CN114331633A - 共享停车的配对方法、装置及计算机程序产品、电子装置 - Google Patents
共享停车的配对方法、装置及计算机程序产品、电子装置 Download PDFInfo
- Publication number
- CN114331633A CN114331633A CN202111671880.1A CN202111671880A CN114331633A CN 114331633 A CN114331633 A CN 114331633A CN 202111671880 A CN202111671880 A CN 202111671880A CN 114331633 A CN114331633 A CN 114331633A
- Authority
- CN
- China
- Prior art keywords
- satisfaction
- parking space
- shared
- shared parking
- parking
- 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.)
- Pending
Links
Images
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/10—Internal combustion engine [ICE] based vehicles
- Y02T10/40—Engine management systems
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请提出了一种共享停车的配对方法,包括:获取至少一车主的停车需求和至少一共享车位信息;根据停车需求和共享车位信息,计算每一车主对每一共享停车位的第一综合满意度,以及计算每一共享停车位对每一车主的停车需求的第二综合满意度;根据所有第一综合满意度构建第一满意矩阵,以及根据第二综合满意度构建第二满意矩阵,构建满意度总和模型;将满意度总和模型转换为单目标优化模型进行求解,得到最佳配对方法。该方法使具有停车需求的车主与共享停车位作为处于相同地位的主体,构建满意度总和模型,并以双方主体对彼此的满意度总和最大为目标,求解当满意度总和最大时的最优配对方案,在一定程度上兼顾了“稳定”和“满意”两种要求。
Description
技术领域
本申请涉及智慧停车领域,特别是涉及一种共享停车的配对方法、装置及计算机程序产品、电子装置。
背景技术
过快增长的汽车数量和有限的停车位之间产生的矛盾已经成为城市发展的一大阻碍,也是严重影响城市交通以及公共安全的重要因素之一。为了改善停车环境、满足停车需求,智慧停车已经成为各个城市、企业和民众多方共赢的必然选择。
智慧停车是指将无线通信技术、移动终端技术、GPS定位技术、GIS技术等综合应用于城市停车位的采集、管理、查询、预订与导航服务,实现停车位资源的实时更新、查询、预订与导航服务一体化。
在汽车数量远大于停车位数量的情况下,CN109544962A提出了一种车位共享与调度系统及实现方法,主要是根据停车需求及最短步行距离初步选择可用车位范围,使用改进的蚁群算法计算出初步选取的停车位的最佳行车路线和行程时间,然后采用TOPSIS加权模型为停车需求量化计算出可用车位最优排名解集,并考虑停车需求和停车位拥有者双方的效益进行动态的双向匹配并确定匹配结果。
该方案存在以下缺陷:①该方案使用TOPSIS加权模型考虑权值时,需要用到层次分析法确定不同指标的权值,常规的层次分析法确定的取值以及最后生成的判断矩阵都是自定义的,主观性太强,对最终匹配结果的影响也很大。②该方案先计算得到每个停车需求对应的停车位的最优解集,以为只停车需求对停车位是单向选择;再对每个停车需求的最优解集进行求交运算,意味着停车位对停车需求也是单向选择;求交运算得出的停车位便是多个停车需求要竞争的同一停车位,最后根据停车需求可提供给停车位的效益进行优选,也就意味着实质上只能保证某一个停车需求匹配到的停车位可以满足最优的情况,其余的停车需求都只能从次优的情况中再次进行选择。
因此,该方案难以真正地实现停车位资源利用率的最大化、停车场利润的最大化以及停车需求服务的最优化。例如,在工作时间段,工作区域的停车场中的停车位数量有限,因此工作区域以及附近的停车位供不应求,但住宅小区内有大量的停车位,其中大部分停车位属于私人所有,小部分属于临时停车位,因此住宅小区内的停车位大部分处于闲置状态;相反的,在休息时间段,住宅小区中的停车位相比工作区域的停车位更加供不应求。特别是在针对上述这种供需匹配的关系有一种明确的时空特点时,CN109544962A的方案得到最终的匹配结果无法满足全局性的稳定匹配。
发明内容
本申请提供了一种共享停车的配对方法、装置及计算机程序产品、电子装置,将用户的停车需求和停车位的出租信息当作相同地位进行匹配,通过计算双方的最大满意度总和得到最佳全局配对方案。
第一方面,本申请实施例提供了一种共享停车的配对方法,该方法将车主对共享停车位的满意程度和共享停车位对车主的满意程度都当作相同地位的主体,针对双边主体给出的偏好信息,构建满意度函数来计算双方主体对对方的满意度,并在考虑稳定匹配条件的前提下,以双方主体的满意度总和最大为目标,构建多目标双边匹配优化模型,并求解该优化模型获得最佳配对方案。
该方法包括以下步骤:
获取至少一车主的停车需求和至少一共享车位信息,其中每一所述共享车位信息对应一共享停车位;
根据所述停车需求和共享车位信息,计算每一所述车主对每一所述共享停车位的第一综合满意度,以及计算每一所述共享停车位对每一所述车主的停车需求的第二综合满意度;
根据所有所述第一综合满意度构建第一满意矩阵,以及根据所述所述第二综合满意度构建第二满意矩阵,根据所述第一满意度矩阵和所述第二满意度矩阵构建满意度总和模型;
根据所述停车需求和所述共享车位信息的数量确定第一约束条件,选取第二约束条件,并根据所述第一约束条件和所述第二约束条件将所述满意度总和模型转换为单目标优化模型进行求解,得到最佳配对方法。
在一些申请实施例中,“选取第二约束条件”包括:根据ε-约束算法,将所述满意度总和模型拆分成第一目标函数和第二目标函数,选取所述第一目标函数或所述第二目标函数作为第二约束条件,根据所述第一约束条件和所述第二约束条件求解所述满意度总和模型的帕累托前沿,获得最佳配对方案。
在一些申请实施例中,所述停车需求包括至少一要求条件,所述共享车位信息包括对应共享停车位的租用条件,所述要求条件与所述租用条件一一对应。
在一些申请实施例中,“根据所述停车需求和共享车位信息,计算每一所述车主对每一所述共享停车位的第一综合满意度,以及计算每一所述共享停车位对每一所述车主的停车需求的第二综合满意度”包括:
根据每一所述停车需求的所述要求条件与每一所述共享车位信息中对应的租用条件之间的差值,获取所述停车需求的车主对每一所述共享车位信息中各个租用条件的第一满意度;
根据每一所述共享车位信息的所述租用条件与每一所述停车需求中对应的要求条件之间的差值,获取所述共享车位信息对应的共享停车位对每一所述停车需求中各个要求条件的第二满意度;
根据同一所述车主对同一所述共享停车位的共享车位信息所有所述第一满意度计算该车主对该共享停车位的第一综合满意度;
根据同一所述共享停车位对同一所述车主的停车需求所有所述第二满意度计算该共享停车位对该车主的第二综合满意度。
在一些申请实施例中,在“获取至少一车主的停车需求和至少一共享车位信息”后,包括:构建满意度的评语集,所述评语集将满意度分为不同等级;采用取近似的偏大型柯西分布隶数函数计算不同等级满意度的量化值。
在一些申请实施例中,所述评语集按照满意度从低到高排序为:非常不满意、很不满意、不满意、不太满意、基本满意、比较满意、满意、很满意、非常满意;将非常不满意的满意度的量化值为0.01,将基本满意的满意度的量化值为0.8,将非常满意的满意度的量化值为1,根据非常不满意、基本满意以及非常满意的量化值,采用取近似的偏大型柯西分布隶数函数计算其他满意度的量化值。
第二方面,本申请实施例提供了一种共享停车的配对装置,用于实现第一方面中所述的共享停车的配对方法,该装置包括以下模块:
获取模块,用于获取至少一车主的停车需求和至少一共享车位信息,每一所述共享车位信息对应一共享停车位;
处理模块,用于根据所述停车需求和共享车位信息,计算每一所述车主对每一所述共享停车位的第一综合满意度,以及计算每一所述共享停车位对每一所述车主的停车需求的第二综合满意度;
构建模型模块,用于根据所有所述第一综合满意度构建第一满意矩阵,以及根据所述所述第二综合满意度构建第二满意矩阵,根据所述第一满意度矩阵和所述第二满意度矩阵构建满意度总和模型;
对配模块,用于根据所述停车需求和所述共享车位信息的数量确定第一约束条件,选取第二约束条件,并根据所述第一约束条件和所述第二约束条件将所述满意度总和模型转换为单目标优化模型进行求解,得到最佳配对方法。
第三方面,本申请实施例提供了一种电子装置,包括存储器和处理器,所述存储器中存储有计算机程序,所述处理器被设置为运行所述计算机程序以如上任意申请实施例所述的共享停车的配对方法。
第四方面,本申请实施例提供了一种计算机程序产品,所述计算机程序产品包括软件代码部分,当所述计算机程序产品在计算机上被运行时,所述软件代码部分用于执行如上任一申请实施例所述的共享停车的配对方法。
第五方面,本申请实施例提供了一种可读存储介质,所述可读存储介质中存储有计算机程序,所述计算机程序包括用于控制过程以执行过程的程序代码,所述过程包括根据如上任意申请实施例所述的共享停车的配对方法。
本申请实施例的主要贡献和创新点如下:
本申请实施例使具有停车需求的车主与共享停车位作为处于相同地位的主体,构建满意度总和模型,并以双方主体对彼此的满意度总和最大为目标,求解当满意度总和最大时的最优配对方案。本申请实施例获得的最佳配对方案在一定程度上兼顾了“稳定”和“满意”两种要求,更加接近停车位资源利用率的最大化、停车场利润的最大化以及停车需求服务的最优化的情况。
本申请的一个或多个实施例的细节在以下附图和描述中提出,以使本申请的其他特征、目的和优点更加简明易懂。
附图说明
此处所说明的附图用来提供对本申请的进一步理解,构成本申请的一部分,本申请的示意性实施例及其说明用于解释本申请,并不构成对本申请的不当限定。在附图中:
图1是根据本申请实施例的共享停车的配对方法的流程图;
图2是根据本申请实施例的二分图G的示意图;
图3是根据本申请实施例的匈牙利算法求解流程图;
图4是根据本申请实施例的共享停车的配对装置的结构框图;
图5是根据本申请实施例的电子装置的硬件结构示意图。
具体实施方式
