CN111597495A - 一种基于模糊判断选择最佳泊位的停车诱导方法 - Google Patents

Abstract

本发明公开了一种基于模糊判断选择最佳泊位的停车诱导方法。现有的车库中无法为司机提供最佳泊位。本发明对多个停车的影响因子进行分析，采用灰度关联的方法生成决策矩阵，采用模糊处理的方法构建动态决策属性加权量，进行模糊判决，解决泊位选择多属性决策问题，针对获知的备选泊位实现最优泊位的选择。此外，本发明以停车场的入口、出口、车道路口交叉点和车位构成停车场的节点，通过从一个已知的节点如入口开始，面向车道路口交叉点和车位以相邻节点为一层，逐层展开，对相应层的节点遍历最小距离，逐步更新数据集最终获得从入口到目标泊位的最优路径，为司机提供准确的诱导功能，解决了司机没有诱导时在停车场内徘徊的方式选择车位问题。

Description

一种基于模糊判断选择最佳泊位的停车诱导方法

技术领域

本发明属于物联网与停车诱导技术领域，具体涉及一种模糊接近理想方案偏好的最优 路径停车诱导方法。

背景技术

随着城市建设和发展，城区汽车保有量持续增长，车位供求关系日益紧张。城市化的 推进，“停车难”愈发成为城市难点和热点问题。停车泊位在没有诱导指示下，司机从进入 停车场开始，寻找空余泊位，综合考虑入口到泊位的距离、泊位周围的停放车辆、泊位到出口的距离等是否适合停车多种因素进行评价，如果符合司机喜好要求停车，不符合重新寻找有效空余泊位，直到最终搜索到泊位。鉴于目前很多停车场空间都是非常巨大，室内一般地下一层到地下三层，地面车位划分空间广阔，司机在没有停车诱导的指示下很难做出判断，导致司机在停车场内盲目寻泊，不仅仅浪费司机时间，其实由于车辆一直在寻找泊位，对区域内的交通秩序造成拥挤与阻塞。而在物联网技术的支持下，通过地磁、红外 等检测手段利用ZigBee、无线通信方式对车辆停车信息进行组网，车位检测的数据信息借 助无线通信技术传输到网关，经过网关中继后利用广域网技术传输到泊位诱导系统。泊位 诱导系统根据车辆传感器采集的泊位信息，从司机的角度出发，综合考虑泊位选择的各项 影响因素，如何去设计一种优质的停车诱导方法，帮助司机准确并快速获取停车场内最优 的泊位位置并规划司机开车到该泊位的最优路径是停车泊位诱导系统设计中最核心的问题。

发明内容

本发明的目的在于提供一种模糊接近理想方案偏好的最优路径停车诱导方法。

本发明一种基于模糊判断选择最佳泊位的停车诱导方法具体如下：

步骤一、提取各个备选泊位的难度系数skill、行驶距离driver、行走距离walk和安全 系数safe。难度系数skill表示泊位停车的难度。行驶距离driver为开车从入口到泊位的距 离。行走距离walk为从泊位到车库步行出口的距离。安全系数safe表示泊位上停放的车 辆的安全程度。

