CN110827563B - 一种基于最可靠路径的停车诱导系统及方法 - Google Patents

一种基于最可靠路径的停车诱导系统及方法 Download PDF

Info

Publication number
CN110827563B
CN110827563B CN201911076895.6A CN201911076895A CN110827563B CN 110827563 B CN110827563 B CN 110827563B CN 201911076895 A CN201911076895 A CN 201911076895A CN 110827563 B CN110827563 B CN 110827563B
Authority
CN
China
Prior art keywords
parking lot
parking
path
reliability
calculating
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.)
Active
Application number
CN201911076895.6A
Other languages
English (en)
Other versions
CN110827563A (zh
Inventor
高自友
杨珍珍
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Jiaotong University
Original Assignee
Beijing Jiaotong University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Beijing Jiaotong University filed Critical Beijing Jiaotong University
Priority to CN201911076895.6A priority Critical patent/CN110827563B/zh
Publication of CN110827563A publication Critical patent/CN110827563A/zh
Application granted granted Critical
Publication of CN110827563B publication Critical patent/CN110827563B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/09—Arrangements for giving variable traffic instructions
    • G08G1/0962—Arrangements for giving variable traffic instructions having an indicator mounted inside the vehicle, e.g. giving voice messages
    • G08G1/0968—Systems involving transmission of navigation instructions to the vehicle
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/09—Arrangements for giving variable traffic instructions
    • G08G1/0962—Arrangements for giving variable traffic instructions having an indicator mounted inside the vehicle, e.g. giving voice messages
    • G08G1/0968—Systems involving transmission of navigation instructions to the vehicle
    • G08G1/096833—Systems involving transmission of navigation instructions to the vehicle where different aspects are considered when computing the route
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/14—Traffic control systems for road vehicles indicating individual free spaces in parking areas

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Mathematical Physics (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Traffic Control Systems (AREA)

Abstract

本发明提供了一种基于最可靠路径的停车诱导系统及方法，用以解决现有技术中停车场利用效率不高的问题。所述基于最可靠路径的停车诱导方法，根据出发时间和期望行程时间，计算从起点到达每个候选停车场的最可靠路径，再计算每个候选停车场在期望到达时间有空闲车位数的概率及停车场的综合可靠度，从而完成停车诱导。本发明有效解决了给定出发时间和期望行程时间时，寻找综合可靠度最大的停车场，及到达停车场的最可靠路径的问题。寻找可靠度高的停车场，能够有效避免车辆到达停车场无停车位的现象，也能够优化停车场的资源分配，提高停车场的利用率。计算最可靠路径能够为出行者提供可靠的路径建议，减少行程时间波动带来的出行延误。

