基于泊位诱导及短时预测的智能停车管理系统研究
|
摘要
智能停车管理系统作为智能交通系统的一部分,其主要功能是从静态交通方面改善和缓解城市交通拥堵。随着停车难和停车场泊位利用效率相对较低的矛盾日益突出,本文在分析现代智能停车管理系统功能需求、停车特性及有效泊位变化规律的基础上,提出了高效泊位诱导系统和停车场有效泊位短时预测方法,以充分发挥静态交通系统在改善城市动态交通方面的作用。
了解国内外停车管理系统发展趋势,结合国内停车管理需求和停车特性,提出完善的系统设计方案,在此基础上对泊位诱导及短时预测作深入研究。根据停车行为确定泊位诱导系统功能需求、组成结构、信息发布策略及诱导过程,在建立停车场泊位网络结构的基础上,用数据结构中十字链表存储节点的方法对Dijkstra最短路算法进行改进,结合最优化原则,将改进算法应用于系统中以实现高效诱导,利用Visual C++和数据库开发技术实现泊位诱导仿真演示系统。
分析研究停车场历史数据,总结有效泊位变化规律,在深入研究GM(1,1)与马尔柯夫预测模型适用性和借鉴短时交通量预测方法的基础上,提出基于灰色马尔柯夫模型的停车场有效泊位短时预测方法,结合Excel在预测中的应用,实例分析检验模型预测精度和方法的可行性。
As a part of Intelligent Traffic System, the main function of Intelligent Parking Management System is to improve and reduce urban traffic congestion from static traffic system. With the increasing contradiction between difficult parking and lower utilization of parking space, this assay put forward views that efficient parking space guidance system and method to predict the available parking space in order to well improve urban dynamic traffic from static traffic system based on the analysis on the demand of Intelligent Parking Management System, characteristics of parking and variant of available parking space.
Comprehend trends of abroad and home Parking Management System. Together with the demand of domestic parking management and parking characteristics, propose advanced designing program of this system. And then make deeply research on parking space guidance system and short-term prediction of available parking space. Define the demand, composition, strategy on delivering information and guidance process of parking space guidance system depending on parking activity. In order to realize efficient guidance, optimize Dijkstra shortest path algorithm with the method of orthogonal list in Data Structure and apply it in this system with optimization theory based on building parking space net. And then develop a simulation demo system of parking space guidance with Visual C++ and database technology. Analysis and research on the historical data of parking lot, and find the variant of available parking space. Make a deeply research on applicability of GM(1,1) and Markov model and reference to the method of predicting short-term traffic flow. Propose the method to predict short-term available parking space based on Gray-Markov model. And then test the precision of this model by concrete example with the application of Excel in prediction.
了解国内外停车管理系统发展趋势,结合国内停车管理需求和停车特性,提出完善的系统设计方案,在此基础上对泊位诱导及短时预测作深入研究。根据停车行为确定泊位诱导系统功能需求、组成结构、信息发布策略及诱导过程,在建立停车场泊位网络结构的基础上,用数据结构中十字链表存储节点的方法对Dijkstra最短路算法进行改进,结合最优化原则,将改进算法应用于系统中以实现高效诱导,利用Visual C++和数据库开发技术实现泊位诱导仿真演示系统。
分析研究停车场历史数据,总结有效泊位变化规律,在深入研究GM(1,1)与马尔柯夫预测模型适用性和借鉴短时交通量预测方法的基础上,提出基于灰色马尔柯夫模型的停车场有效泊位短时预测方法,结合Excel在预测中的应用,实例分析检验模型预测精度和方法的可行性。
As a part of Intelligent Traffic System, the main function of Intelligent Parking Management System is to improve and reduce urban traffic congestion from static traffic system. With the increasing contradiction between difficult parking and lower utilization of parking space, this assay put forward views that efficient parking space guidance system and method to predict the available parking space in order to well improve urban dynamic traffic from static traffic system based on the analysis on the demand of Intelligent Parking Management System, characteristics of parking and variant of available parking space.
