一种面向公交信号优先控制的测试评价方法技术

本发明专利技术公开了一种面向公交信号优先控制的测试评价方法。首先，选取城市的交通路口作为试验场地，建立面向公交信号优先控制的测试场景。其次，为了全面、精确、可靠地获取公交信号优先控制诱导过程中的公交车运动状态参数，结合匀加速运动模型，采用扩展卡尔曼滤波算法对公交车的位置、速度、加速度信息进行准确估计。最后，在公交车运动状态参数准确递推的基础上，提出了诱导距离、诱导过程的驾驶平顺性、诱导过程的急加速/急减速行为等多个量化指标，从多个角度对公交信号优先控制开展测试评价，实现了精确、可靠、科学的定量测评。科学的定量测评。科学的定量测评。

【技术实现步骤摘要】
一种面向公交信号优先控制的测试评价方法


[0001]本专利技术涉及一种面向公交信号优先控制的测试评价方法，属于智能驾驶测试评估


技术介绍

[0002]随着我国城市建设规模的不断扩大和城市道路交通基础设施的不断完善，城市人口和机动车保有量也迎来了爆发性增长。然而，交通拥堵、交通事故、环境污染等问题也变得日益突出。在这样的背景下，以提高道路通行率、缓解交通矛盾和改善生态环境为目的的公交优先策略成为了绿色出行的重要方向。
[0003]作为公交优先策略的重要组成部分，公交信号优先控制能够在信号交叉口为公交车提供优先信号，当公交车距离交通路口停止线一定距离时，信号灯发生跳变，实现公交车的优先通行，能够有效提升运行效率、减少运行延误。为了确保公交信号优先控制的精准性和可靠性，面向公交信号优先控制的测试评价引起了各国政府和测评机构的高度重视。
[0004]为此，国内外制定了一系列标准、规范对公交信号优先控制进行测试评价。一些发达国家的公交信号优先控制测评以单个交叉口的服务水平评价为主，美国《通行能力手册》以公交车辆延误作为信号交叉口服务水平的评价标准，将信号交叉口的服务水平进行了等级划分；日本在交通路口以公交车流量与通行能力的比值来划分服务水平等级，评价方法主要出自经济方面考虑，注重经济效益。
[0005]同时，我国也制定了相关的国家标准，GA/T 527.2
‑
2016标准《道路交通信号控制方式—通行状态与控制效益评估指标及方法》等对交通信号控制的评价指标进行了明确规定，涉及汽车的排队长度、平均速度等通用性指标的定量评价；GB/T 3990
‑
2021标准《道路交通信号控制系统通用技术要求》对交叉口信号控制系统的时间同步、数据传输规定了测试方法，并对交叉口数据列出了统计规范，涉及交通流量、平均车速、平均排队长度等。
[0006]然而，这些标准规范主要针对交叉口的一般车辆开展信号控制效能评价，并未在专门测试场景下开展高精度、全面、可靠的公交信号优先控制的性能定量测评研究。

