CN105096622B - 一种基于车路通信的动态路径诱导方法 - Google Patents
一种基于车路通信的动态路径诱导方法 Download PDFInfo
- Publication number
- CN105096622B CN105096622B CN201510487368.XA CN201510487368A CN105096622B CN 105096622 B CN105096622 B CN 105096622B CN 201510487368 A CN201510487368 A CN 201510487368A CN 105096622 B CN105096622 B CN 105096622B
- Authority
- CN
- China
- Prior art keywords
- section
- road
- veh
- vehicle
- roadside device
- 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.)
- Expired - Fee Related
Links
Landscapes
- Navigation (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明涉及车路协同技术和交通诱导技术领域,具体涉及一种通过车载装置与路侧装置之间的信息交互,实现对驾驶员出行路径动态诱导方法。本发明提出一种基于车路通信的动态路径诱导方法,该方法以车辆作为交通信息采集源,通过车载设备与路侧设备进行交通信息的交互,提取并更新路侧设备所辖路网的交通流运行状态参数,同时路侧设备以一定的时间间隔将所辖路网的交通流运行状态参数上传给中心设备。中心设备基于全路网的交通流运行状态信息,为出行车辆提供K条初始最优路径供驾驶员选择,当出行车辆进入路侧设备所辖路网范围时,路侧设备根据所辖路网当前的交通流运行状态,为出行车辆提供所辖路网内的最优出行路径和信息服务。
Description
技术领域
本发明涉及车路协同技术和交通诱导技术领域,具体涉及一种通过车载设备与路侧设备之间的信息交互,实现对驾驶员出行路径动态诱导方法。
技术背景
目前,基于实时道路交通信息的动态交通诱导***主要分为分布式诱导和中心式诱导两种方式。分布式诱导是交通信息中心通过无线通信网络向车载终端设备提供路网全局动态交通信息,由车载终端设备根据驾驶员的出行起点和出行终点,自行计算最佳行驶路径。但分布式诱导方式存在动态交通信息通信量大、车载终端计算资源消耗大、路网交通信息更新时间长、通信网络负载严重等问题,同时,研究资料表明:当路网中超过1/3的车辆采用分布式诱导时,容易导致被诱导车辆都驶向不拥挤路线,造成新的交通拥挤,即交通拥挤转移。
中心式诱导是交通信息中心根据路网实时的道路交通信息,从路网全局的角度,计算路网所有点对之间的最佳行驶路径,从均衡路网负荷、防止交通拥堵出发,通过无线通信网络为路网上的每一个车载终端设备提供最优出行路径,车载终端设备根据接收到的路径信息,引导驾驶员走最佳出行路线。虽然中心式诱导方式可以有效避免交通拥挤转移的产生,但交通信息中心需要强大、实时、高频的计算能力,交通信息中心负载严重而且维护困难,没有考虑驾驶员出行路径选择的动态变化特性以及驾驶员的诱导服从率,造成诱导服从率低下,无法真正起到缓解城市交通拥挤、拥堵的目的。
无论是分布式诱导还是中心式诱导均需要在全路网中安装大量的交通信息检测装置,进行道路交通运行参数和运行状态的全时空检测与监测,需要投入大量的资金和设备以保证交通诱导***的全时空、高可靠、高精度的运行。
发明内容
针对目前动态交通诱导***在路网中安装大量交通检测装置、交通信息通信网络负载严重、交通信息中心计算量大等问题,本发明提出了一种基于车路通信的动态路径诱导方法,该方法以车辆作为交通信息采集源,通过车载设备与路侧设备进行交通信息的交互,提取并更新路侧设备所辖路网的交通流运行状态参数,同时路侧设备以一定的时间间隔将所辖路网的交通流运行状态参数上传给中心设备。中心设备基于全路网的交通流运行状态信息,为出行车辆提供K条初始最优路径供驾驶员选择,当出行车辆进入路侧设备所辖路网范围时,路侧设备根据所辖路网当前的交通流运行状态,为出行车辆提供所辖路网内的最优出行路径和信息服务,从而既保证路网交通信息的动态特性和实时性,同时为出行路径的变化提供实时调整能力。
本发明的技术解决方案主要由车载设备(On-Board Device,OBD)、路侧设备(Road-Side Device,RSD)、中心设备(Center Control Device,CCD)三部分组成,设备的分布结构如图1所示。本发明提出的一种基于车路通信的动态路径诱导方法,其特征主要包括以下步骤:
1)车载设备
车载设备安装在车辆驾驶舱多媒体仪表盘位置,主要用于获取车辆的出行起点、出行终端、GPS信息(精度、纬度、瞬时速度、方向角等)等出行信息,同时将出行信息通过无线通信网络传输给路侧装备。并接收路侧设备、中心设备发送过来的交通信息、最优出行路径信息等。
2)路侧设备
路侧设备安装在城市路网的交叉口位置,在城市路网中按路侧设备的通信覆盖范围进行网格分布布设,如图2所示。路侧设备主要用于获取运行在其管辖路网范围内运行车辆GPS信息和路径信息,用于估计路侧设备所辖路网的交通流运行状态信息,包括平均路段行程时间、平均路段运行速度等。同时,为进入所辖路网范围内的车辆提供本路网范围内的最优出行路径和交通信息服务。
