一种有轨电车交叉口控制策略优化方法

1.本发明涉及有轨电车运营技术领域，尤其是涉及一种有轨电车交叉口控制策略优化方法。


背景技术：

2.现代有轨电车作为城市公共交通体系的补充，近年来发展迅速。由于现代有轨电车在交叉口与其他类型交通共享路权，因此交通特征及信号控制方式通常是影响有轨电车行程时间波动性的关键因素。为提高现代有轨电车运准点率，基于行程时间可靠性模型优化现代有轨电车在交叉口处的信号控制方式十分必要。
3.目前，现代有轨电车在信号交叉口处的控制方式通一般为基于预测有轨电车到达交叉口时间的优化、与有轨电车调度的综合优化、基于速度引导的干线信号交叉口协同控制等。
4.综上所述，目前尚无研究基于有轨电车行程时间可靠性对有轨电车在信号交叉口处的控制进行优化。


技术实现要素：

5.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有轨电车交叉口控制策略优化方法，通过建立有轨电车行程时间可靠性分析的模型，并通过对影响行程时间可靠性的动静态因素分析，基于统计和概率方法量化分析不同场景对有轨电车行程时间可靠性的影响，结合线路实际情况提出交叉口信号控制动态优化策略，提升现代有轨电车行程时间可靠性，有利于提升不同场景下有轨电车的准点率。
6.本发明的目的可以通过以下技术方案来实现：
7.一种有轨电车交叉口控制策略优化方法，包括以下步骤：
8.s1、分析有轨电车行程时间的影响因素；
9.s2、从所述影响因素中选取特定因素，对有轨电车行程时间按特定因素对应的不同场景进行分类，得到多个分类场景；
10.s3、基于有轨电车线路与运行信息，统计各个分类场景下有轨电车的行程时间，分析行程时间可靠性；
11.s4、构建各个分类场景下有轨电车行程时间的最优分布模型；
12.s5、基于所述最优分布模型，计算各个分类场景下行程时间分布的拟合参数，分析行程时间均值及行程时间波动性的变化规律；
13.s6、基于所述行程时间可靠性、行程时间均值、行程时间波动性及有轨电车实际路线区间特点，得到优化的交叉口信号控制策略。
14.进一步地，所述的特定因素包括相邻站点之间信号交叉口数量及高峰平峰时段交通流特征。
15.进一步地，所述基于有轨电车线路与运行信息，统计各个分类场景下有轨电车的
行程时间，包括以下步骤：
16.基于有轨电车到达各个站点的实际时刻，计算不同od之间的实际行驶时间t
od
；
17.基于所述实际行驶时间t
od
，计算不同od之间单位里程实际行程时间t；
18.t＝t
od
/l
od
19.其中，l
od
为出发站点与目的站点之间的距离；
20.统计各个分类场景下单位里程实际行程时间t的样本数据，所述样本数据包括样本数量、样本平均值及样本标准差。
21.进一步地，对于特定因素中，相邻站点之间信号交叉口数量对应的分类场景，t
od
为有轨电车在线路上相邻两站之间的实际行驶时间；
22.对于特定因素中，高峰平峰时段交通流特征对应的分类场景，t
od
为现代有轨电车在整条线路始发站到终点站之间的实际行驶时间。
23.进一步地，所述分析行程时间可靠性特征，包括以下步骤：
24.基于有轨电车到达各个站点的计划时刻，计算不同od之间的计划行驶时间t
od计
；
25.基于所述计划行驶时间t
od计
，计算不同od之间单位里程计划行程时间t
计
，
26.t
计
＝t
od计
/l
od
27.其中，l
od
为出发站点与目的站点之间的距离；
28.计算有轨电车单位里程实际行程时间t小于单位里程计划行程时间t
计
的概率r
(t)
，其表达式为：
[0029][0030]
基于所述概率r
(t)
量化有轨电车行程时间可靠性，分析特定因素对现代有轨电车行程时间可靠性的影响。
[0031]
进一步地，对于特定因素中，相邻站点之间信号交叉口数量对应的分类场景，t
od计
为有轨电车在线路上相邻两站之间的计划行驶时间；
