程曉榮 李紫君

(華北電力大學控制與計算機工程學院 河北 保定 071000)

基于多指數(shù)決策的停車場選擇模型研究

程曉榮 李紫君*

(華北電力大學控制與計算機工程學院 河北 保定 071000)

為解決隨機選擇停車或根據(jù)某一單一影響因素選擇停車的問題，設(shè)計了基于多指數(shù)決策的停車場選擇模型。該模型以泊位指數(shù)、用戶認可指數(shù)、費用指數(shù)、停車場等級指數(shù)為影響因素計算綜合選擇指數(shù)，以綜合選擇指數(shù)為選擇目標停車場的唯一指標。根據(jù)仿真實驗結(jié)果可知，該模型能夠克服以往停車誘導系統(tǒng)根據(jù)單因素確定目標停車場的盲目性和片面性，提供最優(yōu)停車場選擇，還能根據(jù)不同側(cè)重的需求推薦局部最優(yōu)全局次優(yōu)的選擇，為用戶提供全方位的推薦服務，因此，具有更大的適應性和可推廣性。

泊位指數(shù) 用戶認可指數(shù) 費用指數(shù) 停車場等級指數(shù) 綜合選擇指數(shù)

0 引 言

目前國內(nèi)對智能泊車的研究主要集中在如何充分利用停車場和如何誘導停車用戶到達某一停車場等[1-3]。而在停車場選擇模型方面的研究還比較匱乏，所謂綜合選擇，即根據(jù)停車用戶的不同需求，為用戶提供全面且多樣性的停車場誘導結(jié)果，減少根據(jù)用戶主觀認識或者單一誘導指標得出停車場推薦結(jié)果的盲目性和片面性，實現(xiàn)停車選擇的最優(yōu)結(jié)果。

在分析目前城市停車選擇模型的普遍特征和前人研究成果的基礎(chǔ)上，本文設(shè)計了基于多指數(shù)決策的停車場選擇模型。Peter Bonsal等[4]對用戶停車模型進行了模擬分析，陳峻等[5-6]提出了停車場理想服務半徑不宜超過200 m的觀點。上述模型參考指標比較單一，不能適應如今情況復雜、用戶需求多種多樣的實際停車狀況。因此，本文提出的停車場選擇模型，以綜合選擇指數(shù)為決定性指標，對泊位指數(shù)、用戶認可指數(shù)[7]、費用指數(shù)、停車場等級指數(shù)進行分析與處理，通過模型計算可為用戶提供最優(yōu)停車選擇方案。從而緩解城市停車分布不均的問題，進而提高整個城市的停車系統(tǒng)的效率[8-9]，甚至緩解因停車難造成的城市交通的壓力。

1 停車場選擇模型設(shè)計

1.1 本模型的幾個基本假設(shè)

1) 客戶與系統(tǒng)間的雙向通信以及停車場與系統(tǒng)間的雙向通信成立。即客戶和系統(tǒng)間可以通過某種通信方式有效、實時地進行信息交互，并且交互的延時對系統(tǒng)影響可以忽略。

2) 停車場提供及時、完整、可靠的實時泊位信息，歷史泊車信息以及停車價格信息。

3) 本系統(tǒng)需要得到及時、完整、可靠的城市道路拓撲信息，以及城市主要干道的交通實時狀態(tài)信息和歷史信息。

4) 客戶、系統(tǒng)與停車場間的泊位剩余的計算的規(guī)則和費用支付約定是可信的。

1.2 模型影響因素算法設(shè)計

本文提出的停車場選擇模型是基于多指數(shù)決策的，綜合選擇指數(shù)由多個影響因素指數(shù)決定，結(jié)合目前城市停車場實際使用狀況，本文設(shè)計了泊位指數(shù)、用戶認可指數(shù)、費用指數(shù)、停車場等級指數(shù)的實現(xiàn)算法。

泊位指數(shù)N：指對候選停車場泊車情況的評價指標，表示該停車場可提供泊位的情況。

Ni=β(T+hi)×pi

(1)

