利用推荐算法解决城市停车问题的研究

江荣旺 郭亮

摘要：在我国当前快速城市化的进程中，城市拥挤已经是各个城市政府急需解决的问题。而在这些问题中城市停车问题尤为突出。该文在调研分析了影响车主停车选择的因素之后，提出了利用推荐算法来解决现有停车系统不能很好解决并发操作的问题。

关键词：推荐算法；城市停车；系统模型

中图分类号：TP3 文献标识码：A 文章编号：1009-3044（2018）22-0149-02

随着社会经济的快速发展、生活水平的不断提高，我国大城巿机动车的保有量正逐年迅猛增加。根据国务院发展研究中心数据显示，2010年我国汽车保有量超过5600万辆；2014年达到1亿辆；到2030年将达到3.5亿辆，其中家用轿车比例将上升到78%[1]。汽车的发展是一把双刃剑，它为人们的生活提供便利的同时也产生了一系列环境和社会问题，如我国很多大城市停车难问题日益严峻，引发违章停车、占路停放、侵占绿地和居民休憩用地的现象相当严重，并由此造成道路通行能力降低，环境和景观恶化，交通和生活秩序混乱，已经成为制约地区社会和经济发展的瓶颈。如何采用现代先进的科学技术和方法，缓解大城巿交通拥堵和停车难问题，是我国城市交通发展面临的一个重大研究课题。为了解决上述问题，作者查阅了大量文献之后发现，国外在这一方面研究的比较早，成熟的系统也比较多，如BESTPARKING、PARKME等，都是利用计算机技术解决城市停车问题的具体应用。我国在这一方面起步较晚，但发展迅速，到目前为止，较成熟的系统有ETCP、好停车、吾舍停车、丁丁停车、乐停车、停车百事通、无忧停车、蜜蜂停车等一大批停车系统。这些系统都在一定程度上提高了停车设施的利用率，对解决城市停车难问题都有一定的效果。这些停车系统主要以互联网和GPS、GIS为基础，通过互联网APP或停车场信息云平台的方式将停车场、停车位和停车用户三者之间联系起来，建立起一条停车信息通道。通过信息通道，停车用户和停车场之间达到信息平衡，最终解停车问题[2]。然而在作者对这些系统进行了试验以后发现，这些系统对并发操作问题没有很好解决。例如，在吃饭高峰期，在A饭店有一个停车位，可能会有X、Y、Z等多位车主前往停放，而在APP上，停车用户并不知道会有多少人正在前往A处。如果X、Y、Z三位车主同时到达的话，就会造成堵车、抢位等情况。那么对于现有的停车系统存在这样的问题，作者认为基于机器学习的推荐算法可以解决上述问题。基于推荐算法，通过对停车目的地的分析以及车主个人行为分析，为车主推荐停车场所，而车主根据推荐系统的推荐，可以很好地避开并行的问题，有效提高停车问题。本研究分为两部分：第一部分阐述影响停车选择的主要因素；第二部是利用推荐算法建立系统模型的研究。

1 影响城市停车選择的主要因素

在讨论城市停车推荐模型之前，首先要明确影响城市停车选择的主要因素。只有明确了影响停车选择的主要因素才能建立起有效的推荐系统。从车主的角度分析，影响停车选择的主要因素有以下几个：安全性、收费标准、空余停车位、步行距离、停车难易度和遮阳时长。

1）安全性

安全性是指汽车停放的位置不容易被“划”“碰”等。汽车停放的位置是否安全是车主首先考虑的问题。只要是正规的停车场安全性都是有保障的，因为本研究的研究对象都是正确停车场，安全性是有保障的，所以在建立推荐系统的时候，就把安全性这个因素剔除了。重点考虑的是后面几个因素。

2）收费标准

收费标准是指根据汽车停放时长来收取的费用。不同的停车场收费标准不同。有免费的、按小时收费、还有一次性收费的。常见收费标准都是按小时收费。收费标准是影响停车选择的主要因素。

3）空余停车位

空余停车位与停车场是否被选择的概率是成正比的关系。空余停车位越多，在其他条件相同的情况下，被选择的可能性越高；相反空余停车位越少，被选择的可能性就越低。

4）步行距离

步行距离是指车主从停车的地方到目的地距离。一般在大型的商圈都会有相应的停车场。这个时候，步行距离则是指车主从停车点到停车场出口的距离。这个距离S与停车场被选择的概率P之间是成反比的关系。如图1所示。

5）停车难易度

停车难易度是指停车场所在的位置交通是否便利，停车场是否是规范结构。停车场所越便利越容易被选择。

6）遮阳时长

遮阳时长是指停车位在白天不晒太阳的时长。在当前有很多地方都还有室外停车场。在夏天，停车者会优先选择遮阳时间长的泊车位和停车场。遮阳时间越长被选择的概率越高。

2 利用推荐算法建立系统模型的研究

收费标准、空余停车位、步行距离、停车难易度和遮阳时长等城市停车影响因素都是停车推荐系统的输入。在建立停车推荐系统时，除了影响因素以外，车主的个人行为习惯也是推荐系统需要考虑的因素。因此整个推荐系统的输入主要有停车场相关属性和车主相关属性决定。城市停车推荐系统的输入概括为如图2所示。

根据推荐系统模型的输入可以知道在建立系统时，需要收集两部分数据建立数据库：第一部分是停车场数据。这部分数据的获得可以通过地图、实地考察以及相应公共服务网站等方法；第二部分是车主行为爱好，这部分数据可以通过注册系统时填写相关信息来获得。当获得这两部分数据以后就可以建立停车推荐系统。城市停车推荐系统的模型如图3所示。

在系统中，推荐策略库和数据库信息是核心。推荐策略库主要包含的是推荐算法，现有的推荐算法主要有协同过滤推荐算法、基于内容的推荐算法、基于图结构的推荐算法和混合推荐算法。本城市停车推荐系统采用混合推荐算法。在用户初次使用系统时，通过内容推荐算法和协同推荐算法独立计算推荐结果，将两个结果进行合并为用户推荐停车信息，车主通过推荐信息能够方便快捷地找到停车位。而通过系统推荐的方式可以有效地解决停车并行的问题。

3 总结

基于推荐算法的停车系统是为了解决城市停车难的问题，通过推荐系统可以为用户提供对等的停车场信息，有效的解决停车问题。然而推荐系统的准确性受到用户数据量大小的影响，如何更好地解决城市停车难的问题，需要更多的汽车用户数据和更优的推荐算法。

参考文献：

[1]刘建国，周涛，汪秉宏.个性化推荐系统的研究与发展[J].自然科学进展，2009，19（1）：1-15.

[2] 张月霞，刘永超，王加庆.等基于Android 和嵌入式的智能停车场设计[J]. 计算机测量与控制， 2015， 23（8）：2830-2833.

[3] 施冬冬，方星星.基于混合遗传算法的高维离群数据检测[J].赤峰学院学报（自然科学版），2016（20）.

[4] 李菲.住区停车资源共享的策略研究[D].大连理工大学.2012

[5] Chang Ye-in，Shen Jun-hong，Chen T L.A Data Mining-based Method for theIncremental Update for Supporting Person-alized Information Filtering[J].Journal of Information Science and Engineering，2008，24（1）：129-142.

【通联编辑：代影】