CN116136984A - 一种基于多目标优化的车位分配算法及系统 - Google Patents

一种基于多目标优化的车位分配算法及系统 Download PDF

Info

Publication number
CN116136984A
CN116136984A CN202310141449.9A CN202310141449A CN116136984A CN 116136984 A CN116136984 A CN 116136984A CN 202310141449 A CN202310141449 A CN 202310141449A CN 116136984 A CN116136984 A CN 116136984A
Authority
CN
China
Prior art keywords
parking
parking space
parking lot
lot
allocation
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.)
Granted
Application number
CN202310141449.9A
Other languages
English (en)
Other versions
CN116136984B (zh
Inventor
齐慧兵
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.)
Hunan Jiajia Parking Technology Co ltd
Original Assignee
Hunan Jiajia Parking Technology Co ltd
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 Hunan Jiajia Parking Technology Co ltd filed Critical Hunan Jiajia Parking Technology Co ltd
Priority to CN202310141449.9A priority Critical patent/CN116136984B/zh
Publication of CN116136984A publication Critical patent/CN116136984A/zh
Application granted granted Critical
Publication of CN116136984B publication Critical patent/CN116136984B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • G06Q10/06—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
    • G06Q10/06313—Resource planning in a project environment
    • 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
    • G06Q10/06314—Calendaring for a resource
    • 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
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/40—Business processes related to the transportation industry
    • 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

  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Engineering & Computer Science (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • Tourism & Hospitality (AREA)
  • Marketing (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Educational Administration (AREA)
  • Game Theory and Decision Science (AREA)
  • Development Economics (AREA)
  • Biodiversity & Conservation Biology (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Traffic Control Systems (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明涉及车位分配的技术领域，公开了一种基于多目标优化的车位分配算法及系统，所述算法包括：对所构建停车场最优生态布局设计模型进行优化求解，得到停车场最优生态设计布局并进行停车场设计规划；基于每个车位的分配情况以及预约停车时间构建多目标停车场停车分配目标函数；对构建的多目标停车场停车分配目标函数进行优化求解得到停车场的最优车位分配方案，并按照最优车位分配方案实施车位分配。本发明综合考虑绿植的空气净化效果以及车位空间利用率进行停车场布局设计，在保证每一处停车场区域绿化面积达到标准的前提下，实现停车位数目最大化，进而进行车位分配，在保证停车场停车流畅性的前提下，实现停车场自身收益最大化。