[0032]
对于特定因素中，高峰平峰时段交通流特征对应的分类场景，t
od计
为现代有轨电车在整条线路始发站到终点站之间的计划行驶时间。
[0033]
进一步地，所述构建各个分类场景下有轨电车行程时间的最优分布模型包括以下步骤：
[0034]
基于不同分类场景下的实际行程时间t，分别绘制频率分布直方图，基于所述分布直方图的形状，选择分布类型对所述行程时间进行统计拟合；
[0035]
采用kolmogorov-smimov修正检验和anderon-darling检验，在显著性水平α＝5％的前提下检验拟合优度，确定各个分类场景下有轨电车单位里程实际行程时间t对应的最优分布模型。
[0036]
进一步地，所述分布类型包括正态分布、对数分布和伽马分布。
[0037]
进一步地，所述分析行程时间均值及行程时间波动性的变化规律包括以下步骤：
[0038]
基于各个分类场景下有轨电车单位里程实际行程时间t对应的最优分布模型即样本数据，分别计算实际行程时间t的期望值与标准差；
[0039]
基于所述期望值与标准差，计算各个分类场景下有轨电车行程时间的均值及波动性，分析有轨电车行程时间均值与波动性的变化规律。
[0040]
进一步地，基于所述行程时间可靠性、行程时间均值、行程时间波动性及有轨电车实际路线区间特点，得到优化的交叉口信号控制策略，具体为：
[0041]
在现有的信号交叉口控制方式，即无优先、相对优先或绝对优先的基础上，对交叉口信号控制方式的选择进行优化，提出信号控制方案生成流程；
[0042]
所述信号控制方案生成流程包括以下步骤：
[0043]
(1)获取相交道路等级；
[0044]
(2)判断有轨电车道路等级是否小于相交道路等级，若是，则选择无优先控制策略，并结束全部流程，否则执行步骤(3)；
[0045]
(3)判断有轨电车道路等级是否等于相交道路等级，若是，则执行步骤(4)，否则执行步骤(5)；
[0046]
(4)判断区间交叉口数量是否大于或等于2，若是，则选择绝对优先控制策略，并结束全部流程，否则选择相对优先控制策略，并结束全部流程；
[0047]
(5)判断区间交叉口数量是否大于或等于2，若是，则选择绝对优先控制策略，并结束全部流程，否则并执行步骤(6)；
[0048]
(6)判断有轨电车所在道路等级是否为主路，若是，则执行步骤(7)，否则选择相对优先控制策略，并结束全部流程；
[0049]
(7)判断相交道路等级是否为支路，若是，则选择绝对优先控制策略，并结束全部流程，否则判定相交道路等级为次路，选择相对优先控制策略，并结束全部流程。
[0050]
与现有技术相比，本发明具有以下有益效果：
[0051]
本发明通过分析有轨电车行程时间的影响因素，并构建各个分类场景下有轨电车行程时间的最优分布模型，基于统计和概率方法量化分析不同场景对有轨电车行程时间可靠性的影响，结合线路实际情况提出交叉口信号控制动态优化策略，能够减少有轨电车行程时间的的延误与波动，有效提升现代有轨电车行程时间可靠性，同时有利于提升不同场景下有轨电车的准点率。
附图说明
[0052]
图1为本发明涉及的实施流程图；
[0053]
图2为本发明实施例中现代有轨电车行程时间影响因素分类；
[0054]
图3为本发明实施例中第1组场景下区段行程时间的频率分布直方图及其拟合曲线；
[0055]
其中，(a)对应n＝0区间，(b)对应n＝1区间，(c)对应n＝2区间，(d)对应n＝3区间；
[0056]
图4为本发明实施例中第2组场景下线路全程行程时间的频率分布直方图及其拟合曲线；
[0057]
其中，(e)对应早高峰时段，(f)对应晚高峰时段，(g)对应非高峰时段；
[0058]
图5为本发明实施例中第1组场景下区段行程时间的期望值和标准差；
[0059]
其中，(1)对应第一组期望值，(2)对应第一组标准差；
[0060]
图6为本发明实施例中第2组场景下区段行程时间的期望值和标准差；