技术实现思路

[0007]针对交通路口条件下公交信号优先的测评指标缺乏的问题，本专利技术公开了一种面向公交信号优先控制的测试评价方法。该方法基于实际交通路口场景试验，利用高精度测量传感器，准确、全面地采集到公交的运动状态参数，提出并量化了公交信号优先控制的性能指标，实现了精确、可靠的科学定量测评，填补了实际应用中面向公交信号优先控制的性能测评技术的空白。
[0008]为了达到上述目的，本专利技术提供如下技术方案：
[0009]一种面向公交信号优先控制的测试评价方法，包括如下步骤：
[0010]步骤一：建立面向公交信号优先控制的性能测试场景
[0011]为了精确、可靠地采集公交车的运动状态信息，并使测试场景尽可能符合实际公
交驶过交通路口的行车特性，本专利技术建立了面向公交信号优先控制的性能测试场景；
[0012]首先，选取城市公路的交通路口作为试验场地；其次，建立面向公交信号优先控制的性能测试场景，该测试场景所用到的测试设备包括：厘米级高精度GNSS、用于处理数据的公交车载单元、用于检测公交信号跳变的路侧单元。测试车型为普通的大批量生产的城市公交车；此外，厘米级高精度GNSS、路侧单元、车载单元的时间均以GNSS时间为参考基准；
[0013]测试的具体过程为：公交车位于公交专用道路内，以一定的速度驶向交通路口，且公交车上的厘米级高精度GNSS开始同步采集公交车的运动状态参数；当靠近交通路口时，公交信号优先控制装置检测到公交车辆，并发送给交通信号控制机进行处理；交通信号控制机在综合考虑交通路口的车流量以及红绿灯相位等因素后作出信号跳变(红灯缩短或绿灯延长)的决定，让公交车优先驶过路口，具体的公交信号优先跳变机制为：
[0014]若当前交通灯态为红灯状态，且红灯状态剩余时间非最小值，此时控制机将信号灯跳转至红灯最小剩余时间，使得公交车在接近交通路口时，信号灯变为绿灯，保证公交车顺利通过交通路口；当识别到当前交通灯态为绿灯或黄灯状态且该状态的剩余时间不足以支撑公交车驶过交通路口时，控制机将信号灯跳转至绿灯状态，且绿灯状态持续时间可以保证公交车顺利通过；路侧单元检测到信号发生跳变时，车载单元记录当前时刻为T1；
[0015]当公交车的车身驶过路口停止线时，车载单元记录当前时刻为T
N
，但公交车应继续按原有状态行驶一段距离，此时一次测试结束；
[0016]步骤二：基于扩展卡尔曼滤波的公交运动状态估计
[0017]为了进行交通路口场景下的公交信号优先控制的测试评价，定义信号跳变时刻至车身驶过路口停止线时刻这一过程为公交车的“诱导过程”，并精确、全面地采集诱导过程中每一时刻公交车的运动状态信息；可采用滤波递推的方法，利用较少的系统观测量实现更多维度的状态参数的递推，在常用的滤波算法中，扩展卡尔曼滤波方法具有原理简单、实时性好的特点，最重要的是能够对非线性系统进行线性化近似展开；因此，本专利技术采用扩展卡尔曼滤波算法，以实现公交车运动状态的估计；
[0018]在滤波递推过程中，简化公交车的运动状态，结合运动学的匀加速模型，建立描述公交车运动特性的动态模型，取系统状态向量X＝[p
e
,p
n
,p
h
,v
e
,v
n
,v
u
,a
e
,a
n
,a
u
]T
，其中，p
e
,p
n
,p
h
,v
e
,v
n
,v
u
,a
e
,a
n
,a
u
分别表示被测公交车的东向位置、北向位置、天向位置、东向速度、北向速度、天向速度、东向加速度、北向加速度和天向加速度；状态向量X的上角标T表示对X进行转置；建立系统的状态方程并进行离散化处理，可表示为：
[0019]X(k)＝A
·
X(k
‑
1)+W(k)
ꢀꢀ
(1)
[0020]上式中，X(k
‑
1)和X(k)分别表示T
k
‑1时刻和T
k
时刻的系统状态向量；W(k)＝[ω1,ω2,ω3,ω4,ω5,ω6,ω7,ω8,ω9]T
，其中，ω1,ω2,ω3,ω4,ω5,ω6,ω7,ω8,ω9分别表示9个过程高斯白噪声分量，W(k)的协方差矩阵其中，分别表示高斯白噪声ω1,ω2,ω3,ω4,ω5,ω6,ω7,ω8,ω9对应的方差；A表示状态转移矩阵，结合运动学方程，有：
[0021][0022]本专利技术利用厘米级高精度GNSS作为车辆运动状态参数的测量传感器，选取T1至T
N
时刻的N组观测数据来构建系统的观测向量Z＝[p
