耗油系数，为线路上公交车i在站点j是否滞站的决策变量，为线路上公交车i在交叉口x是否停靠的决策变量。
在本发明的一个实施例中，根据所述车头时距上限值、所述车头时距下限值和所述决策变量生成滞站时间的步骤包括：
若所述站点为交叉口前一站，则所述滞站时间的计算公式为：
；
其中，为滞站系数下限，为期望车头时距，为线路上公交车i在站点j的离开时刻，为公交车辆i到达交叉口x的信号延误时间即等候剩余红灯时间,为线路上公交车i在站点j是否滞站的决策变量，为相邻两公交车在站点j的车头时距，为滞站系数上限；
若所述站点不为交叉口前一站，则所述滞站时间的计算公式为：
；
其中，为滞站系数下限，为期望车头时距，为线路上公交车i在站点j的离开时刻，为公交车辆i到达交叉口x的信号延误时间即等候剩余红灯时间,为线路上公交车i在站点j是否滞站的决策变量，为相邻两公交车在站点j的车头时距，为滞站系数上限，为公交车辆i从起点运行至站点j的时刻。
在本发明的一个实施例中，所述目标函数的计算公式为：
；
其中，为客站点候车时间，为站间运行时间，为站点停靠时间，为交叉口延误时间，为时间价值，为公交专用道决策变量，为无公交专用道时的干扰系数。
本发明的上述技术方案相比现有技术具有以下优点：
本发明所述的一种公交滞站模式下的信号优先与速度调控协同优化方法，通过滞站策略结合到达交叉口状态，采用自协调滞站加强弹性，以保证车头时距稳定性。通过采取信号优先规则的方式，可以减少车辆混行时社会车辆让行的情形；而自协调滞站和速度调控方式可以解决选择性信号优先中不可优先的区间，从而达到协同优化的目的。
附图说明
为了使本发明的内容更容易被清楚的理解，下面根据本发明的具体实施例并结合附图，对本发明作进一步详细的说明。
图1是本发明提供的一种公交滞站模式下的信号优先与速度调控协同优化方法的流程图；
图2是本发明提供的一种公交滞站模式下的信号优先与速度调控协同优化方法中公交车辆到达交叉口时段划分的示意图；
图3是本发明提供的一种公交滞站模式下的信号优先与速度调控协同优化方法中交叉口O1速度调整的示意图；
图4是本发明提供的一种公交滞站模式下的信号优先与速度调控协同优化方法中交叉口O3速度调整的示意图；
图5是本发明提供的一种公交滞站模式下的信号优先与速度调控协同优化方法中交叉口O3速度调整的示意图；
图6是本发明提供的一种公交滞站模式下的信号优先与速度调控协同优化方法中到站时间优化前的示意图；
图7是本发明提供的一种公交滞站模式下的信号优先与速度调控协同优化方法中到站时间优化后的示意图；
图8是本发明提供的一种公交滞站模式下的信号优先与速度调控协同优化方法中与前车车头时距偏差值优化前的示意图；
图9是本发明提供的一种公交滞站模式下的信号优先与速度调控协同优化方法中与前车车头时距偏差值优化后的示意图；
图10是本发明提供的一种公交滞站模式下的信号优先与速度调控协同优化方法中各车次行程时间指数的示意图；
图11是本发明提供的一种公交滞站模式下的信号优先与速度调控协同优化方法中离散二进制粒子群算法改进前后对比的示意图。
具体实施方式
下面结合附图和具体实施例对本发明作进一步说明，以使本领域的技术人员可以更好地理解本发明并能予以实施，但所举实施例不作为对本发明的限定。
参照图1所示，本发明提供了一种公交滞站模式下的信号优先与速度调控协同优化方法，所述方法包括：
S100,获取站点的历史客流数据、车头时距上限值和车头时距下限值，并根据所述历史客流数据生成决策变量；
在步骤S100中，基本假设条件如下：
（1）各站点的候车基本设施环境相同；
（2）公交车辆运行期间不考虑不同线路间的干扰；
（3）公交车辆在线路上的运行属于非满载状态，只要在站点停靠，该站点的乘车需求就会被满足；
（4）在站点候车的乘客会一直等待直至坐上公交车辆，且不会因为公交车辆停靠或候车时间过长而选择其他出行方式，即最后一辆车不拒载；
（5）公交滞站期间，允许乘客继续上下车；
（6）相邻两辆车途径同一站点保持稳定的行车间隔；
（7）交叉口前一站滞站时长与交叉口信号特征关联；
（8）车路协同系统可以检测到车辆的运行状态，包括车辆的行驶速度和到达时间，并且能为公交车和信号控制机提供实时的双向通信；
（9）只考虑两相位，且交叉口不存在公交排队。
为保持车头时距的稳定性，获取车头时距下限值为，车头时距上限值为（即）。自协调滞站调度策略需结合线路运营情况、各站点上下车人数及交叉口信号设置情况进行制定。
