解决最优停车位问题的改进蚁群算法

在停车诱导系统中,一般只提供停车场外的诱导,而没有停车场内部的停车诱导,论文利用蚁群算法求解停车场内部最优停车位,提供停车场内部的停车诱导,在求解过程中不仅考虑最短路径问题,并且根据驾驶员、车辆和停车位的特点,对蚁群算法进行改进,并给出了具体的求解步骤,使之更加符合实际停车场的最优停车位的选择.     

基于改进K 支配排序的高维多目标进化算法

为提高4目标以上高维多目标优化问题的求解性能,提出一种基于改进K支配排序的高维多目标进化算法(KS-MODE).该算法针对K支配的支配关系和排序方法进行改进,避免循环支配并增强选择压力;设计新的全局密度估计方法提高局部密度估计精确性;设计新的精英选择策略和适应度值评价函数;采用CAO局部搜索算子加速收敛.在4～30个目标标准测试函数上的实验结果表明,KS-MODE能够在保证解集分布性的同时大幅提升收敛性和稳定性,能够有效求解高维多目标优化问题.     

基于停车诱导信息板的最优停车场推荐的双层目标模型

现有停车诱导信息板的优化显示模型仅从驾车者的时间费用上进行优化,且多数仅支持输出各停车场空满状态.基于此,提出一种新的优化显示双层目标模型,增加诱导区域内各停车场空满程度最相近为第二层优化目标,并将给定目的地的推荐最优停车场作为模型的输出.该模型可在保证待停车辆寻找停车场造成的交通压力最小的前提下,诱导驾驶者的停车行为更加高效.通过算例分析表明:提出的双层目标模型,可以使停车诱导系统将待停车辆向更有利于驾驶者及停车场双方利益的方向诱导,克服了已有单目标模型和以排队长度为目标之一的双层目标模型最优解的不唯一性,同时达到了使总行驶时间最短和各停车场空满程度最相近的诱导目标.     

基于粒子群优化算法的动态停车路径诱导技术

首先分析了停车诱导系统(PGIS)中动态路径诱导的特点;为了达到实时诱导技术要求,介绍了一种生物界仿真算法——粒子群优化算法的特点及其应用在最优路径搜索中的基本方法;仿真实验表明该方法搜索速度非常快,适合用于动态停车路径诱导技术中。     

基于A*算法的停车场路径引导设计

为提高停车场停车效率和选择最佳停车位,根据停车场的车位布局及车位使用状况,设计了泊车路径规划模型.把空闲车位抽象为二维坐标系的坐标点,分别计算其距离用户位置的曼哈顿距离,选取曼哈顿距离最小值的停车位为最优车位.选用改进的A*算法为停车路径规划算法,为进一步优化算法遍历过程,使之更加适用于停车场车位分布较分散的情况,以停...     

基于多指数决策的停车场选择模型研究

为解决随机选择停车或根据某一单一影响因素选择停车的问题,设计了基于多指数决策的停车场选择模型。该模型以泊位指数、用户认可指数、费用指数、停车场等级指数为影响因素计算综合选择指数,以综合选择指数为选择目标停车场的唯一指标。根据仿真实验结果可知,该模型能够克服以往停车诱导系统根据单因素确定目标停车场的盲目性和片面性,提供最优停车场选择,还能根据不同侧重的需求推荐局部最优全局次优的选择,为用户提供全方位的推荐服务,因此,具有更大的适应性和可推广性。     

基于全局排序的高维多目标优化研究

目标数超过4的高维多目标优化是目前进化多目标优化领域求解难度最大的问题之一,现有的多目标进化算法求解该类问题时,存在收敛性和解集分布性上的缺陷,难以满足实际工程优化需求.提出一种基于全局排序的高维多目标进化算法GR-MODE,首先,采用一种新的全局排序策略增强选择压力,无需用户偏好及目标主次信息,且避免宽松Pareto支配在排序结果合理性与可信性上的损失;其次,采用Harmonic平均拥挤距离对个体进行全局密度估计,提高现有局部密度估计方法的精确性;最后,针对高维多目标复杂空间搜索需求,设计新的精英选择策略及适应度值评价函数.将该算法与国内外现有的5种高性能多目标进化算法在标准测试函数集DTLZ{1,2, 4,5}上进行对比实验,结果表明,该算法具有明显的性能优势,大幅提升了4~30维高维多目标优化的收敛性和分布性.     

主动停车诱导系统的模型研究:搜索算法

提出了以综合诱导指数为核心的目标区域搜索算法,可以较好地解决目标停车场的搜索问题.综合诱导指数方法对可用泊位、可达距离、停车诱导费用和路径诱导成功率等因素进行了综合分析,以确定最为可信的停车场作为目标停车场.通过仿真试验结果表明,该算法可以克服传统停车诱导单因素决定目标停车场的不足,对目标停车场具有较好的判别能力.     

