一种基于移动终端的干线绿波协调效果评估方法
【技术领域】
[0001] 本发明属于智能交通领域，涉及一种智能、便携的干线绿波协调效果评估方法，利 用智能终端采用绿波协调效果评估算法，实现单车行驶过程中在线绘制轨迹时空图并实时 输出评估指标。
【背景技术】
[0002] 随着智能终端平台的快速发展，人们日常生活中对信息的获取越来越依赖于诸如 手机等智能移动终端平台。在交通领域也是如此，现在各个国家都在为构建智能交通网络 和智慧城市不懈的努力。干线绿波协调作为智能交通领域中较为成熟的一项技术，在全世 界各大城市中都得到了较为成熟的运用和推广，然而并没有一种利用智能终端平台对绿波 协调路段做出实时在线评估的方法。目前，应用于干线绿波协调效果评估的常用方法主要 有人工调研、单车测试以及浮动车等三种方式。
[0003] 人工调研，主要是通过调用大量的人力物力在实际路段进行调查工作，其实施过 程分为三个阶段：第一个阶段是制定调查方案并对调查人员采取必要的培训工作；第二个 阶段是组织调查人员进行现场数据调查；第三个阶段是后期的数据整理与分析并做出最后 的评估。此方法在实际应用中存在以下问题：（1)耗费大量的人力物力；（2)评估周期长；
[3] 不能做到实时的评估；(4)存在严重的交通与人身安全隐患。
[0004] 单车测试，即调查人员利用秒表和GPS数据记录器等简单的工具，通过驾驶小汽 车对绿波协调路段进行调查。其实施过程分为两个阶段：第一个阶段是现场数据调查；第 二个阶段是后期的数据整理与分析并做出最后的评估。该方法虽然避免了人工调研中的诸 多不足，但是单车测试也不能做到实时的评估。
[0005] 浮动车，主要是通过装有GPS装置的租车获取大量的行驶数据，筛选出有用数据 并对协调路段做出评估，该方法同样不能做到实时的评估。
[0006] 综上所述，以上三种干线绿波协调效果的评估方法，都不能对路段做出实时在线 的评估，并且每种方法都有各自一定的局限性，因此本申请发明一种基于移动终端的干线 绿波协调效果评估方法。
【发明内容】
[0007] 针对可以实时在线的对干线绿波协调控制路段进行评估这一目标，本发明提出一 种基于移动终端的干线绿波协调控制评估方法，利用智能移动终端，采用绿波协调效果评 估算法，从而实时在线的输出评估指标。
[0008] 干线绿波协调效果评估方法包括调用移动终端的GPS数据、数据处理算法、绿波 协调效果评估算法、时空图绘制、评估指标输出步骤组成，方法总体流程图如图1所示。本 方法可以实时获取单车行驶数据，并结合数据处理算法和绿波协调控制评估算法，从而实 现实时在线的对单车测试路段的绿波协调效果进行评估，以及实时绘制单车运行的轨迹时 空图。
[0009] 本评估方法分为两种评估方式，分别是轨迹时空图的绘制和评估指标的输出。以 下分别给出上述两种评估方式的过程。
[0010] 第一种评估方式为实时绘制轨迹时空图，时空图就是一个以时间和距离为横纵坐 标轴的二维图，而轨迹时空图就是将单车行驶的路径转化为一条在时空图中随坐标变化的 曲线，其示意图如图2所示。本方法调用移动终端的GPS数据，得到小汽车行驶过程中的逐 秒经炜度，并通过数据处理算法将其转化为逐秒的位移变化。然后当测试车辆进入被测试 的绿波协调路段时，通过匹配移动终端的系统时间与时空图中的时间轴数据，继而确定汽 车在时空图中的起始点的位置，最后结合测试车辆逐秒的位移变化可以在时空图中绘制出 其行驶的轨迹曲线，也就得到了轨迹时空图。从轨迹时空图中可以对测试车辆通过测试路 段过程中的停驶状况和行驶速度等情况有一个直观的了解，本评估方式的流程图如图3所 不O
[0011] 实时绘制轨迹时空图的评估方式，具体包括以下几个步骤：
[0012] 步骤一，获取前期数据调查中该绿波协调路段的基本参数。
[0013] 本步骤中获取的前期调查数据主要是绿波协调路段的一些基本参数，包括各交叉 口经炜度、各路口配时方案、各路口相位差、路段各交叉口间距等。
[0014] 步骤二，根据基础数据绘制出时空图。
[0015] 在绘制时空图之前，需要设定某个行驶方向的路口为初始路口，即主交叉口。