这里将详细地对示例性实施例进行说明,其示例表示在附图中。下面的描述涉及附图时,除非另有表示,不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本说明书一个或多个实施例相一致的所有实施方式。相反,它们仅是与如所附权利要求书中所详述的、本说明书一个或多个实施例的一些方面相一致的装置和方法的例子。
需要说明的是:在其他实施例中并不一定按照本说明书示出和描述的顺序来执行相应方法的步骤。在一些其他实施例中,其方法所包括的步骤可以比本说明书所描述的更多或更少。此外,本说明书中所描述的单个步骤,在其他实施例中可能被分解为多个步骤进行描述;而本说明书中所描述的多个步骤,在其他实施例中也可能被合并为单个步骤进行描述。
实施例一
本实施例提供了一种共享停车的配对方法,应用该方法可以实现一种共享停车平台,在该平台上,车主可以根据需要发布停车需求寻求符合条件的停车位,或者发布共享车位信息将自己私人拥有的停车位出租给他人。
需要说明的是,本方法适用于月度匹配,例如每月末为一个统计节点,使用共享停车平台中所有的停车需求和共享车位信息进行配对,如果在月中有新添加的停车需求或者共享车位信息,不调整原先的配对结果,仅在新增的停车信息或共性车位信息中完成对配。
参考图1,该方法包括以下步骤:
获取至少一车主的停车需求和至少一共享车位信息,其中每一所述共享车位信息对应一共享停车位;
根据所述停车需求和共享车位信息,计算每一所述车主对每一所述共享停车位的第一综合满意度,以及计算每一所述共享停车位对每一所述车主的停车需求的第二综合满意度;
根据所有所述第一综合满意度构建第一满意矩阵,以及根据所述所述第二综合满意度构建第二满意矩阵,根据所述第一满意度矩阵和所述第二满意度矩阵构建满意度总和模型;
根据所述停车需求和所述共享车位信息的数量确定第一约束条件,选取第二约束条件,并根据所述第一约束条件和所述第二约束条件将所述满意度总和模型转换为单目标优化模型进行求解,得到最佳配对方法。
其中,停车需求指的是想要租用共享停车位的车主提出的对共享停车位的要求条件,也就是说停车需求包括至少一要求条件。例如,要求条件可以是租用开始时间、租用结束时间、可承受最高租金或带有充电桩等。
共享车位信息包括是共享停车位的基本信息和租用条件。共享停车位的基本信息包括停车位隶属的停车场、停车场的相关信息、停车位的地理位置、停车位是否带有充电桩等,共享停车位的租用条件包括可租用开始时间、可租用结束时间、可接受最低租金等。
具体的,共享车位信息可以来自于该平台已经接入的停车场的数据,也可以来自于用户发布时填写的私人停车位的相关信息。
例如,在该共享停车平台上,接入了城市中多个停车场的基础数据,这些基础数据主要包括停车场类型(配建/公共/道路)、停车位置(路内/路外)、停车场的地理位置、建筑类型(地面、地下、地上、地上及地下)等,所以共享共享车位信息中的基本信息可以从这些基础数据获得。用户也可以通过发布共享共享车位信息的时候,关联到对应的停车场以获取这些基础信息,然后再手动完善其他信息。
使用停车需求和共享车位信息,可以将发布停车需求的车主与共享停车位进行配对,但由于每个车主的停车需求不相同,且每个共享停车位的共享车位信息也不相同,将车主和共享停车位作为相同地位的主体进行双线匹配,可构造出“车主”和“车位”的二部集,作为二分图G=(车主,车位)的顶点集,其中“车主”对应提出停车需求的车主,“车位”对应共享车位信息对应的共享停车位。
如图2所示,当“车主”对“车位”满意时,就在两者之间连线,作为边,边的权重是两者配对成功的概率,也就是“车主”对“车位”的满意度以及“车位”对“车主”的满意度。在尽量满足双方主体的条件下提升匹配率,也就是在所有“车主”与配对“车位”双方的满意度之和最大的情况下的配对方案,作为最佳配对方案。
通常的满意度可以分为:非常不满意、很不满意、不满意、不太满意、基本满意、比较满意、满意、很满意、非常满意,构成相应的评语集V={v1,v2,v3,v4,v5,v6,v7,v8,v9},根据层次分析方法中关于条件等级差的度量标准,并对评语集中每一等级的满意度依次赋值{1,2,3,4,5,6,7,8,9}。
因此,可以根据车主的停车需求对每一个共享停车位的共享车位信息进行评价,来表达车主对每一个共享停车位的综合满意度。将车主的停车需求中每一要求条件和共享停车位的共享车位信息中每一租用条件都当作一项指标,计算车主的停车需求中每一项指标与与共享停车位的共享车位信息中对应指标之间的差值,根据对应指标之间的差值判断车主对共享停车位的共享车位信息在该项指标的第一满意度,同理的,也可以对应指标之间的差值判断共享停车位对车主的停车需求在该项指标的第二满意度。例如,共享车位信息中的可租用开始时间减去停车需求中的租用开始时间得到开始时间差值,如果开始时间差值越大,表示共享停车位的可租用开始时间远早于停车需求中的租用开始时间,意味着车主对该共享停车位的可租用开始时间的满意度越高。
如图1所示,图1是本实施例提供的车主对车位需求等级对照表。当车位的某项指标与车主相应的要求一致时,车主的某项指标与车位相应的要求一致时,则认为车主(车位)对车位(车主)为基本满意,即满意程度为v5;当车位的某项指标等级比车主相应的要求高一级时,车主的某项指标等级比车位相应的要求高一级时,则满意度上升一级,即满意程度为v6;当车位的某项指标等级比车主相应的要求低一级时,车主的某项指标等级比车位相应的要求低一级时,则满意度下降一级,即满意程度为v4。
