CN103985268B - 一种基于最优泊位模型的智能停车场车位诱导机制算法 - Google Patents
一种基于最优泊位模型的智能停车场车位诱导机制算法 Download PDFInfo
- Publication number
- CN103985268B CN103985268B CN201410078799.6A CN201410078799A CN103985268B CN 103985268 B CN103985268 B CN 103985268B CN 201410078799 A CN201410078799 A CN 201410078799A CN 103985268 B CN103985268 B CN 103985268B
- Authority
- CN
- China
- Prior art keywords
- optimum
- berth
- parking stall
- parking
- model
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Fee Related
Links
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明专利公开了一种基于最优泊位模型的智能停车场车位诱导机制算法。内容主要包括:停车场最优泊位模型的确定,路网带权图的绘制和车位诱导机制算法的设计及程序编写3个部分。先根据车辆进入停车位的行驶距离、走出停车场的步行距离和人身安全性因素等,通过最短路径法建立数学模型并由此确定最优泊位模型;再根据最优泊位模型,将停车场路网抽象为图论中的带权图进行求解,从而将最优泊位问题转换为带权图上的最短距离计算问题;最后,采用性能较优的改进floyd算法完成最优泊位的选择和引导程序,并通过Matlab仿真验证成功。
Description
技术领域
本发明专利的技术领域包括:停车场最优泊位模型的确定,路网带权图的绘制和车位诱导算法的设计及程序编写3个部分等。
背景技术
随着各种社会车辆日益增多,停车难的问题也日渐突出,不但影响停车场的管理、车主的情绪,甚至也严重影响到了交通,已成了当前急需解决的问题。
目前的停车场大部分只是关注出入口的情况,场内无科学的诱导机制,只能靠车主盲目寻找停车位,不但占用时间,还会造成部分区域车位“门前冷落”,而部分区域车辆却拥挤无法停靠。基于最优泊位模型的智能停车场车位诱导机制算法,能够很好解决停车场泊车难的问题。即使驾驶员对停车场内部结构不熟悉,通过该系统的有效引导,也能快速找到理想的停车位。
智能停车场车位诱导问题是一个动态规划的问题,当前最佳车位的确定与此时整个停车场内部车位占有情况密切相关,即受车位信息采集系统的影响,同时车位诱导的结果又会间接的影响到车位信息采集结果,进一步影响到信息发布系统,信息发布的结果又会影响到下一辆车的诱导情况。因此,诱导机制的设计是一个较为复杂的问题。一般驾驶员对停车场内部结构不熟悉,不完善的诱导系统,难以使驾驶员快速找到理想的停车位。
发明内容
一种基于最优泊位模型的智能停车场车位诱导机制算法,具体发明内容有以下3个方面:
1.停车场最优泊位模型的确定
2.停车场路网带权图的绘制
3.车位诱导算法的设计及程序编写
附图说明
图1停车场结构示意图
图2停车场模型带权图
具体实施方式
1.最优泊位模型
根据车辆进入停车位的行驶距离、走出停车场的步行距离和人身安全性三方面确定最优泊车位。因为这三个距离都可以定量的表示,因此可以用三个距离之和为最短的最短路径法建立数学模型并由此确定最优泊位模型。
假设某个停车场分为A区域、B区域和C区域,有一个入口I和一个出口O,十字交叉路口分别为a1、a2、a3;b1、b2、b3;c1、c2、c3,且每个十字交叉路口处均装有摄像头,假设停车场停车位长度宽3米,长6米,行车车道长度宽6米(处处等宽)。停车场结构如图1所示。
影响用户选择泊位的最主要因素有:行驶距离、步行距离和安全性,而这三个距离都可以定量的表示,因此最佳泊位可以描述为三个距离之和为最短,数学描述如下。
停车场入口为I,出口为O,车位为pi(i=1,2,...,n),入场时入口I到车位pi的最短路径距离为path(I,pi),出场时车位pi到出口O的最短路径距离为path(pi,O),车位pi距离附近最近一个监控器的距离为δi(i=1,2,...,n)。
设di用于描述pi车位优越性模型,则:
di=path(I,pi)+path(pi,O)+δi(i=1,2,...,n) (1)
即pi车位对应入场最短距离、出场最短距离、和到最近一个监控器距离三者之和。
则最优泊位模型描述为:
min(d1,d2,...,dn) (2)
(1)式中,di越小,则车位越优越,在系统自动分配的过程中就越先被分配,最优泊位模型用于综合性评价车位的好坏,使行驶距离、步行距离、安全性三者得到很好的协调。
2.路网带权图
根据最优泊位模型,可以将停车场路网抽象为图论中的带权图求解,从而最优泊位问题就可以转换为带权图上的最短距离计算问题。
利用(1)式计算最佳车位时,可以将停车场路网抽象为图论中的带权图求解。
停车场车位网络可以用一个带权图G=(V,E,D)来表示。
其中:
V={v1,v2...,vn}是节点集;
E={(vi,vj)|vi,vj∈V}是边集;
D={dij}是权集,其中dij是边(vi,vj)的长度。
因为车位众多,下面以C区的第16号车位C16为例,利用Matlab软件绘制以停车场入口I、出口O、十字交叉路口a1、a2、a3;b1、b2、b3;c1、c2、c3为节点的停车场带权图。
邻接矩阵
邻接矩阵行、列上节点顺序依次为I、a1、a2、a3、b1、b2、b3、c1、c2、c3、O,利用Matlab软件根据带权图的邻接矩阵和坐标位置编写M文件绘制停车场带权图,M文件如下:
function luwang()
x=[0 27 27 27 57 57 57 87 87 87 114 81 81];%节点X坐标值