Description

一种基于最可靠路径的停车诱导系统及方法
技术领域
本发明属于城市交通网络与管理领域，具体涉及一种基于最可靠路径的停车诱导系统及方法。
背景技术
随着城市汽车数量的日益增加，“停车难”成为各大城市面临的难点问题，很多人遇到过开车30分钟、停车半小时的窘境。停车诱导系统是缓解“停车难”问题的有效工具，能够为出行者推荐可用停车位。停车诱导系统将分散的停车场数据进行集成，通过网络传输数据，发布各个停车场的停车信息，为驾驶员提供车位信息，引导驾驶员选择合适的停车场，从而提高停车效率，减少寻找停车位带来的交通量。停车场空闲车位数预测和停车路径选择是停车诱导系统的关键。
目前的空闲车位数预测方法主要包括基于随机到达和离开过程的空闲车位数预测方法，以及基于机器学习算法的预测方法。基于随机到达和离开过程的空闲车位数预测方法解释了整个网络中出行者行为和交通流的变化，但不能同时给出车辆到达和离开过程的估计参数，且这些参数都需要假设或预测。基于机器学习算法的预测方法直接预测停车场占有率，包括回归分析、混沌时间序列分析和神经网络。这些方法没有考虑空闲车位数的随机性，不能描述出行者的风险规避行为。
在停车路径选择方面，目前的方法主要包括：通过行车记录仪图像分析识别可用停车位，收到停车请求后，系统会搜索最近的停车位，然后直接将请求的驾驶员导航到可用停车位；采用自适应遗传算法求解驾驶者从当前位置到各停车场的最优路径和最短时间；基于候选停车位的先后顺序确定相应的最优停车诱导路线，例如，采用灰熵关联度多属性决策的方法对停车场空闲车位数的属性进行排序，属性排序最优的停车位作为最优停车位，相应的路径即为最优路径。目前的停车诱导系统的路径选择主要是距离最短路径或行程时间最小路径，还没有研究将可靠路径应用到停车诱导系统中。
发明内容
为了提高城市交通网络中的停车场资源利用效率，本发明提供了一种基于最可靠路径的停车诱导方法及系统，使得出行者在给定出发时间和期望行程时间时，寻找到综合可靠度最大的停车场和到达停车场的最可靠路径。
为了实现上述目的，本发明采取了如下技术方案。
第一方面，本发明实施例提供了一种基于最可靠路径的停车诱导方法，所述停车诱导方法包括如下步骤：
步骤S1，给定出行者出发时间和期望行程时间；
步骤S2，根据所述出发时间和期望行程时间，计算从起点到达每个候选停车场的最可靠路径；
步骤S3，计算每个候选停车场在期望到达时间有空闲车位数的概率；
步骤S4，根据所述有空闲车位数的概率计算停车场的综合可靠度；
步骤S5，选择综合可靠度最大的停车场及对应的最可靠路径，推荐给出行者，并根据对应的可靠路径引导车辆到达停车场。
可选地，步骤S2至步骤S4计算从起点到达每个候选停车场的最可靠路径、计算每个候选停车场在期望到达时间有空闲车位数的概率及计算停车场的综合可靠度，基于可靠度边界的求解算法进行计算。
可选地，在步骤S2中，所述计算从起点到达每个候选停车场的最可靠路径，进一步为，用Ωh表示车辆从起点O到达第h个停车场的可靠路径，当给定期望行程时间T0和出发时间，通过路径Ωh到达第h个停车场的可靠度ROh通过式(1)至(3)进行计算：
Figure GDA0002917311040000031
Figure GDA0002917311040000032
Figure GDA0002917311040000033
其中，
公式(1)是最可靠路径的目标函数；
Φ(·)表示累积概率分布函数；
γOh表示路径Oh的自由流行程时间；
μOh表示路径Oh的额外行程时间均值；
σOh表示路径Oh的额外行程时间标准差；
公式(2)是流量守恒约束；
公式(3)是二元变量约束；
xfg是0-1决策变量，xfg＝1表示路段afg在路径Oh上，xfg＝0表示路段afg不在路径Oh上；
NG表示有向图的节点集，{τ,f,g}∈NG；
AG表示有向弧集，{afg,aτf}∈AG。
可选地，所述步骤S4中停车场的综合可靠度是停车场有空闲车位数的可靠度乘以到达停车场的路径的可靠度。
可选地，所述步骤S4中计算停车场的综合可靠度，通过式(4)至(8)进行计算：
Figure GDA0002917311040000034
Figure GDA0002917311040000035
Figure GDA0002917311040000036
0≤ROh≤1 (7)
1≤h≤H (8)
其中，
公式(4)是停车场综合可靠度最大化的目标函数；
Figure GDA0002917311040000041
表示特征日C第
Figure GDA0002917311040000042
个时间段第h个停车场的空闲车位数
Figure GDA0002917311040000043
大于期望阈值NO的可靠度；
Figure GDA0002917311040000044
表示将期望到达时间yh转换为时间段的编号；
ROh表示从起点O到达第h个停车场的最可靠路径的可靠度；
Figure GDA0002917311040000045
表示停车场的综合可靠度；
公式(5)是停车场空闲车位数的可靠度
Figure GDA0002917311040000046
的计算公式；
Figure GDA0002917311040000047
表示特征日C第
