一种基于Agent仿真的智能停车泊位预约策略优化方法技术

本发明专利技术公开了一种基于Agent仿真的智能停车泊位预约策略优化方法。本发明专利技术的基本思想是车辆Agent通过对接收到的交通信息进行处理，结合自身静态属性和预设的逻辑规则更新动态属性，根据动态属性实现在路网中的移动和决策等行为。本发明专利技术通过仿真优化手段，对城市中心区域的智能停车泊位预约策略进行优化，通过合理配置优化后区域内各停车场的可预约泊位的比例，调节用户停车需求，缓解城市中心区域停车资源分布不均，局部停车场“一位难求”，局部停车场“无人问津”的现象，进而优化城市交通。

An optimization method of intelligent parking berth reservation strategy based on Agent simulation

The invention discloses an optimization method for intelligent parking berth reservation strategy based on Agent simulation. The basic idea of the invention is that the vehicle agent processes the traffic information received, updates the dynamic attributes with its static attributes and preset logic rules, and realizes the behavior of moving and decision-making in the road network according to the dynamic attributes. The invention optimizes the intelligent parking reservations strategy in the urban central area by means of simulation optimization, adjusts the parking demand of the users, alleviates the uneven distribution of parking resources in the urban central area, and makes the local parking lot difficult to obtain. The phenomenon of \no one is interested\ in local parking lots, and then optimize urban traffic.

【技术实现步骤摘要】
一种基于Agent仿真的智能停车泊位预约策略优化方法
本专利技术涉及基于Agent仿真的停车泊位预约策略优化方法，属于智能停车

技术介绍
基于Agent的建模理论和仿真技术是目前进行复杂系统仿真最具活力、最有影响的方法之一，其基本思想是通过模拟现实世界，将复杂系统划分为与之相应的Agent，以自底向上的方式，从研究个体微观行为入手，进而获得系统宏观行为。交通问题本质上是参与交通的每个个体(车辆)在路网上移动和决策的过程。然而，传统的静态交通分配和停车选择模型无法反映车辆间相互作用，是一个整体的停车选择概率。合理的泊位预约策略可以起到提高泊位利用率、盘活闲置资源、优化周边道路运行等效果；不合理的的泊位预约策略反而会造成车位资源浪费、供需矛盾进一步激化等恶果。因此，有必要对泊位预约策略效果进行分析评价并优化。
技术实现思路
本专利技术的目的在于提供一种基于Agent仿真的智能停车泊位预约策略优化方法。本专利技术的基本思想是车辆Agent通过对接收到的交通信息进行处理，结合自身静态属性和预设的逻辑规则更新动态属性，根据动态属性实现在路网中的移动和决策等行为。本专利技术包括以下步骤：c本文档来自技高网...

【技术保护点】
1.一种基于Agent仿真的智能停车泊位预约策略优化方法，其特征在于该方法包括以下步骤：c1、仿真基础条件设计，具体是：c11初始化仿真路网包括起始节点集合O、终止节点集合D、停车场节点集合P、交叉口节点C和路段集合S；初始化各类节点之间的连接属性、距离；初始化路段等级、通行能力Cs、自由流速度

【技术特征摘要】
1.一种基于Agent仿真的智能停车泊位预约策略优化方法，其特征在于该方法包括以下步骤：c1、仿真基础条件设计，具体是：c11初始化仿真路网包括起始节点集合O、终止节点集合D、停车场节点集合P、交叉口节点C和路段集合S；初始化各类节点之间的连接属性、距离；初始化路段等级、通行能力Cs、自由流速度预加载路网各路段初始流量qs(0)，利用BPR函数计算初始路网各路段的行程速度vs(0)、行程时间ts(0)，其计算如下：其中，αs、βs为路段s的BPR函数参数，Ls为路段s的长度；c12初始化停车场包括各停车场的容量Cp、可预约泊位的比例ηp、初始停车数xp(0)、停车费率fp、停车驶离率dp、最大忍受排队车辆长度mp、排队序列queuep、排队长度lp；则预约部分的可用泊位数其中[]为取整符号，非预约部分的可用泊位数假设初始时刻预约部分和非预约部分的实际停车泊位占有率是相等的，即其中，为预约部分车位的泊位占有率，为非预约部分车位的泊位占有率；c13初始化仿真环境包括仿真间隔、当前迭代次数，最大迭代次数，初始化仿真OD和预约用户的比例ηc；c2、智能停车预约系统Agent仿真模型建立，具体是：c21用户决策过程c211停车选择对于非预约用户：当用户到达路网中的交叉口，用户会进行停车选择，然后规划最短时间行驶路径；用户先筛选距目的地，步行距离在500m范围内的且不在到过的停车场序列的停车场；停车选择模型考虑行程时间、步行距离、预计巡游时间、预计排队时间、停车费用，停车场选择负效用的计算表示如下：其中，表示非预约车辆c从当前交叉口b到停车场p在第m次迭代中的停车选择效用，tbp(m)为第m次迭代中从当前交叉口b到停车场p的最短行驶时间，dpd为从停车场p到目的地d的步行距离，为预计巡游时间，为在第m次迭代中停车场p的预计排队时间，ζ为随机项，a1、a2、a3、a4、a6、a7分别为行驶时间、步行距离、预计巡游时间、预计等待时间、停车费用和随机项的重要系数，且各系数均小于0；根据效用最大化原则，非预约用户选择负效用最大的停车场作为目标停车场；确定目标停车场后，非预约用户根据当前路网的交通状况计算最短时间行驶路径，更新相关车辆属性；对于预约用户：在进入路网时进行停车选择；停车选择成本的因素包括行程时间、步行距离、预约费用、停车费用，停车场选择负效用的计算表示如下：其中，表示预约车辆c从当前交叉口b到停车场p在第m次迭代中的停车选择效用，tbp(m)为第m次迭代中从当前交叉口b到停车场p的最短行驶时间，dpd为从停车场p到目的地d的步行距离，为预计到达停车场p时刻即m+tbp时刻的预约费率，ζ为随机项，a1、a2、a5、a6、a7分别为行驶时间、步行距离、预约费用、停车费用和随机项的重要系数，且各系数均小于0；根据效用最大化原则，用户选择负效用最大的停车场作为目标停车场，更新用户的预约费用c212路径选择用户根据道路实际运行情况按照最短时间路径行驶，在每个交叉口，用户会依据Dijkstra算法进行一次路径优化选择；c22相关属性更新c221车辆位置更新在仿真过程中，每次迭代都需要更新车辆Agent的实时位置，从而实现车辆Agent在预设仿真环境中的移动，从而进一步获取仿真结果；在每次仿真中，每条路段上的交通流量可以测出，结合BPR函数可以计算出各个路段的行程速度vs和行程时间ts；如果车辆Agent位于路段上，则根据所...

【专利技术属性】
技术研发人员：章伟，梅振宇，冯驰，丁文超，邱海，
申请(专利权)人：浙江大学，
类型：发明
国别省市：浙江,33