步骤二、针对难度系数、行驶距离、行走距离和安全系数，分别构建相应的隶属函数。

第i号备选泊位难度系数skill_i的隶属函数u_i1如式(1)所示，i＝1,2,…,n。n为备选泊 位的数量。

式(1)中，skill_i为第i个备选泊位的难度系数；skill_min为所有备选泊位的难度系数 的最小值。

第i号备选泊位行驶距离driver_i的隶属函数u_i2如式(2)所示。

式(2)中，driver_i为第i个备选泊位对应的行驶距离；driver_max、driver_min分别为所有 备选泊位对应的行驶距离的最大值、最小值。

第i号备选泊位行走距离walk_i的隶属函数u_i3如式(3)所示；

式(3)中，walk_i为第i个备选泊位对应的行走距离；walk_max、walk_min为所有备选 泊位对应的行走距离的最大值、最小值。

第i号备选泊位安全系数safe_i的隶属函数u_i4如式(4)所示，

式(4)中，safe_i为第i个备选泊位对应的安全系数；safe_max为所有备选泊位的安全系数的最大值。

步骤三、针对四个隶属函数构建备选泊位隶属度标准化决策矩阵U如式(5)所示。

建立各备选泊位的隶属度矢量u_im＝[u_i1,u_i2,u_i3,u_i4]；i＝1,2,…,n。

步骤四、建立权重矢量ω如式(6)所示。

式(6)中，δ_m为标准差，其表达式如式(7)所示；

步骤五、构建备选泊位决策影响因子原生矩阵X如式(8)所示。

式(8)中，x_i1＝skill_i；x_i2＝driver_i；x_i3＝walk_i；x_i4＝safe_i。

步骤六、构建一个相对最佳泊位方案s₀如式(9)所示。

s₀＝[x₀₁,x₀₂,x₀₃,x₀₄] 式(9)

式(9)中，x₀₁为原生矩阵X的第一列中的最小值；x₀₂为原生矩阵X的第二列中的 最小值；x₀₃为原生矩阵X的第三列中的最小值；x₀₄为原生矩阵X的第四列中的最大值。

步骤七、构建备选泊位与相对最佳泊位的灰色关联决策矩阵R_α如式(10)所示。

式(10)中，α_ij为第i个备选泊位s_i与步骤六构建的一个相对最佳泊位s₀之间的第j个决策属性的灰色关联系数，其表达式如式(11)所示；i＝1,2,…,n；j＝1,2,3,4。

式(11)中，

表示最小值计算；

表示最大值计算。

步骤九、建立加权矩阵F如式(12)所示。

步骤十、计算各备选泊位判决量F_i如式(13)所示，i＝1,2,…,n。

F_i＝α_i1ω₁+α_i2ω₂+α_i3ω₃+α_i4ω₄ 式(13)

取各备选泊位判决量F_i中的最大值对应的那个备选泊位作为目标泊位。之后，引导司 机从停车场入口到目标泊位。

作为优选，难度系数skill的取值如表1所示：

表1难度系数赋值表

作为优选，获取从入口到目标泊位的方法如下：

步骤一、建立用于中间过渡的集合H和用于存放已求解出各节点到入口最小路径值的 节点集合V。将停车场内入口、出口、车位、场内通行车道的交叉口均作为节点。集合H内的各个元素分别对应各个节点到停车场入口的路径值，集合H内初始时仅有入口节点对应元素的值为0，其它元素初始值均为无穷大；集合V内初始仅包含入口节点。

步骤二、寻找与入口节点相邻的各个节点，调取入口节点与各个相邻的节点的路径值。 将该各个相邻节点的路径值替换到集合H中；对集合H中原有数据进行更新；将集合H中未被加入集合V的各个节点对应的元素中的最小值对应的节点序号加入到集合V中；判断集合V中是否包含目标车位对应的节点P，若包含，则取集合H中节点P对应的路径值 作为最佳路径。

步骤三、取当前一个加入集合V中的节点作为特征节点，取到特征节点路径值的各个 相邻且未被加入集合V中的节点作为新的修正节点；调取各个修正节点到特征节点的路径 值dis'；并计算各个修正节点经过特征节点到入口节点的路径值。若一个修正节点经过特 征节点到入口节点的路径值<该修正节点在集合H中对应的路径值，则替换该修正节点在 集合H中对应的路径值；

之后，将集合H中未被加入集合V的各个节点对应的元素中的最小值对应的节点序号 加入到集合V中。

步骤四、判断集合V中是否包含目标车位对应的节点P，若包含，则取集合H中节点P对应的路径作为最佳路径；否则，重复执行步骤三。

持续执行步骤四能够将所有节点加入集合V中，从而获取所有备选泊位到停车场入口 的最优路径。

本发明具有的有益效果是：

1、本发明对多个停车的影响因子进行分析，采用灰度关联的方法生成决策矩阵，采用 模糊处理的方法构建动态决策属性加权量，进行模糊判决，解决泊位选择多属性决策问题， 针对获知的备选泊位实现最优泊位的选择。

2、本发明以停车场的入口、出口、车道路口交叉点和车位构成停车场的节点，通过从 一个已知的节点如入口开始，面向车道路口交叉点和车位以相邻节点为一层，逐层展开， 对相应层的节点遍历最小距离，逐步更新数据集最终获得从入口到目标泊位的最优路径， 为司机提供准确的诱导功能，解决了司机没有诱导时在停车场内徘徊的方式选择车位问题。

