CN107680401A

CN107680401A - 一种基于区间二型模糊集合的停车位满意度的评价方法

Info

Publication number: CN107680401A
Application number: CN201710966248.7A
Authority: CN
Inventors: 莫红; 晏科夫; 周鑫; 张峰; 朱凤华
Original assignee: Changsha University of Science and Technology
Current assignee: Changsha University of Science and Technology
Priority date: 2017-10-17
Filing date: 2017-10-17
Publication date: 2018-02-09
Anticipated expiration: 2037-10-17
Also published as: CN107680401B

Abstract

本发明涉及一种基于区间二型模糊集合的停车位满意度的评价方法。针对大中小型城市中有停车诱导系统的地下停车场，能够提高驾驶员的停车效率，缓解交通堵塞，是解决城市“停车难”问题的有效途径和方法。该方法包括以下步骤：步骤1：根据个人需求选取影响停车位选择的主要因素并分析；步骤2：根据所选因素，运用区间二型模糊集合综合评判对停车场内部剩余泊位进行满意度评判；步骤3：综合评判并得到评判结果。本发明的特点如下：本发明能够使得车位引导系统达到符合停车者喜好的最优泊位选择的目的，从而让停车者满意诱导、信赖诱导。

Description

一种基于区间二型模糊集合的停车位满意度的评价方法

技术领域

本发明涉及大型或者地下多层停车场的停车领域，特别是一种大型或者地下多层停车场内精确诱导停车的方法的设计及实现。

背景技术

随着世界现代化、城市化的加快，机动车保有量和交通量的持续增加，城市机动化水平的不断提高引发了大量的停车需求，汽车在给人带来便利的同时，在现有停车设施还不完善的情况下，由于停车管理不善，停车难，找车难等问题也给人们的工作生活带来了诸多不便。“停车难”已成为城市交通管理中非常棘手的问题之一，正日益成为制约城市经济健康发展的“瓶颈”。停车诱导系统(Parking Guidance andInformation System，PGIS)是智能停车的最重要组成部分，能够提高驾驶员的停车效率，缓解交通堵塞，是解决城市“停车难”问题的有效途径和方法。

近年来，随着科技的发展，停车诱导系统技术已愈发成熟，越来越多的停车场经营管理者以及小区开始在停车场内引入车位诱导系统，现有的诱导系统主要注重于停车外部的区域诱导，对于停车场内部即使存在诱导机制，其诱导机制也比较单一，但在具体实施过程中,存在停车者不满意系统指定的泊位，需要重新搜寻空余泊位的情况，尤其是对地下停车场这种封闭空间内，容易产生晕头转向的现象。究其原因，车位引导系统仅仅是随机地为停车者分配空余泊位,并不是站在停车者的角度考虑,为其选择最优泊位，这会大大增加驾驶员对交通诱导系统的的不信任度，从而对诱导技术的应用与推广产生较大的负面影响。因此，车位引导系统还需要解决符合停车者个性需求的最优泊位选择的问题，让停车者满意诱导、信赖诱导，以防止停车场内部出现反复寻泊现象。

停车诱导系统已成为了国内外广大学者的研究热点。停车诱导系统主要分停车场外部诱导和停车场内部诱导两大部分。在国外，欧洲、美国、日本是国外城市PGIS发展的三驾马车。1971年，德国的亚琛市建立了被公认的世界上最早的PGIS。在亚琛市主要的交叉路口对市内的12处停车场设置了光电显示的停车诱导标志，相对于国外，中国的第一个停车诱导系统，王府井地区的智能停车诱导系统于2001年12月开通运行。这些都是典型的场外诱导系统。停车场的选择和路径诱导是城市PGIS中的关键核心技术，然而目前国内外关于考虑驾驶员个性需求的停车场选择的停车诱导系统的理论研究仍相对较少。国外对泊车微观行为的研究较多，其中最为突出的是Young等提出的能够模拟车辆在停车场内泊位搜寻过程的PARKSIM系统；LeePhak Preeda针对室外大型停车场，提出了基于模糊决策的泊位诱导决策。日本学者室町泰德等人，通过对停车等待时间以及停车场选择的问卷调查，得到数据，然后分析其中的变量，建立了一个包含6个变量的停车场选择模型，并运用停车动态特征来评价停车诱导信息系统的应用效果。而在国内，近来也对微观泊车做了大量研究，东南大学季彦婕、王炜等人对停车场内部泊车行为进行特性分析，确定了停车场内泊位选择过程中的主要因素，建立了最优泊位选择模型；此外还提出五目标的两阶段停车选择模型(两阶段选择的影响因素不同)，并利用加权求和法求解近似求解；东南大学陈峻等人提出了一种三目标(驾驶员最方便、可达性最优、停车成本最低)的停车场选择模型，并且使用启发式遗传算法(genetic algorithm，GA)求解近似最优解，最后得到了多个满足约束条件的合理停车方案；许增昭、许伦辉等用Dijkstra算法对车位诱导问题进行了相关分析与求解；肖婧等提出了一种综合用户出行前静态的和行进中动态的高维多目标的停车场选择及路径诱导模型，并用高维多目标优化算法KS-MODE进行了高效求解；哈尔滨工业大学赵戊辰从安全性，遮荫时长，停车位入库难度等角度考虑，确定评价矩阵，运用灰熵关联度多属性决策方法对得到的属性矩阵进行决策，实现对停车场内路径寻优；冯璐璐通过分析4个因素(行驶时间，步行时间，行驶距离，步行距离，入库难度)提出灰关联逼近理想解的多属性决策模型，实现对最优泊位的选择。

