CN109508814A - 一种基于物联网和云计算的公交轨迹优化系统 - Google Patents
一种基于物联网和云计算的公交轨迹优化系统 Download PDFInfo
- Publication number
- CN109508814A CN109508814A CN201811199038.0A CN201811199038A CN109508814A CN 109508814 A CN109508814 A CN 109508814A CN 201811199038 A CN201811199038 A CN 201811199038A CN 109508814 A CN109508814 A CN 109508814A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- intersection
- time interval
- red light
- time
- 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
- 238000005457 optimization Methods 0.000 title claims abstract description 32
- 230000001133 acceleration Effects 0.000 claims description 55
- 238000000034 method Methods 0.000 claims description 28
- 230000008569 process Effects 0.000 claims description 14
- 230000008859 change Effects 0.000 claims description 13
- 238000001514 detection method Methods 0.000 claims description 8
- 238000012913 prioritisation Methods 0.000 claims description 6
- 238000012360 testing method Methods 0.000 claims description 4
- 230000002452 interceptive effect Effects 0.000 claims description 3
- 238000012544 monitoring process Methods 0.000 claims description 3
- 235000006679 Mentha X verticillata Nutrition 0.000 claims description 2
- 235000002899 Mentha suaveolens Nutrition 0.000 claims description 2
- 235000001636 Mentha x rotundifolia Nutrition 0.000 claims description 2
- 238000004891 communication Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 238000011161 development Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 2
- 238000005265 energy consumption Methods 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 239000002355 dual-layer Substances 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
- 238000003912 environmental pollution Methods 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000004083 survival effect Effects 0.000 description 1
Classifications
-
- 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"
- G06Q10/047—Optimisation of routes or paths, e.g. travelling salesman problem
-
- 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
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/123—Traffic control systems for road vehicles indicating the position of vehicles, e.g. scheduled vehicles; Managing passenger vehicles circulating according to a fixed timetable, e.g. buses, trains, trams