y=[9 9 27 45 9 27 45 9 27 45 27 15 9];%节点Y坐标值
b=[2 18 30 18 30 18 30 18 30 30 18 18 30];%权值
Matlab M文件运行得到的停车场模型的带权图如图2所示。
为简化模型,用方框表示选择的车位节点C16,圆圈表示停车场入口节点I、出口节点O以及十字交叉路口节点a1、a2、a3;b1、b2、b3;c1、c2、c3,每个十字交叉路口处都安装有监视器。本发明中约定车位到监视器的最短距离用该车位到最近一个十字交叉路口的距离表示,这样最佳车位的计算就可以转换到带权图上的最短距离计算问题。
3.车位诱导算法的设计及程序编写
在进行最优泊位选择时采用性能较优的改进floyd算法,最后通过Matlab仿真进行验证。
这里仍以C16车位为例,用Matlab编程演示计算过程。
%下面为floyd算法求两点间最短路径和距离的Matlab子函数
d=D(sp,ep);
path=p
c=round(rand(10));
c(logical(eye(10)))=0;
%下面为主函数部分,main函数实现车位模型参数的计算,其σi用d表示;
function main()
a=[0 9 inf inf inf inf inf inf inf inf inf;
9 0 18 inf 30 inf inf inf inf inf inf;
inf 18 0 18 inf 30 inf inf inf inf inf;
inf inf 18 inf 0 inf 30 inf inf inf inf;
inf 30 inf inf inf 18 0 30 inf inf inf;
inf inf 30 inf 18 inf 18 0 30 inf inf;
inf inf inf 30 inf 18 inf 0 inf 30 inf;
inf inf inf inf 30 inf inf 0 18 inf inf;
inf inf inf inf inf 30 inf 18 0 18 30;
inf inf inf inf inf inf 30 inf 18 0 inf;
inf inf inf inf inf inf inf inf 30 inf 0;];%带权邻接矩阵
d=7.5;%车位C16到监控器之间的距离
sp=1;
ep=10;
[d1,path1]=floyd(sp,ep,a)
sp=10;
ep=11;
[d2,path2]=floyd(sp,ep,a)
D=d1+d2+d;%车位距离模型
利用改进后的floyd算法得到的部分车位值如表1所示。
表1部分结果
对仿真结果分析如下:
(1)对于同一区位的部分车位,例如C16车位与C14车位,其行驶路径和出场路径基本相同,都是通过入口I,进过十字路口a1、b1到达指定车位,再通过指定车位到达十字路口c1、c2后从出口走出停车场,但从运行结果可以看出车位C16优先级高于C14车位。这是因为虽然车位两个车位步行距离加行驶距离均为147,但其差别在于安全性方面。C14距离最近一个摄像头的距离为12.0934m,而C16距离最近一个摄像头的距离只有7.5m,很明显车位C16车位比较好,因此系统选择的结果符合实际。
(2)对于不同区域的车位,如A48与C16,两车位安全性能相同,但是车位A48步行距离与行驶距离之和大于C16,因此其优先级低于C16,而从图上也可以看出,C16车位距离出口较近,系统选择的结果符合实际。
(3)对于不同区域的某些车位,如A48与D41,两者的安全性相同,按常理,用户选择D41的可能性远远大于A48,因为两者安全性相同,但是D41距离出口比较近,用户下车后即可很快走出停车场。因此对于最优模型计算出来的优先级相同的车位,系统约定,距离出口越近的越优先,若两车位到出口的距离相同,那么安全性越高的越优先,若三者均相同,则系统会随机分配。
由此,可总结该系统最优泊位的4条选取原则。
(1)所有车位首先按最优模型分配;
(2)对于最优车位模型计算结果相同的车位,出场距离越短,即path(pi,O)的值越小则越优先;
(3)对于最优泊位模型计算结果和出场距离均相同的车位,安全性能越高即δi的值越小则越优先;
(4)对于最优泊位模型计算结果、出场距离、安全性能均相同的车位,系统随机分配。
Claims (1)
1.一种基于最优泊位模型的智能停车场车位诱导机制算法,其技术特征在于,包括停车场最优泊位模型的确定,路网带权图的绘制和车位诱导机制算法的设计及程序编写3个部分;在智能停车场中,车位信息采集模块、信息发布模块、诱导显示模块这三个模块均受中央控制器控制,中央控制器通过诱导机制算法计算出当前最佳停车位,在有用户需要停车时,将其分配给当前用户,同时启动停车场内部的诱导显示模块,将用户诱导至最佳停车位上;其中,
(1)最优泊位模型的确定 根据入口到车位的距离、车位到出口的距离和车位到附近最近一个监控器的距离确定最优泊位,用这三个距离之和为最短的最短路径法建立数学模型,并由此确定最优泊位模型;
(2)路网带权图的绘制 根据最优泊位模型,将停车场路网抽象为图论中的带权图求解,从而最优泊位问题就转换为带权图上的最短距离计算问题;
(3)车位诱导机制算法的设计及程序编写 在进行最优泊位选择时采用性能较优的改进floyd算法,最后通过Matlab仿真验证分析,总结了最优泊位的4条选取原则:
1)所有车位首先按最优模型分配;
其中,pi表示车位,di用于描述车位pi优越性模型,I为停车场入口,O为停车场出口,path(I,pi)表示入口I到车位pi的最短路径距离,path(pi,O)表示车位pi到出口O的最短路径距离,δi表示车位pi到附近最近一个监控器的距离;
2)对于最优泊位模型计算结果相同的车位,车位pi到出口O的距离越短,即path(pi,O)的值越小则越优先;
3)对于最优泊位模型计算结果和出场距离均相同的车位,安全性能越高,即δi的值越小则越优先;