[0061]
其中，(3)对应第二组期望值，(4)对应第二组标准差；
[0062]
图7为本发明优化的信号交叉口控制策略生成流程图。
具体实施方式
[0063]
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。
[0064]
一种有轨电车交叉口控制策略优化方法，包括以下步骤：
[0065]
s1、分析有轨电车行程时间的影响因素；
[0066]
s2、基于影响因素，从影响因素中选取特定因素，对有轨电车行程时间按特定因素对应的不同场景进行分类，得到多个分类场景；本实施例中，特定因素包括相邻站点之间信号交叉口数量及高峰平峰时段交通流特征。
[0067]
s3、基于有轨电车线路与运行信息，统计各个分类场景下有轨电车的行程时间，分析行程时间可靠性；包括以下步骤：
[0068]
s31、基于有轨电车到达各个站点的实际时刻，计算不同有轨电车交通起止点，即不同od之间的实际行驶时间t
od
(min)；
[0069]
s32、基于实际行驶时间t
od
，计算不同od之间单位里程实际行程时间t(min/km)；
[0070]
t＝t
od
/l
od
[0071]
其中，l
od
(km)为出发站点与目的站点之间的距离；
[0072]
对于相邻站点之间信号交叉口数量对应的分类场景，t
od
为有轨电车在线路上相邻两站之间的实际行驶时间；对于高峰平峰时段交通流特征对应的分类场景，t
od
为现代有轨电车在整条线路始发站到终点站之间的实际行驶时间。
[0073]
s33、统计各个分类场景下单位里程实际行程时间t的样本数据，样本数据包括样本数量、样本平均值及样本标准差。
[0074]
s34、基于有轨电车到达各个站点的计划时刻，计算不同od之间的计划行驶时间t
od计
(min)。
[0075]
s35、基于计划行驶时间t
od计
，计算不同od之间单位里程计划行程时间t
计
(min/km)，
[0076]
t
计
＝t
od计
/l
od
[0077]
对于相邻站点之间信号交叉口数量对应的分类场景，t
od计
为有轨电车在线路上相邻两站之间的计划行驶时间；对于高峰平峰时段交通流特征对应的分类场景，t
od计
为现代有轨电车在整条线路始发站到终点站之间的计划行驶时间。
[0078]
s36、计算有轨电车单位里程实际行程时间t小于单位里程计划行程时间t
计
的概率r
(t)
，其表达式为：
[0079][0080]
s37、基于概率r
(t)
量化有轨电车行程时间可靠性，分析特定因素对现代有轨电车行程时间可靠性的影响。
[0081]
s4、构建各个分类场景下有轨电车行程时间的最优分布模型，包括以下步骤：
[0082]
s41、基于不同分类场景下的单位里程实际行程时间t，分别绘制频率分布直方图，基于分布直方图的形状，选择分布类型对行程时间进行统计拟合；
[0083]
s42、采用kolmogorov-smimov修正检验(k-s修正检验)和anderon-darling检验(a-d检验)，在显著性水平α＝5％的前提下检验拟合优度，确定各个分类场景下有轨电车单位里程实际行程时间t对应的最优分布模型。
[0084]
本实施例中，分布类型包括正态分布、对数分布和伽马分布。
[0085]
s5、基于最优分布模型，计算各个分类场景下行程时间分布的拟合参数，分析行程时间均值及行程时间波动性的变化规律，包括以下步骤：
[0086]
s51、基于各个分类场景下有轨电车单位里程实际行程时间t对应的最优分布模型即样本数据，分别计算实际行程时间t的期望值与标准差；
[0087]
s52、基于期望值与标准差，计算各个分类场景下有轨电车行程时间的均值及波动性，分析有轨电车行程时间均值与波动性的变化规律。
[0088]
s6、基于行程时间可靠性、行程时间均值、行程时间波动性及有轨电车实际路线区间特点，得到优化的交叉口信号控制策略，具体为：