表1车主对车位需求等级对照表
具体的,“开始时间a-s”为车主需求车位开始时间减去共享停车位可借开始时间的差值,“结束时间t-b”为共享停车位可借结束时间减去车主需求车位结束时间的差值,“出租价格-车主预算”为共享停车位的可接受最低租金减去车主的可承受最高租金,“实际距离-可接受的步行距离”共享停车位与车主目的地的实际距离减去车主可接受的步行距离。
由于在双线匹配的过程中,对不满意的敏感度远大于满意。因此,在本实施例中,为了得到满意度的量化指标可以采用取近似的偏大型柯西分布隶数函数:
其中a、b、c、d为待定常数。假设,当“非常满意”时,则满意度的量化值为1,即f(x=9)=1;当“基本满意”时,则满意度的量化值为0.8,即f(x=5)=0.8;而当“非常不满意”时,满意度的量化值为0.01,即f(x=1)=0.01。于是,通过求解方程组可以确定出a=4.4345、b=0.7884、c=0.3403、d=0.2524,将a、b、c、d代入上述柯西分布隶属函数,计算得到f(x=2)=0.2490、f(x=3)=0.5247、f(x=4)=0.6995、f(x=6)=0.8261、f(x=7)=0.9146、f(x=8)=0.9600。所以评语集V中,v1的量化值为0.01,v2的量化值为0.2490,v3的量化值为0.5247,v4的量化值为0.6995,v5的量化值为0.8,v6的量化值为0.8261,v7的量化值为0.9146,v8的量化值为0.9600,v9的量化值为1。
例如,假设车主2对车位3的“开始时间评a-s”为30min,“结束时间t-b”为10min,出租价格-车主预算为60,实际距离-可接受步行距离为0.5,那么对照表1,车主2对车位3整体评分就是(4+2+2+4)/4=3,然后带入偏大型柯西分布隶数函数,得到车主2对车位3的满意程度f(x=3)=0.5247,每一个车主和车位都这样计算一遍,形成后面的满意度矩阵sij (0)。
另外,在步骤S2之前,还需要对获取到的停车需求和共享车位信息进行筛选。因为对于配对的车主和停车位来说,一些硬性要求是必须要满足的,例如,停车需求中的租用开始时间不得早于共享车位信息中的可租用开始时间,以及停车需求中的租用结束时间不得晚于共享车位信息中的可租用结束时间等等。要满足上述这种硬性条件的才有可能配对成功,需要筛选出满足硬性条件的停车需求和共享车位信息进行筛选,可以将不满足硬性要求对应的满意度置为0。
在得到车主对共享停车位的共享车位信息中各项指标的满意度后,可以计算车主对该共享停车位的第一综合满意度,同理的,也可以根据共享停车位对车主的停车需求多种各项指标的满意度计算该共享停车位对车主的停车需求的第二综合满意度。
通过上述对指标量化的处理方法,可以分别得到第i个车主对第j个共享停车位各项指标的满意度,并根据偏大型柯西分布隶数函数计算出第i个车主对第j个共享停车位的第一综合满意度Sij (0),以及得到第i个共享停车位对第j个车主各项指标的满意度,并根据大型柯西分布隶数函数计算第i个共享停车位对第j个车主的得让综合满意度Sij (1)。
将所有第一综合满意度构成车主对共享停车位的第一满意矩阵,以及将所有第二综合满意度构成共享停车位对车主的第二满意矩阵。
例如有五个车主和七个车位(i=1,…,5;j=1,…,7),则第一满意度矩阵为:
第二满意度矩阵为:
在获得每一车主对每一共享停车位的第一综合满意度和每一停车位对每一车主的停车需求的第二综合满意度后,构建模型以计算最大满意度总和。
假设有n名待停车的车主,以及空余的m个共享停车位,匹配结果x是n*m的矩阵,其中:
依据所有第一综合满意度构建第一偏好矩阵,依据所有第二综合满意度构建第二偏好矩阵,考虑到车主选择的优先权,为第一综合满意度设置更高的权重,例如,本实施例将第一综合满意度的权重设为0.7,将第二综合满意度的权重设为0.3,构建计算两者配对的满意度总和模型:
针对的空余共享停车位的数量远远大于车主人数的情况下,有的车位有人停,有的人车位无人停,m中最多取1;即一个停车位有且只有一个车主。即任意一个车位只能分配给一个车主,则满意度总和模型的第一约束条件为:
相应的,针对车主人数远远大于空余共享停车位的数量的情况下,则满意度总和模型的第一约束条件为:
按照上述约束条件,根据第一偏好矩阵和第二偏好矩阵对满意度总和模型进行求解。
具体的,本实施例根据ε-约束算法,将满意度总和模型中的一部分目标函数转换为约束条件,使满意度总和模型MaxZ从双目标优化模型转换为单目标优化模型进行求解。
首先,将满意度总和模型MaxZ拆分成MaxZ1和MaxZ2,:
然后,以目标函数Z2作为第二约束条件为例,采用ε-约束算法求得MaxZ的帕累托解,具体流程为:
步骤1,计算模型的理想点(idealpoint)ZL=(ZL 1,ZL 2)和最差点(nadirpoint)ZN=(ZN 1,ZN 2),其中ZL 1表示单独考虑目标函数Z1时Z1的最大值,ZL 2表示单独考虑目标函数Z2时Z2的最大值,而ZN 1表示当目标函数Z2取得最大值时Z1的值,ZN 2表示当目标函数Z1取得最大值时Z2的值。
求解目标函数为Z1时,Z2的可行区间为端点值[(ZN 2,ZL 2)],那么MaxZ2=ZL 2,且MinZ2=ZN 2。在该可行区间[(ZN 2,ZL 2)]内设定迭代步长为θ,得到帕累托解集的个数,则为一个区间内可以得到(MaxZ2-MinZ2)/θ个解。