依据站点的历史客流数据对站点进行滞站决策，决策变量为站点是否滞留，也就是说明各站点均停站，各站点是否多滞留一段时间，由决策变量决定，公交车i在站点j不滞留；，已有乘客上下车完毕后，公交车i在站点j多滞留一段时间。滞站时间会对全线车辆运行时间及运行状态造成扰动，并可能导致串车现象发车，因而滞站时间同样不宜过长，同时结合车头时距上下限值范畴，滞站时间取值，对滞站时长上限设置为1min。其中，各符号含义定义如表1所示。
表1：
S200,根据所述车头时距上限值、所述车头时距下限值和所述决策变量生成滞站时间；
在步骤S200中，根据所述车头时距上限值、所述车头时距下限值和所述决策变量生成滞站时间的步骤包括：
若所述站点为交叉口前一站，则所述滞站时间的计算公式为：
（1）；
其中，为滞站系数下限，为期望车头时距，为线路上公交车i在站点j的离开时刻，为公交车辆i到达交叉口x的信号延误时间即等候剩余红灯时间,为线路上公交车i在站点j是否滞站的决策变量，为相邻两公交车在站点j的车头时距，为滞站系数上限；
若所述站点不为交叉口前一站，则所述滞站时间的计算公式为：
（2）；
其中，为滞站系数下限，为期望车头时距，为线路上公交车i在站点j的离开时刻，为公交车辆i到达交叉口x的信号延误时间即等候剩余红灯时间,为线路上公交车i在站点j是否滞站的决策变量，为相邻两公交车在站点j的车头时距，为滞站系数上限，为公交车辆i从起点运行至站点j的时刻。
在实际应用场景中，滞站时间是指乘客上下车时间之外，公交车辆在站点需要额外停留的时间。车辆在站点是否需要滞站与前后车头时距的稳定性有关。当不采取滞站控制策略的情况下，滞站时间为0；需要采取滞站策略时，滞站时长需结合决策变量、车头时距上限值、车头时距下限值及交叉口信号特征进行计算，以达到保持车头时距稳定性以及同时降低交叉口延误的双重效益，因而结合交叉口信号特征影响采用自协调滞站调度策略。
计算交叉口外其余站点的滞站时间时，先忽略交叉口影响，交叉口外其余站点是否滞留站点一段时间，根据车头时距均衡性（前后两辆车离开同一站点的时间差）决定。车辆在站点的离站时刻与车辆的到达时刻以及停靠时间相关。公交车辆在站点的总停靠时间由乘客上下车时间和滞站时间两部分组成：
（3）；
依据各站点上下车人数，判断各站点决策变量以及滞站时长，车头时距满足：
（4）；
为满足相邻车头时距的均衡性，令：；
则，，且；
当，此时有：即：
（5）；
当，此时有：即：
（6）；
由此，在考虑相邻车头时距保持均衡的情况下，公交车辆i在j站的滞站时间如式（2）所示。
在实际应用场景中，计算交叉口前一站的滞站时间时，由于结合了车辆途径交叉口的延误情况，因而车辆的到站时间与交叉口信号特征以及是否采取滞站决策变量有关联（在之后的目标函数中具体展开）。为尽可能减少交叉口信号优先，以降低通行过程中对社会车辆的影响，在考虑相邻车头时距保持均衡的基础上，兼顾了信号特征对交叉口前一站滞站时间的影响，因而滞站方法中表示车辆i在交叉口前一站j的滞站时间为式（1）所示。
S300,根据站点乘客上车人数、乘客在相应站点上下车时间、所述决策变量和所述滞站时间计算客站点候车时间；
在步骤S300中，所述客站点候车时间的计算公式为：
（7）；
其中，为线路上某公交车i在站点j总上车乘客数量，为乘客平均候车站点系数，为公交车i在站点j的乘客上下车时间，为滞站时间，为线路上公交车i在站点j是否滞站的决策变量，为公交车开关门及进出站加减速的平均时间。
在实际应用场景中，此处不考虑站间运行时间以及交叉口等待时间，只考虑站点停靠的候车时间。停靠的候车时间主要是当前站点处车辆的停站时间以及开关门加减速时间。因乘客到站点具有随机到达性，此处设置等待站点系数。
由于，（8）；
因此可推导出式（7），其中，乘客在相应站点的上下车时间为：
（9）；
站点停靠时间为：
（10）；
站点乘客上车人数：
（11）；
站点常规上车乘客到达人数服从正态分布；站点滞站时间内到达乘客人数满足：
（12）；
可见停靠时间取决于及乘客上车、下车人数的变化。
S400,根据在车乘客数量和站点至始发站距离计算站间运行时间；
在步骤S400中，站间运行时间指在车乘客于两站区间的运行时间总和，与站间距及运行时间相关（表示公交车i行驶至站点j-1距离始发站的距离），如式（13）所示。
（13）；
其中，为线路上某公交车i到达站点j时车上的乘客数量，为公交车i行驶至站点j距离始发站的距离，为公交车平均运行速度。在车乘客数量满足：。公交车在车乘客数量由站点j-1处的在车乘客数量和上下车人数决定。车辆属于非满载状态，即车辆停靠时，候车乘客都能上车，不存在拒载。此时，且。
S500,根据所述决策变量、所述滞站时间、所述在车乘客数量、下车乘客数量和所述乘客在相应站点上下车时间计算站点停靠时间；
在步骤S500中，站点停靠时间即车上乘客的在站停留时间，包含上下车及加减速时间，如式（14）所示：
（14）；