Description

一种基于多目标优化的车位分配算法及系统
技术领域
本发明涉及车位分配的技术领域，尤其涉及一种基于多目标优化的车位分配算法及系统 。
背景技术
未经合理规划的传统停车场，由于对最大停车容量的过度追求，导致了对停车空间环境问题的忽视。一方面，城市停车场硬质地面的大面积铺设，城市整体不透水面域的增加，导致停车场地的地表径流无法自然下渗造成路面积水，加之面源污染难以自我消解，对水环境的生态文明产生了消极影响；另一方面，停车场缺乏足够的绿植覆盖，不能对雨水滞蓄产生积极影响的同时，也无法降低阳光暴晒导致的地面高温，让停车场微气候的营造成为了空谈，城市热岛效应更加明显；此外，未经处理直接排放进入市政管道的停车场雨水污染物，使城市水环境难承其重。针对上述问题，本发明提出一种基于多目标优化的车位分配算法及分配系统，旨在设计一种适合未来生态健康发展的停车场布局方法及其车位分配方法。
发明内容
有鉴于此，本发明提供一种基于多目标优化的车位分配算法，目的在于：1）综合考虑在停车场布置绿植对停车场区域的空气净化效果以及车位空间利用率构建停车场最优生态布局设计模型，通过对模型进行求解，得到停车场最优生态设计布局并进行停车场设计规划，在保证每一处停车场区域绿化面积达到标准的前提下，实现停车位数目最大化；2）基于每个车位的分配情况以及预约停车时间构建多目标停车场停车分配目标函数，其中多目标函数包括最大化车位效益目标和最大化停车场停车流畅性目标，对构建的多目标停车场停车分配目标函数进行优化求解得到停车场的最优车位分配方案，并按照最优车位分配方案实施车位分配，在保证停车场停车流畅性的前提下，实现停车场自身收益最大化。
为实现上述目的，本发明提供的一种基于多目标优化的车位分配算法，包括以下步骤：
S1：构建停车场最优生态布局设计模型，其中所构建模型包括停车场车位布局以及绿化布局；
S2：以最大化车位空间利用率确定所构建停车场最优生态布局设计模型的目标函数，以停车场二氧化碳平衡为目标函数的约束条件；
S3：基于目标函数对所构建停车场最优生态布局设计模型进行优化求解，得到停车场最优生态设计布局并进行停车场设计规划；
S4：根据停车场规划计算每一个车位的成本值，基于每个车位的分配情况以及预约停车时间构建多目标停车场停车分配目标函数，其中多目标函数包括最大化车位效益目标和最大化停车场停车流畅性目标；
S5：对构建的多目标停车场停车分配目标函数进行优化求解得到停车场的最优车位分配方案，并按照最优车位分配方案实施车位分配。
作为本发明的进一步改进算法：
可选地，所述S1步骤中构建停车场最优生态布局设计模型，包括：
构建停车场最优生态布局设计模型，所构建模型包括停车场车位布局以及绿化布局，停车场车位布局包括停车位排布方式布局以及车辆通道布局；
其中停车位排布方式包括车位以平行式排放成一排，车位以垂直式排放成一排，车位以斜列式排放成一排，车辆通道布局包括在停车场区域控制车辆通道的最小宽度，使得车辆可以无碰撞从车位行驶到达车辆通道；
绿化布局表示在停车场区域内布置绿植，每个绿植的绿化影响函数为：
Figure SMS_1
其中：
Figure SMS_2
表示位于x位置的绿植对停车场区域内位置/>
Figure SMS_3
的绿化影响，其中绿化影响越大，表示绿植对该位置所产生污染气体的吸收效果越好；
Figure SMS_4
表示x与/>
Figure SMS_5
之间的距离；可以布置绿植的区域为车辆通道以及停车位外的位置，若/>
Figure SMS_6
大于预设置的阈值，则将停车场区域内位置/>
Figure SMS_7
设置绿化区域；
停车场最优生态布局设计模型将停车场划分为若干停车场区域，为每个停车场区域规划停车场车位布局以及绿化布局。在本发明实施例中，每个停车场区域的停车位排布方式相同。
可选地，所述S2步骤中以最大化车位空间利用率确定所构建停车场最优生态布局设计模型的目标函数，包括：
以最大化车位空间利用率确定所构建停车场最优生态布局设计模型的目标函数，所构建目标函数
Figure SMS_8
为：
Figure SMS_9
Figure SMS_10
其中：
w表示停车场中停车位排布方式设计方案，包含所划分N个停车场区域的停车场中停车位排布方式设计结果，
Figure SMS_11
表示基于停车位排布方式设计方案w使得停车场中的停车位数目达到最大，即最大化车位空间利用率；
Figure SMS_12
表示所划分的第n个停车场区域采用第j种停车位排布方式，可以布局设计得到的最大停车位数目；其中第1种停车位排布方式为车位以平行式排放成一排，第2种停车位排布方式为车位以垂直式排放成一排，第3种停车位排布方式为车位以斜列式排放成一排，/>
Figure SMS_13
表示车位斜放角度，/>
Figure SMS_14
；
Figure SMS_15
表示第n个停车场区域的长度。
可选地，所述S2步骤中构建目标函数的约束条件，包括：
构建目标函数
Figure SMS_16
的约束条件：
Figure SMS_17
Figure SMS_18
Figure SMS_19
其中：
Figure SMS_20
表示在第n个停车区域布置绿植后，第n个停车区域的绿化面积，/>
Figure SMS_21
表示预设置的绿化面积阈值；
Figure SMS_22
表示第n个停车场区域采用第j种停车位排布方式所需的宽度；
Figure SMS_23
。
可选地，所述S3步骤中基于目标函数对所构建停车场最优生态布局设计模型进行优化求解，得到停车场最优生态设计布局，包括：
基于目标函数对所构建停车场最优生态布局设计模型进行优化求解，得到停车场最优生态设计布局，停车场最优生态设计布局包括在车辆通道宽度约束、绿化面积约束下不同停车场区域的停车位排布方式，在确定不同停车场区域排布方式后设计满足车辆通道宽度约束的车辆通道，并布置绿植；
所构建停车场最优生态布局设计模型的优化求解流程为：
S31：随机生成一组长度为N的序列
Figure SMS_24
作为停车场最优生态布局设计模型的初始解，其中序列/>
Figure SMS_25
中的每个值为[1,3]之间的整数，对应三种停车位排布方式，序列中的第i个值对应所划分第i个停车场区域的停车位排布方式；
S32：基于约束条件构建迭代目标函数：
Figure SMS_26
其中迭代目标函数的输入为所生成序列的迭代结果，
Figure SMS_27
表示序列/>
Figure SMS_28
的第k次迭代结果，k的初始值为0，最大值为K，/>
Figure SMS_29
表示所划分的第n个停车场区域采用序列/>
Figure SMS_30
中第n个值所对应的停车位排布方式，可以布局设计得到的最大停车位数目；