[0089]
在现有的信号交叉口控制方式，即无优先、相对优先或绝对优先的基础上，对交叉口信号控制方式的选择进行优化，提出信号控制方案生成流程；
[0090]
信号控制方案生成流程如图7所示，包括以下步骤：
[0091]
(1)获取相交道路等级；
[0092]
(2)判断有轨电车道路等级是否小于相交道路等级，若是，则选择无优先控制策略，并结束全部流程，否则执行步骤(3)；
[0093]
(3)判断有轨电车道路等级是否等于相交道路等级，若是，则执行步骤(4)，否则执行步骤(5)；
[0094]
(4)判断区间交叉口数量是否大于或等于2，若是，则选择绝对优先控制策略，并结束全部流程，否则选择相对优先控制策略，并结束全部流程；
[0095]
(5)判断区间交叉口数量是否大于或等于2，若是，则选择绝对优先控制策略，并结束全部流程，否则并执行步骤(6)；
[0096]
(6)判断有轨电车所在道路等级是否为主路，若是，则执行步骤(7)，否则选择相对优先控制策略，并结束全部流程；
[0097]
(7)判断相交道路等级是否为支路，若是，则选择绝对优先控制策略，并结束全部流程，否则判定相交道路等级为次路，选择相对优先控制策略，并结束全部流程。
[0098]
如图1所示，作为一种优选的实施方式，一种基于行程时间可靠性的现代有轨电车交叉口控制策略优化方法，包括以下步骤：
[0099]
步骤一：分析现代有轨电车行程时间影响因素，对现代有轨电车行程时间按不同场景进行分类；
[0100]
步骤二：统计张江有轨电车一号线的线路与运行信息，对其在不同场景下的行程时间进行描述性统计，分析其行程时间可靠性；
[0101]
步骤三：确定每一场景下有轨电车行程时间的最优分布模型；
[0102]
步骤四：根据不同场景下的行程时间分布计算对应拟合参数，分析行程时间均值与波动性的变化规律；
[0103]
步骤五：综合分析不同因素对现代有轨电车行程时间可靠性、均值、波动性3种特性的影响，针对影响因素和张江有轨电车一号线实际线路区间特点得到优化的交叉口信号控制策略生成流程。
[0104]
步骤一中对现代有轨电车行程时间进行分类，如图2所示，具体过程为：
[0105]
1.1：将现代有轨电车行程时间影响因素分为静态影响因素和动态影响因素两类，
其中静态影响因素包括路权形式、线路敷设方式、站点数量等；动态影响因素包括有轨电车驾驶员特性、有轨电车车辆特性、有轨电车客流需求、道路交通流特性、交叉口信号控制方式等；
[0106]
1.2：若现代有轨电车一旦建成运营，则静态因素基本不变，动态因素中的有轨电车驾驶员特性、有轨电车车辆特性、有轨电车客流需求、信号控制方式在短期内也保持稳定；
[0107]
1.3：本实施例选取“相邻站点之间信号交叉口数量”、“高峰平峰时段交通流特征”作为特定因素，将该两种因素对应的不同场景作为对现代有轨电车行程时间可靠性分析和数据分类采集的依据，对现代有轨电车行程时间可靠性进行分类讨论；
[0108]
1.4：将现代有轨电车行程时间分为两组，共7种场景：第一组包含4种场景：n＝0,1,2,3(n为相邻站点之间信号交叉口数量)，第二组包含3种场景：早高峰时段(7:00-9:00)、晚高峰时段(17:00-19:00)、非高峰时段。
[0109]
步骤二中描述性统计张江有轨电车一号线在不同场景下的行程时间，具体过程为：
[0110]
2.1：根据现代有轨电车到达各站点的实际时间，计算不同od之间行驶时间t
od
。其中对于“相邻站点之间信号交叉口数量”对应的不同交通场景，t
od
为现代有轨电车在线路上相邻两站之间的实际行驶时间；对于“高峰平峰时段交通流特征”对应的不同交通场景，t
od
为现代有轨电车在整条线路始发站到终点站之间的实际行驶时间；
[0111]
2.2：排除基本信息无效或缺失的交通数据后，计算不同od之间的单位里程实际行程时间t(min/km)，如式(1)；
