CN107274672B - 基于gps数据的信号交叉口单车延误时间估计方法 - Google Patents

基于gps数据的信号交叉口单车延误时间估计方法 Download PDF

Info

Publication number
CN107274672B
CN107274672B CN201710654090.XA CN201710654090A CN107274672B CN 107274672 B CN107274672 B CN 107274672B CN 201710654090 A CN201710654090 A CN 201710654090A CN 107274672 B CN107274672 B CN 107274672B
Authority
CN
China
Prior art keywords
vehicle
time
stop line
intersection
queued
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
CN201710654090.XA
Other languages
English (en)
Other versions
CN107274672A (zh
Inventor
孙棣华
赵敏
郑林江
周桐
杨陈成
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.)
Liyang Smart City Research Institute Of Chongqing University
Original Assignee
Chongqing University
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 Chongqing University filed Critical Chongqing University
Priority to CN201710654090.XA priority Critical patent/CN107274672B/zh
Publication of CN107274672A publication Critical patent/CN107274672A/zh
Application granted granted Critical
Publication of CN107274672B publication Critical patent/CN107274672B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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
    • 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
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
    • 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
    • G06Q50/40—Business processes related to the transportation industry

Landscapes

  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Engineering & Computer Science (AREA)
  • Strategic Management (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Economics (AREA)
  • Tourism & Hospitality (AREA)
  • Theoretical Computer Science (AREA)
  • Marketing (AREA)
  • Development Economics (AREA)
  • General Business, Economics & Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Educational Administration (AREA)
  • Quality & Reliability (AREA)
  • Operations Research (AREA)
  • Game Theory and Decision Science (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Traffic Control Systems (AREA)
  • Acyclic And Carbocyclic Compounds In Medicinal Compositions (AREA)

Abstract

本发明公开了一种基于GPS数据的信号交叉口单车延误时间估计方法，首先在信号交叉口上获取所选行驶方向上的排队车辆在停车线处的车头时距、信号灯的信号配时参数和车辆GPS数据；当车辆的瞬时速度为0时，则通过车辆当前位置信息计算车辆和交叉口停车线之间的距离，计算并获得车辆的排队位置；并计算出交叉口单车延误时间。本发明利用车辆的GPS数据来实现对车辆经过交叉口的延误时间的估计。延误时间指的是车辆进入信号交叉口后，若其受到信号红灯的影响而在停车线前排队等候，则估计该车辆从初次停车排队的时刻开始到驶离停车线还需延误多长时间；实现了对单个车辆在交叉口的延误时间的估计。