S33：计算序列的迭代步长：
Figure SMS_31
Figure SMS_32
/>
其中：
Figure SMS_33
表示序列第k次迭代的迭代步长；
Figure SMS_34
表示L1范数；
Figure SMS_35
表示梯度算子，/>
Figure SMS_36
表示以迭代序列为变量的迭代目标函数梯度；
S35：对数据压缩结果进行第k次迭代：
Figure SMS_37
S36：计算第k次迭代的梯度
Figure SMS_38
，若/>
Figure SMS_39
或k=K，则将/>
Figure SMS_40
作为求解得到的停车场最优生态设计布局，否则令k=k+1，返回步骤S33。
可选地，所述S4步骤中根据停车场规划计算每一个车位的成本值，包括：
根据停车场规划计算停车场内每个车位的成本值，其中每个停车位的成本值为停车位造价成本的归一化结果，采用归一化方式将不同停车位的造价成本映射到0-1范围内，得到停车位的成本值，成本值越接近1表示该停车位的造价成本越高。
可选地，所述S4步骤中基于每个车位的分配情况以及预约停车时间构建多目标停车场停车分配目标函数，其中多目标函数包括最大化车位效益目标和最大化停车场停车流畅性目标，包括：
获取每个车位的预约信息以及临时停车请求，基于每个车位的分配情况以及预约停车时间构建多目标停车场停车分配目标函数，其中多目标函数包括最大化车位效益目标和最大化停车场停车流畅性目标，所构建多目标停车场停车分配目标函数为：
Figure SMS_41
其中：
Y表示停车场车位的分配方案；
Figure SMS_42
表示停车场内第u个停车位的第c个停车分配时长，/>
Figure SMS_43
表示单位停车时长的收费价格，每个停车分配时长对应车位的一次预约请求或临时停车请求，/>
Figure SMS_44
表示停车场内第u个停车位所分配到的停车请求总数；
Figure SMS_45
表示停车场内第u个停车位的成本值；
D表示停车场拒绝的停车请求总数，其中停车请求包括预约请求以及临时停车请求，
Figure SMS_46
表示拒绝停车请求的惩罚成本；
所构建多目标停车场停车分配目标函数的约束条件为：
Figure SMS_47
其中：
Figure SMS_48
表示预设置的停车请求间隔阈值，避免相邻停车请求时间过紧导致停车冲突，影响停车场停车流畅性；
Figure SMS_49
表示停车场内第u个停车位所接收到的第c个停车请求的停车结束时刻，
Figure SMS_50
表示停车场内第u个停车位所接收到的第c+1个停车请求的停车开始时刻。
可选地，所述S5步骤中对构建的多目标停车场停车分配目标函数进行优化求解得到停车场的最优车位分配方案，包括：
对构建的多目标停车场停车分配目标函数进行优化求解得到停车场的最优车位分配方案，按照最优车位分配方案实施车位分配，其中最优车位分配方案包括针对停车请求的分配车位，最优车位分配方案的优化求解流程为：
S51：随机生成M个粒子，并初始化每个粒子的位置编码表示以及速度信息，其中每个粒子的位置编码表示维数为H，对应当前H个停车请求，第h维位置编码表示针对第h个停车请求，所分配的停车位，则任意第m个粒子的初始化位置编码表示以及速度信息表示为：
Figure SMS_51
Figure SMS_52
其中：
Figure SMS_53
表示第m个粒子的初始化位置编码表示，/>
Figure SMS_54
表示第m个粒子的速度信息；
S52：设置粒子的当前迭代次数为r，最大迭代次数为Max，r的初始值为0，则第m个粒子在第r次迭代的位置编码表示为
Figure SMS_55
；
S53：将粒子的位置编码表示输入到所构建多目标停车场停车分配目标函数中，得到粒子位置编码表示的评价函数值，将不符合多目标停车场停车分配目标函数所对应约束条件的粒子位置编码表示的评价函数值置为0；
S54：更新每个粒子的位置编码表示，其中第m个粒子的位置编码表示更新公式为：
Figure SMS_56
Figure SMS_57
其中：
Figure SMS_58
表示更新参数，将其设置为0.2；
Figure SMS_59
表示0-1之间的随机数；
Figure SMS_60
表示第r次迭代后评价函数值最大的粒子位置编码表示；
S55：若
Figure SMS_61
，则令r=r+1，返回步骤S53；否则计算当前所有粒子的评价函数值，并将不符合约束条件的粒子的评价函数值置为0，选取适应度函数值最大的粒子位置编码表示作为最优车位分配方案。
为了解决上述问题，本发明提供一种基于多目标优化的车位分配系统，所述系统包括：
停车场布局装置，用于构建停车场最优生态布局设计模型，以最大化车位空间利用率确定所构建停车场最优生态布局设计模型的目标函数，以停车场二氧化碳平衡为目标函数的约束条件，基于目标函数对所构建停车场最优生态布局设计模型进行优化求解，得到停车场最优生态设计布局并进行停车场设计规划；
停车请求获取模块，用于获取停车请求；
车位分配装置，用于根据停车场规划计算每一个车位的成本值，基于每个车位的分配情况以及预约停车时间构建多目标停车场停车分配目标函数，对构建的多目标停车场停车分配目标函数进行优化求解得到停车场的最优车位分配方案，并按照最优车位分配方案实施车位分配。
为了解决上述问题，本发明还提供一种电子设备，所述电子设备包括：
存储器，存储至少一个指令；
通信接口，实现电子设备通信；及
处理器，执行所述存储器中存储的指令以实现上述所述的基于多目标优化的车位分配算法。
为了解决上述问题，本发明还提供一种计算机可读存储介质，所述计算机可读存储介质中存储有至少一个指令，所述至少一个指令被电子设备中的处理器执行以实现上述所述的基于多目标优化的车位分配算法。
相对于现有技术，本发明提出一种基于多目标优化的车位分配算法，该技术具有以下优势：
首先，本方案提出一种结合绿化布局的停车位布局方法，以最大化车位空间利用率确定所构建停车场最优生态布局设计模型的目标函数，所构建目标函数
Figure SMS_62
为：
Figure SMS_63
Figure SMS_64
其中：w表示停车场中停车位排布方式设计方案，包含所划分N个停车场区域的停车场中停车位排布方式设计结果，
Figure SMS_65
表示基于停车位排布方式设计方案w使得停车场中的停车位数目达到最大，即最大化车位空间利用率；/>
Figure SMS_66
表示所划分的第n个停车场区域采用第j种停车位排布方式，可以布局设计得到的最大停车位数目；其中第1种停车位排布方式为车位以平行式排放成一排，第2种停车位排布方式为车位以垂直式排放成一排，第3种停车位排布方式为车位以斜列式排放成一排，/>
Figure SMS_67
表示车位斜放角度，/>
