亚洲免费av电影一区二区三区,日韩爱爱视频,51精品视频一区二区三区,91视频爱爱,日韩欧美在线播放视频,中文字幕少妇AV,亚洲电影中文字幕,久久久久亚洲av成人网址,久久综合视频网站,国产在线不卡免费播放

        ?

        基于A*優(yōu)化算法的停車場(chǎng)動(dòng)態(tài)泊車研究

        2018-07-27 05:15:58,,
        關(guān)鍵詞:空車泊車車位

        ,,

        (浙江工業(yè)大學(xué) 信息工程學(xué)院,杭州 310023)

        0 引言

        隨著城市發(fā)展和人民生活水平的提高,中國(guó)汽車保有量呈直線上升趨勢(shì),由此導(dǎo)致的城市停車難、停車效率低等一系列問題也加速了停車誘導(dǎo)系統(tǒng)的發(fā)展,其中常用的路徑規(guī)劃算法有Dijkstra算法、A*算法等。在動(dòng)態(tài)網(wǎng)絡(luò)路徑規(guī)劃算法的研究中,國(guó)外Chabini[1]等人首次引入A*算法,國(guó)內(nèi)晏克非教授[2]團(tuán)隊(duì)結(jié)合改進(jìn)的A*算法,將整個(gè)路徑規(guī)劃過程分成一段段按時(shí)間連續(xù)的分段,并對(duì)每個(gè)分段內(nèi)的動(dòng)態(tài)路網(wǎng)信息做靜態(tài)化處理,以此解決了具有變化因素的動(dòng)態(tài)路徑規(guī)劃問題。目前城市停車誘導(dǎo)系統(tǒng)大都應(yīng)用于交通路網(wǎng)中車輛的路徑誘導(dǎo)和規(guī)劃,僅僅把泊車用戶引導(dǎo)到車庫的門口,針對(duì)大型停車場(chǎng)內(nèi)部停車誘導(dǎo)問題的研究相對(duì)缺乏[3]。尤其是隨著城市現(xiàn)代停車場(chǎng)結(jié)構(gòu)的大型化和復(fù)雜化,在停車高峰期由于車位狀態(tài)是實(shí)時(shí)變化的,停泊用戶需要不斷盲目的尋找車位,此類動(dòng)態(tài)泊車問題大大增加了用戶的停車時(shí)間,降低了停車效率。

        針對(duì)目前停車誘導(dǎo)系統(tǒng)的不完善、車位利用率以及停車效率低[4]等問題,本文以大型停車場(chǎng)的內(nèi)部結(jié)構(gòu)模型為應(yīng)用實(shí)例,把動(dòng)態(tài)泊車導(dǎo)致的停車效率問題轉(zhuǎn)化為泊車概率問題,通過對(duì)目前路徑規(guī)劃算法比較[5]最終選擇A*算法并進(jìn)行了優(yōu)化,最后在VC++6.0環(huán)境下對(duì)優(yōu)化后的算法做仿真和實(shí)驗(yàn)驗(yàn)證。

        1 停車場(chǎng)結(jié)構(gòu)及車位模型

        1.1 停車場(chǎng)結(jié)構(gòu)模型分析

        停車用戶在停車時(shí)往往遇到很多問題,其中停車效率、停車舒適性、駕駛以及行走距離等問題是影響停車用戶體驗(yàn)的主要因素,本文結(jié)合圖1地下停車場(chǎng)內(nèi)部車位結(jié)構(gòu)特點(diǎn)對(duì)以上問題進(jìn)行了分析,從圖中可以知道,地下停車場(chǎng)的車位分布具有以下三個(gè)主要的特點(diǎn)[6]。