发明内容

针对以上问题，本发明解决的技术问题在于根据停车场的现状，提出一种基于区间二型模糊集合的停车位满意度的评价方法，全面引导车辆从停车场外快速便捷进入停车场内并找到满意停车位，达到车位引导系统符合驾驶员喜好的最优泊位选择的目的，从而实现让停车者满意诱导、信赖诱导。

本发明解决上述技术问题的技术方案如下：

步骤1：根据个人需求选取影响停车位选择的主要因素并进行分析；

进一步，在选择影响停车位选择的因素中，应首先明确停车者在进行泊位选择时的主要考虑因素。从停车者角度考虑，本方法确定了以下四个影响泊位选择的因素：行驶距离，步行距离，安全性，停车入位难度。

进一步，行驶距离是驾驶员从停车场入口到各个泊位的行驶距离。行驶距离与目标车位位置以及驾驶员车内巡泊时所走过的路径相关。通常来说，驾驶员希望行驶的距离越短越好；

步行距离是指停车者泊车后，从停车位到离开停车场的距离。通常情况下，人们都会选择步行距离较短的车位；

安全性是在车辆停放后的一个很模糊的问题。停车安全性一般与泊位空间大小及泊位处是否有柱子、停车场监控设备等有关；

停车入位难度的影响因素主要有两种，一方面是驾驶员的驾车熟练度以及驾驶员的性别，对于刚获得驾照的驾驶员和已经有很长驾龄的驾驶员，都会影响他们的停车水平。另一方面又分为两种，一种和车位自身形状有关，停车位大概分为三种：一字型停车位、非字型停车位还有斜线型停车位，另一种是与车位自身所处位置有关。

步骤2：根据所选因素，运用区间二型模糊集合综合评判对停车场内部剩余泊位进行满意度评判，其中包括以下步骤：

步骤2.1：确定影响停车者评价对象的因素集T；

进一步，影响停车者评价对象的因素集包括{行驶距离、步行距离、安全性、停车入位难度}，表示为T＝{t₁,t₂,t₃,t₄}。

步骤2.2：确定评价对象即停车位的评语集S_j；

进一步，将停车位满意度分为不满意，比较满意和满意，表示为S_j(j＝1,2,3)。步骤2.3：确定评价因素的权重集Q；

进一步，因素集中各因素的权重表示为且0≤a_i≤1，其中a_i表示t_i的权重。

步骤2.4：确立模糊综合评判矩阵R；

进一步，模糊综合评判矩阵R为T到S_j的一种模糊关系。这其中R_i＝[r_i1 r_i2 r_i3]表示对t_i的单因素评价,综合所有因素即可获得模糊综合评判矩阵R。根据各指标的分类统计与模糊隶属函数进行匹配，可得到对象U_p在投票比例以及平均得分两方面的满意度的模糊综合矩阵表示为

