基于灰色关联分析的目标停车场智能选择方法与流程

本发明涉及一种基于灰色关联分析的目标停车场智能选择方法。

背景技术：

随着汽车数量的逐年增加，城市停车越来越困难，即使停车场规模逐年扩大还是无法从根本上缓解停车难的压力。停车系统智能化才是缓解停车压力的有效途径。北京、上海、杭州等国内大城市相继推出停车位预定系统，大大提高了停车场车位的利用率，同时也给车主带来了很大的便利。

技术实现要素：

有鉴于此，本发明的目的在于提供一种基于灰色关联分析的目标停车场智能选择方法，对目标停车场选择考虑的影响因素更全面，其智能化水平更高，使用更方便，准确性更高。

为实现上述目的，本发明采用如下技术方案：

一种基于灰色关联分析的目标停车场智能选择方法，包括以下步骤：

步骤s1:构建灰色关联分析的参考数列；

步骤s2:构建灰色关联分析的评价数列；

步骤s3:对参考数列和评价数列进行初值化处理，得到处理后的参考数列和评价数列；

步骤s4:根据得到处理后的评价数列，计算关联系数；

步骤s5:确定处理后的评价数列中各评价指标的权重，并进行归一化处理；

步骤s6:根据得到的关联系数，计算处理后的参考数列和评价数列的关联度；

步骤s7:将计算得到的关联度进行从大到小的排序，得到灰关联序，关联度最大的评价序列对应的就是最佳目标停车场。

进一步的，所述步骤s1具体为：

步骤s11:采集得到初始参考数列{x'0(1)，x'0(2)，…，x'0(n)},其中x'0(1)，x'0(2)，…，x'0(n)为各种参考指标，包括目标停车场的距离、道路拥挤程度、剩余车位数、停车费用、硬件设施、服务质量；

步骤s12:根据估测法对得到的初始参考数列进行处理，得到构造灰色关联分析的参考数列：

x0＝{x"0(1)，x"0(2)，…，x"0(n)}

其中，x"0(1)、x"0(2)、…、x"0(n)分别表示选定的处理后的数值。

进一步的，所述步骤s2具体为：

步骤s21:设定目的地附近预设范围内的停车场为候选停车场；

步骤s22采集第i个候选停车场的初始评价数列{x′i(1)，x′i(2)，…，x′i(n)},其中x′i(1)，x′i(2)，…，x′i(n)为各种评价指标，包括目标停车场的距离、道路拥挤程度、剩余车位数、停车费用、硬件设施、服务质量；

步骤s22:根据估测法对得到的初始参考数列进行处理，得到构造灰色关联分析的评价数列：

xi＝{x"i(1)，x"i(2)，…，x"i(n)}

其中，x"i(1)，x"i(2)，…，x"i(n)分别表示选定的处理后的数值。

进一步的，所述步骤s3具体为：根据公式

和

分别求出x0(k)和xi(k)，k＝1，2，…，n；i＝1，2，…，m；于是得到处理后的参考数列{x0(k)}和评价数列{xi(k)}。

进一步的，所述步骤s4具体为：根据公式

求出{xi(k)}对{x0(k)}在第k点的关联系数ξi(k)，其中，为两级最小差，为两级最大差，ρ为分辨系数，δi(k)＝|x0(k)-xi(k)|为{x0(k)}与{xi(k)}在第k点的绝对差。

进一步的，所述步骤s5具体为：

步骤s51:采用估测法确定各评价指标权重(a'1，a'2，…，a′i)；

步骤s52:根据进行归一化处理，得权重向量(a1，a2，…，ai)。

进一步的，所述步骤s6具体为：根据公式

得到评价数列{xi(k)}与参考数列{x0(k)}的关联度γi。

本发明与现有技术相比具有以下有益效果：

本发明基于灰色关联分析，对目标停车场选择考虑的影响因素更全面，其智能化水平更高，使用更方便，准确性更高。

附图说明

图1是本发明方法流程图

图2是本发明目标停车场评价指标体系。

具体实施方式

下面结合附图及实施例对本发明做进一步说明。

请参照图1，本发明提供一种基于灰色关联分析的目标停车场智能选择方法，包括以下步骤：

步骤s1:构建灰色关联分析的参考数列；

步骤s2:构建灰色关联分析的评价数列；

步骤s3:对参考数列和评价数列进行初值化处理，得到处理后的参考数列和评价数列；

步骤s4:根据得到处理后的评价数列，计算关联系数；

步骤s5:确定处理后的评价数列中各评价指标的权重，并进行归一化处理；

步骤s6:根据得到的关联系数，计算处理后的参考数列和评价数列的关联度；

步骤s7:将计算得到的关联度进行从大到小的排序，得到灰关联序，关联度最大的评价序列对应的就是最佳目标停车场。

在本发明一实施例中，所述步骤s1具体为：

步骤s11:采集得到初始参考数列{x'0(1)，x'0(2)，…，x'0(n)},其中x'0(1)，x'0(2)，…，x'0(n)为各种参考指标，包括目标停车场的距离、道路拥挤程度、剩余车位数、停车费用、硬件设施、服务质量；

步骤s12:根据估测法对得到的初始参考数列进行处理，得到构造灰色关联分析的参考数列：

x0＝{x"0(1)，x"0(2)，…，x"0(n)}

其中，x"0(1)、x"0(2)、…、x"0(n)分别表示选定的处理后的数值。

在本发明一实施例中，所述步骤s2具体为：

步骤s21:设定目的地附近预设范围内的停车场为候选停车场；

步骤s22采集第i个候选停车场的初始评价数列{x′i(1)，x′i(2)，…，x′i(n)},其中x′i(1)，x′i(2)，…，x′i(n)为各种评价指标，包括目标停车场的距离、道路拥挤程度、剩余车位数、停车费用、硬件设施、服务质量；

步骤s22:根据估测法对得到的初始参考数列进行处理，得到构造灰色关联分析的评价数列：

xi＝{x"i(1)，x"i(2)，…，x"i(n)}

其中，x"i(1)，x"i(2)，…，x"i(n)分别表示选定的处理后的数值。

在本发明一实施例中，所述步骤s3具体为：根据公式

和

分别求出x0(k)和xi(k)，k＝1，2，…，n；i＝1，2，…，m；于是得到处理后的参考数列{x0(k)}和评价数列{xi(k)}。

在本发明一实施例中，所述步骤s4具体为：根据公式

求出{xi(k)}对{x0(k)}在第k点的关联系数ξi(k)，其中，为两级最小差，为两级最大差，ρ为分辨系数，δi(k)＝|x0(k)-xi(k)|为{x0(k)}与{xi(k)}在第k点的绝对差。

在本发明一实施例中，所述步骤s5具体为：

步骤s51:采用估测法确定各评价指标权重(a'1，a'2，…，a′i)；

步骤s52:根据进行归一化处理，得权重向量(a1，a2，…，ai)。

在本发明一实施例中，所述步骤s6具体为：根据公式

得到评价数列{xi(k)}与参考数列{x0(k)}的关联度γi。

在本发明一实施例中，估测法具体为：

1.独立地给非数字的指标赋予一个非负实数aii＝1，2，…，l，l为数据来源总数；

2.在ai中找出最大值mi和最小值mi，即

3.预设一正整数p，利用公式计算出把新的参考指标分成p组的组距d，并将新的参考指标从小到大分成p组；

4.计算落在每组内的新参考指标的频数与频率；

5.根据频数与频率分布情况，确定处理后的指标。

以上所述仅为本发明的较佳实施例，凡依本发明申请专利范围所做的均等变化与修饰，皆应属本发明的涵盖范围。