Figure SMS_68
；/>
Figure SMS_69
表示第n个停车场区域的长度。构建目标函数/>
Figure SMS_70
的约束条件：
Figure SMS_71
Figure SMS_72
Figure SMS_73
其中：
Figure SMS_74
表示在第n个停车区域布置绿植后，第n个停车区域的绿化面积，/>
Figure SMS_75
表示预设置的绿化面积阈值；/>
Figure SMS_76
表示第n个停车场区域采用第j种停车位排布方式所需的宽度；/>
Figure SMS_77
。基于目标函数对所构建停车场最优生态布局设计模型进行优化求解，得到停车场最优生态设计布局，停车场最优生态设计布局包括在车辆通道宽度约束、绿化面积约束下不同停车场区域的停车位排布方式，在确定不同停车场区域排布方式后设计满足车辆通道宽度约束的车辆通道，并布置绿植。本方案综合考虑在停车场布置绿植对停车场区域的空气净化效果以及车位空间利用率构建停车场最优生态布局设计模型，通过对模型进行求解，得到停车场最优生态设计布局并进行停车场设计规划，在保证每一处停车场区域绿化面积达到标准的前提下，实现停车位数目最大化。
因此，本方案提出一种停车场车位分配算法，获取每个车位的预约信息以及临时停车请求，基于每个车位的分配情况以及预约停车时间构建多目标停车场停车分配目标函数，其中多目标函数包括最大化车位效益目标和最大化停车场停车流畅性目标，所构建多目标停车场停车分配目标函数为：
Figure SMS_78
其中：Y表示停车场车位的分配方案；
Figure SMS_79
表示停车场内第u个停车位的第c个停车分配时长，/>
Figure SMS_80
表示单位停车时长的收费价格，每个停车分配时长对应车位的一次预约请求或临时停车请求，/>
Figure SMS_81
表示停车场内第u个停车位所分配到的停车请求总数；/>
Figure SMS_82
表示停车场内第u个停车位的成本值；D表示停车场拒绝的停车请求总数，其中停车请求包括预约请求以及临时停车请求，/>
Figure SMS_83
表示拒绝停车请求的惩罚成本；所构建多目标停车场停车分配目标函数的约束条件为：
Figure SMS_84
其中：
Figure SMS_85
表示预设置的停车请求间隔阈值，避免相邻停车请求时间过紧导致停车冲突，影响停车场停车流畅性；/>
Figure SMS_86
表示停车场内第u个停车位所接收到的第c个停车请求的停车结束时刻，/>
Figure SMS_87
表示停车场内第u个停车位所接收到的第c+1个停车请求的停车开始时刻。对构建的多目标停车场停车分配目标函数进行优化求解得到停车场的最优车位分配方案，按照最优车位分配方案实施车位分配，其中最优车位分配方案包括针对停车请求的分配车位。本方案基于每个车位的分配情况以及预约停车时间构建多目标停车场停车分配目标函数，其中多目标函数包括最大化车位效益目标和最大化停车场停车流畅性目标，对构建的多目标停车场停车分配目标函数进行优化求解得到停车场的最优车位分配方案，并按照最优车位分配方案实施车位分配，在保证停车场停车流畅性的前提下，实现停车场自身收益最大化。
附图说明
图1为本发明一实施例提供的一种基于多目标优化的车位分配算法的流程示意图；
图2为本发明一实施例提供的基于多目标优化的车位分配系统的功能模块图；
图3为本发明一实施例提供的实现基于多目标优化的车位分配算法的电子设备的结构示意图；
本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
实施方式
应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
本申请实施例提供一种基于多目标优化的车位分配算法。所述基于多目标优化的车位分配算法的执行主体包括但不限于服务端、终端等能够被配置为执行本申请实施例提供的该算法的电子设备中的至少一种。换言之，所述基于多目标优化的车位分配算法可以由安装在终端设备或服务端设备的软件或硬件来执行，所述软件可以是区块链平台。所述服务端包括但不限于：单台服务器、服务器集群、云端服务器或云端服务器集群等。
实施例1：
S1：构建停车场最优生态布局设计模型，其中所构建模型包括停车场车位布局以及绿化布局。
所述S1步骤中构建停车场最优生态布局设计模型，包括：
构建停车场最优生态布局设计模型，所构建模型包括停车场车位布局以及绿化布局，停车场车位布局包括停车位排布方式布局以及车辆通道布局；
其中停车位排布方式包括车位以平行式排放成一排，车位以垂直式排放成一排，车位以斜列式排放成一排，车辆通道布局包括在停车场区域控制车辆通道的最小宽度，使得车辆可以无碰撞从车位行驶到达车辆通道；
绿化布局表示在停车场区域内布置绿植，每个绿植的绿化影响函数为：
Figure SMS_88
其中：
Figure SMS_89
表示位于x位置的绿植对停车场区域内位置/>
Figure SMS_90
的绿化影响，其中绿化影响越大，表示绿植对该位置所产生污染气体的吸收效果越好；
Figure SMS_91
表示x与/>
Figure SMS_92
之间的距离；
可以布置绿植的区域为车辆通道以及停车位外的位置，若
Figure SMS_93
大于预设置的阈值，则将停车场区域内位置/>
Figure SMS_94
设置绿化区域；
停车场最优生态布局设计模型将停车场划分为若干停车场区域，为每个停车场区域规划停车场车位布局以及绿化布局。在本发明实施例中，每个停车场区域的停车位排布方式相同。
S2：以最大化车位空间利用率确定所构建停车场最优生态布局设计模型的目标函数，以停车场二氧化碳平衡为目标函数的约束条件。
所述S2步骤中以最大化车位空间利用率确定所构建停车场最优生态布局设计模型的目标函数，包括：
以最大化车位空间利用率确定所构建停车场最优生态布局设计模型的目标函数，所构建目标函数
Figure SMS_95
为：
Figure SMS_96
/>
Figure SMS_97
其中：
w表示停车场中停车位排布方式设计方案，包含所划分N个停车场区域的停车场中停车位排布方式设计结果，
Figure SMS_98
表示基于停车位排布方式设计方案w使得停车场中的停车位数目达到最大，即最大化车位空间利用率；
Figure SMS_99
表示所划分的第n个停车场区域采用第j种停车位排布方式，可以布局设计得到的最大停车位数目；其中第1种停车位排布方式为车位以平行式排放成一排，第2种停车位排布方式为车位以垂直式排放成一排，第3种停车位排布方式为车位以斜列式排放成一排，/>
Figure SMS_100
表示车位斜放角度，/>
Figure SMS_101
；
Figure SMS_102