Description

基于GPS数据的信号交叉口单车延误时间估计方法
技术领域
本发明涉及智能交通技术领域，特别是一种基于GPS数据的信号交叉口单车延误时间估计方法。
背景技术
车辆经过信号交叉口的延误时间是信号交叉口服务水平和运行效率的重要评价指标，它不仅能反映驾驶员的驾驶舒适程度、车辆行驶的油耗和排放以及损失的行程时间，还能反映交叉口道路规划建设和信号控制方案设计的合理性和可行性。因此，研究车辆经过信号交叉口的延误时间具有重要的意义和价值。
由于受到技术条件以及检测手段等的限制，现有的车辆延误时间估计方法大多是针对一段时间内所有车辆的平均延误时间(即车均延误)。然而，车均延误描述的是该时间段内所有车辆的平均延误情况，但是，对于路径优化和导航而言，只针对目标车辆进行估计，并基于此进行路径优化和导航更具针对性和合理性。所以，以单个车辆为目标，研究其通过交叉口的延误时间，具有重要的实际意义，可以为行程时间的估计、路径优化和导航提供依据。
因此，为了实现对单个车辆在交叉口的延误时间的估计，需要一种新的基于GPS数据的单车延误时间估计方法。
发明内容
本发明的目的是提出一种基于GPS数据的信号交叉口单车延误时间估计方法；本方法基于GPS数据的信号交叉口单车延误时间估计。
本发明的目的是通过以下技术方案来实现的：
本发明提供的基于GPS数据的信号交叉口单车延误时间估计方法，包括以下步骤：
在信号交叉口上选取行驶方向并获取所选行驶方向上的排队车辆在停车线处的车头时距；形成排队车辆车头时距分布特性；
获取所选行驶方向的信号灯的信号配时参数，所述信号参数包括信号周期时长Tc、红灯时长Tr、绿灯时长Tg＝Tc-Tr以及每个周期红灯开始时刻；
获取车辆GPS数据；所述车辆GPS数据包括车辆当前位置、瞬时速度和当前时间；
判断车辆的瞬时速度是否为0，如果为0，则通过车辆当前位置信息计算车辆和交叉口停车线之间的距离，计算并获得车辆的排队位置；
根据排队车辆的车头时距、交叉口的信号配时参数以及车辆的排队位置计算出交叉口单车延误时间。
进一步，所述出交叉口单车延误时间的计算按照以下步骤来实现：
获取交叉口从第m个排队位置后达到饱和车头时距，且饱和车头时距的取值为Tb；
获取排队位置为1到m的车辆车头时距均值分别为Ti，i＝1,2,…,m；
判断若
Figure BDA0001368769930000021
成立，表示排队位置为1到m的车辆全部驶离停车线所需的时间已经超过了绿灯时间，则交叉口在一个信号周期内能通过的最大车辆数n，且n<m，且有：
Figure BDA0001368769930000022
计算得到时n的值；
判断若
Figure BDA0001368769930000024
成立，表示排队位置为1到m的车辆全部驶离停车线所需的时间未超过绿灯时间，且n≥m，且有：
Figure BDA0001368769930000025
计算得到时n的值；
获取车辆进入交叉口后的车辆GPS数据，当车辆GPS数据显示车辆的速度为0时，则将车辆GPS数据所对应的时刻作为车辆初次停车排队的时刻t0；
根据时刻t0按照以下方式获取信号周期的红灯开始时刻
Figure BDA0001368769930000027
使得t0满足：
Figure BDA0001368769930000028
其中，
Figure BDA0001368769930000029
为某个信号周期的红灯开始时刻；
按照以下方式确定车辆初次停车排队时交叉口信号灯的状态：
若则说明车辆初次停车排队时信号灯为红灯；若
Figure BDA0001368769930000032
则说明车辆初次停车排队时信号灯为绿灯；
判断以下条件是否成立：
①
Figure BDA0001368769930000033
且
Figure BDA0001368769930000034
如果成立，则车辆初次停车排队时信号灯为红灯；
