一種停車誘導(dǎo)方法
【專利摘要】本發(fā)明提供了一種停車誘導(dǎo)方法，包括：獲取城市道路網(wǎng)區(qū)域中的實(shí)時(shí)道路交通數(shù)據(jù)和實(shí)時(shí)停車場(chǎng)數(shù)據(jù)，實(shí)時(shí)道路交通數(shù)據(jù)包括道路網(wǎng)數(shù)據(jù)；根據(jù)道路網(wǎng)數(shù)據(jù)構(gòu)建交通網(wǎng)絡(luò)拓?fù)鋱D；根據(jù)目的地和實(shí)時(shí)停車場(chǎng)數(shù)據(jù)生成候選停車場(chǎng)集合；以用戶需求數(shù)據(jù)為目標(biāo)函數(shù)，根據(jù)高維多目標(biāo)差分進(jìn)化算法從候選停車場(chǎng)集合選擇最優(yōu)停車場(chǎng)集合；利用單目標(biāo)差分進(jìn)化算法根據(jù)用戶的位置數(shù)據(jù)、用戶從最優(yōu)停車場(chǎng)集合中選擇的目標(biāo)停車場(chǎng)生成停車誘導(dǎo)結(jié)果。本發(fā)明的方法，既能實(shí)現(xiàn)出行前靜態(tài)的高維多目標(biāo)最優(yōu)停車場(chǎng)選擇及路徑誘導(dǎo)，又能在行進(jìn)中提供動(dòng)態(tài)實(shí)時(shí)的高維多目標(biāo)最優(yōu)停車場(chǎng)選擇及路徑誘導(dǎo)，充分考慮停車場(chǎng)及道路交通信息的動(dòng)態(tài)變化，有效提升停車誘導(dǎo)的精確性和智能化程度。
【專利說(shuō)明】
-種停車誘導(dǎo)方法
技術(shù)領(lǐng)域
[0001] 本發(fā)明設(shè)及智能交通領(lǐng)域，具體的講是一種停車誘導(dǎo)方法。
【背景技術(shù)】
[0002] 停車誘導(dǎo)系統(tǒng)（Parking Guidance System, PG巧是智能交通系統(tǒng)（Intelligent Transportation Systems, 口巧最重要的子系統(tǒng)之一，能夠提高駕駛者的停車成功率，減少 無(wú)效巡游路程進(jìn)而緩解交通擁塞，是提高城市停車管理水平、解決城市"停車難"問(wèn)題的有 效方法與途徑。
[0003] PGS -般由信息采集、信息傳輸、信息處理和信息發(fā)布等四個(gè)子系統(tǒng)組成，其中信 息處理子系統(tǒng)是PGS中最關(guān)鍵的子系統(tǒng)，核屯、技術(shù)包括智能化的停車場(chǎng)選擇及路徑誘導(dǎo)。 然而，目前國(guó)內(nèi)相關(guān)研究多側(cè)重于PGS系統(tǒng)整體構(gòu)架設(shè)計(jì)、誘導(dǎo)顯示屏布設(shè)等方面，關(guān)于智 能停車場(chǎng)選擇及路徑誘導(dǎo)行為決策的理論研究仍相對(duì)較少，相應(yīng)的系統(tǒng)開(kāi)發(fā)尚處于起步階 段。
[0004] 現(xiàn)有技術(shù)中的智能停車場(chǎng)選擇及路徑誘導(dǎo)使用的多目標(biāo)停車場(chǎng)選擇模型W駕駛 員使用最便利、可達(dá)性最強(qiáng)、停放成本最低等實(shí)際需求為選擇標(biāo)準(zhǔn)，利用加權(quán)求和法將多目 標(biāo)優(yōu)化選擇問(wèn)題轉(zhuǎn)化為單目標(biāo)優(yōu)化問(wèn)題，在此基礎(chǔ)上利用啟發(fā)式單目標(biāo)智能優(yōu)化算法計(jì)算 近似最優(yōu)選擇方案。