表示第n个停车场区域的长度。
所述S2步骤中构建目标函数的约束条件，包括：
构建目标函数
Figure SMS_103
的约束条件：
Figure SMS_104
Figure SMS_105
Figure SMS_106
其中：
Figure SMS_107
表示在第n个停车区域布置绿植后，第n个停车区域的绿化面积，/>
Figure SMS_108
表示预设置的绿化面积阈值；
Figure SMS_109
表示第n个停车场区域采用第j种停车位排布方式所需的宽度；
Figure SMS_110
。
S3：基于目标函数对所构建停车场最优生态布局设计模型进行优化求解，得到停车场最优生态设计布局并进行停车场设计规划。
所述S3步骤中基于目标函数对所构建停车场最优生态布局设计模型进行优化求解，得到停车场最优生态设计布局，包括：
基于目标函数对所构建停车场最优生态布局设计模型进行优化求解，得到停车场最优生态设计布局，停车场最优生态设计布局包括在车辆通道宽度约束、绿化面积约束下不同停车场区域的停车位排布方式，在确定不同停车场区域排布方式后设计满足车辆通道宽度约束的车辆通道，并布置绿植；
所构建停车场最优生态布局设计模型的优化求解流程为：
S31：随机生成一组长度为N的序列
Figure SMS_111
作为停车场最优生态布局设计模型的初始解，其中序列/>
Figure SMS_112
中的每个值为[1,3]之间的整数，对应三种停车位排布方式，序列中的第i个值对应所划分第i个停车场区域的停车位排布方式；
S32：基于约束条件构建迭代目标函数：
Figure SMS_113
其中迭代目标函数的输入为所生成序列的迭代结果，
Figure SMS_114
表示序列/>
Figure SMS_115
的第k次迭代结果，k的初始值为0，最大值为K，/>
Figure SMS_116
表示所划分的第n个停车场区域采用序列/>
Figure SMS_117
中第n个值所对应的停车位排布方式，可以布局设计得到的最大停车位数目；
S33：计算序列的迭代步长：
Figure SMS_118
Figure SMS_119
其中：
Figure SMS_120
表示序列第k次迭代的迭代步长；
Figure SMS_121
表示L1范数；
Figure SMS_122
表示梯度算子，/>
Figure SMS_123
表示以迭代序列为变量的迭代目标函数梯度；
S35：对数据压缩结果进行第k次迭代：
Figure SMS_124
S36：计算第k次迭代的梯度
Figure SMS_125
，若/>
Figure SMS_126
或k=K，则将/>
Figure SMS_127
作为求解得到的停车场最优生态设计布局，否则令k=k+1，返回步骤S33。
S4：根据停车场规划计算每一个车位的成本值，基于每个车位的分配情况以及预约停车时间构建多目标停车场停车分配目标函数，其中多目标函数包括最大化车位效益目标和最大化停车场停车流畅性目标。
所述S4步骤中根据停车场规划计算每一个车位的成本值，包括：
根据停车场规划计算停车场内每个车位的成本值，其中每个停车位的成本值为停车位造价成本的归一化结果，采用归一化方式将不同停车位的造价成本映射到0-1范围内，得到停车位的成本值，成本值越接近1表示该停车位的造价成本越高。
所述S4步骤中基于每个车位的分配情况以及预约停车时间构建多目标停车场停车分配目标函数，其中多目标函数包括最大化车位效益目标和最大化停车场停车流畅性目标，包括：
获取每个车位的预约信息以及临时停车请求，基于每个车位的分配情况以及预约停车时间构建多目标停车场停车分配目标函数，其中多目标函数包括最大化车位效益目标和最大化停车场停车流畅性目标，所构建多目标停车场停车分配目标函数为：
Figure SMS_128
其中：
Y表示停车场车位的分配方案；
Figure SMS_129
表示停车场内第u个停车位的第c个停车分配时长，/>
Figure SMS_130
表示单位停车时长的收费价格，每个停车分配时长对应车位的一次预约请求或临时停车请求，/>
Figure SMS_131
表示停车场内第u个停车位所分配到的停车请求总数；
Figure SMS_132
表示停车场内第u个停车位的成本值；
D表示停车场拒绝的停车请求总数，其中停车请求包括预约请求以及临时停车请求，
Figure SMS_133
表示拒绝停车请求的惩罚成本；
所构建多目标停车场停车分配目标函数的约束条件为：
Figure SMS_134
其中：
Figure SMS_135
表示预设置的停车请求间隔阈值，避免相邻停车请求时间过紧导致停车冲突，影响停车场停车流畅性；
Figure SMS_136
表示停车场内第u个停车位所接收到的第c个停车请求的停车结束时刻，
Figure SMS_137
表示停车场内第u个停车位所接收到的第c+1个停车请求的停车开始时刻。
S5：对构建的多目标停车场停车分配目标函数进行优化求解得到停车场的最优车位分配方案，并按照最优车位分配方案实施车位分配。
所述S5步骤中对构建的多目标停车场停车分配目标函数进行优化求解得到停车场的最优车位分配方案，包括：
对构建的多目标停车场停车分配目标函数进行优化求解得到停车场的最优车位分配方案，按照最优车位分配方案实施车位分配，其中最优车位分配方案包括针对停车请求的分配车位，最优车位分配方案的优化求解流程为：
S51：随机生成M个粒子，并初始化每个粒子的位置编码表示以及速度信息，其中每个粒子的位置编码表示维数为H，对应当前H个停车请求，第h维位置编码表示针对第h个停车请求，所分配的停车位，则任意第m个粒子的初始化位置编码表示以及速度信息表示为：
Figure SMS_138
Figure SMS_139
其中：
Figure SMS_140
表示第m个粒子的初始化位置编码表示，/>
Figure SMS_141
表示第m个粒子的速度信息；
S52：设置粒子的当前迭代次数为r，最大迭代次数为Max，r的初始值为0，则第m个粒子在第r次迭代的位置编码表示为
Figure SMS_142
；
S53：将粒子的位置编码表示输入到所构建多目标停车场停车分配目标函数中，得到粒子位置编码表示的评价函数值，将不符合多目标停车场停车分配目标函数所对应约束条件的粒子位置编码表示的评价函数值置为0；
S54：更新每个粒子的位置编码表示，其中第m个粒子的位置编码表示更新公式为：
Figure SMS_143
Figure SMS_144
/>
其中：
Figure SMS_145
表示更新参数，将其设置为0.2；
Figure SMS_146
表示0-1之间的随机数；
Figure SMS_147
表示第r次迭代后评价函数值最大的粒子位置编码表示；