        1)停車場(chǎng)的車位大部分具有對(duì)稱分布特性。

        2)停車場(chǎng)內(nèi)部的道路分支一般較多,一排車位的兩端必定為道路的交叉口或者拐點(diǎn),另外目前地下停車場(chǎng)的入口有很多,包括車輛駛?cè)胍约半娞莸戎饕肟?。停車位置的選擇很大程度上決定了停車舒適性[8]、駕駛以及行走的距離,所以將圖1中的道路交叉口、電梯、停車場(chǎng)車輛駛?cè)肟诘葮?biāo)記為點(diǎn),以便用戶更加直觀靈活的選擇停車位。

        3)停車場(chǎng)內(nèi)部大部分的車位呈區(qū)域性密集分布,當(dāng)泊車用戶行駛到一個(gè)停車區(qū)域內(nèi)時(shí),可以明顯的觀察到某個(gè)車位附近的所有可用空車位從而使泊車用戶車位的選擇具有多樣性,利用車位的這種密集分布特性我們可以大大挺高用戶的動(dòng)態(tài)泊車概率,進(jìn)而增加停車效率。

        圖1 地下停車場(chǎng)車位分布示意圖

        1.2 停車位模型

        為了更具體化的研究A*算法在動(dòng)態(tài)停車路徑規(guī)劃中的應(yīng)用,需將道路交叉口、電梯、停車位、停車場(chǎng)車輛駛?cè)肟诤?jiǎn)化為節(jié)點(diǎn),于是,停車場(chǎng)整體的網(wǎng)絡(luò)結(jié)構(gòu)就轉(zhuǎn)化為有向(無向)帶權(quán)圖[6-7],如圖2所示。其中,阿拉伯?dāng)?shù)字(0~99)表示停車位的節(jié)點(diǎn)集合,Ci表示電梯、路口拐點(diǎn)、停車場(chǎng)車輛入口的節(jié)點(diǎn)集合,任意兩個(gè)節(jié)點(diǎn)間的路段為邊,邊的權(quán)值另行存儲(chǔ),不在帶權(quán)圖中顯示。結(jié)合圖1停車場(chǎng)內(nèi)部車位對(duì)稱性的特點(diǎn),將部分路段的上下兩排車位節(jié)點(diǎn)合并成一排,以減少需要遍歷的總節(jié)點(diǎn)數(shù)。

        針對(duì)節(jié)點(diǎn)信息的存儲(chǔ),所有節(jié)點(diǎn)都按照(x,y)坐標(biāo)的形式進(jìn)行標(biāo)記,將相鄰兩個(gè)節(jié)點(diǎn)間對(duì)應(yīng)的x,y坐標(biāo)差的絕對(duì)值之和作為表征兩個(gè)節(jié)點(diǎn)間邊的權(quán)值量化[9],權(quán)值為A*算法路徑規(guī)劃做數(shù)據(jù)支撐,其數(shù)據(jù)準(zhǔn)確性在一定程度上決定了算法精確度。

        圖2 停車位及路段帶權(quán)圖

        2 路徑規(guī)劃算法選擇

        目前,地下停車場(chǎng)中常用的路徑規(guī)劃算法主要有Dijkstra算法、A*算法等。

        Dijkstra[7-10]算法是經(jīng)典的最短路徑算法,用于求任意兩個(gè)節(jié)點(diǎn)間的最短路徑。算法的基本思想為:把帶權(quán)圖中所有的車位節(jié)點(diǎn)集合分成兩個(gè)組,第一組為所有未遍歷頂點(diǎn)集合N,第二組為已求出最短路徑的頂點(diǎn)集合G,初始時(shí)G中只有源節(jié)點(diǎn),對(duì)與G相連的節(jié)點(diǎn)進(jìn)行擴(kuò)展,選擇代價(jià)最小的路徑,就將它對(duì)應(yīng)的頂點(diǎn)放入到集合G中,循環(huán)擴(kuò)展直到全部頂點(diǎn)都放入到G中。

        A*算法[13]是基于經(jīng)典Dijkstra的一種啟發(fā)式搜索算法,通過估價(jià)函數(shù)來約束其搜索方向,可定義A*算法的估價(jià)函數(shù)為[11]

        f(n)=g(n)+h(n)

        (1)