泊位預測通過泊位預測矩陣β(t)計算出當前具有幾個泊位的停車場在時間T+hi時刻的停車場剩余泊位數(shù)。其中i為停車場索引號，T表示提出誘導請求的時刻，hi為從提出誘導請求到達第i個停車場的時間，β(t)為泊位預測矩陣，pi為第i個停車場當前可用泊位數(shù)。

用戶認可指數(shù)ω：指用戶從停車場到達目的地的認可程度評價指標。

(2)

用戶心里認可指數(shù)：以目的地O為圓心，半徑200 m以內(nèi)的圓形區(qū)域內(nèi)所有停車場入圍候選停車場，計算αi=2/5×di；以目的地O為圓心，半徑為200～500 m的環(huán)形區(qū)域內(nèi)所有停車場入圍候選停車場，計算αi=3/5×di；其中，di表示第i個停車場與目的地之間的距離。

費用指數(shù)ψ：指用戶選擇停車場時所需費用指標，包括：路途消耗費用和停車費用。

ψi=fi+Fi

(3)

停車費用由距離D的行駛費用F和停車費用f決定，其中F=t*×e，t*=D/(V×θ)，f=t×m，其中t根據(jù)文獻[10]給出的數(shù)據(jù)決定。

其中，θ為道路狀況指數(shù)，根據(jù)不同時刻的道路狀況設(shè)定指數(shù)，表示實時道路狀況。θ由歷史道路信息和實時道路情況決定，同時，由于道路擁堵高峰期時，停車場也是停車高峰期，因此，本系統(tǒng)認為，θ同時決定道路狀況和停車場泊位預測情況，則V×θ為當前時刻行駛速度。t*為當前距離到停車場時間，e為單位時間行駛花費，Di為當前位置到停車場距離，t為停車時間，m為單位時間停車費用。

停車場等級指數(shù)δ：對候選停車場的評價情況，由該停車場的歷史停車用戶進行評價和城市停車場管理系統(tǒng)測評而得，本系統(tǒng)中該指數(shù)由停車場管理平臺提供，假設(shè)真實可靠。

(4)

綜合選擇指數(shù)ξ：對以上N、ω、ψ、δ四個指標進行綜合評價，反映候選停車場的綜合情況。

ξ=W·(Ni，ωi，ψi，δi)

(5)

其中各指標數(shù)均作規(guī)范化處理，均為無量綱值。W為個指標的權(quán)重，可以根據(jù)不同停車場經(jīng)驗決定。ξ越高則越滿足顧客需求，本算法根據(jù)ξ值得大小進行停車場推薦。

1.3 停車場選擇模型流程設(shè)計

本文設(shè)計的停車場選擇模型，根據(jù)停車用戶提出的停車請求進行計算，停車用戶提出停車請求，該模型根據(jù)當前時刻計算道路狀況指數(shù)，確定當前道路狀況和停車場泊位指數(shù)矩陣。根據(jù)當前位置和目的地，計算距離，確定入圍停車場，根據(jù)上文設(shè)計的算法計算指數(shù)N、ω、ψ、δ，從而確定ξ。最后在入圍停車場中進行決策，用戶即可進行停車場選擇。流程如圖1所示。

圖1 停車場選擇模型設(shè)計流程圖

在本文算法中，需作如下說明：

①β(t)為泊位預測矩陣可根據(jù)歷史數(shù)據(jù)由其他智能算法而得。

② 忽略小轎車由于車型不同和載重不同帶來的行車耗費差異，默認e均相同為一常量，由經(jīng)驗確定。

③ 本系統(tǒng)默認所有用戶從停車場到目的地均選擇步行，且速度v相同且固定，由經(jīng)驗值確定。

④ 對入圍停車場，若Ni

⑤ 停車時間t根據(jù)文獻[10]所述，停車時間受m和θ的影響，呈現(xiàn)一定的規(guī)律，總結(jié)規(guī)律如表1所示。

表1 停車時長參數(shù)學習結(jié)果( 停車時長的條件概率分布)