[0112]
t＝t
od
/l
od
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(1)
[0113]
其中，l
od
(km)为出发站点与目的站点之间的距离；
[0114]
2.3：不同场景下的行程时间数据描述性统计如表1所示，统计内容包括样本数、样本平均值及样本标准差；
[0115]
表1张江有轨电车行程时间统计表
[0116][0117][0118]
2.4：分析表1发现，当相邻站点之间的信号交叉口数量增加时，或由非高峰时段变为高峰时段，行程时间的平均值和不确定性都会增加。
[0119]
步骤二中分析张江有轨电车一号线在不同场景下的行程时间可靠性，具体过程为：
[0120]
2.5：根据现代有轨电车到达各站点的计划时间，计算不同od之间行驶时间t
od计
。其中对于“相邻站点之间信号交叉口数量”对应的不同交通场景，t
od计
为现代有轨电车在线路上相邻两站之间的计划行驶时间；对于“高峰平峰时段交通流特征”对应的不同交通场景，t
od计
为现代有轨电车在整条线路始发站到终点站之间的计划行驶时间；
[0121]
2.6：排除基本信息无效或缺失的交通数据后，计算不同od之间的计划行程时间t
计
(min/km)，如式(2)；
[0122]
t
计
＝t
od计
/l
od
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(2)
[0123]
2.7：用概率量化行程时间可靠性r
(t)
，计算当路段通行能力随机发生变化时，对于给定od的一次出行，现代有轨电车在规定的时间内完成的概率，如式(3)；
[0124][0125]
得到7种场景下的行程时间可靠性如表2所示；
[0126]
表2张江有轨电车行程时间可靠性
[0127][0128][0129]
2.8：分析表2发现，n＝0,1和非高峰时段行程时间可靠性高(0.8＜r≤1)，早高峰和晚高峰时段行程时间可靠性中等(0.5＜r≤0.8)，n＝2,3可靠性低(0≤r≤0.5)。与非高峰出行时间可靠性相比，早晚高峰行程时间可靠性降低了20％；与n＝1情况相比，n＝2情况的行程时间可靠性降低了74％。结果表明，交叉口数量较高的区间(n≥2)和高峰时段均会导致行程时间可靠性降低，n≥2时影响尤为明显需要特别关注。
[0130]
步骤三中确定各场景下现代有轨电车行程时间的最优分布模型，具体过程为：
[0131]
3.1：分别绘制不同场景下的行程时间频率分布直方图，如图3、图4所示。图3为n＝0,1,2,3时，区段行程时间的频率分布直方图及其拟合曲线，其中，(a)对应n＝0区间，(b)对应n＝1区间，(c)对应n＝2区间，(d)对应n＝3区间；
[0132]
图4为早晚高峰和平峰时段线路全程行程时间的频率分布直方图及其拟合曲线；其中，(e)对应早高峰时段，(f)对应晚高峰时段，(g)对应非高峰时段；
[0133]
3.2：由图3、图4可知，不同情况下的有轨电车行程时间数据均呈现出有偏且长尾性的特征。当相邻站点之间信号交叉口数量增加，运行时段平峰变为高峰时，拟合曲线峰值点右移，行程时间整体增加，且分布变得更加分散，与2.4中分析结果一致；
[0134]
3.3：根据图3、图4中的分布形状选择正态分布、对数正态分布、伽马分布分别进行拟合。为了确定拟合优度，在α＝5％的显著性水平下采用k-s修正检验和a-d检验进行分析，结果如表3所示；
[0135]
表3 k-s修正检验与a-d检验结果
[0136]
[0137][0138]
3.4：分析表3发现，除n＝2外其他6种场景均通过k-s修正和a-d的对数正态检验，且两种检验方式下对数正态分布对应的p值较大，说明该分布模型对行程时间分布的拟合情况较好。两组正态分布的测试通过率分别为65％、83.3％，正数正态分布的测试通过率分别为：87.5％、100％，伽马分布的测试通过率分别为：65％、100％。可以表明，对数正态分布是张江有轨电车行程时间数据分布的首选拟合模型。