按照以下方式确定从开始到车辆驶离停车线所需的行程时间；所述行程时间包括车辆初次停车排队时的红灯剩余时间、车辆从绿灯启亮到驶离停车线的时间；
车辆在t0时刻初次停车排队时，若信号灯为红灯，则对于红灯剩余时间T′有：
在整个红灯剩余时间内，车辆继续排队等候；红灯结束，则绿灯启亮，车辆开始排队驶离停车线；
若车辆的排队位置不超过一个信号周期内能通过的最大车辆数，即k0≤n，则说明车辆在一个信号周期内就可驶离停车线，车辆从绿灯启亮到驶离停车线所需的时间T″按照以下方式计算：
若车辆的排队位置已经超过了一个信号周期内能通过的最大车辆数，即k0>n，则说明车辆不可能在一个信号周期内就驶离停车线，且车辆经历的排队次数p按照以下方式计算：
计算得到k0>n时p的值，其中，k0-pn表示再经过p次排队后车辆的排队位置；
车辆从第一次绿灯启亮到最后驶离停车线所需的时间T″为：
按照以下公式来计算车辆从初次停车排队的时刻开始到驶离停车线所需的行程时间：
其中，T为车辆从初次停车排队的时刻开始到驶离停车线所需的行程时间。
进一步，所述出交叉口单车延误时间的计算还包括以下步骤：
按照以下方式判断②
Figure BDA0001368769930000043
是否成立，n≥m且
Figure BDA0001368769930000044
如果成立，则按照以下公式计算绿灯已经启亮的时间T″′：
Figure BDA0001368769930000045
其中，车辆在t0时刻初次停车排队：
按照以下公式计算车辆从初次停车排队的时刻开始到驶离停车线所需的行程时间：
其中，T为车辆从初次停车排队的时刻开始到驶离停车线所需的行程时间。
进一步，所述出交叉口单车延误时间的计算还包括以下步骤：
判断以下条件是否成立：③即n<m且即车辆初次停车排队时信号灯为红灯；
若k0≤n，则按照以下公式计算车辆从绿灯启亮到驶离停车线所需的时间T″为：
Figure BDA0001368769930000051
若k0>n，则按照以下公式计算车辆的排队次数p，车辆从第一次绿灯启亮到最后驶离停车线所需的时间T″为：
Figure BDA0001368769930000052
按照以下公式计算车辆从初次停车排队的时刻开始到驶离停车线所需的行程时间：
Figure BDA0001368769930000053
其中，T为车辆从初次停车排队的时刻开始到驶离停车线所需的行程时间。
进一步，所述出交叉口单车延误时间的计算还包括以下步骤：
判断以下条件是否成立：④
Figure BDA0001368769930000054
即n<m且即车辆初次停车排队时信号灯为绿灯；
按照以下公式计算车辆从初次停车排队的时刻开始到驶离停车线所需的行程时间：
Figure BDA0001368769930000056
其中，T为车辆从初次停车排队的时刻开始到驶离停车线所需的行程时间。
进一步，还包括以下步骤：
按照以下公式计算车辆从初次停车排队的位置到停车线的畅行行驶时间；
Tf＝L/vf (15)
其中，L为车辆初次停车排队时与停车线的距离，Tf为车辆以畅行速度vf行驶距离L时的畅行时间；
按照以下公式车辆从初次停车排队的时刻开始到驶离停车线还需延误时间：
Td＝T-Tf (16)
其中，Td为车辆从初次停车排队的时刻开始到驶离停车线还需延误时间。
由于采用了上述技术方案，本发明具有如下的优点：
本发明利用车辆的GPS数据来实现对车辆经过交叉口的延误时间的估计。延误时间指的是车辆进入信号交叉口后，若其受到信号红灯的影响而在停车线前排队等候，则估计该车辆从初次停车排队的时刻开始到驶离停车线还需延误多长时间；实现了对单个车辆在交叉口的延误时间的估计。
本发明的其他优点、目标和特征在某种程度上将在随后的说明书中进行阐述，并且在某种程度上，基于对下文的考察研究对本领域技术人员而言将是显而易见的，或者可以从本发明的实践中得到教导。本发明的目标和其他优点可以通过下面的说明书来实现和获得。
附图说明
本发明的附图说明如下。
