基于车联网的城市干道车辆行程时间实时预测方法

摘要

本发明公开了一种基于车联网的城市干道车辆行程时间实时预测方法，属于智能交通技术领域。该方法包括：该方法包括：步骤1、获取待研路段在上一信号控制周期中的排队累积冲击波波速和排队消散冲击波波速，并计算待研路段在当前信号控制周期中车辆的最大排队长度以及排队延误最大时的排队长度；步骤2、以待研路段上一信号控制周期的红灯结束时刻为时间原点，确定当前信号控制周期的四个临界时间点；步骤3、根据待研车辆进入待研路段的时间点四个临界时间点所确定的哪个时间段，计算待研车辆在待研路段的行程时间预测值。本发明可实现对城市干道中任一车辆的行程时间进行准确地实时预测。

主权项

基于车联网的城市干道车辆行程时间实时预测方法，所述城市干道中所有车辆均为车联网中的节点；其特征在于，该方法包括以下步骤：步骤1、获取待研路段在上一信号控制周期中的排队累积冲击波波速u_w和排队消散冲击波波速w，并根据以下公式计算待研路段在当前信号控制周期中车辆的最大排队长度q_max以及排队延误最大时的排队长度q_m：$q_{\max }=\frac{w·u_w·r}{w-u_w}$$q_m=r·\frac{u_f·w}{u_f+u_w}$其中，u_f表示车辆在待研路段上的自由流速度；r为待研路段的信号控制红灯时间；步骤2、以待研路段上一信号控制周期的红灯结束时刻为时间原点，确定当前信号控制周期的四个临界时间点t₀、t₁、t₂、t₃：$t_0=-r-\frac{L}{u_f},$$t_1=\frac{u_w·r}{w-u_w}-\frac{L-q_{\max }+l_s}{u_f}-\frac{u_f}{2{\gamma }_d},$$t_2=\frac{u_w·r}{w-u_w}+\frac{u_f}{2*{\gamma }_a}-\frac{L-q_{max}}{u_f},$$t_3=g-\frac{L}{u_f},$其中，L为待研路段的长度；γ_a、γ_d分别为待研路段的车辆加速速率、车辆减速速率；l_s为车辆的有效长度；g为待研路段的信号控制绿灯时间；步骤3、根据待研车辆进入待研路段的时间点t_in，计算待研车辆在待研路段的行程时间预测值TT(t_in)，具体如下：如t₀≤t_in＜t₁，则：$\begin{array}{c}TT\left(t_{in}\right)=\frac{L_s}{u_f}+\frac{u_f}{2{\gamma }_d}+D_w+\frac{u_f}{2{\gamma }_a}+\\ \left[\frac{\min \left(q\right(t_{in}),q_m)}{u_f}+\frac{-\left(\min \right(\max \left(q\left(t_{in}\right),q_m\right),q_{\max })-q_m)}{u_w}+\frac{\min \left(q\right(t_{in}),q_{\max })}{w}\right]\end{array},$式中，L_s为路段总长度减去交叉口长度；min(·)、max(·)分别表示取最小值、取最大值；如t₁≤t_in＜t₂，则：$TT\left(t_{in}\right)=\frac{L_s}{u_f}+\frac{u_f{(t_2-t_{in})}^2}{2{\gamma }_d{(t_2-t_1)}^2}+\frac{u_f{(t_2-t_{in})}^2}{2{\gamma }_a{(t_2-t_1)}^2};$如t₂≤t_in≤t₃，则：$TT\left(t_{in}\right)=\frac{L_s}{u_f}.$