以θ为迭代步长,每次的迭代步长作为约束条件添加进MaxZ2和约束条件构成的模型中,不断求得一系列帕累托有效解,选择帕累托有效解在所有目标中优化的最差的目标值进行比较,最小的为最终的解。
步骤2,令S表示所有可行解的区域、迭代步长为θ,S=S∪{(ZL 1,ZL 2)}∪{(ZN 1,ZN 2)},且λ=ZN 2+θ。
步骤3,若λ≤ZL 2,则执行步骤4,否则执行步骤5。
步骤4,用匈牙利算法求解单目标优化模型,获得最优解的函数值(Z* 1,Z* 2),且S=S∪{(Z* 1,Z* 2)},λ=Z* 2+θ,再步骤3。
例如,Z2≥λ时,第一约束条件为:
将MaxZ1转化为匈牙利算法解决的标准形式,例如当车主少共享停车位多时,模型需要设立几位虚拟“车主”,达到车主与共享停车位数相等来进行求解,其中每一虚拟车主对所有的车位第一综合满意度为0;或者当共享停车位少但车主多时,模型需要设立几位虚拟“共享停车位”,达到车主与共享停车位数相等来进行求解,其中每一虚拟共享停车位对所有车主的第二满意度位0。
使用匈牙利算法求解的理念是用二部图G的最大匹配的大小等于G的最小顶点覆盖的大小的定理提出的一种多项式算法,具体的流程图可以参考图3。
将表1转化为矩阵形式,然后按照如图3所示的步骤求解。第一步,行归约:每行元素减去该行的最小元素。第二步,列归约:每列元素减去该列的最小元素。第三步,试指派:(1)找到未被画线的含0元素最少的行列,即,遍历所有未被画线的0元素,看下该0元素所在的行列一共有多少个0,最终选取最少个数的那个0元素。(2)找到该行列中未被画线的0元素,这就是一个独立0元素。对该0元素所在行和列画线。(3)暂时不看被线覆盖的元素,重复(1)(2)直到没有线可以画。(4)根据(2)找到的0元素个数判断,找到n个独立0元素则Success,小于n个则Fail。第四步,画盖0线:做最少的直线数覆盖所有0元素,直线数就是独立0元素的个数;(1)对没有独立0元素的行打勾(2)对打勾的行所含;0元素的列打勾;(3)对所有打勾的列中所含独立0元素的行打勾;(4)重复(2)(3)直到没有不能再打勾;(5)对打勾的列和没有打勾的行画画线,这就是最小盖0线。第五步,更新矩阵:(1)对没有被线划到的数中,找到最小的数;(2)对没有被线划到的数中,减去最小的数;(3)对被2条线划到的数中,加上最小的数。第六步,重复第三步至第五步直到成功。
完成上述步骤后,求解可得最大总满意度为Z,同时输出最佳配对方案(结果为1的为最优解):
步骤5删除S中被占有的点获得帕累托前沿,算法结束。依据ε-约束算法,以上的每个最优解都是MaxZ的帕累托解,因此用上述算法通过不断迭代可获得MaxZ的帕累托前沿并输出最佳配对方法。
实施例二
基于相同的构思,本实施例还提供了一种共享停车的配对装置,用于实现实施例一中所描述的共享停车的配对方法,具体参考图4,该装置包括以下模块:
获取模块,用于获取至少一车主的停车需求和至少一共享车位信息,每一所述共享车位信息对应一共享停车位;
处理模块,用于根据所述停车需求和共享车位信息,计算每一所述车主对每一所述共享停车位的第一综合满意度,以及计算每一所述共享停车位对每一所述车主的停车需求的第二综合满意度;
构建模型模块,用于根据所有所述第一综合满意度构建第一满意矩阵,以及根据所述所述第二综合满意度构建第二满意矩阵,根据所述第一满意度矩阵和所述第二满意度矩阵构建满意度总和模型;
对配模块,用于根据所述停车需求和所述共享车位信息的数量确定第一约束条件,选取第二约束条件,并根据所述第一约束条件和所述第二约束条件将所述满意度总和模型转换为单目标优化模型进行求解,得到最佳配对方法。
实施例三
本实施例还提供了一种电子装置,参考图5,包括存储器404和处理器402,该存储器404中存储有计算机程序,该处理器402被设置为运行计算机程序以执行上述实施例中的任意一种共享停车的配对方法的步骤。
具体地,上述处理器402可以包括中央处理器(CPU),或者特定集成电路(Application Specific Integrated Circuit,简称为ASIC),或者可以被配置成实施本申请实施例的一个或多个集成电路。
其中,存储器404可以包括用于数据或指令的大容量存储器404。举例来说而非限制,存储器404可包括硬盘驱动器(Hard Disk Drive,简称为HDD)、软盘驱动器、固态驱动器(Solid State Drive,简称为SSD)、闪存、光盘、磁光盘、磁带或通用串行总线(UniversalSerial Bus,简称为USB)驱动器或者两个或更多个以上这些的组合。在合适的情况下,存储器404可在数据处理装置的内部或外部。在特定实施例中,存储器404是非易失性(Non-Volatile)存储器。在特定实施例中,存储器404包括只读存储器(Read-Only Memory,简称为ROM)和随机存取存储器(Random Access Memory,简称为RAM)。在合适的情况下,该ROM可以是掩模编程的ROM、可编程ROM(Programmable Read-Only Memory,简称为PROM)、可擦除PROM(Erasable Programmable Read-Only Memory,简称为EPROM)、电可擦除PROM(Electrically Erasable Programmable Read-Only Memory,简称为EEPROM)、电可改写ROM(Electrically Alterable Read-Only Memory,简称为EAROM)或闪存(FLASH)或者两个或更多个以上这些的组合。