智能停车场停车诱导方法研究

张玉茹，赵戊辰，李 晖，苏晓东，杨巍巍

(哈尔滨商业大学 计算机与信息工程学院，哈尔滨 150028)

智能停车场停车诱导方法研究

张玉茹，赵戊辰，李 晖，苏晓东，杨巍巍

(哈尔滨商业大学 计算机与信息工程学院，哈尔滨 150028)

在分析驾驶员选择车位的主要考虑因素的基础上，利用Dijkstra算法确定行驶距离、利用欧几里得距离确定步行距离以及利用三角模糊数期望值的方法确定停车位的环境信息值，从而确定决策属性矩阵，最终利用基于灰熵关联度多属性决策的方法进行了停车场路径的寻优.

路径寻优；灰熵关联度；多属性决策

随着通信、动态交通标志、车位检测等技术的日趋成熟，为停车场内部停车诱导系统的建立提供了可能.近几年，停车诱导系统已经逐步的被很多停车场经营公司引入，新建的大型停车场从一开始就引入了该系统.但是在对驾驶员诱导停车的过程中，会出现驾驶员不满意系统所指定的停车位的情况，此时就无法起到诱导效果.其根本原因在于现有的停车诱导系统，并没有从驾驶员的角度出发，而是随机的或者仅仅是按照最短路径的方法，直接为驾驶员分配了一个停车位[1].因此，如何找到一个令驾驶员满意的最优车位，让驾驶员满意与信任诱导，从而达到停车场运营效率的提高，是必须要解决的问题.

本文在对泊位选择的主要影响因素进行分析的基础上，确定了行驶距离、步行距离和停车位的环境信息值来作为决策的属性值，然后利用基于灰熵关联度的多属性决策方法进行路径的寻优.

1 泊位选择主要影响因素的分析与确定

在进行路径寻优之前，要对驾驶员选择车位时考虑的因素进行分析.驾驶员考虑的主要因素有：行驶距离、步行距离、安全性以及所选车位的两边的车位占用情况，对于露天的停车场还要考虑遮阴的时间长短[2].本文最终确定行驶距离、步行距离以及所选车位两边的车位占用情况为路径寻优时的决定因素.

1.1 行驶距离的确定

行驶距离即车辆从停车场入口处到停车位之间最短路径的距离.本文采用Dijkstra算法来确定行驶距离.Dijkstra算法是由荷兰计算机科学家Edsgar Wybe Dijkstra于1959年提出的计算从一个顶点到其他各个顶点的最短路径的算法[3].算法的核心思想为：

1)把图的顶点集合V分成两个S和T，S为已经确定出的顶点集合，初始时只含有源点V0，T=V-S为未确定的顶点集合；

2)将集合T中的顶点按次序递增的方式转移到集合S中，并且保证从源点V0到S中其他各顶点的距离长度小于等于V0到集合T中所有顶点的最短路径长度；

3)集合S中包含的顶点为源点V0到所要到达的顶点的路径长度，集合T中包含源点到达所要到V0达顶点之前的所有路径长度.

1.2 步行距离的确定

步行距离即驾驶员停车入位后，从停车场内部电梯离开或从停车场离开时所走的步行距离.本文采用欧几里得距离来确定步行距离.欧几里得距离就是两点之间的直线距离长度，由于人的主观能动性，驾驶员停车入位后离开停车场的步行距离是一个模糊的数值，但是一般都会走尽量距离短的路线，所以本文采用欧几里得距离来衡量.

1.3 停车位环境信息值的确定

停车位的环境信息即所选车位的两边占用情况以及车位的本身形状.所选车位的两边占用情况如图1所示，共分三种情况，图1(A)所示是所选车位两边均有车辆停放，图1(B)所示是所选车位一边有车辆停放，图1(C)所示是所选车位两边均无车辆停放.

图1 所选车位的两边车辆停放情况

车位本身形状也分为三种情况，如图2所示.其中，图2(A)为一字型停车位，图2(B)为非字型停车位，图2(C)为斜线型停车位.

图2 车位形状

本文利用计算三角模糊数期望值的方法来确定车位环境信息值.三角模糊数是为了解决不确定环境下的问题而由Zadeh于1965年提出的模糊集合的概念[4].给定论域U上的一个模糊集合，使得对于∀x∈U都有一个隶属度μ(x)∈[0,1]与之对应，μ称为隶属函数.

其中：s和u为三角模糊数的置信下限与上限，m为最大可能取值，三角模糊数用(smu)来表示.

设三角模糊数a=(a1,am,au)，其中0

为三角模糊数α的期望值[5]，通常λ=0.5.