其中，为线路上某公交车i到达站点j时车上的乘客数量，为线路上某公交车i到达站点j时的下车乘客数量，为公交车i在站点j的乘客上下车时间，为滞站时间，为线路上公交车i在站点j是否滞站的决策变量，为公交车开关门及进出站加减速的平均时间。
公交车i从起点运行至站点j的时刻为：
（15）；
S600,根据所述在车乘客数量、所述站点乘客上车人数、所述下车乘客数量、等候剩余红灯时间和信号优先规则计算交叉口延误时间；
在步骤S600中，所述交叉口延误时间的计算公式为：
（16）；
其中，为线路上某公交车i到达站点j时车上的乘客数量，为线路上某公交车i在站点j总上车乘客数量，为线路上某公交车i到达站点j时的下车乘客数量，为公交车辆i到达交叉口x的信号延误时间即等候剩余红灯时间，为公交车开关门及进出站加减速的平均时间，为线路上公交车i在交叉口x是否停靠的决策变量。
根据所述在车乘客数量、所述站点乘客上车人数、所述下车乘客数量、等候剩余红灯时间和信号优先规则计算交叉口延误时间的步骤包括：
若所述信号优先规则为绿灯延长，则延长时间的计算公式为：
（17）；
其中，为公交车i到达交叉口x的时刻，为线路上首辆公交车辆的发车时刻。
根据所述在车乘客数量、所述站点乘客上车人数、所述下车乘客数量、等候剩余红灯时间和信号优先规则计算交叉口延误时间的步骤还包括：
若所述信号优先规则为信号不可优先或信号选择不优先，则等候剩余红灯时间的计算公式为：
（18）；
其中，为相位1的红灯时间，为公交车i到达交叉口x的时刻，为线路上首辆公交车辆的发车时刻。
等候剩余红灯时间和信号优先规则计算交叉口延误时间的步骤还包括：
若所述信号优先规则为正常通行，则所述等候剩余红灯时间为0。
在实际应用场景中，由式（16）可推导出式（19）。
（19）；
当公交到达交叉口通过信号优先规则选择信号优先时，；否则，当时，此时等待剩余红灯时间如式（18）所示。公交车i到达交叉口的时刻为：
（20）；
其中的约束条件为：
车辆在交叉口的等待剩余红灯时间，满足：，两个方向相位之和为相位周期为：。
站点离开时间为：
（21）；
离开时间为到达时间加在该站的停站时间及开关门和加减速时间；如果不停靠，则其离开时间即为到达时间。其中，为避免车辆串车或超车，车头时距设置安全值，即：。为减少公交对其他车辆通行的干扰，一般提前或延长绿灯时间不超过周期时长的10%。本次研究交叉口信号为两相位，且有，由此可见交叉口一个信号周期内信号优先时长上限为。在此基础上，对公交车辆到达交叉口的时间划分为以下4个区间（其中n指的是信号周期数），以此确定一个信号优先的时间窗。
参照图2所示，第一个区间（区间a）为：当信号优先规则为绿灯延长时，；此时，，考虑安全，将黄灯时间3秒包含在内，延长时间如式（17）所示，第二个区间（区间b）为：当信号优先规则为信号不可优先时，；此时，，可通过速度协同调控，最终使得由1变0，等候剩余红灯时间如式（18）所示。
采取在交叉口前一站调整速度的方式，使得车辆到达交叉口时可直接通过。根据速度可调整范围，在交叉口前一站加速（减速），过交叉口再施行相应减速（加速）的方式，使得两车站间平均运行时间不变。公交最大运行速可达到90km/h，结合城市道路交通安全以及公交的燃油动力系统性能等综合因素，城市公交最大运行速度一般不超过60km/h。
当满足时，车辆在交叉口前一站按速度加速（考虑到安全，将黄灯时间3秒考虑到提前范围内，此时有：，反之减速：，此时有：。第三个区间（区间c）为：当信号优先规则为信号选择不优先时，；此时，，可通过前一站提前滞站避免红灯，最终使得由1变0，等候剩余红灯时间如式（18）所示。第四个区间（区间d）为：当信号优先规则为正常通行时，车辆在该区间正常通行，且等候剩余红灯时间为0。
S700,根据站点停靠运营成本、所述决策变量和所述信号优先规则计算时间价值；
在步骤S700中，所述时间价值的计算公式为：
（22）；
其中，为成本折算的时间价值系数，为线路上公交车在站点停靠的运营成本，为滞站时车辆所增加的额外磨损及耗油系数，为决策变量，为线路上公交车i在交叉口x是否停靠的决策变量。
在实际应用场景中，时间价值为公交公司的停靠运营成本折算的时间价值，主要指车辆在各站点及各交叉口停靠时，通过加减速过程会增加其磨损和油耗（滞站时由于停靠重新启动额外增多），需要多付出的损耗费用和油耗费用。表达式如式（22）所示。
S800,根据所述客站点候车时间、所述站间运行时间、所述站点停靠时间、所述交叉口延误时间和所述时间价值计算目标函数；
在步骤S800中，所述目标函数的计算公式为：
（23）；
其中，为客站点候车时间，为站间运行时间，为站点停靠时间，为交叉口延误时间，为时间价值，为公交专用道决策变量，为无公交专用道时的干扰系数。