3)中心设备
中心设备安装在交通信息中心或交通指挥中心,主要通过光纤网络或者无线通信网络获取各路侧装置的路网交通流运行状态参数,从而汇集和存储全路网的交通流运行状态信息,同时,为准备出行的车辆根据路网交通流运行状态,提供K条初始最优路径。
附图说明
图1:一种基于车路通信的动态路径诱导***结构图;
图2:路侧设备路网布设及所辖路网覆盖图;
图3:中心设备路段权值树形赋值图;
图4:道路路段位置划分图;
图5:中心设备初始优化路径与路侧设备优化路径图。
具体实施方式
本发明所述的一种基于车路通信的动态路径诱导方法主要由车载设备、路侧设备、中心设备三部分组成。车载设备主要用于获取车辆的出行起点、出行终点、运行轨迹、运行速度等出行信息。路侧设备主要用于提取车辆的出行信息,并估计所辖路网的交通流运行状态信息,同时为进入路侧设备所辖路网的车辆提供在本路网范围内出行的最优路径信息和交通信息服务。中心设备主要用于获取路网中不同路侧设备所辖路网的交通流运行状态信息,汇集并存储全路网的交通流运行状态信息,同时,为准备出行的车辆根据全路网交通流运行状态信息,提供K条(K一般情况下为3)初始最优路径。车载设备、路侧设备、中心设备共同实现对路网交通流运行状态的获取和驾驶员出行路径的动态诱导。本发明提出的一种基于车路通信的动态路径诱导方法,可描述为包括路网交通信息获取和出行路径动态优化两大核心功能,具体工作流程为:
1)路网交通信息获取
(1)车载设备
车辆在运行过程中,车载设备通过内置GPS模块以一定的时间间隔VEH_T获取车辆GPS信息VEH_GPS(具体包括GPS时间、经度、纬度、瞬时速度和方向角),同时将VEH_GPS和车辆信息VEH_ID通过车载设备内置无线通信模块传送给邻近的路侧设备。
(2)路侧设备
路侧设备接收车载设备发送过来的VEH_GPS和VEH_ID信息,并在路侧设备内置数据库中以车辆VEH_ID为识别号,以VEH_GPS的GPS时间为索引号进行车辆在路侧设备所辖路网内运行轨迹数据存储。
路侧设备以一定的时间间隔RSD_T对运行在路侧设备所辖路网内所有车辆的VEH_GPS的车辆运行轨迹进行地图匹配处理,提取每一车辆在路侧设备所辖路网道路路段的行程时间VEH_LTi,j(VEH_LTi,j为路侧设备信息处理时间间隔RSD_T内通过路侧设备所辖路网第j个道路路段第i辆车的路段行程时间)。则路侧设备所辖路网道路路段的平均行程时间为:
其中:RSD_LTj为路侧设备所辖路网第j个道路路段的路段平均行程时间;N为路侧设备信息处理时间间隔RSD_T内通过第j个道路路段的运行在路侧设备所辖路网的车辆总数。
对于路侧设备信息处理时间间隔RSD_T离开路侧设备所辖路网范围的车辆,当车辆离开路侧设备所辖路网范围时,路侧设备从内置数据库中读取该车辆在路侧设备所辖路网运行轨迹数据进行地图匹配,提取该车辆在路侧设备所辖路网各路段的行程时间VEH_OLTi,j(VEH_OLTi,j为路侧设备信息处理时间间隔RSD_T内离开路侧设备所辖路网范围的车辆在途径路侧设备所辖路网第j个道路路段第i辆车的路段行程时间)。则路侧设备所辖路网道路路段的平均行程时间为:
其中:RSD_OLTj为路侧设备所辖路网第j个道路路段的路段平均行程时间;N为路侧设备信息处理时间间隔RSD_T内通过第j个道路路段的离开路侧设备所辖路网的车辆总数。
由于路侧设备以时间间隔RSD_T对路侧设备所辖路网运行的车辆进行路段行程时间的提取属于定周期信息处理,信息具有相对滞后性,主要为下一个时间间隔内的路径诱导服务;而对于时间间隔RSD_T离开路侧设备所辖路网的车辆进行路段行程时间提取属于不定期、实时动态信息处理,信息具有相对实时性,可以对上一时间间隔RSD_T内处理获得的路段平均行程时间进行动态更新,作为当前时刻路段平均行程时间,即:
RSD_LTj(t)=α·RSD_LTj(RSD_T-1)+β·RSD_OLTj(t)
其中:RSD_LTj(t)为当前时间间隔RSD_T内当前时刻t路侧设备所辖路网第j个道路路段的路段平均行程时间;RSD_LTj(RSD_T-1)为上一个时间间隔RSD_T路侧设备所辖路网第j个道路路段的路段平均行程时间;RSD_OLTj(t)为当前时间间隔RSD_T内当前时刻t离开路侧设备所辖路网的车辆经过路侧设备所辖路网第j个道路路段的路段平均行程时间;α、β分别为路段行程时间调整系数。
(3)中心设备
中心设备以一定的时间间隔CCD_T通过光纤通信网络或无线通信网络提取路网中各路侧设备存储所辖路网各路段的平均行程时间。中心设备的信息提取间隔CCD_T是路侧设备信息处理间隔RSD_T的整数倍,即:
CCD_T=n·RSD_T
其中:n为大于2的自然数。
因此,中心设备能够从各路侧设备内置数据库中提取n个时间序列的路段平均行程时间数据,同时对n个时间序列的路段平均行程时间数据在CCD_T时间间隔内进行统一化标定:
其中:CCD_LTj为中心设备CCD_T时间间隔内路网中第j个道路路段的路段平均行程时间;RSD_Ti为路侧设备的第i个信息处理时间间隔;RSD_LTj(RSD_Ti)为路侧设备标定的第i个信息处理时间间隔RSD_Ti路网中第j个道路路段的路段平均行程时间。
2)出行路径动态优化
(1)车载设备
