一种基于两阶段选择的区域停车位动态分配方法与流程

本发明属于智能交通控制技术领域，具体涉及一种基于两阶段选择的区域停车位动态分配方法。

背景技术：

随着我国经济的快速发展，城市汽车保有量不断增加，使得车与道路、停车泊位之间的矛盾不断激化，带来了交通拥堵、停车难等一系列交通问题。有研究表明，路网中的交通流量有接近三分之一是由于车辆的反复徘徊所致，车辆的反复寻泊不仅会增加待泊车辆在停泊过程中产生的时间成本，另一方面也会带来交通拥挤、交通污染、燃料消耗等系列问题，加剧城市的交通问题。

现有关于停车诱导系统的研究由于缺乏对驾驶员心理感受的考虑，使得驾驶员对诱导方案的服从率不高，大大的降低了诱导效果。对于停车诱导系统模型的研究，目前的研究主要从驾驶员个人最优的角度出发搜寻停车场，缺少从解决交通拥堵的角度出发，建立诱导模型。由此可知，很少研究能够将驾驶员停车心理感受和区域交通管理综合考虑，生成兼顾驾驶员感受和区域交通管理的诱导方案。

技术实现要素：

本发明的主要目的在于克服现有技术的缺点与不足，提供一种基于两阶段选择的区域停车位动态分配方法，该方法在考虑驾驶员心理感受的同时兼顾区域交通管理，具有实际意义。

为了达到上述目的，本发明采用以下技术方案：

本发明一种基于两阶段选择的区域停车位动态分配方法，包括以下步骤：

(1)收集区域停车需求和剩余泊位数，定位驾驶员当前位置；

(2)获取驾驶员停车目的与目的地，计算停车紧迫程度；

(3)根据收集的驾驶员停车偏好与停车紧迫程度，确定驾驶员对每个停车场的接受度；

(4)确定接受度阈值，根据步骤(3)中计算出的接受度，筛选出驾驶员愿意前往的停车场待选集合；

(5)在每个分配周期中，先进入系统最优分配模式，若驾驶员不接受诱导方案，则进入用户自主选择分配模式。

作为优选的技术方案，在步骤(1)中，待泊车辆驾驶员发送停车请求，gps定位系统定位到车辆当前所在位置，收集区域内发出的所有停车请求，统计剩余泊位数以及分布情况。

作为优选的技术方案，步骤(2)具体为：

(2.1)收集驾驶员的停车目的与目的地信息，根据步骤(1)中的定位计算出待泊车辆与目的地之间的距离；

(2.2)将待泊车辆驾驶员停车目的p进行量化，根据乘客出行目的紧急程度的不同，将驾驶员出行目的分为休闲型、常规型和紧急型，其满足：

其中pi为驾驶员i的停车目的；

(2.3)结合停车目的以及驾驶员与目的地之间的距离，计算出每位待泊车辆驾驶员的停车紧迫程度，关系式如下：

其中，si为驾驶员i到目的地的距离，min{si}，max{si}分别为si的最小值和最大值，pi为驾驶员i的停车目的，w1和w2为驾驶员的停车目的和与目的地之间的距离的权重。

作为优选的技术方案，步骤(3)具体为：

(3.1)驾驶员的停车偏好包括停车费用、步行时间、停车场熟悉程度和停车设施，为了能将这四个因素统一起来加以考虑，需将待泊车辆驾驶员对停车场的熟悉程度和停车设施进行如下量化：

其中，f(i,j)为驾驶员i对停车场j的熟悉程度，ipj为停车场j的停车设施；

(3.2)为了反映驾驶员停车紧迫程度对驾驶员的停车场接受程度的影响，需要根据停车紧迫程度对停车费用、步行时间、停车场熟悉程度和停车设施这几个因素的权重进行调整，停车需求紧迫程度与权重系数的关系如下：

其中，θi0、θi1为紧迫度分别为u0、u1时所对应的权重系数；

(3.3)驾驶员对每个停车场接受程度的计算公式如下：

其中，a(i,j)为驾驶员i对停车场j的接受程度，tw(i,j)为驾驶员i从停车场j到目的地的步行时间，twimax为驾驶员i能接受的最大步行时间，cpj为停车场j的停车收费，cpimax为驾驶员i能接受的最大停车费用，θ为不同影响因素的权重。

