一种立体车库调度控制装置的制作方法

本发明涉及立体车库智能控制技术领域，具体涉及一种基于ACP方法矩阵式立体车库调度控制装置及其方法，结合大数据分析得到完善的请求事件信息，将权值分配、完善的请求事件信息和车库状态信息结合，通过ACP方法得到最优的路径方案，达到数据的融合分析和调度系统对车库车流量自适应的目的。

背景技术：
：

目前，随着经济社会的快速发展，城市机动车保有量的急剧增长，给现有的停车基础设施带来了巨大的压力，停车难，乱停车等现象不断重复上演，尤其是建筑密集的区域，停车困难问题更为严重。在现有技术中，立体停车库成为了解决当下停车困难的最佳方式。但现有技术的立体停车库在使用的过程中普遍存在下列问题：一是用户同时前往一个车库，造成该车库车位紧张，而另一个车库车位空置率高；二是存取车高峰期，调度系统压力大，无法及时将车辆取出，用户等待时间长，体验度降低；三是调度系统执行过程中仅以将车辆取出为目的，无法综合考虑用户信息和车型信息，造成整个系统的能耗高，用户平均等待时间长。上述这些问题出现的原因在于，没有有效的途径方便用户及时了解车库车位信息，而且受车库本身存取车装置的限制，调度系统无法同时实现多台车辆的调度，另外现有的调度系统执行软件设计简单，一般将存取车事件作为单个事件处理，不考虑多个事件之间的连续性和相关性，以单个车辆取车时间为优化目标，而不是以整个车库中所有车辆存取车时间为优化目标，不考虑车流量动态变化和恒定的车库调度系统速度之间的矛盾关系，还有缺少对历史停车数据的分析利用，无法得到完善的用户存取车习惯信息，进而无法将车库系统作为一个整体考虑，无法预测某一时刻车库车流量数据。

ACP方法的理念就是通过人工社会(Artificial societies)，即人工系统、计算实验(Computational experi-ments)、平行执行(Parallel execution)之间组合，将人工的虚拟空间Cyberspace变成我们解决复杂问题的新的另一半空间，同自然的物理空间一起构成求解复杂系统方程之完整的复杂空间。而新兴的互联网、云计算、物联网等技术，正式支撑ACP方法的核心技术。从本质上讲，ACP的核心就是把复杂系统虚的和软的部分建立起来，通过可定量、可实施的计算化和实时化，使之硬化，真正地用于解决实际的复杂问题。

人工系统不同于一般的仿真系统，实际系统不再是人工系统建立的唯一参考和标准，而是将人工系统中的模型视为一种现实，是实际系统的一种可能的代替形式或另一种可能的实现方式，而实际系统也只是可能出现的现实中的一种，其行为与模型的行为不同但却等价，即不必苛求二者完全相同或高度逼近，只要求它们在规模、行为方式和系统特性等方面具有一致性即可。计算实验主要是针对人工系统进行的，其过程主要包括实验设计，模拟实验，实验评估等。在这种计算实验方法中，传统的计算模型变成了计算实验室里的试验过程，成为生长培育各类复杂系统的手段。平行执行对于一个复杂系统的研究，多数情况下既没有系统的足够精准的模型，也不能建立可以解析的预测系统短期的行为模型。因此，人工系统的建立不可能一次构建就可以达到能与实际系统的等价的程度，同时也很难给予实际系统十分准确的管理或指导信息。这就需要不断的对实际系统的反馈和人工系统中给出的策略，通过计算实验方法，在人工系统和实际系统进行一个滚动的优化过程，该优化过程即平行执行。ACP方法目的是使人工系统中的角色从被动到主动，静态到动态，离线到在线，以至最后由从属地位提高到相等的地位。因此，为了实现立体车库的智能化控制将ACP方法运用于立体车库的控制过程中。

技术实现要素：
：

本发明的目的在于克服现有技术中存在的缺点，寻求一种基于ACP方法的立体车库的调度控制装置及其方法，解决现有车库系统运行过程中存在的用户信息和车辆信息不完善、调度灵活度低，数据融合分析困难，无法对调度方案进行评估优化的问题。

