智能停车诱导系统中动态路径诱导技术研究

　　摘要：目前停车诱导信息系统是（ParkingGuidanceandInformationSystem，简称PGIS）主要通过路边的可变信息显示板，为驾驶者提供实时、准确、全面的车位信息，引导其通过合适的路径，到达合适的停车场。这种诱导模式简单实用，但无法考虑不同驾驶者的不同要求，即无法实现系统与使用者之间的互动。本文在分析目前停车诱导系统现状的基础上，从车载停车诱导的角度出发，以车辆到达停车场的时间最短为优化目标，在最优路径搜索中运用蚂蚁算法为驾驶员提供抵达停车场的最优路径。
　　关键词：停车诱导系统；路径优化；智能运输系统（ITS）；蚂蚁算法
　　1.前言
　　目前大部分停车诱导系统主要通过路边的可变信息显示板，为驾驶者提供实时、准确、全面的车位信息，引导其通过合适的路径，诱导驾驶员高效地找到停车泊位，以减少驾驶员在寻找车位过程中带来的“无效”交通量，缓解交通拥挤、改善交通对城市环境的污染。这种诱导模式简单实用，但也存在一些缺点，如所提供的信息有限，无法考虑不同驾驶者的不同要求，即无法实现系统与使用者之间的互动。车载GPS导航的停车诱导信息系统，能够根据车辆所在位置、目的地，结合GIS技术，实时为驾驶员提供抵达停车场的最佳路径，从而实现动态停车诱导。
　　2.停车诱导系统现状及存在问题
　　目前的PGIS主要由四个部分组成：路边可变信息显示板、停车场的计数装置、控制中心和通信网络。其工作原理是通过空车位采集器采集停车场内所有剩余的空位数，经过控制中心计算机处理后，由数据传输设备传往路边引导显示牌（含停车场名称、占用情况、方位等）。在实际的使用中这种诱导系统还存在不少问题，如下：
　　2.1停车诱导系统的市场操作性不强
　　根据已运行的停车诱导项目的投资及运营情况，可以发现停车诱导系统的市场运作可操作性不强，主要是由于停车诱导系统具有很强的公益性，与经营性停车场之间很难找到一种恰当的盈利模式。
　　2.2纳入停车诱导系统泊位少，诱导系统使用率低
　　目前纳入停车诱导系统的停车场多是公共建筑配建停车场和极少的路外公共停车场，并且这些停车场主要位于商业繁华地段，白天利用率高，容易因机动车等待车位，进入车位缓慢而影响动态交通；夜间空置多，造成资源的浪费。同时，诱导系统的信息还没有在驾驶员中形成影响，使用者有限，利用率较低。
　　2.3各停车诱导系统独立运作，没有信息共享
　　各系统都有独立的管理中心和通讯平台，各自独立运作，分别租用通讯公司的线路，运营费用高；各系统的信息量小，难以建立多渠道的信息发布方式，公众获得信息的渠道少，无法实现智能交通系统的路径诱导。
　　2.4停车场维持现状，不愿意增加投入
　　由于停车诱导系统的公益性，没有盈利，而建设一个完整的停车诱导系统，除了后台系统外，还需要停车场投入资金建设能够自动检测空泊位数的设备，在这种情况下，停车场多采用维持现有收费方式的态度。
　　2.5某些显示牌设计不合理，信息发布不准确
　　发布屏的提示效果不好，容易被高大树木遮挡，不容易被驾驶员看到。诱导区域范围较窄，预告功能弱；而且指示屏的面积有限，能够显示的信息量也有限。
　　2.6信息发布形式单一，没有达到设计的要求
　　因系统覆盖范围小，使用中的停车诱导系统信息发布方式只实现了设计中的路边视觉信息发布设施，即停车诱导显示屏。手机短信、互联网、交通台、服务电话等服务没有开通。系统设计的服务范围包括：车位信息、停车场分布和位置信息、停车场收费情况、停车场对外开放时间等，但目前只提供车位信息和简单的位置信息。此外，目前很多中小型停车场还没实现电子化，导致这些停车场的空车位资源无法纳入无线通信系统的管理。
　　针对传统的停车诱导系统存在的问题，合理利用现有的资源，将最新的信息化技术：如无线通信技术、GPS移动终端技术和GIS技术综合应用于城市停车位的查询、预定和导航服务上，最大程度的利用现有的停车位资源，特别是那些零散的中小型停车场的资源。使停车位信息能够在停车位资源和停车位需求的供求双方得到高效和合理的配置，缓解道路压力，改善城市交通，显得十分必要。
　　3.停车诱导系统(PGIS)中动态停车路径诱导
