基于移动性权重分簇算法的智能停车位选择方法技术

本文公开了一种基于移动性权重分簇算法的智能停车位选择方法，其特征在于，包括如下步骤：1）最佳停车场选择评价指标的确定；2）最佳停车位选择；3）确定方案的属性决策矩阵；4）评价指标属性权重的确定；5）确定加权标准化决策矩阵；6）正负理想解的确定；7）相对接近度的计算；8）相对接近指数的确定。这种方法能提高信道利用率、节约汽车用户的停车时间、提高停车效率、缓解停车场周围的交通压力。缓解停车场周围的交通压力。缓解停车场周围的交通压力。

【技术实现步骤摘要】
基于移动性权重分簇算法的智能停车位选择方法


[0001]本专利技术涉及城市交通与通信
，具体是一种基于移动性权重分簇算法的智能停车位选择方法。

技术介绍

[0002]随着城市汽车数量的增多，我们在享受汽车带来的方便的同时也面临着停车带来的一系列问题，“互联网+停车”的模式为城市停车问题带来了新的研究方向。停车场实行对外停车位资源的共享，人们在实施出行路径规划的同时查找是否有合适的停车位信息并可以进行预约，这为开车出行的人带来了极大的便利。
[0003]但是现有停车场预约选择时只考虑了静态的一些评价指标，并没有考虑当前道路的通行状态，因此通过实时的计算从出发点到目的地的道路阻抗就可以反映当前的道路信息，并纳入停车场选择的评价指标中，但是这样会使得车辆反复从基站获取信息就增加了通信的压力、需要传输信息的重复，使得信道利用率不高，采用车辆分簇的方法可以达到车辆之间进行通信的同时使通信网络有稳定的拓扑结构，缓解了通信的压力，减小了信息重复传输和中断传输导致的能量损耗，提高了信道的利用率。
[0004]因此，在移动车载网络中，将车辆通过移动性权重分簇的方法进行分簇，获取车辆及周围邻居节点的信息计算车辆行驶道路上的路径阻抗，将这一反映道路交通状况的因素加入停车场选择的评价指标之中，对备选的停车场和停车位方案进行评价获得最优的停车场和停车位选择方案，在通信上减少了中断概率，提高了信道利用率，在城市交通方面节约汽车用户的停车时间，提高了停车效率，也从一定程度上缓解了停车场周围的交通压力。