但是現(xiàn)有技術(shù)的缺陷為：（1)采用的停車場(chǎng)多目標(biāo)優(yōu)化選擇模型均為 靜態(tài)模型，多為用戶在出行前提供決策方案，沒(méi)有考慮用戶行進(jìn)過(guò)程中停車場(chǎng)及道路交通 信息動(dòng)態(tài)變化造成的影響，不適應(yīng)實(shí)際動(dòng)態(tài)交通環(huán)境，不利于用戶實(shí)時(shí)更新調(diào)整選擇方案； (2)同時(shí)最大化滿足用戶差異性需求的停車場(chǎng)選擇及路徑誘導(dǎo)問(wèn)題本質(zhì)為多目標(biāo)優(yōu)化問(wèn)題 (Multi-Objective Optimization Problems, MOPs)，甚至為高維多目標(biāo)優(yōu)化問(wèn)題（即同時(shí) 需要滿足的用戶需求目標(biāo)數(shù)〉=4)，多個(gè)目標(biāo)之間往往相互沖突且高維的特性使得決策空 間及目標(biāo)空間中的計(jì)算復(fù)雜度和捜索難度急劇增加，該類問(wèn)題是目前國(guó)內(nèi)外智能優(yōu)化領(lǐng)域 最難解決的問(wèn)題之一。此外，采用現(xiàn)有技術(shù)的加權(quán)求和法將MOPs轉(zhuǎn)化為簡(jiǎn)單的單目標(biāo)優(yōu)化 問(wèn)題求解存在權(quán)重系數(shù)設(shè)置復(fù)雜、近似最優(yōu)解、需要預(yù)知用戶偏好信息等問(wèn)題。

【發(fā)明內(nèi)容】

[0005] 為克服現(xiàn)有技術(shù)中智能停車場(chǎng)選擇及路徑誘導(dǎo)方法中用戶需求目標(biāo)數(shù)少、不能適 應(yīng)實(shí)時(shí)變化的動(dòng)態(tài)交通環(huán)境，并且權(quán)重系數(shù)設(shè)置復(fù)雜、需要預(yù)知用戶偏好信息、算法求解精 度和穩(wěn)定性不高的問(wèn)題，本發(fā)明提供一種停車誘導(dǎo)方法，包括：
[0006] 采集城市道路網(wǎng)區(qū)域中的實(shí)時(shí)道路交通數(shù)據(jù)和實(shí)時(shí)停車場(chǎng)數(shù)據(jù)，其中，所述實(shí)時(shí) 道路交通數(shù)據(jù)包括道路網(wǎng)數(shù)據(jù)；
[0007] 根據(jù)所述道路網(wǎng)數(shù)據(jù)構(gòu)建交通網(wǎng)絡(luò)拓?fù)鋱D；
[0008] 根據(jù)目的地和所述實(shí)時(shí)停車場(chǎng)數(shù)據(jù)生成候選停車場(chǎng)集合；
[0009] W四項(xiàng)用戶需求數(shù)據(jù)為目標(biāo)函數(shù)，根據(jù)高維多目標(biāo)差分進(jìn)化算法從所述候選停車 場(chǎng)集合中選擇最優(yōu)停車場(chǎng)集合；
[0010] 利用單目標(biāo)差分進(jìn)化算法根據(jù)用戶的位置數(shù)據(jù)、用戶從所述最優(yōu)停車場(chǎng)集合中選 擇的目標(biāo)停車場(chǎng)、所述實(shí)時(shí)道路交通數(shù)據(jù)、實(shí)時(shí)停車場(chǎng)數(shù)據(jù)及交通網(wǎng)絡(luò)拓?fù)鋱D生成停車誘 導(dǎo)結(jié)果。
[0011] 具體的，本發(fā)明實(shí)施例中，根據(jù)目的地和所述停車場(chǎng)數(shù)據(jù)生成候選停車場(chǎng)集合包 括：
[0012] W目的地為圓屯、按預(yù)設(shè)的半徑范圍確定候選停車場(chǎng)分布；
[0013] 根據(jù)所述實(shí)時(shí)停車場(chǎng)數(shù)據(jù)和候選停車場(chǎng)分布生成候選停車場(chǎng)集合。