具体实施方式

以下对本发明作进一步说明。

一种基于模糊判断选择最佳泊位的停车诱导方法具体如下：

步骤一、从司机开车的角度出发，充分考虑停车泊位自身的属性和司机停车的习惯喜 好，对司机在停车泊位时依据自身喜好程度选择泊位的主要因素(skill、driver、walk和safe) 进行分析：

1.1、从司机自身开车技术能力考虑，司机在停车泊位过程中希望能够在自己掌控的驾 驶技术下能够安全的将车辆停放到泊位上，这对于司机来讲至关重要，有时候即使找到空 余泊位但是鉴于自身的驾驶技术无法完成停车操作。考虑到泊位类型(横向泊位、纵向泊 位和斜方泊位)、泊位相邻位置上车位占用情况考虑，泊位停车难易程度用难度系数skill 进行定义。难度系数skill的数值大小的获取依据泊位类型(横向泊位、纵向泊位和斜方泊 位)原有标定、泊位相邻位置上车位占用情况(通过车位传感器采集获取数据)，根据实 际调查结果统计分析，在数据库中难度系数skill赋值如表1，表中数值越大泊位停车越难。

表1难度系数赋值表

1.2、考虑到停车场区域内一般以单向交通为主，区域内交通情况相对简单，而司机从 个人喜好方面希望能够快速找到泊位将车辆停好，所以从司机进入停车场开始一直到找到 可以停车泊位为止，希望路程尽可能短，所以司机从进入停车场开始到找到泊位为止的开 车距离是泊位选择的主要因素，司机开车从入口到泊位距离用行驶距离driver进行定义， driver数据提前设定或通过步骤二中最优路径选择方法获取。

1.3、一旦司机找到泊位停车后，从司机个人偏好考量希望从停车的泊位开始以走路的 方式走到停车场出口的位置，走路距离尽可能短，司机从泊位到出口步行距离用行走距离 walk进行定义，walk数据提前设定或通过步骤二中最优路径选择方法获取。

1.4、从司机对于车辆的安全性考虑，希望选择的泊位与停车场区域内监控设备距离尽 可能近，不会有监控上盲区，安全有视频记录可控。安全性的选择用安全系数safe进行定 义。安全系数safe数据的获取依据泊位距离监控摄像头的距离，距离越近安全系数safe越 高，数据库中建立每一个泊位到监考摄像头的距离信息，计算时直接调取数据库中的数据。

步骤二、根据泊位传感器电路采集的泊位数据信息，获得已经被占用的泊位和剩余空 闲的泊位信息，依次来确定在剩余空闲泊位中如何选择最佳泊位，获取车库中备选泊位编 码信息S_i,i＝1,2,3....n，i表示备选泊位号。分别获取各个备选泊位的难度系数skill、行 驶距离driver、行走距离walk和安全系数safe。停车场的所有车位上均安装有泊位传感器 电路；泊位传感器电路用于检测对应的车位上有停放车辆，电路结构属于现有技术，在此 不作赘述。

步骤三、司机在停车泊位时依据自身喜好程度选择步骤一设定的难度系数skill、行驶 距离driver、行走距离walk和安全系数safe，并分别构建相应的隶属函数(Membership function)。

3.1、第i号备选泊位难度系数skill_i的隶属函数u_i1如式(1)所示。

式(1)中，skill_i为第i个备选泊位的难度系数；skill_min为所有备选泊位的难度系数 的最小值。

3.2、第i号备选泊位行驶距离driver_i的隶属函数u_i2如式(2)所示，driver_i数据的获 取通过(二)最优路径选择方法获取。

式(2)中，driver_i为第i个备选泊位对应的行驶距离；driver_max、driver_min分别为所有 备选泊位对应的行驶距离的最大值、最小值。

3.3、第i号备选泊位行走距离walk_i的隶属函数u_i3如式(3)所示；

式(3)中，walk_i为第i个备选泊位对应的行走距离；walk_max、walk_min为所有备选 泊位对应的行走距离的最大值、最小值。

3.4、第i号备选泊位安全系数safe_i的隶属函数u_i4如式(4)所示，

式(4)中，safe_i为第i个备选泊位对应的安全系数；safe_max为所有备选泊位的安全系数的最大值。

步骤四、最佳泊位选择多属性决策过程，在步骤二设置了n个备选泊位，备选泊位编 码信息S_i,i＝1,2,3....n，针对步骤三建立的四个隶属函数构建备选泊位隶属度表以及隶属度 (membership degrees)标准化决策矩阵。