4)对于最优泊位模型计算结果、车位pi到出口O的距离、安全性能均相同的车位,系统随机分配。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410078799.6A CN103985268B (zh) | 2014-03-04 | 2014-03-04 | 一种基于最优泊位模型的智能停车场车位诱导机制算法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410078799.6A CN103985268B (zh) | 2014-03-04 | 2014-03-04 | 一种基于最优泊位模型的智能停车场车位诱导机制算法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103985268A CN103985268A (zh) | 2014-08-13 |
CN103985268B true CN103985268B (zh) | 2017-04-05 |
Family
ID=51277220
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410078799.6A Expired - Fee Related CN103985268B (zh) | 2014-03-04 | 2014-03-04 | 一种基于最优泊位模型的智能停车场车位诱导机制算法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103985268B (zh) |
Families Citing this family (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105206100A (zh) * | 2015-09-24 | 2015-12-30 | 上海车音网络科技有限公司 | 辅助停车方法、装置及系统 |
CN105551301A (zh) * | 2016-03-08 | 2016-05-04 | 京东方科技集团股份有限公司 | 停车场辅助停车方法及装置、导航方法及终端、导航系统 |
CN105761545A (zh) * | 2016-05-11 | 2016-07-13 | 泽信息科技(上海)有限公司 | 多目标停车泊位预定优选方法 |
CN106200577B (zh) * | 2016-07-08 | 2018-10-30 | 青岛华通能源投资有限责任公司 | 一种立体车库调度控制方法 |
CN106781643A (zh) * | 2016-11-10 | 2017-05-31 | 上海斐讯数据通信技术有限公司 | 一种停车位引导方法及系统 |
CN106781652B (zh) * | 2016-12-06 | 2019-09-17 | 深圳先进技术研究院 | 一种停车群体诱导方法及装置 |
CN109661693B (zh) * | 2016-12-30 | 2021-06-15 | 同济大学 | 一种优先短停的优质泊位动态定价方法 |
CN107507448B (zh) * | 2017-07-27 | 2020-02-11 | 武汉科技大学 | 基于Dijkstra优化算法的云停车场泊位寻优方法 |
CN109658725B (zh) * | 2017-10-10 | 2021-07-09 | 杭州海康威视系统技术有限公司 | 停车场寻车方法、装置及系统、计算机设备、存储介质 |
CN110555156B (zh) * | 2018-03-26 | 2022-04-15 | 中移(苏州)软件技术有限公司 | 一种最优泊位推荐的方法及装置 |
CN110065490A (zh) * | 2019-04-30 | 2019-07-30 | 驭势(上海)汽车科技有限公司 | 自动泊车方法、系统、无人驾驶车辆以及存储介质 |
CN111636735B (zh) * | 2020-05-27 | 2022-03-08 | 无锡科技职业学院 | 一种智能立体车库管理系统 |
CN112037504B (zh) * | 2020-09-09 | 2021-06-25 | 深圳市润腾智慧科技有限公司 | 一种车辆停车调度管理方法及其相关组件 |
CN112669615B (zh) * | 2020-12-09 | 2023-04-25 | 上汽大众汽车有限公司 | 一种基于摄像头的停车位检测方法和系统 |
CN112885141B (zh) * | 2021-02-04 | 2022-02-18 | 昆明理工大学 | 一种适用于停车场电动汽车的引导接入及充电优化方法 |
CN115862371A (zh) * | 2022-11-30 | 2023-03-28 | 航天科技控股集团股份有限公司 | 基于floyd的室内停车场寻路系统、方法及设备 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP5051010B2 (ja) * | 2008-06-11 | 2012-10-17 | アイシン・エィ・ダブリュ株式会社 | 駐車場案内装置、駐車場案内方法及びプログラム |
CN102129784A (zh) * | 2011-02-25 | 2011-07-20 | 深圳市方格尔科技有限公司 | 停车场车位信息管理方法和系统 |
CN103186987A (zh) * | 2011-12-29 | 2013-07-03 | 国民技术股份有限公司 | 一种基于物联网技术的自动引导停车系统及方法 |
CN103366603B (zh) * | 2013-06-20 | 2017-02-08 | 上海市城市建设设计研究总院 | 地面停车场停车泊位引导系统 |
