潘 晟 戚 湧 李千目

（南京理工大學(xué)計算機科學(xué)與工程學(xué)院 南京 210094）

1 引言

停車選擇是指停車用戶對停車地點的搜索和選擇，與個人偏好、經(jīng)濟條件、環(huán)境等多種因素有關(guān)。分析停車用戶的停車選擇，可以了解區(qū)域內(nèi)的車輛停放的趨勢，為管理者合理分配停車場資源提供依據(jù)，以提高綜合管理的效率和效益，緩解城市停車難問題。

國外的研究主要是對停車行為進行調(diào)查分析，建立有效的模型來描述停車行為選擇過程。Young［1］等提出的PARKSM系統(tǒng)可以模擬出停車用戶在停車場內(nèi)的停車行為過程，但是該模型主要研究的是停車政策對停車選擇的影響。Erke和Chatteijee［2～3］等統(tǒng)計出行者在不同情況下的誘導(dǎo)成功率，以分析出行者對誘導(dǎo)方式的偏好。Yim［4］等人研究互聯(lián)網(wǎng)對于停車選擇的影響。Dell Orco［5］基于可能性理論建立不確定條件下的停車選擇行為模型。國內(nèi)方面，北京是最早開始運用停車誘導(dǎo)系統(tǒng)的城市。殷煥煥等［6］基于北京市出行者的停車數(shù)據(jù)，研究北京市民的停車方式和選擇停車場的特點，發(fā)現(xiàn)停車費用是居民選擇停車場的首要影響因素。在早期的停車行為分析中一般采用相關(guān)性分析、敏感性分析［7］等方法，但是這些方法都沒有考慮多種因素對停車行為的綜合影響。梁瀟等［8］在非集計Logit模型基礎(chǔ)上對停車用戶的行為與選擇關(guān)系進行分析研究，非集計模型［9～10］是用效用值來描述停車用戶對某個選擇的偏好程度，這個模型基于效用最大和隨機效用建立，但是非集計模型是基于人完全理性情況下最理想的狀態(tài)，在實際運用中會有偏差。國內(nèi)學(xué)者對于其他的影響停車行為選擇的因素也有研究，李會英［11］采用Weka數(shù)據(jù)平臺研究出行者的個性化需求，以提供個性化的誘導(dǎo)方案。此外還有利用行為科學(xué)理論或者概率論的方法來建立停車行為的選擇模型，王志利、暢芬葉等［12～13］引入前景理論描述在停車用戶存在停車信息了解不全，認知存在差異的情況下停車選擇行為。宗芳、李志瑤等［14～15］利用貝葉斯網(wǎng)絡(luò)模型推斷在出行目的、停車費率等因素對停車行為的影響。

目前對停車行為研究建立的模型多種多樣，但是對影響因素的選取都存在片面性，因此開展停車行為分析要對可能影響的因素進行綜合考慮，包括停車設(shè)施的影響、停車用戶的屬性偏好以及停車過程的停車成本、步行距離等影響因素，建立的行為選擇模型才更加有效合理。

2 面向用戶的停車決策協(xié)同推薦模型

2.1 停車行為影響屬性分析

停車用戶的停車場選擇由多種因素屬性決定，需要綜合考慮停車用戶的屬性偏好以及停車場的狀態(tài)信息。影響目的地停車場選擇的屬性主要有：停車場到目的地的步行距離、停車位的占有情況和停車費用等，同時，停車預(yù)約成功率是停車用戶對誘導(dǎo)的信賴程度，所以在確定目標停車場時本文也將該屬性考慮進去，從而構(gòu)成了面向停車用戶的停車選擇模型綜合誘導(dǎo)指數(shù)的5個主要指標，具體描述如下：

1）停車位占有指標：表示目的地范圍內(nèi)的候選停車場的停車位占用的情況。記為：M。

停車位的預(yù)測方法主要是通過在t時刻狀態(tài)轉(zhuǎn)移矩陣 β(t)計算出在T+ki時刻的停車場的空閑車位的數(shù)量。其中i表示停車場的編號，ki表示用戶從提出誘導(dǎo)請求至到達目的地第i個停車場的時間，β(t)為預(yù)測矩陣，Ni為第i個停車場當(dāng)前空閑停車位的數(shù)量。如果 β(T +ki)×Ni＜m ，則可以認為該停車場無法提供有效的停車位。m為一個閾值常數(shù)，由停車場的管理員根據(jù)停車場的具體情況設(shè)置，一般可以考慮設(shè)定為5，即當(dāng)剩余5個空閑車位時候，就認為該停車場不適合推薦給停車用戶。