在合适的情况下,该RAM可以是静态随机存取存储器(StaticRandom-Access Memory,简称为SRAM)或动态随机存取存储器(Dynamic Random AccessMemory,简称为DRAM),其中,DRAM可以是快速页模式动态随机存取存储器404(Fast PageMode Dynamic Random Access Memory,简称为FPMDRAM)、扩展数据输出动态随机存取存储器(Extended Date Out Dynamic Random Access Memory,简称为EDODRAM)、同步动态随机存取内存(Synchronous Dynamic Random-Access Memory,简称SDRAM)等。
存储器404可以用来存储或者缓存需要处理和/或通信使用的各种数据文件,以及处理器402所执行的可能的计算机程序指令。
处理器402通过读取并执行存储器404中存储的计算机程序指令,以实现上述实施例中的任意一种共享停车的配对方法。
可选地,上述电子装置还可以包括传输设备406以及输入输出设备408,其中,该传输设备406和上述处理器402连接,该输入输出设备408和上述处理器402连接。
传输设备406可以用来经由一个网络接收或者发送数据。上述的网络具体实例可包括电子装置的通信供应商提供的有线或无线网络。在一个实例中,传输设备包括一个网络适配器(Network Interface Controller,简称为NIC),其可通过基站与其他网络设备相连从而可与互联网进行通讯。在一个实例中,传输设备406可以为射频(Radio Frequency,简称为RF)模块,其用于通过无线方式与互联网进行通讯。
输入输出设备408用于输入或输出信息。在本实施例中,输入的信息可以是当前数据表例如疫情流调文档、特征数据、模板表等,输出的信息可以是特征指纹、指纹模板、文本分类推荐信息、文件模板配置映射表、文件模板配置信息表等。
可选地,在本实施例中,上述处理器402可以被设置为通过计算机程序执行以下步骤:
获取至少一车主的停车需求和至少一共享车位信息,其中每一所述共享车位信息对应一共享停车位;
根据所述停车需求和共享车位信息,计算每一所述车主对每一所述共享停车位的第一综合满意度,以及计算每一所述共享停车位对每一所述车主的停车需求的第二综合满意度;
根据所有所述第一综合满意度构建第一满意矩阵,以及根据所述所述第二综合满意度构建第二满意矩阵,根据所述第一满意度矩阵和所述第二满意度矩阵构建满意度总和模型;
根据所述停车需求和所述共享车位信息的数量确定第一约束条件,选取第二约束条件,并根据所述第一约束条件和所述第二约束条件将所述满意度总和模型转换为单目标优化模型进行求解,得到最佳配对方法。
需要说明的是,本实施例中的具体示例可以参考上述实施例及可选实施方式中所描述的示例,本实施例在此不再赘述。
另外,结合上述实施例一中的任意一种共享停车的配对方法,本申请实施例可一种计算机程序产品来实现。该计算机程序产品该计算机程序产品包括软件代码部分,当所述计算机程序产品在计算机上被运行时,所述软件代码部分用于执行实现上述实施例一中的任意一种共享停车的配对方法。
并且,结合上述实施例一中的任意一种共享停车的配对方法,本申请实施例可提供一种可读存储介质来实现。该可读存储介质上存储有计算机程序;该计算机程序被处理器执行时实现上述实施例中的任意一种共享停车的配对方法。
通常,各种实施例可以以硬件或专用电路、软件、逻辑或其任何组合来实现。本发明的一些方面可以以硬件来实现,而其他方面可以以可以由控制器、微处理器或其他计算设备执行的固件或软件来实现,但是本发明不限于此。尽管本发明的各个方面可以被示出和描述为框图、流程图或使用一些其他图形表示,但是应当理解,作为非限制性示例,本文中描述的这些框、装置、系统、技术或方法可以以硬件、软件、固件、专用电路或逻辑、通用硬件或控制器或其他计算设备或其某种组合来实现。
本发明的实施例可以由计算机软件来实现,该计算机软件由移动设备的数据处理器诸如在处理器实体中可执行,或者由硬件来实现,或者由软件和硬件的组合来实现。包括软件例程、小程序和/或宏的计算机软件或程序(也称为程序产品)可以存储在任何装置可读数据存储介质中,并且它们包括用于执行特定任务的程序指令。计算机程序产品可以包括当程序运行时被配置为执行实施例的一个或多个计算机可执行组件。一个或多个计算机可执行组件可以是至少一个软件代码或其一部分。另外,在这一点上,应当注意,如图中的逻辑流程的任何框可以表示程序步骤、或者互连的逻辑电路、框和功能、或者程序步骤和逻辑电路、框和功能的组合。软件可以存储在诸如存储器芯片或在处理器内实现的存储块等物理介质、诸如硬盘或软盘等磁性介质、以及诸如例如DVD及其数据变体、CD等光学介质上。物理介质是非瞬态介质。
本领域的技术人员应该明白,以上实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上实施例仅表达了本申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对本申请范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请的保护范围应以所附权利要求为准。