基于用户需求的停车诱导方法研究

为了满足不同驾驶员对停车收费价格、停车场到目的地的步行距离以及社会对停车场的评价的用户需求,实现停车诱导系统与用户之间的互通,提出了一种基于用户需求的停车场选择的诱导方法,分析影响停车行为的各个因素,通过对目的地周边停车场选择,建立停车搜索模型,根据驾驶员的用户需求为其提供停车场优先决策方法,最后,利用模糊层次分析法讨论了模型的可行性。     

改进Dijkstra算法在停车诱导系统中的应用与仿真

主要针对现有大型停车场停车诱导系统的低效率问题,采用Dijkstra算法,将车位选择问题转化为最短路径问题,并结合停车场的特点,对Dijkstra算法进行改进,然后结合实例用VC对改进的算法进行应用仿真.仿真结果表明,改进后的Dijkstra算法比经典算法在时间复杂度上有所降低,Dijkstra算法的搜索效率明显得到提高,在停车诱导系统中具有一定的实际应用价值.     

Dijkstra优化算法在停车场车位引导系统中的应用

针对目前城市停车难、停车位使用效率低、大型停车场车位引导系统不完善等问题,结合一具体停车场车位引导系统的结构模型,从改善引导算法入手,对现有几种引导算法比较后选取Dijkstra算法,并从驾驶员的角度对最佳停车位进行分析,以寻找最佳停车位为目的,提出了一种带约束条件的Dijkstra优化算法,在VC++6.0环境下进行仿真,结果表明,优化后的Dijkstra算法的运算时间及复杂度明显降低,应用在停车场中,可在最短时间为驾驶员选择出最佳停车位并提供从入口到最佳停车位的路径引导,提高了目前停车场车位引导系统的智能化、人性化程度,对停车场效率的提高有一定贡献。     

先进的城市停车诱导系统的研究

针对目前我国城市中停车难、难停车的问题，分析了目前停车诱导存在的问题以及建立先进的停车诱导系统的必要性，提出了一种比较先进且经济实用的停车管理系统方案，并分析了系统的结构，同时分析了系统各部分的功能及建立系统时应注意的问题。该方案把城市的停车资源看成一个整体，对改善城市交通具有积极作用。     

基于BP神经网络的停车诱导泊位预测

研究了从历史停车数据中挖掘知识并预测短时段内停车泊位数问题.分析了停车诱导系统中影响停车泊位数的因素,结合时间序列确定网络的输入变量,建立BP神经网络,在不同训练阶段采用自适应调整学习速率,以及增加动量项改善网络的收敛性,运用Matlab对采集的市区大型地下停车场真实数据进行仿真实验与分析,取得良好预测效果.结果表明该方法与传统时间序列预测方法相比,在预测的精度方面有较大程度提高.     

基于无线传感网络的停车场管理系统

This paper introduces a parking management system based on a wireless sensor network developed by our group. The system consists of a large amount of parking space monitoring nodes, a few parking guiding nodes, a sink node and a management station. All the nodes exchange information with each other through wireless communication. The prototype of the parking management system has been implemented and the preliminary test results show that the performance of the system can satisfy the requirements of the application.     

城市停车诱导信息系统的研究

通过对城市停车诱导信息系统进行功能分析，提出了系统的总体结构，进而研究了系统实现过程中的技术要点，为系统实现提供了参考。     

停车诱导系统中筛选停车场（库）方法的研究

在建立停车诱导系统时,一般采用主观经验的方法筛选纳入到诱导系统中的停车场（库）,没有进行科学的论证,降低了停车诱导系统的有效性。针对其不足,依托实例,确定了停车场（库）的5项特征指标的评价体系,并利用模糊层次分析法（Fuzzy AHP）对停车场（库）纳入停车诱导系统的适应性进行评价,从而选择合理的停车场（库）,为筛选纳入到停车诱导系统的停车场（库）提供了理论支撑。     

Guidance Control for Parallel Parking Tasks

Parking into small berths remains difficult for unskilled drivers. Researchers had proposed different automatic parking systems to solve this problem. The first kind of strategies (called parking trajectory planning) designs a detailed reference trajectory that links the start and ending points of a special parking task and let the vehicle track this reference trajectory so as to park into the berth. The second kind of strategies (called guidance control) just characterizes several regimes of driving actions as well as the important switching points in certain rule style and let the vehicle follows the pre-selected series of actions so as to park into the berth. Parking guidance control is simpler than parking trajectory planning. However, no studies thoroughly validated parking guidance control before. In this paper, a new automatic parking method is presented, which could characterize the desired control actions directly. Then the feasibility is examined carefully. Tests show that a simple parking guidance control strategy can work in most parallel parking tasks, if the available parking berth is not too small. This finding helps to build more concise automatic parking systems that can efficiently guide human drivers.      

基于SUPARK车位引导系统的车位信息采集技术研究

SUPARK(速泊)车位引导系统是随着传统的停车场管理已无法解决现有"停车难"问题孕育而生的。针对SUPARK车位引导系统的车位信息采集的弊端,提出了使用视频技术检测车位的建议。利用MATLAB软件对视频图像进行分析处理,实时采集车位占用信息和停车场内部环境,提高了车位信息的可靠性、停车场管理能力和停车效率。     

基于BP神经网络的信息预测技术在PGS中的研究与应用

目前国内各大中城市停车供需矛盾日益突出和严重,而停车诱导系统（PGS）正是缓解停车问题一种有效途径。本文主要是针对PGS的预测关键技术进行了研究和实现,来增强诱导信息的有效性。本文设计和实现了信息预报子系统,主要是结合神经网络技术,提出了一种基于BP神经网络理论的车位占有率预测模型。应用该模型可以较为准确地预测短期内的车位占有率的变化,进行信息预报。