1.4 停車場選擇模型設(shè)計

本模型依據(jù)ξ值求解停車誘導系統(tǒng)推薦停車場最優(yōu)值。

即：

(6)

但是根據(jù)實際情況中，不同用戶對停車場需求的側(cè)重不同，因此，本系統(tǒng)模型可以給出除綜合所有因素的最優(yōu)解外，可提供不能側(cè)重方向的次優(yōu)解。

如下：

(7)

(8)

(9)

(10)

其中，式(7)為本系統(tǒng)模型計算得出的最優(yōu)解，式(8)、式(9)、式(10)分別為基于各不同指標的次優(yōu)解。符號“?”表示系統(tǒng)輸出，其后{}中內(nèi)容為系統(tǒng)輸出給用戶的解，即用戶所需的停車誘導信息。

由此可見，該模型可為用戶提供入圍停車場中的綜合最優(yōu)解，以及不同指數(shù)側(cè)重下的多個次優(yōu)解，該模型的實施能為用戶提供全面、準確、可選擇的誘導結(jié)果。

2 停車場選擇模型仿真實驗

仿真環(huán)境如圖2所示，出行用戶期望從A地到B地，B地附近停車場均在圖2中標出，假設(shè)每條路徑均可通行。根據(jù)用戶心理認可程度，半徑200 m圓形范圍內(nèi)有P1、P3、P4，半徑200～500 m環(huán)形范圍內(nèi)有P5、P6、P7，其他四個停車場則不在候選停車場范圍內(nèi)，不予考慮。

圖2 仿真道路及停車場拓撲圖

各停車場參數(shù)如表2所示，其中T=17:00，根據(jù)表1處于高峰時段，在此路況下，其中θ取0.6，且e取0.2元/min，V=30 km/h,V×θ=400 m/min，W={0.6,0.1,0.2,0.1}。

表2 仿真停車場參數(shù)

根據(jù)本文提出的模型對數(shù)據(jù)進行計算，將得出結(jié)果根據(jù)式(11)進行歸一化處理，將數(shù)據(jù)變?yōu)闊o量綱數(shù)據(jù)，仿真計算結(jié)果如表3所示。由于ωi、ψi與ξi成反比，Ni、δi與ξi成正比，因此，計算時將ωi、ψi取逆，可方便得出最優(yōu)解。

(11)

表3 停車場選擇模型仿真結(jié)果

使用本文設(shè)計的停車場選擇模型計算出的各候選停車場的指數(shù)如表3所示。從表3中可以看出停車場P3、P1綜合誘導指數(shù)最大，故停車場P3、P1分別為最優(yōu)解和次優(yōu)解，即選擇停車的目標停車場。根據(jù)本文給出的多種選擇規(guī)劃，可向提出申請的用戶輸出如下計算結(jié)果：候選停車場P3、P1為綜合推薦停車場；到達目的地時可用空余泊位數(shù)最多的為P3，數(shù)量為130個；距離目的地距離最近的是P4，距離為120 m；費用最低的是P4，費用為15.35元；停車場等級最高的為P4、P7。

對仿真實驗結(jié)果進行分析，本文設(shè)計的停車場選擇模型可以減少出行者根據(jù)某一項或兩項指標選擇停車場時的片面性和不準確性，并根據(jù)該模型推薦的停車場既可以幫助用戶選擇綜合最優(yōu)停車場，還可以根據(jù)不同用戶的不同側(cè)重要求，推薦局部最優(yōu)全局次優(yōu)的停車場，可以滿足用戶的停車場誘導需求。由此可見，本文設(shè)計的停車場選擇模型能夠解決用戶的智能泊車問題。

3 結(jié) 語

傳統(tǒng)的停車場選擇方法就是以停車用戶的主觀想法進行選擇，因此造成停車場選擇的片面性和盲目性，使得用戶無法選擇最優(yōu)停車場，造成用戶的時間金錢浪費，也使得停車場資源無法充分利用。本文根據(jù)定義的綜合選擇指數(shù)，建立的停車場選擇模型為為停車用戶提供最優(yōu)停車方案，同時，為了滿足不同用戶的不同需求，給出了多種局部最優(yōu)全局次優(yōu)的方案。

