CN109544962A - 一种车位共享与调度系统及实现方法 - Google Patents

Abstract

本发明属于自助停车技术领域，涉及一种车位共享与调度系统及实现方法，车主提交停车需求后，车位初步选择模块根据停车需求及最短步行距离初步选取可用车位范围；最优路径与时间计算模块使用改进的蚁群算法计算出初步选取车位的最佳行车路线和行程时间；最优车位计算模块采用加权TOPSIS模型为车主量化计算出可用车位最优排名解集；双边匹配模块处理多个车主请求竞争车位即最优匹配车位出现相同的情况，考虑车主和车位主双方的效益进行动态的双向匹配并确定匹配结果，既为广大车主提供停车方便，又避免车位资源的浪费，同时还能为车位提供者带来额外的收益，实现了车位共享和共同获益的目标。

Description

一种车位共享与调度系统及实现方法

技术领域：

本发明属于自助停车技术领域，涉及一种适用于智慧城市中解决停车、泊车问题的车位共享与调度系统及实现方法，帮助车主快速寻找当前区域的最佳可用车位。

背景技术：

云大物移(云计算、大数据、物联网、移动互联网)技术和移动支付技术的迅猛发展催生了一种新型的经济模式——“共享经济”，各种共享服务如共享租车(Uber、滴滴)、共享单车(Mobike、ofo)、共享民宿(Airbnb、途家网)、任务共享(TaskRabbit、达达、人人快递)、金融共享(Tending Club、人人贷) 等发展迅速。在智慧城市应用场景中，为了充分利用闲置的车位、解决停车难的问题，“共享车位”的想法逐步进入大众视野并且得到了广泛的认同。

目前过快增长的汽车数量和有限的停车位之间的矛盾成为城市发展的一大阻碍。随着车辆数量的增加，停车难问题越来越突出。以北京交通发展研究中心收集的数据为例，根据2018年5月的统计数据某市机动车保有量为261万辆，而停车位数量约90.6万个。由此可计算市平均近3辆车分享1个停车位，停车位缺口达约170万个，且缺口呈持续扩张态势。

另一方面，平日的工作时间，写字楼附近公共停车位难于寻找，而住宅小区里私人停车位的利用率通常较低；晚上情况则正好相反，显而易见这是对停车资源的严重浪费。逐步开放封闭式住宅区使私人停车位共享成为可能，随着智慧城市的整体规划和自动驾驶技术的快速发展，基于车位共享的动态双向调度问题越来越引起人们的重视，例如CN201710428929.8提供了一种停车位共享方法，包括：通过车位共享平台搜索目标区域内的所有可用的电子停车券，从所搜索到的电子停车券中选取一个或多个并向车位共享平台提交针对所选取的电子停车券的购买请求，接收车位共享平台返回的费用清单并向所述共享平台支付费用，采用该方法对于车位提供者来说，能够大大提高停车位的利用率，降低城市内停车资源的浪费；对于车主来说，能够方便快捷的查找到空闲的停车位，从而提高停车效率；另外，以电子停车券的方式在车位共享平台上进行交易和流转能够实现停车场内的无纸化停车，也使得停车场实现停车管理智能化。CN201710711978.2 提供了一种车位共享系统和方法，涉及车位共享的技术领域，该系统包括车位信息子系统和信息推广子系统；车位信息子系统包括车位共享模块和车位使用模块；车位共享模块用于接收用户终端发送的车位共享信息，并将车位共享信息保存至车位共享数据库；车位使用模块用于接收用户终端发送的共享车位使用信息，将共享车位的车位共享信息发送至用户终端；信息推广子系统包括广告发布模块和广告展示模块，用于进行车位共享系统的信息推广；该发明提供的车位共享系统和方法，能够使更多的用户了解到共享车位的共享资源，使共享车位得到充分利用，不仅提高了停车位的利用率，弥补人工收费的不足，也有助于给用户停车提供更多便利。CN201710209126.3提供一种停车位共享系统，包括车位信息系统、云平台车位共享管理系统、停车位共享系统使用方法，所述车位信息系统的信息传送到所述云平台车位共享管理系统进行处理并提供给停车位共享系统使用方使用，所述车位信息系统的信息上传到云平台车位共享管理系统进行分类、匹配、发布，所述车位信息系统包括车位共享信息、车位需求信息，所述云平台车位共享管理系统包括车位匹配模块，可及时匹配共享停车位和车位需求方,满足空闲停车位共享及车主停车的需求，使空闲停车位得以充分利用，得到经济收益，又缓解了停车难的问题。CN201710088231.6公开了一种车位共享方法，包括：在接收到车位共享请求时，获取所述车位共享请求中包含的车位共享信息并保存，所述车位共享信息包括车位信息、第一位置信息以及第一共享时间信息；在接收到基于终端发送的车位搜索请求时，查找存储的所述车位共享信息中与所述车位搜索请求匹配的车位信息；在查找到与所述车位搜索请求匹配的车位信息时，将匹配的所述车位信息发送至所述终端，以供所述终端显示匹配的所述车位信息。 CN201610989322.2涉及一种城市私家停车位共享交换服务方法及系统，通过车位供应端设置并发布车位共享信息至共享平台，并触发智能车位锁上锁；所述车位共享信息包括车位地点和共享时段；车位需求端获取预设范围内的所述车位共享信息，形成车位共享信息集合；车位需求端从所述车位共享信息集合中选取与其车位共享信息对应的车位，并设置离开所述车位的时间；若车位需求端设置的所述离开所述车位的时间属于所述共享时段的范围内，则触发智能车位锁解锁，实现共享城市私家停车位信息，提高车位利用率。但是，现有系统或方法只是基于共享车位与车主有限信息的单一匹配或者只是单一的车位共享的概念，缺少对于停车位与车主的精准匹配，没有从车主的角度考虑停车距离以及其他的相关的因素，没有对现实中车位共享的流程进行细节化的处理，也没有涉及到停车距离和路径的选择，更没有考虑车主和车位主双方效益的优化匹配。因此，迫切需要设计一种实现车位共享的管理系统，帮助用户解决停车难的问题。

