天津站地区智能停车诱导系统关键技术研究
发布时间：2020-11-03 13:26
【摘要】：针对天津站地区停车难的问题,本文提出了天津站地区智能停车诱导系统,引导驾驶者以最优的路径到达最优停车场,从而节约驾驶者的时间,提高停车场的利用率,节约能源的消耗,缓解交通压力。目前国内的主要引导方法为用电子信息指示牌提供给驾驶者周围停车场的当前有效停车位数、到达停车场的路径等信息,不能预测到达停车场时的有效停车位数,导致驾驶者在当前位置时停车场未满,但是到达停车场时已经没有了有效停车位,且无法提供给驾驶者最优停车场的选择,导致浪费驾驶者的时间。本文的研究工作主要从以下几个方面展开的:1)介绍了智能停车诱导系统的研究背景及国内外发展,对系统的主要功能及系统的关键技术作了简要介绍,分析了天津站地区的主要停车场和主干道状况,并对其进行建模,用有向图表示主干道及其交叉口,并将停车场看作虚拟节点,将路口节点到相应的停车场的路径看作虚拟路径,因此为后面章节的研究奠定了基础。2)针对驾驶者从当前位置到达各停车场的最优路径及最短时间,本文用自适应遗传算法对其求解,因为求驾驶者从当前位置到停车场的最优路径及最短行驶时间,因此将停车场到各个路口节点的路阻权值看作无穷大。用自适应遗传算法对驾驶者进行诱导,得出了驾驶者从各个节点到达各停车场的最短时间及最优路径,为后面章节的有效停车位预测和最优停车场选择提供依据。3)针对驾驶者在当前位置时停车场还有空车位,到达停车场时已满的问题,分析传统预测算法的不足的基础上,提出了小波神经网络模型,用天津站后广场地下停车场的数据对其模型进行训练和预测分析,分析了小波神经网络的不足,并用粒子群优化算法对小波神经网络模型进行了优化,用同样的数据进行训练和预测,对其结果进行了分析,发现粒子群优化后更优。4)针对最优停车场选择的问题,本文在分析了停车场选择的影响因素的基础上,选择车辆运行时间、停车费率、步行时间、有效停车位作为效用函数的特征参量,提出了基于Logit模型的最优停车场选择。采用最大似然估计法对模型进行标定,并用标定后的模型求解选择各停车场的概率,进而为驾驶员选出了最优停车场。实验结果表明,标定的Logit模型可以实现最优停车场的选择。并结合第三章的最优路径选择,引导驾驶者以最优路径到达最优停车场。
【学位授予单位】：天津大学
【学位级别】：硕士
【学位授予年份】：2014
【分类号】：U495;U491.7;TP18
【图文】：
第一章 绪论，是覆盖城市最多的省，其次是浙江省，安装了 4 个停车诱诱导系统实施最多的地方是北京、上海、重庆、苏州等地，上虹口区、黄浦区等 10 个区域安装并实施了停车诱导系统，北府井、中关村等 7 个区域安装了停车诱导系统。01 年，北京王府井地区实施的智能停车诱导系统是我国第一统，王府井大街作为北京四大商业区之一，小汽车平均流量在有 14 个停车场，仅有 3676 个停车泊位[14]，而停车位的需求会出现有的停车场经常为满的状态，而有的停车场则还有许停车场的利用率，需要合理的调配区域内的各个停车场，将停的空满状态等有效信息及时准确地发布给驾驶者。该系统覆场超过 80%的停车位，指示牌显示该区域内各个停车场停车位驶者选择就近停车场停车，有利于解决车辆乱停放引起的交导指示牌如下图所示。
图 4-1 工作日有效停车位时段变化趋势图究表明，智能停车场中某一时刻的有效停车位数与前几个时段的有关，因此可以通过当前时刻与之前邻近几个时刻的有效停车位预测效停车泊位数。效停车泊位的传统预测方法介绍对有效停车位的预测问题的处理，具有影响因素分析法[35]，但由于泊位的因素较多，如停车场的类型（地面停车场和地下停车场）、、停车费用、停车场周围道路交通情况、天气情况、以及从出发点离等，这些因素的多样性，使得该方法很难对未来短时间内的有效确的分析和预测。了克服这些困难，后人提出了时间序列法，即根据有效停车位的过测到的一些数据，按照时间顺序构造序列模型，参考这些数据标