[0014] 具體的，本發(fā)明實(shí)施例中，用戶需求數(shù)據(jù)包括：停車場(chǎng)位置距離目的地的步行距 離、有效停車位數(shù)據(jù)、停車設(shè)施安全性數(shù)據(jù)W及停車場(chǎng)收費(fèi)數(shù)據(jù)。
[0015] 具體的，本發(fā)明實(shí)施例中，W用戶需求數(shù)據(jù)為目標(biāo)函數(shù)，根據(jù)高維多目標(biāo)差分進(jìn)化 算法從所述候選停車場(chǎng)集合選擇最優(yōu)停車場(chǎng)集合包括：
[0016] 根據(jù)所述用戶需求數(shù)據(jù)分別建立所述候選停車場(chǎng)集合中各停車場(chǎng)的目標(biāo)函數(shù)；
[0017] W所述候選停車場(chǎng)集合中各停車場(chǎng)的目標(biāo)函數(shù)為個(gè)體構(gòu)建種群；
[0018] 根據(jù)構(gòu)建的種群進(jìn)行高維多目標(biāo)差分進(jìn)化算法的K支配比較從所述候選停車場(chǎng) 集合中選擇最優(yōu)停車場(chǎng)集合。
[0019] 具體的，本發(fā)明實(shí)施例中，根據(jù)構(gòu)建的種群進(jìn)行高維多目標(biāo)差分進(jìn)化算法的K支 配比較從所述候選停車場(chǎng)集合選擇最優(yōu)停車場(chǎng)集合包括：
[0020] 計(jì)算構(gòu)建的種群中每個(gè)個(gè)體的能量函數(shù)；
[0021] 根據(jù)所述能量函數(shù)和K支配條件對(duì)種群中的個(gè)體進(jìn)行K支配比較，確定每個(gè)個(gè)體 受種群中其它個(gè)體支配的數(shù)目；
[0022] 根據(jù)所述每個(gè)個(gè)體受種群中其它個(gè)體支配的數(shù)目進(jìn)行非支配等級(jí)排序，將非支配 等級(jí)為零的個(gè)體對(duì)應(yīng)的停車場(chǎng)納入最優(yōu)停車場(chǎng)集合。
[0023] 具體的，本發(fā)明實(shí)施例中，用戶的位置數(shù)據(jù)包括：用戶出發(fā)時(shí)的初始位置數(shù)據(jù)、行 駛過(guò)程中的當(dāng)前位置數(shù)據(jù)。
[0024] 具體的，本發(fā)明實(shí)施例中，利用單目標(biāo)差分進(jìn)化算法根據(jù)用戶的位置數(shù)據(jù)、用戶從 所述最優(yōu)停車場(chǎng)集合中選擇的目標(biāo)停車場(chǎng)、所述實(shí)時(shí)道路交通數(shù)據(jù)、實(shí)時(shí)停車場(chǎng)數(shù)據(jù)及交 通網(wǎng)絡(luò)拓?fù)鋱D生成停車誘導(dǎo)結(jié)果包括：
[0025] 根據(jù)所述位置數(shù)據(jù)確定行駛位置路口節(jié)點(diǎn)；
[00%] 根據(jù)用戶選擇的目標(biāo)停車場(chǎng)確定目標(biāo)路口節(jié)點(diǎn)；
[0027] 利用單目標(biāo)差分進(jìn)化算法根據(jù)所述行駛位置路口節(jié)點(diǎn)、目標(biāo)路口節(jié)點(diǎn)、所述實(shí)時(shí) 道路交通數(shù)據(jù)、實(shí)時(shí)停車場(chǎng)數(shù)據(jù)及交通網(wǎng)絡(luò)拓?fù)鋱D生成停車誘導(dǎo)結(jié)果。
[0028] 具體的，本發(fā)明實(shí)施例中，利用單目標(biāo)差分進(jìn)化算法根據(jù)所述行駛位置路口節(jié)點(diǎn)、 目標(biāo)路口節(jié)點(diǎn)、所述實(shí)時(shí)道路交通數(shù)據(jù)、實(shí)時(shí)停車場(chǎng)數(shù)據(jù)及交通網(wǎng)絡(luò)拓?fù)鋱D生成停車誘導(dǎo) 結(jié)果包括：