发明内容：

本发明的目的在于克服现有技术存在的缺点，设计提供一种车位共享与调度系统及实现方法，为外出停车的人群提供停车便利，最大化地利用可共享的车位资源。

为了实现上述目的，本发明所述车位共享与调度系统包括信息获取模块、车位初步选择模块、最优路径与时间计算模块、最优车位计算模块、双边匹配模块；信息获取模块包括车主端数据输入和车位主数据输入，车主输入停车开始时间及时长、目的地位置、车辆型号、车位租用价格区间和步行距离区间等信息，车位主输入开始出租时间、截止时间、车位位置、车位规格和车位租用价格等信息；车主输入信息并提交停车需求后，车位初步选择模块根据停车需求(最短步行距离)初步选取车位；最优路径与时间计算模块使用改进的蚁群算法计算出初步选取车位的最佳路线和行程时间；最优车位计算模块采用加权TOPSIS模型量化计算最优私人车位；双边匹配模块对多个车主请求和多个可用停车位进行动态的双向匹配并确定匹配结果。

本发明实现车位共享与调度的具体过程为：

(1)共享车位信息的收集：车位主向车位共享与调度系统提供可共享的停车位的数据信息，共享停车位包括公共停车场车位、路边停车位和可共享的私家车位三种，其中公共停车位信息来自设置于公共停车场的传感器，路边停车位信息来自智慧城市系统的路况采集图像处理系统，可共享的私车位信息来自车位主 APP端；

(2)停车需求的动态提交：车主通过APP端实时提交停车需求，包括自己当前位置、目的地、停车时间段及其它个性化需求,其中个性化需求包括最短步行距离、车位租用价格区间、停车的车位型号和对于车位安全性的要求；

(3)备选停车位范围的确定：车位共享与调度系统接收用户停车需求后，进行停车范围初始选择，以目的地为中心，最大步行距离为半径，确定一个初始的停车范围，将该范围内所有可用车位作为备选对象；

(4)备选停车位的路径规划：使用改进的蚁群算法为所有备选对象进行路径规划，计算从出发地到每个备选停车位的最佳路线距离和行程时间，将计算结果作为衡量车位匹配调度的一个指标；