驾驶员启动车辆在准备出行时,车载设备通过内置GPS模块自动获取车辆的出行起点VEH_O,驾驶员通过车载设备的人机交互界面输入出行终点VEH_D。当车载设备获得驾驶员的出行起点VEH_O和出行终点VEH_D后,通过车载设备内置的无线通信模块将车辆的出行起点VEH_O和出行终点VEH_D发送给中心设备。
(2)中心设备
中心设备接收到车载设备的出行起点VEH_O和出行终点VEH_D后,为车辆提供K条(K一般情况下为3)初始最优路径。
第一条初始最优路径:根据当前时刻中心设备获取的全路网各路段当前时刻的路段平均行程时间作为进行最短路径计算的路段权值,采用Dijkstra算法求解出行起点VEH_O和出行终点VEH_D之间的最短路径,记为Path_TL1;
第二条初始最优路径:根据中心设备数据库中存储的历史同期的路段平均行程时间作为进行最短路径计算的路段权值,如车辆出行起点VEH_O所在的路段为LINK1(假设LINK1起点为VEH_O,终点为LK1_D),出发时刻为当前时刻T_NOW,当前时刻中心设备记录的LINK1的路段平均行程时间LT1,则LINK1的路段权值为LT1;当车辆从起点VEH_O到达LK1_D,以LK1_D为起点的道路路段为LINK2和LINK3,则中心设备从前一天的T_NOW+LT1时刻提取LINK2和LINK3的路段平均行程时间D_LT2和D_LT3;从上一周同一日期的T_NOW+LT1时刻提取LINK2和LINK3的路段平均行程时间W_LT2和W_LT3,则LINK2和LINK3的路段权值为:
LT2=δ1·D_LT2+δ2·W_LT2
LT3=δ1·D_LT3+δ2·W_LT3
其中:LT2和LT3分别为LINK2和LINK3为路段权值;δ1和δ2为路段权值调整系数,且δ1+δ2=1。
以此类推,以路段LINK2的终点为起点的路段为LINK4和LINK5,以路段LINK3的终点为起点的路段为LINK6和LINK7,如图3所示。则中心设备从前一天的T_NOW+LT1+LT2时刻提取LINK4和LINK5的路段平均行程时间D_LT4和D_LT5;从上一周同一日期的T_NOW+LT1+LT2时刻提取LINK4和LINK5的路段平均行程时间W_LT4和W_LT5;从前一天的T_NOW+LT1+LT3时刻提取LINK6和LINK7的路段平均行程时间D_LT6和D_LT7;从上一周同一日期的T_NOW+LT1+LT3时刻提取LINK6和LINK7的路段平均行程时间W_LT6和W_LT7。则LINK4、LINK5、LINK6、LINK7的路段权值为:
LT4=δ1·D_LT4+δ2·W_LT4
LT5=δ1·D_LT5+δ2·W_LT5
LT6=δ1·D_LT6+δ2·W_LT6
LT7=δ1·D_LT7+δ2·W_LT7
其中:LT4、LT5、LT6、LT7分别为LINK4、LINK5、LINK6、LINK7的路段权值。
以此类推,直至出行起点VEH_O和出行终点VEH_D之间最短路径计算中所需的路段均被重新赋予路段平均行程时间的权值。
在进行路段权值赋值的同时,中心设备采用Dijkstra算法求解出行起点VEH_O和出行终点VEH_D之间的最短路径,记为Path_TL2;
第三条初始最优路径:假设LINK1的起点为VEH_O,终点为LK1_D,以LK1_D为起点的道路路段为LINK2和LINK3,以路段LINK2的终点为起点的路段为LINK4和LINK5,以路段LINK3的终点为起点的路段为LINK6和LINK7,如图3所示,出发时刻为当前时刻T_NOW。首先中心设备提取路段LINK1当前时刻和上一个信息处理时间间隔的路段平均行程时间分别为N_LT1和P_LT1,以及路段前一天和上一周同一日期的T_NOW时刻的路段平均行程时间分别为D_LT1和W_LT1;其次,中心设备提取路段LINK2、LINK3当前时刻和上一个信息处理时间间隔的路段平均行程时间分别为N_LT2、N_LT3和P_LT2、P_LT3;同时提取路段LINK2、LINK3前一天和上一周同一日期的T_NOW+N_LT1时刻的路段平均行程时间分别为D_LT2、D_LT3和W_LT2、W_LT3。以此类推,中心设备提取LINK4、LINK5、LINK6、LINK7当前时刻和上一个信息处理时间间隔的路段平均行程时间分别为N_LT4、N_LT5、N_LT6、N_LT7和P_LT4、P_LT5、P_LT6、P_LT7;从前一天的T_NOW+N_LT1+N_LT2时刻提取LINK4和LINK5的路段平均行程时间D_LT4和D_LT5;从上一周同一日期的T_NOW+N_LT1+N_LT2时刻提取LINK4和LINK5的路段平均行程时间W_LT4和W_LT5;从前一天的T_NOW+N_LT1+N_LT3时刻提取LINK6和LINK7的路段平均行程时间D_LT6和D_LT7;从上一周同一日期的T_NOW+N_LT1+N_LT3时刻提取LINK6和LINK7的路段平均行程时间W_LT6和W_LT7。则
LT1=λ1·N_LT1+λ2·P_LT1+λ3·D_LT1+λ4·W_LT1
LT2=λ1·N_LT2+λ2·P_LT2+λ3·D_LT2+λ4·W_LT2
LT3=λ1·N_LT3+λ2·P_LT3+λ3·D_LT3+λ4·W_LT3
LT4=λ1·N_LT4+λ2·P_LT4+λ3·D_LT4+λ4·W_LT4