Comprehend trends of abroad and home Parking Management System. Together with the demand of domestic parking management and parking characteristics, propose advanced designing program of this system. And then make deeply research on parking space guidance system and short-term prediction of available parking space. Define the demand, composition, strategy on delivering information and guidance process of parking space guidance system depending on parking activity. In order to realize efficient guidance, optimize Dijkstra shortest path algorithm with the method of orthogonal list in Data Structure and apply it in this system with optimization theory based on building parking space net. And then develop a simulation demo system of parking space guidance with Visual C++ and database technology. Analysis and research on the historical data of parking lot, and find the variant of available parking space. Make a deeply research on applicability of GM(1,1) and Markov model and reference to the method of predicting short-term traffic flow. Propose the method to predict short-term available parking space based on Gray-Markov model. And then test the precision of this model by concrete example with the application of Excel in prediction.
引文
[1]广州市交通发展年度报告2008[R].广州：广州市交通规划研究所,2008
[2]邓应伟.停车场智能管理系统[D].长沙：湖南大学,2006
[3]周嗣恩,韩凤春.智能化停车管理体系研究[J].中国人民公安大学学报(自然科学版),2008,1：86-90
[4]杨兆升,陈晓东.智能化停车诱导系统有效停车泊位数据的预测技术研究[J].交通运输系统工程与信息,2003,3(4)：12-15
[5]陈群,宴克非,王仁涛,等.基于相空间重构及Elman网络的停车泊位数据预测[J].同济大学学报(自然科学版),2007,35(5)：607-611
[6]Ji Yanjie, Wang Wei, Deng Wei. Available parking space occupancy characteristics and short-term forecasting model [J]. Journal of Southeast University (English Edition),23(4): 604-608
[7]梁玉庆,吴敬一,关积珍,等.城市停车诱导显示牌空车位数发布的预测方法研究[A].第一届中国智能交通年会论文集[C].上海：同济大学出版社,2005：82-87
[8]鲍晓东.智能停车场及其停车诱导系统设计方法的研究[D].北京：北京工业大学,2008
[9]李界家,原宝龙,朱栋华,等.智能停车场技术及发展趋势[J].房材与应用,2002,30(4)：41-43
[10]付江成,王勇.智能停车场调度管理系统的设计开发[J].城市智能交通,2007,11：138-139
[11]刘伟东.停车场智能化管理的探讨[J].铁道工程学报,2004,3：122-124
[12]季彦婕,王炜,邓卫.停车场内部泊车行为分析及最优泊位选择模型[J].东南大学学报(自然科学版),2009,39(2)：399-403
[13]Young W. PARKSM:a net work model for parking facility design [J]. Traffic Engineering and Control,1986,27(10):606-613
