李旭紅

摘要：智能立體停車庫的停車位資源的合理分配能夠節(jié)約用戶等待時間和存取車能量消耗。介紹了環(huán)井式立體停車庫的主要結構和工作原理，以停車庫尋址策略為研究對象，提出了智能存車尋址算法，并通過搭建停車庫存取車仿真實驗平臺，模擬了停車庫長時間工作時的智能存車和普通存車兩種算法的車位資源分配，對兩種存車策略的存取車分配結果數(shù)據(jù)進行分析，驗證了智能存車算法的正確性，得出智能存車算法對于車位平均分配、節(jié)約存取車時間、能源消耗的提升效果。

Abstract： Reasonable allocation of parking space resources in intelligent spatial parking garage can save users' waiting time and energy consumption of accessing vehicles. The structure and working principle of the ring-well type three-dimensional parking garage were introduced. Aiming at the parking garage addressing strategy， an intelligent parking addressing strategy algorithm was proposed. According two different algorithms of the parking resource allocation， intelligent parking and general parking resource allocation in long-time use of the parking equipment was simulated based on a parking simulation experimental platform. By analyzing the data of the experiment， the validity of the intelligent storage algorithm is verified. The results show the intelligent storage strategy's advantage in equilibrium， time saving and energy saving of accessing vehicles.

關鍵詞：立體停車庫;智能存車;車位資源分配;仿真實驗

Key words： spatial parking equipment;intelligent parking;parking space resources allocation;simulation experiment

0? 引言

由于傳統(tǒng)的停車場長期存在管理效率低、停車難度大、停車體驗差等問題，如今“停車難”問題十分嚴重。機械式自動化立體停車庫的普及和應用能夠緩解此類問題。但是，現(xiàn)階段國內(nèi)立體停車庫智能化程度普遍較低，存車尋址多采用單一的“就近原則”，這種尋址策略雖然在單次的存取車的時間和耗能是最低的，但停車庫的使用情況受當?shù)氐拇嫒≤囶l率、交通情況、停車時長差異等因素影響，“就近原則”尋址策略并不是最優(yōu)的尋址策略。若長期采用“就近原則”尋址策略將造成停車庫車位資源分配浪費。本文提出的智能停車尋址策略能夠定期綜合分析當前的存車情況，自動調(diào)整更加省時節(jié)能的尋址策略，提高停車庫的調(diào)度效率，減少用戶等待時間，節(jié)約存取車能源消耗。

1? 環(huán)井式立體停車庫的機械結構與工作原理

環(huán)井式立體停車庫是一種新型的地下立體停車設備，具有容積率高、自動化、智能化等特點。環(huán)井式立體停車庫的機械結構如圖1所示，主要由地面設施、載車平臺、停車庫鋼架和升降系統(tǒng)等組成。環(huán)井式立體停車庫有5層共50個存車位，每層10個車位，呈放射狀圓周均布。地面設施為停車庫地面部分的安全輔助裝置，包括出入口引導路段、IC磁卡刷卡機、自動門及路障裝置、車輛檢測裝置等，能夠輔助用戶安全地將車駛入停車庫，對車輛進行入庫前的安全檢測，并引導用戶通過IC磁卡刷卡機進行存取車操作。載車平臺是承載車輛進出車庫的運動平臺，其結構包括旋轉裝置、載車板、載車板行走裝置等。停車庫鋼架為承載存車的主體機械結構，用于固定支撐車庫和存放車輛。載車托盤升降系統(tǒng)是實現(xiàn)存取車過程中立體停車庫載車平臺在停車庫井道中垂直運動和定位的裝置。升降系統(tǒng)以鋼繩滑輪組為傳動方式，主要由曳引機、變頻器、鋼繩、滑輪組、配重塊和T型導軌組成。此外，停車庫內(nèi)安裝多種傳感器，如行程開關、接近開關、激光測距儀等，用于車庫狀態(tài)信號采集、車輛安全檢測以及運動過程控制。 停車庫控制系統(tǒng)以SINAMICS S7-1200 PLC為主控制模塊，主要控制變頻器、繼電器開關、指示燈等執(zhí)行機構，控制系統(tǒng)包括智能停車模塊、停車管理模塊、運動控制模塊、HMI人機界面等部分。