其中r_ij(j＝1,2,3)为指标t_i分别为″不满意″、″比较满意″和″满意″3个程度所对应的距离、平均得分与基词匹配度。

步骤2.5：得到二型模糊综合评判矩阵C；

进一步：各指标模糊综合评判矩阵及对应的权向量利用加权平均模糊合成算子得到二型模糊综合评判：

其中，表示广义的模糊合成算法，在这里为加权平均合成算子M(·,∨),即：

步骤2.6相应的模糊规则为：

如果在中c_p1为最大值，那么U_p为S₁；

如果在中c_p2为最大值，那么U_p为S₂；

如果在中c_p3为最大值，那么U_p为S₃。

进一步：如果U_p为S₁或者S₂则重新选择停车位，如果U_p为S₃则选择该停车位。

本发明提出了一种基于区间二型模糊集合的停车位满意度的评价方法，其优点在于：

本发明适用于大型或地下多层停车场精确诱导停车系统，是一种基于区间二型模糊集合的停车位满意度的评价方法。本方法提供的决策方案，能够解决现有停车场内车位诱导系统,在具体实施过程中,存在指定的停车位不符合停车者的个性喜好,需要重新搜寻空余泊位的问题。使用本方法的车位引导系统不仅仅是随机地为停车者分配空余泊位，而是站在停车者的角度考虑，为其选择最优泊位。因此，使用本方法的车位引导系统较好地解决了符合驾驶员喜好的最优泊位选择的问题，让停车者满意诱导、信赖诱导。

附图说明

图1为本发明实施例的停车场剩余泊位示意图；

图2为针对指标“步行距离”(单位为米)，在区间[0,80]上设定的区间二型模糊集合的COS示意图；

图3为针对指标“行驶距离”(单位为米)，在区间[0,160]上设定的区间二型模糊集合的COS示意图；

图4为针对指标“安全性”，“停车入库难度”，在评分区间[0,100]上设定的区间二型模糊集合的COS示意图；

图5为对于停车位满意度的模糊综合评判流程图。

具体实施方式

结合附图及本发明的实施例对本发明的一种基于区间二型模糊集合的停车位满意度的评价方法作进一步详细的说明。

本发明所述的一种基于区间二型模糊集合的停车位满意度的评价方法包括对影响停车者选择停车位因素的调查，对于提取出的影响停车者选择停车位的模糊因素建立相应隶属度函数或进行评分以及运用模糊综合评判法对具体停车位进行综合评判。下面结合本发明的实施例分别对本发明所述内容做简要说明：

(1)在选择最优泊位之前，应首先明确停车者在进行泊位选择时的主要考虑因素。表1是200名志愿者对影响停车位选择因素的调查结果。综合已有研究成果，从停车者角度考虑，本发明确定了“行驶距离、步行距离、安全性、停车入库难度”等四个影响泊位选择的主要因素。

表1 影响停车位选择的因素

(2)对于提取出的影响停车者选择停车位的模糊因素建立相应隶属度函数或进行评分。

针对指标“步行距离”(单位为米)，在区间[0,80]上设定几个基词，分别为远γ₁，比较远γ₂，近γ₃，其对应的隶属度函数：

针对指标“行驶距离”(单位为米)，在区间[0,160]上设定几个基词，分别为远v₁，比较远v₂，近v₃，其对应的隶属度函数：

将车位所具有的距离属性与其相应的基词进行匹配，得到相应的匹配度。

针对指标“安全性”，“停车入库难度”，假设志愿者人数为m，让其对这2个指标进行打分，在评分区间[0,100]上设定几个基词，分别为低ω₁，比较高ω₂，很高ω₃，其对应的隶属度函数：

针对志愿者对停车位的评分划分3个区域，对模糊集合清晰化处理，于是“低”、“比较高”、“高”3个程度分别对应的区域为[0,70]，[50,90]，[70,100]。对评分进行归类处理，得其相对应的投票率和平均得分。将对应区域范围的平均得分与其相应的基词进行匹配，得到相应的匹配度，即当平均得分所在区域为[0,70],[50,90]和[70,100]时，分别计算该得分与基词ω₁，ω₂，ω₃的匹配度。

(3)运用模糊综合评判法对具体停车位进行综合评判。由匹配度法则可以得到评估对象U_i在模糊集合i_k，v_k，ω_k上的隶属区间分别为

由此，可以得到停车者对于各个停车位满意度的评价结果，用半离散区间二型模糊集合表示

由激活的模糊规则得到该停车场各个停车位的停车者满意度排序，并采用半离散区间二型模糊集合进行表述。

Claims

1.一种基于区间二型模糊集合的停车位满意度的评价方法，其特征在于，包括以下步骤：

步骤2：根据所选因素，运用区间二型模糊集合综合评判法对停车场内部剩余泊位进行满意度评判；

步骤3：综合评判并得到评判结果。

2.根据权利要求1所述的一种基于区间二型模糊集合的停车位满意度的评价方法，其特征在于，步骤1中：

在选择最优泊位之前，应首先明确停车者在进行泊位选择时的主要考虑因素，从停车者角度考虑，本方法确定了以下四个影响泊位选择的因素：行驶距离，步行距离，安全性，停车入位难度。

