基于gps的车辆等待红绿灯时间预测方法
【专利摘要】本发明公开了一种基于GPS的车辆等待红绿灯时间预测方法，属于智能交通领域，包括：获取目标车辆单灯等待时间的预测公式，根据历史GPS数据，利用最小二拟合获得公式中的参数；采集公交车的实时GPS数据，基于该公交车适用参数的目标车辆单灯等待时间的预测公式，获取该公交车的红绿灯等待预测时间。本发明先通过机理建模的方法，建立了单灯等待时间与车辆排队距离之间的关系；再通过数据挖掘与机器学习理论，离线处理大规模历史数据，最终得到单灯等待时间的线性预测方程。本发明中建立的线性模型简单，分析效果好，易推广，适用于大多数城市路段。
【专利说明】基于GPS的车辆等待红绿灯时间预测方法
【技术领域】
[0001]本发明属于智能交通【技术领域】，特别涉及一种基于GPS的车辆等待红绿灯时间预测方法。
【背景技术】
[0002]现有的公交到站预测系统是运用实时GPS来定位公交车，再结合实时路况得到公交车将要行驶的路链速度，来预测公交车到下一站需要的时间。因为实时路况是通过速度来反应的，所以该系统遇到以下情形时，预测准确率不能达到实际要求:
[0003]对于某条路段实时路况的计算总是基于短时间前已经行驶过该路段的车，例如:用2分钟前开过此路段的车辆进行计算。但是当道路车流速度短时间内发生较大的变化时，通过计算提供的道路车流速度就会与真正的道路车流速度相差较大，导致预测难以准确。在城市内正常行驶的道路上，交叉口信号灯就成了造成车流速度短时间内发生较大变化的主要因素。例如:当车流遇到红灯时，车流速度会在极短的时间降为零，而计算实时路况所用的是已经走过该路段的车辆，很有可能是在绿灯时候快速通过，这就导致计算值与当前实际值相差很大，如果预测系统完全不考虑交叉口信号灯的影响，在相应的路段就不能达到理想的准确率。
【发明内容】
[0004]有鉴于此，本发明的目的在于提供一种基于GPS的车辆等待红绿灯时间预测方法，用于实现公交车的红绿灯等待时间预测。
[0005]本发明提供了一种基于GPS的车辆等待红绿灯时间预测方法，包括:
[0006]获取目标车辆单灯等待时间的预测公式，根据历史GPS数据，利用最小二拟合获得公式中的参数；
[0007]采集公交车的实时GPS数据，基于该公交车适用参数的目标车辆单灯等待时间的预测公式，获取该公交车的红绿灯等待预测时间。
[0008]本发明先通过机理建模的方法，建立了单灯等待时间与车辆排队距离之间的关系；再通过数据挖掘与机器学习理论，离线处理大规模历史数据，最终得到单灯等待时间的线性预测方程。本发明中建立的线性模型简单，分析效果好，易推广，适用于大多数城市路段。
【专利附图】
【附图说明】
[0009]图1为本发明实施例中的车辆通过信号灯模型示意图；
[0010]图2为本发明实施例中的测试车辆轨迹示意图；
[0011]图3为本发明实施例中DBSCAN算法的簇示意图；
[0012]图4为本发明实施例中拟合结果分析示意图；
[0013]图5为本发明实施例中车辆等待信号灯时间预测的方法流程图。【具体实施方式】
[0014]为使本发明的目的、技术方案和优点更加清楚，下面结合附图对本发明作进一步的详细描述。
[0015]本发明实施例提出了一种实用的方法来准确地估计信号交叉路口的车辆延误。首先分析延误公式的推导是基于观察队列的形成与消散过程，根据统一的假设，该公式简化为等待时间与排队距离(目标车辆与信号灯间距)的带有未知参数的线性关系。根据交通流中信号交叉口的延误模型，收集了大量的历史轨迹数据使用GPS检测交通车辆，并分析了它与DBSCAN算法和最小二乘法拟合确定每个交叉点的时变因素。该公式基于车辆定位数据可以精确计算出交叉口延误时间。
[0016]本发明实施例运用到的算法有:
[0017]1、DBSCAN算法:DBSCAN算法是一种基于密度的聚类算法，该算法的目的在于过滤低密度区域，发现稠密度样本点，跟传统的基于层次聚类和划分聚类的凸形聚类簇不同，该算法可以发现任意形状的聚类簇。
[0018]2、最小二乘拟合算法:(xi) 2为最小,按ni=l这样的标准定义的拟合函数称为最小二乘拟合，是离散情形下的最佳平方逼近。对给定数据点KXi，Yi) I (i=0, 1，…，m)，在取定的函数类Φ中，求P(X) e Φ，使误差的平方和E~2最小，Ε~2=Σ [p(Xi)_Yi]~2。从几何意义上讲，就是寻求与给定点KXi，Yi)}(i=0,的距离平方和为最小的曲线y=P (χ) ο函数P (X) 称为拟合函数或最小二乘解，求拟合函数P (X)的方法称为曲线拟合的最小二乘法。
[0019]3、速度-密度模型:当道路上的汽车数量增多，也就是密度增大，车辆间距就会变小，驾驶人就得降低车速，因此速度随着密度的增加而单调递减。基于交通流基本关系式，一旦知道密度和车速，就可以据此计算出流量。