本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种面向公交信号优先控制的测试评价方法，其特征在于：首先，选取城市公路的交通路口作为试验场地，建立面向公交信号优先控制的性能测试场景；其次，结合运动学的匀加速模型，利用扩展卡尔曼滤波算法对公交车的位置、速度、加速度运动状态参数进行准确估计；最后，基于准确递推的运动状态参数，提出了诱导距离、诱导过程的驾驶平顺性、诱导过程的急加速/急减速行为三个量化指标，实现对公交信号优先控制的测试评价；具体步骤包括：步骤一：建立面向公交信号优先控制的性能测试场景首先，选取城市公路的交通路口作为试验场地；其次，建立面向公交信号优先控制的性能测试场景，该测试场景所用到的测试设备包括：厘米级高精度GNSS、用于处理数据的公交车载单元、用于检测公交信号跳变的路侧单元，测试车型为普通的大批量生产的城市公交车；厘米级高精度GNSS、路侧单元、车载单元的时间均以GNSS时间为参考基准；测试的具体过程为：公交车位于公交专用道路内并驶向交通路口，且公交车上的厘米级高精度GNSS开始同步采集公交车的运动状态参数；当靠近交通路口时，公交信号优先控制装置检测到公交车辆，并发送给交通信号控制机进行处理；交通信号控制机在综合考虑交通路口的车流量以及红绿灯相位因素后作出信号跳变即红灯缩短或绿灯延长的决定，让公交车能够优先且平稳地驶过路口；具体的公交信号优先跳变机制为：若当前交通灯态为红灯状态，且红灯状态剩余时间非最小值，此时控制机将信号灯跳转至红灯最小剩余时间，使得公交车在接近交通路口时，信号灯变为绿灯，保证公交车顺利通过交通路口；当识别到当前交通灯态为绿灯或黄灯状态且该状态的剩余时间不足以支撑公交车驶过交通路口时，控制机将信号灯跳转至绿灯状态，且绿灯状态持续时间可以保证公交车顺利通过；路侧单元检测到信号发生跳变时，车载单元记录当前时刻为T1；当公交车的车身驶过路口停止线时，车载单元记录当前时刻为T
N
，但公交车应继续按原有状态行驶一段距离，此时一次测试结束；步骤二：基于扩展卡尔曼滤波的公交运动状态估计为了进行交通路口场景下的公交信号优先控制的测试评价，定义信号跳变时刻至车身驶过路口停止线时刻这一过程为公交车的“诱导过程”，并精确、全面地采集诱导过程中每一时刻公交车的运动状态信息；采用扩展卡尔曼滤波算法，以实现公交车运动状态的估计；在滤波递推过程中，简化公交车的运动状态，结合运动学的匀加速模型，建立描述公交车运动特性的动态模型，取系统状态向量X＝[p
e
,p
n
,p
h
,v
e
,v
n
,v
u
,a
e
,a
n
,a
u
]
T
，其中，p
e
,p
n
,p
h
,v
e
,v
n
,v
u
,a
e
,a
n
,a
u
分别表示被测公交车的东向位置、北向位置、天向位置、东向速度、北向速度、天向速度、东向加速度、北向加速度和天向加速度；状态向量X的上角标
T
表示对X进行转置；建立系统的状态方程并进行离散化处理，可表示为：X(k)＝A
·
X(k
‑
1)+W(k)
ꢀꢀꢀꢀ
(1)上式中，X(k
‑
1)和X(k)分别表示T
k
‑1时刻和T
k
时刻的系统状态向量；W(k)＝[ω1,ω2,ω3,ω4,ω5,ω6,ω7,ω8,ω9]
T
，其中，ω1,ω2,ω3,ω4,ω5,ω6,ω7,ω8,ω9分别表示9个过程高斯白噪声分量，W(k)的协方差矩阵其中，分别表示高斯白噪声ω1,ω2,ω3,ω4,ω5,ω6,ω7,ω8,ω9对应的方差；A表示状态转移矩阵，结合运动学方程，有：
利用厘米级高精度GNSS作为车辆运动状态参数的测量传感器，选取T1至T
N
时刻的N组观测数据来构建系统的观测向量Z＝[p
eb
,p
nb
,v
a
,γ]
T
，其中，p
eb
,p
nb
分别表示公交车的东向位置和北向位置，v
a
表示公交车的对地速度，γ表示公交车的航迹角，它们由厘米级高精度GNSS采集的数据经过公交车载单元处理得到；由此，建立系统的观测方程并进行离散化处理，可表示为：Z(k)＝h[X(k)]+V(k)
ꢀꢀꢀꢀ
(2)式(2)中，Z(k)表示T
k
时刻的系统观测向量；V(k)＝[v1,v2,v3,v4]
T
，其中，v1,v2,v3,v4分别表示4个观测高斯白噪声分量，V(k)对应的协方差矩阵其中，分别表示高斯白噪声v1,v2,v3,v4对应的方差；h[X(k)]是由T
k
时刻的状态向量预测得到的观测向量，可用T
k
时刻的状态向量表示为：其中，γ'(k)满足以下关系：上式中，v
x
和v
y
分别表示公交车的纵向速度和侧向速度，由该式可以得出：
针对上述的状态方程和观测方程，利用时间更新和观测更新...

【专利技术属性】
技术研发人员：徐启敏，赵鑫，李旭，胡玮明，
申请(专利权)人：东南大学，
类型：发明
国别省市：