CN115204433A - 一种面向自动驾驶汽车的共享泊位预约匹配方法 - Google Patents
一种面向自动驾驶汽车的共享泊位预约匹配方法 Download PDFInfo
- Publication number
- CN115204433A CN115204433A CN202210847044.2A CN202210847044A CN115204433A CN 115204433 A CN115204433 A CN 115204433A CN 202210847044 A CN202210847044 A CN 202210847044A CN 115204433 A CN115204433 A CN 115204433A
- Authority
- CN
- China
- Prior art keywords
- parking
- demand
- vehicle
- platform
- parking space
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/02—Reservations, e.g. for tickets, services or events
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06315—Needs-based resource requirements planning or analysis
-
- 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
Abstract
本发明公开了一种面向自动驾驶汽车的共享泊位预约匹配方法,针对自动驾驶汽车的不同发展阶段,即辅助驾驶阶段、自动驾驶阶段以及自动驾驶过渡阶段三个发展阶段,考虑停车需求用户的停车时间和车辆类型差异,构建基于差异化定价方法的共享停车泊位预约和分配模型,实现对不同类型用户的停车需求进行有效匹配。本发明可以共享停车平台的运营优化管理提供技术支持,对于缓解城市停车难问题具有重要意义。
Description
技术领域
本发明属于城市停车运营优化管理技术领域,具体涉及一种面向自动驾驶汽车的共享泊位预约匹配方法。
背景技术
随着我国经济水平的快速发展和城市机动化步伐的持续推进,城市机动车保有量呈现出“井喷式增长”态势,城市中心有限的停车位供给难以满足不断增长的停车需求,停车用户在寻找停车位的过程中需要花费大量时间,停车位供需矛盾日益突出,停车难的现象始终困扰着出行者和交通管理部门。
共享理念的兴起为城市停车管理提供了新思路——共享停车。共享停车的本质是利用停车供需在时空上的差异性,盘活闲置的停车位(如居住区私有车位、政府机关及商场的集体车位等),在不扩建停车设施的前提下增加停车位的供给量来满足小区周边的停车需求,以缓解停车位短缺问题。近几年,自动驾驶车辆的发展备受市场和车企的青睐。自动驾驶车辆可以在无人干涉的情况下实现车辆的行驶、自动泊车、车联网通信(V2X)等功能,并完成自动寻找和更换泊位、缴纳停车费用等操作。相较于传统汽车的共享停车问题,由于自动驾驶车辆可以在无人监督和干涉的条件下进行移动,可将其停车需求划分为多个时段,实现多个车位之间的合作。一方面,可以充分利用停车资源的时间碎片,提高车位资源的利用效率;另一方面,在相同的供给条件下,共享停车平台可以满足更多的用户停车需求,增加收益的同时提高平台的服务满意度(需求接收率)。自动驾驶车辆和共享停车的结合,能更高效的解决城市停车难的问题,这无疑推动了共享停车产业的发展。因此,对自动驾驶在不同发展阶段下的共享停车问题研究具有一定的理论和实践意义。
目前,关于共享停车的研究集中于传统人工驾驶车辆的共享停车位匹配、停车定价问题的研究,对未来自动驾驶汽车的共享停车供需匹配问题的研究较少。
发明内容
本发明提供一种面向自动驾驶汽车不同发展阶段的共享泊位预约匹配方法,并充分考虑车辆类型和停车需求时间长度的不同,构建相应的发展阶段的共享泊位预约匹配模型,并对自动驾驶车辆在停车过程中的车位变更次数进行控制,并进一步分析平台不同发展阶段下共享停车平台运营收益、停车位利用率、停车请求接收率的影响。
本发明的技术方案是:
一种面向自动驾驶汽车的共享泊位预约匹配方法,包括以下步骤:
步骤100,私人泊位拥有者向共享停车平台上传车位可共享信息。其中,可共享信息包括:泊位拥有者可公开信息、停车位地址、停车位编号、可共享时间开始及截止时间;
步骤101,停车需求用户向共享停车平台提交共享停车预约请求。其中,请求信息包括:停车用户可公开信息、共享停车需求的开始及截止时间、目的地位置、车牌号、车辆类型;
步骤102,建立数据集。将步骤100和步骤101所收集的信息进行整理归纳,分别对私人泊位拥有者和停车需求用户进行编号,建立相应的供需信息数据集;
步骤103,停车需求用户细分。针对停车用户的需求时间长度和自动驾驶车辆自动化水平的不同,对停车需求用户进行细分;
步骤104,共享停车位供需匹配。对步骤102所构建的停车供需数据集进行分析和处理,并基于步骤103对停车需求用户进行细分,构建相应场景下的面向自动驾驶汽车不同发展阶段下的共享泊位预约和匹配模型;