S55：若
Figure SMS_148
，则令r=r+1，返回步骤S53；否则计算当前所有粒子的评价函数值，并将不符合约束条件的粒子的评价函数值置为0，选取适应度函数值最大的粒子位置编码表示作为最优车位分配方案。
实施例2：
如图2所示，是本发明一实施例提供的基于多目标优化的车位分配系统的功能模块图，其可以实现实施例1中的基于多目标优化的车位分配算法。
本发明所述基于多目标优化的车位分配系统100可以安装于电子设备中。根据实现的功能，所述基于多目标优化的车位分配系统可以包括停车场布局装置101、停车请求获取模块102及车位分配装置103。本发明所述模块也可以称之为单元，是指一种能够被电子设备处理器所执行，并且能够完成固定功能的一系列计算机程序段，其存储在电子设备的存储器中。
停车场布局装置101，用于构建停车场最优生态布局设计模型，以最大化车位空间利用率确定所构建停车场最优生态布局设计模型的目标函数，以停车场二氧化碳平衡为目标函数的约束条件，基于目标函数对所构建停车场最优生态布局设计模型进行优化求解，得到停车场最优生态设计布局并进行停车场设计规划；
停车请求获取模块102，用于获取停车请求；
车位分配装置103，用于根据停车场规划计算每一个车位的成本值，基于每个车位的分配情况以及预约停车时间构建多目标停车场停车分配目标函数，对构建的多目标停车场停车分配目标函数进行优化求解得到停车场的最优车位分配方案，并按照最优车位分配方案实施车位分配。
详细地，本发明实施例中所述基于多目标优化的车位分配系统100中的所述各模块在使用时采用与上述的图1中所述的基于多目标优化的车位分配算法一样的技术手段，并能够产生相同的技术效果，这里不再赘述。
实施例3：
如图3所示，是本发明一实施例提供的实现基于多目标优化的车位分配算法的电子设备的结构示意图。
所述电子设备1可以包括处理器10、存储器11、通信接口13和总线，还可以包括存储在所述存储器11中并可在所述处理器10上运行的计算机程序，如程序12。
其中，所述存储器11至少包括一种类型的可读存储介质，所述可读存储介质包括闪存、移动硬盘、多媒体卡、卡型存储器（例如：SD或DX存储器等）、磁性存储器、磁盘、光盘等。所述存储器11在一些实施例中可以是电子设备1的内部存储单元，例如该电子设备1的移动硬盘。所述存储器11在另一些实施例中也可以是电子设备1的外部存储设备，例如电子设备1上配备的插接式移动硬盘、智能存储卡（Smart Media Card， SMC）、安全数字（SecureDigital， SD）卡、闪存卡（Flash Card）等。进一步地，所述存储器11还可以既包括电子设备1的内部存储单元也包括外部存储设备。所述存储器11不仅可以用于存储安装于电子设备1的应用软件及各类数据，例如程序12的代码等，还可以用于暂时地存储已经输出或者将要输出的数据。
所述处理器10在一些实施例中可以由集成电路组成，例如可以由单个封装的集成电路所组成，也可以是由多个相同功能或不同功能封装的集成电路所组成，包括一个或者多个中央处理器（Central Processing unit，CPU）、微处理器、数字处理芯片、图形处理器及各种控制芯片的组合等。所述处理器10是所述电子设备的控制核心（Control Unit），利用各种接口和线路连接整个电子设备的各个部件，通过运行或执行存储在所述存储器11内的程序或者模块（用于实现基于多目标优化的车位分配的程序12等），以及调用存储在所述存储器11内的数据，以执行电子设备1的各种功能和处理数据。
所述通信接口13可以包括有线接口和/或无线接口（如WI-FI接口、蓝牙接口等），通常用于在该电子设备1与其他电子设备之间建立通信连接，并实现电子设备内部组件之间的连接通信。
所述总线可以是外设部件互连标准（peripheral component interconnect，简称PCI）总线或扩展工业标准结构（extended industry standard architecture，简称EISA）总线等。该总线可以分为地址总线、数据总线、控制总线等。所述总线被设置为实现所述存储器11以及至少一个处理器10等之间的连接通信。
图3仅示出了具有部件的电子设备，本领域技术人员可以理解的是，图3示出的结构并不构成对所述电子设备1的限定，可以包括比图示更少或者更多的部件，或者组合某些部件，或者不同的部件布置。
例如，尽管未示出，所述电子设备1还可以包括给各个部件供电的电源（比如电池），优选地，电源可以通过电源管理装置与所述至少一个处理器10逻辑相连，从而通过电源管理装置实现充电管理、放电管理、以及功耗管理等功能。电源还可以包括一个或一个以上的直流或交流电源、再充电装置、电源故障检测电路、电源转换器或者逆变器、电源状态指示器等任意组件。所述电子设备1还可以包括多种传感器、蓝牙模块、Wi-Fi模块等，在此不再赘述。
可选地，该电子设备1还可以包括用户接口，用户接口可以是显示器（Display）、输入单元（比如键盘（Keyboard）），可选地，用户接口还可以是标准的有线接口、无线接口。可选地，在一些实施例中，显示器可以是LED显示器、液晶显示器、触控式液晶显示器以及OLED（Organic Light-Emitting Diode，有机发光二极管）触摸器等。其中，显示器也可以适当的称为显示屏或显示单元，用于显示在电子设备1中处理的信息以及用于显示可视化的用户界面。
应该了解，所述实施例仅为说明之用，在专利申请范围上并不受此结构的限制。
需要说明的是，上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。并且本文中的术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、装置、物品或者算法不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、装置、物品或者算法所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、装置、物品或者算法中还存在另外的相同要素。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例算法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在如上所述的一个存储介质(如ROM/RAM、磁碟、光盘)中，包括若干指令用以使得一台终端设备(可以是手机，计算机，服务器，或者网络设备等)执行本发明各个实施例所述的算法。
以上仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。