[0139]
步骤四中计算不同场景下行程时间分布的拟合参数并分析其行程时间均值与波动性的变化规律，具体过程为：
[0140]
4.1：根据对数正态分布的概率密度，计算在对数正态分布下张江有轨电车行程时间的期望值e(t)和标准差σ
t
，分别如式(4)、(5)、(6)；
[0141][0142]
[0143][0144]
其中，t为路段行程时间，a为lnt的标准差，b为lnt的期望值。
[0145]
计算结果如图5、图6所示；其中，(1)对应第一组期望值，(2)对应第一组标准差；(3)对应第二组期望值，(4)对应第二组标准差。
[0146]
4.2：由图5、图6可知，行程时间均值由期望值e(t)反映：当信号交叉口数量n变化时，行程时间均值的增长率分别为17％(n由0变为1)、47％(n由1变为2)、4％(n由2变为3)。当有轨电车运行时段发生变化时，行程时间均值的增长率为5％(非高峰时段变为早高峰时段)，4％(非高峰时段变为晚高峰时段)；行程时间的波动性由标准差σ
t
反映：当信号交叉口数量n变化时，行程时间波动的增长率分别为21.1％(n由0变为1)、57.9％(n由1变为2)、28.6％(n由2变为3)。当有轨电车运行时段发生变化时，行程时间波动的增长率为9％(非高峰时段变为早高峰时段)，18％(非高峰时段变为晚高峰时段)；
[0147]
4.3：结合2.8中行程时间可靠性分析发现，行程时间可靠性的降低伴随着行程时间均值和行程时间波动的增加。n值对行程时间可靠性的影响反映在行程时间均值和行程时间波动的增加上，而运行时段对行程时间可靠性的影响主要反映在行程时间波动的增加上；
[0148]
4.4：值得注意的是，有轨电车在全程途径的信号交叉口数目明显多于3个，理论上行程时间会比n＝3区间的行程时间受到更多扰动，即标准差一定会高于n＝3区间的行程时间标准差。但是拟合结果显示，对于n＝3的区间，行程时间拟合标准差超过0.5min/km，要高于有轨电车在高峰及非高峰时段全程行程时间的标准差。原因主要在于驾驶员在驾驶过程中，会注意到列车行车与时刻表的偏差，当偏差较大时，会对行车速度进行有意的调整。此外，在到达车站时，如果发现早到，可以在车站停留一段时间直到准点发车时间。由于全程的行程时间标准差取决于列车到达最后一站的时刻，而上述各种因素导致有轨电车在整个行程的行程时间标准差缓和下来。
[0149]
步骤五中基于行程时间可靠性及实际运行区段特点得到优化的交叉口信号控制策略，具体过程为：
[0150]
综合分析不同因素对现代有轨电车行程时间可靠性、均值、波动性3种特性的影响，针对影响因素和张江有轨电车一号线实际线路区间特点得到优化的交叉口信号控制策略。
[0151]
5.1：结合2.4、2.8、3.2、3.4、4.2、4.3、4.4中分析结果可知，信号交叉口数量较高的区间(n≥2)和高峰时间均使对张江有轨电车行程时间的可靠性明显下降。建议在高峰时段采取交叉口信号优先措施，并尽可能确保社交车辆的通行效率。特别是在n≥2区间，需要提高有轨电车的信号优先级，并相应调整时间表，使有轨电车更符合时间表的运行要求，提高运行准点率；
[0152]
5.2：综合张江有轨电车行程时间可靠性、均值、波动性3种特性，以及实际运行区段的道路等级特点，考虑在现有的信号交叉口控制方式，即无优先、相对优先或绝对优先基础上，对交叉口信号控制方式的选择进行优化，提出信号控制方案生成流程，如图7所示；
[0153]
5.3：建议在高峰时段(7:00-9:00、17:00-19:00)对张江有轨电车一号线实施如图7所示的信号控制方案生成流程，确定线路途经各信号交叉口的优先形式，减少有轨电车在
交叉口处的停车等待时间，提高通行效率，优化后的信号交叉口控制方式如表4所示。
