一种考虑舒适度和节能减排的公交动态轨迹优化方法与流程

本发明涉及交通规划技术领域，尤其是涉及一种考虑舒适度和节能减排的公交动态轨迹优化方法。

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。

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cn101509932a公开了一种基于加速度变化的公交车舒适性监测装置，其装置通过加速度传感器、差分放大器、v-f变换器、波形发生器等部分，来监测公交车纵向和横向的加速度变化，用以督促司机从驾驶的角度减少无谓的加速、减速、超车、急转向等带来的加速度急剧变化而引起的不舒适。这种装置虽然能够对公交车运行中的加速度变化进行监测，但其只能被动地将不舒适信息反馈给司机，最终依靠司机的经验判断来改善公交的运行舒适度，无法为司机提出准确具体、可行性强的车速改变策略。

技术实现要素：

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考虑舒适度和节能减排的公交动态轨迹优化方法。

本发明的目的可以通过以下技术方案来实现：

一种考虑舒适度和节能减排的公交动态轨迹优化方法，包括：

步骤s1：获取待优化公交特征信息，包括公交运行线路、站点信息、车辆在当前时刻的实时位置、实时速度及运营车辆信息；

步骤s2：获取待优化公交途经交叉口信息，包括交叉口位置及交叉口交通信号灯配时信息；

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：在站点上客结束后确定公交车的当前载客率，并判断当前载客率是否大于设定阈值，若为是，则执行步骤s5，反之，执行步骤s6；

步骤s5：采用考虑乘客舒适度的轨迹优化策略并结合确定的车速引导策略建立轨迹优化模型，并求解模型得到各子区间的优化轨迹；

步骤s6：采用油耗最优的轨迹优化策略并结合确定的车速引导策略建立轨迹优化模型，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：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。

所述载客率为车内乘客数和设计乘员数的比值，所述设计乘员数具体为：

其中：n为设计乘员数，min(·)为取小函数，ps为设计乘员座位数，s1为站立乘客有效面积，ssp为每位站立乘客所占的有效面积，mt为最大设计总质量，mv为整车整备质量，n为乘务组人员数，为每位乘务组人员携带行李的平均质量，q为每位乘员的平均质量，为每位乘员携带行李的平均质量。

所述车内乘客数通过以下一种或多种方式得到：

通过对布设于车厢内的摄像头所采集的车内视频进行检测得到；

通过安装在公交车辆前门和后门处的tof相机和红外测距传感器得到3d图像并进行人体检测得到；

通过wifi探针进行人流检测中的一种或多种方法得到。

所述步骤s5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s6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，则建立的轨迹优化模型为：

min(fc1+fc2)

约束条件为：

其中：fc1为车辆在速度改变阶段的油耗量，fc2为车辆以引导速度匀速行驶阶段的油耗量，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，vsp为公交车的比功率，a为加速度，vt为t时刻的速度，vs为车辆的引导速度，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，t0为当前时刻，t为引导后的行程时间区间；

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，则建立的轨迹优化模型为：

min(fc1+fc2)

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，则建立的轨迹优化模型为：

min(fc1+fc2)

约束条件为：

其中：t2为该红灯区间的结束时间。

所述步骤s6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，则建立的轨迹优化模型为：

fuel＝min(fc1+fc2+fc3)

fc3＝1.69×1.14×t3

约束条件为：

其中：fc1为车辆在速度改变阶段的油耗量，fc2为车辆以引导速度匀速行驶阶段的油耗量，fc3为车辆减速停靠行驶阶段的油耗量，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，vsp为公交车的比功率，a为加速度，vt为t时刻的速度，vs为车辆的引导速度，v0为当前速速度，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，t0为当前时刻，t为引导后的行程时间区间。