Claims (9)

1.一种基于多目标优化的车位分配算法，其特征在于，所述算法包括：
S1：构建停车场最优生态布局设计模型，其中所构建模型包括停车场车位布局以及绿化布局；
S2：以最大化车位空间利用率确定所构建停车场最优生态布局设计模型的目标函数，以停车场二氧化碳平衡为目标函数的约束条件；
S3：基于目标函数对所构建停车场最优生态布局设计模型进行优化求解，得到停车场最优生态设计布局并进行停车场设计规划；
S4：根据停车场规划计算每一个车位的成本值，基于每个车位的分配情况以及预约停车时间构建多目标停车场停车分配目标函数；
S5：对构建的多目标停车场停车分配目标函数进行优化求解得到停车场的最优车位分配方案，并按照最优车位分配方案实施车位分配。
2.如权利要求1所述的一种基于多目标优化的车位分配算法，其特征在于，所述S1步骤中构建停车场最优生态布局设计模型，包括：
构建停车场最优生态布局设计模型，所构建模型包括停车场车位布局以及绿化布局，停车场车位布局包括停车位排布方式布局以及车辆通道布局；
绿化布局表示在停车场区域内布置绿植，每个绿植的绿化影响函数为：
Figure QLYQS_1
其中：
Figure QLYQS_2
表示位于x位置的绿植对停车场区域内位置/>
Figure QLYQS_3
的绿化影响，其中绿化影响越大，表示绿植对该位置所产生污染气体的吸收效果越好；
Figure QLYQS_4
表示x与/>
Figure QLYQS_5
之间的距离；
若
Figure QLYQS_6
大于预设置的阈值，则将停车场区域内位置/>
Figure QLYQS_7
设置绿化区域；
停车场最优生态布局设计模型将停车场划分为若干停车场区域，为每个停车场区域规划停车场车位布局以及绿化布局。
3.如权利要求1所述的一种基于多目标优化的车位分配算法，其特征在于，所述S2步骤中以最大化车位空间利用率确定所构建停车场最优生态布局设计模型的目标函数，包括：
以最大化车位空间利用率确定所构建停车场最优生态布局设计模型的目标函数，所构建目标函数
Figure QLYQS_8
为：
Figure QLYQS_9
Figure QLYQS_10
其中：
w表示停车场中停车位排布方式设计方案，包含所划分N个停车场区域的停车场中停车位排布方式设计结果，
Figure QLYQS_11
表示基于停车位排布方式设计方案w使得停车场中的停车位数目达到最大；
Figure QLYQS_12
表示所划分的第n个停车场区域采用第j种停车位排布方式，可以布局设计得到的最大停车位数目；其中第1种停车位排布方式为车位以平行式排放成一排，第2种停车位排布方式为车位以垂直式排放成一排，第3种停车位排布方式为车位以斜列式排放成一排，/>
Figure QLYQS_13
表示车位斜放角度，/>
Figure QLYQS_14
；
Figure QLYQS_15
表示第n个停车场区域的长度。
4.如权利要求3所述的一种基于多目标优化的车位分配算法，其特征在于，所述S2步骤中构建目标函数的约束条件，包括：
构建目标函数
Figure QLYQS_16
的约束条件：
Figure QLYQS_17
Figure QLYQS_18
其中：
Figure QLYQS_19
表示在第n个停车区域布置绿植后，第n个停车区域的绿化面积，/>
Figure QLYQS_20
表示预设置的绿化面积阈值；
Figure QLYQS_21
表示第n个停车场区域采用第j种停车位排布方式所需的宽度；
Figure QLYQS_22
。
5.如权利要求4所述的一种基于多目标优化的车位分配算法，其特征在于，所述S3步骤中基于目标函数对所构建停车场最优生态布局设计模型进行优化求解，得到停车场最优生态设计布局，包括：
基于目标函数对所构建停车场最优生态布局设计模型进行优化求解，得到停车场最优生态设计布局，停车场最优生态设计布局包括在车辆通道宽度约束、绿化面积约束下不同停车场区域的停车位排布方式，在确定不同停车场区域排布方式后设计满足车辆通道宽度约束的车辆通道，并布置绿植；
所构建停车场最优生态布局设计模型的优化求解流程为：
S31：随机生成一组长度为N的序列
Figure QLYQS_23
作为停车场最优生态布局设计模型的初始解，其中序列/>
Figure QLYQS_24
中的每个值为[1,3]之间的整数，对应三种停车位排布方式，序列中的第i个值对应所划分第i个停车场区域的停车位排布方式；
S32：基于约束条件构建迭代目标函数：
Figure QLYQS_25
其中迭代目标函数的输入为所生成序列的迭代结果，
Figure QLYQS_26
表示序列/>
Figure QLYQS_27
的第k次迭代结果，k的初始值为0，最大值为K，/>
Figure QLYQS_28
表示所划分的第n个停车场区域采用序列/>
Figure QLYQS_29
中第n个值所对应的停车位排布方式，可以布局设计得到的最大停车位数目；
S33：计算序列的迭代步长：
Figure QLYQS_30
Figure QLYQS_31
其中：
Figure QLYQS_32
表示序列第k次迭代的迭代步长；
Figure QLYQS_33
表示L1范数；
Figure QLYQS_34
表示梯度算子，/>
Figure QLYQS_35
表示以迭代序列为变量的迭代目标函数梯度；
S35：对数据压缩结果进行第k次迭代：
Figure QLYQS_36
；
S36：计算第k次迭代的梯度
Figure QLYQS_37
，若/>
Figure QLYQS_38
或k=K，则将/>
Figure QLYQS_39
作为求解得到的停车场最优生态设计布局，否则令k=k+1，返回步骤S33。
6.如权利要求1所述的一种基于多目标优化的车位分配算法，其特征在于，所述S4步骤中根据停车场规划计算每一个车位的成本值，包括：
根据停车场规划计算停车场内每个车位的成本值，其中每个停车位的成本值为停车位造价成本的归一化结果，采用归一化方式将不同停车位的造价成本映射到0-1范围内，得到停车位的成本值。
7.如权利要求6所述的一种基于多目标优化的车位分配算法，其特征在于，所述S4步骤中基于每个车位的分配情况以及预约停车时间构建多目标停车场停车分配目标函数，其中多目标函数包括最大化车位效益目标和最大化停车场停车流畅性目标，包括：
获取每个车位的预约信息以及临时停车请求，基于每个车位的分配情况以及预约停车时间构建多目标停车场停车分配目标函数，其中多目标函数包括最大化车位效益目标和最大化停车场停车流畅性目标，所构建多目标停车场停车分配目标函数为：
Figure QLYQS_40
其中：
Y表示停车场车位的分配方案；
Figure QLYQS_41
表示停车场内第u个停车位的第c个停车分配时长，/>
Figure QLYQS_42
表示单位停车时长的收费价格，每个停车分配时长对应车位的一次预约请求或临时停车请求，/>
Figure QLYQS_43
表示停车场内第u个停车位所分配到的停车请求总数；
Figure QLYQS_44
表示停车场内第u个停车位的成本值；
D表示停车场拒绝的停车请求总数，其中停车请求包括预约请求以及临时停车请求，
Figure QLYQS_45
表示拒绝停车请求的惩罚成本；
所构建多目标停车场停车分配目标函数的约束条件为：
Figure QLYQS_46
其中：
Figure QLYQS_47
表示预设置的停车请求间隔阈值，避免相邻停车请求时间过紧导致停车冲突，影响停车场停车流畅性；
Figure QLYQS_48
表示停车场内第u个停车位所接收到的第c个停车请求的停车结束时刻，
Figure QLYQS_49
表示停车场内第u个停车位所接收到的第c+1个停车请求的停车开始时刻。
8.如权利要求7所述的一种基于多目标优化的车位分配算法，其特征在于，所述S5步骤中对构建的多目标停车场停车分配目标函数进行优化求解得到停车场的最优车位分配方案，包括：
对构建的多目标停车场停车分配目标函数进行优化求解得到停车场的最优车位分配方案，按照最优车位分配方案实施车位分配，其中最优车位分配方案包括针对停车请求的分配车位，最优车位分配方案的优化求解流程为：
S51：随机生成M个粒子，并初始化每个粒子的位置编码表示以及速度信息，其中每个粒子的位置编码表示维数为H，对应当前H个停车请求，第h维位置编码表示针对第h个停车请求，所分配的停车位，则任意第m个粒子的初始化位置编码表示以及速度信息表示为：
Figure QLYQS_50
，其中：/>
Figure QLYQS_51
表示第m个粒子的初始化位置编码表示，/>
Figure QLYQS_52
表示第m个粒子的速度信息；
S52：设置粒子的当前迭代次数为r，最大迭代次数为Max，r的初始值为0，则第m个粒子在第r次迭代的位置编码表示为
Figure QLYQS_53
；
S53：将粒子的位置编码表示输入到所构建多目标停车场停车分配目标函数中，得到粒子位置编码表示的评价函数值，将不符合多目标停车场停车分配目标函数所对应约束条件的粒子位置编码表示的评价函数值置为0；
S54：更新每个粒子的位置编码表示，其中第m个粒子的位置编码表示更新公式为：
Figure QLYQS_54
Figure QLYQS_55
其中：
Figure QLYQS_56
表示更新参数，将其设置为0.2；
Figure QLYQS_57
表示0-1之间的随机数；/>
Figure QLYQS_58
表示第r次迭代后评价函数值最大的粒子位置编码表示；
S55：若
Figure QLYQS_59
，则令r=r+1，返回步骤S53；否则计算当前所有粒子的评价函数值，并将不符合约束条件的粒子的评价函数值置为0，选取适应度函数值最大的粒子位置编码表示作为最优车位分配方案。
9.一种基于多目标优化的车位分配系统，其特征在于，所述系统包括：
停车场布局装置，用于构建停车场最优生态布局设计模型，以最大化车位空间利用率确定所构建停车场最优生态布局设计模型的目标函数，以停车场二氧化碳平衡为目标函数的约束条件，基于目标函数对所构建停车场最优生态布局设计模型进行优化求解，得到停车场最优生态设计布局并进行停车场设计规划；
停车请求获取模块，用于获取停车请求；
车位分配装置，用于根据停车场规划计算每一个车位的成本值，基于每个车位的分配情况以及预约停车时间构建多目标停车场停车分配目标函数，对构建的多目标停车场停车分配目标函数进行优化求解得到停车场的最优车位分配方案，并按照最优车位分配方案实施车位分配，以实现如权利要求1-8任一项所述的一种基于多目标优化的车位分配算法。
CN202310141449.9A 2023-02-21 2023-02-21 一种基于多目标优化的车位分配算法及系统 Active CN116136984B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310141449.9A CN116136984B (zh) 2023-02-21 2023-02-21 一种基于多目标优化的车位分配算法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310141449.9A CN116136984B (zh) 2023-02-21 2023-02-21 一种基于多目标优化的车位分配算法及系统

