王超+高武奇

摘要：為解決現(xiàn)代城市停車車位信息不透明、缺乏誘導(dǎo)信息等原因?qū)е碌耐＼囯y等問題，提出了一種車位引導(dǎo)算法。該算法根據(jù)各停車場(chǎng)、路段的靜態(tài)信息和采集來的實(shí)時(shí)信息，建立相應(yīng)的指標(biāo)體系，采用層次分析法，計(jì)算各指標(biāo)權(quán)值系數(shù)，得出區(qū)位排序，并給出基于改進(jìn)Bellman-Ford算法的最短車位引導(dǎo)路徑。

關(guān)鍵詞：車位引導(dǎo)；層次分析法；指標(biāo)體系；Bellman-Ford算法

中圖分類號(hào)：U495 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1007-9416（2017）07-0142-02

近年來，隨著國(guó)家經(jīng)濟(jì)的高速發(fā)展和人民生活水平的快速提高，城市化進(jìn)程伴隨著汽車的廣泛普及。由于機(jī)動(dòng)車的增長(zhǎng)，車輛使用強(qiáng)度增加，對(duì)停車產(chǎn)業(yè)而言，是一種最好的機(jī)遇，多種停車場(chǎng)設(shè)備相繼出現(xiàn)[1]。為了停車管理更加方便快捷，智能停車系統(tǒng)中已經(jīng)開始采用停車誘導(dǎo)手段。這樣，不僅可以使駕駛者能更加快捷地找到車位，提高停車場(chǎng)車位利用率，而且可以提高停車場(chǎng)的管理效率，大大緩解城市交通壓力，為城市交通建設(shè)帶來更多效益[2]。因而，在考慮實(shí)現(xiàn)怎樣的停車誘導(dǎo)時(shí)，如何選擇合理的車位和最便捷的路徑，保證駕駛者順利找到車位并停入已經(jīng)成為現(xiàn)今停車誘導(dǎo)研究領(lǐng)域所要解決的重要問題。

1 問題分析

目前國(guó)內(nèi)外公認(rèn)的較好最短路徑算法是Dijkstra算法[3]，其本質(zhì)是基于靜態(tài)網(wǎng)絡(luò)的最短路徑搜索算法[4]。由于交通路網(wǎng)的復(fù)雜性和不確定性，與靜態(tài)環(huán)境下的最短路徑相比，動(dòng)態(tài)條件下最短路徑的選擇更有現(xiàn)實(shí)意義[5]。路徑最短不一定時(shí)間最短，而且不同類型的停車場(chǎng)對(duì)應(yīng)不同的停車環(huán)境，不同的駕駛者有不同的停車意愿，所以車位的選擇也不能一概而論。目前停車場(chǎng)管理系統(tǒng)所能提供的信息主要還是靜態(tài)的路徑誘導(dǎo)，缺乏對(duì)交通情況變化的掌握，很容易造成擁堵現(xiàn)象[6]。對(duì)于停車場(chǎng)或者是車位的選擇，已有的方法大多是基于最短路徑得出的，忽視了駕駛者的特殊要求。

因而，在本文中提出一種普遍適用的區(qū)位選擇方法，無論是對(duì)于停車場(chǎng)外引導(dǎo)還是停車場(chǎng)內(nèi)引導(dǎo)[7]，該方法都可以在在保證及時(shí)獲取車位信息的前提下，可以根據(jù)層次分析法以及該時(shí)段的實(shí)時(shí)車位信息給出合適的停車區(qū)位排序，并考慮實(shí)時(shí)路況信息給出最佳停車路徑，有效提高停車效率。

2 基本原理

2.1 指標(biāo)體系的建立

停車場(chǎng)的類型有很多，有地下停車場(chǎng)、露天室外停車場(chǎng)、路內(nèi)停車場(chǎng)以及住宿小區(qū)/校園傳統(tǒng)停車場(chǎng)等，其停車設(shè)施、周圍環(huán)境、車輛進(jìn)出情況、收費(fèi)情況等不盡相同。 在經(jīng)過多個(gè)停車場(chǎng)的問卷調(diào)查及數(shù)據(jù)采集后，綜合得出費(fèi)用、可達(dá)性、流量、環(huán)境、空余車位數(shù)量等多個(gè)影響駕駛者選擇停車區(qū)位的指標(biāo)，這里選取影響最為重要的4個(gè)指標(biāo)（費(fèi)用、可達(dá)性、流量、環(huán)境），綜合分析這些指標(biāo)要素，建立評(píng)價(jià)各停車區(qū)位的指標(biāo)體系及衡量尺度。