[0020]4、信号交叉口的延误模型:排队论的一个重要应用是研究信号交叉口的延误模型。延误和排队长度是信号交叉口配时设计和服务水平评价的主要指标。在信号交叉口中，由于人为控制的确定性与交通需求的随机性之间相互作用，使得交叉口的运行状况相当复杂。信号交叉口进口的排队是一个车辆随机到达和固定服务率问题。车辆接受服务过程相对简单，当红灯启亮时，服务率为0，车辆停止；当绿灯启亮时，服务率为饱和流率，车辆驶离交叉口，因此是一个确定可变服务率问题。
[0021]步骤101、获取目标车辆单灯等待时间t和目标车辆停车排队位置与信号灯间距χ之间的线性模型。
[0022]如图1，针对某一个信号灯，考察目标车辆(深色标记车辆A)遇到红灯发生等待后一次绿灯时长内通过信号灯(称这种情况为单灯等待)的等待时间t，其中:
[0023]I时刻:红灯亮起时刻T1,车流由正常行驶开始减速准备进入信号灯前排队状态。设此时车流中第一辆未过信号灯的车与信号灯间距为d，车辆间的平均间距为gl。
[0024]II时刻:目标车辆停车时刻T2,目标车辆此时进入队列完全停下，开始等待。设队列中完全停下的车平均占有空间长度为1，目标车辆与信号灯间距为X，目标车辆从T1时刻到T2时刻位移为S，平均速度为V，加速度为a。
[0025]III时刻:绿灯亮起时刻T3，此时排队状态开始缓解，但目标车辆因为排队的原因还未启动。
[0026]IV时刻:目标车辆启动时刻T4，此时目标车辆前的排队状态已经完全解除，目标车辆启动，随后在一次绿灯时长内通过信号灯。
[0027]为了方便处理众多参数，以下先对模型做以下合理假设:
[0028]假设:红绿灯配时一定时间内恒定不变；车辆在未过红绿灯的路段上分布均匀:即为I时刻中任意两辆车间距g相等；绿灯亮时车辆启动造成的延迟在单灯范围内忽略不计；同一特征日同一时间段内未过红绿灯路段车流密度相同。
[0029]贝IJ，基于以上的假设和参数设置，单灯等待时间t为:
[0030]
【权利要求】
1.一种基于GPS的车辆等待红绿灯时间预测方法，其特征在于，包括: 获取目标车辆单灯等待时间的预测公式，根据历史GPS数据，利用最小二拟合获得公式中的参数； 采集公交车的实时GPS数据，基于该公交车适用参数的目标车辆单灯等待时间的预测公式，获取该公交车的红绿灯等待预测时间。
2.根据权利要求1所述的基于GPS的车辆等待红绿灯时间预测方法，其特征在于，所述获取目标车辆单灯等待时间的预测公式的步骤具体包括: 获取目标车辆单灯等待时间t和目标车辆停车排队位置与信号灯间距X之间的线性模型； 通过数据挖掘的方法来求解所述线性模型中参数的历史数据，通过最小二乘法求解出所需要的参数。
3.根据权利要求2所述的基于GPS的车辆等待红绿灯时间预测方法，其特征在于，所述获取t和X之间的线性模型的步骤具体包括: 设置:红灯亮起时刻T1，车流由正常行驶开始减速准备进入信号灯前排队状态，设此时车流中第一辆未过信号灯的车与信号灯间距为d，车辆间的平均距为g ； 目标车辆停车时刻T2,目标车辆此时进入队列完全停下，开始等待，设队列中完全停下的车平均占有空间长度为1，目标车辆与信号灯间距为X，目标车辆从T1时刻到T2时刻位移为S，平均速度为V，加速度为a ； 绿灯亮起时刻T3 ； 目标车辆启动时刻T4 ； 贝U，单灯等待时间t为: t = T4-T2 = (T4-T3)+ (T3-T1)-(T2-T1) (T4-T3)是k辆车启动时间的总和，所以 T4-T3 = ktd，其中td为每辆车的平均启动时间； 设红信号灯的配置时长为h，则h = T3-T1 ； 目标车辆从T1到T2移动了距离S，加速度为a，平均速度为V，则:
4.根据权利要求3所述的基于GPS的车辆等待红绿灯时间预测方法，其特征在于，所述通过数据挖掘的方法来求解所述线性模型中参数的历史数据的步骤具体包括: 对每辆公交车数据进行基于密度的聚类算法之后，得到多个公交车GPS点簇，停车等待时间t就是将每个簇中的点按时间排序后最后一个点和第一个点的时间差，目标车辆与信号灯间距X就是每个簇的中心点与信号灯的间距； 对不同的信号灯，得到多个历史停车等待时间t以及目标车辆与信号灯距离X，利用该数据，再通过最小二乘法求得参数h和Dtl,并将结果存入参数表。
5.根据权利要求4所述的基于GPS的车辆等待红绿灯时间预测方法，其特征在于，所述获取该公交车的红绿灯等待预测时间的步骤具体包括: 每辆公交车间隔15至30秒上报一条实时GPS数据，判断此时车辆状态，如果是在停车等待红绿灯，则根据当前公交车GPS状态在参数表中查找到相应参数，将参数应用到预测方程计算出当前公交车的红绿灯等待时间，输出等待时间。
【文档编号】G08G1/00GK103927866SQ201310753349
【公开日】2014年7月16日 申请日期:2013年12月31日 优先权日:2013年12月31日
【发明者】杨晴虹, 李桐, 李戈, 黄坚, 郄金辉 申请人:北京航空航天大学