　　停车诱导系统(PGIS)是智能运输系统（ITS）的一部分，包括动态诱导包括动态停车泊位诱导及动态路径诱导，当驾驶员在某个位置发送目的地查询信息时,车载系统将自动搜寻并给出目的地附近的有停车泊位的一组停车场,当驾驶员选择好某个停车场时,系统自动计算并给出该位置到达目标停车场的最佳行驶路线。该停车场及最佳行驶路线是动态可变的,当司机行驶到下一位置(还未到达目的地)，此时司机再选择查询，可能上次查询选择的目标停车场在此时停车位已满、已无空车位或是目标停车场不变，但是路网上的交通状况已经发生明显改变，此时车载系统将再自动给出与当前时刻路网交通状态对应的到达该时刻所选目标停车场的最佳行驶路线。
　　从车辆当前所在位置到目的地不论目标停车场是否发生改变，其动态最优路径时刻可能发生变化，系统应能自动计算并实时给出司机所期望的最佳行驶路径，因此实时路径诱导要求具有较高的实时性，有时计算出来的路线并不是最优(最短路)而仅是次优路线(次短路)，但此时提供的次优路线只要是实时的，也能满足诱导技术要求。
　　出行至停车场的行程时间反映了车辆出行成本和可达性，本文以行程时间最短为优化目标，采用美国联邦公路局提出的BPR路阻函数模型，计算行程时间公式为：      (1)
　　设驶往停车场i共途经m条路段，对于不同的停车场，m值可不同。式(1)中的有关参数计算为：
　　(2)
　　(3)
　　(4)
　　(5)
　　式中：为驶往第i个停车场途中第j路段的机动车交通量/(pcu•)；为驶往第i个停车场途中第j路段的实用通行能力/(pcu•)；α、β为回归参数，用最小二乘法确定；为交通流为0时驶往第i个停车场途中第j路段的行驶时间；为驶往第i个停车场途中第j路段相邻交叉口的间距；r为自行车影响折减系数，可取1.0；为路段设计车速,取40~60km/h；为单条车道理论通行能力，取1500pcu/h；为驶往第i个停车场途中第j路段的车道数影响系数，单向1~4条车道依次取1.00、1.87、2.60、3.20；为交叉口影响修正系数；为交叉口有效通行时间比，信号交叉口处即取绿信比；为驶往第i个停车场途中第j路的车道宽度影响系数；为一条机动车道宽度/m。
　　当出行目的地确定后，驾驶员首选停车场自然希望行程时间最优且不超过其接受的驾车行程时间上限期望值。
　　(6)
　　4.蚂蚁优化算法的基本原理及用于路径诱导的方法
　　4.1蚂蚁算法原理
　　蚁群算法(ACO)是一种随机搜索算法，与其它模拟进化算法一样,通过由候选解组成的群体的进化过程来寻求最优解。它是在对自然界中真实蚁群的集体行为的研究基础上，由意大利学者M.Dorigo等首先提出的。自然界中蚂蚁在寻食过程中，会在其走过的道路上留下一种称之为信息素的激素，其它蚂蚁可以感知这种激素并以此指引其运动的方向。这种信息素允许叠加，走过同一条路径的蚂蚁数量越多，这条路径上的信息素浓度越大，也就吸引其他蚂蚁以更大的概率走此路径；反之，走过的蚂蚁越少，信息素浓度越低,吸引蚂蚁的概率越小。同时，这种信息素还会随着时间的推移而挥发。这种现象称之为正反馈原理，蚂蚁算法正是基于这种正反馈机制发展起来的。蚂蚁算法的思想是：依靠人工蚂蚁群体求解，每个蚂蚁个体具有简单的判断能力和局部搜索规则，通过释放和探测信息素的方式交流，蚂蚁群体经过一定时间的自组织活动后，趋向最优解。一般在设计蚂蚁算法时，假设蚂蚁个体知道所有相邻节点与它的距离。其局部搜索规则是：蚂蚁既考虑下一段路的长度，也会考虑其信息素的分布强度，在相邻节点中以一定的概率选择下一到达节点。比如，在t时刻路段(i,j)上的信息素强度为，则第k只蚂蚁从i点向j点转移的概率表示为：
　　（7）
　　式中，allowed表示蚂蚁k下一步允许选择节点，为启发函数,其表达式为=1/，表示i，j两个节点之间的距离。与的相对大小决定了蚂蚁对路段信息素和质量的取向偏好。当蚂蚁转移到j点时，修改allowed表，即：
　　Allowed=allowed-{j}(8)
　　当蚂蚁完成一次环游，信息素做如下调整：
　　(t+n)=(1-)+(t)(9)
　　(t)=(10)
　　其中,为小于1的常数，表示轨迹的持久性，1-表示轨迹衰减度，即信息的消逝程度。(t)表示本次循环中路径i，j上的信息量的增量；(t)表示第k只蚂蚁在本次循环中留在路径i，j上的信息量；(t)的取值使用M.Dorigo提出的ant-cyclesystem模型中的取值方法，即：
