【技术实现步骤摘要】
一种适用于停车场的智能价格调节系统、方法及存储介质
[0001]本专利技术涉及模型预测技术以及智能算法
,具体涉及一种适用于停车场的智能价格调节系统、方法及存储介质。
技术介绍
[0002]随着经济的发展,中小城市机动车增长迅速,非机动车在原有的基数上稳步上升,新型的车种不断增加,城市停车位缺口大,配建停车位严重不足,造成停车位的短缺。另外停车场规划不合理,大多停车场泊车位没按照规划设置,地方大的场地泊车位多,有闲置现象,泊车位没有得到充分利用。而场地小的地方因停车位少而泊车紧张。这种没有按照停车利用效率的不合理规划,导致停车位的更加短缺,有车不能泊位,有车不便泊位,有位不能泊车,成为停车场空停车位常见想象。
[0003]尽管当前停车位十分紧张,但许多停车场库使用率低,经济效益差。调查时发现有的停车场停车泊位数不及半数,究其原因是由于停车管理制度不健全,有些停车场收费高无原则;有的车主不愿出停车费而随意在路边停车;有的任意停放就近停车;有的单位停车库不对外,造成停车场闲置,更由于停车场设置不完善经营单一,驾车者不能得到相应的其它的服务而不愿停车。本专利技术旨在提高各个停车场车位的利用率,通过更低的收费标准引导驾车者将车停放在闲置车位较多的停车场,方便用车者的同时,提高停车场的经济收益。
技术实现思路
[0004]专利技术目的:本专利技术的目的是提供一种适用于停车场的智能价格调节系统、方法及存储介质,解决目前普遍存在的各停车场车位使用率不平衡的问题。
[0005]技术方案:本专利技 ...
【技术保护点】
【技术特征摘要】
1.一种适用于停车场的智能价格调节系统,其特征在于,包括:车流数据采集单元、智能监管系统、短期车位预测单元、停车费调整单元、报警系统以及用户端;所述车流数据采集与短期车位预测单元相连;所述智能监管系统分别与报警系统、短期车位预测单元相连,所述短期车位预测单元分别与用户端和停车费调整单元相连。2.根据权利要求1所述的一种适用于停车场的智能价格调节系统,其特征在于,所述智能监管系统包括:温度传感器、烟雾传感器及智能监控设备。3.根据权利要求1所述的一种适用于停车场的智能价格调节系统,其特征在于,所述短期车位预测单元包括:流量预测模型及短期车位剩余量模型;所述流量预测模型及短期车位剩余量模型相连。4.根据权利要求1所述的一种适用于停车场的智能价格调节系统,其特征在于,所述车流数据采集单元包括:若干个流量相机。5.一种根据权利要求1所述的一种适用于停车场的智能价格调节方法,其特征在于,包括以下步骤:(1)利用若干个流量相机采集前往停车场方向的汽车数量;(2)通过车流数据采集单元收集到数据建立IAO
‑
IWNN流量预测模型;(3)采用IAO算法对车流量预测模型参数进行优化;(4)建立IAO
‑
IWNN流量预测模型,将预测结果输入到短期车位剩余量预测模型中并进行预测,得到预测值;(5)将短期车位剩余量预测模型结果出入到费用调节模型中,进行停车费价格调整。6.根据权利要求5所述的一种适用于停车场的智能价格调节方法,其特征在于,所述步骤(3)具体如下:采用改进的天鹰优化算IAO法对改进小波神经网络初始参数进行优化,包括以下步骤:(31)随机初始化种群位置,种群位置矩阵如下所示:X
ij
=rand
×
(UB
j
‑
LB
j
)+LB
j
,i=1,2,.....,N j=1,2,...,Dim其中:N表示种群规模,Dim表示搜索空间的维度;(32)建立扩大搜索阶段数学模型,数学模型如下所示:(32)建立扩大搜索阶段数学模型,数学模型如下所示:其中,X(t)和X(t+1)分别表示AO算法在第t次和第t+1次迭代中的个体位置,X
best
(t)表示目前最佳个体位置,X
M
(t)表示种群平均位置,T表示最大迭代次数;
(33)建立缩小搜索阶段数据模型,模型公式如下所示:X2(t+1)=X
best
(t)
×
Levy(D)+X
R
(t)+(y
‑
x)*randx)*rand其中,Levy(D)表示莱维飞行策略,s是值为0.01的常数,u和v是范围在[0,1]之间的随机数;(34)确定x和y的飞行形状,x和y的飞行形状公式如下所示:y=r
×
cos(θ)x=r
×
sin(θ)r=r1+U
×
D1θ=
‑
ω
×
D1+θ1其中,r是搜索步长,取值范围为[1,20]之间的常数;(35)建立扩大开发阶段数学模型,数学模型如下所示:X3(t+1)=(X
best
(t)
‑
X
M
(t))
×
a
‑
rand+((UB
‑
LB)
×
rand+LB)
×
δ其中,a和δ表示开发的调整参数,且取值都为0.1;(36)建立缩小开发阶段数学模型,数学模型如下所示:X4(t+1)=QF
×
X
best
(t)
‑
(G1×
X(t)
×
rand)
‑
G2×
Levy(D)+rand
×
G1G1=2
×
rand
‑
1其中,QF(t)表示用于平衡搜索策略的质量函数值;G1表示在追踪猎物过程中AO的各种运动;G2表示线性递减的飞行斜率值,取值范围在[0,2]之间;(37)为了既保证算法对全局最优个体位置的勘探能力,又增强对搜索空间的覆盖,对算法的扩大开发阶段进行改进,改进公式如下所示:X3(t+1)=X
best
(t)+r2×
(X
r
(t)
‑
X
i
(t))+μ
×
(X...
【专利技术属性】
技术研发人员:郭仁威,周孟雄,汤健康,苏姣月,王夫诚,纪捷,陈帅,林张楠,温文潮,纪润东,孙娜,黄慧,荆佳龙,
申请(专利权)人:淮阴工学院,
类型:发明
国别省市:
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。