为了实现上述目的，本发明涉及的立体车库调度控制装置，其主体结构包括用户需求模块、数据模块、车库信息模块、智能控制模块和智能调度模块；用户需求模块获取用户的存取车请求事件信息，并将车库信息模块、智能调度模块得到的信息及时反馈给用户；数据模块采集车辆及用户的相关信息，对信息进行处理和存储；车库信息模块接收和分析车库的状态数据，同时将车库状态数据输出；智能控制模块根据数据采集模块得到的车辆和用户的信息完善用户请求事件信息，结合车库状态数据通过ACP方法生成最优调度方案；智能调度模块接收并执行最优调度方案。

本发明涉及的用户需求模块用于获取用户的存取车请求事件并将请求事件传递给智能控制模块，接收车库信息模块输出的车库状态数据，接收智能调度模块反馈的用户事件调度方案处理需等待时间和建议，并将车库状态数据、等待时间和建议反馈给用户；所述用户需求模块可以为手机终端APP、车辆终端、网络平台以及车库场地内设置的交互平台；数据模块包括数据采集单元、数据库和数据预处理单元三个功能部分，数据采集单元用于采集汽车销售商网站、车库入口称量装置、社交网站、现有车库数据库和车库信息模块中的信息；数据预处理单元用于将采集的信息进行分析归纳，得到车辆信息、用户存取车习惯数据、用户性格信息和车库流量数据；数据库将数据预处理单元得到的信息存储于数据库；所述车库流量数据为车库信息模块反馈的数据，所述车辆信息为来自汽车销售商或通过车库入口称量装置得到的车型重量信息，所述用户存取车习惯数据为能够获得的现有车库记录的车辆存车和取车时间信息，所述用户性格信息为通过采集社交网站上用户信息分析客户是否守时及其他性格习惯，所述车库流量数据为车库车流量随时间的变化数据，可以为当日车流量统计数据和季节性车流量统计数据，通过车库信息模块的记录能够逐步得到完善的信息；车库信息模块接收PLC控制系统传递的各种信号，分析统计得到车库状态信息，记录车库流量数据，计算以时间和能耗为目标函数的每个停车位的权值，将车库状态信息反馈给用户需求模块，将车库状态信息和车位权值传递给智能控制模块，将车库流量数据输出给数据模块；车库状态信息包括车库位置、收费信息、车位占用状态、驱动装置和提升电梯的状态(是否损坏)；智能控制模块包括信息链单元、计算实验单元和存储单元三部分，信息链单元用于信息链的形成，接收用户需求模块的请求事件，读取车库信息模块记录的车库状态，并结合数据模块内的请求事件车辆的相关信息，形成信息链并输送到储存单元中；计算实验单元根据信息链确定优化目标函数通过计算实验过程得到最优调度方案，将最优调度方案输出到存储单元后再发送到智能调度模块；储存单元用于存储信息链和最优调度方案；所述信息链构成为预约事件/优先事件/次级优先事件-存车时间/取车时间-车辆信息(车重、车牌号)-取车时间-用户性格信息-车库流量数据，所述预约事件为用户通过用户需求模块确定的预约存车/取车事件或通过数据模块用户存取车习惯得到的用户取车事件，所述优先事件为用户已达到车库的存车/取车事件，所述次级优先事件为达到用户预约时间的取车事件，所述取车时间为用户设定的时间或通过数据分析用户存取车习惯得到的取车时间，所述调度方案包括调度过程中路径方案和调度过程时间预算；智能调度模块根据调度方案按照调度顺序控制立体车库的PLC控制系统进行车辆调度，同时实时统计每一个调度方案执行需要等待的时间，将等待时间和结合等待时间给用户的建议反馈给用户需求模块，所述调度顺序为根据智能调度模块接收到调度方案的顺序给予调度方案执行的顺序号。

