技术摘要：
本发明公开了一种基于模糊判断选择最佳泊位的停车诱导方法。现有的车库中无法为司机提供最佳泊位。本发明对多个停车的影响因子进行分析，采用灰度关联的方法生成决策矩阵，采用模糊处理的方法构建动态决策属性加权量，进行模糊判决，解决泊位选择多属性决策问题，针对 全部
背景技术：
随着城市建设和发展，城区汽车保有量持续增长，车位供求关系日益紧张。城市化 的 推进，“停车难”愈发成为城市难点和热点问题。停车泊位在没有诱导指示下，司机从进 入 停车场开始，寻找空余泊位，综合考虑入口到泊位的距离、泊位周围的停放车辆、泊位到 出口的距离等是否适合停车多种因素进行评价，如果符合司机喜好要求停车，不符合重新 寻找有效空余泊位，直到最终搜索到泊位。鉴于目前很多停车场空间都是非常巨大，室内 一般地下一层到地下三层，地面车位划分空间广阔，司机在没有停车诱导的指示下很难做 出判断，导致司机在停车场内盲目寻泊，不仅仅浪费司机时间，其实由于车辆一直在寻找 泊位，对区域内的交通秩序造成拥挤与阻塞。而在物联网技术的支持下，通过地磁、红外 等 检测手段利用ZigBee、无线通信方式对车辆停车信息进行组网，车位检测的数据信息借 助 无线通信技术传输到网关，经过网关中继后利用广域网技术传输到泊位诱导系统。泊位 诱 导系统根据车辆传感器采集的泊位信息，从司机的角度出发，综合考虑泊位选择的各项 影 响因素，如何去设计一种优质的停车诱导方法，帮助司机准确并快速获取停车场内最优 的 泊位位置并规划司机开车到该泊位的最优路径是停车泊位诱导系统设计中最核心的问题。
技术实现要素：
本发明的目的在于提供一种模糊接近理想方案偏好的最优路径停车诱导方法。 本发明一种基于模糊判断选择最佳泊位的停车诱导方法具体如下： 步骤一、提取各个备选泊位的难度系数skill、行驶距离driver、行走距离walk和 安全 系数safe。难度系数skill表示泊位停车的难度。行驶距离driver为开车从入口到泊 位的距 离。行走距离walk为从泊位到车库步行出口的距离。安全系数safe表示泊位上停放 的车 辆的安全程度。 步骤二、针对难度系数、行驶距离、行走距离和安全系数，分别构建相应的隶属函 数。 第i号备选泊位难度系数skilli的隶属函数ui1如式(1)所示，i＝1,2,…,n。n为备 选泊 位的数量。 式(1)中，skilli为第i个备选泊位的难度系数；skillmin为所有备选泊位的难度系 数 的最小值。 第i号备选泊位行驶距离driveri的隶属函数ui2如式(2)所示。 5 CN 111597495 A 说 明 书 2/9 页 式(2)中，driveri为第i个备选泊位对应的行驶距离；drivermax、drivermin分别为 所有 备选泊位对应的行驶距离的最大值、最小值。 第i号备选泊位行走距离walki的隶属函数ui3如式(3)所示； 式(3)中，walki为第i个备选泊位对应的行走距离；walkmax、walkmin为所有备选 泊 位对应的行走距离的最大值、最小值。 第i号备选泊位安全系数safei的隶属函数ui4如式(4)所示， 式(4)中，safei为第i个备选泊位对应的安全系数；safemax为所有备选泊位的安全 系数的最大值。 步骤三、针对四个隶属函数构建备选泊位隶属度标准化决策矩阵U如式(5)所示。 建立各备选泊位的隶属度矢量uim＝[ui1,ui2,ui3,ui4]；i＝1,2,…,n。 步骤四、建立权重矢量ω如式(6)所示。 式(6)中，δm为标准差，其表达式如式(7)所示； 步骤五、构建备选泊位决策影响因子原生矩阵X如式(8)所示。 