[0029] 利用單目標(biāo)差分進(jìn)化算法根據(jù)所述行駛位置路口節(jié)點(diǎn)、目標(biāo)路口節(jié)點(diǎn)及交通網(wǎng)絡(luò) 拓?fù)鋱D生成當(dāng)前停車誘導(dǎo)路徑；
[0030] 判斷行駛位置路口節(jié)點(diǎn)為所述目標(biāo)路口節(jié)點(diǎn)時(shí)，輸出用戶選擇的目標(biāo)停車場(chǎng)及當(dāng) 前停車誘導(dǎo)路徑作為停車誘導(dǎo)結(jié)果。
[0031] 具體的，本發(fā)明實(shí)施例中，利用單目標(biāo)差分進(jìn)化算法根據(jù)所述行駛位置路口節(jié)點(diǎn)、 目標(biāo)路口節(jié)點(diǎn)、所述實(shí)時(shí)道路交通數(shù)據(jù)、實(shí)時(shí)停車場(chǎng)數(shù)據(jù)及交通網(wǎng)絡(luò)拓?fù)鋱D生成停車誘導(dǎo) 結(jié)果還包括：
[0032] 判斷行駛位置路口節(jié)點(diǎn)并非所述目標(biāo)路口節(jié)點(diǎn)時(shí)，根據(jù)所述實(shí)時(shí)道路交通數(shù)據(jù)、 實(shí)時(shí)停車場(chǎng)數(shù)據(jù)更新目標(biāo)停車場(chǎng)；
[0033] 根據(jù)更新的目標(biāo)停車場(chǎng)確定更新的目標(biāo)路口節(jié)點(diǎn)；
[0034] 利用單目標(biāo)差分進(jìn)化算法根據(jù)所述行駛位置路口節(jié)點(diǎn)、更新的目標(biāo)路口節(jié)點(diǎn)及交 通網(wǎng)絡(luò)拓?fù)鋱D生成當(dāng)前停車誘導(dǎo)路徑。
[0035] 具體的，本發(fā)明實(shí)施例中，根據(jù)實(shí)時(shí)道路交通數(shù)據(jù)、實(shí)時(shí)停車場(chǎng)數(shù)據(jù)更新目標(biāo)停車 場(chǎng)包括：
[0036] 根據(jù)所述實(shí)時(shí)道路交通數(shù)據(jù)及實(shí)時(shí)停車場(chǎng)數(shù)據(jù)判斷所述候選停車場(chǎng)集合內(nèi)無(wú)剩 余停車位時(shí)，W用戶需求為目標(biāo)函數(shù)，根據(jù)所述高維多目標(biāo)差分進(jìn)化算法從所述候選停車 場(chǎng)之外有停車位的停車場(chǎng)中選擇最優(yōu)停車場(chǎng)集合，生成更新的目標(biāo)停車場(chǎng)及更新的目標(biāo)路 口節(jié)點(diǎn)。
[0037] 根據(jù)所述實(shí)時(shí)道路交通數(shù)據(jù)及實(shí)時(shí)停車場(chǎng)數(shù)據(jù)判斷所述候選停車場(chǎng)集合內(nèi)有剩 余停車位時(shí)，W用戶需求為目標(biāo)函數(shù)，根據(jù)所述高維多目標(biāo)差分進(jìn)化算法從所述候選停車 場(chǎng)集合中有停車位的停車場(chǎng)中選擇最優(yōu)停車場(chǎng)集合，生成更新的目標(biāo)停車場(chǎng)及更新的目標(biāo) 路口節(jié)點(diǎn)。
[0038] 具體的，本發(fā)明實(shí)施例中，利用單目標(biāo)差分進(jìn)化算法根據(jù)所述行駛位置路口節(jié)點(diǎn)、 目標(biāo)路口節(jié)點(diǎn)及交通網(wǎng)絡(luò)拓?fù)鋱D生成當(dāng)前停車誘導(dǎo)路徑包括：