Figure GDA0002917311040000048
个时间段第h个停车场空闲车位数的均值；
Figure GDA0002917311040000049
表示特征日C第
Figure GDA00029173110400000410
个时间段第h个停车场的空闲车位数标准差；
公式(6)表示停车场空闲车位数可靠度的取值范围是0到1的约束条件；
公式(7)表示路径可靠度的取值范围是0到1的约束条件；
公式(8)表示停车场编号取值范围是1到H的约束条件，H表示搜索区域内参与计算的停车场个数。
可选地，所述步骤S1至S4包括如下步骤：
步骤S101，给定的出发时间yO和期望行程时间T0；
步骤S102，根据给定的出发时间yO和期望行程时间T0，计算期望到达时间yh＝yO+T0，并将yn转换为时间段，用
Figure GDA00029173110400000411
表示时间段编号；从第一个候选停车场开始计算，初始化停车场编号h＝1；
步骤S103，设置路径搜索的目的地为第h个停车场；初始化路径可靠度的下界值RKLB＝0，上界值RKUB＝1；设置两个路径集
Figure GDA00029173110400000412
和
Figure GDA00029173110400000413
为空；设置可靠度上下边界差值比
Figure GDA00029173110400000414
的阈值ε和最多搜索路径条数
Figure GDA00029173110400000415
设置k＝1；
步骤S104，以路段的额外行程时间作为费用，计算第k条额外行程时间最小的路径Pk；分别利用下述公式(9)、(10)和(11)计算路径Pk的行程时间分布参数
Figure GDA00029173110400000416
Figure GDA00029173110400000417
Figure GDA0002917311040000051
Figure GDA0002917311040000052
利用
Figure GDA0002917311040000053
计算给定阈值T0的路径可靠度
Figure GDA0002917311040000054
步骤S105，计算
Figure GDA0002917311040000055
和
Figure GDA0002917311040000056
如果
Figure GDA0002917311040000057
则利用下述公式(12)计算
Figure GDA0002917311040000058
设定
Figure GDA0002917311040000059
并将路径加入到路径集
Figure GDA00029173110400000510
否则，将路径加入到路径集
Figure GDA00029173110400000511
Figure GDA00029173110400000512
步骤S106，计算路径集
Figure GDA00029173110400000513
中可靠度最大的路径，可靠度下界值
Figure GDA00029173110400000514
更新k＝k+1；
步骤S107，如果
Figure GDA00029173110400000515
或
Figure GDA00029173110400000516
返回到步骤S104；否则，利用
Figure GDA00029173110400000517
计算第h个停车场在特征日C第
Figure GDA00029173110400000518
个时间段空闲车位数
Figure GDA00029173110400000519
大于期望阈值NO的可靠度
Figure GDA00029173110400000520
更新h＝h+1；
步骤S108，如果h≤H，返回到步骤S103；否则，利用公式(4)～(8)计算特征日C第
Figure GDA00029173110400000521
个时间段综合可靠度最大的停车场，编号
Figure GDA00029173110400000522
可选地，所述步骤S5进一步为，用
Figure GDA00029173110400000523
表示特征日C第
Figure GDA00029173110400000524
个时间段综合可靠度最大的停车场编号，将第
Figure GDA00029173110400000525
个停车场推荐给驾驶者，并根据车辆在期望行程时间内到达第
Figure GDA00029173110400000526
个停车场的最可靠路径
Figure GDA00029173110400000527
引导车辆到达停车场。
第二方面，本发明实施例还提供了一种基于最可靠路径的停车诱导系统，所述停车诱导系统包括：条件给定模块、最可靠路径计算模块、有空闲车位数概率计算模块、最大综合可靠度停车场计算模块、诱导模块；其中，
所述条件给定模块与所述最可靠路径计算模块和有空闲车位数概率计算模块相连，用于根据用户请求给定出行者出发时间和期望行程时间，并将给定数据发送给所述最可靠路径计算模块和有空闲车位数概率计算模块；
所述最可靠路径计算模块与所述诱导模块相连，用于根据所述出发时间和期望行程时间，计算从起点到达每个候选停车场的最可靠路径；