CN103400508B (zh) * | 2013-07-26 | 2016-07-13 | 小米科技有限责任公司 | 一种输出车位引导信息的方法和装置 |
-
2014
- 2014-03-04 CN CN201410078799.6A patent/CN103985268B/zh not_active Expired - Fee Related
Also Published As
Publication number | Publication date |
---|---|
CN103985268A (zh) | 2014-08-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103985268B (zh) | 一种基于最优泊位模型的智能停车场车位诱导机制算法 | |
CN106846818B (zh) | 基于Simulink仿真的路网动态交通流预测方法 | |
CN106114507B (zh) | 用于智能车辆的局部轨迹规划方法和装置 | |
Zlatkovic et al. | Development and evaluation of algorithm for resolution of conflicting transit signal priority requests | |
CN110032782A (zh) | 一种城市级智能交通信号控制系统及方法 | |
CN104282162A (zh) | 一种基于实时车辆轨迹的交叉口自适应信号控制方法 | |
CN109902899A (zh) | 信息生成方法和装置 | |
CN105405301B (zh) | 一种针对交叉口直右汇流冲突的右转信号感应控制方法 | |
Xue et al. | An improved Burgers cellular automaton model for bicycle flow | |
Van Willigen et al. | A multi-objective approach to evolving platooning strategies in intelligent transportation systems | |
Ren et al. | Heterogeneous cellular automata model for straight-through bicycle traffic at signalized intersection | |
CN110444018B (zh) | 仿真城市系统的控制方法和装置、存储介质及电子装置 | |
CN114446065B (zh) | 一种车辆行驶轨迹优化方法、装置、设备及可读存储介质 | |
CN113312760B (zh) | 一种基于交通仿真的网联机动车右转轨迹规划方法和装置 | |
CN115862322A (zh) | 一种车辆可变限速控制优化方法、系统、介质及设备 | |
Lovellette et al. | Automated argumentation for collaboration among cyber-physical system actors at the edge of the Internet of Things | |
Barmpounakis et al. | Modeling cooperation and powered-two wheelers short-term strategic decisions during overtaking in urban arterials | |
Bakibillah et al. | Sustainable eco-driving strategy at signalized intersections from driving data | |
CN114162144A (zh) | 自动驾驶决策方法、装置以及电子设备 | |
Heeroo et al. | A Ludo Cellular Automata model for microscopic traffic flow | |
Radhakrishnan et al. | Hybrid stochastic cellular automata-driver-vehicle-object simulation model for heterogeneous traffic at urban signalized intersections | |
Wang et al. | An advanced control strategy for connected autonomous vehicles based on Micro simulation models at multiple intersections | |
Li et al. | Biobjective Optimization and Evaluation for Transit Signal Priority Strategies at Bus Stop‐to‐Stop Segment | |
Yáñez et al. | Pedestrians also have something to say: Integration of connected VRU in bidirectional simulations | |
Beza et al. | How PTV Vissim Has Been Calibrated for the Simulation of Automated Vehicles in Literature? |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20170405 |
|
CF01 | Termination of patent right due to non-payment of annual fee |