以存車為例，立體停車庫的使用流程如下：首先將汽車駛入載車托盤中央，隨后在車庫外的刷卡機刷卡，通過觸摸屏人機界面發(fā)出存車命令，系統(tǒng)將根據(jù)用戶選擇的存車模式完成存車尋址。停車庫系統(tǒng)尋址完成后，載車板將輪胎固定并抬起汽車，隨后載車平臺載車經(jīng)過升降、旋轉和行走等一系列動作到達目標停車位，載車板釋放輪胎并卸下汽車，載車板及載車平臺歸位后，存車作業(yè)。取車過程類似，不再贅述。

2? 智能車位分配優(yōu)化策略

2.1 存取車占用資源分析

在停車庫的使用過程中，每個停車位占用空間和時間兩種停車位資源。由于目標停車位處于不同的高度和位置，完成一次存取車作業(yè)的所消耗的能量和存取車時間都會有所差異。表1的數(shù)據(jù)展示了某立體停車庫各層車位單次存取車的時耗及能耗差異。由表可知，深層存車位的使用會消耗更多的能量和用戶等待時間，故以深層車位為尋址目標的存取車事件占用的停車位空間資源相對淺層存車位更高。

此外，由于每次存取車事件的停車時長差異，存取車事件占用的停車位時間資源也不相同。本文采用的智能存車尋址算法，包括單次智能存車尋址算法和多次自適應存車算法。單次智能存車尋址算法考慮存車時長、層車位平均分配等因素，確定最優(yōu)尋址位置。多次自適應存車算法通過周期性地對長時間段內(nèi)采集到的存、取車情況數(shù)據(jù)進行分析，動態(tài)調(diào)整單次存車算法的層優(yōu)先級規(guī)則，從而實現(xiàn)停車位資源的自適應分配。

2.2 單次存車智能尋址調(diào)度算法

2.2.1 層優(yōu)先級計算

存車尋址選擇存車層時，傳統(tǒng)的存車策略采用“就近原則”，即選擇距離地面出口最近的可用存車層，層優(yōu)先級順序為A>B>C>D>E。但是，“就近原則”忽略了存車庫占用存車時長的使用資源，時間資源分配不合理將造成不必要的能耗和時間的浪費。單次存車的時長與存車頻次成負相關，存車時長越短，同一時間段內(nèi)的存取車次數(shù)越多。由前文可知，淺層存車位占用的使用資源較低，因此，存車選址時若采用“緊湊原則”，即將短時高頻的存車作業(yè)盡量分配到淺層存車位中，反之，將長時低頻的存車作業(yè)盡量分配到深層車位中，停車庫存車動作的平均的能耗和時間將會降低。

就單次存車而言，用戶的存車行為是隨機的，無法預測用戶于何時開始存車，并且也無法預測用戶將存車的時長。為解決此問題，智能存車軟件中預設了三段存車時長，由此設置了三種存車模式，分別是短時停車模式、日常存車模式和長時存車模式，用戶可以在軟件組態(tài)的觸摸屏用戶使用界面中進行選擇。為了實現(xiàn)存車選址的“緊湊原則”，單次智能存車尋址算法中引入了層優(yōu)先級計算。三種停車模式下的默認層優(yōu)先級順序見表2。