3.根据权利要求2所述的四个影响因素，其特征在于：

行驶距离是驾驶员从停车场入口到各个泊位的行驶距离，行驶距离与目标车位位置以及驾驶员车内巡泊时所走过的路径相关，通常来说，驾驶员希望行驶的距离越短越好；

步行距离是指停车者泊车后，从停车位到离开停车场的距离，通常情况下，人们都会选择步行距离较短的车位；

安全性是在车辆停放后的一个很模糊的问题，停车安全性一般与泊位空间大小及泊位处是否有柱子、停车场监控设备等有关；

停车入位难度的影响因素主要有两种，一方面是驾驶员的驾车熟练度以及驾驶员的性别，对于刚获得驾照的驾驶员和已经有很长驾龄的驾驶员，都会影响他们的停车水平；另一方面又分为两种，一种和车位自身形状有关，停车位大概分为三种：一字型停车位、非字型停车位还有斜线型停车位，另一种是与车位自身所处位置有关。

4.根据权利要求1所述的一种基于区间二型模糊集合的停车位满意度的评价方法，其特征在于，步骤2中：

根据所选因素，运用区间二型模糊集合综合评判对停车场内部剩余泊位进行满意度评判包括以下步骤：

步骤2.1：确定影响停车者评价对象的因素集T；

步骤2.2：确定评价对象即停车位的评语集S_j；

步骤2.3：确定评价因素的权重集Q；

步骤2.4：确立模糊综合评判矩阵R；

步骤2.5：得到二型模糊综合评判矩阵C；

步骤2.6：根据实际情况，制定相应模糊规则并进行综合评判。

5.根据权利要求4所述的停车场内部剩余泊位满意度的区间二型模糊集合综合评判法，其特征在于，步骤2.1中影响停车者评价对象的因素集包括{行驶距离、步行距离、安全性、停车入位难度}，表示为T＝{t₁,t₂,t₃,t₄}。

6.根据权利要求4所述的停车场内部剩余泊位满意度的区间二型模糊集合综合评判法，其特征在于，步骤2.2中，将停车位满意度分为不满意，比较满意和满意，表示为S_j(j＝1,2,3)。

7.根据权利要求4所述的停车场内部剩余泊位满意度的区间二型模糊集合综合评判法，其特征在于，步骤2.3中，因素集中各因素的权重表示为Q＝{a₁,a₂,a₃,a₄}，且0≤a_i≤1，其中a_i表示t_i的权重。

8.根据权利要求4所述的停车场内部剩余泊位满意度的区间二型模糊集合综合评判法，其特征在于，步骤2.4中模糊综合评判矩阵R为T到S_j的一种模糊关系；R_i＝[r_i1 r_i2 r_i3]表示对t_i的单因素评价,综合所有因素即可获得模糊综合评判矩阵R。根据各指标的评分的分类统计及模糊隶属匹配，可得到对象U_p在距离以及平均得分两方面的满意度的模糊综合矩阵表示为

其中r_ij(j＝1,2,3)为指标t_i分别为“不满意”、“比较满意”和“满意”3个程度所对应的距离、平均得分与基词的匹配度。

9.根据权利要求4所述的停车场内部剩余泊位满意度的区间二型模糊集合综合评判法，其特征在于，步骤2.5中各指标模糊综合评判矩阵及对应的权向量利用加权平均模糊合成算子得到二型模糊综合评判：

其中，表示广义的模糊合成算法，在这里为加权平均合成算子M(·,∨),即

10.根据权利要求4所述的停车场内部剩余泊位满意度的区间二型模糊集合综合评判法，其特征在于，步骤2.6中相应的模糊规则为：

如果在中c_p1为最大值，那么U_p为S₁；

如果在中c_p2为最大值，那么U_p为S₂；

如果在中c_p3为最大值，那么U_p为S₃；

如果U_p为S₁或者S₂则重新选择停车位，如果U_p为S₃则选择该停车位。