基于可变周期策略考虑到达随机性的公交信号优先方法技术

基于可变周期策略考虑到达随机性的公交信号优先方法，包括：公交车向路面检测器发起公交信号优先请求；检测器向后台处理器主动动态上传获取到的路面交叉口流量、到达率以及公交车站停靠时间分布这些信息；基于事件驱动算法构建公交车期望延误计算模型，进一步构建随机信号优先模型的目标函数和约束条件，适用于单一交叉口独立控制和多交叉口联合控制场景；后台处理器利用COBYLA求解随机信号优先模型，经求解得到并输出最佳的信号配时方案，反馈给路口信号灯控制器。本发明专利技术适用于检测器和停止线之间存在公交车站、路段不配备公交专用道等实际应用场景，有利于公交优先的发展。有利于公交优先的发展。有利于公交优先的发展。

【技术实现步骤摘要】
基于可变周期策略考虑到达随机性的公交信号优先方法


[0001]本专利技术属于交通运输工程领域，尤其涉及一种基于可变周期策略考虑到达随机性的公交信号优先方法(A Transit Signal Priority Method based on Variable Cycle Length Strategy Considering Arrival Stochasticity，VCAS
‑
TSP)。

技术介绍

[0002]城市快速发展导致一系列的交通拥堵问题。公交车有客运量大的特点，常被认为是缓解交通拥堵的有效途径。但由于其运行速度和准时率较低等原因，导致公交竞争力较低。城市交叉口信号控制是公交车车速低的主要原因之一，研究表明，交叉口停车等待时间约占总出行时间的20％。而公交信号优先(Transit Signal Priority，TSP)，是解决这一问题的有效方法。
[0003]TSP分为被动TSP、主动TSP和自适应TSP三类。被动TSP通常根据公交时刻表和交叉口间距等信息制定静态离线信号控制策略，主动TSP和自适应TSP可以根据公交的实时到达信息动态调整信号控制策略，其中自适应TSP更广泛地运用传感器和检测器，制定更具有针对性的信号控制策略，是近年来TSP的研究热点。
[0004]自适应TSP至少包含两个步骤：预测公交到达时间和求解优化问题。公交到达时间预测的准确性与TSP的实现效果密切相关。在以往的研究中，已经提出了许多到达时间预测模型和方法。研究中通常将公交行驶环境简化为在专用道上行驶以及假设检测器与停止线之间没有公交车站。当公交车在专用道上行驶时，基于简单匀速运动假设的模型可以达到令人满意的预测精度，如基于历史数据、基于GPS数据、基于时空图等预测公交到达时间，但这些预测方法都不能很好地处理公交车行驶中随机性问题。另外，由于停站时间的随机性，许多研究假设在检测器和停止线之间没有公交车站，或者要求检测器位于公交车站的下游。对检测器位置的约束导致当公交车站与停止线距离过近时，剩下的响应时间过少，所提出的方案难以运用。由于大多数城市道路没有设计成专用的公交车道，阻碍现有方法的应用。

技术实现思路

[0005]本专利技术公开了一种基于可变周期策略考虑到达随机性的公交信号优先方法，周期长度可变能给信号配时调整提供更大的灵活性，同时避免给其他车辆造成过大的影响。将公交车运动过程的随机性纳入考虑使得本专利技术能够稳健地获得比原始配时方案更优质的配时方案。本专利技术适用于检测器和停止线之间存在公交车站、路段不配备公交专用道等实际应用场景，有利于公交优先的发展。
[0006]本专利技术是这样实现的，技术方案为：
[0007]一种基于可变周期策略考虑到达随机性的公交信号优先方法，其特征是，包括步骤：
[0008]步骤一：公交车向路面检测器发起公交信号优先请求；
[0009]步骤二：检测器向后台处理器主动动态上传获取到的路面交叉口流量、到达率以及公交车站停靠时间分布等信息；
[0010]步骤三：首先，构建基于事件驱动算法的公交车期望延误计算模型，根据部署方式的不同，可分为单点式延误计算模型或者多交叉口延误计算模型；
[0011]然后，进一步构建随机信号优先模型的目标函数和约束条件。根据公交车期望延误计算模型的不同可以分为单点式和协同式随机信号优化模型，分别可适用于单一交叉口独立控制和多交叉口联合控制场景。
[0012]步骤四：后台处理器利用COBYLA求解步骤三得到的随机信号优先模型，经求解得到并输出最佳的信号配时方案，反馈给路口信号灯控制器。
[0013]与现有技术相比，本专利技术具有如下优点：
[0014]1、本专利技术采用事件驱动算法更精准地计算公交期望延误；
[0015]2、本专利技术中提出的公交期望延误计算模型可以反映实时信号调整对公交车运动过程的影响。
[0016]3、本专利技术基于可变周期策略构建公交信号优先模型；
[0017]4、本专利技术同时适用于单点交叉口独立控制和多个连续交叉口协同控制；
[0018]5、本专利技术可适用于检测断面与停止线之间存在公交车站的情形；
[0019]6、本专利技术可适用于不布设公交专用道的情形。
附图说明
[0020]图1为本专利技术方法主流程图；
[0021]图2为本专利技术设置两个仿真时钟(全局仿真时钟与交叉口仿真时钟)；
[0022]图3为公交车被迫停车排队的事件(排队事件)；
[0023]图4为公交车在公交车站停车并完成上下客的事件(停站事件)；
[0024]图5为公交车准备从公交车站离开时，由于排队队列末端超过公交车站，公交车被排队队列淹没，必须停车等待的现象(淹没事件)；
[0025]图6为公交车到达停止线(到达停止线事件)；
[0026]图7为周期结束事件；
[0027]图8为实施例交叉口背景数据；
[0028]图9为实施例有效性实验结果；
[0029]图10为应用系统工作流程图。
具体实施方式
[0030]为了使本专利技术的目的、技术方案及优点更加清楚明白，以下结合实施例，对本专利技术进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本专利技术，并不用于限定本专利技术。
[0031]本专利技术一种基于可变周期策略考虑到达随机性的公交信号优先方法，如1所示：
[0032]步骤一：公交车向路面检测器发起公交信号优先请求；
[0033]步骤二：检测器向后台处理器主动动态上传获取到的路面交叉口流量、到达率以及公交车站停靠时间分布等信息；
[0034]步骤三：首先，构建基于事件驱动算法的公交车期望延误计算模型，根据部署方式的不同，可分为单点式延误计算模型或者多交叉口延误计算模型；
[0035]然后，进一步构建随机信号优先模型的目标函数和约束条件。根据公交车期望延误计算模型的不同可以分为单点式和协同式随机信号优化模型，分别可适用于单一交叉口独立控制和多交叉口联合控制场景。
[0036]步骤四：后台处理器利用COBYLA求解步骤三得到的随机信号优先模型，经求解得到并输出最佳的信号配时方案，反馈给路口信号灯控制器。
[0037]以下详述。
[0038]对于步骤一与步骤二。公交车发起优先请求后，动态获取交叉口流量、到达率以及公交车站停靠时间分布等信息，通过直方图法或蒙特卡洛法等方法公交车站停靠时间离散化。
[0039]进一步，步骤三中，基于事件驱动算法的公交车期望延误计算模型
[0040]由于本专利技术旨在降低公交车期望延误，同时不对其他车辆产生过大影响，因此步骤三中基于仿真时钟，并采取事件驱动算法计算公交车期望延误。
[0041]如图2所示，本专利技术设置两个仿真时钟，全局仿真时钟与交叉口仿真时钟。全局仿真时钟表示仿真过去了多久，交叉口仿真时钟则是为了方便建立后续模型。全局仿真时钟与交叉口仿真时钟的关系式如下。