2）用戶滿意指標?：該指數(shù)由兩個部分組成：停車場距離出行目的地的步行距離d和步行路程的道路狀況。第i個停車場到停車用戶的目標地的步行路程可以通過式（2）計算得到：

其中（xi，yi）表示第i個停車場的地理坐標，（x，y）表示目的地的地理坐標。用戶滿意指數(shù)?可以用式（3）表示。

3）成本指標：指停車用戶在停車過程中的費用成本，記為 fi。目前，停車場一般是根據(jù)車輛停放的時間長短收取停車費，根據(jù)用戶車輛停放的時間，按照式（4）計算車輛停放費用。

4）預(yù)約成功指標：指停車用戶請求預(yù)約并成功停車的指數(shù)。該值可以通過歷史數(shù)據(jù)統(tǒng)計獲取，為停車用戶向停車誘導(dǎo)系統(tǒng)發(fā)送次數(shù)請求預(yù)約并成功完成停車的次數(shù)與請求預(yù)約的次數(shù)的比例。預(yù)約成功指數(shù)值，表明用戶更有可能選擇該停車場。記為?。

5）停車場等級指標θ：指停車設(shè)施的經(jīng)營狀態(tài)和環(huán)境等情況，由停車用戶評價和停車場管理部門的評價確定，分為1～5等五個等級。

定義：綜合停場選擇指標μ，指基于上述5個指標而構(gòu)建的停車場適合停車用戶的程度。綜合停場選擇指標越高，表示該停車場越適合該請求停車的用戶。

其中各指標需要作規(guī)范化和歸一化處理，且均沒有量綱。w為各指標的權(quán)重，本文后面將給出求解的方法，本算法根據(jù)μ值的大小對候選區(qū)域停車場進行排序，將最優(yōu)停車場推薦給停車用戶。

2.2 面向用戶的協(xié)同推薦流程

針對目前停車場推薦過程沒有將停車用戶的主觀喜好加入候選停車場的篩選過程，本文提出的面向用戶行為的決策選擇模型實際上就是根據(jù)上述提出的5個指標構(gòu)建的一個對候選停車場集合的指標評價排序的協(xié)同推薦的過程，主要流程如圖1所示。

圖1 候選停車場協(xié)同推薦算法流程

Step1：用戶提交請求，查詢目的地區(qū)域范圍內(nèi)的候選停車場的集合，通過該請求獲取用戶的目的地的地理位置，同時獲取用戶停車選擇的偏好，包括可容忍最大步行距離、停車設(shè)施要求（停車場還是停車庫，路面停車場還是地下停車場等）、預(yù)計停放車輛時間、停車費用閾值等數(shù)據(jù)。

Step2：過濾不符合條件的停車場，形成候選停車場集合。根據(jù)用戶偏好進行過濾，如果用戶沒有設(shè)置相應(yīng)的參數(shù)值，那么按照系統(tǒng)默認的值進行候選停車場的集合的篩選，最終得到候選停車場集合P{P1，P2…Pn}。

Step3：分析區(qū)域內(nèi)停車場。計算每個候選停車場的綜合選擇指數(shù)，并對按照綜合選擇指數(shù)對候選停車場進行排序，綜合選擇指數(shù)最高的停車場即可以視為最優(yōu)停車場。

Step4：向停車用戶推薦最優(yōu)停車場。推薦系統(tǒng)將推薦信息發(fā)送給停車用戶。

2.3 停車決策協(xié)同推薦模型的影響屬性權(quán)重

對停車場的選擇偏好，可采用意向調(diào)查的方式獲取樣本數(shù)據(jù)。選擇5個停車場，對擁有C1駕照，并且有5年以上實際駕駛經(jīng)驗的駕駛員進行問卷調(diào)查，結(jié)果如表1所示。

調(diào)查問卷總共收到有效問卷數(shù)30份。其中選擇停車場A的為5人，占16.7%，選擇停車場B的為3人，占10%，選擇停車場C的為16人，占53.3%，選擇停車場D的為6人，占20%，選擇停車場E的為2人，占6%。

表1 調(diào)查問卷

停車選擇屬性越大越好型的標準化處理公式表示如式（8）所示：

對影響停車選擇屬性越小越好型的標準化處理公式表示如式（9）所示：

其中：xmax(i)為第i個停車選擇屬性的最大值，xmin(i)為第i個停車選擇屬性的最小值，r(i，j)為標準化后的影響停車選擇屬性評價指數(shù)值，即第i個停車選擇的屬性對第j個備選停車場的相對隸屬度值，i=1～n，j=1～m 。以上述公式處理過所得的r(i，j)值為元素而形成的評價矩陣 R=(r(i，j))n×m。

下面計算各影響停車選擇的屬性的權(quán)重大?。?/p>

1）通過將影響停車選擇的屬性指數(shù)值標準化、規(guī)范化處理來構(gòu)造模糊評價矩陣R。以到目的地的步行距離為例：計算該屬性對停車場A的相對隸屬度，該屬性為越小越優(yōu)型，所以對影響停車選擇屬性越小越好型的標準化處理公式計算相對隸屬度。

以此類推可得模糊評價矩陣：R=(r(i，j))n×m。

2）根據(jù)1）所得模糊評價矩陣構(gòu)造用確定影響停車選擇屬性權(quán)重的判斷矩陣B=(bi)n×m。用影響停車場選擇屬性指數(shù)的樣本標準差σ(i)，來反映該影響屬性對停車選擇的影響程度大小，并用它來構(gòu)造判斷矩陣B。影響停車選擇屬性的樣本標準差的公式如式（10）所示：

可得樣本標準差：σ（1）=0.118，σ（2）=0.161，σ（3）=0.124，σ（4）=0.102，σ（5）=0.235。其中 ri表示的是屬性i對所有停車場影響的均值。

相對重要性程度參數(shù)值，bm=min｛9，int［σmaxσmin+0.5］｝=4。

可得判斷矩陣B：

下面用遺傳算法對矩陣B進行計算。

其中 yik∈{ }bik-dbik，bik+dbik，d的取值為非負數(shù)，文獻［16］認為d的取值區(qū)間為［0，0.25］。用遺傳算法選擇300次，加速10次，影響屬性權(quán)重變化區(qū)間均為（0，1），可得到車位各指標的權(quán)重計算值分別為0.142，0.379，0.202，0.185，0.092，其中用戶認可指數(shù)的權(quán)重較高與調(diào)查結(jié)果相符合。

3 實驗驗證與分析

3.1 仿真環(huán)境介紹

為測試并驗證本文提出的面向停車用戶停車選擇誘導(dǎo)模型，用Graphviz軟件構(gòu)建通用的時空網(wǎng)絡(luò)模型進行實驗。建立30×20個規(guī)模相同的寬度為5d（d為基礎(chǔ)單位距離）的網(wǎng)格，橫軸縱軸模擬空間上的地理為坐標。在網(wǎng)格規(guī)模范圍內(nèi)隨機生成100個停車場，停車場的狀態(tài)參數(shù)也是隨機生成，同時以一定的概率連接節(jié)點來模擬路網(wǎng)狀態(tài)，生成的模型路網(wǎng)圖如圖2所示。

圖2 模型時空網(wǎng)絡(luò)路網(wǎng)圖

3.2 仿真結(jié)果與分析

以出行目的地500m為半徑畫圓，發(fā)現(xiàn)停車場89，停車場61，停車場57，停車場30四個停車場在所畫的半徑范圍內(nèi)。四個停車場的情況如表2。

屬 性 權(quán) 重 W=｛0.142，0.379，0.202，0.185，0.092｝，可以看出停車場57和目的地的距離最近，但是車位占有率較高。下面計算屬性車位占有指標、用戶滿意指標、費用指標、預(yù)約成功指標、停車場等級指標的具體值的大小，得到表3如下。

表2 仿真環(huán)境各停車場參數(shù)

表3 仿真計算結(jié)果

從結(jié)果看停車場57是最佳停車場，停車場89的綜合選擇指數(shù)和停車場57相差不是太多，所以可以作次優(yōu)解。停車場30的空余車位數(shù)量最多，數(shù)量為160個。停車場61的停車費用最低。面向停車用戶的停車決策協(xié)同推薦模型主要是減少停車用戶只根據(jù)片面的指數(shù)來判定停車場的局限性，由此可見面向停車用戶的停車決策協(xié)同推薦模型對于停車用戶的停車選擇是有效的。

4 結(jié)語

本文選取了影響用戶停車行為選擇的最主要的5個指標構(gòu)建了面向用戶停車選擇行為的協(xié)同推薦模型，同時基于遺傳算法的權(quán)值分配模型對5個影響指標進行權(quán)重的計算來確定各個屬性的權(quán)重指數(shù)。通過對各個停車場的綜合選擇指標來對停車用戶進行目標范圍內(nèi)的停車場選擇的主動誘導(dǎo)，并對提出的用戶選擇行為的誘導(dǎo)模型進行了仿真實驗，實驗驗證了模型的可行性。