本发明涉及的计算实验单元为基于ACP方法的一个单元模块，具体为在人工立体车库系统中映射一个与实际立体车库系统状态相同的人工立体车库模型，在立体车库模型中进行计算实验过程，计算实验单元包括实验设计、实验执行和实验评估三个部分，实验设计以车库状态信息和获得的所有信息链信息为基础条件，以该时刻车库需求确定实验设计的原则，如时间最优、库存最大或进车优先原则，选取相应算法得到实验方案；将实验方案在人工立体车库模型中进行模拟实验，即实验执行，模拟执行后得到模拟后的人工立体车库模型车库状态信息，根据模拟后的人工立体车库模型车库状态信息和智能控制模块新获得的信息链信息，以实验设计阶段选取的实验设计原则，选择评价方案目标函数是时间最优或库存最大或进车优先对该设计方案进行评价，若为最优方案则确定为最优调度方案，若不是最优方案，则返回实验设计阶段重新确定。

本发明涉及的立体车库调度控制装置的控制对象为矩阵式立体车库，所述矩阵式立体车库包括立体车库机械结构部分和PLC控制系统，立体车库机械结构部分包括提升电梯和载车模块，立体车库机械结构部分分为若干层，每层包括提升电梯和设置在提升电梯周边阵列式排布的载车模块，所述载车模块包括支撑框架、驱动装置和载车板，支撑框架上设有限位开关，用于感应载车板的移动位置，支撑框架上还设有重量传感器，通过重量数据确定载车模块上是否停有车辆，驱动装置通过载车板带动车辆在横向或纵向移动，通过提升电梯驱动车辆在上下方向上移动，所述PLC控制系统分别与限位开关、重量传感器、驱动装置电机和提升电梯电连接。

本发明涉及的立体车库的调度控制方法，包括以下步骤：

101.数据信息采集：先由数据模块获取车辆信息、用户存取车习惯信息、用户性格信息和车库流量数据，并将采集的数据进行分析、归纳并存储于数据库；所述车辆信息包括来自汽车销售商或通过车库入口称量装置得到的车型重量信息，所述用户存取车习惯包括现有车库记录的车辆存车和取车时间信息，所述用户性格信息包括通过采集社交网站用户信息分析得到的用户是否守时的性格信息，所车库流量数据为车库车流量随时间的变化数据包括当日车流量统计数据，季节性车流量统计数据；

102.请求事件获取：根据请求事件的类型分为两种情况：一是对于存车请求，车库信息模块接收PLC控制系统传递的各种信号，分析统计得到车库剩余车位，将剩余车位信息实时发送给用户需求模块，用户在用户请求模块中搜索或查询目标车库，若目标车库有剩余车位则在人机交互界面输入并确认预约存车时间、车型和预约取车时间；二是对于取车请求，用户在人机交互界面输入并确认车牌号和取车时间或预约取车时间；

103.信息链确定：由智能控制模块接收到步骤102获取的请求事件信息，读取步骤101数据模块内存储的请求事件车辆和用户相关信息构建信息链，并将信息链存储；信息链分为以下几种情况：信息链A：优先事件-存车时间-车重-取车时间-用户性格信息-车库流量数据；信息链B：优先事件-取车时间-载车板编号(或车牌号)-用户性格信息-车库流量数据；信息链C：次级优先事件-取车时间-载车板编号(或车牌号)用户性格信息-车库流量数据；信息链D：预约事件-取车时间-载车板编号-用户性格信息-车库流量数据；信息链E：预约事件-存车时间-车重-取车时间-用户性格信息-车库流量数据；

104.车位状态获取和权值分配：车库信息模块接收PLC控制系统传递的各种信号，通过分析统计得到车库状态信息，再计算以时间和能耗为优化目标的每个停车位的权值，得到权值分配信息；

105.调度方案确定：计算实验单元读取步骤103中存储的信息链信息，步骤104得到的车库状态信息和权值分配信息，依次通过实验设计、实验执行和实验评估得到最优调度方案；

106.调度方案执行：智能调度模块接收步骤105得到的最优调度方案，根据最优调度方案按照调度顺序控制立体车库的PLC控制系统进行车辆调度，同时实时统计每一个调度方案执行需要等待的时间，将等待时间反馈给用户需求模块；对于取车路径，提升电梯将车辆运行到指定停车层，与此同时，相应驱动装置将障碍车辆移出相应停车位，从而使提升电梯达到指定停车层后，将车辆直接进入停车位。