步骤105,输出匹配结果。向供需双方反馈分配结果。
优选地,步骤103具体包括以下步骤:
步骤200,根据共享停车平台服务车辆类型的特点,将共享停车服务场景细分为仅有辅助驾驶汽车的场景和自动驾驶汽车过渡场景;
步骤201,对于仅有辅助驾驶汽车的场景,根据停车需求用户的停车需求时间长度的不同,设置合理的时间长度划分阈值,将停车需求划分为短时停车需求和长时停车需求,并对两种类型的停车需求采取差异化定价方案;
步骤202,对于自动驾驶汽车过渡阶段的场景,即辅助驾驶汽车和自动驾驶汽车共存的情况下,根据自动驾驶汽车自动化水平的不同,将停车需求划分为辅助驾驶车辆停车需求和自动驾驶车辆停车需求。
优选地,步骤104具体包括以下步骤:
步骤300,针对步骤201中仅存在辅助驾驶汽车的场景,根据停车场实际的供需状态,设定合理的停车时间长度划分阈值τ,将长时、短时停车需求进行细分;如果辅助驾驶汽车i的停车时间长度则该停车需求被划分为长时停车需求,共享停车平台采用长时停车价格进行收费;如果辅助驾驶汽车i的停车时间长度则该停车需求被划分为短时停车需求;在分配的过程中采取差异化定价的方法,对长时、短时停车需求设定不同的单位时间停车价格,以保证对停车需求进行差异化分配;
步骤301,对于步骤202中的自动驾驶汽车过渡阶段的场景,该阶段分为两种场景:仅有自动驾驶汽车的场景、辅助驾驶汽车和自动驾驶汽车共存的场景;
对于辅助驾驶汽车和自动驾驶汽车共存的场景,根据自动驾驶汽车不同自动化水平,依据步骤103对停车需求进行细分,将停车需求细分为辅助驾驶汽车和自动驾驶汽车;考虑到辅助驾驶车辆不具备自动代客泊车的功能,故在分配的过程中,辅助驾驶汽车的停车需求仅能由一个停车位服务;而对于自动驾驶车辆,由于其可在无人监管的条件下实现车辆的自动驾驶和代客泊车功能,使得车辆在停车过程中变更车位成为可能,故可对自动驾驶车辆的停车需求进行分割;如果某个自动驾驶汽车的停车需求无法由单个车位满足,可对此停车需求进行分割,依次由多个停车位服务以满足该停车用户的需求;
在分配的过程中对停车需求分割的行为进行惩罚,针对不同类型车辆设置不同的惩罚值,以此来控制辅助驾驶汽车和自动驾驶汽车共存场景下的共享停车位匹配过程和机制;设置相应的惩罚集合其中表示分割停车需求i的惩罚值;对于辅助驾驶汽车而言,要杜绝对其停车需求进行分割,故将其惩罚值设置为一个极大值;对于自动驾驶汽车而言,要尽可能避免在分配过程中对此类停车需求进行分割,故将其惩罚值设置为一个合理的常数值;从最优分配的角度,构建自动驾驶汽车过渡阶段的共享停车位供需匹配模型;
仅存在自动驾驶汽车的场景,考虑到所有的车辆均具备无人监管的条件下实现车辆的自动驾驶和代客泊车功能,在分配的过程中无需考虑汽车的停车需求是否被分割,故共享停车平台分割自动驾驶汽车停车需求的惩罚值可设置为一个固定的常数值。
步骤302,对于步骤300中考虑的辅助驾驶阶段的自动驾驶车辆共享停车位供需匹配的模型,以共享停车平台的收益最大化为目标,且目标函数由三部分构成:短时停车需求的服务收益、长时停车需求的服务收益、平台支付私人泊位拥有者的费用;
步骤303,对于步骤301中考虑的自动驾驶车辆过渡阶段的共享停车位供需匹配模型,以共享停车平台的收益最大化为目标,且目标函数由三部分构成:辅助驾驶汽车和自动驾驶汽车的停车服务收益之和、车辆在停车过程中变更车位的惩罚、平台支付私人泊位拥有者的费用。
优选地,步骤302的目标和约束条件如下:
目标:最大化共享停车平台运营收益
式中,R(I,J)表示以需求集合I和供给集合J为基础的平台最大收益,等式右边第一项表示平台服务长时停车需求用户的收益,pl为长时停车需求的单位时间价格,表示停车需求的实际占用矩阵,其中xij表示0-1决策变量,表示停车请求i是否被停车位j接收,dit为停车需求矩阵,表示停车请求i的需求是否包含时间段t;第二项表示平台服务短时停车需求用户的收益,其中ps为短时停车需求的单位时间价格;第三项表示平台向车位供给者租赁车位的费用,其中pr为平台向车位供给者回购停车位的单位时间价格,sjt为停车位供给矩阵,表示停车位j的可共享时间段是否包含时间段t;
约束1:车位分配约束;假设停车位的分配遵循“全有全无”分配原则,对于每一个停车请求,至多被分配到一个停车位:
约束2:车位占用约束;在目标函数中,ojt表示停车位的占用情况,它是由决策变量和停车位需求变量共同决定:
约束3:供需关系约束;对于任意时刻,平台经过分配而满足的停车需求数量,不应该大于此时的停车位供给数量,即停车位每时每刻的需求要小于等于其供给:
ojt≤sjt,j∈J,t∈T
约束4:用户类型划分约束;对于停车需求用户,如果其停车需求总时长大于平台设定的分配阈值,则该用户需求被划分为长时停车需求;反之,则该用户需求被划分为短时停车需求:
约束5:决策变量约束;目标函数中涉及的决策变量为0-1决策变量,即其值只能为1或0:
xij∈{0,1},i∈I,j∈J。
优选地,步骤303的目标和约束条件如下:
目标:最大化共享停车平台运营收益