作为优选的技术方案，步骤(4)具体为：

(4.1)首先确定驾驶员接受阈值，驾驶员接受阈值即指驾驶员对停车场是否接受的心理意愿的临界值；

在a(i,j)的计算式中，当每种因素的数值都达到了驾驶员所能接受的最好情况时：

a(i,j)max＝1

根据a(i,j)max确定λi为

λi＝a·a(i,j)max，其中0＜a＜1

其中λi表示驾驶员i的接受阈值，a为满足最好情况的程度；

(4.2)停车待选集合的划定是将接受阈值λi与待泊车辆驾驶员对停车场的接受程度a(i,j)进行比较，把在驾驶员可接受范围内的停车场纳入该驾驶员的停车场待选集合；

对于每个车辆设定一个待选停车场集合pi，初始集合为空，将驾驶员对每个停车场的a(i,j)分别与该驾驶员的接受阈值相比较，即对于满足以下条件的停车场，加入到待选停车场集合pi中：

a(i,j)≥λi

由于每个驾驶员所获得的接受阈值λi的不同，对停车紧迫的车辆会分到相对较多的停车选择方案，从而在后面的诱导方案决策中有较大的概率能够得到诱导方案。

作为优选的技术方案，步骤(5)中，以系统最优模式为主，以用户自主选择模式为辅对用户进行诱导，进而确保能同时充分考虑驾驶员的停车意愿和停车资源的有效利用，具体步骤为：

(5.1)在系统最优模式中，基于确定的驾驶员待选停车场集合，在第k个周期内，区域内的停车需求和供给信息相对不变的时间段内，以区域内所有车辆的总成本最小和剩余泊位数最小为总目标，建立区域动态诱导模型；

minz

其中，nk为第k个周期内发出停车请求的车辆数,pi为驾驶员i的待选停车场集合，c(i,j)为驾驶员i到停车场j的停车成本，αi为停车场价值系数，nep(j,k)为第k个周期停车场j的空余车位数量，为时间成本价值系数，l为个人年收入(元)，t为个人年均工作小时，tw(i,j)为驾驶员i从停车场j到目的地的步行时间，td(i,j)为驾驶员i到停车场j的行驶时间，cpj为停车场j的停车费；

在第k个分配周期中，对于任意接受诱导的待泊车辆驾驶员i，因为只能前往一个停车场，则：

由于停车资源有限，被诱导前往同一停车场的车辆数应小于等于该停车场剩余车位数，即应满足以下约束条件：

对于未接受诱导方案的用户，则进入用户自主选择模式；

(5.2)在该模式下，基于第一阶段划定的待选停车场集合，对每一个停车场以行驶时间为半径设置一个诱导范围，记录用户进入该范围的时间戳，按先后顺序进行排序，在当前分配周期，结合车位剩余数量，根据排序情况为进入某停车场诱导范围的时间戳较早的用户优先提供该停车场车位信息，如果用户在一定时间内未进行选择，视为放弃当前显示的所有选项，更新车位信息，这些车位可以提供给未做选择的时间戳较晚的用户。

本发明与现有技术相比，具有如下优点和有益效果：

1、本发明可以在满足驾驶员的停车需求的同时，使停车资源得到合理分配，减少区域待泊车辆的寻泊时间，提高驾驶员的停车效率。

2、本发明通过考虑驾驶员的心理感受，提高了驾驶员对于系统分配的停车诱导方案服从率，对缓解城市交通拥堵问题具有重大意义。

3、本发明的模型中考虑了区域停车位利用率最大化，能够实现停车资源的有效利用，在停车资源紧张时，效果尤其显著。

附图说明

图1为本发明的基于两阶段选择的区域停车位动态分配方法工作流程图；

图2为区域停车场与待泊车辆相对位置图。

具体实施方式

下面结合实施例及附图对本发明作进一步详细的描述，但本发明的实施方式不限于此。

实施例

如图1所示，本发明是一种基于两阶段选择的区域停车位动态分配方法，具体包括以下步骤：

步骤1)收集区域停车需求和剩余泊位数，定位驾驶员当前位置。

本实施例选定广州市妇儿中心地铁站周围区域，以侨鑫国际、广州全球通大厦、高德置地广场、保利威座大厦、珠江投资大厦为算例停车场，(为了方便标识，依次记为a、b、c、d、e停车场)。从8:00:00开始进行诱导方案的生成，以两分钟为周期。收集到当前周期共有6辆待泊车辆发送了停车请求，发出停车请求的待泊车辆的相对位置如图2所示，各待泊车辆行驶至停车场的行驶时间如表1所示：