6 CN 111597495 A 说 明 书 3/9 页 式(8)中，xi1＝skilli；xi2＝driveri；xi3＝walki；xi4＝safei。 步骤六、构建一个相对最佳泊位方案s0如式(9)所示。 s0＝[x01,x02,x03,x04] 式(9) 式(9)中，x01为原生矩阵X的第一列中的最小值；x02为原生矩阵X的第二列中的 最 小值；x03为原生矩阵X的第三列中的最小值；x04为原生矩阵X的第四列中的最大值。 步骤七、构建备选泊位与相对最佳泊位的灰色关联决策矩阵Rα如式(10)所示。 式(10)中，αij为第i个备选泊位si与步骤六构建的一个相对最佳泊位s0之间的第j 个决策属性的灰色关联系数，其表达式如式(11)所示；i＝1,2,…,n；j＝1,2,3,4。 式(11)中， 表示最小值计算； 表示最大值计算。 步骤九、建立加权矩阵F如式(12)所示。 步骤十、计算各备选泊位判决量Fi如式(13)所示，i＝1,2,…,n。 Fi＝αi1ω1 αi2ω2 αi3ω3 αi4ω4 式(13) 取各备选泊位判决量Fi中的最大值对应的那个备选泊位作为目标泊位。之后，引 导司 机从停车场入口到目标泊位。 作为优选，难度系数skill的取值如表1所示： 表1难度系数赋值表 作为优选，获取从入口到目标泊位的方法如下： 步骤一、建立用于中间过渡的集合H和用于存放已求解出各节点到入口最小路径 值的 节点集合V。将停车场内入口、出口、车位、场内通行车道的交叉口均作为节点。集合H 7 CN 111597495 A 说 明 书 4/9 页 内的各个元素分别对应各个节点到停车场入口的路径值，集合H内初始时仅有入口节点对 应元素的值为0，其它元素初始值均为无穷大；集合V内初始仅包含入口节点。 步骤二、寻找与入口节点相邻的各个节点，调取入口节点与各个相邻的节点的路 径值。 将该各个相邻节点的路径值替换到集合H中；对集合H中原有数据进行更新；将集合H 中未被加入集合V的各个节点对应的元素中的最小值对应的节点序号加入到集合V中；判 断集合V中是否包含目标车位对应的节点P，若包含，则取集合H中节点P对应的路径值 作为 最佳路径。 步骤三、取当前一个加入集合V中的节点作为特征节点，取到特征节点路径值的各 个 相邻且未被加入集合V中的节点作为新的修正节点；调取各个修正节点到特征节点的路 径 值dis'；并计算各个修正节点经过特征节点到入口节点的路径值。若一个修正节点经过 特 征节点到入口节点的路径值<该修正节点在集合H中对应的路径值，则替换该修正节点 在 集合H中对应的路径值； 之后，将集合H中未被加入集合V的各个节点对应的元素中的最小值对应的节点序 号 加入到集合V中。 步骤四、判断集合V中是否包含目标车位对应的节点P，若包含，则取集合H中节点 P对应的路径作为最佳路径；否则，重复执行步骤三。 持续执行步骤四能够将所有节点加入集合V中，从而获取所有备选泊位到停车场 入口 的最优路径。 本发明具有的有益效果是： 1、本发明对多个停车的影响因子进行分析，采用灰度关联的方法生成决策矩阵， 采用 模糊处理的方法构建动态决策属性加权量，进行模糊判决，解决泊位选择多属性决策 问题， 针对获知的备选泊位实现最优泊位的选择。 2、本发明以停车场的入口、出口、车道路口交叉点和车位构成停车场的节点，通过 从 一个已知的节点如入口开始，面向车道路口交叉点和车位以相邻节点为一层，逐层展 开， 对相应层的节点遍历最小距离，逐步更新数据集最终获得从入口到目标泊位的最优路 径， 为司机提供准确的诱导功能，解决了司机没有诱导时在停车场内徘徊的方式选择车位 问题。