式中,R(I,J)表示以需求集合I和供给集合J为基础的平台最大收益,等式右边第一项表示平台服务辅助驾驶汽车和自动驾驶汽车的停车收益之和,pp为平台设定的单位时间价格,dit为停车需求矩阵,表示停车请求i的需求是否包含时间段t,表示0-1决策变量,表示在t时段停车请求i是否被停车位j接收;第二项表示车辆在停车过程中变更车位的惩罚值之和,表示停车用户i变更车位的惩罚值;第三项表示平台向车位供给者租赁车位的费用,其中pr为平台向车位供给者回购停车位的单位时间价格,sjt为停车位供给矩阵,表示停车位j的可共享时间段是否包含时间段t;
约束1:车位分配约束;在任意时刻t,需求者i的停车需求至多被一个停车位满足:
约束2:供需关系约束;对于任意时刻t,系统接收的停车需求数量应不大于该时刻的停车位供给量,即停车位每时每刻的被分配的需求要小于等于其供给:
约束3:分配结果约束;对于任意需求者i,在时间段t时系统对该用户的分配结果,应该等于该时刻的停车需求,该约束能够保证停车需求在拆分的情况下,需求者i被拆分的停车需求都能够被分配:
约束4:决策变量约束;目标函数中涉及的决策变量为0-1决策变量,即其值只能为1或0:
优选地,步骤105具体包括以下步骤:
对于仅有辅助驾驶汽车的阶段,将步骤102中构建了共享停车平台的供需信息数据集代入步骤302所构建的模型中,完成共享停车位的供需匹配,并将相应的匹配结果分别反馈给供需双方,即车辆是否匹配到共享停车位、用户的停车需求被分配到哪个停车位、每个停车位服务的车辆信息、停车价格(长时停车价格/短时停车价格);
对于辅助驾驶过渡阶段,即辅助驾驶汽车和自动驾驶汽车共存阶段,将步骤102中构建了共享停车平台的供需信息数据集代入步骤303所构建的模型中,完成共享停车位的供需匹配,并将相应的匹配结果分别反馈给供需双方,即车辆是否匹配到共享停车位、用户的停车需求被分配到哪个停车位(单个/多个)、每个停车位服务的车辆信息、停车价格(常规价格/常规价格-变更车位惩罚)。
本发明的有益效果在于:
利用图学习理论并通过图卷积神经网络自动学习这种全局结构信息,将该关系嵌入所学的特征中,获得更有表征能力的图形表示,提取出更优的特征从而提高再识别的准确率。
附图说明
图1为本发明实施例提供的一种面向自动驾驶汽车的共享停车泊位预约匹配方法的流程图;
图2为本发明实施例提供的一种面向自动驾驶汽车的共享停车泊位预约匹配方法中所建立的停车需求细分示意图;
图3为本发明实施例提供的一种面向自动驾驶汽车的共享停车泊位预约匹配方法中所建立面向自动驾驶汽车不同发展阶段的共享泊位预约和分配流程图;
图4为本发明实施例提供的一种面向自动驾驶汽车的共享停车泊位预约匹配方法中所建立的差异化价格与单一价格运营下的平台收益变化图;
图5为本发明实施例提供的一种面向自动驾驶汽车的共享停车泊位预约匹配方法中所建立的辅助驾驶阶段模型的车位闲置率和平台收益的变化关系示意图。
图6为本发明实施例提供的一种面向自动驾驶汽车的共享停车泊位预约匹配方法中所建立的辅助驾驶阶段模型的车位平均利用率和车位平均周转率的变化关系示意图。
图7为本发明实施例提供的一种面向自动驾驶汽车的共享停车泊位预约匹配方法中所建立的自动驾驶过渡阶段模型的平台运营收益随自动驾驶车辆所占比例的变化关系示意图。
图8为本发明实施例提供的一种面向自动驾驶汽车的共享停车泊位预约匹配方法中所建立的自动驾驶过渡阶段模型的车位利用率随自动驾驶车辆所占比例的变化关系示意图。
图9为本发明实施例提供的一种面向自动驾驶汽车的共享停车泊位预约匹配方法中所建立的自动驾驶过渡阶段模型的请求接收率随自动驾驶车辆所占比例的变化关系示意图。
具体实施方式
下面结合附图和具体实施例对本发明作进一步说明,以使本领域的技术人员可以更好的理解本发明并能予以实施,本发明的实施方式不限于此。
本发明实施例中一种面向自动驾驶汽车不同发展阶段的共享泊位预约和匹配方法包括以下步骤:
图1为本发明实施例中的设计方案流程图。如图1所示,本发明实施例中自动驾驶汽车不同发展阶段的共享泊位预约和匹配方法包括以下步骤:
步骤100,私人泊位拥有者向共享停车平台上传车位可共享信息。可共享信息包括泊位拥有者个人信息(身份信息、信用信息)、停车位地址(街道地址、具体停车场信息)、停车位编号(停车场内的相应编号信息)、可共享时间开始及截止时间等信息;
步骤101,停车需求用户向共享停车平台提交共享停车预约请求。请求信息包括停车用户个人信息(身份信息、信用信息)、共享停车需求的开始及截止时间、目的地位置、车牌号、车辆类型(辅助驾驶车辆、自动驾驶车辆)等信息;
步骤102,建立数据集。将步骤100和步骤101所收集的信息进行整理归纳,分别对私人泊位拥有者和停车需求用户进行编号,建立相应的供需信息数据集,以便于共享停车系统进行供需匹配;
步骤103,停车需求用户细分。根据自动驾驶汽车自动化水平的不同,根据车辆类型对用户进行细分,即辅助驾驶汽车用户和自动驾驶汽车用户,并在匹配的过程中对不同类型用户设定不同的特征值。而对于辅助驾驶车辆,根据停车用户需求时间长度的不同,选择合适的时间长度阈值τ,将辅助驾驶车辆的停车需求划分为长时停车需求和短时停车需求两类,并采取差异化定价的方法对两类停车需求进行收费;