2.2.2 位優(yōu)先級計算

立體停車庫每層中的10個存車位呈環(huán)形放射狀分布，由前文可知，托盤旋轉到達每個存車位所消耗的能量和時間也存在差異。選擇目標車位時，若采用最節(jié)能省時的“就近原則”，系統(tǒng)將優(yōu)先選擇距離托盤初始位置角位移最小的小編號車位。但此方法存在弊端，經(jīng)過多次存取車作業(yè)后，小編號車位的使用次數(shù)明顯高于同層的大編號車位，造成同層車位的使用分布不均，由于高頻使用，少數(shù)車位損壞過快疲勞加劇。為解決此問題，存車尋址中對位優(yōu)先級進行計算。

對每個存車位設有使用系數(shù)，每當車位完成一次存車和取車作業(yè)時，該車位的使用系數(shù)增加1。使用系數(shù)越低，其位優(yōu)先級越高。計算該層各車位的位優(yōu)先級時，選擇優(yōu)先級最高的車位為目標存車位，即選擇首個使用系數(shù)最低的可存車位。

2.3 多次自適應存車算法

由于停車庫周邊產(chǎn)業(yè)結構差異、附近人們從事的活動差異、客流量差異等多種復雜因素，不同地點的停車庫使用情況會有所差異。根據(jù)《2017中國智慧停車行業(yè)大數(shù)據(jù)報告》的統(tǒng)計結果顯示，對于不同利用性質(zhì)土地的車輛停放時間，2017年全國城市各土地利用性質(zhì)車輛平均停放時間如表3所示。

此外，車輛的停放時間與存取頻率也受時效性因素影響，如早晚高峰、節(jié)假日等。因此，若對不同的使用情況下的所有停車庫停車行為采取相同的存車尋址方式，車位資源未能得到合理的分配，導致車位資源浪費。為解決此問題，智能存車系統(tǒng)將采用多次存車自適應算法，系統(tǒng)能夠對長時間段的存、取車情況數(shù)據(jù)進行分析，周期性調(diào)整層優(yōu)先級規(guī)則，動態(tài)調(diào)整至調(diào)度效率最高的層優(yōu)先級規(guī)則，從而實現(xiàn)停車庫自適應、自調(diào)節(jié)的智能高效運作。

日常停車和長時停車模式的層優(yōu)先級順序方案選擇是一個多屬性決策問題，以下將介紹存車占比評估算法解決此問題。

2.3.1 基本定義

存車占比評估系數(shù)m1、m2計算完成后，系統(tǒng)將根據(jù)計算結果分別對日常停車模式及長時停車模式的層優(yōu)先級規(guī)則進行調(diào)整，日常停車占比評估系數(shù)m1與層優(yōu)先級規(guī)則如表4所示。當評估系數(shù)m1的值較小時，日常停車模式下的優(yōu)先級層將整體向下層調(diào)整，淺層停車資源將更優(yōu)先地分配給短時存車;反之，當評估系數(shù)m1的值較大時，此時日常停車的綜合占比相對較高，優(yōu)先級層將整體向上層調(diào)整。同理，由表4可見，當評估系數(shù)m2的值較小時，長時停車的綜合占比相對較低，長時停車模式下的優(yōu)先級層將整體向下層調(diào)整，系統(tǒng)將停車庫的淺層停車資源更優(yōu)先地分配給短時存車和日常存車;反之，當評估系數(shù)m2的值較大時，優(yōu)先級層將整體向上層調(diào)整。

由上述的存車占比評估算法，在停車庫使用一段時間后，經(jīng)過多次存取車輛，系統(tǒng)根據(jù)存車情況數(shù)據(jù)，周期性地記錄和結算存車占比評估系數(shù)，從而對層優(yōu)先級順序規(guī)則反復調(diào)整，使得停車庫處于動態(tài)自適應狀態(tài)，自動選擇適合近期存車選擇情況的最佳層優(yōu)先級規(guī)則，對每種時長的存車選擇都盡可能地保留最合適的存車位。

2.4 智能尋址算法的實現(xiàn)