        式中,f(n)為當(dāng)前節(jié)點(diǎn)的路徑代價(jià)估計(jì);g(n)為初始節(jié)點(diǎn)到臨時(shí)節(jié)點(diǎn)n的實(shí)際路徑代價(jià);h(n)為臨時(shí)節(jié)點(diǎn)n到目標(biāo)節(jié)點(diǎn)的路徑代價(jià)估計(jì)。A*算法的基本思想為[12]:創(chuàng)建OPEN表、CLOSED表,OPEN表用以保存所有擴(kuò)展的節(jié)點(diǎn),CLOSED表用以記錄已訪問過的節(jié)點(diǎn)。初始時(shí)將源節(jié)點(diǎn)S放入OPEN 表中,對(duì)與S相連的節(jié)點(diǎn)進(jìn)行擴(kuò)展并放入OPEN表,取出OPEN表中具有最小估價(jià)函數(shù)值的臨時(shí)節(jié)點(diǎn)n并放入CLOSED表中,循環(huán)擴(kuò)展臨時(shí)節(jié)點(diǎn)n直到目標(biāo)節(jié)點(diǎn)放入CLOSED中。

        綜上所述,相比于經(jīng)典Dijkstra算法的全節(jié)點(diǎn)遍歷,得益于A*算法啟發(fā)函數(shù)的約束,A*算法更加靈活的按照其估價(jià)函數(shù)進(jìn)行啟發(fā)式搜索,從而大大減少其遍歷的節(jié)點(diǎn)數(shù),提高了算法搜索效率。在路徑最優(yōu)解方面,Dijkstra算法保證找到最優(yōu)路徑,而啟發(fā)式函數(shù)h(n)的選取決定了A*算法的精確度[11],h(n)的選取主要有以下三種情況:

        1)當(dāng)h(n)小于臨時(shí)節(jié)點(diǎn)n到目標(biāo)節(jié)點(diǎn)的實(shí)際路徑代價(jià)時(shí),搜索的車位節(jié)點(diǎn)數(shù)多,算法搜索效率低,但能求得最優(yōu)解。

        2)當(dāng)h(n)等于臨時(shí)節(jié)點(diǎn)n到目標(biāo)節(jié)點(diǎn)的實(shí)際路徑代價(jià)時(shí),搜索將嚴(yán)格按照最短路徑進(jìn)行,此時(shí)的算法搜索效率最高。

        3)當(dāng)h(n)大于臨時(shí)節(jié)點(diǎn)n到目標(biāo)節(jié)點(diǎn)的實(shí)際路徑代價(jià)時(shí),搜索的車位節(jié)點(diǎn)很少,算法搜索效率高,但是不保證求得最優(yōu)解。

        結(jié)合停車位及路段帶權(quán)圖,考慮到節(jié)點(diǎn)的坐標(biāo)存儲(chǔ)特性,故啟發(fā)式函數(shù)h(n)采用曼哈頓(Manhattan)距離[14],其表達(dá)式為:

        h(n)=|xA-xB|+|yA-yB|

        (2)

        其中:(xA,yA)表示臨時(shí)節(jié)點(diǎn)A的坐標(biāo)值;(xB,yB)表示目標(biāo)節(jié)點(diǎn)B的坐標(biāo)值。

        由圖2的結(jié)構(gòu)可知,h(n)總是小于等于臨時(shí)節(jié)點(diǎn)n到目標(biāo)節(jié)點(diǎn)的實(shí)際路徑代價(jià),因此保證泊車用戶能按照最優(yōu)路徑進(jìn)行泊車。綜合以上分析,本文采用A*算法進(jìn)行動(dòng)態(tài)泊車試驗(yàn)的研究。