LT5=λ1·N_LT5+λ2·P_LT5+λ3·D_LT5+λ4·W_LT5
LT6=λ1·N_LT6+λ2·P_LT6+λ3·D_LT6+λ4·W_LT6
LT7=λ1·N_LT7+λ2·P_LT7+λ3·D_LT7+λ4·W_LT7
其中:LT1、LT2、LT3、LT4、LT5、LT6、LT7分别为LINK1、LINK2、LINK3、LINK4、LINK5、LINK6、LINK7的路段权值。λ1、λ2、λ3、λ4、λ5、λ6、λ7、分别为路段权值调整系数,且λ1+λ2+λ3+λ4=1。
以此类推,直至出行起点VEH_O和出行终点VEH_D之间最短路径计算中所需的路段均被重新赋予路段平均行程时间的权值。
在进行路段权值赋值的同时,中心设备采用Dijkstra算法求解出行起点VEH_O和出行终点VEH_D之间的最短路径,记为Path_TL3。
(3)路侧设备
中心设备为车辆提供三条初始最优路径后,驾驶员根据自己的偏好选择其中的一条诱导路径出行,则选择出行路径记为Path_INI。假设Path_INI经过路侧设备所辖路网范围的入口节点为VEH_IN,出口节点为VEH_OUT。当车辆进入路侧设备所辖路网范围时,路侧设备获取所辖路网各路段上各车辆的瞬时速度,同时,将路段划分为上游路段、中部路段、下游路段三部分,如图4所示。根据车辆VEH_GPS的车辆经纬度信息,将车辆瞬时速度划分为道路路段的上游路段车辆瞬时速度VEH_UVi、中部路段车辆瞬时速度VEH_MVi、下游路段车辆瞬时速度VEH_DVi三类位置速度。
VEH_Vi=δ1·VEH_UVi+δ2·VEH_MVi+δ3·VEH_DVi
其中:VEH_UVi、VEH_MVi、VEH_DVi分布为路侧设备所辖路网第i道路路段的上游路段车辆瞬时速度、中部路段车辆瞬时速度、下游路段车辆瞬时速度;VEH_UVi,j、VEH_MVi,j、VEH_DVi,j分别为路侧设备所辖路网第i道路路段的第j辆车的上游路段车辆瞬时速度、中部路段车辆瞬时速度、下游路段车辆瞬时速度;M1、M2、M3分别为处于道路路段的上游路段、中部路段、下游路段的车辆总数;VEH_Vi为路侧设备所辖路网第i道路路段的平均行驶速度;δ1、δ2、δ3分别为道路路段平均速度调整系数;LINK_Ti为路侧设备所辖路网第i道路路段的平均行驶时间;LINK_Li为路侧设备所辖路网第i道路路段的路段长度。
同时,根据车辆进入路侧设备所辖路网范围的入口节点VEH_IN的时间,路侧设备获取所辖路网各节点交通信号控制器的信号状态信息SIG_INFO,估计车辆行驶路径上各节点的信号等待时间。假设路侧设备所辖路网以VEH_IN为起点的道路路段为LINK1,LINK1的终止节点为LK1_D,以LK1_D为起点的道路路段为LINK2、LINK3。车辆进入VEH_IN的时间为TIN_NOW,LINK1、LINK2、LINK3的路段平均行驶时间为LINK_T1、LINK_T2、LINK_T3,则路侧设备估算TIN_NOW+LINK_T1时刻车辆到达节点LK1_D时通过交叉口所需等待的信号时间LINK_SIG(STime,LTime)1。之后,路侧设备估算TIN_NOW+LINK_T1+LINK_SIG(STime,LTime)1+LINK_T2时刻车辆到达LINK2终止节点时通过交叉口所需等待的信号时间LINK_SIG(STime,LTime)2;路侧设备估算TIN_NOW+LINK_T1+LINK_SIG(STime,LTime)1+LINK_T3时刻车辆到达LINK3终止节点时通过交叉口所需等待的信号时间LINK_SIG(STime,LTime)3。以此类推,路侧设备估算车辆通过所辖路网各路段终止节点时所需等待的信号时间LINK_SIG(STime,LTime)i。
则路侧设备所辖路网各路段的路段权值为:
LTi=LINK_Ti+LINK_SIG(STime,LTime)i
其中:LTi为路侧设备所辖路网第i道路路段的路段权值;LINK_SIG(STime,LTime)i为车辆通过路侧设备所辖路网第i道路路段所需等待的信号时间函数,STime为等待直行绿灯时间,LTime为等待左转绿灯函数。
路侧设备根据所辖路网的道路路段权值LTi=LINK_Ti+LINK_SIG(STime,LTime)i,采用Dijkstra算法求解出行起点VEH_IN和出行终点VEH_OUT之间的最短路径,记为RSD_Path,并计算所需的行程时间T(RSD_Path)。
假设Path_INI初始最优路径在路侧设备所辖路网的路径部分为CCD_Path,采用LTi=LINK_Ti+LINK_SIG(STime,LTime)i为CCD_Path所包含的道路路段重新赋值,计算车辆通过CCD_Path所需的行程时间为T(CCD_Path),并与RSD_Path进行比较,如图5所示。
如果T(RSD_Path)<T(CCD_Path),则在路侧设备所辖范围内,将诱导路径变更为RSD_Path,并通过信息引导(路径变更说明、变更优势分析等)、信息提示等交通信息服务发送给车载设备,由车载设备通过人机交互界面对驾驶员进行引导。
Claims (1)
1.一种基于车路通信的动态路径诱导方法,其特征在于出行路径动态优化:
(1)车载设备:驾驶员启动车辆在准备出行时,车载设备通过内置GPS模块自动获取车辆的出行起点VEH_O,驾驶员通过车载设备的人机交互界面输入出行终点VEH_D;当车载设备获得驾驶员的出行起点VEH_O和出行终点VEH_D后,通过车载设备内置的无线通信模块将车辆的出行起点VEH_O和出行终点VEH_D发送给中心设备;