本发明涉及的步骤101，具体运行分为以下步骤：

1011.数据采集单元采集网络信息、现有车库记录信息、汽车销售商车型重量数据信息或车库入口称量装置获取的车辆重量信息，接收车库信息模块返回的车库流量数据；

1012.数据预处理单元将数据采集单元采集的信息进行分析归纳，得到车辆数据、用户存取车习惯数据和用户性格信息数据；

1013.数据库将步骤1012得到的数据和车库流量数据存储。

本实施例涉及的步骤104可以具体分为以下步骤：

1041.统一时间和能耗量纲，计算以时间和能耗为优化目标的每个停车位的权值，确定时间是首要优化目标，以时间最优的前十种方案中最短时间t0和最低能耗q0为基准，针对某个方案的时间t和能耗q,将所需时间和能耗与最小值的比值作为优化函数得出权值，即t/t0+q/q0；

1042.接收PLC控制系统传递的信号确认车位的占用状态、驱动装置和提升电梯的状态，如空余停车位，故障驱动装置，故障提升电梯等信息，同时记录各停车位、驱动装置和提升电梯的状态。

本发明涉及的步骤105具体包括以下步骤：

1051.在人工立体车库系统中映射一个与实际立体车库系统状态相同的人工立体车库模型；

1052.在人工立体车库模型中以车库状态信息和获得的所有信息链信息为基础条件，以该时刻车库需求确定实验设计原则，如时间最优、库存最大或进车优先，选取相应算法得到实验方案；所述算法包括融合遗传算法和蚁群算法的GAAAA算法或广度优先算法或其他算法；

1053.将实验方案在人工立体车库模型中进行模拟实验，即实验执行，模拟执行后得到模拟后人工立体车库模型车库状态信息；

1054.根据步骤1053获得的模拟后人工立体车库模型的车库状态信息和步骤103智能控制模块新获得的信息链信息，以实验设计阶段选取的原则，选择评价方案目标函数是时间最优或库存最大或进车优先对该设计方案进行评价，若为最优方案则确定为最优调度方案，若不是最优调度方案，则返回步骤1052重新开始。

本发明与现有技术相比，一是使现有的停车资源得到最大效率的使用，降低了停车基础设施建设预算，整个社会停车场收费制度将更加合理；二是停车过程更智能便捷，提高出行的效率，提高城市的运行效率；三是易用性强，可大范围推广应用，缓解人口建筑密集区域的停车难问题。

附图说明：

图1为本发明涉及的立体车库调度控制装置的结构示意框图。

图2为本发明涉及的立体车库机械机构部分单层结构示意图。

图3为本发明涉及的载车模块结构示意图。

图4为本发明涉及的立体车库调度控制方法流程示意框图。

图5为本发明涉及的计算实验过程流程示意图。

图6为本发明涉及的5*3矩阵式立体车库的权值分配图。

图7为本发明涉及的广度算法流程示意图。

具体实施方式：

下面结合附图和实施例对本发明做进一步说明：

实施例1：

本实施例涉及的立体车库调度控制装置，其主体结构包括用户需求模块1、数据模块2、车库信息模块3、智能控制模块4和智能调度模块5；用户需求模块1获取用户的存取车请求事件信息，并将车库信息模块3、智能调度模块5得到的信息及时反馈给用户；数据模块2采集车辆及用户的相关信息，对信息进行处理和存储；车库信息模块3接收和分析车库的状态数据，同时将车库状态数据输出；智能控制模块4根据数据采集模块得到的车辆和用户的信息完善用户请求事件信息，结合车库状态数据通过ACP方法生成最优调度方案；智能调度模块5接收并执行最优调度方案。