        3 A*算法的優(yōu)化和實(shí)現(xiàn)

        3.1 優(yōu)化A*算法

        在正常泊車的過程中由于空車位的實(shí)時(shí)變動(dòng)性以及隨機(jī)分布性,當(dāng)泊車用戶隨機(jī)選取單個(gè)空車位作為目標(biāo)節(jié)點(diǎn)進(jìn)行路徑規(guī)劃時(shí),車位的頻繁變更直接影響泊車用戶的泊車成功概率以及體驗(yàn)。針對(duì)這一問題,本文提出了帶約束條件的A*優(yōu)化算法,基本思想:由獲知的空停車位信息以及節(jié)點(diǎn)的坐標(biāo)特性,對(duì)空車位比較密集的不同矩形區(qū)域分別進(jìn)行限定[15-17],并選取矩形區(qū)域中具有最小x坐標(biāo)的節(jié)點(diǎn)作為此區(qū)域的目標(biāo)節(jié)點(diǎn)。此最小x坐標(biāo)的節(jié)點(diǎn)代表整個(gè)矩形區(qū)域中所有可用的空車位節(jié)點(diǎn),由帶權(quán)圖2可知,從入口初始節(jié)點(diǎn)C1開始搜索時(shí),只需要搜索到具有最小x坐標(biāo)的節(jié)點(diǎn)即可,故在進(jìn)行路徑規(guī)劃時(shí)選其作為目標(biāo)節(jié)點(diǎn)很大程度上減少了遍歷節(jié)點(diǎn)的總數(shù),提高了算法搜索效率。同時(shí)按照停車場(chǎng)車位密集分布特性,矩形區(qū)域之內(nèi)可用的空車位較多,在停車位具有動(dòng)態(tài)變化因素的情況下,大大增加了泊車用戶的泊車成功概率,保證了泊車用戶車位選擇的多樣性和泊車體驗(yàn)。

        由停車位的概率分布特性,泊車成功概率可定義為:

        Pa=1-(m)na

        (3)

        3.2 A*優(yōu)化算法的實(shí)現(xiàn)

        由仿真給定的空車位的實(shí)時(shí)信息,根據(jù)車位節(jié)點(diǎn)之間的坐標(biāo)特性,將相鄰空車位節(jié)點(diǎn)間坐標(biāo)差值的絕對(duì)值作為矩形區(qū)域限定的度量依據(jù),分別對(duì)空車位分布較密集的區(qū)域進(jìn)行限定,最終選擇目標(biāo)節(jié)點(diǎn)并進(jìn)行路徑規(guī)劃,通過不斷擴(kuò)展具有最小估價(jià)函數(shù)值f(n)=Min{f(n)}的臨時(shí)節(jié)點(diǎn)BestNode,直至目標(biāo)節(jié)點(diǎn)并輸出目標(biāo)節(jié)點(diǎn)的泊車概率和遍歷節(jié)點(diǎn)總數(shù)。

        算法實(shí)現(xiàn)的具體步驟如下。

        Step 1:對(duì)空車位分布比較密集的區(qū)域分別進(jìn)行矩形限定并標(biāo)記,隨機(jī)選取一個(gè)矩形限定區(qū)域,將此區(qū)域中具有最小x坐標(biāo)的節(jié)點(diǎn)作為目標(biāo)節(jié)點(diǎn)。

        Step 2:創(chuàng)建空的OPEN、CLOSED表,并將初始節(jié)點(diǎn)S放入OPEN表中,設(shè)f(c1)=0。

        Step 3:若OPEN表為空,初始化失敗,退出程序。

        Step 4:將初始節(jié)點(diǎn)S記為算法規(guī)劃的第一個(gè)節(jié)點(diǎn)BestNode,并將其放入CLOSED表中。

        Step 5:判斷第一個(gè)節(jié)點(diǎn)BestNode是否為目標(biāo)節(jié)點(diǎn),若是則輸出最短路徑、停車成功概率以及遍歷的節(jié)點(diǎn)數(shù),否則執(zhí)行下一步。

        Step 6:擴(kuò)展BestNode節(jié)點(diǎn),選擇f(n)=Min{f(n)}的節(jié)點(diǎn)作為下一個(gè)BestNode。