(2)中心设备:中心设备接收到车载设备的出行起点VEH_O和出行终点VEH_D后,为车辆提供K条初始最优路径:
第一条初始最优路径,根据当前时刻中心设备获取的全路网各路段当前时刻的路段平均行程时间作为进行最短路径计算的路段权值,采用Dijkstra算法求解出行起点VEH_O和出行终点VEH_D之间的最短路径,记为Path_TL1;
第二条初始最优路径,根据中心设备数据库中存储的历史同期的路段平均行程时间作为进行最短路径计算的路段权值,车辆出行起点VEH_O所在的路段为LINK1,LINK1终点为LK1_D,出发时刻为当前时刻T_NOW,当前时刻中心设备记录的LINK1的路段平均行程时间LT1,则LINK1的路段权值为LT1;当车辆从起点VEH_O到达LK1_D,以LK1_D为起点的道路路段为LINK2和LINK3,则中心设备从前一天的T_NOW+LT1时刻提取LINK2和LINK3的路段平均行程时间D_LT2和D_LT3;从上一周同一日期的T_NOW+LT1时刻提取LINK2和LINK3的路段平均行程时间W_LT2和W_LT3,则LINK2和LINK3的路段权值为:
LT2=δ1·D_LT2+δ2·W_LT2
LT3=δ1·D_LT3+δ2·W_LT3
其中:LT2和LT3分别为LINK2和LINK3为路段权值;δ1和δ2为路段权值调整系数,且δ1+δ2=1;
以此类推,以路段LINK2的终点为起点的路段为LINK4和LINK5,以路段LINK3的终点为起点的路段为LINK6和LINK7;则中心设备从前一天的T_NOW+LT1+LT2时刻提取LINK4和LINK5的路段平均行程时间D_LT4和D_LT5;从上一周同一日期的T_NOW+LT1+LT2时刻提取LINK4和LINK5的路段平均行程时间W_LT4和W_LT5;从前一天的T_NOW+LT1+LT3时刻提取LINK6和LINK7的路段平均行程时间D_LT6和D_LT7;从上一周同一日期的T_NOW+LT1+LT3时刻提取LINK6和LINK7的路段平均行程时间W_LT6和W_LT7;则LINK4、LINK5、LINK6、LINK7的路段权值为:
LT4=δ1·D_LT4+δ2·W_LT4
LT5=δ1·D_LT5+δ2·W_LT5
LT6=δ1·D_LT6+δ2·W_LT6
LT7=δ1·D_LT7+δ2·W_LT7
其中:LT4、LT5、LT6、LT7分别为LINK4、LINK5、LINK6、LINK7的路段权值;
以此类推,直至出行起点VEH_O和出行终点VEH_D之间最短路径计算中所需的路段均被重新赋予路段平均行程时间的权值;
在进行路段权值赋值的同时,中心设备采用Dijkstra算法求解出行起点VEH_O和出行终点VEH_D之间的最短路径,记为Path_TL2;
第三条初始最优路径,假设LINK1的起点为VEH_O,终点为LK1_D,以LK1_D为起点的道路路段为LINK2和LINK3,以路段LINK2的终点为起点的路段为LINK4和LINK5,以路段LINK3的终点为起点的路段为LINK6和LINK7,出发时刻为当前时刻T_NOW;首先中心设备提取路段LINK1当前时刻和上一个信息处理时间间隔的路段平均行程时间分别为N_LT1和P_LT1,以及路段前一天和上一周同一日期的T_NOW时刻的路段平均行程时间分别为D_LT1和W_LT1;其次,中心设备提取路段LINK2、LINK3当前时刻和上一个信息处理时间间隔的路段平均行程时间分别为N_LT2、N_LT3和P_LT2、P_LT3;同时提取路段LINK2、LINK3前一天和上一周同一日期的T_NOW+N_LT1时刻的路段平均行程时间分别为D_LT2、D_LT3和W_LT2、W_LT3;以此类推,中心设备提取LINK4、LINK5、LINK6、LINK7当前时刻和上一个信息处理时间间隔的路段平均行程时间分别为N_LT4、N_LT5、N_LT6、N_LT7和P_LT4、P_LT5、P_LT6、P_LT7;从前一天的T_NOW+N_LT1+N_LT2时刻提取LINK4和LINK5的路段平均行程时间D_LT4和D_LT5;从上一周同一日期的T_NOW+N_LT1+N_LT2时刻提取LINK4和LINK5的路段平均行程时间W_LT4和W_LT5;从前一天的T_NOW+N_LT1+N_LT3时刻提取LINK6和LINK7的路段平均行程时间D_LT6和D_LT7;从上一周同一日期的T_NOW+N_LT1+N_LT3时刻提取LINK6和LINK7的路段平均行程时间W_LT6和W_LT7;则:
LT1=λ1·N_LT1+λ2·P_LT1+λ3·D_LT1+λ4·W_LT1
LT2=λ1·N_LT2+λ2·P_LT2+λ3·D_LT2+λ4·W_LT2
LT3=λ1·N_LT3+λ2·P_LT3+λ3·D_LT3+λ4·W_LT3
LT4=λ1·N_LT4+λ2·P_LT4+λ3·D_LT4+λ4·W_LT4
LT5=λ1·N_LT5+λ2·P_LT5+λ3·D_LT5+λ4·W_LT5
LT6=λ1·N_LT6+λ2·P_LT6+λ3·D_LT6+λ4·W_LT6
LT7=λ1·N_LT7+λ2·P_LT7+λ3·D_LT7+λ4·W_LT7