本发明涉及的用户需求模块1用于获取用户的存取车请求事件并将请求事件传递给智能控制模块4，接收车库信息模块3输出的车库状态数据，接收智能调度模块5反馈的用户事件调度方案处理需等待时间和建议，并将车库状态数据、等待时间和建议反馈给用户；所述用户需求模块1可以为手机终端APP、车辆终端、网络平台以及车库场地内设置的交互平台；数据模块2包括数据采集单元13、数据库14和数据预处理单元15三个功能部分，数据采集单元13用于采集汽车销售商网站、车库入口称量装置、社交网站、现有车库数据库和车库信息模块3中的信息；数据预处理单元15用于将采集的信息进行分析归纳，得到车辆信息、用户存取车习惯数据、用户性格信息和车库流量数据；数据库14将数据预处理单元15得到的信息存储于数据库14；所述车库流量数据为车库信息模块3反馈的数据，所述车辆信息为来自汽车销售商或通过车库入口称量装置得到的车型重量信息，所述用户存取车习惯数据为能够获得的现有车库记录的车辆存车和取车时间信息，所述用户性格信息为通过采集社交网站上用户信息分析客户是否守时及其他性格习惯，所述车库流量数据为车库车流量随时间的变化数据，可以为当日车流量统计数据和季节性车流量统计数据，通过车库信息模块3的记录能够逐步得到完善的信息；车库信息模块3接收PLC控制系统6传递的各种信号，分析统计得到车库状态信息，记录车库流量数据，计算以时间和能耗为目标函数的每个停车位的权值，将车库状态信息反馈给用户需求模块，将车库状态信息和车位权值传递给智能控制模块4，将车库流量数据输出给数据模块2，车库状态信息包括车库位置、收费信息、车位占用状态、驱动装置和提升电梯17的状态(是否损坏)；智能控制模块4包括信息链单元8、计算实验单元9和存储单元16三部分，信息链单元8用于信息链的形成，接收用户需求模块1的请求事件，读取车库信息模块3记录的车库状态，并结合数据模块2内的请求事件车辆的相关信息，形成信息链并输送到储存单元16中；计算实验单元9根据信息链确定优化目标函数通过计算实验过程得到最优调度方案，将最优调度方案输出到存储单元16后再发送到智能调度模块5；储存单元16用于存储信息链和最优调度方案；所述信息链构成为预约事件/优先事件/次级优先事件-存车时间/取车时间-车辆信息(车重、车牌号)-取车时间-用户性格信息-车库流量数据，所述预约事件为用户通过用户需求模块1确定的预约存车/取车事件或通过数据模块2用户存取车习惯得到的用户取车事件，所述优先事件为用户已达到车库的存车/取车事件，所述次级优先事件为达到用户预约时间的取车事件，所述取车时间为用户设定的时间或通过数据分析用户存取车习惯得到的取车时间，所述调度方案包括调度过程中路径方案和调度过程时间预算；智能调度模块5根据调度方案按照调度顺序控制立体车库的PLC控制系统6进行车辆调度，同时实时统计每一个调度方案执行需要等待的时间，将等待时间和结合等待时间给用户的建议反馈给用户需求模块1，所述调度顺序为根据智能调度模块5接收到调度方案的顺序给予调度方案执行的顺序号。

本实施例涉及的计算实验单元9为基于ACP方法的一个单元模块，具体为在人工立体车库系统中映射一个与实际立体车库系统状态相同的人工立体车库模型，在立体车库模型中进行计算实验过程，计算实验单元9包括实验设计10、实验执行11和实验评估12三个部分，实验设计10以车库状态信息和获得的所有信息链信息为基础条件，以该时刻车库需求确定实验设计10的原则，如时间最优、库存最大或进车优先原则，选取相应算法得到实验方案；将实验方案在人工立体车库模型中进行模拟实验，即实验执行11，模拟执行后得到模拟后的人工立体车库模型车库状态信息，根据模拟后的人工立体车库模型车库状态信息和智能控制模块新获得的信息链信息，以实验设计10阶段选取的实验设计原则，选择评价方案目标函数是时间最优或库存最大或进车优先对该设计方案进行评价，若为最优方案则确定为最优调度方案，若不是最优方案，则返回实验设计10阶段重新确定。