所述有空闲车位数概率计算模块与所述停车场综合可靠度计算模块相连，用于计算每个候选停车场在期望到达时间有空闲车位数的概率；
所述停车场综合可靠度计算模块与所述诱导模块相连，用于根据所述有空闲车位数的概率计算停车场的综合可靠度；
所述诱导模块用于选择综合可靠度最大的停车场及对应的最可靠路径，推荐给出行者，并根据对应的可靠路径引导车辆到达停车场。
由上述本发明实施例提供的技术方案可以看出，本发明实施例基于最可靠路径的停车诱导方法和系统，有效解决了给定出发时间和期望行程时间时，寻找综合可靠度最大的停车场，及到达停车场的最可靠路径的问题。寻找可靠度高的停车场，能够有效避免车辆到达停车场无停车位的现象，也能够优化停车场的资源分配，提高停车场的利用率。计算最可靠路径能够为出行者提供可靠的路径建议，减少行程时间波动带来的出行延误。
本发明附加的方面和优点将在下面的描述中部分给出，这些将从下面的描述中变得明显，或通过本发明的实践了解到。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本发明第一实施例基于最可靠路径的停车诱导方法流程示意图；
图2为本发明具体实例的停车诱导方法流程示意图；
图3为本发明具体实例中北京交通大学附近的4个停车场(中国棋院停车场[编号1]、国家体育总局训练局停车场[编号2]、玉蜓桥停车场[编号3]和鹰岛大厦写字楼停车场[编号4])位置及距离最短路径示意图；
图4为本发明具体实例中到达中国棋院停车场的第k＝1条、第k＝8条和第22条路径示意图；
图5为本发明第二实施例基于最可靠路径的停车诱导系统结构示意图。
具体实施方式
下面详细描述本发明的实施方式，所述实施方式的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施方式是示例性的，仅用于解释本发明，而不能解释为对本发明的限制。
本技术领域技术人员可以理解，除非特意声明，这里使用的单数形式“一”、“一个”、“所述”和“该”也可包括复数形式。应该进一步理解的是，本发明的说明书中使用的措辞“包括”是指存在所述特征、整数、步骤、操作、元件和/或组件，但是并不排除存在或添加一个或多个其他特征、整数、步骤、操作、元件、组件和/或它们的组。应该理解，当我们称元件被“连接”或“耦接”到另一元件时，它可以直接连接或耦接到其他元件，或者也可以存在中间元件。此外，这里使用的“连接”或“耦接”可以包括无线连接或耦接。这里使用的措辞“和/或”包括一个或更多个相关联的列出项的任一单元和全部组合。
本技术领域技术人员可以理解，除非另外定义，这里使用的所有术语(包括技术术语和科学术语)具有与本发明所属领域中的普通技术人员的一般理解相同的意义。还应该理解的是，诸如通用字典中定义的那些术语应该被理解为具有与现有技术的上下文中的意义一致的意义，并且除非像这里一样定义，不会用理想化或过于正式的含义来解释。
本发明从出行者角度出发，针对实际出行中，出行者在给定出发时间和期望行程时间时，希望了解目的地附近综合可靠度最大的停车场和到达停车场的最可靠路径，提出了一种基于最可靠路径的停车诱导方法及系统，解决给定出发时间和期望行程时间时，寻找综合可靠度最大的停车场，以及最可靠路径和对应的可靠路径的问题。
为便于对本发明实施例的理解，下面将结合附图以几个具体实施例为例做进一步的解释说明，且各个实施例并不构成对本发明实施例的限定。
第一实施例
本实施例提供了一种基于最可靠路径的停车诱导方法，图1所示为所述停车诱导方法流程示意图。如图1所示，所述停车诱导方法，包括如下步骤：
步骤S1，给定出行者出发时间和期望行程时间；
步骤S2，根据所述出发时间和期望行程时间，计算从起点到达每个候选停车场的最可靠路径；
步骤S3，计算每个候选停车场在期望到达时间有空闲车位数的概率；
步骤S4，根据所述有空闲车位数的概率计算停车场的综合可靠度；
步骤S5，选择综合可靠度最大的停车场及对应的最可靠路径，推荐给出行者，并根据对应的可靠路径引导车辆到达停车场。
步骤S2至步骤S4计算从起点到达每个候选停车场的最可靠路径、计算每个候选停车场在期望到达时间有空闲车位数的概率及计算停车场的综合可靠度，基于可靠度边界的求解算法进行计算。
在步骤S2中，所述计算从起点到达每个候选停车场的最可靠路径，进一步为，用Ωh表示车辆从起点O到达第h个停车场的可靠路径，当给定期望行程时间T0和出发时间，通过路径Ωh到达第h个停车场的可靠度ROh通过式(1)至(3)进行计算：
Figure GDA0002917311040000081
Figure GDA0002917311040000091
Figure GDA0002917311040000092
其中，
公式(1)是最可靠路径的目标函数；
Φ(·)表示累积概率分布函数；
γOh表示路径Oh的自由流行程时间；
μOh表示路径Oh的额外行程时间均值；
σOh表示路径Oh的额外行程时间标准差；
公式(2)是流量守恒约束；
公式(3)是二元变量约束；
xfg是0-1决策变量，xfg＝1表示路段afg在路径Oh上，xfg＝0表示路段afg不在路径Oh上；
NG表示有向图的节点集，{τ,f,g}∈NG；
AG表示有向弧集，{afg,aτf}∈AG。
在步骤S4中，所述计算停车场的综合可靠度，停车场的综合可靠度是停车场有空闲车位数的可靠度乘以到达停车场的路径的可靠度。
