摘要：傳統(tǒng)的停車管理方式不僅效率低下，而且容易造成數(shù)據(jù)不準(zhǔn)確，無法為決策者提供準(zhǔn)確的停車信息。為此研究為提高停車管理智能化水平，基于潮汐可變車道技術(shù)并引入非線性自相關(guān)神經(jīng)網(wǎng)絡(luò)模型對其進(jìn)行改進(jìn)，最終設(shè)計(jì)出一款智慧停車管理平臺。經(jīng)實(shí)驗(yàn)驗(yàn)證，改進(jìn)后的潮汐可變道技術(shù)其交通車流量預(yù)測的平均誤差為3.8%，在交通高峰期間可以準(zhǔn)確預(yù)測交通流量。智慧停車管理平臺投入使用后，解決了實(shí)際使用車位數(shù)與可用停車位數(shù)之間的失衡現(xiàn)象，比使用智慧停車管理平臺前增加了20%以上。綜上可知，此次研究的智慧管理平臺可以準(zhǔn)確分析停車數(shù)據(jù)并進(jìn)行準(zhǔn)確的預(yù)測。

關(guān)鍵詞：潮汐流可變車道智慧停車城市交通非線性自回歸神經(jīng)網(wǎng)絡(luò)

中圖分類號：U491文獻(xiàn)標(biāo)識碼：A

ResearchontheConstructionoftheIntelligentParkingManagementPlatformBasedontheTidalFlowLaneTechnology

ZHONGWenbin

ZhejangXinchengDigitalTechnologyCo.，Ltd.，Ningbo，ZhejiangProvince，315000China

Abstract：Thetraditionalparkingmanagementmethodisnotonlyinefficient，butalsoeasytocauseinaccuratedata，which cannotprovideaccurateparkinginformationfordecision-makers.Inordertoimprovetheintelligentlevelofparkingmanagement，thisstudyisbasedonthetidalflowlanetechnologyandintroducesthenonlinearautocorrelationneuralnetworkmodeltoimproveit，andfinallydesignsanintelligentparkingmanagementplatform.Experimentshaveverifiedthattheaverageerrorofthetrafficflowpredictionoftheimprovedtidalflowlanetechnologyis3.8%，whichcanaccuratelypredicttrafficflowduringthepeaktrafficperiod.Afterthesmartparkingmanagementplatformisputintouse，theimbalancebetweentheactualnumberofusedparkingspacesandthenumberofavailableparkingspacesissolved，whichismorethan20%higherthanthatbeforetheuseofthesmartparkingmanagementplatform.Insummary，itcanbeseenthattheintelligentmanagementplatforminthisstudycanaccuratelyanalyzeparkingdataandmakeaccuratepredictions.

KeyWords：Tidalflow;Reversiblelane;Intelligentparking;Urbantraffic;Nonlinearautoregressiveneuralnetwork

隨著國民經(jīng)濟(jì)的持續(xù)增長，人民生活水平不斷提高，汽車逐漸成為家庭必備的交通工具之一[1-2]。傳統(tǒng)停車管理方法信息化程度較低，無法充分利用信息化技術(shù)的優(yōu)勢[3-4]。為改善大城市中交通擁堵情況，陳婷婷等人[5]在潮汐可變車道的基礎(chǔ)上構(gòu)建優(yōu)化多目標(biāo)雙層規(guī)劃模型，在進(jìn)行實(shí)驗(yàn)驗(yàn)證后，結(jié)果驗(yàn)證了所提出的模型和算法的有效性。而非線性自相關(guān)神經(jīng)網(wǎng)絡(luò)模型可以利用歷史數(shù)據(jù)對未來車位需求進(jìn)行準(zhǔn)確預(yù)測，從而更好地安排停車位，提高停車效率[6]。為此，在潮汐可變車道技術(shù)的基礎(chǔ)上進(jìn)行改進(jìn)，構(gòu)建出一種用于智能化管理停車的系統(tǒng)平臺。此次研究的創(chuàng)新點(diǎn)為將非線性自回歸神經(jīng)網(wǎng)絡(luò)模型與潮汐可變車道技術(shù)相結(jié)合，實(shí)現(xiàn)了對停車位需求的精準(zhǔn)預(yù)測和對車流量的智能化調(diào)控。

1.智慧停車管理平臺的關(guān)鍵技術(shù)及建設(shè)方案

1.1潮汐可變車道技術(shù)研究及特點(diǎn)分析

1.1.1潮汐可變車道的形式及優(yōu)點(diǎn)

潮汐可變車道線通常為黃色或白色，有線形和虛線兩種形式，通常設(shè)置在車道邊緣。其切換由交通信號燈或電子顯示牌控制，司機(jī)根據(jù)信號燈或顯示牌的指示，選擇正確的車道行駛。潮汐可變車道技術(shù)的優(yōu)點(diǎn)有以下幾點(diǎn)，首先可以根據(jù)實(shí)際需要靈活調(diào)整車道數(shù)量和方向，提高道路利用率和通行效率。其次可以減少因?yàn)轭l繁變換車道而引發(fā)的事故風(fēng)險(xiǎn)和油耗損失。然后可以緩解因?yàn)閱蜗蜍嚵髁窟^大而造成的環(huán)境污染和噪音干擾。

1.1.2潮汐可變車道的應(yīng)用

潮汐可變車道技術(shù)在智慧停車管理中的應(yīng)用主要體現(xiàn)在可以根據(jù)不同時間段的車流量，實(shí)時調(diào)整停車位的分配。智慧停車管理平臺需要處理和分析大量的停車數(shù)據(jù)，包括車位使用情況、車輛進(jìn)出場信息、交通流量等，而這些恰恰是潮汐可變車道技術(shù)目前存在的不足之處，為此研究在潮汐可變車道技術(shù)的基礎(chǔ)上引入非線性自回歸神經(jīng)網(wǎng)絡(luò)模型，進(jìn)一步提高智慧停車管理平臺的智能化水平。非線性自回歸神經(jīng)網(wǎng)絡(luò)模型的基本結(jié)構(gòu)如式（1）所示。

式（1）中：為輸出式；d0hAcMC0BaHoO8sMI/HB4A==為輸入式；為非線性模糊函數(shù)；為數(shù)據(jù)訓(xùn)練時長；為系統(tǒng)輸入時的延遲階數(shù)；為系統(tǒng)輸出時的延遲階數(shù)。非線性自相關(guān)神經(jīng)網(wǎng)絡(luò)模型是一種基于神經(jīng)網(wǎng)絡(luò)的自相關(guān)模型，它通過非線性函數(shù)將歷史數(shù)據(jù)與當(dāng)前數(shù)據(jù)進(jìn)行相關(guān)分析，以實(shí)現(xiàn)預(yù)測和分類等任務(wù)。

1.1.3非線性自相關(guān)神經(jīng)網(wǎng)絡(luò)模型的應(yīng)用

非線性自相關(guān)神經(jīng)網(wǎng)絡(luò)模型可以學(xué)習(xí)歷史停車數(shù)據(jù)與當(dāng)前停車需求之間的非線性關(guān)系，并預(yù)測未來的停車需求和車位使用情況。因此，潮汐可變車道技術(shù)和非線性自回歸神經(jīng)網(wǎng)絡(luò)模型可以結(jié)合應(yīng)用，以實(shí)現(xiàn)更加智能化和高效的智慧停車管理。首先，潮汐可變車道技術(shù)可以實(shí)時監(jiān)測道路交通流量，根據(jù)交通流量的變化動態(tài)調(diào)整車道方向，從而增加道路通行能力和緩解交通擁堵。而非線性自回歸神經(jīng)網(wǎng)絡(luò)模型則可以學(xué)習(xí)歷史停車數(shù)據(jù)與當(dāng)前停車需求之間的非線性關(guān)系，并預(yù)測未來的停車需求和車位使用情況。

1.2智慧停車管理平臺的設(shè)計(jì)與實(shí)現(xiàn)

1.2.1智慧停車管理平臺架構(gòu)設(shè)計(jì)

停車管理平臺需要整合不同停車場的數(shù)據(jù)，包括車位使用情況、車輛進(jìn)出場時間等。但是，由于不同停車場的建設(shè)和管理方式不同，數(shù)據(jù)格式和標(biāo)準(zhǔn)不統(tǒng)一，導(dǎo)致停車管理平臺無法實(shí)現(xiàn)信息的共享和整合，形成了信息孤島。為此，研究基于潮汐可變道技術(shù)，并針對目前停車管理平臺存在的不足，構(gòu)建出一個智慧停車管理平臺，以提高對車輛數(shù)據(jù)的智能分析并準(zhǔn)確預(yù)測停車需求和供應(yīng)情況。最終設(shè)計(jì)的智能停車管理平臺如圖1所示。

智慧停車管理平臺架構(gòu)主要分為應(yīng)用層、系統(tǒng)層、網(wǎng)絡(luò)層、前端設(shè)備層，其中應(yīng)用層主要包括潮汐可變車道、停車分析、反向?qū)ぼ?、地面停車管理、設(shè)備管理。系統(tǒng)層主要包括停車收費(fèi)系統(tǒng)、進(jìn)出口管理系統(tǒng)、停車誘導(dǎo)系統(tǒng)、安防系統(tǒng)、商場會員系統(tǒng)。網(wǎng)絡(luò)層為網(wǎng)絡(luò)和數(shù)據(jù)傳輸。前端設(shè)備包括道閘、攝像機(jī)、車流引導(dǎo)、室外大屏、藍(lán)牙模塊、地感控制等等。

1.2.2智慧停車管理平臺重要組成部分

應(yīng)用層是智慧停車管理平臺的核心部分，其功能為滿足不同用戶的需求，潮汐可變車道主要解決高峰期車流量大的問題，停車分析用以幫助停車場運(yùn)營者更好地規(guī)劃和管理車位。車流密度與智慧停車管理平臺之間存在密切關(guān)系，為實(shí)現(xiàn)對停車場內(nèi)部車流的判斷，研究對車流密度進(jìn)行判斷，其表達(dá)式如式（2）所示。

式（2）中：為平均車速；為停車場內(nèi)部車輛的狀態(tài)。系統(tǒng)層是智慧停車管理平臺的另一個重要組成部分，系統(tǒng)之間進(jìn)行相互協(xié)作，最終實(shí)現(xiàn)對停車場進(jìn)行全面管理和監(jiān)控。

2.智慧停車管理平臺的實(shí)現(xiàn)效果及影響分析

2.1改進(jìn)潮汐可變車道技術(shù)的應(yīng)用效果評估

為驗(yàn)證基于非線性自回歸神經(jīng)網(wǎng)絡(luò)模型和潮汐可變車道技術(shù)在智慧停車平臺中的管理效果，研究收集某停車場的歷史車流數(shù)據(jù)、停車位數(shù)據(jù)、交通狀況數(shù)據(jù)等。比較改進(jìn)前后潮汐可變車道技術(shù)下交通流量的預(yù)測值與實(shí)際值，經(jīng)數(shù)據(jù)分析可知，改進(jìn)后的潮汐可變道技術(shù)在不同時間點(diǎn)上基本與真實(shí)的車流量相吻合，其交通車流量預(yù)測的平均誤差為3.8%。改進(jìn)前的潮汐可變道技術(shù)對交通流的預(yù)測誤差為22.3%。綜上可知，改進(jìn)后的潮汐可變技術(shù)在交通高峰期間通過準(zhǔn)確預(yù)測交通流量可以更好地幫助平臺提前做好準(zhǔn)備，調(diào)配足夠的停車位資源。

2.2智慧停車管理平臺的應(yīng)用結(jié)果評估

研究通過比較智慧停車管理平臺投入使用前后的停車泊位利用率，評估研究的智慧停車平臺對于提高停車資源利用效率的作用。經(jīng)實(shí)驗(yàn)分析，改進(jìn)前停車泊位利用率集中在0%～40%之間。改進(jìn)后停車泊位的利用率主要集中在80%左右，比使用智慧停車管理平臺前增加了20%以上的停車泊位利用率。綜上可知，研究的智慧管理平臺可以實(shí)時調(diào)整停車場的車位數(shù)與泊位數(shù)，為車主提供精確的數(shù)據(jù)與服務(wù)。

3結(jié)語

城市化的快速發(fā)展的背景下，大量車輛涌入城市，但停車設(shè)施并未跟上車輛的增長速度，導(dǎo)致停車難成為城市的一個突出問題。經(jīng)實(shí)驗(yàn)研究，結(jié)果表明相比于改進(jìn)前的技術(shù)，改進(jìn)后的潮汐可變道技術(shù)對交通流的預(yù)測誤差低于改進(jìn)后預(yù)測誤差的18.5%以上。可以更好地幫助平臺提前做好準(zhǔn)備，調(diào)配足夠的停車位資源，同時幫助平臺合理安排停車位的數(shù)量和分布。在不同時間段下智慧停車管理平臺的停車泊位利用率更均衡，主要集中在80%左右，比使用智慧停車管理平臺前增加了20%以上的停車泊位利用率。綜上可知，研究基于非線性自回歸網(wǎng)絡(luò)JWAavmRHQ5osYijmhKVtdg==模型的潮汐可變道技術(shù)可以有效應(yīng)用于實(shí)際停車場景，并且可以準(zhǔn)確分析實(shí)時的停車數(shù)與泊位數(shù)，提高車位利用率。

參考文獻(xiàn)

[1]趙天一，王宏起，李玥，等.新興產(chǎn)業(yè)創(chuàng)新生態(tài)系統(tǒng)綜合優(yōu)勢形成機(jī)理：以新能源汽車產(chǎn)業(yè)為例[J].科學(xué)學(xué)研究，2023，41（12）：2267-2278.

[2]姚穎蓓，陸建忠，傅業(yè)，等.華東地區(qū)電動汽車發(fā)展趨勢及用電需求預(yù)測[J].電力系統(tǒng)保護(hù)與控制，2021，49（4）：141-145.

[3]王金棟，應(yīng)堅(jiān)國.基于SUMO仿真的停車場車輛離場智慧管控策略[J].武漢理工大學(xué)學(xué)報(bào)：交通科學(xué)與工程版，2023，47（4）：615-619.

[4]喬建剛，李恩玉，劉怡美，等.智慧高速公路收費(fèi)站潮汐車道的開放數(shù)量研究[J].河北科技大學(xué)學(xué)報(bào)，2023，44（1）：83-92.

[5]陳婷婷，賈順平.綜合考慮早晚高峰交通流特性的可變車道布置方案[J].科學(xué)技術(shù)與工程，2021，21（9）：3822-3828.

[6]MesaJA，OrtegaFA，PozoMA，etal.Assessingtheeffectivenessofpark-and-ridefacilitiesonmultimodalnetworksinsmartcities[J].TheJournaloftheOperationalResearchSociety，2022，73（3）：576-586.