        Step 7:判斷當(dāng)前的節(jié)點(diǎn)BestNode是否為目標(biāo)節(jié)點(diǎn),若是則輸出最短路徑、停車成功概率以及遍歷的節(jié)點(diǎn)數(shù),否則執(zhí)行第6步。

        Step 8:循環(huán)第6、7步直到目標(biāo)節(jié)點(diǎn)放入到CLOSED表中,輸出最短路徑、泊車成功概率以及遍歷的節(jié)點(diǎn)數(shù)。

        4 仿真結(jié)果與實(shí)驗(yàn)分析

        基于優(yōu)化后的A*算法,以VC++6.0環(huán)境為實(shí)驗(yàn)平臺(tái),結(jié)合實(shí)際停車場(chǎng)中空車位的不確定性和動(dòng)態(tài)性,對(duì)停車場(chǎng)泊車成功概率以及算法搜索效率進(jìn)行了研究。通過存儲(chǔ)的車位以及交叉路口等節(jié)點(diǎn)信息畫出節(jié)點(diǎn)圖,仿真給定隨機(jī)空車位的信息,并由隨機(jī)空車位的節(jié)點(diǎn)坐標(biāo)信息進(jìn)行矩形區(qū)域限定,隨機(jī)選取其中一個(gè)區(qū)域限定的目標(biāo)節(jié)點(diǎn),最終進(jìn)行動(dòng)態(tài)泊車路徑規(guī)劃,同時(shí)由所選矩形區(qū)域中的可用節(jié)點(diǎn)數(shù)計(jì)算出泊車成功概率和算法搜索效率。其中規(guī)劃的最短路徑用綠色線條標(biāo)出,限定區(qū)域用矩形標(biāo)出,最終仿真結(jié)果如圖3所示。

        圖3 仿真結(jié)果示意圖

        由上面的概率定義可知,Pr、Pa分別為優(yōu)化前和優(yōu)化后的泊車成功概率,其實(shí)驗(yàn)結(jié)果如下表所示。

        表1 A*算法優(yōu)化前與優(yōu)化后的泊車成功概率比較

        表2 A*算法優(yōu)化前與優(yōu)化后的泊車成功概率比較

        表3 A*算法優(yōu)化前與優(yōu)化后的遍歷節(jié)點(diǎn)數(shù)比較

        在停車場(chǎng)動(dòng)態(tài)泊車時(shí),停車場(chǎng)的繁忙程度決定著車位占用概率即m值的大小,結(jié)合實(shí)際停車情況,本文分別取表征不同停車繁忙程度的m值為2/3和1/2來驗(yàn)證泊車成功概率,從上表1、2的橫向?qū)Ρ葘?shí)驗(yàn)數(shù)據(jù)看出,優(yōu)化后的A*算法在動(dòng)態(tài)泊車路徑規(guī)劃中的應(yīng)用大大提高了泊車成功概率,且隨著m取值的增大泊車成功概率提升幅度亦增大,表明優(yōu)化后的A*算法對(duì)解決停車高峰期動(dòng)態(tài)泊車問題的優(yōu)化效果更加明顯,從而提高了車位的利用率以及減少了用戶的泊車時(shí)間。而從表3看出,相比于Dijkstra 算法的全節(jié)點(diǎn)遍歷,A*算法的遍歷節(jié)點(diǎn)最多為35個(gè)約等于總節(jié)點(diǎn)數(shù)的1/3。從圖3的動(dòng)態(tài)路徑規(guī)劃示意圖可知,矩形區(qū)域中有37、42等多個(gè)可用空車位節(jié)點(diǎn),結(jié)合空車位的密集分布特性,文中采用最小x坐標(biāo)的42號(hào)節(jié)點(diǎn)作為動(dòng)態(tài)路徑規(guī)劃的目標(biāo)節(jié)點(diǎn)進(jìn)一步減少了遍歷節(jié)點(diǎn)的總數(shù),很大程度的提高了算法的運(yùn)行效率。