在实际应用场景中，首先对公交专用道设置情况进行条件判断，本次研究仅考虑整条线有无专用道的情况（假定公交专用道情况下，车辆均速运行）。其中 、分别指公交专用道决策变量及无公交专用道时的干扰系数。目标函数如式（23）所示。
S900,根据改进的离散二进制粒子群算法对所述目标函数进行求解，生成总目标值。
在步骤S900中，传统的离散二进制粒子群算法中将参数设置为定值，容易在迭代前期出现局部最优，而在后期收敛速度降低，不能均衡全局搜索与局部最优间的关系。基于此，本申请对传统的离散二进制粒子群算法做了两点改进，得到了改进的离散二进制粒子群算法，具体改进的部分为：1）通过设置参数的变化从而起到动态调整的作用，以使全局搜索与局部收敛在迭代过程中均衡稳定。2）结合头脑风暴法，以增加样本的变异多样性。本申请采用改进的离散二进制粒子群算法DPSO对目标函数进行求解。
求解过程分两个阶段，第一阶段为：依据历史客流数据对站点进行滞站决策，决策变量为站点是否滞留，为0-1变量；第二阶段为：依据在线客流数据，在滞站决策的基础上进行信号优先决策并提出相应的优先方案，决策变量为交叉口是否停靠，为0-1变量。
初始化种群中产生一个种群数量为N的粒子群，每一个粒子大小为车站数量，粒子值代表每一辆车是否停留（0-不停车，1-停车）。将种群产生的粒子，带入适应度函数计算，得到的浓度既为每个粒子产生的车辆总停靠成本。最后更新粒子最优位置，找到种群中粒子浓度最小的粒子位置，即找到车辆总停靠成本最低。分两个阶段进行决策，即对应的每一辆车每一个车站的滞站决策P以及交叉口停靠决策Y，其中，改进的离散二进制粒子群算法DPSO具体求解步骤如下：
（1）初始化粒子位置
初始化种群中每一个粒子大小代表车站数量，粒子值代表每一辆车是否停留，按一定策略，生成二进制编码。
（2）速度更新及参数动态调整
在算法改进中对学习因子以及惯性权重不断进行速度更新及动态调整。其中，表示速度，表示惯性权重，表示个体最优位置，表示当前位置，表示学习因子1，表示学习因子2，表示随机数。、分别表示学习因子1的最大、最小值；、分别表示学习因子2的最大、最小值；、分别表示惯性权重的最大、最小值；、分别表示迭代次数及其最大值。速度更新及参数动态调整计算公式如下：
（24）；
（25）；
（26）；
（27）；
（3）位置更新
采用sigmoid函数速度映射到[0,1]区间作为概率，即为粒子速度当前概率为1。
（28）；
（4）位置变化的绝对概率
当前位置为0时变为1，当前为1时变为0，二者逻辑关系被称为绝对变化，概率表示为：
（29）；
表示当前为0的概率；如果当前为0，则改变的概率为，如果当前为0，则改变概率为，结合式（28）可以得到位的改变概率计算方程：
（30）；
即（31）；
（32）；
其中，最大改变概率不超过0.25；随后加入前后时间的影响，位置改变概率变为：
（33）；
结合式（28）与式（33），得到下式：
（34）；
公式（34）也就是第8代位置改变的概率，与两代的速度有关。即最大改变概率不超过0.5。
在本实施例中，数据选取路段来源于赣州市K2线路，研究线路设置有公交专用道。针对选取2022.06~2022.12平峰时段（12：00~13：00）的客流数据均值进行展开分析。平峰时期客流量较高峰时段相对少，发车间隔为10分钟，该时段通行车辆数为6辆。
根据表1的参数定义，对本实施例中参数进行标定，如表2。
表2：
先对公交专用道进行条件判断（本实施例中线路设置有公交专用道）。同时，结合车头时距稳定性及交叉口信号特征，计算公交到达交叉口时刻，并进行滞站决策判断。由于车辆交叉口前一站受红绿灯通行影响，因此滞站过程分为交叉口前一站及其他站点两类。其他站点根据滞站决策结果计算滞站时间，交叉口前一站根据信号周期特征和信号优先规则进行选择性信号优先。当公交到达第一区间、第二区间和第四区间时无需滞站，第一区间进行信号优先，第二区间可采取速度调整方式通行，第三区间绿灯直接通行；位于第三区间时，交叉口前一站进行自协调滞站，以便车辆在交叉口直接通行。
使用改进的离散二进制粒子群算法DPSO对目标函数进行求解，分三个阶段进行协同控制：
阶段一：自协调滞站调度决策。
自协调滞站调度策略具体分两步：第一步先忽略交叉口影响对各站点进行初始滞站模式决策，第二步考虑交叉口影响后更新滞站决策及滞站时长。先进行第一步，在信号选择性优先及速度调控协同控制后呈现第二步结果。在研究时段内（平峰期12：00-13：00），得到乘客OD分布，6辆车在各站点的上下客情况如表3所示，表3为各车次在各站点上下车人数。
表3：