[0154]
表4张江有轨电车线路信号交叉口控制方式优化方案
[0155][0156][0157]
本实施例基于有轨电车运行数据及线路信息，从统计和概率角度直接量化分析不同因素对现代有轨电车行程时间3种特性的影响，综合考虑道路实际情况优化信号交叉口有轨电车的信号控制方式，以减少现代有轨电车行程时间的的延误与波动，提高其运行准点率。
[0158]
本发明定义了有轨电车行程时间可靠性及其分析方法，揭示了影响行程时间可靠性的静动态因素，定量研究了相邻站点间交叉口数量和不同时段交通流特征对有轨电车行程时间可靠性的影响，为采用最优信号控制方法提升有轨电车准点率提供决策依据。采集了张江有轨电车线路设施、10天的有轨电车计划运行时刻表和实绩数据。采用行程时间可靠性的统计分析方法，分析了7种典型场景(即相邻两站间分别为0、1、2、3个路口的4种相邻站间路段、非高峰时段、早高峰时段和晚高峰时段)下的有轨电车行程时间分布特征。结果表明：对数正态分布更能有效描述有轨电车在各场景下的行驶时间分布特征；工作日早晚高峰时段行程时间不可靠性增加，相邻站之间交叉口数目越多，行程时间不可靠性显著加大。由此提出宜根据交叉口数量及交通流量特征采取适合的交叉口信号控制策略，如在高峰时段相邻车站之间有多个交叉口时，可协调这些交叉口的有轨电车相位，采用绿波带优
先控制策略。
[0159]
以上详细描述了本发明的较佳具体实施例。应当理解，本领域的普通技术人员无需创造性劳动就可以根据本发明的构思作出诸多修改和变化。因此，凡本技术领域中技术人员依本发明的构思在现有技术的基础上通过逻辑分析、推理或者有限的实验可以得到的技术方案，皆应在由权利要求书所确定的保护范围内。

技术特征：
1.一种有轨电车交叉口控制策略优化方法，其特征在于，包括以下步骤：分析有轨电车行程时间的影响因素；从所述影响因素中选取特定因素，对有轨电车行程时间按特定因素对应的不同场景进行分类，得到多个分类场景；基于有轨电车线路与运行信息，统计各个分类场景下有轨电车的行程时间，分析行程时间可靠性；构建各个分类场景下有轨电车行程时间的最优分布模型；基于所述最优分布模型，计算各个分类场景下行程时间分布的拟合参数，分析行程时间均值及行程时间波动性的变化规律；基于所述行程时间可靠性、行程时间均值、行程时间波动性及有轨电车实际路线区间特点，得到优化的交叉口信号控制策略。2.根据权利要求1所述的一种有轨电车交叉口控制策略优化方法，其特征在于，所述的特定因素包括相邻站点之间信号交叉口数量及高峰平峰时段交通流特征。3.根据权利要求2所述的一种有轨电车交叉口控制策略优化方法，其特征在于，所述基于有轨电车线路与运行信息，统计各个分类场景下有轨电车的行程时间，包括以下步骤：基于有轨电车到达各个站点的实际时刻，计算不同od之间的实际行驶时间t
od
；基于所述实际行驶时间t
od
，计算不同od之间单位里程实际行程时间t；t＝t
od
/l
od
其中，l
od
为出发站点与目的站点之间的距离；统计各个分类场景下单位里程实际行程时间t的样本数据，所述样本数据包括样本数量、样本平均值及样本标准差。4.根据权利要求3所述的一种有轨电车交叉口控制策略优化方法，其特征在于，对于特定因素中，相邻站点之间信号交叉口数量对应的分类场景，t
od
为有轨电车在线路上相邻两站之间的实际行驶时间；对于特定因素中，高峰平峰时段交通流特征对应的分类场景，t
od
为现代有轨电车在整条线路始发站到终点站之间的实际行驶时间。5.根据权利要求2所述的一种有轨电车交叉口控制策略优化方法，其特征在于，所述分析行程时间可靠性特征，包括以下步骤：基于有轨电车到达各个站点的计划时刻，计算不同od之间的计划行驶时间t
od计
；基于所述计划行驶时间t
od计
，计算不同od之间单位里程计划行程时间t
计
，t
计
＝t
od计
/l
od
其中，l
od