        5 結(jié)語

        本文從實(shí)際停車問題出發(fā),結(jié)合停車效率以及路徑規(guī)劃提出了泊車成功概率概念,以泊車成功概率和算法搜索效率為主要評(píng)價(jià)指標(biāo),通過矩形限定區(qū)域約束法對(duì)A*算法進(jìn)行優(yōu)化,將動(dòng)態(tài)泊車導(dǎo)致的停車效率問題轉(zhuǎn)化為泊車概率問題,圍繞車位實(shí)時(shí)變化情況下的動(dòng)態(tài)路徑規(guī)劃問題展開研究。實(shí)驗(yàn)結(jié)果顯示,優(yōu)化后的算法提高了泊車成功概率和算法運(yùn)行效率,這將大大減少用戶在停車高峰期不斷盲目尋找車位的時(shí)間,保證泊車用戶能夠以最短的規(guī)劃路徑且較高的泊車概率進(jìn)行泊車,進(jìn)而提高停車用戶的停車體驗(yàn)以及停車位的利用率,具有一定的實(shí)用研究?jī)r(jià)值。但此算法仍有一定的缺點(diǎn),由于空車位的隨機(jī)分布性,泊車成功概率較高的目標(biāo)區(qū)域距離初始節(jié)點(diǎn)的路徑花費(fèi)有可能較高,泊車成功概率與路徑花費(fèi)的權(quán)衡可以作為A*算法在停車場(chǎng)動(dòng)態(tài)泊車應(yīng)用中的一個(gè)研究方向。

        猜你喜歡
        空車泊車車位
        基于插電式混動(dòng)汽車的自動(dòng)泊車控制策略
        基于MATLAB的平行泊車路徑規(guī)劃
        基于CarSim的平行泊車仿真分析
        為了車位我選擇了環(huán)保出行
        汽車畫刊(2020年5期)2020-10-20 05:37:35
        我自己找到一個(gè)
        Arrive平臺(tái)新增智能泊車推薦引擎 幫助找到最佳泊車地點(diǎn)
        以翻車機(jī)空車線為例對(duì)自動(dòng)防溜系統(tǒng)的分析和思考
        一個(gè)車位,只停一輛?
        火車翻車機(jī)空車調(diào)車系統(tǒng)的優(yōu)化改進(jìn)
        山東冶金(2017年2期)2017-05-10 08:20:50
        基于時(shí)間窗的鐵路重載運(yùn)輸空車回送優(yōu)化
        一本一道人人妻人人妻αv| 国产一区二区三区精品成人爱| 麻豆人妻性色av专区0000| 国产一区二区在线中文字幕| 一本色道久久亚洲综合| 成人毛片一区二区| 亚州精品无码久久aV字幕| 日本在线视频二区一区| 午夜视频在线观看视频在线播放| 女人被狂躁到高潮视频免费网站| 亚洲AV永久青草无码性色av | 亚洲精品国产av成拍| 无码国产精品一区二区av| 精品久久人人妻人人做精品| 亚洲高清国产品国语在线观看| 天涯成人国产亚洲精品一区av| 初尝人妻少妇中文字幕| 97人人超碰国产精品最新o| 胳膊肘上有白色的小疙瘩| 美艳善良的丝袜高跟美腿| 精品人妻伦九区久久aaa片| 久久精品这里只有精品| 亚洲综合av一区在线| 日韩大片高清播放器大全| 色翁荡息又大又硬又粗又视频图片 | 精品综合久久88少妇激情| 国产精品无码v在线观看| 国产精品密播放国产免费看 | 人妻中文字幕一区二区视频| 久久久久久亚洲av成人无码国产 | 亚洲av永久青草无码精品| 国产女优一区在线观看| 国产好大好硬好爽免费不卡| 人妻熟妇乱系列| 网址视频在线成人亚洲| 丰满少妇被粗大猛烈进人高清| 国偷自产av一区二区三区| 亚洲视频精品一区二区三区| 男人天堂网2017| 最新亚洲精品国偷自产在线| 国产高清一区在线观看|