4.1、分别计算备选泊位S_i的难度系数隶属度u_i1、行驶距离隶属度u_i2、行走距离隶属度u_i3和安全系数隶属度u_i4。建立隶属度表如表2所示。

表2隶属度表

4.2、由步骤4.1建立的隶属度表，构建备选泊位隶属度标准化决策矩阵U如式(5)所示。

根据矩阵U，建立各备选泊位的隶属度矢量u_im＝[u_i1,u_i2,u_i3,u_i4]。其中，i为备选泊位 序号；i＝1,2,…,n；m为备选泊决策属性序号，m＝1为skill属性，m＝2为driver属性，m＝3 为walk属性，m＝4为safe属性

步骤五、计算步骤4.1中各决策指标的客观权重，采用模糊加权引入加权矢量，对于 决策指标权重矢量计算，由于不同的司机行驶车辆个人特点对停车泊位选择重要程度也不 同，所以首先要对不同指标因素进行加权处理.权值的选择根据备选泊位进行动态选择， 引入权重矢量ω(weightvector)如式(6)所示。

式(6)中，δ_m是u_1,m(x),u_2,m(x),...,u_n,m(x)for:m＝1,2,3,4的标准差如式(7)所示； m表示选择停车泊位考虑的四项要素(即难度系数、行驶距离、行走距离和安全性系数)的序号。

由此获得得到客观赋权的权重矢量ω＝(ω₁,ω₂,ω₃,ω₄)。

步骤六、依据步骤一中获得的难度系数skill、行驶距离driver、行走距离walk和安全 系数safe，构建备选泊位决策影响因子原生矩阵X如式(8)所示。

式(8)中，x_ij表示在第i个备选泊位下第j个决策影响因子，i＝1,2,…,n；m＝1,2,3,4； m＝1表示第i个备选泊位难度系数，即x_i1＝skill_i；m＝2表示第i个备选泊位的行驶距离， 即x_i2＝driver_i；m＝3表示第i个备选泊位的行走距离，即x_i3＝walk_i；m＝4表示第i个备选泊位的安全系数，即x_i4＝safe_i。

原生矩阵X内各元素的取值如表3所示。

表3原生矩阵数据表

步骤七、在步骤六中构建的原生矩阵X中，构建一个相对最佳泊位方案s₀如式(9)所示。

s₀＝x_0m＝[x₀₁＝skill₀,x₀₂＝driver₀,x₀₃＝walk₀,x₀₄＝safe₀] 式(9)

式(9)中，x₀₁为原生矩阵X的第一列(即x₁₁，x₂₁，...，x_n1)中的最小值；x₀₂为原生矩阵X的第二列(即x₁₂，x₂₂，...，x_n2)中的最小值；x₀₃为原生矩阵X的第三 列(即x₁₃，x₂₃，...，x_n3)中的最小值；x₀₄为原生矩阵X的第四列(即 x₁₄，x₂₄，...，x_n4)中的最大值。

步骤八、通过步骤二获取备选泊位，通过步骤七获取相对最佳泊位，构建备选泊位相 对最佳泊位在步骤一中涉及的四种决策影响因素之间的关联程度，构建备选泊位与相对最 佳泊位的灰色关联决策矩阵R_α来描述关联程度，如式(10)所示。

式(10)中，α_ij为第i个备选泊位s_i与步骤七构建的一个相对最佳泊位s₀之间的第j个决策属性的灰色关联系数，其表达式如式(11)所示；

式(11)中，

表示最小值计算；

表示最大值计算。

步骤九、根据最大隶属度方法解模糊，建立加权矩阵F如式(12)所示。

步骤十、计算各备选泊位判决量F_i如式(13)所示，i＝1,2,…,n。

F_i＝α_i1ω₁+α_i2ω₂+α_i3ω₃+α_i4ω₄ 式(13)