图1为本发明的基于GPS数据的信号交叉口单车延误时间估计方法流程图。
具体实施方式
下面结合附图和实施例对本发明作进一步说明。
实施例1
如图所示，本实施例提供的基于GPS数据的信号交叉口单车延误时间估计方法，本实施例中的延误时间指的是车辆进入信号交叉口后，若其受到信号红灯的影响而在停车线前排队等候，则估计该车辆从初次停车排队的时刻开始到驶离停车线还需延误多长时间；了实现对单车延误时间的估计，本实施例作了如下定义和描述：
①交叉口的信号周期时长及红灯时长恒定；
②不考虑GPS数据的定位误差，采用已经过数据预处理的GPS数据。
本实施例提供的方法，包括以下四个步骤：
步骤一：选取某一信号交叉口，对该交叉口某一特定行驶方向上的排队车辆在停车线处的车头时距进行实地调查，对实地调查数据进行统计分析，得到排队车辆车头时距分布的一般特性。
步骤二：利用现有的数据分析方法或者实地测试的方法，获得所选行驶方向的信号灯的信号周期时长Tc、红灯时长Tr、绿灯时长Tg＝Tc-Tr(不考虑黄灯)以及每个周期确切的红灯开始时刻。
步骤三：车辆进入交叉口后，实时获取并判断车辆的GPS数据(GPS数据包括车辆当前位置、瞬时速度、当前时间等信息)，一旦车辆的瞬时速度为0，则认为车辆在交叉口停车排队，通过车辆当前位置信息计算车辆和交叉口停车线之间的距离，在此基础上，利用一定的数据分析方法获得车辆的排队位置，即其为排队队列中的第几辆车。
步骤四：综合考虑排队车辆的车头时距、交叉口的信号配时参数以及车辆的排队位置，建立交叉口单车延误时间估计模型。
实施例2
本实施例利用车辆的实时GPS数据，实现对单个车辆延误时间的实时估计；下面将进行详细的描述：
步骤一：选取某一信号交叉口，对该交叉口某一特定行驶方向上的排队车辆在停车线处的车头时距进行实地调查，对实地调查数据进行统计分析，得到排队车辆车头时距分布的一般特性。
车头时距是指在同一车道上行驶的相邻两辆车车头端部通过道路上同一断面的时间间隔。现目前，已有较多学者针对信号交叉口排队车辆通过停车线的车头时距进行了相应的分析和研究。结果表明，车辆在停车线前的排队位置对其通过停车线的车头时距的影响十分明显，基本表现为随着车辆排队位置的增加，平均车头时距逐渐下降，最后下降到一个相对稳定的值(即饱和车头时距)，且不同排队位置的车辆通过停车线的车头时距近似服从对数正态分布，只是对于不同的交叉口，排队车辆通过停车线的车头时距分布有所不同(均值和方差不一样)，且车辆开始以饱和车头时距行驶时的排队位置也不一定相同。因此，本发明选取交叉口某一特定的行驶方向，对该方向上的排队车辆在停车线处的车头时距进行实地调查，获得不同排队位置处车辆车头时距的对数正态分布的具体分布参数。
此外，在对信号交叉口排队车辆通过停车线的车头时距进行统计分析时，还需解决一个核心问题，即判断车辆从第几个排队位置开始达到饱和车头时距。饱和车头时距开始位置的其中一个判断标准就是车辆车头时距的均值在某个排队位置后无明显差异。因此，本发明通过数理统计中的独立样本T检验，来依次检验相邻排队位置车辆的车头时距均值是否有显著差异，并以此获得饱和车头时距的开始位置。在此基础上，从饱和车头时距的开始位置起，取后续各个排队位置处车头时距分布的数学期望的均值作为饱和车头时距的具体取值。
步骤二：利用现有的数据分析方法或者实地测试的方法，获得所选行驶方向的信号灯的信号周期时长Tc、红灯时长Tr、绿灯时长Tg＝Tc-Tr(不考虑黄灯)以及每个周期确切的红灯开始时刻。
步骤三：车辆进入交叉口后，实时获取并判断车辆的GPS数据(GPS数据包括车辆当前位置、瞬时速度、当前时间等信息)，一旦车辆的瞬时速度为0，则认为车辆在交叉口停车排队，通过车辆当前位置信息计算车辆和交叉口停车线之间的距离，在此基础上，利用一定的数据分析方法获得车辆的排队位置k0，即其为排队队列中的第几辆车。
步骤四：综合考虑排队车辆的车头时距、交叉口的信号配时参数以及车辆的排队位置，建立交叉口单车延误时间估计模型。