其中:LT1、LT2、LT3、LT4、LT5、LT6、LT7分别为LINK1、LINK2、LINK3、LINK4、LINK5、LINK6、LINK7的路段权值;λ1、λ2、λ3、λ4、λ5、λ6、λ7、分别为路段权值调整系数,且λ1+λ2+λ3+λ4=1;
以此类推,直至出行起点VEH_O和出行终点VEH_D之间最短路径计算中所需的路段均被重新赋予路段平均行程时间的权值;
在进行路段权值赋值的同时,中心设备采用Dijkstra算法求解出行起点VEH_O和出行终点VEH_D之间的最短路径,记为Path_TL3;
(3)路侧设备:中心设备为车辆提供三条初始最优路径后,驾驶员根据自己的偏好选择其中的一条诱导路径出行,则选择出行路径记为Path_INI;假设Path_INI经过路侧设备所辖路网范围的入口节点为VEH_IN,出口节点为VEH_OUT;当车辆进入路侧设备所辖路网范围时,路侧设备获取所辖路网各路段上各车辆的瞬时速度,同时,将路段划分为上游路段、中部路段、下游路段三部分;根据车辆VEH_GPS的车辆经纬度信息,将车辆瞬时速度划分为道路路段的上游路段车辆瞬时速度VEH_UVi、中部路段车辆瞬时速度VEH_MVi、下游路段车辆瞬时速度VEH_DVi三类位置速度:
VEH_Vi=δ1·VEH_UVi+δ2·VEH_MVi+δ3·VEH_DVi
其中:VEH_UVi、VEH_MVi、VEH_DVi分布为路侧设备所辖路网第i道路路段的上游路段车辆瞬时速度、中部路段车辆瞬时速度、下游路段车辆瞬时速度;VEH_UVi,j、VEH_MVi,j、VEH_DVi,j分别为路侧设备所辖路网第i道路路段的第j辆车的上游路段车辆瞬时速度、中部路段车辆瞬时速度、下游路段车辆瞬时速度;M1、M2、M3分别为处于道路路段的上游路段、中部路段、下游路段的车辆总数;VEH_Vi为路侧设备所辖路网第i道路路段的平均行驶速度;δ1、δ2、δ3分别为道路路段平均速度调整系数;LINK_Ti为路侧设备所辖路网第i道路路段的平均行驶时间;LINK_Li为路侧设备所辖路网第i道路路段的路段长度;
同时,根据车辆进入路侧设备所辖路网范围的入口节点VEH_IN的时间,路侧设备获取所辖路网各节点交通信号控制器的信号状态信息SIG_INFO,估计车辆行驶路径上各节点的信号等待时间;假设路侧设备所辖路网以VEH_IN为起点的道路路段为LINK1,LINK1的终止节点为LK1_D,以LK1_D为起点的道路路段为LINK2、LINK3;车辆进入VEH_IN的时间为TIN_NOW,LINK1、LINK2、LINK3的路段平均行驶时间为LINK_T1、LINK_T2、LINK_T3,则路侧设备估算TIN_NOW+LINK_T1时刻车辆到达节点LK1_D时通过交叉口所需等待的信号时间LINK_SIG(STime,LTime)1;之后,路侧设备估算TIN_NOW+LINK_T1+LINK_SIG(STime,LTime)1+LINK_T2时刻车辆到达LINK2终止节点时通过交叉口所需等待的信号时间LINK_SIG(STime,LTime)2;路侧设备估算TIN_NOW+LINK_T1+LINK_SIG(STime,LTime)1+LINK_T3时刻车辆到达LINK3终止节点时通过交叉口所需等待的信号时间LINK_SIG(STime,LTime)3;以此类推,路侧设备估算车辆通过所辖路网各路段终止节点时所需等待的信号时间LINK_SIG(STime,LTime)i;
则路侧设备所辖路网各路段的路段权值为:
LTi=LINK_Ti+LINK_SIG(STime,LTime)i
其中:LTi为路侧设备所辖路网第i道路路段的路段权值;LINK_SIG(STime,LTime)i为车辆通过路侧设备所辖路网第i道路路段所需等待的信号时间函数,STime为等待直行绿灯时间,LTime为等待左转绿灯函数;
路侧设备根据所辖路网的道路路段权值LTi=LINK_Ti+LINK_SIG(STime,LTime)i,采用Dijkstra算法求解出行起点VEH_IN和出行终点VEH_OUT之间的最短路径,记为RSD_Path,并计算所需的行程时间T(RSD_Path);
假设Path_INI初始最优路径在路侧设备所辖路网的路径部分为CCD_Path,采用LTi=LINK_Ti+LINK_SIG(STime,LTime)i为CCD_Path所包含的道路路段重新赋值,计算车辆通过CCD_Path所需的行程时间为T(CCD_Path),并与RSD_Path进行比较;
如果T(RSD_Path)<T(CCD_Path),则在路侧设备所辖范围内,将诱导路径变更为RSD_Path,并通过信息引导、信息提示等交通信息服务发送给车载设备,由车载设备通过人机交互界面对驾驶员进行引导。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510487368.XA CN105096622B (zh) | 2015-08-11 | 2015-08-11 | 一种基于车路通信的动态路径诱导方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510487368.XA CN105096622B (zh) | 2015-08-11 | 2015-08-11 | 一种基于车路通信的动态路径诱导方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105096622A CN105096622A (zh) | 2015-11-25 |