步骤104,共享停车位供需匹配。根据步骤102所构建的供需信息数据集,并基于步骤103对停车用户类型进行细分的结果,对自动驾驶汽车不同发展水平下的共享停车位进行供需匹配。构建0-1整数规划模型,确定相应的模型约束条件。
步骤105,输出匹配结果:向供需双方反馈分配结果。
下面,针对上述流程中重要步骤进行详细说明:
1)关于步骤103,图2是本发明实例中所建立的停车需求用户细分示意图。
步骤200,根据共享停车平台服务车辆类型的特点,将共享停车服务场景细分为仅有辅助驾驶汽车的场景和辅助驾驶汽车及自动驾驶汽车共存的场景(自动驾驶汽车过渡场景)。
步骤201,对于仅有辅助驾驶汽车的场景,根据停车需求用户的停车需求时间长度的不同,设置合理的时间长度划分阈值τ。如果停车需求的停车时长则该停车需求被划分为短时停车需求;如果停车需求的停车时长则该停车需求被划分为长时停车需求。并针对两种类型的停车需求采取差异化定价方案,长时停车价格为pl,短时停车价格为ps,并满足pl<ps。
步骤202,对于自动驾驶汽车过渡阶段的场景,即辅助驾驶汽车和自动驾驶汽车共存的情况下,根据自动驾驶汽车自动化水平的不同,将停车需求划分为辅助驾驶车辆停车需求和自动驾驶车辆停车需求。如果为辅助驾驶汽车的停车需求,其特征值为一个极大值;如果为自动驾驶汽车的停车需求,其特征值为一个较小的常数值。并将停车需求进行排序,辅助驾驶汽车的停车需求在需求集合前部,自动驾驶汽车的停车需求在需求集合的后面,其相应的特征值集合为
2)关于步骤104,图3是本发明实例中所建立面向自动驾驶汽车不同发展阶段的共享泊位预约和分配流程图。
步骤300,针对步骤201中仅存在辅助驾驶汽车的场景,根据停车场实际的供需状态,设定合理的停车时间长度划分阈值τ,将长时、短时停车需求进行细分。并在分配的过程中采取差异化定价的方法,对长时、短时停车需求设定不同的单位时间停车价格,以保证对停车需求进行差异化分配。
步骤301,对于步骤202中的自动驾驶汽车过渡阶段的场景,该阶段可能是辅助驾驶汽车和自动驾驶汽车共存的场景,也可能是仅有自动驾驶汽车的场景。对于辅助驾驶汽车和自动驾驶汽车共存的场景,根据自动驾驶汽车不同自动化水平,依据步骤103对停车需求进行细分,将停车需求细分为辅助驾驶汽车停车需求和自动驾驶汽车停车需求;考虑到辅助驾驶车辆不具备自动代客泊车的功能,故在分配的过程中,辅助驾驶汽车的停车需求仅能由一个停车位服务;而对于自动驾驶车辆,由于其可在无人监管的条件下实现车辆的自动驾驶和代客泊车功能,使得车辆在停车过程中变更车位成为可能,故可对自动驾驶车辆的停车需求进行分割;如果某个自动驾驶汽车的停车需求无法由单个车位满足,可对此停车需求进行分割,依次由多个停车位服务以满足该停车用户的需求;
在分配的过程中对停车需求分割的行为进行惩罚,针对不同类型车辆设置不同的惩罚值,以此来控制辅助驾驶汽车和自动驾驶汽车共存场景下的共享停车位匹配过程和机制;设置相应的惩罚集合其中表示分割停车需求i的惩罚值;对于辅助驾驶汽车而言,要杜绝对其停车需求进行分割,故将其惩罚值设置为一个极大值;对于自动驾驶汽车而言,要尽可能避免在分配过程中对此类停车需求进行分割,故将其惩罚值设置为一个合理的常数值;从最优分配的角度,构建自动驾驶汽车过渡阶段的共享停车位供需匹配模型;
对于仅存在自动驾驶汽车的场景,考虑到所有的车辆均具备无人监管的条件下实现车辆的自动驾驶和代客泊车功能,在分配的过程中无需考虑汽车的停车需求是否被分割,故共享停车平台分割自动驾驶汽车停车需求的惩罚值可设置为一个固定的常数值。
步骤302,对于步骤300中考虑的辅助驾驶阶段的自动驾驶车辆共享停车位供需匹配的模型,其特征在于,以共享停车平台的收益最大化为目标,且目标函数由三部分构成:短时停车需求的服务收益、长时停车需求的服务收益、平台支付私人泊位拥有者的费用。
目标:最大化共享停车平台运营收益
式中,R(I,J)表示以需求集合I和供给集合J为基础的平台最大收益,等式右边第一项表示平台服务长时停车需求用户的收益,pl为长时停车需求的单位时间价格,表示停车需求的实际占用矩阵,其中xij表示0-1决策变量,表示停车请求i是否被停车位j接收,dit为停车需求矩阵,表示停车请求i的需求是否包含时间段t;第二项表示平台服务短时停车需求用户的收益,其中ps为短时停车需求的单位时间价格;第三项表示平台向车位供给者租赁车位的费用,其中pr为平台向车位供给者回购停车位的单位时间价格,sjt为停车位供给矩阵,表示停车位j的可共享时间段是否包含时间段t。
约束1:车位分配约束。假设停车位的分配遵循“全有全无”分配原则,对于每一个停车请求,至多被分配到一个停车位。
约束2:车位占用约束。在目标函数中,ojt表示停车位的占用情况,它是由决策变量和停车位需求变量共同决定。
约束3:供需关系约束。对于任意时刻,平台经过分配而满足的停车需求数量,不应该大于此时的停车位供给数量,即停车位每时每刻的需求要小于等于其供给。
ojt≤sjt,j∈J,t∈T