延误时间可通过计算行程时间与畅行时间的差值得到，而车辆从初次停车排队的时刻开始到驶离停车线所需的行程时间不仅与其初次停车排队时的信号灯状态和排队位置有关，还与信号交叉口的特性(包括不同排队位置车辆的车头时距、信号周期时长、红灯时长等)有关。
现设某交叉口从第m个排队位置后达到饱和车头时距，且饱和车头时距的取值为Tb，排队位置为1到m的车辆车头时距均值(即车头时距分布的数学期望)分别为Ti(i＝1,2,…,m)。
若即排队位置为1到m的车辆全部驶离停车线所需的时间已经超过了绿灯时间，此时，该交叉口在一个信号周期内能通过的最大车辆数n满足n<m，且有：
Figure BDA0001368769930000082
由此可计算得到时n的值。同理，若
Figure BDA0001368769930000084
即排队位置为1到m的车辆全部驶离停车线所需的时间未超过绿灯时间，此时n≥m，且有：
由此可计算得到
Figure BDA0001368769930000086
时n的值。另一方面，车辆进入交叉口后，可实时获取车辆的GPS数据，一旦GPS数据显示车辆的速度为0，则将该GPS数据所对应的时刻作为车辆初次停车排队的时刻t0。根据t0可以找到这样的
Figure BDA0001368769930000087
使得t0满足：
Figure BDA0001368769930000088
其中，
Figure BDA0001368769930000091
为某个信号周期的红灯开始时刻。车辆初次停车排队时，交叉口信号灯的状态有两种可能的情况：红灯或绿灯。若
Figure BDA0001368769930000092
则说明车辆初次停车排队时信号灯为红灯；若
Figure BDA0001368769930000093
则说明车辆初次停车排队时信号灯为绿灯。
通过上述分析，现根据一个信号周期内能通过的最大车辆数n以及车辆初次停车排队时信号灯的状态这两个因素，将车辆从初次停车排队的时刻开始到驶离停车线所需的行程时间估计问题分成以下四种情形进行讨论：
①
Figure BDA0001368769930000094
(即n≥m)且
Figure BDA0001368769930000095
(即车辆初次停车排队时信号灯为红灯)
若车辆初次停车排队时信号灯为红灯，则从该时刻开始到车辆驶离停车线所需的行程时间由两部分组成：车辆初次停车排队时的红灯剩余时间、车辆从绿灯启亮到驶离停车线的时间。
车辆在t0时刻初次停车排队，若此时信号灯为红灯，则对于红灯剩余时间T′有：
Figure BDA0001368769930000096
在整个红灯剩余时间内，车辆都需继续排队等候。红灯一旦结束，则绿灯启亮，车辆开始排队驶离停车线。
若车辆的排队位置不超过一个信号周期内能通过的最大车辆数，即k0≤n，则说明车辆在一个信号周期内就可驶离停车线，而无需经历二次排队等情况。因此，车辆从绿灯启亮到驶离停车线所需的时间T″为：
Figure BDA0001368769930000097
若车辆的排队位置已经超过了一个信号周期内能通过的最大车辆数，即k0>n，则说明车辆不可能在一个信号周期内就驶离停车线，它会经历二次、三次、甚至多次停车排队，且车辆还会经历的排队次数p满足：
Figure BDA0001368769930000098
由此可计算得到k0>n时p的值，其中k0-pn表示再经过p次排队后车辆的排队位置。因此，车辆从第一次绿灯启亮到最后驶离停车线所需的时间T″为：
特别地，当k0≤n时，利用式(6)也可计算得到p的值，且此时p＝0，即车辆还会经历的排队次数为0，这与之前分析的结论相同。同时，将p＝0带入式(7)即可得到式(5)。因此，在求取T″时可以不用区分k0≤n和k0>n这两种情况，直接将式(6)与式(7)作为求取T″的通用公式。
因此，车辆从初次停车排队的时刻开始到驶离停车线所需的行程时间T为：
Figure BDA0001368769930000102