(5)车与车位的双向匹配调度：对多个车主请求和多个可用停车位进行动态的双向匹配，在TOPSIS加权模型中考虑车位安全、步行距离、行车路径和行车时间、泊车费用、车位便利性、车位可共享时间段、车位的均衡调度等因素并将以上因素进行量化加权，对评价函数进行求解，计算出每个车主的最优匹配解排名集合，对此时段车位集合与车主集合进行双向匹配，找到最佳停车位置；如果应用场景是智能交通并且是自动驾驶，将求解结果直接作为调度结果实施，动态性好并且效率高；如果还没有实现自动驾驶，则将求解结果反馈给用户，提供智能交通管理系统中可靠的停车泊车辅助支持。

本发明所述APP端为以微信小程序为主体的软件客户端，使用腾讯公司的微信小程序开发框架，调用腾讯地图的API进行前端显示与路径选择。

本发明采用改进的蚁群算法计算最佳路线和行程时间的具体过程为：

(1)在地图投放0.6-0.8倍地图节点数量(该数量为蚂蚁规模，其值由调参时确定)的蚂蚁形成蚁群，并在行进的路上释放信息素，信息素的量与解的质量成正比，通过信息素浓度更新函数实现信息素浓度随时间减少，其他蚂蚁会根据地图上的信息素浓度来选择自己的行进路线；

(2)在迭代过程中加入引力色素，蚁群根据地图中的信息素浓度、结合引力色素确定状态转移策略，在迭代过程中进行方向的选择，根据选择蚂蚁进行相应的转移或者死亡，其中引力色素是指搜索路线过程中旅行终点对蚂蚁的吸引力，越接近旅行终点，对蚂蚁的吸引力越大，单个蚂蚁的引力色素表示为引力色素总量与此蚂蚁离终点直线距离的比值；

(3)更新过程中不断地迭代直到达到规定的迭代次数或者不再出现新的路径，算法结束；

(4)根据现有蚁群算法计算所得路径，根据此段路程要求的限速区间来计算行程时间。

本发明所述加权TOPSIS模型是一种与理想解相似的排序偏好技术(Olson DL.Comparison of weights in TOPSIS models[J].Mathematical&Computer Modelling,2004,40(7):721-727)，根据每个评估指标的重要程度加权不同的值，以找到最优解和评估过程中最差的解决方案，分别计算每个评价对象与最优解和最差解之间的距离，得到每个评价对象对最优解的相对接近程度，作为评价每个对象质量的依据，采用该模型计算每个车主最优匹配解的具体过程为：

(1)对评价矩阵进行预处理：首先确定行程时间、停车成本、步行距离等指标参数值，建立原始数据矩阵和趋势矩阵，然后进行标准化；

(2)确认评价指标的参数，也就是确认主观权重和客观权重。

(3)进行决策排名，首先对各个指标参数进行趋势处理后得到的评价矩阵进行归一化并获得最优值和最差值向量，然后计算欧几里得距离和邻近度；

(4)最后得出最优解集合。

本发明中采用所述算法进行双向匹配的具体过程为：通过TOSIS模型为提出停车需求的每位车主求得车位最优排名解集合，若有多位请求者，对他们的车位最优排名解集进行求交运算，交集车位便是竞争车位：

(1)非自动驾驶环境下，根据每位车主申请顺序并结合其最优解集中车位的排名，为其提供最优匹配车位；如匹配的是竞争车位，再根据车位主的效益函数对车主进行反向选择；之后再为未竞争到最优车位的车主按照其优解集合中车位的排名提供次优车位进行匹配；

(2)自动驾驶环境下，匹配系统综合车主和车位主双方的效益函数值确定匹配对象，直接实现此时段的车位匹配工作。

本发明所述车位共享与调度系统可通过收取停车中介费以及在APP中投放适当广告为盈利方式，创造一定的经济效益。

本发明与现有技术相比，通过手机APP提供便捷的界面供车位所有者提供车位、供机动车驾驶者提交停车需求和获得可用车位信息,将来可扩充通过智慧城市车位管理设施获取车位信息，对临近区域内所有可用的共享车位，计算至停车地点的最优(较优)路径，考虑停车安全、车位可达性、步行距离、泊车成本、停车便利性、车位的共享时间周期等因素，建立最优车位调度模型和算法，将最佳停车位置提供给用户，既避免了社会资源的浪费，同时还能够为车位提供者带来额外的收益，实现了车位共享和共同获益的目标。