结合各站点历史客流情况，并根据滞站约束条件，使用改进的离散二进制粒子群算法，使用matlab语言编程，1代表车停车，0代表不停车。当找到适应度最小（总成本最低）时代表找到最佳位置，即找到最佳停车决策时算法终止。如：公交V5在站点S10初始滞站决策为0，即不滞站；V6在站点S7初始滞站决策为1，即滞站。全部车辆初步滞站结果如表4所示，表4为优化后初步滞站结果（使用0或1进行表示）。
表4：
阶段二：选择性信号优先决策。
结合车辆滞站决策结果及信号周期特点，考虑交叉口对车辆运行影响并对到达交叉口的车辆进行信号优先决策。进行信号优先区间判断和筛选，得到各辆车到达各交叉口位于四个区间的状态。当车辆到达交叉口位于第三区间时，不再进行信号优先（），此时判断程序主要内容如表5所示。
表5：
算法进程: 优先区间判断
1. function [N,Y,Y_interval]=Judge (t,C,r1)
2. N=floor (t/60);
3. t_Interval=[N*C,N*C+1/5*r1,N*C+4/5*r1,N*C+r1,N*C+C];
4. if t>t_Interval (2)&&t<t_Interval (3)
5. Y=1;
6. Y_interval={'b'};
7. else if t>=t_Interval (1)&&t<t_Interval (2)
8. Y=0;
9. Y_interval={'a'};
10. else if t>t_Interval (3)&&t<t_Interval (4)
11. Y=1;
12. Y_interval={'c'};
13. else if t>=t_Interval (4)&&t<t_Interval (5)
14. Y=0;
15. Y_interval={'d'};
16. end
17. end
阶段三：速度调控协同优化方案。
在选择性信号优先的基础上，对位于第二区间的车辆进行速度调控，以及对位于第三区间的车辆进行前一站额外滞留以达到协同优化的效果，如：车辆V2、V2、V3分别在交叉口O1、O3、O3经速度调控后信号区间由b-d；车辆V5、V6分别在交叉口O3、O1经自协调滞站后信号区间由c-d；6辆车到达4个交叉口判断结果如表6所示。
表6
交叉口车辆 O1 O2 O3 O4
V1 d a d a
V2 b-d d b-d d
V3 d d b-d d
V4 d a d d
V5 d a c-d a
V6 c-d d a d
协同优化后，由表6可得到6辆车到达各交叉口的停车决策状态，如：车辆V2、V2、V3分别在交叉口O1、O3、O3经速度调控后停车决策由1-0；车辆V5、V6经自协调滞站后分别在交叉口O3、O1停车决策由1-0，如表7所示，表7为交叉口是否等红灯的结果。
表7：
交叉口车辆 O1 O2 O3 O4
V1 0 0 0 0
V2 1-0 0 1-0 0
V3 0 0 1-0 0
V4 0 0 0 0
V5 0 0 1-0 0
V6 1-0 0 0 0
根据各车次到达交叉口区间情况，可得各车次到达各交叉口剩余红灯时间，如：车辆V2、V2、V3分别在交叉口O1、O3、O3经速度调控前需等候剩余红灯时间为10.1s、18.9s、9.9s；车辆V5、V6经自协调滞站前分别在交叉口O3、O1需等候剩余红灯时间为3.9s、3.1s，如表8所示。表8为各车次在各交叉口的剩余红灯时间（s）。
表8：
交叉口车辆 O1 O2 O3 O4
V1 0 29 0 28.6
V2 10.1 0 18.9 0
V3 0 0 9.9 0
V4 0 28 0 0
V5 0 25 3.9 24.6
V6 3.1 0 24.9 0
（1）选择性信号优先（第一区间）
信号检测装置可检测到车辆到达交叉口前一站的时间，进而得知在公交车辆到达交叉口时的时间及所在的相位处于红灯状态（第一区间），这时通过压缩非公交相位使公交相位提前激活达到公交优先的目的。此时程序同时反馈给车辆（可通行）及信号装置（红灯相位设置可通行时间段，在可通行时段车辆可直接通行）。
辆到达位于第一区间时，采取绿波延长，根据表6的结果可知：V1（O2）；V1（O4）；V4（O2）；V5（O2）；V5（O4）；V6（O3）车辆V1、V1、V4、V5、V5、V6分别到达交叉口O2、O4、O2、O2、O4、O3位于第一区间。
考虑安全，将黄灯时间3秒包含在内，根据公式（17）计算得到各车次到达相应交叉口的延长绿波时间分别为4s、4,4s、5s、8s、8.4s、8.1s。
（2）更新滞站站点及滞站时间（第三区间）
根据初始滞站结果，当车辆到站交叉口位于第三区间，此时交叉口前一站更新滞留站点及滞留时间，以使车辆在交叉口无需等待而顺利通行。