[0039] W預(yù)先確定的用戶出發(fā)時(shí)的初始位置節(jié)點(diǎn)至目標(biāo)路口節(jié)點(diǎn)的最大節(jié)點(diǎn)數(shù)為決策 變量維數(shù)，根據(jù)預(yù)設(shè)參數(shù)構(gòu)建初始種群；
[0040] 根據(jù)所述交通網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)解碼確定種群中個(gè)體對(duì)應(yīng)的路徑節(jié)點(diǎn)信息；
[0041] 計(jì)算種群中的個(gè)體的適應(yīng)度函數(shù)值；
[0042] 采用單目標(biāo)差分進(jìn)化算法的DE/rand/2/bin模式對(duì)種群個(gè)體進(jìn)行變異生成變異 個(gè)體；
[0043] 對(duì)變異后的個(gè)體進(jìn)行交叉操作生成試驗(yàn)個(gè)體；
[0044] 對(duì)所述試驗(yàn)個(gè)體在預(yù)設(shè)的取值范圍內(nèi)進(jìn)行調(diào)整，生成調(diào)整后的個(gè)體；
[0045] 將調(diào)整后的試驗(yàn)個(gè)體與原個(gè)體進(jìn)行比較，將適應(yīng)度函數(shù)值滿足預(yù)設(shè)規(guī)則的個(gè)體納 入下一代種群；
[0046] 確定當(dāng)代種群中適應(yīng)度值最優(yōu)的個(gè)體及其對(duì)應(yīng)的路徑，更新全局最優(yōu)路徑。
[0047] 根據(jù)確定的全局最優(yōu)路徑確定當(dāng)前停車誘導(dǎo)路徑。
[0048] 具體的，本發(fā)明實(shí)施例中，實(shí)時(shí)道路交通數(shù)據(jù)還包括：城市道路網(wǎng)各路段的實(shí)時(shí)行 駛速度數(shù)據(jù)。
[0049] 本發(fā)明的停車誘導(dǎo)方法，設(shè)計(jì)了駕駛者出行前靜態(tài)的高維多目標(biāo)停車場(chǎng)選擇及路 徑誘導(dǎo)模型，無(wú)需設(shè)置權(quán)重系數(shù)或預(yù)知用戶偏好信息，能夠?yàn)橛脩粼诔鲂星疤峁└呔S多目 標(biāo)最優(yōu)的停車場(chǎng)選擇及路徑誘導(dǎo)決策方案，同時(shí)最大化滿足用戶對(duì)于停車場(chǎng)距離出行目的 地步行距離、有效停車泊位數(shù)、停車設(shè)施的安全性、停車收費(fèi)及到達(dá)停車場(chǎng)所需時(shí)間的差異 性需求，；同時(shí)，設(shè)計(jì)了駕駛者行進(jìn)中動(dòng)態(tài)的高維多目標(biāo)停車場(chǎng)選擇及路徑誘導(dǎo)模型，充分 考慮停車場(chǎng)及道路交通信息動(dòng)態(tài)變化對(duì)停車誘導(dǎo)決策造成的影響，無(wú)需設(shè)置權(quán)重系數(shù)或預(yù) 知用戶偏好信息，能夠?yàn)橛脩粼谛羞M(jìn)過(guò)程中實(shí)時(shí)制定動(dòng)態(tài)最優(yōu)的停車場(chǎng)選擇及路徑誘導(dǎo)方 案，克服出行前靜態(tài)誘導(dǎo)不適應(yīng)實(shí)時(shí)交通變化的問(wèn)題；設(shè)計(jì)了高效的高維多目標(biāo)智能優(yōu)化 算法，有效提升了國(guó)內(nèi)外現(xiàn)有高維多目標(biāo)智能優(yōu)化算法的求解性能，保證高維多目標(biāo)停車 場(chǎng)選擇及路徑誘導(dǎo)問(wèn)題求解的高精度、高可靠性和智能化程度。
[0050] 為讓本發(fā)明的上述和其他目的、特征和優(yōu)點(diǎn)能更明顯易懂，下文特舉較佳實(shí)施例， 并配合所附圖式，作詳細(xì)說(shuō)明如下。