[0016] 此处绘制的时空图即为以时间为X轴，空间为y轴的二维图。时空图绘制主要用到 的基本参数包括：绿波协调路段交叉口公共周期C、路段各交叉口协调相位绿灯时长^和 黄灯时长Y i、各交叉口间相位差、各交叉口间距离Su，i = 1，2…N(N为测试路段的交 叉口总数），其中各交叉口间相位差Φ u和各交叉口间距离S u都是相对于主交叉口而言 的，此处设定主交叉口相位差为Φ I i = Os，主交叉口 S I i = 300m，即路段主交叉口在y轴的 初始位值为300m，在此S1的初始值是为了使时空图有更好的可视性，并无具体的物理意义。
[0017] 以主交叉口绿灯起始时刻视为初始时刻，即此时时间轴的初始值大小为〇s，因此 主交叉口在时空图中的初始坐标为（〇, s1;1)，该坐标也为主交叉口第一个周期的绿灯启亮 时刻坐标。因此主交叉口第一个周期黄灯启亮时刻坐标为（ gl，S1J，红灯启亮时刻坐标为 (gi+yp S1J，第二个周期绿灯启亮时刻坐标为（c，S1J，同理第j个周期的绿灯启亮时刻坐 标为（(j-i)c，s 1;1)，黄灯启亮时刻坐标为（(j-i)c+gl，s1;1)，红灯启亮时刻坐标为（(j-i) C+gA，s1;1) 〇
[0018] 同理第i个交叉口，第j个周期的绿灯启亮时刻坐标为（(j-DC+il^i， 51， 1+51，1)，黄灯启亮时刻坐标为（〇-1)0+1])1，^ 1，51，1+51，1)，红灯启亮时刻坐标为（〇-1) ο Φ i，i+gi+yi，S1JS1J) 〇
[0019] 由此类推即可绘制出时空图。
[0020] 步骤三，调用GPS数据和地图数据。
[0021] 本步骤涉及移动终端的硬件和软件两个部分：
[0022] 硬件部分，由于智能移动终端市场占有率几乎100%，且在售的智能移动终端的 GPS模块为标准配置模块，因此用户只需开启智能移动终端上的GPS功能并运行数据采集 应用程序即可轻松获取GPS数据信息，获取的GPS数据主要有两个用途，第一是将GPS数据 与调用的地图数据中经炜度数据进行匹配从而确定测试车辆在地图中的位置；第二是导出 GPS数据中逐秒的经炜度数据，便于下步操作。
[0023] 软件部分，通过运行数据采集应用程序调用GPS数据和目前市场上常用的地图 API接口调用地图数据，其中地图数据的调用主要是为了便于观察测试车辆的所在位置，并 在地图上实时显示。
[0024] 步骤四，利用数据处理算法得到逐秒的位移变化数据，匹配移动终端的系统时间 和时空图中的时间轴数据。
[0025] 下面是得到逐秒的位移变化数据的基本过程，
[0026] 地球是一个近乎标准的椭球体，此处设定地球是一个完美的球体，那么它的半径 就是地球的平均半径，记为R。如果以0度经线为基准，那么根据地球表面任意两点的经炜 度就可以计算出这两点间的地表距离。设第一点A的经炜度为（LonA，LatA)，第二点B的经 炜度为（LonB, LatB)，按照0度经线的基准，东经取经度的正值（Longitude)，西经取经度负 值（-Longitude)，北炜取 90-炜度值（90-Latitude)，南炜取 90+炜度值（90+Latitude)，则 经过上述处理过后的两点被计为（MLonA, MLatA)和（MLonB, MLatB)。那么根据三角推导，可 以得到计算两点距离D的公式如下所示：
[0027] C = sin (MLatA)X sin (MLatB)X cos (MLonA-MLonB)+cos (MLatA)X cos (MLatB)
[0028] D = (R*Arccos(C)*Pi/180)X1000
[0029] 因此可以通过逐秒的经炜度变化数据得出逐秒的位移变化数据。
[0030] 关于移动终端的系统时间和时空图中的时间轴数据的匹配，测试过程中被测车辆 在主交叉口绿灯时刻开始测试，此时记录移动终端的系统时间，然后匹配步骤二中时空图 的时间轴数据，即将初始时刻0改为此时的移动终端的系统时间，从而实现移动终端的系 统时间和时空图中的时间轴数据的一致性。
[0031] 步骤五，在时空图中实时在线的绘制测试车辆的行驶轨迹，得到轨迹时空图。
[0032] 在时空图中实时在线的绘制测试车辆行驶轨迹的过程，也就是在时空图中逐秒的 绘制测试车辆所在位置对应的时空图中的坐标，即每隔一秒钟在时空图中绘制一个坐标 点，然后再将绘制的坐标点拟合成一条曲线即可得到行驶轨迹。
[0033] 第二种评估方式输出评估指标与给出优化建议，把第一种评估方式中得到的数据 进行处理得到停车次数、停车时长、行程时间、平均行驶速度评估参数，结合绿波协调效果 评估算法，最后输出效果评估指标，并给出优化建议。