与现有技术相比，本发明具有以下有益效果：

1)以载客率为依据，平衡油耗和舒适度，兼顾考虑乘客舒适度，从而提高了体验。

2)利用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。

3)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。

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为轨迹优化策略判定流程示意图。

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。

一种考虑舒适度和节能减排的公交动态轨迹优化方法，如图1所示，包括：

步骤s1：获取待优化公交特征信息。公交特征信息包括公交运行线路、站点信息、车辆在当前t0时刻的实时位置、实时速度v0及运营车辆型号。

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；

步骤s2：获取待优化公交途经交叉口信息。途经交叉口信息包括交叉口位置及交叉口信号配时方案，通过查询离线或在线地理信息数据库的方法得到。

其中，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；

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。

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。

具体的，判断结果共有4种可能结果，如下：

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)中所示，当g1＜g2＜t1时(t1为红灯区间的开始时间)，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)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；即如图3(c)所示，当t1＜g1＜g2＜t2时，公交车无法通过交叉口，进行车速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，即如图3(d)所示，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：如图4所示，在站点上客结束后确定公交车的当前载客率，并判断当前载客率是否大于设定阈值，若为是，则执行步骤s5，反之，执行步骤s6；

载客率为车内乘客数和设计乘员数的比值，设计乘员数具体为：

其中：n为设计乘员数，min(·)为取小函数，ps为设计乘员座位数，s1为站立乘客有效面积，ssp为每位站立乘客所占的有效面积，mt为最大设计总质量，mv为整车整备质量，n为乘务组人员数，为每位乘务组人员携带行李的平均质量，q为每位乘员的平均质量，为每位乘员携带行李的平均质量。本实施例中，设定阈值为40％，具体的，其由公交运营公司设定，其值与公交车所服务范围内的出租车的服务水平、地铁服务水平及目标公交分担率等因素有关。当出租车、地铁的服务水平越高，α0的值越小；待优化公交所在城市目标公交公担率越高，α0的值越小。

车内乘客数通过以下一种或多种方式得到：通过对布设于车厢内的摄像头所采集的车内视频进行检测得到；通过安装在公交车辆前门和后门处的tof相机和红外测距传感器得到3d图像并进行人体检测得到；通过wifi探针进行人流检测中的一种或多种方法得到。

步骤s5：采用考虑乘客舒适度的轨迹优化策略并结合确定的车速引导策略建立轨迹优化模型，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。

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。

步骤s6：采用油耗最优的轨迹优化策略并结合确定的车速引导策略建立轨迹优化模型，并求解模型得到各子区间的优化轨迹。

步骤s6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，则建立的轨迹优化模型为：

min(fc1+fc2)

约束条件为：

其中：

则公交车在速度改变阶段的行驶距离l1可按下式计算：

t2是公交车以建议车速匀速行驶阶段的行驶时间，按下式计算：

上中，l2是公交车以建议车速匀速行驶阶段的行驶距离，按下式计算：

l2＝l0-l1

其中：fc1为车辆在速度改变阶段的油耗量，fc2为车辆以引导速度匀速行驶阶段的油耗量，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，vsp为公交车的比功率，a为加速度，vt为t时刻的速度，vs为车辆的引导速度，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，t0为当前时刻，t为引导后的行程时间区间；

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，则建立的轨迹优化模型为：

min(fc1+fc2)

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，则建立的轨迹优化模型为：

min(fc1+fc2)

约束条件为：

其中：t2为该红灯区间的结束时间。

若车辆达到下一交叉口的时间区间位于任一红灯区间内，则建立的轨迹优化模型为：

fuel＝min(fc1+fc2+fc3)

fc3＝1.69×1.14×t3

约束条件为：

其中：

上式中，vs是公交车速度改变阶段的末速度，即公交车的建议匀速行驶车速。

则公交车在速度改变阶段的行驶距离l1可按下式计算：

t2是公交车以建议车速匀速行驶阶段的行驶时间，按下式计算：

上式中，l2是公交车以建议车速匀速行驶阶段的行驶距离，按下式计算：

l2＝l0-l1-l3

上式中，l3是公交车减速停靠行驶阶段的行驶距离，可按下式进行计算。

t3是公交车减速停靠行驶阶段的行驶时间，可按下式进行计算：

其中：fc1为车辆在速度改变阶段的油耗量，fc2为车辆以引导速度匀速行驶阶段的油耗量，fc3为车辆减速停靠行驶阶段的油耗量，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，vsp为公交车的比功率，a为加速度，vt为t时刻的速度，vs为车辆的引导速度，v0为当前速速度，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，t0为当前时刻，t为引导后的行程时间区间。

最后，将各子区间及其相应道路特征，代入建立的公交行驶轨迹优化模型，并对其进行求解，得到该行驶子区间的优化轨迹。