[14]Young W, Thompson R. PARKSM:a computer graphics approach for parking-lot layout [J]. Traffic Engineering and Control,1987,28(9):120-123
[15]var der Waerden Peter, Borgers Aloys, Timmermans Harry. Travelers'micro-behavior at parking lots:a model of parking choice behavior [C]. Proceedings of the 82nd Annual Meeting of the Transportation Research Board Washington DC,2003:1-12
[16]Leephakpreeda Thananchai. Car-parking guidance with fuzzy know ledge-based decision making [J]. Building and Environment,2007,42(2):803-809
[17]陈玲秋.停车场车位引导系统探析[J].智能建筑,2006,7：19-21
[18]徐璐,杨玉珍,陈阳舟.基于中关村西区的地下停车诱导系统设计[J].交通与计算机,2005,23(4)：75-78
[19]王泓,郑苦苦,王波.地下停车诱导系统设计探讨[J].山东建筑大学学报,2007,22(3)：211-213
[20]高吕和.基于最短路径的停车场内部诱导系统设计方法研究[J].北京工业职业技术学院学报,2007,6(2)：39-41
[21]郑慧,范忠诚.零基础学Visual C++[M].北京：机械工业出版社,2008：26-29,375-378
[22]魏权龄,胡显佑,严颖.运筹学通论[M].北京：中国人民大学出版社,2001：297-304
[23]吴清烈,尤海燕,徐士钰,等.运筹学[M].南京：东南大学出版社,2004：214-215
[24]王一军,陶杰.现代大型停车场车位诱导优化算法及仿真[J].计算机仿真,2007,24(11)：176-178
[25]邓应伟,张帆.停车场泊车路径寻优问题研究[J].计算技术与自动化,2006,25(1)：53-54
[26]严蔚敏,吴伟民.数据结构(C语言版)[M].北京：清华大学出版社,1997：164-165
[27]杨兆生,谷远利.实时动态交通流预测模型研究[J].公路交通科技,1998,15(3)：4-7
[28]蔡岩.基于灰色预测模型的短期交通流预测研究[D].成都：西南交通大学,2009
[29]胡光宇.战略：预测与决策[M].北京：清华大学出版社,2005：169-184
[30]邓聚龙.灰色预测与决策[M].武汉：华中理工大学出版社,1986：125-134
[31]宋光平.铁路货运量预测方法综述[D].北京：北京交通大学,2007
[32]何勇,鲍一丹,吴江明.随机型时间序列预测方法的研究[J].系统工程理论与实践,1997,1：36-43
[33]盖春英,裴玉龙.公路货运量灰色模型-马尔柯夫链预测方法研究[J].中国公路学报,2003,16(3)：113-116
[34]胡群芳,徐伟,刘文.灰色马尔柯夫模型在交通量预测中的应用[J].河南科学,2005,23(2)：247-250
[35]罗积玉,邢瑛.经济统计分析方法及预测[M].北京：清华大学出版社,1987：347-348
[36]夏乐天.马尔柯夫链预测方法及其在水文预测中的应用[D].南京：河海大学,2005
[37]张益,高蓉.实时交通量的灰色马尔柯夫预测方法[J].南京师大学报(自然科学版),2009,32(2)：41-45
[38]蒋承仪.灰色马尔柯夫预测模型[J].重庆建筑大学学报,1996,18(3)：116-122
[39]岳朝龙,王琳.股票价格的灰色-马尔柯夫预测[J].系统工程,1999,17(6)：54-59
[40]陈鹏,孙全欣.基于灰色马尔柯夫过程的铁路货运量预测[J].铁道运输与经济,2005,27(4)：65-67
[2]邓应伟.停车场智能管理系统[D].长沙：湖南大学,2006
[3]周嗣恩,韩凤春.智能化停车管理体系研究[J].中国人民公安大学学报(自然科学版),2008,1：86-90
[4]杨兆升,陈晓东.智能化停车诱导系统有效停车泊位数据的预测技术研究[J].交通运输系统工程与信息,2003,3(4)：12-15
[5]陈群,宴克非,王仁涛,等.基于相空间重构及Elman网络的停车泊位数据预测[J].同济大学学报(自然科学版),2007,35(5)：607-611
[6]Ji Yanjie, Wang Wei, Deng Wei. Available parking space occupancy characteristics and short-term forecasting model [J]. Journal of Southeast University (English Edition),23(4): 604-608
[7]梁玉庆,吴敬一,关积珍,等.城市停车诱导显示牌空车位数发布的预测方法研究[A].第一届中国智能交通年会论文集[C].上海：同济大学出版社,2005：82-87