附图说明：

图1为本发明所述车位共享与调度系统的主要算法模块。

图2为本发明实现车位共享与调度的功能框图。

图3为本发明实施例的初步解集。

具体实施方式：

下面通过实施例并结合附图对本发明作进一步说明，本实施例参与共享调度的车位信息均通过测试APP收集。

实施例：

本实施例所述车位共享与调度系统包括信息获取模块、车位初步选择模块、最优路径与时间计算模块、最优车位计算模块、双边匹配模块(如图1所示)。信息获取模块包括车主端数据输入和车位主数据输入，车主输入开始时间及停车时间、目的地位置、车辆型号、车位租用价格区间和步行距离区间信息，车位主输入开始出租时间、截止时间、车位位置、车位规格和车位租用价格信息；车主输入数据信息并提交停车需求后，车位初步选择模块根据停车需求初步选取车位；最优路径与时间计算模块使用改进的蚁群算法计算出初步选取车位的最佳路线和行程时间；最优车位计算模块采用加权TOPSIS模型量化计算最优私有车位；双边匹配模块对多个车主请求和多个可用停车位进行动态的双向匹配并确定匹配结果。

本实施例实现车位共享与调度的具体过程为(如图2所示)：

(1)共享车位信息的收集：车位主向车位共享与调度系统提供可共享的停车位的数据信息(共享停车位包括公共停车场车位、路边停车位和可共享的私家车位三种，其中公共停车位信息来自设置于公共停车场的传感器，路边停车位信息来自智慧城市系统的路况采集图像处理系统，本实施例中的参与共享调度的车位信息来自私有车位主的APP端)；

(2)停车需求的动态提交：车主通过APP端实时提交停车需求，当前位置在青岛站，目的地定在青岛大学，停车时间为9：00-13：30，最大步行距离为 500米，车位租用价格在5元/小时以下，停车的车位型号为小型轿车，车位安全性的要求较高；

(3)备选停车位范围的确定：车位共享与调度系统接收用户停车需求后，进行停车范围初始选择，以目的地青岛大学为中心，最大步行距离500米为半径，确定一个初始的停车范围，如图3中所有圆圈内的车位点，将该范围内所有可用车位作为备选对象；

(4)备选停车位的路径规划：使用改进的蚁群算法为所有备选对象进行路径规划，计算从出发地到每个备选停车位的最佳路线和行程时间，将计算结果作为衡量车位匹配调度的一个指标；

(5)车与车位的双向匹配调度：假设此时有另外一个车主选择停车在青岛大学附近，这涉及到对多个车主请求和多个可用停车位进行动态的双向匹配，在 TOPSIS加权模型中考虑车位安全、步行距离、行车路径和行车时间、泊车费用、车位便利性、车位可共享时间段、车位的均衡调度等因素并将以上因素进行量化加权，对评价函数进行求解，计算出这两个车主的最优匹配解排名集合，对此时段车位集合与车主集合进行双向匹配，结果获得最佳停车位置；如果应用场景是智能交通并且是自动驾驶，将求解结果直接作为调度结果实施，如果还没有实现自动驾驶，则将求解结果反馈给用户，提供智能交通管理系统中可靠的停车泊车辅助支持。

本实施例所述APP端为以微信小程序为主体的软件客户端，使用腾讯公司的微信小程序开发框架，调用腾讯地图的API进行前端显示与路径选择。

本实施例采用改进的蚁群算法计算最佳路线和行程时间的具体过程为：

(1)地图抽象成图之后的节点数为n，取0.8n为蚂蚁规模m，在地图投放 m只蚂蚁，在行进的路上释放信息素，信息素的量与解的质量成正比，通过信息素浓度更新函数使路径上的信息素浓度会随时间减少，其他蚂蚁根据地图上的信息素浓度来选择自己的行进路线；