本实施例涉及的立体车库调度控制装置的控制对象为矩阵式立体车库，所述矩阵式立体车库包括立体车库机械结构部分7和PLC控制系统6，立体车库机械结构部分7包括提升电梯17和载车模块，立体车库机械结构部分7分为若干层，每层包括提升电梯17和设置在提升电梯17周边阵列式排布的载车模块，(载车模块在图2中具体为A-G，其中载车模块分别为三种状态，第一种状态是车位的驱动装置上停有空的载车板，即带载车板空车位，如F所示；第二种状态是车位的驱动装置上停有载车板和车辆，如A、D和E上所示；第三种状态是车位的驱动装置上没有载车板，即为无载车板空车位，如B、C、D和G所示)，所述载车模块包括支撑框架18、驱动装置19和载车板20，支撑框架18上设有限位开关21，用于感应载车板的移动位置，支撑框架18上还设有重量传感器22，通过重量数据确定载车模块上是否停有车辆，驱动装置19通过载车板20带动车辆在横向或纵向移动，通过提升电梯17驱动车辆在上下方向上移动，所述PLC控制系统6分别与限位开关21、重量传感器22、驱动装置电机和提升电梯17电连接。

本实施例涉及的立体车库的调度控制方法，包括以下步骤：

101.数据信息采集：先由数据模块2获取车辆信息、用户存取车习惯信息、用户性格信息和车库流量数据，并将采集的数据进行分析、归纳并存储于数据库14；所述车辆信息包括来自汽车销售商或通过车库入口称量装置得到的车型重量信息，所述用户存取车习惯包括现有车库记录的车辆存车和取车时间信息，所述用户性格信息包括通过采集社交网站用户信息分析得到的用户是否守时的性格信息，所车库流量数据为车库车流量随时间的变化数据包括当日车流量统计数据，季节性车流量统计数据；

102.请求事件获取：根据请求事件的类型分为两种情况：一是对于存车请求，车库信息模块3接收PLC控制系统6传递的各种信号，分析统计得到车库剩余车位，将剩余车位信息实时发送给用户需求模块1，用户在用户请求模块1中搜索或查询目标车库，若目标车库有剩余车位则在人机交互界面输入并确认预约存车时间、车型和预约取车时间；二是对于取车请求，用户在人机交互界面输入并确认车牌号和取车时间或预约取车时间；

103.信息链确定：由智能控制模块4接收到步骤102获取的请求事件信息，读取步骤101数据模块2内存储的请求事件车辆和用户相关信息构建信息链，并将信息链存储；信息链分为以下几种情况：信息链A：优先事件-存车时间-车重-取车时间-用户性格信息-车库流量数据；信息链B：优先事件-取车时间-载车板编号(或车牌号)-用户性格信息-车库流量数据；信息链C：次级优先事件-取车时间-载车板编号(或车牌号)用户性格信息-车库流量数据；信息链D：预约事件-取车时间-载车板编号-用户性格信息-车库流量数据；信息链E：预约事件-存车时间-车重-取车时间-用户性格信息-车库流量数据；

104.车位状态获取和权值分配：车库信息模块3接收PLC控制系统6传递的各种信号，通过分析统计得到车库状态信息，再计算以时间和能耗为优化目标的每个停车位的权值，得到权值分配信息；

105.调度方案确定：计算实验单元9读取步骤103中存储的信息链信息，步骤104得到的车库状态信息和权值分配信息，依次通过实验设计10、实验执行11和实验评估12得到最优调度方案；

106.调度方案执行：智能调度模块5接收步骤105得到的最优调度方案，根据最优调度方案按照调度顺序控制立体车库的PLC控制系统6进行车辆调度，同时实时统计每一个调度方案执行需要等待的时间，将等待时间反馈给用户需求模块1；对于取车路径，提升电梯17将车辆运行到指定停车层，与此同时，相应驱动装置将障碍车辆移出相应停车位，从而使提升电梯17达到指定停车层后，将车辆直接进入停车位。

本实施例涉及的步骤101，具体运行分为以下步骤：

1011.数据采集单元13采集网络信息、现有车库记录信息、汽车销售商车型重量数据信息或车库入口称量装置获取的车辆重量信息，接收车库信息模块3返回的车库流量数据；

1012.数据预处理单元15将数据采集单元13采集的信息进行分析归纳，得到车辆数据、用户存取车习惯数据和用户性格信息数据；

1013.数据库14将步骤1012得到的数据和车库流量数据存储。

本实施例涉及的步骤104可以具体分为以下步骤：

1041.统一时间和能耗量纲，计算以时间和能耗为优化目标的每个停车位的权值，确定时间是首要优化目标，以时间最优的前十种方案中最短时间t0和最低能耗q0为基准，针对某个方案的时间t和能耗q,将所需时间和能耗与最小值的比值作为优化函数得出权值，即t/t0+q/q0，图6为一个5*3矩阵式立体车库的权值分配图；