2.2 最佳車位的選擇

2.2.1 AHP基本原理

層次分析法（AHP）可以將定性和定量的方法結(jié)合起來，處理許多用傳統(tǒng)的最優(yōu)化技術(shù)無法著手的實(shí)際問題，在最大程度克服主觀因素的條件下，盡可能全面地考慮所有的影響因素，得出比較準(zhǔn)確、科學(xué)的結(jié)論。同時(shí)，層次分析法比較簡(jiǎn)單易行，成本也比較低，不會(huì)造成過重的財(cái)務(wù)負(fù)擔(dān)。

首先將復(fù)雜問題分成若干層次，以同一層次的各要素按照上一層要素為準(zhǔn)則進(jìn)行兩兩判斷，比較其重要性，以此計(jì)算各層要素的權(quán)重，最后根據(jù)組合權(quán)重并按最大權(quán)重原則確定最優(yōu)方案。

2.2.2 AHP選最佳車位

（1）選擇評(píng)價(jià)指標(biāo)，建立層次結(jié)構(gòu)模型。將決策的目標(biāo)——確定最佳車位、考慮的因素——選取的指標(biāo)要素和決策對(duì)象——各個(gè)停車區(qū)位按它們之間的相互關(guān)系分為目標(biāo)層、準(zhǔn)則層和方案層，繪制層次結(jié)構(gòu)圖。

（2）構(gòu)造指標(biāo)判斷矩陣并比較。在確定各層次各因素之間的權(quán)重時(shí)，如果只是定性的結(jié)果，則常常不容易被別人接受，因而提出：一致矩陣法，即：不把所有因素放在一起比較，而是兩兩相互比較。對(duì)比時(shí)采用相對(duì)尺度，以盡可能減少性質(zhì)不同因素相互比較的困難，以提高準(zhǔn)確度。層次分析法中通常采用9級(jí)標(biāo)度法來給判斷矩陣的元素賦值[8][9]，這里需要根據(jù)依據(jù)經(jīng)驗(yàn)值及專家打分法，將各準(zhǔn)則要素的相對(duì)權(quán)重定量化，并運(yùn)用加權(quán)平均，利用上一步的結(jié)果計(jì)算每個(gè)方案下每個(gè)指標(biāo)的相對(duì)權(quán)數(shù)。

（3）一致性檢驗(yàn)。為了確保判斷矩陣能科學(xué)地評(píng)價(jià)各個(gè)指標(biāo)的相對(duì)重要性以及評(píng)價(jià)結(jié)果的有效性[10]，AHP提供了一致性程度要求來檢驗(yàn)成對(duì)比較的一致性，若該一致性檢驗(yàn)符合要求，則繼續(xù)下面的運(yùn)算；否則重新審核并做出相應(yīng)修改。

（4）確定最佳車位。通過層次總排序確定準(zhǔn)則層所有因素對(duì)于總目標(biāo)相對(duì)重要性的排序權(quán)值。將不同方案各準(zhǔn)則要素的權(quán)重矩陣與準(zhǔn)則要素的相對(duì)權(quán)重矩陣相乘，得到各區(qū)位的層次排序，進(jìn)而選出最佳區(qū)位。

2.2.3 路徑選擇

本文將Bellman-Ford算法改進(jìn)，提出了靜態(tài)/動(dòng)態(tài)最優(yōu)路徑算法。動(dòng)態(tài)最優(yōu)路徑算法是在已有路徑權(quán)值的基礎(chǔ)上，通過在路段增加附加權(quán)值來映射路況等因素對(duì)路徑的影響，根據(jù)實(shí)際路況選擇相應(yīng)的附加權(quán)值[5]，最后由Bellman-Ford算法得出實(shí)時(shí)的動(dòng)態(tài)最優(yōu)路徑。無附加權(quán)值或附加權(quán)值均為零時(shí)的情況為靜態(tài)最優(yōu)路徑算法。