技术实现思路
<br/>[0005]本专利技术的目的是针对现有技术的不足，而提供一种基于移动性权重分簇算法的智能停车位选择方法。这种方法能提高信道利用率、节约汽车用户的停车时间、提高停车效率、缓解停车场周围的交通压力。
[0006]实现本专利技术目的的技术方案是：
[0007]一种基于移动性权重分簇算法的智能停车位选择方法，包括如下步骤：
[0008]1)最佳停车场选择评价指标的确定：考虑停车场的综合属性对车主选择停车场的影响，选择四个属性作为评价的指标：分别为道路交通状况、行驶距离、步行距离、可预约停车位数，道路交通状况可以采用改进的移动性权重分簇算法MWCA(Mobility based Weighted Clustering Algorithm，简称MWCA)计算道路阻抗得到、距离可以采用各种地图软件获得、可预约车位数可以通过停车场信息管理平台获得；
[0009]2)最佳停车位选择：综合考虑停车场的情况和车主对停车位的喜爱程度，选择三个属性作为最佳停车位选择评价的指标：分别是行驶距离、步行距离、车两侧的停车情况，距离可以采用各种地图软件获得、车两侧情况可以通过停车场信息管理平台获得；
[0010]3)确定方案的属性决策矩阵：将车主对停车场和停车位的选择假设为多属性决策
问题的评价，假设每个问题待决策的方案有m个，组成方案集A＝{a1,a2,a3,
…
,a
m
}，每个方案有n＝{3,4}个属性作为评价指标，组成属性集B＝{b1,b2,b3,
…
,b
n
}；其中M＝{1,2,3,
…
,m}，N＝{1,
…
,n}，i∈M,j∈N，M、N为自然数构成的决策矩阵为X＝{x
ij
|i＝1,
…
,m,j＝1,2,3,
…
,n}，即：
[0011][0012]对属性决策矩阵X进行规范标准化后得到的矩阵为R＝(r
ij
)
m
×
n
如公式(1)所示：
[0013][0014]其中x
ij
∈X，r
ij
则是将X进行标准化后的矩阵R中的元素；
[0015]4)评价指标属性权重的确定：根据1
‑
9标度法来定义属性的权值并构造出判断矩阵，采用计算判断矩阵对应的特征向量来确定方案属性的主观权重，采用信息熵定义来确定方案属性的客观权重，再求平均计算出综合属性权重，设c
ij
为方案每个属性对该方案的影响程度，则构造判断矩阵C＝(c
ij
)
n
×
n
如公式(2)所示：
[0016][0017]设判断矩阵C的每一列进行归一化后的矩阵为E＝[μ1,μ2,
…
,μ
m
],m∈M，按行求和可得到判断矩阵的特征向量μ＝[α1,α2,
…
,α
m
]T
，即为方案属性的主观权重，
[0018]由信息熵定义可得到客观属性权重如公式(3)所示：
[0019][0020]其中δ
j
为第j项指标的信息权重，e
j
为第j项指标的信息熵，
[0021]综上，第j项属性对应的综合属性权重ω
j
如公式(4)所示：
[0022][0023]5)确定加权标准化决策矩阵：加权标准化决策矩阵V＝(v
ij
)
n
×
m
如公式(5)所示：
[0024]V＝Rω
ꢀꢀꢀꢀ
(5)；
[0025]6)正负理想解的确定：求取正理想解A
+
与负理想解A
‑
：
[0026][0027][0028]其中：
[0029][0030][0031][0032][0033]式中，是正理想解中的最优加权属性值，为负理想解中最劣加权属性值，I1为效益型指数集，指标越大对最终决策越有利、I2为成本型指数集、指标越小对最终决策越有利；
[0034]7)相对接近度的计算：计算每个方案的属性与正负理想解之间的距离如公式(12)、公式(13)所示：
[0035][0036][0037]其中，分别为第i个方案与正负理想解之间的距离；
[0038]8)相对接近指数的确定：计算每个方案与理想解决方案的相对接近指数如公式(14)所示：
[0039][0040]设求得的N个相对接近系数组成的矩阵为最后通过对求得的中每个元素进行排序，得出最佳的停车解决方案。
[0041]步骤1)中所述的改进的移动性权重分簇算法MWCA包括：
[0042]1)计算车辆行驶过程中通信信道的衰减模型为双瑞利衰落时的信道容量：由香农定理可知，双瑞利衰落信道下信息接收方的信道容量如公式(15)所示：
[0043]I＝lb(1+γ)
ꢀꢀꢀꢀ
(15)，
[0044]I表示能够以最小错误率传达信息时所需要的最大信息速率，其中γ表示簇头车辆接收信息瞬时接收信息信噪比；
[0045]2)计算车辆在通信范围内可以连接的其它车辆的总数：通常，给出的簇中时间t的节点i的邻居数量N
i
(t)计算公式如(本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于移动性权重分簇算法的智能停车位选择方法，其特征在于，包括如下步骤：1)最佳停车场选择评价指标的确定：选择四个属性作为评价的指标：分别为道路交通状况、行驶距离、步行距离、可预约停车位数，道路交通状况采用改进的移动性权重分簇算法MWCA计算道路阻抗得到、距离采用地图软件获得、可预约车位数通过停车场信息管理平台获得；2)最佳停车位选择：选择三个属性作为最佳停车位选择评价的指标：分别是行驶距离、步行距离、车两侧的停车情况，距离采用地图软件获得、车两侧情况通过停车场信息管理平台获得；3)确定方案的属性决策矩阵：将车主对停车场和停车位的选择假设为多属性决策问题的评价，假设每个问题待决策的方案有m个，组成方案集A＝{a1,a2,a3,
…
,a
m
}，每个方案有n＝{3,4}个属性作为评价指标，组成属性集B＝{b1,b2,b3,
…
,b
n
}；其中M＝{1,2,3,
…
,m}，N＝{1,
…
,n}，i∈M,j∈N，M、N为自然数构成的决策矩阵为X＝{x
ij
|i＝1,
…
,m,j＝1,2,3,
…
,n}，即：对属性决策矩阵X进行规范标准化后得到的矩阵为R＝(r
ij
)
m
×
n
如公式(1)所示：其中x
ij
∈X，r
ij
则是将X进行标准化后的矩阵R中的元素；4)评价指标属性权重的确定：根据1
‑
9标度法来定义属性的权值并构造出判断矩阵，采用计算判断矩阵对应的特征向量来确定方案属性的主观权重，采用信息熵定义来确定方案属性的客观权重，再求平均计算出综合属性权重，设c
ij
为方案每个属性对该方案的影响程度，则构造判断矩阵C＝(c
ij
)
n
×
n
如公式(2)所示：设判断矩阵C的每一列进行归一化后的矩阵为E＝[μ1,μ2,
…
,μ
m
],m∈M，按行求和得到判断矩阵的特征向量μ＝[α1,α2,
…
,α
m
]
T
，即为方案属性的主观权重，由信息熵定义可得到客观属性权重如公式(3)所示：其中δ
j
为第j项指标的信息权重，e
j
为第j项指标的信息熵，综上，第j项属性对应的综合属性权重ω
j
如公式(4)所示：5)确定加权标准化决策矩阵：加权标准化决策矩阵V＝(v
ij
)
n
×
m
如公式(5)所示：V＝Rω
ꢀꢀꢀ
(5)；6)正负理想解的确定：求取正理想解A
+
与负理想解A
‑
：
其中：其中：其中：其中：式中，是正理想解中的最优加权属性值，为负理想解中最劣加权属性值，I1为效益型指数集，I2为成本型指数集；7)相对接近度的计算：计算每个方案的属性与正负理想解之间的距离如公式(12)、公式(13)所示：式(13)所示：其中，分别为第i个方案与正负理想解之间的距离；8)相对接近指数的确定：计算每个方案与理想解决方案的相对接近指数如公式(14)所示：设求得的N个相对接近系数组成的矩阵为最后通过对求得的中每个元素进行排序，得出最佳的停车解决方案。2.根据权利要求1所述的基于移动性权重分簇算法的智能停车位选择方法，其特征在于，步骤1)中所述的改进的移动性权重分簇算法MWCA包括：1)计算车辆行驶过程中通信信道的衰减模型为双瑞利衰落时的信道容量：由香农定理可知，双瑞利衰落信道下信息接收方的信道容量如公式(15)所示：I＝lb(1+γ)
ꢀꢀꢀ
(15)，I表示能够以最小错误率传达信息时所需要的...

【专利技术属性】
技术研发人员：肖海林，陶琎，倪唯一，汪鹏君，周迪，沈君凤，周艳玲，潘永才，
申请(专利权)人：温州大学，
类型：发明
国别省市：