Claims (10)
1.共享停车的配对方法,其特征在于,包括以下步骤:
获取至少一车主的停车需求和至少一共享车位信息,其中每一所述共享车位信息对应一共享停车位;
根据所述停车需求和共享车位信息,计算每一所述车主对每一所述共享停车位的第一综合满意度,以及计算每一所述共享停车位对每一所述车主的停车需求的第二综合满意度;
根据所有所述第一综合满意度构建第一满意矩阵,以及根据所述所述第二综合满意度构建第二满意矩阵,根据所述第一满意度矩阵和所述第二满意度矩阵构建满意度总和模型;
根据所述停车需求和所述共享车位信息的数量确定第一约束条件,选取第二约束条件,并根据所述第一约束条件和所述第二约束条件将所述满意度总和模型转换为单目标优化模型进行求解,得到最佳配对方法。
2.根据权利要求1所述的共享停车的配对方法,其特征在于,“选取第二约束条件”包括:根据ε-约束算法,将所述满意度总和模型拆分成第一目标函数和第二目标函数,选取所述第一目标函数或所述第二目标函数作为第二约束条件,根据所述第一约束条件和所述第二约束条件求解所述满意度总和模型的帕累托前沿,获得最佳配对方案。
3.根据权利要求1所述的共享停车的配对方法,其特征在于,所述停车需求包括至少一要求条件,所述共享车位信息包括对应共享停车位的租用条件,所述要求条件与所述租用条件一一对应。
4.根据权利要求3所述的共享停车的配对方法,其特征在于,“根据所述停车需求和共享车位信息,计算每一所述车主对每一所述共享停车位的第一综合满意度,以及计算每一所述共享停车位对每一所述车主的停车需求的第二综合满意度”包括:
根据每一所述停车需求的所述要求条件与每一所述共享车位信息中对应的租用条件之间的差值,获取所述停车需求的车主对每一所述共享车位信息中各个租用条件的第一满意度;
根据每一所述共享车位信息的所述租用条件与每一所述停车需求中对应的要求条件之间的差值,获取所述共享车位信息对应的共享停车位对每一所述停车需求中各个要求条件的第二满意度;
根据同一所述车主对同一所述共享停车位的共享车位信息所有所述第一满意度计算该车主对该共享停车位的第一综合满意度;
根据同一所述共享停车位对同一所述车主的停车需求所有所述第二满意度计算该共享停车位对该车主的第二综合满意度。
5.根据权利要求4所述的共享停车的配对方法,其特征在于,在“获取至少一车主的停车需求和至少一共享车位信息”后,包括:
构建满意度的评语集,所述评语集将满意度分为不同等级;
采用取近似的偏大型柯西分布隶数函数计算不同等级满意度的量化值。
6.根据权利要求5所述的共享停车的配对方法,其特征在于,所述评语集按照满意度从低到高排序为:非常不满意、很不满意、不满意、不太满意、基本满意、比较满意、满意、很满意、非常满意;将非常不满意的满意度的量化值为0.01,将基本满意的满意度的量化值为0.8,将非常满意的满意度的量化值为1,根据非常不满意、基本满意以及非常满意的量化值,采用取近似的偏大型柯西分布隶数函数计算其他满意度的量化值。
7.共享停车的配对装置,其特征在于,包括以下步骤:
获取模块,用于获取至少一车主的停车需求和至少一共享车位信息,每一所述共享车位信息对应一共享停车位;
处理模块,用于根据所述停车需求和共享车位信息,计算每一所述车主对每一所述共享停车位的第一综合满意度,以及计算每一所述共享停车位对每一所述车主的停车需求的第二综合满意度;
构建模型模块,用于根据所有所述第一综合满意度构建第一满意矩阵,以及根据所述所述第二综合满意度构建第二满意矩阵,根据所述第一满意度矩阵和所述第二满意度矩阵构建满意度总和模型;
对配模块,用于根据所述停车需求和所述共享车位信息的数量确定第一约束条件,选取第二约束条件,并根据所述第一约束条件和所述第二约束条件将所述满意度总和模型转换为单目标优化模型进行求解,得到最佳配对方法。
8.一种电子装置,包括存储器和处理器,其特征在于,所述存储器中存储有计算机程序,所述处理器被设置为运行所述计算机程序以执行权利要求1至6任一所述的共享停车的配对方法。
9.一种计算机程序产品,其特征在于,包括软件代码部分,当所述计算机程序产品在计算机上被运行时,所述软件代码部分用于执行根据权利要求1至6任一项所述的共享停车的配对方法。
10.一种可读存储介质,其特征在于,所述可读存储介质中存储有计算机程序,所述计算机程序包括用于控制过程以执行过程的程序代码,所述过程包括根据权利要求1至6任一项所述的共享停车的配对方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111671880.1A CN114331633A (zh) | 2021-12-31 | 2021-12-31 | 共享停车的配对方法、装置及计算机程序产品、电子装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111671880.1A CN114331633A (zh) | 2021-12-31 | 2021-12-31 | 共享停车的配对方法、装置及计算机程序产品、电子装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114331633A true CN114331633A (zh) | 2022-04-12 |
