【技术实现步骤摘要】
一种AVP条件下共享停车供需匹配方法
[0001]本专利技术涉及共享停车
，尤其是涉及一种AVP条件下共享停车供需匹配方法。
技术介绍
[0002]随着当前汽车保有量的上升，停车难问题愈来愈严重。共享停车作为利用现有停车设施解决停车难问题的一种方式，与新建停车设施相比，不仅改造费用少、周期短，而且效果更加显著。共享停车中泊位拥有者通过出租空闲时段的车位获取收益，车辆拥有者则利用共享车位停放车辆，车位利用率越高、双方获得的收益越大、资源浪费越少。但如何合理匹配这些具有时间、空间差异的共享停车需求与供给，则是实现共享停车亟待解决的问题。
[0003]自动代客泊车机器人(Autonomous Valet Robot，AVP)通过搬运车辆将车辆在两个相续的时段停放于不同的车位，实现车辆移位。若将其应用于共享停车，利用车位闲暇的小时段进行停车，则可以解决传统共享停车中因车辆在其共享停车需求时间内只能停放于一个车位，而导致的车位利用率低与共享停车需求无法满足共存的问题，在最大化满足停车需求的同时，进一步提升共享停车的泊位利...
【技术保护点】
【技术特征摘要】
1.一种AVP条件下共享停车供需匹配方法，其特征在于，包括以下步骤：S1、为减少共享停车过程中不必要的移车次数，规定只能在停车需求时间和泊位供给时间的始末时刻利用自主泊车移动车辆，并以上述时刻为断点分割共享停车供需时间，刻画共享停车过程中车辆的移位情况；S2、在时段分割的基础上，定义e
v，p，i
为时段i上车辆v停放在泊位p上的一个配对，e
0，p，i
表示时段i上没有车辆停放在泊位p，E
i
＝(e1，e2，...，e
j
)为时段i上所有的配对合理组合构成的时段配对；M＝(E1，E2，...，E
n
)表示所有时段配对合理组合构成的配对方案，n为分割时段个数，每个配对方案都有具体的移车次数；以最少的AVP移车次数最大化满足共享停车需求为优化目标，建立对应的数学模型；S3、将配对方案视为蚂蚁觅食轨迹，时段配对E
i
视为蚂蚁第i个轨迹点，结合随机探索和深度探索两种策略确定蚂蚁觅食路线上各轨迹点对应的具体配对；S4、将配对方案的移车次数视为蚂蚁觅食轨迹的长度，结合改进的蚁群算法，求解得到以最少AVP移车次数最大化满足共享停车需求的具体停车方案。2.根据权利要求1所述的一种AVP条件下共享停车供需匹配方法，其特征在于，所述步骤S2中建立的数学模型包括目标函数和第一约束条件、第二约束条件、第三约束条件，所述目标函数具体为AVP每次移动车辆的距离最小且AVP的移车次数最少；所述第一约束条件具体为任一时段上的停车需求必须得到满足；所述第二约束条件具体为任一时段的共享停车供给限制；所述第三约束条件具体为某一时段某车辆停放在泊位的决策变量范围。3.根据权利要求1所述的一种AVP条件下共享停车供需匹配方法，其特征在于，所述步骤S2的具体过程为：为使得所有的共享停车需求都可以被满足，假设任意时段的停车需求小于等于供给，采用表示时段i上车位p是否有供给；存在供给时，其值为1，否则为0；表示时段i上车辆v是否有停车需求；有停车需求时，其值为1，否则为0；l
p，q
表示从泊位p到泊位q的AVP移车距离，W表示一次移位的成本，建立得到对应的数学模型为：目标函数：第一约束条件：第二约束条件：第三约束条件：
其中，目标函数中第一个加和项使得AVP每次移动车辆的距离最小，第二个加和项使得AVP的移车次数最少，第三约束条件中时段i车辆v停放在泊位p时，决策变量否则为0。4.根据权利要求3所述的一种AVP条件下共享停车供需匹配方法，其特征在于，所述步骤S3中随机探索策略具体是随机生成一个时段的停车方案作为蚂蚁的轨迹点；所述深度探索策略具体是由轨迹点的信息素矩阵构建经典运输问题，选取信息素较多的配对方案作为轨迹点的备选值。5.根据权利要求4所述的一种AVP条件下共享停车供需匹配方法，其特征在于，所述步骤S3具体包括以下步骤：S31、设定随机探索概率γ∈(0，1)，以确定蚂蚁下一轨迹点；S32、生成一个随机数ε∈(0，1)，若如果γ＞ε，则随机生成一个时段i上的时段配对E
i
，作为蚂蚁的第i个轨迹点，否则执行步骤S33；S33、构造信息素矩阵：时段i上所有的共享停车需求构成集合V
i
、所有的开放泊位构成集合P
i
，以集合V
i
和集合P
i
...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。