【技术实现步骤摘要】
一种智能停车场调度方法及系统
[0001]本专利技术涉及智能调度
,具体涉及一种智能停车场调度方法及系统
。
技术介绍
[0002]随着城市发展和汽车普及,停车难成为了一大社会问题
。
为了解决这个问题,全自动停车场应运而生
。
全自动停车场可以高效利用空间,提高停车效率,减少人力成本
。
然而,全自动停车场的车位寻找及路径规划问题仍然具有挑战性
。
为了实现自动泊车环节的智能化,研究者们已经尝试采用各种控制策略和优化算法,如基于模型预测控制
MPC
的方法和基于强化学习的方法
。
[0003]MPC
方法可以预测系统未来行为,并进行优化控制决策
。
这种方法在给定路线的车辆运动中非常适用,但在复杂的全自动停车场场景中,
MPC
方法难以应对多智能体协作和动态环境
。
强化学习是一种自适应算法,能够通过与环境交互来学习最佳策略
。
基于强化学习的方法在多智能体协作和动态环境中具有较好的性能
。
然而,现有的强化学习方法在实际应用中存在收敛速度慢
、
计算复杂度高等问题
。
[0004]另外,物联网和无线通信技术的发展促进了具有低延迟和实时处理要求的计算密集型应用的出现,如计算机视觉
、
自然语言处理和自动驾驶
。
然而,停车场计算资源有限的移动设备很难为用户提 ...
【技术保护点】
【技术特征摘要】 【专利技术属性】
1.
一种智能停车场调度方法,其特征在于,包括如下步骤:基于自动泊车混合控制器进行自动泊车的步骤;基于车载边缘计算给出定价策略指导停放车辆参与计算的步骤
。2.
根据权利要求1所述的智能停车场调度方法,其特征在于,所述基于自动泊车混合控制器进行自动泊车的步骤,包括如下:基于
MPC
控制器模型完成车辆沿巡航路径寻找车位过程的步骤;基于
PPO
智能体完成车辆完成泊车过程的步骤
。3.
根据权利要求2所述的智能停车场调度方法,其特征在于,所述
MPC
控制器模型构建如下:首先,建立关于车辆位置
(x
,
y)、
车辆加速度
a、
车辆速度
v、
车辆转向角速度
δ
、
车辆前轮间距
L
f
、
车辆航向角
ψ
、
车辆航行轨迹与参考路径的误差
cte
的约束条件:
x
t+1
=
x
t
+
υ
t
*cos
ψ
t
*dt
,
y
t+1
=
y
t
+
υ
t
*sin
ψ
t
*dt
,
ψ
t+1
=
ψ
t
+
υ
t
/L
f
*
δ
t
*dt
,
υ
t+1
=
υ
t+a*dt
,
cte
t+1
=
f(x
t
)
‑
y
t
+
υ
t
*sin(e
ψ
t
)*dt
,
e
ψ
t+1
=
ψ
t+1
+
υ
t
/L
f
*
δ
t
*dt.
利用车辆航行轨迹与参考路径的误差
cte、
航向角误差
e
ψ
、
偏移量误差
eL
,速度误差
eSp
,车辆状态角误差
eAng
构建滚动优化函数
J
:最后基于现实情况给出限制条件求解此模型即可指导汽车完成沿着巡航路径的寻找车位过程
。4.
根据权利要求1所述的智能停车场调度方法,其特征在于,所述基于车载边缘计算给出定价策略指导停放车辆参与计算的步骤,包括如下:构建多阶段
Stackelberg
博弈模型,基于该博弈模型建立优化问题,利用逆向归纳方法对模型进行求解的步骤;根据结果给出配套的定价策略指导任务分配的步骤
。5.
技术研发人员:吴华明,雷松鑫,李俊毅,郭鑫垚,张妤,郑璐,王意骁,
申请(专利权)人:天津大学,
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。