本公开提供一种公交行驶状态的预测及信号控制方法、装置、设备与介质,涉及人工智能领域,尤其涉及自动驾驶、智能交通等技术领域;具体方案为:该方法包括:基于公交车辆的实时位置信息,获取公交车辆与信号交叉口的目标实时距离;根据目标实时距离计算得到公交车辆的平均行驶速度;采集公交车辆在当前时刻的第一实时行驶速度;基于平均行驶速度对第一实时行驶速度进行修正,以得到公交车辆在当前时刻的目标实时行驶速度;根据目标实时距离和目标实时行驶速度,获取公交车辆从当前时刻起至信号交叉口的初始行程时间;采用预设时间修正方式对初始行程时间进行修正,以得到目标行程预测时间。
背景技术
在公交优先场景下,准确且稳定地预测公交车辆达到信号交叉口的时间,才能准确调整信号灯方案,达到较好的优先效果。若时间预测不准、信号灯方案调整频繁,会造成公交车辆车优先效果不理想,还会影响交叉口车辆的正常通行。其中,准确、稳定的预测到达交叉口时间的关键在于:(1)准确计算车辆所在位置距离交叉口的距离;(2)准确计算车辆行驶速度;(3)根据车辆行驶状态多次调整优先方案且不能过于频繁。
现有的公交优先场景下的预测到达信号交叉口时间的方案为:
(1)车辆距离交叉口距离:a)采用车辆GPS(全球定位系统)坐标与交叉口GPS坐标直线距离,但是该方案会因不规则路段计算误差较大;b)采用固定检测位置,该方案灵活性较差,算法在进行优先决策的时候不能自主决策开始控制的时刻和距离,且存在而且增加了成本投入的缺陷。
(2)行程时间预测:a)基于kalam(卡尔曼算法)的行程时间预测方案,但是该方案基于车辆处于稳定运行状态且干扰因素是正态分布的条件实现,且默认车辆速度可信,存在较多前提条件才能有效实现;b)基于历史速度和时间规律等确定行程时间,然而该方案对实时情况无法响应,且依赖大量历史数据才能实现,具有一定的实现局限性;c)基于神经网络模型预测行程时间,该方案需要基于大量历史数据训练模型,对不同的道路情况需要分别训练,存在使用复杂且容易发生过拟合和欠拟合等问题。
另外,在公交优先场景下信号交叉口的排队情况也对公交车辆车到达路口时间影响极大。目前对排队数据的检测普遍依赖路侧检测设备,例如视频、雷达、地磁等,这样的检测方式在排队长度不较长是无法保证采集的数据的准确度,对检测设备的稳定运行要求极高,然而路侧检测设备不稳定属于常态;另外,对硬件设备建设成本极大,现实中很难覆盖到每一个路口。
实现思路