【附圖說(shuō)明】
[0051] 為了更清楚地說(shuō)明本發(fā)明實(shí)施例或現(xiàn)有技術(shù)中的技術(shù)方案，下面將對(duì)實(shí)施例或現(xiàn) 有技術(shù)描述中所需要使用的附圖作簡(jiǎn)單地介紹，顯而易見(jiàn)地，下面描述中的附圖僅僅是本 發(fā)明的一些實(shí)施例，對(duì)于本領(lǐng)域普通技術(shù)人員來(lái)講，在不付出創(chuàng)造性勞動(dòng)的前提下，還可W 根據(jù)運(yùn)些附圖獲得其他的附圖。
[0052] 圖1為本發(fā)明提供的一種停車誘導(dǎo)方法的流程圖；
[0053] 圖2為本發(fā)明實(shí)施例中一實(shí)施步驟的流程圖；
[0054] 圖3為本發(fā)明實(shí)施例中一實(shí)施步驟的流程圖； 陽(yáng)化5] 圖4為本發(fā)明實(shí)施例中一實(shí)施步驟的流程圖；
[0056] 圖5為本發(fā)明實(shí)施例中一實(shí)施步驟的流程圖；
[0057] 圖6為本發(fā)明實(shí)施例中一實(shí)施步驟的流程圖； 陽(yáng)05引圖7為本發(fā)明一實(shí)施例的流程圖；
[0059] 圖8為本發(fā)明實(shí)施例中應(yīng)用KS-M0DE算法進(jìn)行高維多目標(biāo)優(yōu)化的流程圖；
[0060] 圖9為本發(fā)明實(shí)施例中基于單目標(biāo)智能優(yōu)化算法DE的最優(yōu)路徑計(jì)算的流程圖；
[0061] 圖10為本發(fā)明實(shí)施例中構(gòu)建二維平面交通網(wǎng)絡(luò)拓?fù)鋱D；
[0062] 圖11為本發(fā)明實(shí)施例中道路網(wǎng)區(qū)域中所有停車場(chǎng)位置分布；
[0063] 圖12為本發(fā)明實(shí)施例中至停車場(chǎng)5對(duì)應(yīng)的最優(yōu)行駛路徑；
[0064] 圖13為本發(fā)明實(shí)施例中至停車場(chǎng)57對(duì)應(yīng)的最優(yōu)行駛路徑； W65] 圖14為本發(fā)明實(shí)施例中至目標(biāo)停車場(chǎng)5歷史遍歷節(jié)點(diǎn)構(gòu)成的最優(yōu)行駛路徑；
[0066] 圖15為本發(fā)明實(shí)施例中至目標(biāo)停車場(chǎng)57歷史遍歷節(jié)點(diǎn)構(gòu)成的最優(yōu)行駛路徑.
【具體實(shí)施方式】
[0067] 下面將結(jié)合本發(fā)明實(shí)施例中的附圖，對(duì)本發(fā)明實(shí)施例中的技術(shù)方案進(jìn)行清楚、完 整地描述，顯然，所描述的實(shí)施例僅僅是本發(fā)明一部分實(shí)施例，而不是全部的實(shí)施例。基于 本發(fā)明中的實(shí)施例，本領(lǐng)域普通技術(shù)人員在沒(méi)有做出創(chuàng)造性勞動(dòng)前提下所獲得的所有其他 實(shí)施例，都屬于本發(fā)明保護(hù)的范圍。 W側(cè)為了克服現(xiàn)有智能停車場(chǎng)選擇及路徑誘導(dǎo)方法中用戶需求目標(biāo)數(shù)較少、不能適應(yīng) 實(shí)時(shí)變化的動(dòng)態(tài)交通環(huán)境、權(quán)重系數(shù)設(shè)置復(fù)雜、需要預(yù)知用戶偏好信息、算法求解精度和穩(wěn) 定性不高等一系列問(wèn)題，本發(fā)明設(shè)計(jì)新的智能化的高維多目標(biāo)停車場(chǎng)選擇及路徑誘導(dǎo)模 型，W高效的高維多目標(biāo)智能優(yōu)化算法保證模型求解精度和穩(wěn)定性，不僅在用戶出行前提 供5目標(biāo)最優(yōu)的停車場(chǎng)選擇及路徑誘導(dǎo)方案，而且在用戶行進(jìn)過(guò)程中實(shí)時(shí)更新動(dòng)態(tài)最優(yōu)的 停車場(chǎng)選擇及路徑誘導(dǎo)方案，滿足實(shí)際交通環(huán)境下的智能停車需求，為提高現(xiàn)有PGS誘導(dǎo) 精度及智能化程度提供技術(shù)支持。