②(即n≥m)且
Figure BDA0001368769930000104
(即车辆初次停车排队时信号灯为绿灯)
车辆在t0时刻初次停车排队，若此时信号灯为绿灯，则对于绿灯已经启亮的时间T″′有：
Figure BDA0001368769930000105
倘若车辆在该周期绿灯刚启亮时便停车排队，则其从该绿灯启亮时刻开始到驶离停车线所需的时间T″的计算方法同第①种情形，即可用式(7)进行计算。然而，车辆初次停车排队时，绿灯已经启亮了一段时间，因此，车辆从初次停车排队的时刻开始到驶离停车线所需的行程时间T为：
Figure BDA0001368769930000106
可以看出，式(10)同式(8)。因此，当(即n≥m)时，不论车辆初次停车排队时信号灯为红灯还是绿灯，都可用式(10)估计车辆从初次停车排队的时刻开始到驶离停车线所需的行程时间T。
③
Figure BDA0001368769930000112
(即n<m)且
Figure BDA0001368769930000113
(即车辆初次停车排队时信号灯为红灯)
在这种情形下，车辆从初次停车排队的时刻开始到驶离停车线所需的行程时间T同样由两部分组成：车辆初次停车排队时的红灯剩余时间T′、车辆从绿灯启亮到驶离停车线的时间T″。其中，T′同样可由式(4)计算得到，而T″的估计方法与第①种情形下的估计方法类似。
若k0≤n，则车辆从绿灯启亮到驶离停车线所需的时间T″为：
若k0>n，则车辆还会经历的排队次数p依然满足式(6)，此时车辆从第一次绿灯启亮到最后驶离停车线所需的时间T″为：
Figure BDA0001368769930000115
同样的，当k0≤n时，利用式(6)可计算得到p＝0，且将p＝0带入式(12)即为式(11)。因此，在此种情形下求取T″时同样可以不用区分k0≤n和k0>n这两种情况，直接将式(12)作为求取T″的通用公式。
因此，车辆从初次停车排队的时刻开始到驶离停车线所需的行程时间T为：
Figure BDA0001368769930000116
④
Figure BDA0001368769930000117
(即n<m)且
Figure BDA0001368769930000118
(即车辆初次停车排队时信号灯为绿灯)
在这种情形下，车辆从初次停车排队的时刻开始到驶离停车线所需的行程时间T的估计方法与第②种情形下的估计方法类似。
车辆初次停车排队时绿灯已经启亮的时间T″′依然可由式(9)计算得到，与此同时，倘若车辆在该周期绿灯刚启亮时便停车排队，则其从该绿灯启亮时刻开始到驶离停车线所需的时间T″的计算方法同第③种情形，即可用式(12)进行计算。因此，车辆从初次停车排队的时刻开始到驶离停车线所需的行程时间T为：
Figure BDA0001368769930000121
可以看出，式(14)同式(13)。因此，当
Figure BDA0001368769930000122
(即n<m)时，不论车辆初次停车排队时信号灯为红灯还是绿灯，同样都可用式(14)估计车辆从初次停车排队的时刻开始到驶离停车线所需的行程时间T。
此外，由于延误时间为行程时间与畅行时间的差值，因此还需计算车辆从初次停车排队的位置到停车线的畅行行驶时间。本发明采用城市道路平面交叉口机动车的设计速度作为交叉口的车辆畅行速度参考值。若车辆初次停车排队时与停车线的距离为L，则车辆以畅行速度vf行驶距离L时的畅行时间Tf为：
Tf＝L/vf (15)
因此，车辆从初次停车排队的时刻开始到驶离停车线还需延误的时间Td为：
Td＝T-Tf (16)
综上所述，本发明提出了一种新的基于GPS数据的信号交叉口单车延误时间估计方法，可以实现对单个车辆经过交叉口的延误时间的实时估计。
最后说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或者等同替换，而不脱离本技术方案的宗旨和范围，其均应涵盖在本发明的保护范围当中。