如：车辆V5在交叉口前一站点S10经自协调滞站后滞站决策更新为0-1，更新后滞站结果如表9所示，表9为优化后滞站结果（通过0或1表示）。
表9：
由计算结果得到每辆车在各站点的滞站时长变化情况，如：车辆V5、V6分别在交叉口前一站点S10、S7经自协调滞站后滞站时长更新为3.9s、10.1s，更新结果如表10所示。
表10为优化后各站点滞留时间（s）。
表10：
（3）通过调整速度（第二区间），进行协同优化。
当检测器反馈给交叉口前一站车辆在交叉口无法进行信号优先（即将位于红灯第二区间），此时反馈车辆在交叉口前后进行速度调整，根据交叉口前一站距离交叉口距离，在交叉口前一站进行提速/减速，满足到达交叉口时可进入绿灯相位；过交叉口之后进行减速/提速，满足到达下一站时时间不变。以实现车辆到达交叉口时，均可通过交叉口而不需要等待。根据表6可知车辆在交叉口O2、O4无需调整速度，下表为各车次到达O1、O3交叉口前后的速度调整及滞站情况，如表11。表11为各车次在相应交叉口前后速度调整情况。
表11：
交叉口O1：车辆V2在交叉口O1前一站S7减速。计算得到V2在S7站前后调整速度分别为5.43m/s、5.86m/s，这样能保证两站间（S7-S8）平均运行时间不变，且到达交叉口时间为绿灯直接通行。其他车辆按正常速度通行，其中，根据上述滞站结果V6在S7滞留10.1s后通行。协同优化示意图参照图3所示（注：此处红绿灯时间仅作示意，不代表实际周期先后顺序）。
交叉口O3：车辆V2、V3在交叉口O3前一站S10减速。计算得到V2在S10站前后调整速度分别为5.68m/s、6.67m/s，V3在S10站前后调整速度分别为7.16m/s、7.93m/s，这样能保证两站间（S10-S11）平均运行时间不变，且到达交叉口时间为绿灯直接通行。其他车辆按正常速度通行，其中，根据滞站结果V5在S10滞留3.9s后通行。协同优化示意图参照图4所示（注：此处红绿灯时间仅作示意，不代表实际周期先后顺序）。
同时定性定量分析，V6在交叉口S7滞站以及V5在交叉口S10滞站后，不仅提高了V6、V5分别在S7、S10的在车载客量，同时可减少第三区间因信号优先对社会车辆通行的影响。
最终协同优化后，计算其目标函数值，总目标值504906.9s，其中乘客站点候车时间成本、站间运行时间成本、站点停靠时间成本、公交停靠运营成本分别为123212s、81837.9s、257557s、42300s。迭代效果参照图5所示。
对公交采取策略优化前后进行仿真模拟对比，分别从可靠性-到站时间分布均匀、稳定性-车头时距偏差、高效性-行程时间指数进行量化分析。
可靠性-到站时间分布均匀性：
使用改进的DPSO算法分别计算各车次到达相应站点的到站时间，以此可反映各车次在各站点的分布均匀性以及车辆运行的可靠性，效果参照图5和图6所示。
从图5和图6的对比效果可看出，优化前车1、2以及车5、6到站时间分布均匀性较差，进行协同优化后各车次到站时间分布均匀，效果得到明显改善。
稳定性—车头时距偏差：
为了更好的分析车辆运行的稳定性，根据仿真模拟各车次与前车车头时距，计算实际车头时距与计划车头时距的偏差，从而分析公交车车头时距的变化情况，效果参照图7和图8所示。
从图7和图8的对比效果可看出，在没有采取任何控制措施的条件下，各车次与前车的车头时距偏差范围在[-270s,200s]之间，采取策略进行协同优化后，车头时距偏差范围在[0,90s]之间，说明优化后整体偏差量明显缩小，公交的运行健康状况得到明显改善，在稳定性能上提高了乘客出行体验。
高效性-行程时间指数
通过计算优化后各车次途径各站点的行程时间与优化前计划行程时间的比值得到行程时间指数，以此反映优化前后的效率高低，效果参照图9和图10所示。
从图9和图10中车辆1、3、5行程指数重叠，行程时间指数均为1，从对比效果可看出车辆2、4、6运行效率提高。因而，在采取协同优化策略后，出行效率也得到整体提升。
本申请通过设置参数的变化从而起到动态调整的作用，从而均衡全局搜索与局部最优间的关系。同时，在计算时设置每隔10代进行一次头脑风暴，以此增加种群的多样性。改进前后变异次数及种群多样性关系参照图11所示。从变异曲线对比可看出，改进后的种群多样性更加丰富，通过参数的动态调整及算法的互补性能，可提高全局寻优能力。
显然，上述实施例仅仅是为清楚地说明所作的举例，并非对实施方式的限定。对于所属领域的普通技术人员来说，在上述说明的基础上还可以做出其它不同形式变化或变动。这里无需也无法对所有的实施方式予以穷举。而由此所引申出的显而易见的变化或变动仍处于本发明创造的保护范围之中。