为出发站点与目的站点之间的距离；计算有轨电车单位里程实际行程时间t小于单位里程计划行程时间t
计
的概率r
(t)
，其表达式为：基于所述概率r
(t)
量化有轨电车行程时间可靠性，分析特定因素对现代有轨电车行程时间可靠性的影响。6.根据权利要求5所述的一种有轨电车交叉口控制策略优化方法，其特征在于，对于特
定因素中，相邻站点之间信号交叉口数量对应的分类场景，t
od计
为有轨电车在线路上相邻两站之间的计划行驶时间；对于特定因素中，高峰平峰时段交通流特征对应的分类场景，t
od计
为现代有轨电车在整条线路始发站到终点站之间的计划行驶时间。7.根据权利要求3所述的一种有轨电车交叉口控制策略优化方法，其特征在于，所述构建各个分类场景下有轨电车行程时间的最优分布模型包括以下步骤：基于不同分类场景下的实际行程时间t，分别绘制频率分布直方图，基于所述分布直方图的形状，选择分布类型对所述行程时间进行统计拟合；采用kolmogorov-smimov修正检验和anderon-darling检验，在显著性水平α＝5％的前提下检验拟合优度，确定各个分类场景下有轨电车单位里程实际行程时间t对应的最优分布模型。8.根据权利要求7所述的一种有轨电车交叉口控制策略优化方法，其特征在于，所述分布类型包括正态分布、对数分布和伽马分布。9.根据权利要求7所述的一种有轨电车交叉口控制策略优化方法，其特征在于，所述分析行程时间均值及行程时间波动性的变化规律包括以下步骤：基于各个分类场景下有轨电车单位里程实际行程时间t对应的最优分布模型即样本数据，分别计算实际行程时间t的期望值与标准差；基于所述期望值与标准差，计算各个分类场景下有轨电车行程时间的均值及波动性，分析有轨电车行程时间均值与波动性的变化规律。10.根据权利要求7所述的一种有轨电车交叉口控制策略优化方法，其特征在于，基于所述行程时间可靠性、行程时间均值、行程时间波动性及有轨电车实际路线区间特点，得到优化的交叉口信号控制策略，具体为：在现有的信号交叉口控制方式，即无优先、相对优先或绝对优先的基础上，对交叉口信号控制方式的选择进行优化，提出信号控制方案生成流程；所述信号控制方案生成流程包括以下步骤：(1)获取相交道路等级；(2)判断有轨电车道路等级是否小于相交道路等级，若是，则选择无优先控制策略，并结束全部流程，否则执行步骤(3)；(3)判断有轨电车道路等级是否等于相交道路等级，若是，则执行步骤(4)，否则执行步骤(5)；(4)判断区间交叉口数量是否大于或等于2，若是，则选择绝对优先控制策略，并结束全部流程，否则选择相对优先控制策略，并结束全部流程；(5)判断区间交叉口数量是否大于或等于2，若是，则选择绝对优先控制策略，并结束全部流程，否则并执行步骤(6)；(6)判断有轨电车所在道路等级是否为主路，若是，则执行步骤(7)，否则选择相对优先控制策略，并结束全部流程；(7)判断相交道路等级是否为支路，若是，则选择绝对优先控制策略，并结束全部流程，否则判定相交道路等级为次路，选择相对优先控制策略，并结束全部流程。

技术总结
本发明涉及一种有轨电车交叉口控制策略优化方法，包括以下步骤：分析有轨电车行程时间的影响因素；对有轨电车行程时间按特定因素对应的不同场景进行分类；基于有轨电车线路与运行信息，统计各个分类场景下有轨电车的行程时间，分析行程时间可靠性；构建各个分类场景下有轨电车行程时间的最优分布模型；基于最优分布模型，计算各个分类场景下行程时间分布的拟合参数，分析行程时间均值及行程时间波动性的变化规律；基于行程时间可靠性、行程时间均值、行程时间波动性及有轨电车实际路线区间特点，得到优化的交叉口信号控制策略。与现有技术相比，本发明能够提升现代有轨电车行程时间可靠性，同时有利于提升不同场景下有轨电车的准点率。准点率。准点率。


技术研发人员：施莉娟 张琦芮 周思琪
受保护的技术使用者：同济大学
技术研发日：2022.11.10
技术公布日：2023/6/28