　　(11)
　　其中，是一个常数，代表信息素强度，表示第k只蚂蚁在本次循环中所走的路径长度。在初始时刻，(0)=常数，(t)=0(i，j=1，2，…，n)。这样，在每次实验过程中，每只蚂蚁都依据式(7)选取路径；而在每次实验结束后，每只蚂蚁选取的结果又通过式(8)、式(9)、式(9)、式(10)反馈给式(7)，作为下一次实验蚂蚁选取路径的依据，这便是基本蚂蚁算法的路径寻优过程。
　　4.2蚁群算法在诱导系统中的应用
　　导航系统的一个重要的功能模块便是对车辆最优路径的分析，本文介绍一种导航系统中基于蚁群算法的最短路径算法，在导航系统中对道路的各项分析是基于电子地图格式的，由电子地图信息，可以构造出有向图G(V，E)，V=(，，…，)是交通网络中的顶点集，它代表交通网络中的所有结点集合。E=(i，j=1，2，…，n)是交通网络中的有向边集，它代表交通网络中结点间的连接线，是有方向的，代表的从结点到的路径距离，由于电子地图有其固定的存储模式，通过GPS卫星定位系统，确定好各个结点的位置后，可以很方便的计算出两点之间距离，得到路段距离表。在具体的导航过程中加入路况实时信息，得到条件约束如下：
　　①当所选择的路径为单向行驶路段，或者某路段发生了交通事故而造成交通阻塞时，将路段信息表中表示该路段的有向边修改为禁止通行，避免车辆选择此路段方向。
　　②由于不同道路上的车辆稠密程度不同，而不同的车辆密度对车辆行驶有着很大的影响，根据传感器采集的交通信息来确定车辆的稠密程度，在每一路段加入道路稠密系数(t)，于是蚂蚁从节点i选择下一节点j的概率为：
　　（12）
　　定义(t)的计算式为：
　　（13）
　　(t)的取值根据该路段当前车辆数Q(t)、相邻路段长度、车道数n、平均车速v(t)来确定，代表的物理意义即为每单位车道长度车流密度大小。信息素(0)更新采取式(9)、式(10)，这样，随着蚂蚁爬过的次数增加，就能找到此时此刻通往目的地的最优路径。
　　5.仿真实验
　　给定一个路网(如下图所示)，并给出部分相邻路段间距离（表1所示），求驾驶员从起点到终点（停车场）在最短时间内到达目的地的最优路径。
　　
　　设定蚂蚁数目为10，=1，=2，=0.3。平均车速通过对相关路段的交通调查获得，并由交通调查获取实时交通信息。仿真结果为：→→→→→，距离为846.4m，平均到达时间为5分47秒。虽然蚂蚁算法找到的并不是最短的路径，但考虑到实时的交通信息，对车辆行驶路径进行了较好的诱导，使得能够在较短的时间内到达目的地。
　　本文所给示例路网比较简单，运用蚂蚁算法能够很快找到最优路径，当路网比较复杂时，实时地动态信息也比较复杂，可能在要求的短时间内找到的并不是最优路径，但相对而言，在较少迭代次数情况下搜索到的路径也能够满足需求。
　　6.结论
　　本文在分析目前停车诱导现状的基础上，提出车载导航的动态停车诱导，综合利用GPS和道路实时交通信息，在确定停车场的基础上，运用蚂蚁算法对车辆出发地和目的地之间进行最优路径诱导，从而为驾驶员提供到达停车场的最优路径，并以一个较为简单的示例路网进行了论证说明。
　　参考文献：
　　[1]杨晓光，薛昆，白玉.城市停车诱导信息系统设计[J].交通运输系统工程与信息，2004，4(1)：93~96.
　　[2]昊涛.停车诱导信息系统—ITS在停车领域的应用[J].国外公路，2000，20(2)：4~6.
　　[3]赵艳莉.德国科隆市停车诱导系统[J].国外城市规划，2002，(3)：45~46.
　　[4]周智勇，黄艳君，陈峻等.公交专用道设置前后无港湾公交停靠站特性研究[J].公路交通科技，2004，21(7)：103~107.
　　[5]周智勇，陈峻，王炜.城市停车设施规划自评判简化决策方法[J].交通运输工程学报，2004，4(4)：53~57.
　　
　　搜论文知识网致力于为需要刊登论文的人士提供相关服务,提供迅速快捷的论文发表、写作指导等服务。具体发表流程为：客户咨询→确定合作，客户支付定金→文章发送并发表→客户接收录用通知，支付余款→杂志出版并寄送客户→客户确认收到。鸣网系学术网站，对所投稿件无稿酬支付，谢绝非学术类稿件的投递！