表1待泊车辆到各停车场的行驶时间(min)

同时，收集到区域剩余泊位数，如表2所示：

表2区域停车场剩余车位数

步骤2)获取驾驶员停车目的与目的地，计算停车紧迫程度。

通过引导驾驶员输入停车目的与目的地，根据步骤1)获取的定位计算出车辆与目的地之间的距离，同时对停车目的进行量化，结果如表3所示：

表3车辆与目的地之间的距离(km)和驾驶员的停车目的

根据公式计算出驾驶员的紧迫程度如表4所示：

表4驾驶员紧迫程度

步骤3)根据驾驶员的停车偏好与停车紧迫程度，确定驾驶员对每个停车场的接受度。

驾驶员的停车偏好包括停车费用、步行时间、停车场熟悉程度和停车设施，各停车场的收费单价如表5所示：

表5各停车场的收费单价(元)

待泊车辆驾驶员从停车场到目的地之间的步行时间如表6所示：

表6目的地与停车场之间的步行时间(min)

驾驶员对各停车场熟悉程度如表7所示：

表7驾驶员对各停车场的熟悉程度

各个停车场的停车设施情况量化如表8所示：

表8各停车场的停车设施

通过问卷调查，对这4个参数的权重标定如表9所示：

表9参数标定值

根据公式结合步骤2)计算出的驾驶员紧迫程度对四个权重进行调整，最终求出驾驶员对每个停车场的接受度如表10所示：

表10驾驶员对各停车场接受度

步骤4)确定接受度阈值，根据表10计算的接受度，筛选驾驶员愿意前往的停车场待选集合。具体如下：

我们认为达到最好情况的30％时取得驾驶员对停车场是否接受的心理意愿的临界值，则：

λi＝0.3

根据上述数据，利用a(i,j)≥λi对每个停车场进行筛选，在诱导周期内，共有六辆车发出停车请求，可得各车辆的待选停车场集合划分结果，如表11所示。

表11车辆待选集合

步骤5)在每个分配周期中，先进入系统最优分配模式，若驾驶员不接受诱导方案，则进入用户自主选择分配模式。具体如下：

由于停车位紧张时每个诱导周期的停车需求大于供给，假设泊位周转率为30辆/h，在8:00:00时刻各停车场初始剩余车位数如表12所示：

表12停车场剩余车位数

根据区域动态诱导模型：

可得分配结果如表13所示：

表13停车位分配结果

车辆1、2、3、4、5接受了系统最优模式中分配的方案，而由于停车场d的停车费用较高，因此车辆6拒绝了系统最优模式中分配的方案，进入自主选择模式。

此时停车场剩余车位数如表14所示：

表14自主选择模式下剩余车位数

且车辆在停车场d的范围内，因而在该模式下车辆6可选择的停车场有c和d，由于车辆6对停车场c的停车费用较为满意，且熟悉程度较高，因而最后车辆选择了停车场c。最终车辆去往的停车场情况如表15所示：

表15最终停车位分配结果

车辆诱导的目的是减少车辆寻泊时间，提高停车位利用率，因此下面将对有无诱导时车辆到目的地的总花费时间作比较。

无诱导时，车辆选择就近停车，此时车辆的停车情况如表16所示：

表16无诱导时的停车选择方案

其中车辆3和车辆5经过了反复寻泊才最终找到停车位，所有车辆花费的总时间为164min，由上可得有诱导时车辆花费的总时间为150min。计算结果表明，相比于区域无诱导停车策略，利用本实施例的模型所得到的停车诱导方案可以降低区域车辆9％的总出行时间。

上述实施例为本发明较佳的实施方式，但本发明的实施方式并不受上述实施例的限制，其他的任何未背离本发明的精神实质与原理下所作的改变、修饰、替代、组合、简化，均应为等效的置换方式，都包含在本发明的保护范围之内。