(2)在迭代过程中加入引力色素，即旅行终点青岛大学对蚂蚁的吸引力，越接近旅行终点，对蚂蚁的吸引力越大，单个蚂蚁的引力色素表示为引力色素总量与此蚂蚁离终点直线距离的比值，蚁群根据地图中的信息素、结合引力色素确定状态转移策略，在迭代过程中进行方向的选择，根据选择蚂蚁进行相应的转移或者死亡；

(3)更新过程中不断地迭代直到不再出现新的路径或迭代次数达到480，算法结束；

(4)根据蚁群算法计算所得路径，根据此段路程要求的限速区间来计算行程时间。

本实施例采用加权TOPSIS模型，考虑车位安全、步行距离、行车路径和行车时间、泊车费用、车位便利性、车位可共享时间段、车位的均衡调度等因素并将以上因素进行量化加权，对评价函数进行求解，计算出每个车主的最优匹配解排名集合，采用该模型计算每个车主最优匹配解的具体过程为：

(1)对评价矩阵进行预处理：首先确定行程时间、停车成本、步行距离等指标参数值，建立原始数据矩阵和趋势矩阵，然后进行标准化；

(2)确认评价指标的参数，也就是确认主观权重和客观权重。

(3)进行决策排名，首先对各个指标参数进行趋势处理后得到的评价矩阵进行归一化并获得最优值和最差值向量，然后计算欧几里得距离和邻近度；

(4)最后得出最优解集合。

本实施例通过TOSIS模型得到每个车位的最优排名解集合后，对于每个正在请求车主的最优解集进行求交运算，交集车位便是竞争车位。

本实施例如图3所示，此时有两个车主在青岛大学附近进行车位的搜素，两个圈中的车位点分别是是双方的可行解集合,而蓝色(浅色)点(两个圈的交集) 是两个车主的竞争车位集合。假设1号车主先提交申请，根据最短步行距离筛选出初步解集，如图3右侧圈内点；然后对车主提供信息进行量化，对其进行TOSIS 加权，分别得出可选车位的最优解集排名；根据1号车主的车位最优解集排名为其提供泊车辅助；若1号车的最优匹配车位是属于竞争集合，即2号的最优匹配也是同一个车位，则根据车位主的效益函数进行优选，假设选择了1号，2号则对其次优解进行匹配，最终至双方匹配成功。

Claims (6)

1.一种车位共享与调度系统，其特征在于包括信息获取模块、车位初步选择模块、最优路径与时间计算模块、最优车位计算模块、双边匹配模块；信息获取模块包括车主端数据输入和车位主数据输入，车主输入停车开始时间及时长、目的地位置、车辆型号、车位租用价格区间和步行距离区间等信息，车位主输入开始出租时间、截止时间、车位位置、车位规格和车位租用价格信息；车主输入信息并提交停车需求后，车位初步选择模块根据最短步行距离初步选取车位；最优路径与时间计算模块使用改进的蚁群算法计算出初步选取车位的最佳路线和行程时间；最优车位计算模块采用加权TOPSIS模型量化计算最优私人车位；双边匹配模块对多个车主请求和多个可用停车位进行动态的双向匹配并确定匹配结果。

2.一种采用如权利要求1所述系统实现车位共享与调度的方法，其特征在于具体过程为：

(1)共享车位信息的收集：车位主向车位共享与调度系统提供可共享的停车位的数据信息，共享停车位包括公共停车场车位、路边停车位和可共享的私家车位三种，其中公共停车位信息来自设置于公共停车场的传感器，路边停车位信息来自智慧城市系统的路况采集图像处理系统，可共享的私家车位信息来自车位主APP端；

(2)停车需求的动态提交：车主通过APP端实时提交停车需求，包括自己当前位置、目的地、停车时间段及其它个性化需求,其中个性化需求包括最短步行距离、车位租用价格区间、停车的车位型号和对于车位安全性的要求；

(3)备选停车位范围的确定：车位共享与调度系统接收用户停车需求后，进行停车范围初始选择，以目的地为中心，最大步行距离为半径，确定一个初始的停车范围，将该范围内所有可用车位作为备选对象；