附加權(quán)值的選取需要綜合各種環(huán)境因素（能見度、路面濕滑度、交通密集度等）對(duì)路徑的影響并根據(jù)其影響程度匹配不同等級(jí)的權(quán)值。這里的附加權(quán)值不是單一的，可以有多個(gè)。如果在車輛行駛途中有停車需求，則根據(jù)one-step-look-ahead的策略，將所處位置作為動(dòng)態(tài)最優(yōu)路徑算法的源點(diǎn)，同時(shí)對(duì)交通網(wǎng)絡(luò)的附加權(quán)重進(jìn)行匹配賦值[11]，從而實(shí)現(xiàn)了最優(yōu)路徑的實(shí)時(shí)動(dòng)態(tài)選擇。當(dāng)路況突然發(fā)生變化時(shí)，只需要及時(shí)更新各路徑的權(quán)值即可[12]，不會(huì)影響算法的運(yùn)行。

通過采用限制搜索范圍、分解搜索目標(biāo)等策略減少迭代次數(shù)，以降低算法的時(shí)間復(fù)雜度。endprint

3 結(jié)語(yǔ)

應(yīng)用層次分析法確定最佳停車區(qū)位，可以將定性的區(qū)位分析根據(jù)民意調(diào)查轉(zhuǎn)化為定量的權(quán)值大小，進(jìn)而將停車區(qū)位選擇變?yōu)橥＼噮^(qū)位的單一指標(biāo)/綜合排序問題。在一定程度上，將現(xiàn)有的停車資源充分整合[13]，為有停車意愿的駕駛者提供了最佳停車區(qū)位，滿足了駕駛員的特殊要求。在Bellman-Ford算法中引入附加權(quán)值計(jì)算得出的最佳路徑綜合考慮了靜/動(dòng)態(tài)交通和環(huán)境變化等因素，具有全局優(yōu)化性、實(shí)時(shí)性和應(yīng)變性。

參考文獻(xiàn)

[1]楊曉光，薛昆，白玉.城市停車誘導(dǎo)信息系統(tǒng)設(shè)計(jì)[J].交通運(yùn)輸系統(tǒng)工程與信息，2004，（1）：93-96.

[2]劉姣，葛召炎，謝靜，吳軒.停車場(chǎng)泊車問題的研究與仿真[J].計(jì)算機(jī)仿真，2011，（7）：340-344.

[3]王防修，周康.基于回溯法的Dijkstra算法改進(jìn)及仿真[J].計(jì)算機(jī)仿真，2013，（11）：352-355.

[4]何建國(guó)，張文勝，趙根莊.智能泊車引導(dǎo)方法的研究與實(shí)現(xiàn)[J].地理空間信息，2007，（2）：3-5.

[5]宮恩超，李魯群.基于Bellman-Ford算法的動(dòng)態(tài)最優(yōu)路徑算法設(shè)計(jì)[J].測(cè)繪通報(bào)，2011，（8）：26-28+41.

[6]李坤.智能停車場(chǎng)車位檢測(cè)與泊位誘導(dǎo)系統(tǒng)研究與設(shè)計(jì)[D].中國(guó)科學(xué)院大學(xué)（工程管理與信息技術(shù)學(xué)院），2013.

[7]劉媛媛.大型停車場(chǎng)內(nèi)車位誘導(dǎo)系統(tǒng)研究[D].長(zhǎng)安大學(xué)，2010.

[8]劉江.基于層次分析法的企業(yè)運(yùn)輸方式的選擇[D].對(duì)外經(jīng)濟(jì)貿(mào)易大學(xué)，2006.

[9]汪少勇，李建忠，郭秋麟，李登華.層次分析法在致密油有利區(qū)優(yōu)選中的應(yīng)用——以川中侏羅系大安寨段為例[J].地球科學(xué)進(jìn)展，2015，（6）：715-723.

[10]魏曉玲.在Matlab平臺(tái)上用AHP對(duì)高職院校畢業(yè)生綜合素質(zhì)的評(píng)價(jià)[J].計(jì)算機(jī)與數(shù)字工程，2016，（11）：2288-2292.

[11]董芳.彎道駕駛行為研究及無人駕駛車輛智能行為評(píng)價(jià)[D].北京理工大學(xué)，2016.

[12]張沖，朱凡.基于Bellman-Ford算法的無人機(jī)路徑規(guī)劃研究[J].彈箭與制導(dǎo)學(xué)，2007，（5）：249-251.

[13]周智勇，陳峻，王煒.城市停車誘導(dǎo)信息系統(tǒng)發(fā)展應(yīng)用綜述[J].交通運(yùn)輸系統(tǒng)工程與信息，2006，（2）：27-30.endprint