当给定出发时间和期望行程时间时，停车场综合可靠通过式(4)至(8)进行计算：
Figure GDA0002917311040000093
Figure GDA0002917311040000094
Figure GDA0002917311040000095
0≤ROh≤1 (7)
1≤h≤H (8)
其中，
公式(4)是停车场综合可靠度最大化的目标函数；
Figure GDA0002917311040000101
表示特征日C第
Figure GDA0002917311040000102
个时间段第h个停车场的空闲车位数
Figure GDA0002917311040000103
大于期望阈值NO的可靠度；
Figure GDA0002917311040000104
表示将期望到达时间yh转换为时间段的编号；
ROh表示从起点O到达第h个停车场的最可靠路径的可靠度；
Figure GDA0002917311040000105
表示停车场的综合可靠度；
公式(5)是停车场空闲车位数的可靠度
Figure GDA0002917311040000106
的计算公式；
Figure GDA0002917311040000107
表示特征日C第
Figure GDA0002917311040000108
个时间段第h个停车场空闲车位数的均值；
Figure GDA0002917311040000109
表示特征日C第
Figure GDA00029173110400001010
个时间段第h个停车场的空闲车位数标准差；
公式(6)表示停车场空闲车位数可靠度的取值范围是0到1的约束条件；
公式(7)表示路径可靠度的取值范围是0到1的约束条件；
公式(8)表示停车场编号取值范围是1到H的约束条件，H表示搜索区域内参与计算的停车场个数。
在步骤S5中，用
Figure GDA00029173110400001011
表示特征日C第
Figure GDA00029173110400001012
个时间段综合可靠度最大的停车场编号，将第
Figure GDA00029173110400001013
个停车场推荐给驾驶者，并根据车辆在期望行程时间内到达第
Figure GDA00029173110400001014
个停车场的最可靠路径
Figure GDA00029173110400001015
引导车辆到达停车场。
下面以一个具体的实施例，对所述基于最可靠路径的停车诱导方法进行详细说明。本具体实例以北京交通大学到中国棋院为例，评估停车诱导模型的求解算法。搜索区域是以中国棋院为圆心、200米为半径的圆形覆盖区域，包括四个停车场：中国棋院停车场(编号1)，国家体育总局训练局停车场(编号2)，玉蜓桥停车场(编号3)，鹰岛大厦写字楼停车场(编号4)。图3所示为北京交通大学附近的4个停车场(中国棋院停车场[编号1]、国家体育总局训练局停车场[编号2]、玉蜓桥停车场[编号3]和鹰岛大厦写字楼停车场[编号4])位置及距离最短路径示意图。出发时间为星期三11:00:00。
图2所示为本具体实例的停车诱导方法流程示意图。如图1和图2所示，所述基于最可靠路径的停车诱导方法，其中所述步骤S1至S4包括如下步骤：
步骤S101，给定的出发时间yO和期望行程时间T0。
步骤S102，根据给定的出发时间yO和期望行程时间T0，计算期望到达时间yh＝yO+T0，并将yh转换为时间段，用
Figure GDA00029173110400001121
表示时间段编号；从第一个候选停车场开始计算，初始化停车场编号h＝1。
步骤S103，设置路径搜索的目的地为第h个停车场；初始化路径可靠度的下界值RKLB＝0，上界值RKUB＝1；设置两个路径集
Figure GDA0002917311040000111
和
Figure GDA0002917311040000112
为空；设置可靠度上下边界差值比
Figure GDA0002917311040000113
的阈值ε和最多搜索路径条数
Figure GDA0002917311040000114
设置k＝1。
步骤S104，以路段的额外行程时间作为费用，计算第k条额外行程时间最小的路径Pk；分别利用下述公式(9)、(10)和(11)计算路径Pk的行程时间分布参数
Figure GDA0002917311040000115
Figure GDA0002917311040000116
Figure GDA0002917311040000117
Figure GDA0002917311040000118
利用
Figure GDA0002917311040000119
计算给定阈值T0的路径可靠度
Figure GDA00029173110400001110
步骤S105，计算
Figure GDA00029173110400001111
和
Figure GDA00029173110400001112
如果
Figure GDA00029173110400001113
则利用下述公式(12)计算
Figure GDA00029173110400001114
设定
Figure GDA00029173110400001115
并将路径加入到路径集