CN105096622B true CN105096622B (zh) | 2017-03-29 |
Family
ID=54576937
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510487368.XA Expired - Fee Related CN105096622B (zh) | 2015-08-11 | 2015-08-11 | 一种基于车路通信的动态路径诱导方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105096622B (zh) |
Families Citing this family (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105702034B (zh) * | 2016-03-18 | 2018-10-09 | 中国科学院计算技术研究所 | 基于单目视觉的智能交通管理与路线信息推送方法及*** |
CN105841709B (zh) * | 2016-03-22 | 2019-01-18 | 吉林大学 | 一种汽车行驶路径规划方法 |
CN105702073B (zh) * | 2016-04-13 | 2018-01-02 | 徐亚国 | 一种基于路网决策点行程时间索引值的动态转向导航方法 |
CN105788328B (zh) * | 2016-04-25 | 2020-03-31 | 华为技术有限公司 | 一种用于智能交通的路侧设备和通过路侧设备实现智能交通的方法 |
CN106092111B (zh) * | 2016-06-03 | 2019-09-24 | 山东师范大学 | 一种车辆路径动态规划方法、服务器及导航*** |
DE102016210886A1 (de) * | 2016-06-17 | 2017-12-21 | Robert Bosch Gmbh | Konzept zum Steuern eines Verkehrs innerhalb eines Parkplatzes |
CN107591004A (zh) * | 2017-11-01 | 2018-01-16 | 中原智慧城市设计研究院有限公司 | 一种基于车路协同的智能交通诱导方法 |
CN109238297B (zh) * | 2018-08-29 | 2022-03-18 | 沈阳理工大学 | 一种用户最优及***最优的动态路径选择方法 |
CN110097784A (zh) * | 2019-05-16 | 2019-08-06 | 武汉理工大学 | 一种基于智能设备的隧道交叉口车路协同***和指引方法 |
CN111982109A (zh) * | 2019-05-24 | 2020-11-24 | 北京百度网讯科技有限公司 | 用于路径规划的方法、装置、设备和计算机可读存储介质 |
CN110244741A (zh) * | 2019-06-28 | 2019-09-17 | 奇瑞汽车股份有限公司 | 智能汽车的控制方法、装置及存储介质 |
CN111063208A (zh) * | 2019-12-26 | 2020-04-24 | 山东科技大学 | 一种基于车联网的车道级交通诱导方法及*** |
CN111445713B (zh) * | 2020-03-05 | 2022-03-08 | 苏州工业园区测绘地理信息有限公司 | 基于车路协同的智能网联车辆驾驶车速引导方法 |
CN111896018A (zh) * | 2020-07-30 | 2020-11-06 | 北京百度网讯科技有限公司 | 导航数据处理的方法、装置、设备及存储介质 |
CN113470358A (zh) * | 2021-07-09 | 2021-10-01 | 南昌路兴交通工程监理咨询有限公司 | 一种高速公路移动监控*** |
CN114615241A (zh) * | 2022-03-03 | 2022-06-10 | 智道网联科技(北京)有限公司 | 基于高精地图的动态路网显示方法及相关设备 |
CN114543832B (zh) * | 2022-04-27 | 2022-07-01 | 深圳本地宝新媒体技术有限公司 | 基于本地区域特性的道路出行信息分析推送方法及*** |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1804932A (zh) * | 2006-01-19 | 2006-07-19 | 吉林大学 | 车载实时动态交通诱导路径优化方法 |
DE102007007955A1 (de) * | 2007-02-17 | 2008-08-21 | GM Global Technology Operations, Inc., Detroit | Kraftfahrzeug mit Antriebsmotor und Navigationssystem |