取各备选泊位判决量F_i中的最大值对应的那个备选泊位作为最佳的目标泊位。之后， 利用最优路径诱导方法为司机提供从停车场入口到目标泊位选择的行驶最优路径，再提供 最佳泊位到出口的最优路径，给予司机提供停车诱导服务。

所述的最优路径诱导方法具体如下：

停车场内设供车辆行驶的入口EN，目标泊位P，将停车场内入口、出口、车位、场内通行车道的交叉口均作为节点用node_j表示；其中j＝0,1,…,t；t为节点总数；node₀为入口节点。分别将每个车位以及车道交叉路口的中心点作为其对应节点的坐标值，在数据库中建立停车场节点的地理坐标系。由入口EN到目标泊位P节点搜索过程中，涉及的节点包 含入口EN节点、若干车道交叉路口节点和目标泊位P的车位节点。

节点q与节点r之间的路径值用dis_qr表示(通过建立停车场节点地理坐标系从数据库 中获取节点之间的路径值)，其值在预先设置的数据库中获得；入口EN到节点node_j的最短路径值用range(node_j)表示；第z步搜索中起点到节点node_j的可能最短路径值用 distan ce(node_j)_z表示；V表示已计算出入口到停车场内各节点最短路径的节点集合；停车 场内各节点到入口的路径值数据集合用H表示。

步骤一、系统初始化，设置停车场入口EN为起始点node₀；目标泊位对应的节点P为搜索的终点，令停车场入口EN的range(node₀)＝0，停车场内其余节点到入口最短路 径值设置为∞(即无穷大，表示大于车库中最大路径值的数值)，将其按照节点序号装载 到路径值集合H中，集合V初始时记录的节点只有node₀。

步骤二、若目标停车泊位P节点在记录的集合V中，则说明目标停车泊位P最小路径已找到，执行方法结束。否则，还没有找到目标停车泊位P到入口的最小路径，转移到步 骤三。

步骤三、寻找与入口节点node₀相邻的各个节点，调取入口节点node₀与各个相邻的节 点的路径值dis_0r，r＝1,2,...,t；t为起始点node₀的相邻节点数量。将该各个相邻节点的路径 值替换到路径值集合H；对集合H中原有数据进行更新；将集合H中未被加入集合V的各个节点对应的元素中的最小值对应的节点序号加入到集合V中。判断集合V中是否包含目标车位对应的节点P，若包含，则取集合H中节点P对应的路径值作为最佳路径；否则 进入步骤四。

步骤四、取当前一个加入集合V中的节点作为特征节点，取到特征节点的各个相邻且 未被加入集合V中的节点作为新的修正节点；调取各个修正节点到特征节点的路径值dis'； 并计算各个修正节点经过特征节点到入口节点node₀的路径值(即加入特征节点到入口节 点的路径值与本步骤中计算出的路径值dis'之和)；

若一个修正节点经过特征节点到入口节点node₀的路径值<该修正节点在集合H中对 应的路径值，则替换该修正节点在集合H中对应的路径值；

之后，将集合H中未被加入集合V的各个节点对应的元素中的最小值对应的节点序号 加入到集合V中；

步骤五、判断集合V中是否包含目标车位对应的节点P，若包含，则取集合V中节点P对应的路径作为最佳路径；否则，重复执行步骤四。

持续执行步骤五能够将所有节点加入集合V中，从而获取所有备选泊位到停车场入口 的最优路径。

Claims (3)

1.一种基于模糊判断选择最佳泊位的停车诱导方法，其特征在于：步骤一、提取各个备选泊位的难度系数skill、行驶距离driver、行走距离walk和安全系数safe；难度系数skill表示泊位停车的难度；行驶距离driver为开车从入口到泊位的距离；行走距离walk为从泊位到车库步行出口的距离；安全系数safe表示泊位上停放的车辆的安全程度；