Figure GDA00029173110400001116
否则，将路径加入到路径集
Figure GDA00029173110400001117
Figure GDA00029173110400001118
步骤S106，计算路径集
Figure GDA00029173110400001119
中可靠度最大的路径，可靠度下界值
Figure GDA00029173110400001120
更新k＝k+1。
步骤S107，如果
Figure GDA0002917311040000121
或
Figure GDA0002917311040000122
返回到步骤S104；否则，利用
Figure GDA0002917311040000123
计算第h个停车场在特征日C第
Figure GDA0002917311040000124
个时间段空闲车位数
Figure GDA0002917311040000125
大于期望阈值NO的可靠度
Figure GDA0002917311040000126
更新h＝h+1。
步骤S108，如果h≤H，返回到步骤S103；否则，利用公式(4)～(8)计算特征日C第
Figure GDA0002917311040000127
个时间段综合可靠度最大的停车场，编号
Figure GDA0002917311040000128
计算结束。
经过步骤S101至步骤S108，基于最可靠路径的停车诱导方法，对于不同的期望行程时间，中国棋院附近停车场空闲车位数超过3个的综合可靠度如表1所示。如表1所示，当期望行程时间为2160秒时，中国棋院停车场、国家体育总局训练局停车场、玉蜓桥停车场、鹰岛大厦写字楼停车场的综合可靠度分别为0.844、0.835、0.500、0.837，中国棋院停车场的综合可靠度最大，因此建议驾驶员选择中国棋院停车场。
表1
Figure GDA0002917311040000129
Figure GDA0002917311040000131
说明：加粗的“停车场名称”表示综合可靠度最大的停车场；加粗的“k”表示最可靠路径的编号。
基于最可靠路径的停车诱导方法，最终计算结果如表2所示。当期望行程时间为1560秒时，最可靠路径是第k＝8条路径；当期望行程时间为1920秒、1980秒、2040秒和2100秒时，最可靠路径是第k＝22条路径；其他期望行程时间对应的最可靠路径是第k＝1条路径。图4所示为到达中国棋院停车场的第k＝1条、第k＝8条和第22条路径示意图。
表2
Figure GDA0002917311040000132
Figure GDA0002917311040000141
由以上技术方案可以看出，本发明实施例的所述基于最可靠路径的停车诱导模型和基于行程时间边界的求解算法，有效解决了给定出发时间和期望行程时间时，寻找综合可靠度最大的停车场，及到达停车场的最可靠路径的问题。寻找可靠度高的停车场，能够有效避免车辆到达停车场无停车位的现象，也能够优化停车场的资源分配，提高停车场的利用率。计算最可靠路径能够为出行者提供可靠的路径建议，减少行程时间波动带来的出行延误。
第二实施例
本实施例提供了一种基于最可靠路径的停车诱导系统，图5所示为所述停车诱导系统结构示意图。如图5所示，所述停车诱导系统包括：条件给定模块201、最可靠路径计算模块202、有空闲车位数概率计算模块203、最大综合可靠度停车场计算模块204、诱导模块205；其中，
所述条件给定模块201与所述最可靠路径计算模块202和有空闲车位数概率计算模块203相连，用于根据用户请求给定出行者出发时间和期望行程时间，并将给定数据发送给所述最可靠路径计算模块和有空闲车位数概率计算模块203；
所述最可靠路径计算模块202与所述诱导模块205相连，用于根据所述出发时间和期望行程时间，计算从起点到达每个候选停车场的最可靠路径；
所述有空闲车位数概率计算模块203与所述停车场综合可靠度计算模块204相连，用于计算每个候选停车场在期望到达时间有空闲车位数的概率；
所述停车场综合可靠度计算模块204与所述诱导模块相连，用于根据所述有空闲车位数的概率计算停车场的综合可靠度；
所述诱导模块205用于选择综合可靠度最大的停车场及对应的最可靠路径，推荐给出行者，并根据对应的可靠路径引导车辆到达停车场。
本实施例所述基于最可靠路径的停车诱导系统，与第一实施例的基于最可靠路径的停车诱导方法，是相对应的，上述对停车诱导方法的描述同样适用于本实施例的停车诱导方法，实施例之间相同或相似的部分可互相参见，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于装置或系统实施例而言，由于其基本相似于方法实施例，所以描述得比较简单，相关之处参见方法实施例的部分说明，在此不再赘述。
以上所描述的装置及系统实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性劳动的情况下，即可以理解并实施。
本领域普通技术人员可以理解：附图只是一个实施例的示意图，附图中的模块或流程并不一定是实施本发明所必须的。
以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应该以权利要求的保护范围为准。