Claims (1)

1.一种公交滞站模式下的信号优先与速度调控协同优化方法，其特征在于，所述方法包括：
获取站点的历史客流数据、车头时距上限值和车头时距下限值，并根据所述历史客流数据生成决策变量；所述决策变量包括公交车在站点是否滞站的决策变量、公交车在交叉口是否停靠的决策变量和公交专用道决策变量；
根据所述车头时距上限值、所述车头时距下限值和所述决策变量生成滞站时间；
根据站点乘客上车人数、乘客在相应站点上下车时间、所述决策变量和所述滞站时间计算客站点候车时间；
根据在车乘客数量和站点至始发站距离计算站间运行时间；
根据所述决策变量、所述滞站时间、所述在车乘客数量、下车乘客数量和所述乘客在相应站点上下车时间计算站点停靠时间；
根据所述在车乘客数量、所述站点乘客上车人数、所述下车乘客数量、等候剩余红灯时间和信号优先规则计算交叉口延误时间；
根据站点停靠运营成本、所述决策变量和所述信号优先规则计算时间价值；
根据所述客站点候车时间、所述站间运行时间、所述站点停靠时间、所述交叉口延误时间和所述时间价值计算目标函数；
根据改进的离散二进制粒子群算法对所述目标函数进行求解，生成总目标值；其中，对所述目标函数进行求解，包括三个阶段进行协同控制，阶段一：自协调滞站调度决策，所述自协调滞站调度决策包括第一步先忽略交叉口影响对各站点进行初始滞站模式决策，第二步考虑交叉口影响后更新滞站决策及滞站时长；阶段二：选择性信号优先决策，包括结合车辆滞站决策结果及信号周期特点，考虑交叉口对车辆运行影响并对到达交叉口的车辆进行信号优先决策；阶段三：速度调控协同优化方案；
所述客站点候车时间的计算公式为：
其中，为线路上某公交车i在站点j总上车乘客数量，η为乘客平均候车站点系数，κi,j为公交车i在站点j的乘客上下车时间，为滞站时间，Pi,j为线路上公交车i在站点j是否滞站的决策变量，μ为公交车开关门及进出站加减速的平均时间；
所述站间运行时间的计算公式为：
其中，为线路上某公交车i到达站点j时车上的乘客数量，di,j为公交车i行驶至站点j距离始发站的距离，v为公交车平均运行速度；
所述站点停靠时间的计算公式为：
其中，为线路上某公交车i到达站点j时车上的乘客数量，为线路上某公交车i到达站点j时的下车乘客数量，κi,j为公交车i在站点j的乘客上下车时间，为滞站时间，Pi,j为线路上公交车i在站点j是否滞站的决策变量，μ为公交车开关门及进出站加减速的平均时间；
所述交叉口延误时间的计算公式为：
其中，为线路上某公交车i到达站点j时车上的乘客数量，为线路上某公交车i在站点j总上车乘客数量，为线路上某公交车i到达站点j时的下车乘客数量，为公交车辆i到达交叉口x的信号延误时间即等候剩余红灯时间，μ为公交车开关门及进出站加减速的平均时间，Yi,x为线路上公交车i在交叉口x是否停靠的决策变量；
所述时间价值的计算公式为：
其中，λ为成本折算的时间价值系数，ΔC为线路上某公交车在站点停靠的运营成本，θ为滞站时车辆所增加的额外磨损及耗油系数，Pi,j为线路上公交车i在站点j是否滞站的决策变量，Yi,x为线路上公交车i在交叉口x是否停靠的决策变量；
根据所述车头时距上限值、所述车头时距下限值和所述决策变量生成滞站时间的步骤包括：
若所述站点为交叉口前一站，则所述滞站时间的计算公式为：
其中，β1为滞站系数下限，H为期望车头时距，t′i,j为线路上公交车i在站点j的离开时刻，为公交车辆i到达交叉口x的信号延误时间即等候剩余红灯时间,Pi,j为线路上公交车i在站点j是否滞站的决策变量，hj为相邻两公交车在站点j的车头时距，β2为滞站系数上限；
若所述站点不为交叉口前一站，则所述滞站时间的计算公式为：
其中，β1为滞站系数下限，H为期望车头时距，t′i,j为线路上公交车i在站点j的离开时刻，为公交车辆i到达交叉口x的信号延误时间即等候剩余红灯时间,Pi,j为线路上公交车i在站点j是否滞站的决策变量，hj为相邻两公交车在站点j的车头时距，β2为滞站系数上限，ti,j为公交车辆i从起点运行至站点j的时刻；
所述目标函数的计算公式为：
其中，T1为客站点候车时间，T2为站间运行时间，T3为站点停靠时间，T4为交叉口延误时间，λC5为时间价值，为公交专用道决策变量，δ为无公交专用道时的干扰系数。
CN202410631546.0A 2024-05-21 2024-05-21 一种公交滞站模式下的信号优先与速度调控协同优化方法 Active CN118247970B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202410631546.0A CN118247970B (zh) 2024-05-21 2024-05-21 一种公交滞站模式下的信号优先与速度调控协同优化方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202410631546.0A CN118247970B (zh) 2024-05-21 2024-05-21 一种公交滞站模式下的信号优先与速度调控协同优化方法