Family
ID=81020029
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111671880.1A Pending CN114331633A (zh) | 2021-12-31 | 2021-12-31 | 共享停车的配对方法、装置及计算机程序产品、电子装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114331633A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117392874A (zh) * | 2023-12-13 | 2024-01-12 | 湖北省长投智慧停车有限公司 | 多车场共享车位动态预约与分配方法及系统 |
-
2021
- 2021-12-31 CN CN202111671880.1A patent/CN114331633A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117392874A (zh) * | 2023-12-13 | 2024-01-12 | 湖北省长投智慧停车有限公司 | 多车场共享车位动态预约与分配方法及系统 |
CN117392874B (zh) * | 2023-12-13 | 2024-03-12 | 湖北省长投智慧停车有限公司 | 多车场共享车位动态预约与分配方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110046753B (zh) | 一种电动汽车充电站最优建设数量和选址方案规划方法 | |
DE102013202059B4 (de) | LADEINFRASTRUKTUR FÜR ELEKTROFAHRZEUGE (EVs) MIT OPTIMALER STANDORTWAHL FÜR LADESTATIONEN | |
CN111985835A (zh) | 一种居住区共享停车泊位的分配方法 | |
CN111397620B (zh) | 快充/慢充模式下的电动汽车充电导航方法及系统 | |
CN112487622B (zh) | 电动汽车充电桩的选址定容方法、装置及终端设备 | |
CN112016771B (zh) | 基于电动汽车需求预测的移动充电桩调度方法及系统 | |
CN114495552B (zh) | 一种快速停车找车导航方法及其系统 | |
CN111402616A (zh) | 智能停车控制方法、系统、存储介质、计算机程序、终端 | |
CN114218483A (zh) | 停车推荐方法及其应用 | |
CN112734124A (zh) | 基于供需平衡和可达性最优的公共停车场布点规划方法 | |
CN114331633A (zh) | 共享停车的配对方法、装置及计算机程序产品、电子装置 | |
CN113344240A (zh) | 一种共享单车流量预测方法及系统 | |
CN115345702A (zh) | 考虑用户特征的居住区私人共享停车匹配方法及系统 | |
CN108564810B (zh) | 一种车位共享系统及其方法 | |
CN111861017A (zh) | 一种基于现网数据的充电站网络优化方法 | |
CN114418497A (zh) | 基于混合麻雀算法的物流路径优化方法 | |
Aydin | Decision-Dependent multiobjective multiperiod stochastic model for parking location analysis in sustainable cities: Evidence from a real case | |
Nakayama et al. | Simulation Analysis for the Management of an Electric Vehicle–Sharing System: Case of the Kyoto Public-Car System | |
Florian et al. | Determining intermediate origin-destination matrices for the analysis of composite mode trips | |
CN115474206A (zh) | 实时人数确定方法、装置、电子设备及存储介质 | |
CN115660157A (zh) | 智慧城市充电桩建造规划方法和物联网系统、装置及介质 | |
CN109034494B (zh) | 公交调度方法 | |
CN116228295A (zh) | 一种充电桩的智能推荐方法及系统 | |
Zhou et al. | A data-driven discrete simulation-based optimization algorithm for large-scale two-way car-sharing network design | |
CN112347357B (zh) | 停车场包月方案推荐方法和系统 |
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 |