Claims (3)

1.一种基于最可靠路径的停车诱导方法，其特征在于，所述停车诱导方法包括如下步骤：
步骤S1，给定出行者出发时间和期望行程时间；
步骤S2，根据所述出发时间和期望行程时间，计算从起点到达每个候选停车场的最可靠路径；
步骤S3，计算每个候选停车场在期望到达时间有空闲车位数的概率；
步骤S4，根据所述有空闲车位数的概率计算停车场的综合可靠度；
步骤S5，选择综合可靠度最大的停车场及对应的最可靠路径，推荐给出行者，并根据对应的可靠路径引导车辆到达停车场；
步骤S2至步骤S4计算从起点到达每个候选停车场的最可靠路径、计算每个候选停车场在期望到达时间有空闲车位数的概率及计算停车场的综合可靠度，基于可靠度边界的求解算法进行计算；
在步骤S2中，所述计算从起点到达每个候选停车场的最可靠路径，进一步为，用Ωh表示车辆从起点O到达第h个停车场的可靠路径，当给定期望行程时间T0和出发时间，通过路径Ωh到达第h个停车场的可靠度ROh通过式(1)至(3)进行计算：
Figure FDA0002917311030000011
Figure FDA0002917311030000012
Figure FDA0002917311030000013
其中，
公式(1)是最可靠路径的目标函数；
Φ(·)表示累积概率分布函数；
γOn表示路径Oh的自由流行程时间；
μOh表示路径Oh的额外行程时间均值；
σOh表示路径Oh的额外行程时间标准差；
公式(2)是流量守恒约束；
公式(3)是二元变量约束；
xfg是0-1决策变量，xfg＝1表示路段afg在路径Oh上，xfg＝0表示路段afg不在路径Oh上；
NG表示有向图的节点集，{τ，f，g}∈NG；
AG表示有向弧集，(afg，aτf}∈AG；
所述步骤S4中停车场的综合可靠度是停车场有空闲车位数的可靠度乘以到达停车场的路径的可靠度；
所述步骤S4中计算停车场的综合可靠度，通过式(4)至(8)进行计算：
Figure FDA0002917311030000021
Figure FDA0002917311030000022
Figure FDA0002917311030000023
0≤ROh≤1 (7)
1≤h≤H (8)
其中，
公式(4)是停车场综合可靠度最大化的目标函数；
Figure FDA0002917311030000024
表示特征日C第
Figure FDA0002917311030000025
个时间段第h个停车场的空闲车位数
Figure FDA0002917311030000026
大于期望阈值NO的可靠度；
Figure FDA0002917311030000027
表示将期望到达时间yh转换为时间段的编号；
ROh表示从起点O到达第h个停车场的最可靠路径的可靠度；
Figure FDA0002917311030000028
表示停车场的综合可靠度；
公式(5)是停车场空闲车位数的可靠度
Figure FDA0002917311030000029
的计算公式；
Figure FDA0002917311030000031
表示特征日C第
Figure FDA0002917311030000032
个时间段第h个停车场空闲车位数的均值；
Figure FDA0002917311030000033
表示特征日C第
Figure FDA0002917311030000034
个时间段第h个停车场的空闲车位数标准差；
公式(6)表示停车场空闲车位数可靠度的取值范围是0到1的约束条件；
公式(7)表示路径可靠度的取值范围是0到1的约束条件；
公式(8)表示停车场编号取值范围是1到H的约束条件，H表示搜索区域内参与计算的停车场个数；
所述步骤S1至S4包括如下步骤：
步骤S101，给定出发时间yO和期望行程时间T0；
步骤S102，根据给定的出发时间yO和期望行程时间T0，计算期望到达时间yh＝yO+T0，并将yh转换为时间段，用
Figure FDA0002917311030000035
表示时间段编号；从第一个候选停车场开始计算，初始化停车场编号h＝1；
步骤S103，设置路径搜索的目的地为第h个停车场；初始化路径可靠度的下界值RKLB＝0，上界值RKUB＝1；设置两个路径集
Figure FDA0002917311030000036
和
Figure FDA0002917311030000037
为空；设置可靠度上下边界差值比
Figure FDA0002917311030000038
的阈值ε和最多搜索路径条数
Figure FDA0002917311030000039
设置k＝1；
步骤S104，以路段的额外行程时间作为费用，计算第k条额外行程时间最小的路径Pk；分别利用下述公式(9)、(10)和(11)计算路径Pk的行程时间分布参数
Figure FDA00029173110300000310
Figure FDA00029173110300000311
Figure FDA00029173110300000312
Figure FDA00029173110300000313
利用
Figure FDA00029173110300000314
计算给定阈值T0的路径可靠度
Figure FDA00029173110300000315
步骤S105，计算
Figure FDA00029173110300000316
和
Figure FDA00029173110300000317
如果
Figure FDA00029173110300000318
则利用下述公式(12)计算
Figure FDA00029173110300000319
设定
Figure FDA0002917311030000041
并将路径加入到路径集
Figure FDA0002917311030000042
否则，将路径加入到路径集
Figure FDA00029173110300000420
Figure FDA0002917311030000044
步骤S106，计算路径集
Figure FDA0002917311030000045
中可靠度最大的路径，可靠度下界值
Figure FDA0002917311030000046
更新k＝k+1；
步骤S107，如果
Figure FDA0002917311030000047
或
Figure FDA0002917311030000048
返回到步骤S104；否则，利用
Figure FDA0002917311030000049
计算第h个停车场在特征日C第
Figure FDA00029173110300000410
个时间段空闲车位数
Figure FDA00029173110300000411
大于期望阈值NO的可靠度
Figure FDA00029173110300000412
更新h＝h+1；
步骤S108，如果h≤H，返回到步骤S103；否则，利用公式(4)～(8)计算特征日C第
Figure FDA00029173110300000413
个时间段综合可靠度最大的停车场，编号
Figure FDA00029173110300000414
2.根据权利要求1所述的停车诱导方法，其特征在于，所述步骤S5进一步为，用
Figure FDA00029173110300000415
表示特征日C第
Figure FDA00029173110300000416
个时间段综合可靠度最大的停车场编号，将第
Figure FDA00029173110300000417
个停车场推荐给驾驶者，并根据车辆在期望行程时间内到达第
Figure FDA00029173110300000418
个停车场的最可靠路径
Figure FDA00029173110300000419
引导车辆到达停车场。
3.一种基于最可靠路径的停车诱导系统，其特征在于，执行如权利要求1或2所述的停车诱导方法，所述停车诱导系统包括：条件给定模块、最可靠路径计算模块、有空闲车位数概率计算模块、最大综合可靠度停车场计算模块、诱导模块；其中，
所述条件给定模块与所述最可靠路径计算模块和有空闲车位数概率计算模块相连，用于根据用户请求给定出行者出发时间和期望行程时间，并将给定数据发送给所述最可靠路径计算模块和有空闲车位数概率计算模块；
所述最可靠路径计算模块与所述诱导模块相连，用于根据所述出发时间和期望行程时间，计算从起点到达每个候选停车场的最可靠路径；
所述有空闲车位数概率计算模块与所述停车场综合可靠度计算模块相连，用于计算每个候选停车场在期望到达时间有空闲车位数的概率；
所述停车场综合可靠度计算模块与所述诱导模块相连，用于根据所述有空闲车位数的概率计算停车场的综合可靠度；
所述诱导模块用于选择综合可靠度最大的停车场及对应的最可靠路径，推荐给出行者，并根据对应的可靠路径引导车辆到达停车场。
CN201911076895.6A 2019-11-06 2019-11-06 一种基于最可靠路径的停车诱导系统及方法 Active CN110827563B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911076895.6A CN110827563B (zh) 2019-11-06 2019-11-06 一种基于最可靠路径的停车诱导系统及方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911076895.6A CN110827563B (zh) 2019-11-06 2019-11-06 一种基于最可靠路径的停车诱导系统及方法