Publications (2)

Publication Number Publication Date
CN116136984A true CN116136984A (zh) 2023-05-19
CN116136984B CN116136984B (zh) 2024-01-12

Family

ID=86333424

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310141449.9A Active CN116136984B (zh) 2023-02-21 2023-02-21 一种基于多目标优化的车位分配算法及系统

Country Status (1)

Country Link
CN (1) CN116136984B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
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

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112037560A (zh) * 2019-06-03 2020-12-04 北京国驿技术有限公司 智能化封闭式停车场运行模式下车位优化分配模型建立方法
CN114298379A (zh) * 2021-12-06 2022-04-08 东南大学 一种基于仿真优化的自动代客泊车停车场布局优化方法
CN115376335A (zh) * 2022-10-25 2022-11-22 创辉达设计股份有限公司 一种城市道路交织区多目标优化控制方法及装置

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112037560A (zh) * 2019-06-03 2020-12-04 北京国驿技术有限公司 智能化封闭式停车场运行模式下车位优化分配模型建立方法
CN114298379A (zh) * 2021-12-06 2022-04-08 东南大学 一种基于仿真优化的自动代客泊车停车场布局优化方法
CN115376335A (zh) * 2022-10-25 2022-11-22 创辉达设计股份有限公司 一种城市道路交织区多目标优化控制方法及装置

Cited By (2)

* Cited by examiner, † Cited by third party
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

Also Published As

Publication number Publication date
CN116136984B (zh) 2024-01-12

Similar Documents

Publication Publication Date Title
Lausselet et al. LCA modelling for Zero Emission Neighbourhoods in early stage planning
Huang et al. Geographic Information System-assisted optimal design of renewable powered electric vehicle charging stations in high-density cities
CN116136984B (zh) 一种基于多目标优化的车位分配算法及系统
Tong et al. The simpler the better: a unified approach to predicting original taxi demands based on large-scale online platforms
Hang et al. Age of air and air exchange efficiency in high-rise urban areas and its link to pollutant dilution
CN107766994A (zh) 一种共享自行车调度方法与调度系统
Jun et al. Selection of target LEED credits based on project information and climatic factors using data mining techniques
CN110126666B (zh) 一种基于云平台的充电站群控系统及控制方法
CN103646349B (zh) 一种电力负荷曲线分段识别方法
Liu et al. Research on the relationship between urban form and urban smog in China
CN108062601A (zh) 一种停车场动态定价方法和装置
CN105389975A (zh) 专车调度方法和装置
Lv et al. A two-stage inexact joint-probabilistic programming method for air quality management under uncertainty
CN1446010A (zh) 配置蜂窝移动电话网络无线覆盖的方法和系统
CN116432272A (zh) 建筑物物化阶段施工优化方法、电子设备及存储介质
CN115730790A (zh) 基于边缘计算的充电配置方法、装置、设备及存储介质
CN114330898A (zh) 电动汽车充电站选址规划方法、装置及终端设备
CN111340318A (zh) 一种车辆动态调度方法、装置及终端设备
CN101339693A (zh) 城市路外公共停车设施位置及规模的控制方法
AzariJafari et al. Urban-scale evaluation of cool pavement impacts on the urban heat Island effect and climate change
Luo et al. Carbon emission prediction model of prefecture-level administrative region: A land-use-based case study of Xi'an city, China
CN114781768A (zh) 基于城市资源数据的停车场设施规划方法、装置及设备
Wang et al. Cost-oriented optimization of the location and capacity of charging stations for the electric Robotaxi fleet
CN109118104A (zh) 配电网规划方法及装置
CN104408206A (zh) 分布式支持向量聚类的方法及系统

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