本文采用TIA博途V15軟件實現(xiàn)智能尋址算法，程序的編程語言為LAD及SCL語言。智能尋址算法程序如圖2所示。

3? 尋址算法對比實驗與效果分析

搭建停車庫存取車仿真實驗平臺，通過隨機存取車對比實驗模擬長時段停車庫的存取車情況，對存取車數(shù)據(jù)進行分析，驗證智能存車算法的正確性和有效性。實驗通過智能存車算法與普通存車的存取車數(shù)據(jù)對照比較，進一步驗證智能尋址策略提升停車庫整體調(diào)度效率的優(yōu)越性，評估智能存車算法在停車庫停車所需時間、能量消耗、同層車位存車次數(shù)方差等指標中的提升效果。

3.1 實驗平臺功能實現(xiàn)

停車庫存取車仿真實驗平臺主要分為三大功能模塊：隨機存取車行為仿真、存取車尋址仿真和實驗數(shù)據(jù)處理。實驗平臺的整體功能架構如圖3所示。

3.1.1 隨機存取車行為仿真

存車事件包含有多個信息屬性，包括存車時間點、存車間隔時間、預計存車時長、實際存車時長等。本實驗僅討論所有存取車行為都為正確使用停車庫的情況，理想情況下，所有停車行為的預計存車時長與實際存車時長相等。針對距存車間隔時間和實際存車時長兩個信息屬性，為豐富信息屬性的多樣性，在隨機存取車行為數(shù)據(jù)庫全局BD塊中建立了隨機存車間隔時間數(shù)組與隨機存車時長數(shù)組。數(shù)據(jù)庫數(shù)組中預設了多種時間長度的值，可供隨機存取車事件生成程序中的變量賦值和數(shù)據(jù)調(diào)用。

隨機存取車事件生成程序通過生成隨機數(shù)選取數(shù)組數(shù)據(jù)的方式將信息屬性分配給每個存車事件。隨機存取車事件生成時，程序根據(jù)隨機數(shù)的值調(diào)用隨機存車時長數(shù)據(jù)和隨機存車間隔數(shù)組中的數(shù)據(jù)，完成隨機信息屬性分配。

3.1.2 存取車尋址仿真

取車尋址仿真是將隨機存取車事件通過尋址算法得出存取車目標車庫，隨后將車輛存入或取出車庫，最終改變車位工作狀態(tài)并可視化的過程。實驗分為智能存車和普通存車兩組，分別采用智能尋址算法和“就近原則”的普通尋址算法計算尋址車位。

3.1.3 實驗數(shù)據(jù)提取與可視化

為進一步觀察和對比兩組實驗數(shù)據(jù)的變化差異，停車庫使用情況和存取車數(shù)據(jù)將通過實驗仿真界面可視化。存取車所需時間和能量消耗兩組數(shù)據(jù)采用TIA博途中趨勢視圖控件實現(xiàn)，該控件可實時監(jiān)控兩組數(shù)據(jù)的變化曲線，在數(shù)據(jù)查看畫面中進行數(shù)據(jù)觀察和分析。實驗仿真界面如圖4所示。

3.2 智能存車算法對比實驗方案與結果分析

本實驗通過隨機生成包含多種信息屬性的存取車事件，模擬某地環(huán)井式立體停車庫存車500次的工作情況。實驗分為智能存車實驗組和普通存車對照組，假設兩組車庫采用相同的隨機存取車事件作為信號源和相同的停車庫初始狀態(tài)，而分別采用智能存車算法和普通存車算法對存車事件進行尋址計算，得到兩組不同的停車庫車位資源分配結果。實驗以存取車時間消耗、能源消耗數(shù)據(jù)為分析依據(jù)，評估兩種尋址策略的省時效果和節(jié)能效果;以每層車庫的平均使用頻次數(shù)據(jù)為依據(jù)，對停車位平均使用指標進行評估。