Publications (2)

Publication Number Publication Date
CN110827563A CN110827563A (zh) 2020-02-21
CN110827563B true CN110827563B (zh) 2021-03-30

Family

ID=69552888

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911076895.6A Active CN110827563B (zh) 2019-11-06 2019-11-06 一种基于最可靠路径的停车诱导系统及方法

Country Status (1)

Country Link
CN (1) CN110827563B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114255609B (zh) * 2020-09-25 2023-06-20 深圳富桂精密工业有限公司 泊车引导方法、电子设备及存储介质

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105513414A (zh) * 2015-12-25 2016-04-20 江苏东大金智信息系统有限公司 基于实时交通查询和云模型的停车场车位预测和推荐方法
CN105828459A (zh) * 2016-05-13 2016-08-03 上海三思电子工程有限公司 场所车辆管理系统、车载终端及车辆
CN106530808A (zh) * 2016-11-10 2017-03-22 浙江工业大学 根据停车位当前空闲状态快速调整的停车位信息报告方法
KR20170033075A (ko) * 2015-09-16 2017-03-24 김용묵 주차유도 영상 카메라, 그를 이용한 주차유도 시스템 및 주차유도 시스템을 이용한 주차유도 방법
CN107257913A (zh) * 2015-03-09 2017-10-17 宝马股份公司 用于更新在导航系统中的停车场信息的方法和导航系统
CN107924617A (zh) * 2015-08-19 2018-04-17 索尼公司 用于为自主车辆确定导航信息的系统和方法
CN108281033A (zh) * 2018-02-05 2018-07-13 北京交通大学 一种停车诱导系统及方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102169512A (zh) * 2010-02-26 2011-08-31 同济大学 基于时间窗约束的城市轨道交通网络动态可达性计算方法

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107257913A (zh) * 2015-03-09 2017-10-17 宝马股份公司 用于更新在导航系统中的停车场信息的方法和导航系统
CN107924617A (zh) * 2015-08-19 2018-04-17 索尼公司 用于为自主车辆确定导航信息的系统和方法
KR20170033075A (ko) * 2015-09-16 2017-03-24 김용묵 주차유도 영상 카메라, 그를 이용한 주차유도 시스템 및 주차유도 시스템을 이용한 주차유도 방법
CN105513414A (zh) * 2015-12-25 2016-04-20 江苏东大金智信息系统有限公司 基于实时交通查询和云模型的停车场车位预测和推荐方法
CN105828459A (zh) * 2016-05-13 2016-08-03 上海三思电子工程有限公司 场所车辆管理系统、车载终端及车辆
CN106530808A (zh) * 2016-11-10 2017-03-22 浙江工业大学 根据停车位当前空闲状态快速调整的停车位信息报告方法
CN108281033A (zh) * 2018-02-05 2018-07-13 北京交通大学 一种停车诱导系统及方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
基于行程时间可靠性的北京中心城路网运行状态评价;姜乙甲;《中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑》;20080915;全文 *

Also Published As

Publication number Publication date
CN110827563A (zh) 2020-02-21

Similar Documents

Publication Publication Date Title
CN110428117B (zh) 城市轨道交通多场景下客流精准诱导方法及系统
CN107944605B (zh) 一种基于数据预测的动态交通路径规划方法
Zhu et al. Public vehicles for future urban transportation
Liu et al. Optimizing fleet size and scheduling of feeder transit services considering the influence of bike-sharing systems
Chen et al. A fuel-saving and pollution-reducing dynamic taxi-sharing protocol in vanets
Schlote et al. Delay-tolerant stochastic algorithms for parking space assignment
CN111898793B (zh) 一种组合出行方式下考虑用户感知差异性的路径选择方法
Kanamori et al. Evaluation of anticipatory stigmergy strategies for traffic management
Zhao et al. Dynamic path planning of emergency vehicles based on travel time prediction
Zhang et al. Online cruising mile reduction in large-scale taxicab networks
Van de Hoef Fuel-efficient centralized coordination of truck platooning
Noh et al. Hyperpaths in network based on transit schedules
CN112926768A (zh) 基于时空注意力机制的地面道路车道级交通流预测方法
CN113516277A (zh) 一种基于路网动态定价的网联智能交通路径规划方法
CN110827563B (zh) 一种基于最可靠路径的停车诱导系统及方法
Tzamourani et al. Exploring the social acceptance of transforming urban arterials to multimodal corridors. The case of Panepistimiou Avenue in Athens
Karoń Travel demand and transportation supply modelling for agglomeration without transportation model
Ambrosino et al. An algorithmic framework for computing shortest routes in urban multimodal networks with different criteria
CN112665604A (zh) 交通工具智能引导平台
CN111862657B (zh) 一种确定路况信息的方法及装置
Hu et al. Autonomous valet parking optimization with two-step reservation and pricing strategy
Fan et al. All‐stop, skip‐stop, or transfer service: an empirical study on preferences of bus passengers
CN101294821B (zh) 一种获取汽车在途最少时间的装置及方法
CN115391641A (zh) 一种基于最小可觉差乘客偏好排序的诱导路径推荐方法
CN110796885B (zh) 一种停车诱导方法及停车场诱导系统

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant