摘 要:“停车难”成为新时代主要难题。本文首先对现有停车管理模式进行分析总结,然后阐述智能停车系统具体流程,最后从泊位预约和智能诱导阐述各自的关键技术。根据FCM聚类算法、邻接表存储和矩形搜索算法,提出一种改进Dijkstra算法,提高最短路径实时性和系统的可行性。
关键字:智能停车;FCM聚类;邻接表存储;改进Dijkstra
1引言
随着社会经济的蓬勃发展和民众生活水平的日益提高,交通出行需求急剧增加。尽管世界各国投入大量的人力、物力于交通基础设施的建设,但伴随着一系列的安全事故、空气污染、交通拥堵等问题困扰着政府当局。交通与民众生活及城市发展息息相关,从不同程度上制约着经济发展,“行车难,停车难”成为新时代的主要难题。2013 年,我国机动车保有量2.5 亿辆,其中私家车保有量为8507 万辆,约2003 年的13 倍,现在仍以较高的速度增长。私家车保有量远远超过现有泊位数,停车问题应运而生。
目前,我国城市停车管理主要是由物业公司管理,依赖人工去值守。而国外,却全面实现无人操作停车,自动计时扣费,节省人力成本,提高工作效率。尽管先进的智能停车设施,成本昂贵,但从长远利益来看,其净收益远超传统人工管理。
交通拥堵日益严重,车辆增加,传统的停车管理模式滞后于社会发展。通过智能停车设施,合理分配停车资源势在必行,实现电子钱包、网上银行等新兴支付方式统一收费。同时,停车场的数据信息公开透明化,停车设备统一监控、集中管理,建立智能化的停车管理系统,实现智能化诱导泊车。
2停车管理问题
传统停车主要以IC卡管理模式为主,入口发卡计时,出口收卡计费。停车管理效率低和违法乱停等问题渐现。主要表现在:
1)资源分配失衡[1]
各个停车场管理系统完全独立,信息未透明共享,不能实时了解各个停车场泊位利用率,实现资源优化配置。同时,管理软件独立购买,成本较高,造成资源的重复投资。
2)智能停车场建设程度低
智能交通作为解决现代交通问题新手段,备受关注和重视。但由于我国智能交通事业刚刚兴起,滞后于西方先进国家,仍处于初级阶段,覆盖率较低。
3)缺乏系统管理
各个停车管理系统采取接口和规范不一致,全局数据交流存在壁垒。各自为政,数据混乱,难以分析经济效益,数据遗失现象频频发生,各个停车场的数据安全性较低。对于停车管理者,不能全面协调区域停车布局,及时做出合理判断;对于驾驶者,不能掌握自身消费情况。
总之,为推动停车产业的发展,政府号召企业自主研发新型停车管理系统,其中智能停车系统效果最佳,智能诱导停车,提高泊位利用率,使得城市交通管理者可以统筹规划区域停车。智能停车系统将成为未来停车管理的主要手段。
3智能停车系统具体流程
智能停车系统,简称PGIS,利用先进的信息技术、数据通讯技术和远距离遥感技术等建立一体化的停车管理系统。智能停车系统将会是未来停车管理的主要发展趋势,是一种智能化、信息化、环保型、社会化、高效化和人性化的新型交通管理系统。
智能停车系统主要由信息采集模块、信息处理模块、信息传输模块和信息发布模块组成。它通过信息采集模块实时采集停车场泊位利用率和车辆属性等信息;通过信息处理模块及时处理采集的大量交通数据,筛选有效数据保存;通过信息传输模块,完成驾驶端和停车场端两者间数据双向传输;通过信息发布模块,驾驶者发布预约信息和停车场端上传信息,使得停车信息公开透明化。
本文将智能停车系统分为泊位预约、诱导系统和场内泊车三个阶段,具体如图1所示。泊位预约阶段,汽车嵌式车载系统与智能停车系统进行信息交流,直至信息一致时完成预约;诱导阶段,根据实时交通情况,诱导驾驶者沿着最优化路径到达停车场;场内泊车阶段,入口处检查准时到达,道闸开启,摄像纪录图像和时间,出口处检查读取离开时间,自动计算停车费用。
图1 智能停车流程图
Figure 1 Intelligent Parking flowchart
4关键技术
4.1泊位预约——FCM聚类算法预测车流速度
泊位预约是指驾驶者向停车管理系统申请预约,并完成泊位预约。根据目的地选择周围停车场,双方进行协调商量,最后达到一致协议,完成预约。泊位预约主要以时间共享性预定服务和实时性预定服务为主[2],本系统采用时间共享性预定服务,驾驶者必须在规定时间内进行泊位,若未能在规定时间达到停车场,将取消本次预约。
泊位预约的具体流程如下:
第一步,驾驶者在停车管理系统的用户界面输入需求信息(车型、停车时间、起点、终点、价格、可接受半径等),并在纪录信息表中完成注册;
第二步,停车管理系统查询目的地周边区域,筛选合适停车场,并反馈给驾驶者;
第三步,驾驶者根据反馈信息,选定合适的泊位点,若有合适,确认并进行预约,若无合适,返回第一步,重新进行输入信息,进行查询,直至双方确认预约为止;
第四步,驾驶者到达停车场时间超过规定范围,将自动取消预约;若使用时间超过预约时间,系统将向用户自动提醒是否续约;从停车场入口开始计时,出口终止计时。
由以可见,预约是否成功取决于对驾驶者到达停车场时间的预测。在实际行驶过程中,影响时间的主要因素是实际车流速度。
基于行车速度的连续性,选取FCM聚类算法[3]对行车速度进行分析。FCM聚类算法是使用模糊理论研究数据内在关系和欧几里德距离计算数据与类中心间的距离。该理论将聚类问题转化为约束非线性规划最小值求解问题,目标函数如式1所示:[4]
式1
式中:diq—样本数据与类中心点的欧式距离,diq=||xi-wq||;
m—模糊指标,1
采用数学分析中拉格朗日乘子极值求解法,目标函数最小时,式2和式3恒成立:
uiq= 式2
式3
式中:u—模糊划分矩阵;w—类中心点。
通过公式2与公式3计算迭代中类中心点集与模糊划分矩阵,直至目标函数收敛于某一数值。算法具体流程如图2所示,其中x为样本车流速度,输出聚成C个类后各类中心点w(t)和各类所有数据点。基于同类中数据相似,类中心点做为车流速度的预测值。
图2 FCM聚类算法流程图
Figure 2FCM clustering algorithm flowchart
4.2智能诱导
4.2.1存储结构
对于传统Dijkstra算法主要采用邻接矩阵存储,计算效率较低。本次采用邻接表存储网络拓扑结构,是一种链式存储结构。由于传统Dijkstra算法每个节点均需从未标记点向标记点过渡转换,可将待排序点按标号值排序,循环一次即可寻得最短路径所需点,采用堆排序方法优化存储算法,改进Dijkstra算法。采用两个集合和一个数组表示具体数据,分别为已标记集合(E)、邻节点集(F)和待排序点集(k)。