通過停車庫存取車仿真實驗，得到的實驗結果如圖5所示。對比智能存車與普通存車的停車位資源分配結果可知，智能存車相較于普通存車的淺層存車位使用次數(shù)更高，智能存車算法將更多的淺層存車位資源分配給高頻次的短時停車事件，整體的車位資源分配更加合理。此外，分析各車位存車次數(shù)數(shù)據(jù)，計算各停車層存車次數(shù)方差，如表6所示。由表可知，智能存車各層存車方差都明顯低于普通存車的各層存車方差，由此可知，智能存車的同層停車位的資源分配相比普通存車更加平均。

根據(jù)存取車時間和能量消耗變化曲線可知，在實驗初期，由于停車庫中的空車位較多，存車事件明顯多于取車事件，此時普通存車的“就近原則”尋址策略更為省時快速，普通存車的時間消耗低于智能存車;隨著存車事件次數(shù)增加，取車事件也相繼觸發(fā)，由于受到停車位容量的限制，在存車次數(shù)達到一定次數(shù)后，存車、取車事件的發(fā)生頻率大致相等，停車庫空位數(shù)量變化相對穩(wěn)定，此時智能存車算法的優(yōu)勢逐漸體現(xiàn)出來，智能存車的時間和能源消耗逐漸降低至普通存車以下，并且兩者差距逐漸擴大。圖中曲線的局部放大部分顯示了普通存車的存取車時間消耗超過智能存車時間消耗的曲線變化。存車次數(shù)達到500次時，實驗中智能存車比普通存車的存取車時間消耗節(jié)省了2206.1s，省時效果為6.07%，存取車能量消耗共節(jié)約4064.9kW·h，節(jié)能效果為16.96%。

4? 結束語

本文以停車庫尋址策略為研究對象，提出了智能存車尋址算法，并通過搭建停車庫存取車仿真實驗平臺模擬停車庫長時間工作時的智能存車和普通存車兩種算法的車位資源分配，對兩種存車策略的存取車分配結果數(shù)據(jù)進行分析，驗證了智能存車算法的正確性和有效性。最終得出以下結論：①智能存車算法能夠有效提高整體停車庫的調(diào)度效率，降低同層車位使用次數(shù)方差，降低了車庫平均故障率。②智能存車算法在停車庫長期使用中能夠起到省時節(jié)能的作用，相比普通存車策略節(jié)省等待時間約6%，節(jié)約能源約17%。

參考文獻：

[1]張仰森，劉安宇.智能化立體倉庫入庫貨位分配的綜合優(yōu)化算法[J].計算機科學，2010，37（12）：175-177.

[2]楊莎.面向立體倉儲系統(tǒng)的堆垛機建模仿真與尋址算法研究[D].長安大學， 2012.

[3]賀惜.基于泊位共享理論的停車場選址優(yōu)化模型及其建設序列研究[D].北京交通大學，2018.

[4]徐澤水，達慶利.多屬性決策的組合賦權方法研究[J].中國管理科學，2002，V（2）：84-87.

[5]關榆君，和淼.基于用戶行為的立體車庫車輛停放調(diào)度研究[J].華北理工大學學報：自然科學版，2019（1）：112-117.

[6]張歡歡.自動化立體倉庫的若干關鍵技術與仿真[D].浙江大學，2008.

[7]呂雙.基于排隊論的立體車庫泊位規(guī)模和車輛存取速度計算方法研究[D].北京交通大學，2017.

[8]梁英，方園，李建國.平面移動式立體車庫分區(qū)存取策略仿真與分析[J].物流科技，2015，38（08）：88-90.

[9]魏麗.基于巷道堆垛式立體車庫的車輛存取策略算法研究[D].重慶交通大學，2014.

[10]呂洪柱，張凌宇，廉佐政.立體車庫智能存取車控制算法設計[J].軟件工程師，2015，18（12）：52-53，41.

[11]江代君.巷道堆垛式立體車庫排隊及庫位優(yōu)化研究[D].重慶大學，2014.