约束4:用户类型划分约束。对于停车需求用户,如果其停车需求总时长大于平台设定的分配阈值,则该用户需求被划分为长时停车需求;反之,则该用户需求被划分为短时停车需求。
约束5:决策变量约束。目标函数中涉及的决策变量为0-1决策变量,即其值只能为1或0。
xij∈{0,1},i∈I,j∈J
步骤303,对于步骤301中考虑的自动驾驶车辆过渡阶段的共享停车位供需匹配模型,其特征在于,以共享停车平台的收益最大化为目标,且目标函数由三部分构成:辅助驾驶汽车和自动驾驶汽车的停车服务收益之和、车辆在停车过程中变更车位的惩罚、平台支付私人泊位拥有者的费用。
目标:最大化共享停车平台运营收益
式中,R(I,J)表示以需求集合I和供给集合J为基础的平台最大收益,等式右边第一项表示平台服务辅助驾驶汽车和自动驾驶汽车的停车收益之和,pp为平台设定的单位时间价格,dit为停车需求矩阵,表示停车请求i的需求是否包含时间段t,表示0-1决策变量,表示在t时段停车请求i是否被停车位j接收;第二项表示车辆在停车过程中变更车位的惩罚值之和,表示停车用户i变更车位的惩罚值;第三项表示平台向车位供给者租赁车位的费用,其中pr为平台向车位供给者回购停车位的单位时间价格,sjt为停车位供给矩阵,表示停车位j的可共享时间段是否包含时间段t。
约束1:车位分配约束。在任意时刻t,需求者i的停车需求至多被一个停车位满足。
约束2:供需关系约束。对于任意时刻t,系统接收的停车需求数量应不大于该时刻的停车位供给量,即停车位每时每刻的被分配的需求要小于等于其供给。
约束3:分配结果约束。对于任意需求者i,在时间段t时系统对该用户的分配结果,应该等于该时刻的停车需求。该约束能够保证停车需求在拆分的情况下,需求者i被拆分的停车需求都能够被分配。
约束4:决策变量约束。目标函数中涉及的决策变量为0-1决策变量,即其值只能为1或0。
除此,步骤105具体包括以下步骤:
对于仅有辅助驾驶汽车的阶段,将步骤102中构建了共享停车平台的供需信息数据集代入步骤302所构建的模型中,完成共享停车位的供需匹配,并将相应的匹配结果分别反馈给供需双方,即车辆是否匹配到共享停车位、用户的停车需求被分配到哪个停车位、每个停车位服务的车辆信息、停车价格(长时停车价格/短时停车价格);
对于辅助驾驶过渡阶段,即辅助驾驶汽车和自动驾驶汽车共存阶段,将步骤102中构建了共享停车平台的供需信息数据集代入步骤303所构建的模型中,完成共享停车位的供需匹配,并将相应的匹配结果分别反馈给供需双方,即车辆是否匹配到共享停车位、用户的停车需求被分配到哪个停车位(单个/多个)、每个停车位服务的车辆信息、停车价格(常规价格/常规价格-变更车位惩罚)。
下面以一个数值实验为例对本发明作进一步的说明:
(1)面向辅助驾驶阶段的共享泊位预约和匹配方法
假设共享停车运营平台的运营时间为09:00—17:00,并划分为T=8个等长时间窗,并以τ=4小时作为长短时停车需求的分界点。假设用户的到达服从泊松分布,停车时间服从负指数分布,平均停车时间为3小时。平台向业主回购的停车位数量N=100,考虑到业主共享车位的积极性和平台的收益,假设单位时间的回购价格pr为4元/时段,短时停车需求价格ps为8元/时段,长时停车需求价格pl为6元/时段。
为探究在不同停车需求量下,单一化定价方案与本发明的差异化定价方法优劣,对平台的运营收益进行了对比分析,如图4所示。此外,为进一步探究本发明中各项评价指标的变化情况,对各项评价指标之间进行交叉对比分析,以探究本发明的优点和特性,如图5和图6所示。
(2)面向自动驾驶过渡阶段的共享泊位预约和匹配方法
假设共享停车运营平台的运营时间为09:00—17:00,并划分为T=8个等长时间窗。假设用户的到达服从泊松分布,停车时间服从负指数分布,平均停车时间为3小时。平台向业主回购的停车位数量N=100,停车请求的数量从0~2000之间连续增加。考虑到业主共享车位的积极性和平台的收益,现有的共享停车平台均采用6:4的分成比例,故本算例也采取该定价原则。假设平台回购车位的单位时间成本为4元/小时,平台共享停车位的单位时间价格为10元/小时。为了便于分析,假设自动驾驶车辆在停车过程中变更车位的惩罚为2元/次,传统车辆在停车过程中变更车位的惩罚为2000元/次。此外,调整传统汽车需求数量占总停车需求的比例分别为0、0.25、0.5、0.75、1,进行进一步比较分析。
为探究在相同的停车需求和供给条件下不同自动驾驶汽车比例对本发明的评价指标的影响,首先对平台的运营收益进行了对比分析,如图7所示。此外,进一步探究本发明中平台的车位利用率和请求接收率的变化情况,以探究本发明的优点和特性,如图8和图9所示。
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,附图中的流程并不一定是实施本发明所必须的。
Claims (6)
1.一种面向自动驾驶汽车的共享泊位预约匹配方法,其特征在于,包括以下步骤:
步骤100,私人泊位拥有者向共享停车平台上传车位可共享信息;其中,可共享信息包括:泊位拥有者可公开信息、停车位地址、停车位编号、可共享时间开始及截止时间;