CN101964941A (zh) * | 2010-08-25 | 2011-02-02 | 吉林大学 | 基于动态信息的智能导航与位置服务***及方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2002350152A (ja) * | 2001-05-25 | 2002-12-04 | Mazda Motor Corp | 情報表示方法、該方法に用いる情報提供装置及び情報表示装置、該情報提供装置又は情報表示装置を制御するためのプログラム、並びに、該プログラムを記憶した記憶媒体 |
-
2015
- 2015-08-11 CN CN201510487368.XA patent/CN105096622B/zh not_active Expired - Fee Related
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1804932A (zh) * | 2006-01-19 | 2006-07-19 | 吉林大学 | 车载实时动态交通诱导路径优化方法 |
DE102007007955A1 (de) * | 2007-02-17 | 2008-08-21 | GM Global Technology Operations, Inc., Detroit | Kraftfahrzeug mit Antriebsmotor und Navigationssystem |
CN101964941A (zh) * | 2010-08-25 | 2011-02-02 | 吉林大学 | 基于动态信息的智能导航与位置服务***及方法 |
Non-Patent Citations (1)
Title |
---|
基于实时交通流信息的中心式动态路径诱导***行车路线优化技术研究;张赫,杨兆升,王炜;《公路交通科技》;20040915;第12卷(第9期);第91-94页 * |
Also Published As
Publication number | Publication date |
---|---|
CN105096622A (zh) | 2015-11-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105096622B (zh) | 一种基于车路通信的动态路径诱导方法 | |
CN110648022B (zh) | 一种考虑站点全覆盖的接驳地铁的社区公交线网与发车频率同步优化方法 | |
CN105096643B (zh) | 基于多线路前车运行数据的实时公交到站时间预测方法 | |
CN106875710B (zh) | 一种面向网联自动驾驶车辆的交叉口自组织控制方法 | |
CN103364002B (zh) | 结合实时路况及公共交通运营信息的路线规划***和方法 | |
CN106327871B (zh) | 一种融合历史数据和预约数据的高速公路拥挤预测方法 | |
CN107045783A (zh) | 一种基于约定出行的道路路网精准行车运行方法和*** | |
CN105489043B (zh) | 基于车载自组网的实时路径规划方法 | |
CN102708698B (zh) | 基于车联网的车辆最优路径导航方法 | |
CN108986509B (zh) | 一种基于车路协同的城市区域路径实时规划方法 | |
CN107730886A (zh) | 一种车联网环境下城市交叉***通信号动态优化方法 | |
CN103226020B (zh) | 导航***、服务器装置及导航装置 | |
CN105205557A (zh) | 一种城市常规公交线网设计方法 | |
MXPA03000171A (es) | Metodo y sistema para proveer informacion sobre trafico e informacion relacionada. | |
CN109612488B (zh) | 基于大数据微服务的混合出行方式路径规划***及方法 | |
CN106643771A (zh) | 一种导航线路选择方法及*** | |
CN104637328B (zh) | 一种车辆自组织网络中基于rsu的分布式实时导航方法 | |
CN105070078B (zh) | 一种基于车车通信的动态路径诱导方法 | |
He et al. | Congestion avoidance routing based on large-scale social signals | |
CN108447294A (zh) | 一种网约车车辆调度方法及*** | |
CN104658297A (zh) | 一种基于Sarsa学习的中心式动态路径诱导方法 | |
CN107085620A (zh) | 一种出租车和地铁接驳出行线路的查询方法及*** | |
CN106710216A (zh) | 高速公路实时交通拥堵路况检测方法和*** | |
CN107490384A (zh) | 一种基于城市路网的最优静态路径选择方法 | |
CN104080056A (zh) | 基于连通度概率感知的车载自组织网络的消息分发方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20170329 Termination date: 20170811 |