[8]鲍晓东.智能停车场及其停车诱导系统设计方法的研究[D].北京：北京工业大学,2008
[9]李界家,原宝龙,朱栋华,等.智能停车场技术及发展趋势[J].房材与应用,2002,30(4)：41-43
[10]付江成,王勇.智能停车场调度管理系统的设计开发[J].城市智能交通,2007,11：138-139
[11]刘伟东.停车场智能化管理的探讨[J].铁道工程学报,2004,3：122-124
[12]季彦婕,王炜,邓卫.停车场内部泊车行为分析及最优泊位选择模型[J].东南大学学报(自然科学版),2009,39(2)：399-403
[13]Young W. PARKSM:a net work model for parking facility design [J]. Traffic Engineering and Control,1986,27(10):606-613
[14]Young W, Thompson R. PARKSM:a computer graphics approach for parking-lot layout [J]. Traffic Engineering and Control,1987,28(9):120-123
[15]var der Waerden Peter, Borgers Aloys, Timmermans Harry. Travelers'micro-behavior at parking lots:a model of parking choice behavior [C]. Proceedings of the 82nd Annual Meeting of the Transportation Research Board Washington DC,2003:1-12
[16]Leephakpreeda Thananchai. Car-parking guidance with fuzzy know ledge-based decision making [J]. Building and Environment,2007,42(2):803-809
[17]陈玲秋.停车场车位引导系统探析[J].智能建筑,2006,7：19-21
[18]徐璐,杨玉珍,陈阳舟.基于中关村西区的地下停车诱导系统设计[J].交通与计算机,2005,23(4)：75-78
[19]王泓,郑苦苦,王波.地下停车诱导系统设计探讨[J].山东建筑大学学报,2007,22(3)：211-213
[20]高吕和.基于最短路径的停车场内部诱导系统设计方法研究[J].北京工业职业技术学院学报,2007,6(2)：39-41
[21]郑慧,范忠诚.零基础学Visual C++[M].北京：机械工业出版社,2008：26-29,375-378
[22]魏权龄,胡显佑,严颖.运筹学通论[M].北京：中国人民大学出版社,2001：297-304
[23]吴清烈,尤海燕,徐士钰,等.运筹学[M].南京：东南大学出版社,2004：214-215
[24]王一军,陶杰.现代大型停车场车位诱导优化算法及仿真[J].计算机仿真,2007,24(11)：176-178
[25]邓应伟,张帆.停车场泊车路径寻优问题研究[J].计算技术与自动化,2006,25(1)：53-54
[26]严蔚敏,吴伟民.数据结构(C语言版)[M].北京：清华大学出版社,1997：164-165
[27]杨兆生,谷远利.实时动态交通流预测模型研究[J].公路交通科技,1998,15(3)：4-7
[28]蔡岩.基于灰色预测模型的短期交通流预测研究[D].成都：西南交通大学,2009
[29]胡光宇.战略：预测与决策[M].北京：清华大学出版社,2005：169-184
[30]邓聚龙.灰色预测与决策[M].武汉：华中理工大学出版社,1986：125-134
[31]宋光平.铁路货运量预测方法综述[D].北京：北京交通大学,2007
[32]何勇,鲍一丹,吴江明.随机型时间序列预测方法的研究[J].系统工程理论与实践,1997,1：36-43
[33]盖春英,裴玉龙.公路货运量灰色模型-马尔柯夫链预测方法研究[J].中国公路学报,2003,16(3)：113-116
[34]胡群芳,徐伟,刘文.灰色马尔柯夫模型在交通量预测中的应用[J].河南科学,2005,23(2)：247-250
[35]罗积玉,邢瑛.经济统计分析方法及预测[M].北京：清华大学出版社,1987：347-348
[36]夏乐天.马尔柯夫链预测方法及其在水文预测中的应用[D].南京：河海大学,2005
[37]张益,高蓉.实时交通量的灰色马尔柯夫预测方法[J].南京师大学报(自然科学版),2009,32(2)：41-45
[38]蒋承仪.灰色马尔柯夫预测模型[J].重庆建筑大学学报,1996,18(3)：116-122
[39]岳朝龙,王琳.股票价格的灰色-马尔柯夫预测[J].系统工程,1999,17(6)：54-59
[40]陈鹏,孙全欣.基于灰色马尔柯夫过程的铁路货运量预测[J].铁道运输与经济,2005,27(4)：65-67