- G08G1/127—Traffic control systems for road vehicles indicating the position of vehicles, e.g. scheduled vehicles; Managing passenger vehicles circulating according to a fixed timetable, e.g. buses, trains, trams to a central station ; Indicators in a central station
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/01—Protocols
- H04L67/12—Protocols specially adapted for proprietary or special-purpose networking environments, e.g. medical networks, sensor networks, networks in vehicles or remote metering networks
-
- 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)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- General Health & Medical Sciences (AREA)
- Radar, Positioning & Navigation (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Computing Systems (AREA)
- Health & Medical Sciences (AREA)
- Development Economics (AREA)
- Remote Sensing (AREA)
- Game Theory and Decision Science (AREA)
- Medical Informatics (AREA)
- Entrepreneurship & Innovation (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Traffic Control Systems (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及一种基于物联网和云计算的公交轨迹优化系统，包括专家系统和车辆和公交调度中心，所述车辆分别与公交调度中心和专家系统连接，执行轨迹优化时实现以下步骤：步骤S1：获取专家系统里的或自定义输入的基础数据；步骤S2：获取专家系统里的或自定义输入的实时数据；步骤S3：基于公交特征信息和交叉口信息计算车辆达到下一交叉口的时间区间，根据车辆达到下一交叉口的时间区间与该交叉口红灯对应的时间区间的关系确定车速引导策略；步骤S4：根据确定的车速引导策略建立考虑公交行驶舒适性的轨迹优化模型，并求解模型得到各子区间的优化轨迹。与现有技术相比，本发明具有提高公交乘坐舒适度等优点。
Description
技术领域
本发明涉及交通规划技术领域，尤其是涉及一种基于物联网和云计算的公交轨迹优化系统。
背景技术
随着我国经济的快速发展，国民收入和生活水平不断提高，城市机动车保有量和居民出行量快速增长。为了应对包括交通拥挤、环境污染、能源消耗等影响城市发展的问题，各地积极实施公共交通优先发展战略，大力发展城市公共交通系统。
目前公交驾驶过程多以驾驶员的经验为主，不同经验、技术水平的驾驶员存在较大的差异，公交车行驶过程存在较大的优化空间。为避免公交车在运行过程中频繁在交叉口信号灯前依靠，可以通过对公交车进行车速引导，减少依靠次数，提高运行效率。另一方面，不同的车速引导方式由于车辆加、减速度的不同，给乘客带来不同的乘坐舒适度体验。为了提高公交服务水平，提升公交分担比，有必要考虑乘客舒适度对公交行驶轨迹进行优化。
随着物联网技术的发展，在车路通讯环境中通过先进的检测、通信技术，实时获取包括车辆位置，速度等运行信息，以及包括下游交叉口信号灯情况在内的道路信息，可实时引导车辆行驶速度，实现响应控制目标。这种方式将控制对象从传统的信号灯转变为车辆本身，能够更为主动、有效地进行交通控制，能够在减少对其他社会车辆影响的同时，提升公交车运行效率，更高效地实现公交优先。
现有的车速引导方法，主要由分布在城市信号灯控制路口处的专用路侧子系统以及专用的车载子系统构成，其将绝大部分运算都集中在车载智能终端上，对终端的性能提出了较高的要求。其次，利用专用短程无线通信频繁地传输地图和信号灯数据，也会占用原本就稀缺的信道资源。
中国专利CN107067710A公开了一种考虑节能的城市公交车运行轨迹优化方法，其通过构建考虑节能因素的城市公交车驾驶策略双层优化计算模型并对其求解，获得当前公交车运行位置至运行计划规定的停站点之间的运行区间的优化轨迹，包括各个子区间的行驶速度、行驶时间、位置以及索引力和制动力。这种方法以公交车运行能耗最小为优化目标，未考虑公交的运行舒适度，不利于提高公交的服务水平，提高公交分担率。