步骤101,停车需求用户向共享停车平台提交共享停车预约请求;其中,请求信息包括:停车用户可公开信息、共享停车需求的开始及截止时间、目的地位置、车牌号、车辆类型;
步骤102,建立数据集:将步骤100和步骤101所收集的信息进行整理归纳,分别对私人泊位拥有者和停车需求用户进行编号,建立相应的供需信息数据集;
步骤103,停车需求用户细分:针对停车用户的需求时间长度和自动驾驶车辆自动化水平的不同,对停车需求用户进行细分;
步骤104,共享停车位供需匹配:对步骤102所构建的停车供需数据集进行分析和处理,并基于步骤103对停车需求用户进行细分,构建相应场景下的面向自动驾驶汽车不同发展阶段下的共享泊位预约和匹配模型;
步骤105,输出匹配结果:向供需双方反馈分配结果。
2.根据权利要求1所述的一种面向自动驾驶汽车的共享停车泊位预约匹配方法,其特征在于,步骤103具体包括以下步骤:
步骤200,根据共享停车平台服务车辆类型的特点,将共享停车服务场景细分为仅有辅助驾驶汽车的场景和自动驾驶汽车过渡场景;
步骤201,对于仅有辅助驾驶汽车的场景,根据停车需求用户的停车需求时间长度的不同,设置合理的时间长度划分阈值,将停车需求划分为短时停车需求和长时停车需求,并对两种类型的停车需求采取差异化定价方案;
步骤202,对于自动驾驶汽车过渡阶段的场景,即辅助驾驶汽车和自动驾驶汽车共存的情况下,根据自动驾驶汽车自动化水平的不同,将停车需求划分为辅助驾驶车辆停车需求和自动驾驶车辆停车需求。
3.根据权利要求2所述的一种面向自动驾驶汽车的共享停车泊位预约匹配方法,其特征在于,步骤104具体包括以下步骤:
步骤300,针对步骤201中仅有辅助驾驶汽车的场景,根据停车场实际的供需状态,设定合理的停车时间长度划分阈值τ,将长时、短时停车需求进行细分;如果辅助驾驶汽车i的停车时间长度则该停车需求被划分为长时停车需求,共享停车平台采用长时停车价格进行收费;如果辅助驾驶汽车i的停车时间长度则该停车需求被划分为短时停车需求;在分配的过程中采取差异化定价的方法,对长时、短时停车需求设定不同的单位时间停车价格,以保证对停车需求进行差异化分配;
步骤301,对于步骤202中的自动驾驶汽车过渡阶段的场景,该阶段分为两种场景:仅有自动驾驶汽车的场景、辅助驾驶汽车和自动驾驶汽车共存的场景;
对于辅助驾驶汽车和自动驾驶汽车共存的场景,根据自动驾驶汽车不同自动化水平,依据步骤103对停车需求进行细分,将停车需求细分为辅助驾驶汽车停车需求和自动驾驶汽车停车需求;考虑到辅助驾驶车辆不具备自动代客泊车的功能,故在分配的过程中,辅助驾驶汽车的停车需求仅能由一个停车位服务;而对于自动驾驶车辆,由于其可在无人监管的条件下实现车辆的自动驾驶和代客泊车功能,使得车辆在停车过程中变更车位成为可能,故可对自动驾驶车辆的停车需求进行分割;如果某个自动驾驶汽车的停车需求无法由单个车位满足,可对此停车需求进行分割,依次由多个停车位服务以满足该停车用户的需求;
在分配的过程中对停车需求分割的行为进行惩罚,针对不同类型车辆设置不同的惩罚值,以此来控制辅助驾驶汽车和自动驾驶汽车共存场景下的共享停车位匹配过程和机制;设置相应的惩罚集合其中表示分割停车需求i的惩罚值;对于辅助驾驶汽车而言,要杜绝对其停车需求进行分割,故将其惩罚值设置为一个极大值;对于自动驾驶汽车而言,要尽可能避免在分配过程中对此类停车需求进行分割,故将其惩罚值设置为一个合理的常数值;从最优分配的角度,构建自动驾驶汽车过渡阶段的共享停车位供需匹配模型;
对于仅存在自动驾驶汽车的场景,考虑到所有的车辆均具备无人监管的条件下实现车辆的自动驾驶和代客泊车功能,在分配的过程中无需考虑汽车的停车需求是否被分割,故共享停车平台分割自动驾驶汽车停车需求的惩罚值可设置为一个固定的常数值;
步骤302,对于步骤300中考虑的辅助驾驶阶段的自动驾驶车辆共享停车位供需匹配的模型,以共享停车平台的收益最大化为目标,且目标函数由三部分构成:短时停车需求的服务收益、长时停车需求的服务收益、平台支付私人泊位拥有者的费用;
步骤303,对于步骤301中考虑的自动驾驶车辆过渡阶段的共享停车位供需匹配模型,以共享停车平台的收益最大化为目标,且目标函数由三部分构成:辅助驾驶汽车和自动驾驶汽车的停车服务收益之和、车辆在停车过程中变更车位的惩罚、平台支付私人泊位拥有者的费用。
4.根据权利要求3所述的一种面向自动驾驶汽车不同发展阶段的共享停车泊位预约匹配方法,其特征在于,步骤302的目标和约束条件如下:
目标:最大化共享停车平台运营收益
式中,R(I,J)表示以需求集合I和供给集合J为基础的平台最大收益,等式右边第一项表示平台服务长时停车需求用户的收益,pl为长时停车需求的单位时间价格,表示停车需求的实际占用矩阵,其中xij表示0-1决策变量,表示停车请求i是否被停车位j接收,dit为停车需求矩阵,表示停车请求i的需求是否包含时间段t;第二项表示平台服务短时停车需求用户的收益,其中ps为短时停车需求的单位时间价格;第三项表示平台向车位供给者租赁车位的费用,其中pr为平台向车位供给者回购停车位的单位时间价格,sjt为停车位供给矩阵,表示停车位j的可共享时间段是否包含时间段t;