Claims (5)

1.基于GPS数据的信号交叉口单车延误时间估计方法，其特征在于：包括以下步骤：
在信号交叉口上选取行驶方向并获取所选行驶方向上的排队车辆在停车线处的车头时距；形成排队车辆车头时距分布特性；
获取所选行驶方向的信号灯的信号配时参数，所述信号参数包括信号周期时长Tc、红灯时长Tr、绿灯时长Tg＝Tc-Tr以及每个周期红灯开始时刻；
获取车辆GPS数据；所述车辆GPS数据包括车辆当前位置、瞬时速度和当前时间；
判断车辆的瞬时速度是否为0，如果为0，则通过车辆当前位置信息计算车辆和交叉口停车线之间的距离，计算并获得车辆的排队位置；
根据排队车辆的车头时距、交叉口的信号配时参数以及车辆的排队位置计算出交叉口单车延误时间；
所述出交叉口单车延误时间的计算按照以下步骤来实现：
获取交叉口从第m个排队位置后达到饱和车头时距，且饱和车头时距的取值为Tb；
获取排队位置为1到m的车辆车头时距均值分别为Ti，i＝1,2,…,m；
判断若成立，表示排队位置为1到m的车辆全部驶离停车线所需的时间已经超过了绿灯时间，则交叉口在一个信号周期内能通过的最大车辆数n，且n＜m，且有：
Figure FDA0002234573660000012
计算得到
Figure FDA0002234573660000013
时n的值；
判断若
Figure FDA0002234573660000021
成立，表示排队位置为1到m的车辆全部驶离停车线所需的时间未超过绿灯时间，且n≥m，且有：
计算得到
Figure FDA0002234573660000023
时n的值；
获取车辆进入交叉口后的车辆GPS数据，当车辆GPS数据显示车辆的速度为0时，则将车辆GPS数据所对应的时刻作为车辆初次停车排队的时刻t0；
根据时刻t0按照以下方式获取信号周期的红灯开始时刻
Figure FDA0002234573660000024
使得t0满足：
Figure FDA0002234573660000025
其中，
Figure FDA0002234573660000026
为某个信号周期的红灯开始时刻；
按照以下方式确定车辆初次停车排队时交叉口信号灯的状态：
若
Figure FDA0002234573660000027
则说明车辆初次停车排队时信号灯为红灯；若
Figure FDA0002234573660000028
则说明车辆初次停车排队时信号灯为绿灯；
判断以下条件是否成立：
①
Figure FDA0002234573660000029
n≥m且
Figure FDA00022345736600000210
如果成立，则车辆初次停车排队时信号灯为红灯；
按照以下方式确定从开始到车辆驶离停车线所需的行程时间；所述行程时间包括车辆初次停车排队时的红灯剩余时间、车辆从绿灯启亮到驶离停车线的时间；
车辆在t0时刻初次停车排队时，若信号灯为红灯，则对于红灯剩余时间T′有：
Figure FDA00022345736600000211
在整个红灯剩余时间内，车辆继续排队等候；红灯结束，则绿灯启亮，车辆开始排队驶离停车线；
若车辆的排队位置不超过一个信号周期内能通过的最大车辆数，即k0≤n，则说明车辆在一个信号周期内就可驶离停车线，车辆从绿灯启亮到驶离停车线所需的时间T″按照以下方式计算：
Figure FDA0002234573660000031
若车辆的排队位置已经超过了一个信号周期内能通过的最大车辆数，即k0＞n，则说明车辆不可能在一个信号周期内就驶离停车线，且车辆经历的排队次数p按照以下方式计算：
Figure FDA0002234573660000032
计算得到k0＞n时p的值，其中，k0-pn表示再经过p次排队后车辆的排队位置；
车辆从第一次绿灯启亮到最后驶离停车线所需的时间T″为：
按照以下公式来计算车辆从初次停车排队的时刻开始到驶离停车线所需的行程时间：
Figure FDA0002234573660000034
其中，T为车辆从初次停车排队的时刻开始到驶离停车线所需的行程时间。
2.如权利要求1所述的基于GPS数据的信号交叉口单车延误时间估计方法，其特征在于：所述出交叉口单车延误时间的计算还包括以下步骤：
按照以下方式判断②
Figure FDA0002234573660000041
是否成立，n≥m且
Figure FDA0002234573660000042
如果成立，则按照以下公式计算绿灯已经启亮的时间T″′：
Figure FDA0002234573660000043
其中，车辆在t0时刻初次停车排队：
按照以下公式计算车辆从初次停车排队的时刻开始到驶离停车线所需的行程时间：
Figure FDA0002234573660000044
其中，T为车辆从初次停车排队的时刻开始到驶离停车线所需的行程时间。
3.如权利要求1所述的基于GPS数据的信号交叉口单车延误时间估计方法，其特征在于：所述出交叉口单车延误时间的计算还包括以下步骤：
判断以下条件是否成立：③
Figure FDA0002234573660000045
即n＜m且
Figure FDA0002234573660000046
即车辆初次停车排队时信号灯为红灯；
若k0≤n，则按照以下公式计算车辆从绿灯启亮到驶离停车线所需的时间T″为：
Figure FDA0002234573660000047
若k0＞n，则按照以下公式计算车辆的排队次数p，车辆从第一次绿灯启亮到最后驶离停车线所需的时间T″为：
Figure FDA0002234573660000051
按照以下公式计算车辆从初次停车排队的时刻开始到驶离停车线所需的行程时间：
其中，T为车辆从初次停车排队的时刻开始到驶离停车线所需的行程时间。
4.如权利要求1所述的基于GPS数据的信号交叉口单车延误时间估计方法，其特征在于：所述出交叉口单车延误时间的计算还包括以下步骤：
判断以下条件是否成立：④
Figure FDA0002234573660000053
即n＜m且即车辆初次停车排队时信号灯为绿灯；
按照以下公式计算车辆从初次停车排队的时刻开始到驶离停车线所需的行程时间：
Figure FDA0002234573660000055
其中，T为车辆从初次停车排队的时刻开始到驶离停车线所需的行程时间。
5.如权利要求1所述的基于GPS数据的信号交叉口单车延误时间估计方法，其特征在于：还包括以下步骤：
按照以下公式计算车辆从初次停车排队的位置到停车线的畅行行驶时间；
Tf＝L/vf (15)
其中，L为车辆初次停车排队时与停车线的距离，Tf为车辆以畅行速度vf行驶距离L时的畅行时间；
按照以下公式车辆从初次停车排队的时刻开始到驶离停车线还需延误时间：
Td＝T-Tf (16)
其中，Td为车辆从初次停车排队的时刻开始到驶离停车线还需延误时间。
CN201710654090.XA 2017-08-03 2017-08-03 基于gps数据的信号交叉口单车延误时间估计方法 Active CN107274672B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710654090.XA CN107274672B (zh) 2017-08-03 2017-08-03 基于gps数据的信号交叉口单车延误时间估计方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710654090.XA CN107274672B (zh) 2017-08-03 2017-08-03 基于gps数据的信号交叉口单车延误时间估计方法