[0069] 如圖1所示，為本發(fā)明提供的一種停車誘導(dǎo)方法，包括：
[0070] 步驟S101，采集城市道路網(wǎng)區(qū)域中的實(shí)時(shí)道路交通數(shù)據(jù)和實(shí)時(shí)停車場(chǎng)數(shù)據(jù)，其中， 所述實(shí)時(shí)道路交通數(shù)據(jù)包括道路網(wǎng)數(shù)據(jù)（道路網(wǎng)節(jié)點(diǎn)之間的物理距離及各路段實(shí)時(shí)平均 行駛速度）；
[0071] 步驟S102,根據(jù)所述道路網(wǎng)數(shù)據(jù)構(gòu)建交通網(wǎng)絡(luò)拓?fù)鋱D；
[0072] 步驟S103,根據(jù)目的地和所述實(shí)時(shí)停車場(chǎng)數(shù)據(jù)生成候選停車場(chǎng)集合；
[0073] 步驟S104，W用戶需求數(shù)據(jù)為目標(biāo)函數(shù)，根據(jù)高維多目標(biāo)差分進(jìn)化算法從所述候 選停車場(chǎng)集合選擇最優(yōu)停車場(chǎng)集合；
[0074] 步驟S105,利用單目標(biāo)差分進(jìn)化算法根據(jù)用戶的位置數(shù)據(jù)、用戶從所述最優(yōu)停車 場(chǎng)集合中選擇的目標(biāo)停車場(chǎng)、所述實(shí)時(shí)道路交通數(shù)據(jù)、實(shí)時(shí)停車場(chǎng)數(shù)據(jù)及交通網(wǎng)絡(luò)拓?fù)鋱D 生成停車誘導(dǎo)結(jié)果。即根據(jù)獲得的實(shí)時(shí)道路交通信息，W最短行駛時(shí)間為目標(biāo)，應(yīng)用單目標(biāo) 差分進(jìn)化算法優(yōu)化選擇初始目標(biāo)節(jié)點(diǎn)至目標(biāo)停車場(chǎng)對(duì)應(yīng)的節(jié)點(diǎn)之間的最優(yōu)路徑。
[0075] 本發(fā)明實(shí)施例中，用戶的位置數(shù)據(jù)包括：用戶出發(fā)時(shí)的初始位置數(shù)據(jù)、行駛過(guò)程 中的當(dāng)前位置數(shù)據(jù)；實(shí)時(shí)道路交通數(shù)據(jù)同時(shí)還包括：城市道路網(wǎng)各路段的實(shí)時(shí)行駛速度數(shù) 據(jù)。
[0076] 具體實(shí)施例中，步驟S103中根據(jù)目的地和所述停車場(chǎng)數(shù)據(jù)生成候選停車場(chǎng)集合 包括：
[0077] W目的地為圓屯、按預(yù)設(shè)的半徑范圍確定候選停車場(chǎng)分布；
[0078] 根據(jù)所述實(shí)時(shí)停車場(chǎng)數(shù)據(jù)和候選停車場(chǎng)分布生成候選停車場(chǎng)集合。
[0079] 具體實(shí)施例中，用戶需求數(shù)據(jù)包括：停車場(chǎng)位置距離目的地的步行距離、有效停車 位數(shù)據(jù)、停車設(shè)施安全性數(shù)據(jù)W及停車場(chǎng)收費(fèi)數(shù)據(jù)。
[0080] 如圖2所示為步驟S104中選擇最優(yōu)停車場(chǎng)集合的步驟，具體包括：