根据车位两边均无车辆停放的车位最好，车位两边均有车辆停放的车位最差；斜线性型停车位的停车入位难度最小，一字型停车位的停车入位难度最大的情况，按一字型两边均有车辆停放到斜线型两边均无车辆停放的好坏难度顺序进行排列，分别赋予为0.1至0.9，置信上下限为来确定三角模糊数，继而确定其对应期望值.[6]

2 基于灰熵关联度多属性决策方法的路径寻优过程

1)利用行驶距离、步行距离和停车位的环境信息值确定决策属性矩阵；

其中：i=1,2,…,m表示车位的个数，j=1,2,…,n表示属性个数.

2)对决策属性矩阵进行无量纲标准化得到R=(rij)(m×n)；

这里，效益型指标是指值越大越好的指标，停车位的环境信息值越大越好，所以其属于效益型指标；成本型指标是指值越小越好的指标，行驶距离和步行距离自然越小越好，所以其属于成本型指标.

3)计算rij的信息熵权Hi；

4)计算信息熵权的均衡度Bi；

其中：Hmax为所有信息熵权中的最大值.

5)对于无量纲标准化的每一个rij进行Hi加权乘积确定熵权属性矩阵V；

6)根据熵权属性矩阵V确定理想方案集e#；

根据是否为效益型指标还是成本型指标来决定取大还是取小.

7)计算熵权属性矩阵V与理想方案集e*之间的灰色关联度Roi；

8)利用均衡度Bi与灰色关联度Roi确定均衡接近度ω；

ω=BiRoi

9)对均衡接近度ω的进行大小排列，最大值所对应的车位为最优车位位置.由于1.1已经给出了到达该车位的最短路径，所以这条路径即为最优路径.

3 实例分析

某一时刻停车场的车位空余情况如图3.

图3 停车场某时刻空余泊位情况

1)根据2.1、2.2和2.3确定决策属性矩阵

2)进行无量纲标准化得到

3)信息熵权

H1=[0 0.4244 0.4410 0.8570 0.5638]；

4)均衡度

Bi=[0 0.4952 0.5145 1 0.6579] ；

5)熵权属性矩阵

6)理想方案集e*=[0 0 0.5142]；

7)灰色关联度

Roi=[0.7797 0.4843 0.5932 0.6856 0.7787] ，利用均衡度和灰色关联度最后确定均衡接近度ω=[0 0.2398 0.3052 0.6856 0.5123]，比较得出均衡接近度ω的最大值为0.685 6，其对应的车位为G12.从决策矩阵决策属性矩阵中可以看出，最终决定出的车位，是在考虑行驶距离、步行距离和停车位环境信息值的情况下，折中给出一个最优车位.由于已经利用Dijkstra算法确定了到达该车位的最短路径，所以这条路径即为最优路径.

4 结 语

利用基于灰熵关联度多属性决策的方法对Dijkstra算法确定行驶距离、欧几里得距离确定步行距离以及三角模糊数期望值的方法确定停车位的环境信息值所得出的属性矩阵进行决策，可以实现对停车场场内路径的寻优.

[1] 吴若伟. 大型停车场智能泊车引导关键技术研究与系统开发[M]. 南京: 南京航空航天大学机电学院, 2013.

[2] 冯璐璐. 基于物联网的停车泊位诱导系统关键技术研究[M]. 长春: 吉林大学交通学院, 2013.

[3] MUKHERJEE S. Dijkstra’s algorithm for solving the shortest path problem on networks under intuitionistic fuzzy environment [J]. J Math Model Algor 2012, 10: 345-347.

[4] 张市芳. 几种模糊多属性决策方法及其应用[D]. 西安: 电子科技大学, 2012

[5] 张孝远, 陈凯华. 基于三角模糊数的综合评价体系的研究[J]. 中国科技论文在线, 2006, 12(1): 317-324.

[6] 赵戊辰，张玉茹.BP神经网络用于停车场空余泊位的预测研究[J].哈尔滨商业大学学报：自然科学版，2015，31(1)：44-46.

Research on intelligent parking lot parking guidance method

ZHANG Yu-ru, ZHAO Wu-chen, LI Hui, SU Xiao-dong, YANG Wei-wei

(School of Computer and Information Engineering, Harbin University of Commerce, Harbin 150028, China)

By analyzing the drivers’ main consideration about how to choose a parking space, this paper was committed to path aptimization of parking lot by the method of grey entropy relation grade MADM (Multiple Attribute Decision Making). The decision attribute matrix was identified by driving distance which was deduced through Dijkstra algorithm, walking distance which was deduced through Euclidean distance and parking space environment value which was deduced through the entropy of triangular fuzzy number.

optimal routing; grey entropy relation grade; MADM

2015-09-07.

黑龙江省教育厅科学技术研究项目(12531162)；黑龙江省智能教育与信息工程重点实验室开放基金项目(SEIE2014-3)

张玉茹(1964-)，女，硕士，教授，研究方向：信号检测与信息处理.

TP391

A

1672-0946(2015)06-0732-03