Publications (2)

Publication Number Publication Date
CN107274672A CN107274672A (zh) 2017-10-20
CN107274672B true CN107274672B (zh) 2020-02-14

Family

ID=60076336

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710654090.XA Active CN107274672B (zh) 2017-08-03 2017-08-03 基于gps数据的信号交叉口单车延误时间估计方法

Country Status (1)

Country Link
CN (1) CN107274672B (zh)

Families Citing this family (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108447263B (zh) * 2018-04-18 2020-11-10 北京交通大学 基于浮动车的干线协调控制交叉口的信号控制评价方法
CN109191836B (zh) * 2018-09-05 2021-03-02 昆明理工大学 一种基于iqa的实时分车道车辆延误预测方法
CN111198379B (zh) * 2018-11-19 2024-02-13 陕西汽车集团股份有限公司 无人驾驶运输车辆卸料位置的搜索定位方法
CN111613051B (zh) * 2019-02-25 2022-02-25 北京嘀嘀无限科技发展有限公司 一种饱和车头时距的估计方法及装置
CN110838228B (zh) * 2019-10-18 2021-07-02 东南大学 一种营运货车车队智能交互行驶***及装置
CN110751826B (zh) * 2019-10-30 2021-07-06 浙江大华技术股份有限公司 车辆排队确定方法以及相关装置
CN111882860B (zh) * 2020-06-05 2022-03-04 阿波罗智联(北京)科技有限公司 车道调整方法和装置
CN113140113A (zh) * 2021-06-23 2021-07-20 华砺智行(武汉)科技有限公司 基于车联网的交通流延误评价方法、***及存储介质
CN114170801B (zh) * 2021-12-07 2023-07-18 中国第一汽车股份有限公司 路口通行时长的确定方法、装置、电子终端及存储介质
CN114822050B (zh) * 2022-03-30 2023-07-21 阿里巴巴（中国）有限公司 路况识别方法、电子设备及计算机程序产品
CN115100884B (zh) * 2022-06-30 2023-10-27 上海应用技术大学 基于单车延误的单点交通感应控制方法

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2006516342A (ja) * 2003-01-17 2006-06-29 シーメンス　ヴィディーオー　オートモーティヴ　コーポレイション 移動事象に基づく交通信号プライオリティーシステム
CN101477747B (zh) * 2009-01-05 2010-06-02 东南大学 一种交通高峰期高密度路网的信号控制方法
CN104408914A (zh) * 2014-10-31 2015-03-11 重庆大学 基于gps数据的信号交叉口单车停车延误时间估计方法及***
CN104615897B (zh) * 2015-02-13 2017-07-11 北方工业大学 基于低频gps数据的路段行程时间估算方法
CN106097718B (zh) * 2016-08-23 2018-09-11 重庆大学 基于gps数据的信号交叉口区域通行时间估计方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
低频GPS 数据和交叉口延误下的;王志建;《西南交通大学学报》;20150430;第50卷(第2期);第362-367页 *

Also Published As

Publication number Publication date
CN107274672A (zh) 2017-10-20

Similar Documents

Publication Publication Date Title
CN107274672B (zh) 基于gps数据的信号交叉口单车延误时间估计方法
CN108831143B (zh) 基于车路协同技术的信号交叉口车队速度引导方法
CN109191876B (zh) 一种基于车联网技术的特殊车辆交通诱导***及其控制方法
WO2018171464A1 (zh) 一种根据导航路径规划车速的方法、装置及***
JP4743523B2 (ja) 交差点における車両挙動の予測システム
JP5277786B2 (ja) 緊急車両優先制御装置、コンピュータプログラム及び緊急車両優先制御方法
CN109584600B (zh) 应用于无人驾驶公交车的时刻表可靠性的自动化控制方法
WO2022166239A1 (zh) 一种车辆行驶方案的规划方法、装置和存储介质
CN110969845B (zh) 一种基于车路协同的智能车速控制方法及***
CN108896064A (zh) 基于信息共享的应用于gps导航***的到达时间预估***
CN111402613B (zh) 一种自动驾驶车辆收费站车道选择方法
WO2022213542A1 (zh) 基于激光雷达和轨迹预测的信控交叉口清空方法和***
CN113516854B (zh) 一种基于卡警、视频检测器的多路口协调自适应控制方法
CN110706484A (zh) 设置逆向可变车道交叉口左转通行能力计算方法
CN117437789A (zh) 一种基于城市信息模型多维联动指挥调度的智慧园区***
Lin et al. Research on the Behavior Decision of Connected and Autonomous Vehicle at the Signalized Intersection
CN114613155B (zh) 一种特种车辆优先的事后信号时间补偿方法
CN111127882A (zh) 一种基于大数据的旅游景区停车场来车数量预测方法
CN114360264A (zh) 一种基于交通流量进行调节的智慧城市交通管理方法
CN111613051B (zh) 一种饱和车头时距的估计方法及装置
CN111028519B (zh) 一种基于视频流量检测器的自适应控制方法
JP5857389B2 (ja) 交通指標推定装置及びコンピュータプログラム
CN107730911A (zh) 一种识别取证车辆是否变道插队的方法
CN109615898A (zh) 导航路径的输出方法及装置
NL2029417B1 (en) Apparatus, method and system for determining green light duration of traffic light

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
TR01 Transfer of patent right
TR01 Transfer of patent right

Effective date of registration: 20230214

Address after: 213399 room 5025, building B, 218 Hongkou Road, Kunlun Street, Liyang City, Changzhou City, Jiangsu Province

Patentee after: Liyang Smart City Research Institute of Chongqing University

Address before: 400044 No. 174, positive street, Shapingba District, Chongqing

Patentee before: Chongqing University