本发明公开了一种基于模糊判断选择最佳泊位的停车诱导方法。现有的车库中无法为司机提供最佳泊位。本发明对多个停车的影响因子进行分析，采用灰度关联的方法生成决策矩阵，采用模糊处理的方法构建动态决策属性加权量，进行模糊判决，解决泊位选择多属性决策问题，针对 全部
背景技术：
随着城市建设和发展，城区汽车保有量持续增长，车位供求关系日益紧张。城市化 的 推进，“停车难”愈发成为城市难点和热点问题。停车泊位在没有诱导指示下，司机从进 入 停车场开始，寻找空余泊位，综合考虑入口到泊位的距离、泊位周围的停放车辆、泊位到 出口的距离等是否适合停车多种因素进行评价，如果符合司机喜好要求停车，不符合重新 寻找有效空余泊位，直到最终搜索到泊位。鉴于目前很多停车场空间都是非常巨大，室内 一般地下一层到地下三层，地面车位划分空间广阔，司机在没有停车诱导的指示下很难做 出判断，导致司机在停车场内盲目寻泊，不仅仅浪费司机时间，其实由于车辆一直在寻找 泊位，对区域内的交通秩序造成拥挤与阻塞。而在物联网技术的支持下，通过地磁、红外 等 检测手段利用ZigBee、无线通信方式对车辆停车信息进行组网，车位检测的数据信息借 助 无线通信技术传输到网关，经过网关中继后利用广域网技术传输到泊位诱导系统。泊位 诱 导系统根据车辆传感器采集的泊位信息，从司机的角度出发，综合考虑泊位选择的各项 影 响因素，如何去设计一种优质的停车诱导方法，帮助司机准确并快速获取停车场内最优 的 泊位位置并规划司机开车到该泊位的最优路径是停车泊位诱导系统设计中最核心的问题。
技术实现要素：
本发明的目的在于提供一种模糊接近理想方案偏好的最优路径停车诱导方法。 本发明一种基于模糊判断选择最佳泊位的停车诱导方法具体如下： 步骤一、提取各个备选泊位的难度系数skill、行驶距离driver、行走距离walk和 安全 系数safe。难度系数skill表示泊位停车的难度。行驶距离driver为开车从入口到泊 位的距 离。行走距离walk为从泊位到车库步行出口的距离。安全系数safe表示泊位上停放 的车 辆的安全程度。 步骤二、针对难度系数、行驶距离、行走距离和安全系数，分别构建相应的隶属函 数。 第i号备选泊位难度系数skilli的隶属函数ui1如式(1)所示，i＝1,2,…,n。n为备 选泊 位的数量。 式(1)中，skilli为第i个备选泊位的难度系数；skillmin为所有备选泊位的难度系 数 的最小值。 第i号备选泊位行驶距离driveri的隶属函数ui2如式(2)所示。 5 CN 111597495 A 说 明 书 2/9 页 式(2)中，driveri为第i个备选泊位对应的行驶距离；drivermax、drivermin分别为 所有 备选泊位对应的行驶距离的最大值、最小值。 第i号备选泊位行走距离walki的隶属函数ui3如式(3)所示； 式(3)中，walki为第i个备选泊位对应的行走距离；walkmax、walkmin为所有备选 泊 位对应的行走距离的最大值、最小值。 第i号备选泊位安全系数safei的隶属函数ui4如式(4)所示， 式(4)中，safei为第i个备选泊位对应的安全系数；safemax为所有备选泊位的安全 系数的最大值。 步骤三、针对四个隶属函数构建备选泊位隶属度标准化决策矩阵U如式(5)所示。 建立各备选泊位的隶属度矢量uim＝[ui1,ui2,ui3,ui4]；i＝1,2,…,n。 步骤四、建立权重矢量ω如式(6)所示。 式(6)中，δm为标准差，其表达式如式(7)所示； 步骤五、构建备选泊位决策影响因子原生矩阵X如式(8)所示。 