第四章 短时间内有效停车位预测分析train(net,inputn,outputn);%对网络进行训练练好的网络对有效停车泊位数进行预测，并对输出值进行反归一化=mapminmax( reverse ,yuce,outputps);%预测输出反归一化波神经网络模型进行车位预测分析津站后广场地下停车场的管理系统接口提取 2013 年 3 月份的四个间为 07:00~19:30，每隔 15 分钟记录一次的数据，共 200 个数据，数据进行模型的训练，用后 50 个数据进行预测分析。梯度下降法的小波神经网络预测模型取输入节点为 4 个，隐含层节出节点为 1 个，则有效停车位数和实际的停车位数的对比结果如图
【参考文献】
本文编号：2868636
【学位授予单位】：天津大学
【学位级别】：硕士
【学位授予年份】：2014
【分类号】：U495;U491.7;TP18
【图文】：
第一章 绪论，是覆盖城市最多的省，其次是浙江省，安装了 4 个停车诱诱导系统实施最多的地方是北京、上海、重庆、苏州等地，上虹口区、黄浦区等 10 个区域安装并实施了停车诱导系统，北府井、中关村等 7 个区域安装了停车诱导系统。01 年，北京王府井地区实施的智能停车诱导系统是我国第一统，王府井大街作为北京四大商业区之一，小汽车平均流量在有 14 个停车场，仅有 3676 个停车泊位[14]，而停车位的需求会出现有的停车场经常为满的状态，而有的停车场则还有许停车场的利用率，需要合理的调配区域内的各个停车场，将停的空满状态等有效信息及时准确地发布给驾驶者。该系统覆场超过 80%的停车位，指示牌显示该区域内各个停车场停车位驶者选择就近停车场停车，有利于解决车辆乱停放引起的交导指示牌如下图所示。
图 4-1 工作日有效停车位时段变化趋势图究表明，智能停车场中某一时刻的有效停车位数与前几个时段的有关，因此可以通过当前时刻与之前邻近几个时刻的有效停车位预测效停车泊位数。效停车泊位的传统预测方法介绍对有效停车位的预测问题的处理，具有影响因素分析法[35]，但由于泊位的因素较多，如停车场的类型（地面停车场和地下停车场）、、停车费用、停车场周围道路交通情况、天气情况、以及从出发点离等，这些因素的多样性，使得该方法很难对未来短时间内的有效确的分析和预测。了克服这些困难，后人提出了时间序列法，即根据有效停车位的过测到的一些数据，按照时间顺序构造序列模型，参考这些数据标
第四章 短时间内有效停车位预测分析train(net,inputn,outputn);%对网络进行训练练好的网络对有效停车泊位数进行预测，并对输出值进行反归一化=mapminmax( reverse ,yuce,outputps);%预测输出反归一化波神经网络模型进行车位预测分析津站后广场地下停车场的管理系统接口提取 2013 年 3 月份的四个间为 07:00~19:30，每隔 15 分钟记录一次的数据，共 200 个数据，数据进行模型的训练，用后 50 个数据进行预测分析。梯度下降法的小波神经网络预测模型取输入节点为 4 个，隐含层节出节点为 1 个，则有效停车位数和实际的停车位数的对比结果如图
【参考文献】
中国期刊全文数据库 前10条
1 王洪德;赵婷;;道路交通事故的灰色预测与黑点分析[J];大连交通大学学报;2014年01期
2 潘玉民;张晓宇;张全柱;薛鹏骞;;基于量子粒子群优化的小波神经网络预测模型[J];信息与控制;2012年06期
3 李军;;天津站交通枢纽智能交通系统设计[J];自动化与仪表;2010年05期
4 邓艾东;赵力;包永强;;粒子群优化小波神经网络用于碰摩声发射源定位[J];中国电机工程学报;2009年32期
5 李连庆;段学让;张梦怀;刘志;;关于加快停车设施建设缓解停车难问题的调研报告[J];天津经济;2009年01期
6 边海龙;陈光;杜天军;;基于小波神经网络的时变谐波信号检测[J];中国电机工程学报;2008年07期
7 孙涌;崔志明;;停车诱导系统中车位预测模型的研究[J];计算机应用与软件;2007年11期
8 陈群;晏克非;王仁涛;莫一魁;;基于相空间重构及Elman网络的停车泊位数据预测[J];同济大学学报(自然科学版);2007年05期
9 刘玉琦;焦莹;李竹;徐源;;天津站交通枢纽规划设计方案综述[J];现代城市轨道交通;2006年06期
10 邹亮,徐建闽;基于遗传算法的动态网络中最短路径问题算法[J];计算机应用;2005年04期
本文编号：2868636
本文链接：https://www.wllwen.com/kejilunwen/jiaotonggongchenglunwen/2868636.html