步骤二、针对难度系数、行驶距离、行走距离和安全系数，分别构建相应的隶属函数；

第i号备选泊位难度系数skill_i的隶属函数u_i1如式(1)所示，i＝1,2,…,n；n为备选泊位的数量；

式(1)中，skill_i为第i个备选泊位的难度系数；skill_min为所有备选泊位的难度系数的最小值；

第i号备选泊位行驶距离driver_i的隶属函数u_i2如式(2)所示；

式(2)中，driver_i为第i个备选泊位对应的行驶距离；driver_max、driver_min分别为所有备选泊位对应的行驶距离的最大值、最小值；

第i号备选泊位行走距离walk_i的隶属函数u_i3如式(3)所示；

式(3)中，walk_i为第i个备选泊位对应的行走距离；walk_max、walk_min为所有备选泊位对应的行走距离的最大值、最小值；

第i号备选泊位安全系数safe_i的隶属函数u_i4如式(4)所示，

式(4)中，safe_i为第i个备选泊位对应的安全系数；safe_max为所有备选泊位的安全系数的最大值；

步骤三、针对四个隶属函数构建备选泊位隶属度标准化决策矩阵U如式(5)所示；

建立各备选泊位的隶属度矢量u_im＝[u_i1,u_i2,u_i3,u_i4]；i＝1,2,…,n；

步骤四、建立权重矢量ω如式(6)所示；

式(6)中，δ_m为标准差，其表达式如式(7)所示；

步骤五、构建备选泊位决策影响因子原生矩阵X如式(8)所示；

式(8)中，x_i1＝skill_i；x_i2＝driver_i；x_i3＝walk_i；x_i4＝safe_i；

步骤六、构建一个相对最佳泊位方案s₀如式(9)所示；

s₀＝[x₀₁,x₀₂,x₀₃,x₀₄] 式(9)

式(9)中，x₀₁为原生矩阵X的第一列中的最小值；x₀₂为原生矩阵X的第二列中的最小值；x₀₃为原生矩阵X的第三列中的最小值；x₀₄为原生矩阵X的第四列中的最大值；

步骤七、构建备选泊位与相对最佳泊位的灰色关联决策矩阵R_α如式(10)所示；

式(10)中，α_ij为第i个备选泊位s_i与步骤六构建的一个相对最佳泊位s₀之间的第j个决策属性的灰色关联系数，其表达式如式(11)所示；i＝1,2,…,n；j＝1,2,3,4；

式(11)中，

表示最小值计算；

表示最大值计算；

步骤九、建立加权矩阵F如式(12)所示；

步骤十、计算各备选泊位判决量F_i如式(13)所示，i＝1,2,…,n；

F_i＝α_i1ω₁+α_i2ω₂+α_i3ω₃+α_i4ω₄ 式(13)

取各备选泊位判决量F_i中的最大值对应的那个备选泊位作为目标泊位；之后，引导司机从停车场入口到目标泊位。

2.根据权利要求1所述的一种基于模糊判断选择最佳泊位的停车诱导方法，其特征在于：步骤一中，建立难度系数赋值表如表1所示；

表1难度系数赋值表

各备选泊位的难度系数从表1中选取。

3.根据权利要求1所述的一种基于模糊判断选择最佳泊位的停车诱导方法，其特征在于：获取从入口到目标泊位的方法如下：

步骤一、建立用于中间过渡的集合H和用于存放已求解出各节点到入口最小路径值的节点集合V；将停车场内入口、出口、车位、场内通行车道的交叉口均作为节点；集合H内的各个元素分别对应各个节点到停车场入口的路径值，集合H内初始仅有入口节点对应的元素的值为0，其它元素初始值均为无穷大；集合V内初始仅包含node₀节点；

步骤二、寻找与入口节点相邻的各个节点，调取入口节点与各个相邻的节点的路径值；将该各个相邻节点的路径值替换到集合H中；对集合H中原有数据进行更新；将集合H中未被加入集合V的各个节点对应的元素中的最小值对应的节点序号加入到集合V中；判断集合V中是否包含目标车位对应的节点P，若包含，则取集合H中节点P对应的路径作为最佳路径；

步骤三、取当前一个加入集合V中的节点作为特征节点，取到特征节点的各个相邻且未被加入集合V中的节点作为新的修正节点；调取各个修正节点到特征节点的路径值dis'；并计算各个修正节点经过特征节点到入口节点node₀的路径值；若一个修正节点经过特征节点到入口节点的路径值<该修正节点在集合H中对应的路径值，则替换该修正节点在集合H中对应的路径值；

之后，将集合H中未被加入集合V的各个节点对应的元素中的最小值对应的节点序号加入到集合V中；

步骤四、判断集合V中是否包含目标车位对应的节点P，若包含，则取集合V中节点P对应的路径作为最佳路径；否则，重复执行步骤三。