中国专利CN107464430A公开了一种基于云服务的灯控路口绿波车速引导方法和系统，其系统通过采集信号灯配置和实时状态数据，然后将采集到的数据实时上传云服务器并将相应数据存储于数据库；基于数据库中存储的信号灯数据，云服务器根据客户端请求生成信号灯状态数据和绿波车速引导服务数据并发送给客户端；客户端接收数据后通过智能移动终端向用户进行展示。但该系统所进行的车速引导算法中只考虑了实现绿波的条件，未对乘客舒适度进行考虑，可能影响到乘客的乘坐体验。
发明内容
本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种基于物联网和云计算的公交轨迹优化系统。
本发明的目的可以通过以下技术方案来实现：
一种基于物联网和云计算的公交轨迹优化系统，包括专家系统和车辆和公交调度中心，所述车辆分别与公交调度中心和专家系统连接，执行轨迹优化时实现以下步骤：
步骤S1：获取专家系统里的或自定义输入的基础数据，包括待优化公交运行线路、运行计划、车辆信息及途经交叉口信息；
步骤S2：获取专家系统里的或自定义输入的实时数据，包括车辆在当前时刻的实时位置、实时速度及实时天气情况；
步骤S3：基于公交特征信息和交叉口信息计算车辆达到下一交叉口的时间区间，根据车辆达到下一交叉口的时间区间与该交叉口红灯对应的时间区间的关系确定车速引导策略；
步骤S4：根据确定的车速引导策略建立考虑公交行驶舒适性的轨迹优化模型，并求解模型得到各子区间的优化轨迹。
步骤S5：检测记录实际运行过程中对乘客的舒适度录；
步骤S6：将检测到的乘客舒适度数据反馈给专家系统进行分析统计，由专家系统对该轨迹优化方案效果进行评分。
所述专家系统包括：
人机界面，用于实现用户与系统的交互功能；
知识库，用于存储包括公交车驾驶技巧、乘客对于驾驶过程提出的相关建议；
模型库，用于存储基于考虑乘客舒适度的公交车轨迹优化模型；
数据库，用于存储各公交线路信息数据、站点信息数据、交叉口信息数据、车辆信息数据、天气资料数据、历史运行轨迹优化方案及评分；
评分库，用于根据最终实际运行的轨迹方案中所检测到的乘客舒适度，对不同标签的轨迹优化方案进行评分。
所述步骤S3具体包括：
步骤S31：根据车辆的当前位置和交叉口位置确定车辆距离下一交叉口的距离；
步骤S32：根据车辆的当前速度、当前时刻和车辆距离下一交叉口的距离，计算车辆达到下一交叉口的时间区间；
步骤S33：判断车辆达到下一交叉口的时间区间与该交叉口红灯对应的时间区间的关系，并基于判断结果确定车速引导策略。
所述步骤S33具体包括：
若车辆达到下一交叉口的时间区间与任一红灯区间的交集均为空集，则选择加速引导策略；
若车辆达到下一交叉口的时间区间与任一红灯区间的交集不为空，且车辆达到下一交叉口的时间区间右边界位于该红灯区间内，左边界位于该红灯区间外，则选择加速引导策略；
若车辆达到下一交叉口的时间区间位于任一红灯区间内，则任意选择不引导、加速引导或减速引导三种策略之一；
若车辆达到下一交叉口的时间区间与任一红灯区间的交集不为空，且车辆达到下一交叉口的时间区间左边界位于该红灯区间内，右边界位于该红灯区间外，则选择减速引导策略。
所述车辆达到下一交叉口的时间区间G＝[G1,G2]为：
[G1，G2]＝[minT′a，maxT′a]
其中：Ta′为车辆达到下一交叉口的时刻，T0为当前时刻，vs为车辆的引导速度， v0为车辆的当前速度，L0为车辆距离下一交叉口的距离，a为加速度，G1为车辆达到下一交叉口的时间区间左边界，G2为车辆达到下一交叉口的时间区间右边界。
所述步骤S4中，若车辆达到下一交叉口的时间区间位于任一红灯区间内，则建立考虑公交行驶舒适性的轨迹优化模型为：
约束条件为：
其中：T为引导后的行程时间区间,T0为当前时刻，t1是改变初始速度阶段的总耗时,t2为匀速行驶阶段的总耗时，t3为减速停靠阶段的总耗时，a1(t)为改变初始速度阶段t时刻的加速度，a为加速度，a2(t)为匀速行驶阶段t时刻的加速度， a3(t)为减速停靠阶段t时刻的加速度，vmin为车辆最小速度，vmax为车辆最大速度， amin为车辆最小加速度，amax为车辆最大加速度，G1为车辆达到下一交叉口的时间区间左边界，G2为车辆达到下一交叉口的时间区间右边界。
所述步骤S4中，若车辆达到下一交叉口的时间区间与任一红灯区间的交集均为空集，则建立考虑公交行驶舒适性的轨迹优化模型为：
约束条件为：
其中：T为引导后的行程时间区间,T0为当前时刻，t1是改变初始速度阶段的总耗时,t2为匀速行驶阶段的总耗时,a为加速度，a1(t)为改变初始速度阶段t时刻的加速度，a2(t)为匀速行驶阶段t时刻的加速度，vmin为车辆最小速度，vmax为车辆最大速度，amin为车辆最小加速度，amax为车辆最大加速度，G1为车辆达到下一交叉口的时间区间左边界，G2为车辆达到下一交叉口的时间区间右边界；
若车辆达到下一交叉口的时间区间与任一红灯区间的交集不为空，且车辆达到下一交叉口的时间区间右边界位于该红灯区间内，左边界位于该红灯区间外，则建立考虑公交行驶舒适性的轨迹优化模型为：
约束条件为：
其中：T1为该红灯区间的起始时间；
若车辆达到下一交叉口的时间区间与任一红灯区间的交集不为空，且车辆达到下一交叉口的时间区间左边界位于该红灯区间内，右边界位于该红灯区间外，则建立考虑公交行驶舒适性的轨迹优化模型为：
约束条件为：
其中：T2为该红灯区间的结束时间。
所述步骤S5具体为：
步骤S51：从专家系统数据库中选取具有相同或近似标签的历史轨迹优化方案中评分最高的三项进行对比，对模型解得的轨迹优化方案进行修正；
步骤S52：输出修正后最终的轨迹优化方案用于实际运行，并在实际运行过程中对乘客的舒适度进行检测记录。
所述乘客的舒适度通过张丝式加速度传感器测得，所述张丝式加速度传感器共设有两组，分别用于监测车辆纵向和横向的加速度。
所述乘客的舒适度通过移动终端的加速度计测得，具体的，采集在车辆运行过程中的三维加速度信息，并计算合加速度。
与现有技术相比，本发明具有以下有益效果：
1)利用物联网技术获取包括车辆实时信息和交叉口信号灯信息等，通过对公交车车速进行实时引导，减少公交车在交叉口的依靠次数，同时在求解引导轨迹时，考虑到车辆加速度对乘客乘坐舒适度带来的影响，在多种行驶轨迹中优化得到乘客舒适度最优的公交运行轨迹，以提高乘客舒适度，进而提升公交服务水平。
2)针对不同的情况选择不同的策略建立不同的轨迹优化模型，可以提高优化结果的准确性和舒适度。
3)利用对实际应用时乘客舒适度的检测进行进行评分，有助于提高实际优化效果。
附图说明
图1为本发明方法的主要步骤流程示意图；
图2为车速引导策略判定流程图；
图3(a)为第一种情况下时车速引导区间与信号灯红灯区间的关系；
图3(b)为第二种情况下车速引导区间与信号灯红灯区间的关系；
图3(c)为第三种情况下车速引导区间与信号灯红灯区间的关系；
图3(d)为第四种情况下车速引导区间与信号灯红灯区间的关系；
图4为基于物联网和云计算的公交轨迹优化系统的总系统框架图；
图5为专家系统的总体结构图。
具体实施方式
下面结合附图和具体实施例对本发明进行详细说明。本实施例以本发明技术方案为前提进行实施，给出了详细的实施方式和具体的操作过程，但本发明的保护范围不限于下述的实施例。
一种基于物联网和云计算的公交轨迹优化系统，包括专家系统和车辆和公交调度中心，所述车辆分别与公交调度中心和专家系统连接，
本系统以公交运行线路、站点信息、交叉口信息为基础，通过实时采集车辆位置、车速、天气情况等数据，基于考虑乘客舒适度的公交车轨迹优化模型形成公交车行驶轨迹模型优化方案，再将从建立在云平台上的专家系统数据库中统计的历史运营方案与模型优化方案进行对比分析，对模型优化方案的不合理部分进行调整完善，输出最终的轨迹优化方案。在每一次优化轨迹的实际行驶过程中，对乘客舒适度进行检测，同该方案的各项标签一起输入专家系统中并对其进行评分，在日积月累的日常运营中对专家系统进行不断地积累丰富。
如图1所示，执行轨迹优化时实现以下步骤：
步骤S1：获取专家系统里的或自定义输入的基础数据，包括待优化公交运行线路、站点信息、运行计划、车辆型号信息及途经交叉口信息；
其中，获取公交运行线路、站点信息、运行计划及车辆型号，是通过3G、4G、 5G或UWB等无线通信技术，与公交调度中心进行通讯，获取所需信息，包括车辆发车间隔、车辆运行路径、站间运行时间、下一停站点、到达下一车站的时刻及车辆型号。
其中，所述途经交叉口信息包括交叉口位置及交叉口信号配时方案，通过查询专家系统中数据库的方法得到。所述的交叉口信号配时方案信息包括交叉口信号灯周期时长，绿灯时长及红灯时长。
其中，由于本发明所涉及的公交车行驶于公交专用道上，不受其他车道限速信息的限制，对路段限速信息不予考虑。
步骤S2：获取专家系统里的或自定义输入的实时数据，包括车辆在当前T_0 时刻的实时位置、实时速度v_0及实时天气情况；
其中，车辆实时位置及实时速度信息是通过车载GPS、北斗卫星定位系统、 UWB定位系统或毫米波雷达、激光雷达或视觉定位系统其中一种定位系统或几种定位技术融合定位来得到，并将定位系统输出的位置信息与车辆内预先存储的离线地图数据进行坐标匹配，获得公交车当前位置信息。
其中，所述实时天气情况是指晴朗、多云、小雨、中雨、暴雨、小雪、大雪、台风等实时天气条件。
步骤S3：基于公交特征信息和交叉口信息计算车辆达到下一交叉口的时间区间，根据车辆达到下一交叉口的时间区间与该交叉口红灯对应的时间区间的关系确定车速引导策略，如图2所示，具体包括：
步骤S31：根据车辆的当前位置和交叉口位置确定车辆距离下一交叉口的距离；
步骤S32：根据车辆的当前速度、当前时刻和车辆距离下一交叉口的距离，计算车辆达到下一交叉口的时间区间，其中，车辆达到下一交叉口的时间区间 G＝[G1,G2]为：
[G1,G2]＝[minTa′,maxTa′]
其中：Ta′为车辆达到下一交叉口的时刻，T0为当前时刻，vs为车辆的引导速度， v0为车辆的当前速度，L0为车辆距离下一交叉口的距离，a为加速度，G1为车辆达到下一交叉口的时间区间左边界，G2为车辆达到下一交叉口的时间区间右边界。
步骤S33：判断车辆达到下一交叉口的时间区间与该交叉口红灯对应的时间区间的关系，并基于判断结果确定车速引导策略。
所述步骤S33的判断有4种可能结果具体包括：
a)若车辆达到下一交叉口的时间区间与任一红灯区间的交集均为空集，则选择加速引导策略，即如图3(a)所示，当G1＜G2＜T1时，公交车可通过引导顺利通过交叉口，应选择加速引导策略，使其更早通过交叉口，提高运行效率。此时引导后行程时间T应满足T∈[G1-T0,G2-T0]。此时，引导过程包括车速改变阶段和以引导车速匀速行驶两个阶段，其中车速改变阶段又可分为加速通过、匀速通过和减速通过三种可能情况。
b)若车辆达到下一交叉口的时间区间与任一红灯区间的交集不为空，且车辆达到下一交叉口的时间区间右边界位于该红灯区间内，左边界位于该红灯区间外，则选择加速引导策略，即如图3(b)所示，当G1＜T1＜G2时，公交车可通过引导顺利通过交叉口，应选择加速引导策略，保证其在绿灯期间通过交叉口。此时引导后行程时间T应满足T∈[G1-T0,T1-T0]。
此时，引导过程包括车速改变阶段和以引导车速匀速行驶两个阶段，其中车速改变阶段又可分为加速通过、匀速通过和减速通过三种可能情况。
c)如图3(c)所示，若车辆达到下一交叉口的时间区间位于任一红灯区间内，则任意选择不引导、加速引导或减速引导三种策略之一，引导后仍然会在交叉口处停靠，应选择不引导、加速引导或减速引导三种策略之一，达到减少公交车在交叉口停靠时间的目的。此时引导后行程时间T应满足T∈[G1-T0,G2-T0]。
其中，不引导策略是指公交车以初始速度匀速行驶，临近停靠站时减速至停靠，该过程包括公交车匀速行驶阶段和公交车减速停靠两个阶段。
其中，加速引导策略是指公交车加速至引导速度后，以该车速行驶一段距离，再减速至停靠，该引导过程包括公交车改变初始速度阶段，公交车匀速行驶阶段和公交车减速停靠三个阶段。
其中，减速引导策略是指公交车减速至引导速度后，以该车速行驶一段距离，再减速至停靠，该引导过程包括公交车改变初始速度阶段，公交车匀速行驶阶段和公交车减速停靠三个阶段。
d)若车辆达到下一交叉口的时间区间与任一红灯区间的交集不为空，且车辆达到下一交叉口的时间区间左边界位于该红灯区间内，右边界位于该红灯区间外，则选择减速引导策略，如图3(d)所示，当G1＜T2＜G2时，公交车可通过引导顺利通过交叉口，应选择减速引导策略，达到减少公交车在交叉口停靠时间的目的。此时引导后行程时间T应满足T∈[T2-T0,G2-T0]。
此时，引导过程包括车速改变阶段和以引导车速匀速行驶两个阶段，其中车速改变阶段为减速引导。
步骤S4：根据确定的车速引导策略建立考虑公交行驶舒适性的轨迹优化模型，并求解模型得到各子区间的优化轨迹。
所述步骤S4中，若车辆达到下一交叉口的时间区间位于任一红灯区间内，则建立考虑公交行驶舒适性的轨迹优化模型为：
约束条件为：
其中：T为引导后的行程时间区间,T0为当前时刻，t1是改变初始速度阶段的总耗时,t2为匀速行驶阶段的总耗时，t3为减速停靠阶段的总耗时，a1(t)为改变初始速度阶段t时刻的加速度，a为加速度，a2(t)为匀速行驶阶段t时刻的加速度， a3(t)为减速停靠阶段t时刻的加速度，vmin为车辆最小速度，vmax为车辆最大速度， amin为车辆最小加速度，amax为车辆最大加速度，G1为车辆达到下一交叉口的时间区间左边界，G2为车辆达到下一交叉口的时间区间右边界。
所述步骤S4中，若车辆达到下一交叉口的时间区间与任一红灯区间的交集均为空集，则建立考虑公交行驶舒适性的轨迹优化模型为：
约束条件为：
其中：T为引导后的行程时间区间,T0为当前时刻，t1是改变初始速度阶段的总耗时,t2为匀速行驶阶段的总耗时,a为加速度，a1(t)为改变初始速度阶段t时刻的加速度，a2(t)为匀速行驶阶段t时刻的加速度，vmin为车辆最小速度，vmax为车辆最大速度，amin为车辆最小加速度，amax为车辆最大加速度，G1为车辆达到下一交叉口的时间区间左边界，G2为车辆达到下一交叉口的时间区间右边界；
若车辆达到下一交叉口的时间区间与任一红灯区间的交集不为空，且车辆达到下一交叉口的时间区间右边界位于该红灯区间内，左边界位于该红灯区间外，则建立考虑公交行驶舒适性的轨迹优化模型为：
约束条件为：
其中：T1为该红灯区间的起始时间；
若车辆达到下一交叉口的时间区间与任一红灯区间的交集不为空，且车辆达到下一交叉口的时间区间左边界位于该红灯区间内，右边界位于该红灯区间外，则建立考虑公交行驶舒适性的轨迹优化模型为：
约束条件为：
其中：T2为该红灯区间的结束时间。
所述专家系统包括人机界面、知识库、模型库、数据库及评分库五大模块。其中，知识库包括公交车驾驶技巧、乘客对于驾驶过程提出的相关建议等知识；模型库是基于考虑乘客舒适度的公交车轨迹优化模型，对公交车各行驶区间进行轨迹优化；数据库中有各公交线路信息数据、站点信息数据、交叉口信息数据、车辆信息数据、天气资料数据、历史运行轨迹方案及评分等；评分库是用根据最终实际运行的轨迹优化方案中所检测到的乘客舒适度，对轨迹优化方案进行评分。
其中，人机界面用于实现用户与系统的交互功能：各类用户，如公交运营公司管理员等通过浏览器访问本系统的界面，并向专家系统输入公交路线信息、站点信息、交叉口信息等；通过人机界面向用户输出车辆实时位置和实时车速信息，并向用户输出得优化所得的行驶轨迹。
如图4所示，是本谁请的总系统框架图，通过将公交运行线路、站点信息、途经交叉口信息这些基础信息和车辆实时位置、实时速度和天气情况这些实时信息进行综合分析得出各行驶区间轨迹模型优化方案，再利用云平台上专家系统中的历史运营数据进行校验，从而修正生成新的轨迹优化方案，进行实时引导车速发布。
步骤S5：检测记录实际运行过程中对乘客的舒适度录，具体包括：
步骤S51：根据待优化的行驶区间、实时天气、公交车车辆型号等标签，从专家系统数据库中选取具有相同或近似标签的历史轨迹优化方案中评分最高的三项进行对比。比较模型解得的轨迹优化方案与专家系统中评分较优方案的车辆行驶加速度值，若相差较大，则对模型解得的轨迹优化方案进行修正；
步骤S52：输出修正后最终的轨迹优化方案用于实际运行，并在实际运行过程中对乘客的舒适度进行检测记录。
其中，乘客的在公交行驶过程中的舒适度可用以下方式中的至少一种进行检测：
1)用固定在公交车上的张丝式加速度传感器进行检测。通过将一块活动质量块连接在两段电阻丝中间，在公交车行驶过程中，由于加速度变化导致两电阻丝一个受拉，一个受压，引起的电阻值变化大小相等，方向相反，接入半桥差动电路的相邻两个桥臂，转换成电压输出，用以监测公交车行驶的加速度变化。该装置分为纵向监测和横向监测两组，分别监测公交车纵向和横向的加速度变化。加速度变化越大，乘客舒适度越低。
2)利用智能手机的运动传感器进行检测。调用乘务组人员或专用的智能手机的运动传感器和GPS模块，实时采集在公交车运行过程中的三维加速度信息，对采集到的原始数据按行驶区间进行分段处理，得到在各行驶区间中行驶时的纵向加速度。行驶中三维合加速度越大，乘客舒适度越低。
步骤S6：将检测到的乘客舒适度数据反馈给专家系统进行分析统计，由专家系统对该轨迹优化方案效果进行评分。
将检测到的乘客舒适度数据回馈给专家系统进行分析统计，由专家系统对该轨迹优化方案效果进行评分。同时将该运营方案对应的行驶区间、实时天气、公交车车辆型号等标签也输入专家系统，对专家库进行进一步完善。
其中，实际行驶过程中所检测到的乘客舒适度越低，该优化方案评越低，反之越高。
Claims (10)
1.一种基于物联网和云计算的公交轨迹优化系统，其特征在于，包括专家系统和车辆和公交调度中心，所述车辆分别与公交调度中心和专家系统连接，执行轨迹优化时实现以下步骤：
步骤S1：获取专家系统里的或自定义输入的基础数据，包括待优化公交运行线路、运行计划、车辆信息及途经交叉口信息；
步骤S2：获取专家系统里的或自定义输入的实时数据，包括车辆在当前时刻的实时位置、实时速度及实时天气情况；
步骤S3：基于公交特征信息和交叉口信息计算车辆达到下一交叉口的时间区间，根据车辆达到下一交叉口的时间区间与该交叉口红灯对应的时间区间的关系确定车速引导策略；
步骤S4：根据确定的车速引导策略建立考虑公交行驶舒适性的轨迹优化模型，并求解模型得到各子区间的优化轨迹。
步骤S5：检测记录实际运行过程中对乘客的舒适度录；
步骤S6：将检测到的乘客舒适度数据反馈给专家系统进行分析统计，由专家系统对该轨迹优化方案效果进行评分。
2.根据权利要求1所述的一种基于物联网和云计算的公交轨迹优化系统，其特征在于，所述专家系统包括：
人机界面，用于实现用户与系统的交互功能；
知识库，用于存储包括公交车驾驶技巧、乘客对于驾驶过程提出的相关建议；
模型库，用于存储基于考虑乘客舒适度的公交车轨迹优化模型；
数据库，用于存储各公交线路信息数据、站点信息数据、交叉口信息数据、车辆信息数据、天气资料数据、历史运行轨迹优化方案及评分；
评分库，用于根据最终实际运行的轨迹方案中所检测到的乘客舒适度，对不同标签的轨迹优化方案进行评分。
3.根据权利要求1所述的一种基于物联网和云计算的公交轨迹优化系统，其特征在于，所述步骤S3具体包括：
步骤S31：根据车辆的当前位置和交叉口位置确定车辆距离下一交叉口的距离；
步骤S32：根据车辆的当前速度、当前时刻和车辆距离下一交叉口的距离，计算车辆达到下一交叉口的时间区间；
步骤S33：判断车辆达到下一交叉口的时间区间与该交叉口红灯对应的时间区间的关系，并基于判断结果确定车速引导策略。
4.根据权利要求3所述的一种基于物联网和云计算的公交轨迹优化系统，其特征在于，所述步骤S33具体包括：
若车辆达到下一交叉口的时间区间与任一红灯区间的交集均为空集，则选择加速引导策略；
若车辆达到下一交叉口的时间区间与任一红灯区间的交集不为空，且车辆达到下一交叉口的时间区间右边界位于该红灯区间内，左边界位于该红灯区间外，则选择加速引导策略；
若车辆达到下一交叉口的时间区间位于任一红灯区间内，则任意选择不引导、加速引导或减速引导三种策略之一；
若车辆达到下一交叉口的时间区间与任一红灯区间的交集不为空，且车辆达到下一交叉口的时间区间左边界位于该红灯区间内，右边界位于该红灯区间外，则选择减速引导策略。
5.根据权利要求3所述的一种基于物联网和云计算的公交轨迹优化系统，其特征在于，所述车辆达到下一交叉口的时间区间G＝[G1，G2]为：
[G1，G2]＝[minT′a，maxT′a]
其中：T′a为车辆达到下一交叉口的时刻，T0为当前时刻，vs为车辆的引导速度，v0为车辆的当前速度，L0为车辆距离下一交叉口的距离，a为加速度，G1为车辆达到下一交叉口的时间区间左边界，G2为车辆达到下一交叉口的时间区间右边界。
6.根据权利要求3所述的一种基于物联网和云计算的公交轨迹优化系统，其特征在于，所述步骤S4中，若车辆达到下一交叉口的时间区间位于任一红灯区间内，则建立考虑公交行驶舒适性的轨迹优化模型为：
约束条件为：
其中：T为引导后的行程时间区间，T0为当前时刻，t1是改变初始速度阶段的总耗时，t2为匀速行驶阶段的总耗时，t3为减速停靠阶段的总耗时，a1(t)为改变初始速度阶段t时刻的加速度，a为加速度，a2(t)为匀速行驶阶段t时刻的加速度，a3(t)为减速停靠阶段t时刻的加速度，vmin为车辆最小速度，vmax为车辆最大速度，amin为车辆最小加速度，amax为车辆最大加速度，G1为车辆达到下一交叉口的时间区间左边界，G2为车辆达到下一交叉口的时间区间右边界。
7.根据权利要求4所述的一种考虑舒适度的公交运行轨迹优化方法，其特征在于，所述步骤S4中，若车辆达到下一交叉口的时间区间与任一红灯区间的交集均为空集，则建立考虑公交行驶舒适性的轨迹优化模型为：
约束条件为：
其中：T为引导后的行程时间区间，T0为当前时刻，t1是改变初始速度阶段的总耗时，t2为匀速行驶阶段的总耗时，a为加速度，a1(t)为改变初始速度阶段t时刻的加速度，a2(t)为匀速行驶阶段t时刻的加速度，vmin为车辆最小速度，vmax为车辆最大速度，amin为车辆最小加速度，amax为车辆最大加速度，G1为车辆达到下一交叉口的时间区间左边界，G2为车辆达到下一交叉口的时间区间右边界；
若车辆达到下一交叉口的时间区间与任一红灯区间的交集不为空，且车辆达到下一交叉口的时间区间右边界位于该红灯区间内，左边界位于该红灯区间外，则建立考虑公交行驶舒适性的轨迹优化模型为：
约束条件为：
其中：T1为该红灯区间的起始时间；
若车辆达到下一交叉口的时间区间与任一红灯区间的交集不为空，且车辆达到下一交叉口的时间区间左边界位于该红灯区间内，右边界位于该红灯区间外，则建立考虑公交行驶舒适性的轨迹优化模型为：
约束条件为：
其中：T2为该红灯区间的结束时间。
8.根据权利要求2所述的一种基于物联网和云计算的公交轨迹优化系统，其特征在于，所述步骤S5具体为：
步骤S51：从专家系统数据库中选取具有相同或近似标签的历史轨迹优化方案中评分最高的三项进行对比，对模型解得的轨迹优化方案进行修正；
步骤S52：输出修正后最终的轨迹优化方案用于实际运行，并在实际运行过程中对乘客的舒适度进行检测记录。
9.根据权利要求5所述的一种基于物联网和云计算的公交轨迹优化系统，其特征在于，所述乘客的舒适度通过张丝式加速度传感器测得，所述张丝式加速度传感器共设有两组，分别用于监测车辆纵向和横向的加速度。
10.根据权利要求5所述的一种基于物联网和云计算的公交轨迹优化系统，其特征在于，所述乘客的舒适度通过移动终端的加速度计测得，具体的，采集在车辆运行过程中的三维加速度信息，并计算合加速度。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811199038.0A CN109508814A (zh) | 2018-10-15 | 2018-10-15 | 一种基于物联网和云计算的公交轨迹优化系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811199038.0A CN109508814A (zh) | 2018-10-15 | 2018-10-15 | 一种基于物联网和云计算的公交轨迹优化系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN109508814A true CN109508814A (zh) | 2019-03-22 |
Family
ID=65746595
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201811199038.0A Pending CN109508814A (zh) | 2018-10-15 | 2018-10-15 | 一种基于物联网和云计算的公交轨迹优化系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109508814A (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111540225A (zh) * | 2020-04-22 | 2020-08-14 | 山东大学 | 基于多目标优化的公交运行区间速度优化控制方法及系统 |
| CN112907962A (zh) * | 2021-01-30 | 2021-06-04 | 浙江海康智联科技有限公司 | 一种信号灯车速引导系统以及引导方法 |
| CN113257007A (zh) * | 2021-05-06 | 2021-08-13 | 哈尔滨工业大学 | 交叉口共享自动驾驶车道的信号控制方法及系统 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104299433A (zh) * | 2014-06-05 | 2015-01-21 | 上海应用技术学院 | 基于rfid车载电子标签的公交信号优先控制方法 |
| CN104637315A (zh) * | 2015-02-06 | 2015-05-20 | 北京交通大学 | 车路协同环境下的无信号交叉口优化控制方法和系统 |
| CN104821080A (zh) * | 2015-03-02 | 2015-08-05 | 北京理工大学 | 基于宏观城市交通流的智能车辆行驶速度及时间预测方法 |
| JP5997098B2 (ja) * | 2013-05-16 | 2016-09-28 | 株式会社豊田中央研究所 | 歩行者横断支援装置、歩行者横断支援システム、及びプログラム |
| CN108182533A (zh) * | 2017-12-28 | 2018-06-19 | 盯盯拍（深圳）技术股份有限公司 | 车辆乘坐舒适度评估方法以及车辆乘坐舒适度评估装置 |
-
2018
- 2018-10-15 CN CN201811199038.0A patent/CN109508814A/zh active Pending
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP5997098B2 (ja) * | 2013-05-16 | 2016-09-28 | 株式会社豊田中央研究所 | 歩行者横断支援装置、歩行者横断支援システム、及びプログラム |
| CN104299433A (zh) * | 2014-06-05 | 2015-01-21 | 上海应用技术学院 | 基于rfid车载电子标签的公交信号优先控制方法 |