[0042][0043]本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于可变周期策略考虑到达随机性的公交信号优先方法，其特征是，包括步骤：步骤一：公交车向路面检测器发起公交信号优先请求；步骤二：检测器向后台处理器主动动态上传获取到的路面交叉口流量、到达率以及公交车站停靠时间分布这些信息；步骤三：首先，基于事件驱动算法构建公交车期望延误计算模型，分为单点式延误计算模型或者多交叉口延误计算模型；同时，构建单点式随机信号优先模型或者多交叉口联合控制的协同式随机信号优先模型，两类随机信号优先模型包括目标函数和约束条件，所述公交车期望延误计算模型所参与确定了所述目标函数组成；步骤四：后台处理器利用步骤二获取路面交叉口流量、到达率、公交车站停靠时间分布这些现场信息，用于实时更新随机信号优先模型，用于输入COBYLA求解器；同时，由COBYLA求解器输入单点式随机信号优先模型或多交叉口联合控制的协同式随机信号优先模型，经求解得到并输出最佳的信号配时方案，反馈给路口信号灯控制器。2.如权利要求1所述的基于可变周期策略考虑到达随机性的公交信号优先方法，其特征是，步骤三中，基于事件驱动算法的公交车期望延误计算模型设置两个仿真时钟，全局仿真时钟与交叉口仿真时钟；全局仿真时钟表示仿真过去了多久，交叉口仿真时钟则是为了方便建立后续模型；全局仿真时钟与交叉口仿真时钟的关系式如下：式中，——交叉口i仿真时钟的当前时刻，s；t
global
——全局仿真时钟的当前时刻，s；——交叉口i的时钟偏差，s；对于单点式随机信号优先模型，全局仿真时钟只有一个；而协同式随机信号优先模型，全局仿真时钟的个数则与交叉口数量相同。3.如权利要求1所述的基于可变周期策略考虑到达随机性的公交信号优先方法，其特征是，步骤三中，事件驱动算法包括五种事件：排队、停靠站、淹没、到达停止线、周期结束；每次将选择开始时刻最早的事件作为下一个事件，同时它的结束时刻将被用来更新全局仿真时钟；事件驱动算法将会一直计算，直到公交车到达停止线；事件1，排队：公交车被迫停车排队的事件称为排队；仅当公交车未到达排队队列末端，且排队队列未达到最大排队长度时，才会发生排队事件；最大排队长度、当前排队长度和达到最大排队长度的时刻由以下公式计算；长度的时刻由以下公式计算；长度的时刻由以下公式计算；
式中，——最大排队长度，m；——交叉口i，相位的排队集结波速度，m/s；C
i，j
——优化后，交叉口i，第j个周期的长度，s；g
i，j，k
——交叉口i，第j个周期，第k个相位，优化后的绿灯时间，s；——交叉口i，当前信号周期；——交叉口i，给予公交车通行权的相位(比如最后一个相位)；——交叉口i，当前信号周期(比如第个信号周期)，当前时刻的偏差，s；——交叉口i，当前信号周期(比如第个信号周期)的开始时刻，s；——交叉口i仿真时钟的当前时刻，s；——交叉口i，当前的排队长度(比如在时的排队长度)，m；——排队长度到达最大时的时刻，s；触发排队事件，必须满足队列尾部在公交车当前位置之前，即以下条件，触发排队事件，必须满足队列尾部在公交车当前位置之前，即以下条件，触发排队事件，必须满足队列尾部在公交车当前位置之前，即以下条件，——公交车和停止线之间的距离，m；若排队事件触发，公交预期到达排队队列末端的时刻由如下公式计算：若排队事件触发，公交预期到达排队队列末端的时刻由如下公式计算：若排队事件触发，公交预期到达排队队列末端的时刻由如下公式计算：——公交车预计抵达排队队列末端的时间，s；——公交车在某时刻(比如)与停止线之间的距离，m；v
i，i
′
——公交车从交叉口i
′
向交叉口i行驶时的期望车速,m/s；由排队事件引起的公交车延误由以下公式进行计算，式中，——由于排队事件引起的公交车延误，s；
排队事件的开始和结束时刻分别由以下公式确定，排队事件的开始和结束时刻分别由以下公式确定，排队事件的开始和结束时刻分别由以下公式确定，排队事件的开始和结束时刻分别由以下公式确定，——排队事件的开始时刻，s；——排队事件的结束时刻，s；排队事件发生后，公交车与停止线之间的距离计算公式如下，式中，——排队事件后，公交车和停止线之间的距离，m；事件2，停站：公交车在公交车站停车并完成上下客的事件为停站；如果公交车尚未抵达公交车站，并且已知公交车在车站的停留时间为则根据以下公式确定停站事件的开始时刻，则根据以下公式确定停站事件的开始时刻，则根据以下公式确定停站事件的开始时刻，——停站事件的开始时刻，s；——公交车站与停止线之间的距离，m；如果检测器与停止线之间没有公交车站，则将公交车在公交车站的停留时间视为0，即：式中，——公交车在公交车站的停留时间，s；公交车停车上下客不产生信号延误；因此，由停站事件引起的延误等于零；在停站事件前后，公交车与公交车站处于同一位置；停站事件结束后，公交车延误和公交车位置由以下公式确定，公式确定，公式确定，式中，
——停站事件造成的公交车延误，s；——停站事件后，公交车与停止线之间的距离，m；——公交车站与停止线之间的距离，m；——停站事件结束时刻，s；事件3，淹没，指公交车准备从公交车站离开时，由于排队队列末端超过公交车站，公交车被排队队列淹没...

【专利技术属性】
技术研发人员：王艳丽，吴兵，王海山，向争良，薛谭星，
申请(专利权)人：同济大学，
类型：发明
国别省市：