1042.接收PLC控制系统6传递的信号确认车位的占用状态、驱动装置19和提升电梯17的状态，如空余停车位，故障驱动装置，故障提升电梯17以及载车板模块状态信息，同时记录各停车位、驱动装置和提升电梯17的状态。

本实施例涉及的步骤105具体包括以下步骤：

1051.在人工立体车库系统中映射一个与实际立体车库系统状态相同的人工立体车库模型；

1052.在人工立体车库模型中以车库状态信息和获得的所有信息链信息为基础条件，以该时刻车库需求确定实验设计原则，如时间最优、库存最大或进车优先，选取相应算法得到实验方案；所述算法包括融合遗传算法和蚁群算法的GAAAA算法或广度优先算法或其他算法；

1053.将实验方案在人工立体车库模型中进行模拟实验，即实验执行11，模拟执行后得到模拟后人工立体车库模型车库状态信息；

1054.根据步骤1053获得的模拟后人工立体车库模型的车库状态信息和步骤103智能控制模块4新获得的信息链信息，以实验设计10阶段选取的原则，选择评价方案目标函数是时间最优或库存最大或进车优先对该设计方案进行评价，若为最优方案则确定为最优调度方案，若不是最优调度方案，则返回步骤1052重新开始。

实施例2：

本实施例涉及的实验设计过程采用广度优先算法，先对5*5车位进行编号，采用两位十进制数，十位表示行，个位表示列，如表1所示：

表1车位编号示意表

为表示调度过程的各个状态，采用数据的二进制表示形式对车位占用进行编码，数据中包括的信息有：每个车位是否被占用及目标车辆(主车)所在车位号。

表2状态编码含义表

数据的最大值max＝2²⁷＝134,217,728

long数据类型范围是从-9,223,372,036,854,775,808到9,223,372,036,854,775,807，足够编码使用，故采用long数据类型对状态编码。

搜索信息的储存

搜索树的储存：建立结构体类型，存储每个状态的车位占用、父节点、距离信息、移动关系。

采用List类型存储黑色和灰色节点，节点信息中的父节点序号是父节点在List中的序号。

List<node>nodesSave＝new List<node>()；//存放黑色&灰色节点

节点的父子关系指：父节点可通过合法移动一辆车到相邻空位达到与子节点状态相同。先搜索到的节点为父节点，后搜索到的节点为子节点。合法移动指要移动到的目标车位是可用的空位。结构体node中的dir数组存储的是从父节点到本节点所需的移动方式，程序运行时数组申请长度为56,数组下标对应车位序号，数组中保存数值指示移动方向，0表示不移动，1、2、3、4分别表示向上、右、下、左移动。

其他信息的储存：

List<long>nodesStatus＝new List<long>()；//存储已经遍历到的节点status,以编号形式存储

List<int>endNodes＝new List<int>()；//存储目标状态在nodesSave中的序号

List<node>nodesPath1＝new List<node>()；//存放路径

bool[]isUsefull＝new bool[56]；//表示5*5的车库车位可用情况，true可用，false不可用

算法流程：

首先设定初始状态，标记为灰色节点，之后进入循环，搜搜该灰色节点的所有子节点，并将新发现的节点标记为灰色节点。找到所有子节点的灰色节点标记为黑色节点，再搜索下一个灰色节点，直到达到停止条件，跳出循环。停止条件有两个，满足其一即可：

A.搜索深度<20

B.搜索到的目标状态达到y个，其中n为车位总数，x为车辆总数，y被限幅在1-15之间。

找到多个目标状态再比较的原因在于搜索时的单步移动和真实车库的移动不同，搜索树建立时为计算方便，认为每次只能移动一辆车到相邻空位。而真实车库为了降低出库时间，互相不干扰的移动可同时进行，故搜索到的第一个目标状态并不一定是真实的最短路径目标状态。通过对路径压缩，即把互不干扰的移动合并，再选择用时最少，移动车辆相对少的路径，才完成了最优路径的搜索。