约束1:车位分配约束;假设停车位的分配遵循“全有全无”分配原则,对于每一个停车请求,至多被分配到一个停车位:
约束2:车位占用约束;在目标函数中,ojt表示停车位的占用情况,它是由决策变量和停车位需求变量共同决定:
约束3:供需关系约束;对于任意时刻,平台经过分配而满足的停车需求数量,不应该大于此时的停车位供给数量,即停车位每时每刻的需求要小于等于其供给:
ojt≤sjt,j∈J,t∈T
约束4:用户类型划分约束;对于停车需求用户,如果其停车需求总时长大于平台设定的分配阈值,则该用户需求被划分为长时停车需求;反之,则该用户需求被划分为短时停车需求:
约束5:决策变量约束;目标函数中涉及的决策变量为0-1决策变量,即其值只能为1或0:
xij∈{0,1},i∈I,j∈J。
5.根据权利要求3所述的一种面向自动驾驶汽车不同发展阶段的共享停车泊位预约匹配方法,其特征在于,步骤303的目标和约束条件如下:
目标:最大化共享停车平台运营收益
式中,R(I,J)表示以需求集合I和供给集合J为基础的平台最大收益,等式右边第一项表示平台服务辅助驾驶汽车和自动驾驶汽车的停车收益之和,pp为平台设定的单位时间价格,dit为停车需求矩阵,表示停车请求i的需求是否包含时间段t,表示0-1决策变量,表示在t时段停车请求i是否被停车位j接收;第二项表示车辆在停车过程中变更车位的惩罚值之和,表示停车用户i变更车位的惩罚值;第三项表示平台向车位供给者租赁车位的费用,其中pr为平台向车位供给者回购停车位的单位时间价格,sjt为停车位供给矩阵,表示停车位j的可共享时间段是否包含时间段t;
约束1:车位分配约束;在任意时刻t,需求者i的停车需求至多被一个停车位满足:
约束2:供需关系约束;对于任意时刻t,系统接收的停车需求数量应不大于该时刻的停车位供给量,即停车位每时每刻的被分配的需求要小于等于其供给:
约束3:分配结果约束;对于任意需求者i,在时间段t时系统对该用户的分配结果,应该等于该时刻的停车需求,该约束能够保证停车需求在拆分的情况下,需求者i被拆分的停车需求都能够被分配:
约束4:决策变量约束;目标函数中涉及的决策变量为0-1决策变量,即其值只能为1或0:
6.根据权利要求3所述的一种面向自动驾驶汽车的共享停车泊位预约匹配方法,其特征在于,步骤105具体包括以下步骤:
对于仅有辅助驾驶汽车的阶段,将步骤102中构建了共享停车平台的供需信息数据集代入步骤302所构建的模型中,完成共享停车位的供需匹配,并将相应的匹配结果分别反馈给供需双方,即车辆是否匹配到共享停车位、用户的停车需求被分配到哪个停车位、每个停车位服务的车辆信息、停车价格(长时停车价格/短时停车价格);
对于辅助驾驶过渡阶段,即辅助驾驶汽车和自动驾驶汽车共存阶段,将步骤102中构建了共享停车平台的供需信息数据集代入步骤303所构建的模型中,完成共享停车位的供需匹配,并将相应的匹配结果分别反馈给供需双方,即车辆是否匹配到共享停车位、用户的停车需求被分配到哪个停车位(单个/多个)、每个停车位服务的车辆信息、停车价格(常规价格/常规价格-变更车位惩罚)。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210847044.2A CN115204433A (zh) | 2022-07-07 | 2022-07-07 | 一种面向自动驾驶汽车的共享泊位预约匹配方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210847044.2A CN115204433A (zh) | 2022-07-07 | 2022-07-07 | 一种面向自动驾驶汽车的共享泊位预约匹配方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115204433A true CN115204433A (zh) | 2022-10-18 |
Family
ID=83582441
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210847044.2A Pending CN115204433A (zh) | 2022-07-07 | 2022-07-07 | 一种面向自动驾驶汽车的共享泊位预约匹配方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115204433A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115762233A (zh) * | 2022-12-09 | 2023-03-07 | 南昌智能新能源汽车研究院 | 多驾驶模式的泊位分配及规划控制方法 |
-
2022
- 2022-07-07 CN CN202210847044.2A patent/CN115204433A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115762233A (zh) * | 2022-12-09 | 2023-03-07 | 南昌智能新能源汽车研究院 | 多驾驶模式的泊位分配及规划控制方法 |