(4)备选停车位的路径规划：使用改进的蚁群算法为所有备选对象进行路径规划，计算从出发地到每个备选停车位的最佳路线距离和行程时间，将计算结果作为衡量车位匹配调度的一个指标；

(5)车与车位的双向匹配调度：对多个车主请求和多个可用停车位进行动态的双向匹配，在TOPSIS加权模型中考虑车位安全、步行距离、行车路径和行车时间、泊车费用、车位便利性、车位可共享时间段、车位的均衡调度等因素并将以上因素进行量化加权，对评价函数进行求解，计算出每个车主的最优匹配解排名集合，对此时段车位集合与车主集合进行双向匹配，结果获得最佳停车位置；如果应用场景是智能交通并且是自动驾驶，将求解结果直接作为调度结果实施，动态性好并且效率高；如果还没有实现自动驾驶，则将求解结果反馈给用户，提供智能交通管理系统中可靠的停车泊车辅助支持。

3.根据权利要求2所述车位共享与调度的方法，其特征在于所述APP端为以微信小程序为主体的软件客户端，使用腾讯公司的微信小程序开发框架，调用腾讯地图的API进行前端显示与路径选择。

4.根据权利要求2所述车位共享与调度的方法，其特征在于采用改进的蚁群算法计算最佳路线和行程时间的具体过程为：

(1)在地图投放0.6-0.8倍地图节点数量的蚂蚁形成蚁群，并在行进的路上释放信息素，信息素浓度与解的质量成正比，通过信息素浓度更新函数实现信息素浓度随时间减少，其他蚂蚁会根据地图上的信息素浓度来选择自己的行进路线；

(2)在迭代过程中加入引力色素，引力色素是指搜索路线过程中旅行终点对蚂蚁的吸引力，越接近旅行终点，对蚂蚁的吸引力越大，单个蚂蚁的引力色素表示为引力色素总量与此蚂蚁离终点直线距离的比值，蚁群根据地图中的信息素、结合引力色素确定状态转移策略，在迭代过程中进行方向的选择，根据选择蚂蚁进行相应的转移或者死亡；

(3)更新过程中不断地迭代直到达到规定的迭代次数或者不再出现新的路径，算法结束；

(4)根据蚁群算法计算所得路径，根据此段路程要求的限速区间来计算行程时间。

5.根据权利要求2所述车位共享与调度的方法，其特征在于所述加权TOPSIS模型是一种与理想解相似的排序偏好技术，根据每个评估指标的重要程度加权不同的值，以找到最优解和评估过程中最差的解决方案，分别计算每个评价对象与最优解和最差解之间的距离，得到每个评价对象对最优解的相对接近程度，作为评价每个对象质量的依据，采用该模型计算每个车主最优匹配解的具体过程为：

(1)对评价矩阵进行预处理：首先确定行程时间、停车成本、步行距离等指标参数值，建立原始数据矩阵和趋势矩阵，然后进行标准化；

(2)确认评价指标的参数，也就是确认主观权重和客观权重。

(3)进行决策排名，首先对各个指标参数进行趋势处理后得到的评价矩阵进行归一化并获得最优值和最差值向量，然后计算欧几里得距离和邻近度；

(4)最后得出最优解集合。

6.根据权利要求2所述车位共享与调度的方法，其特征在于步骤(5)中采用所述算法进行双向匹配的具体过程为：通过TOSIS模型为提出停车需求的每位车主求得车位最优排名解集合，若有多位请求者，对他们的车位最优排名解集进行求交运算，交集车位便是竞争车位：

(1)非自动驾驶环境下，根据每位车主申请顺序并结合其最优解集中车位的排名，为其提供最优匹配车位；如匹配的是竞争车位，再根据车位主的效益函数对车主进行反向选择；之后再为未竞争到最优车位的车主按照其优解集合中车位的排名提供次优车位进行匹配；

(2)自动驾驶环境下，匹配系统综合车主和车位主双方的效益函数值确定匹配对象，直接实现此时段的车位匹配工作。