| CN104637315A (zh) * | 2015-02-06 | 2015-05-20 | 北京交通大学 | 车路协同环境下的无信号交叉口优化控制方法和系统 |
| CN104821080A (zh) * | 2015-03-02 | 2015-08-05 | 北京理工大学 | 基于宏观城市交通流的智能车辆行驶速度及时间预测方法 |
| CN108182533A (zh) * | 2017-12-28 | 2018-06-19 | 盯盯拍（深圳）技术股份有限公司 | 车辆乘坐舒适度评估方法以及车辆乘坐舒适度评估装置 |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111540225A (zh) * | 2020-04-22 | 2020-08-14 | 山东大学 | 基于多目标优化的公交运行区间速度优化控制方法及系统 |
| CN111540225B (zh) * | 2020-04-22 | 2021-03-26 | 山东大学 | 基于多目标优化的公交运行区间速度优化控制方法及系统 |
| CN112907962A (zh) * | 2021-01-30 | 2021-06-04 | 浙江海康智联科技有限公司 | 一种信号灯车速引导系统以及引导方法 |
| CN113257007A (zh) * | 2021-05-06 | 2021-08-13 | 哈尔滨工业大学 | 交叉口共享自动驾驶车道的信号控制方法及系统 |
| CN113257007B (zh) * | 2021-05-06 | 2022-06-17 | 哈尔滨工业大学 | 交叉口共享自动驾驶车道的信号控制方法及系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN106846871B (zh) | 一种根据导航路径规划车速的方法、装置及系统 | |
| CN109493593A (zh) | 一种考虑舒适度的公交运行轨迹优化方法 | |
| CN106781551B (zh) | 车联网环境下的高速公路出入口匝道联合控制系统及方法 | |
| CN106601002A (zh) | 车联网环境下的城市快速路入口匝道车辆通行引导系统及其引导方法 | |
| CN109035832A (zh) | 基于v2x通信的信号灯路口智能通行系统 | |
| CN205665897U (zh) | 一种车辆行驶前方路口检知和引导通过的系统 | |
| CN106485931A (zh) | 一种道路交叉口车辆快速通行辅助驾驶系统及方法 | |
| EP4462255A1 (en) | Intelligent driving method, device, and vehicle comprising said device | |
| CN115081508B (zh) | 一种基于交通数字孪生的交通运行风险平行仿真系统 | |
| CN108680180A (zh) | 路况信息车辆导航系统及其导航方法 | |
| CN107084733A (zh) | 一种基于无人驾驶的路径规划的方法、装置及系统 | |
| CN109448364A (zh) | 一种考虑舒适度和节能减排的公交动态轨迹优化方法 | |
| Wu et al. | Supplementary benefits from partial vehicle automation in an ecoapproach and departure application at signalized intersections | |
| CN107564310A (zh) | 一种基于道路交通信息云处理的车路互联系统及方法 | |
| CN104200656B (zh) | 一种基于交通信号信息的主干道车速规划方法 | |
| CN109508814A (zh) | 一种基于物联网和云计算的公交轨迹优化系统 | |
| CN109427200A (zh) | 智能无人驾驶系统 | |
| CN106408984A (zh) | 基于物联网的城市交通流诱导系统 | |
| CN104192148A (zh) | 一种基于交通信号信息预知的主干道车速规划方法 | |
| CN108597222A (zh) | 一种基于车路协同的公交到站时间预测方法、装置及系统 | |
| CN110162109A (zh) | 一种游览车无人驾驶系统 | |
| CN115951677A (zh) | 一种对于自动驾驶车辆进行行驶轨迹规划的方法及装置 | |
| CN108847019B (zh) | 一种计算可变线路公交车辆到达固定站点行程时间的方法 | |
| CN117782126B (zh) | 高精地图引导的自动驾驶路径规划决策方法 | |
| US11926356B1 (en) | Method and device for multi-train operation trend deduction |
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 | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190322 |
|
| RJ01 | Rejection of invention patent application after publication |