CN115762233B (zh) * | 2022-12-09 | 2023-11-14 | 南昌智能新能源汽车研究院 | 多驾驶模式的泊位分配及规划控制方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Wenzel et al. | Travel and energy implications of ridesourcing service in Austin, Texas | |
Sun et al. | Optimal pricing for ride-sourcing platforms | |
Bischoff et al. | City-wide shared taxis: A simulation study in Berlin | |
Jiang et al. | Optimal allocation of shared parking slots considering parking unpunctuality under a platform-based management approach | |
Lin et al. | SPA: Smart parking algorithm based on driver behavior and parking traffic predictions | |
Winter et al. | Relocating shared automated vehicles under parking constraints: assessing the impact of different strategies for on-street parking | |
CN113195299B (zh) | 用于优化分布的充电站效率和用户体验的方法和系统 | |
CN111932936B (zh) | 一种基于互联网的停车场自动管理方法及系统 | |
CN112435353B (zh) | 一种基于区块链的闲置车位共享出租系统 | |
Conway et al. | Challenges in managing centralized taxi dispatching at high-volume airports: Case study of John F. Kennedy International Airport, New York City | |
CN115204433A (zh) | 一种面向自动驾驶汽车的共享泊位预约匹配方法 | |
CN111178716B (zh) | 一种竞拍式的自动驾驶出租车空车调度方法 | |
CN110807946B (zh) | 基于大数据的共享车位租用方法 | |
CN112906980A (zh) | 订单处理方法、装置、系统及可读存储介质 | |
Nourinejad et al. | Parking design and pricing for regular and autonomous vehicles: a morning commute problem | |
CN113643563B (zh) | 基于信息共享的智慧停车场动态管理方法和系统 | |
CN114897285A (zh) | 一种基于剩余电量的共享汽车调度方法 | |
CN114021763A (zh) | 一种智能车位预约方法及系统 | |
CN113642761A (zh) | Robotaxi自动驾驶共享网约车资源分配方法 | |
Bischoff | Mobility as a Service and the transition to driverless systems | |
Tian et al. | Designing and planning sustainable customized bus service for departing attendees of planned special events: A two-phase methodology integrating data-driven and demand-responsive | |
Zhang et al. | Parking reservation techniques: A review of research topics, considerations, and optimization methods | |
CN111833595B (zh) | 共享汽车辅助车辆配置方法、电子设备及存储介质 | |
Dieter et al. | Anticipatory assignment of passengers to meeting points for taxi-ridesharing | |
CN117576943A (zh) | 一种停车场车辆信息智能分析管理系统 |
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 |