6 CN 111597495 A 说 明 书 3/9 页 式(8)中，xi1＝skilli；xi2＝driveri；xi3＝walki；xi4＝safei。 步骤六、构建一个相对最佳泊位方案s0如式(9)所示。 s0＝[x01,x02,x03,x04] 式(9) 式(9)中，x01为原生矩阵X的第一列中的最小值；x02为原生矩阵X的第二列中的 最 小值；x03为原生矩阵X的第三列中的最小值；x04为原生矩阵X的第四列中的最大值。 步骤七、构建备选泊位与相对最佳泊位的灰色关联决策矩阵Rα如式(10)所示。 式(10)中，αij为第i个备选泊位si与步骤六构建的一个相对最佳泊位s0之间的第j 个决策属性的灰色关联系数，其表达式如式(11)所示；i＝1,2,…,n；j＝1,2,3,4。 式(11)中， 表示最小值计算； 表示最大值计算。 步骤九、建立加权矩阵F如式(12)所示。 步骤十、计算各备选泊位判决量Fi如式(13)所示，i＝1,2,…,n。 Fi＝αi1ω1 αi2ω2 αi3ω3 αi4ω4 式(13) 取各备选泊位判决量Fi中的最大值对应的那个备选泊位作为目标泊位。之后，引 导司 机从停车场入口到目标泊位。 作为优选，难度系数skill的取值如表1所示： 表1难度系数赋值表 作为优选，获取从入口到目标泊位的方法如下： 步骤一、建立用于中间过渡的集合H和用于存放已求解出各节点到入口最小路径 值的 节点集合V。将停车场内入口、出口、车位、场内通行车道的交叉口均作为节点。集合H 7 CN 111597495 A 说 明 书 4/9 页 内的各个元素分别对应各个节点到停车场入口的路径值，集合H内初始时仅有入口节点对 应元素的值为0，其它元素初始值均为无穷大；集合V内初始仅包含入口节点。 步骤二、寻找与入口节点相邻的各个节点，调取入口节点与各个相邻的节点的路 径值。 将该各个相邻节点的路径值替换到集合H中；对集合H中原有数据进行更新；将集合H 中未被加入集合V的各个节点对应的元素中的最小值对应的节点序号加入到集合V中；判 断集合V中是否包含目标车位对应的节点P，若包含，则取集合H中节点P对应的路径值 作为 最佳路径。 步骤三、取当前一个加入集合V中的节点作为特征节点，取到特征节点路径值的各 个 相邻且未被加入集合V中的节点作为新的修正节点；调取各个修正节点到特征节点的路 径 值dis'；并计算各个修正节点经过特征节点到入口节点的路径值。若一个修正节点经过 特 征节点到入口节点的路径值<该修正节点在集合H中对应的路径值，则替换该修正节点 在 集合H中对应的路径值； 之后，将集合H中未被加入集合V的各个节点对应的元素中的最小值对应的节点序 号 加入到集合V中。 步骤四、判断集合V中是否包含目标车位对应的节点P，若包含，则取集合H中节点 P对应的路径作为最佳路径；否则，重复执行步骤三。 持续执行步骤四能够将所有节点加入集合V中，从而获取所有备选泊位到停车场 入口 的最优路径。 本发明具有的有益效果是： 1、本发明对多个停车的影响因子进行分析，采用灰度关联的方法生成决策矩阵， 采用 模糊处理的方法构建动态决策属性加权量，进行模糊判决，解决泊位选择多属性决策 问题， 针对获知的备选泊位实现最优泊位的选择。 2、本发明以停车场的入口、出口、车道路口交叉点和车位构成停车场的节点，通过 从 一个已知的节点如入口开始，面向车道路口交叉点和车位以相邻节点为一层，逐层展 开， 对相应层的节点遍历最小距离，逐步更新数据集最终获得从入口到目标泊位的最优路 径， 为司机提供准确的诱导功能，解决了司机没有诱导时在停车场内徘徊的方式选择车位 问题。