通過仿真實驗，驗證了基于多指數(shù)決策的停車場選擇模型的有效性。實驗結(jié)果表明，停車場選擇模型減少了停車用戶主觀選擇停車場的盲目性和片面性，為用戶選擇綜合選擇指數(shù)最高的停車場，降低了停車費用，緩解了停車緊張狀況和道路擁擠情況。

[1] 楊平,王平.各類參考文獻的著錄格式及示例[J/OL].計算機研究與發(fā)展,2011(1):88-89.http://www.cajcd.edc.cn/pub/wml.txt/980810-2.html.

[2] Wang Zehe,Yi Jinggang,Liu Jiangtao,et al.Study on the Control Strategy of Parking Guidance System[C]//International Conference on Service Systems and Service Management,2007,Volume1:1-4.

[3] Hyuk Park,Chung Il Sun,Tae Ho Cho.A secure path determination method for statistical en-route filtering based wireless sensor network[C]//3rd International Conference on Advanced Computer Theory and Engineering (ICACTE),2010,Volume2:603-607.

[4] Chung C K,Hsieh Y K,Wang Y H,et al.Aware and smart member card:RFID and license plate recognition systems integrated applications at parking guidance in shopping mall[C]//Eighth International Conference on Advanced Computational Intelligence (ICACI),2016:253-256.

[5] Peter Bonsall,Ian Palmer.Modeling drivers’ car parking behaviors using data from a travel choice simulator[J].Transportation ResearchPartC,2004(12):321-347.

[6] 梅振宇,項貽強,陳峻,等.基于最優(yōu)組合的停車誘導信息配置模型與算法[J].浙江大學學報(工學版),2008:139-144.

[7] 陳峻,周智勇,王煒.城市機動車停放選擇模型[J].交通運輸工程學報(工學版),2006,6(2):75-79.

[8] Ian C Hiliton.The removal of parkiing search traffic from the town centre[J].Transportation Research Part B,1989:427-431.

[9] 李偉,門佳,王偉.帶約束條件的停車場啟發(fā)式停車誘導算法[J].計算機測量與控制,2015:2064-2066.

[10] Fei-Yue Wang,Liu-Qing Yang,Jian Yang,et al.Urban intelligent parking system based on the parallel theory[C]//International Conference on Computing Networking and Communications (ICNC),2016:1-5.

[11] 宗芳,張慧永,賈洪飛.基于貝葉斯網(wǎng)絡的停車收費政策評價[J].華南理工大學學報(自然科學版),2010,38(7):78-83.

RESEARCH ON SELECTION MODEL OF PARKING LOTS BASED ON MULTI-INDEX DECISION-MAKING

Cheng Xiaorong Li Zijun*

(CollegeofControlandComputerScience,NorthChinaElectricPowerUniversity,Baoding071000,Hebei,China)

In order to solve the problem of parking randomly, or choose parking according to a single factor, a selection model of parking lots based on multi-index decision-making is proposed. In this model, the berth index, user acceptance index, cost index, and parking lot index are chosen to calculate the comprehensive selection index, which was the unique index to choose a parking lot. According to the simulation results, the model can overcome the aimlessness and one-sidedness of previous parking guidance system to determine the target parking lot according to a single factor, and provide the optimal parking lot choice. It can also recommend the local optimal global suboptimal selection according to different requirements which provides users with all-round recommended services. Therefore, the model has more adaptability and generalizability.

Berth index User acceptance index Cost index Parking lot index Comprehensive selection index

2016-05-22。程曉榮，教授，主研領(lǐng)域：計算機應用技術(shù)，網(wǎng)絡信息安全。李紫君，碩士生。

TP3

A

10.3969/j.issn.1000-386x.2017.06.004