Publications (2)

Publication Number Publication Date
CN118247970A CN118247970A (zh) 2024-06-25
CN118247970B true CN118247970B (zh) 2024-08-20

Family

ID=91558850

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202410631546.0A Active CN118247970B (zh) 2024-05-21 2024-05-21 一种公交滞站模式下的信号优先与速度调控协同优化方法

Country Status (1)

Country Link
CN (1) CN118247970B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN119252069B (zh) * 2024-09-11 2025-03-21 苏州城市学院 一种基于多源数据融合及od信息推导的公交运行特性分析方法

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111429731A (zh) * 2020-03-12 2020-07-17 上海理工大学 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
CN113487868A (zh) * 2021-07-08 2021-10-08 同济大学 公交动态速度引导-驻站控制-信号优先协同控制方法

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE19944310C2 (de) * 1999-09-15 2002-01-31 Siemens Ag Verfahren und System zur Priorisierung des öffentlichen Personennahverkehrs
CN115099716A (zh) * 2022-08-10 2022-09-23 山东数升网络科技服务有限公司 一种面向不同线路的大站快车与全程车调度方法及系统
CN117576929B (zh) * 2024-01-19 2024-04-02 山东科技大学 一种考虑不同公交平面相交的车速与信号协同优化方法

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111429731A (zh) * 2020-03-12 2020-07-17 上海理工大学 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
CN113487868A (zh) * 2021-07-08 2021-10-08 同济大学 公交动态速度引导-驻站控制-信号优先协同控制方法

Also Published As

Publication number Publication date
CN118247970A (zh) 2024-06-25

Similar Documents

Publication Publication Date Title
CN112258875B (zh) 基于车路协同与自动驾驶的交叉口智能管控方法
Li et al. An eco-driving system for electric vehicles with signal control under V2X environment
Liu et al. Trajectory planning for autonomous intersection management of connected vehicles
CN111445692B (zh) 一种无信号灯路口智能网联汽车的速度协同优化方法
CN110930697B (zh) 一种基于规则的智能网联车辆协同汇入控制方法
CN112233413B (zh) 一种面向智能网联车辆的多车道时空轨迹优化方法
CN118247970B (zh) 一种公交滞站模式下的信号优先与速度调控协同优化方法
CN113409599B (zh) 一种基于信息预测的城市公交优先协调控制方法
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
CN103065479B (zh) 一种公交优先的交通信号控制方法及系统
CN111932000A (zh) 一种应用于大型物流系统的多agv调度方法
CN109300326B (zh) 一种基于实时gps的公交短时动态调度方法
CN113628437A (zh) 基于云控平台的无人矿车交叉路口安全通行方法
CN114495547A (zh) 一种面向自动驾驶汽车的信号交叉口协同通行策略
CN113327441A (zh) 基于高速公路合流区的网联自动车辆速度控制及轨迹优化方法
CN113312732A (zh) 一种结合预先决策与动态调整的无信控交叉口仿真控制方法及装置
CN114932918A (zh) 一种智能网联车在各种路况下行驶的行为决策方法及系统
CN113724509A (zh) 一种时空协同的公交优先控制方法和装置
CN114516328A (zh) 一种智能网联环境下基于规则的车队跟驰模型方法
Ning et al. Research on multi-objective optimization models for intersection crossing of connected autonomous vehicles with traffic signals
CN110364003B (zh) 基于车联网的交叉路口双线路有轨电车信号优先控制方法
CN116229715A (zh) 一种道路交织区连续流生成方法与系统
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
CN109243186B (zh) 一种基于排队级别动态调整相位差的方法
Wang et al. Driving behavior of connected autonomous vehicles in mixed traffic flow within ramp segments on freeway based on an advanced cellular automata

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