[0081] 步驟S1041，根據(jù)用戶需求數(shù)據(jù)分別建立所述候選停車場(chǎng)集合中各停車場(chǎng)的目標(biāo) 函數(shù)；
[0082] 步驟S1042, W所述候選停車場(chǎng)集合中各停車場(chǎng)的目標(biāo)函數(shù)為個(gè)體構(gòu)建種群；
[0083] 步驟S1043,應(yīng)用高維多目標(biāo)差分進(jìn)化算法對(duì)種群中所有個(gè)體進(jìn)行K支配比較，從 所述候選停車場(chǎng)集合中選擇最優(yōu)停車場(chǎng)集合。
[0084] 其中，如圖3所示，步驟S1043應(yīng)用高維多目標(biāo)差分進(jìn)化算法對(duì)種群中所有個(gè)體進(jìn) 行K支配比較，從所述候選停車場(chǎng)集合中選擇最優(yōu)停車場(chǎng)集合進(jìn)一步包括：
[00化]步驟S301，計(jì)算構(gòu)建的種群中每個(gè)個(gè)體的能量函數(shù)；
[0086] 步驟S302,根據(jù)所述能量函數(shù)和K支配條件對(duì)種群中的個(gè)體進(jìn)行K支配比較，確定 每個(gè)個(gè)體受種群中其它個(gè)體支配的數(shù)目；
[0087] 步驟S303,根據(jù)所述每個(gè)個(gè)體受種群中其它個(gè)體支配的數(shù)目進(jìn)行非支配等級(jí)排 序，將非支配等級(jí)為零的個(gè)體對(duì)應(yīng)的停車場(chǎng)納入最優(yōu)停車場(chǎng)集合。
[0088] 具體實(shí)施例中，如圖4所示，步驟S105中利用單目標(biāo)差分進(jìn)化算法根據(jù)用戶的位 置數(shù)據(jù)、用戶從所述最優(yōu)停車場(chǎng)集合中選擇的目標(biāo)停車場(chǎng)、所述實(shí)時(shí)道路交通數(shù)據(jù)、實(shí)時(shí)停 車場(chǎng)數(shù)據(jù)及交通網(wǎng)絡(luò)拓?fù)鋱D生成停車誘導(dǎo)結(jié)果的步驟包括：
[0089] 步驟S1051，根據(jù)所述位置數(shù)據(jù)確定行駛位置路口節(jié)點(diǎn)；
[0090] 步驟S1052,根據(jù)用戶選擇的目標(biāo)停車場(chǎng)確定目標(biāo)路口節(jié)點(diǎn)；
[0091] 步驟S1053,利用單目標(biāo)差分進(jìn)化算法根據(jù)所述行駛位置路口節(jié)點(diǎn)、目標(biāo)路口節(jié) 點(diǎn)、所述實(shí)時(shí)道路交通數(shù)據(jù)、實(shí)時(shí)停車場(chǎng)數(shù)據(jù)及交通網(wǎng)絡(luò)拓?fù)鋱D生成停車誘導(dǎo)結(jié)果。 陽(yáng)09引如圖5所示，步驟S1053利用單目標(biāo)差分進(jìn)化算法根據(jù)所述行駛位置路口節(jié)點(diǎn)、目 標(biāo)路口節(jié)點(diǎn)、所述實(shí)時(shí)道路交通數(shù)據(jù)、實(shí)時(shí)停車場(chǎng)數(shù)據(jù)及交通網(wǎng)絡(luò)拓?fù)鋱D生成停車誘導(dǎo)結(jié) 果還包括：
[009引步驟S501，利用單目標(biāo)差分進(jìn)化算法根據(jù)所述行駛位置路口節(jié)點(diǎn)、目標(biāo)路口節(jié)點(diǎn) 及交通網(wǎng)絡(luò)拓?fù)鋱D生成當(dāng)前停車誘導(dǎo)路徑；
[0094] 步驟S502,判斷行駛位置路口節(jié)點(diǎn)是否為所述目標(biāo)路口節(jié)點(diǎn)；判斷是，執(zhí)行步驟 S503,否則執(zhí)行步驟S504 ;
[0095] 步驟S503，判斷行駛位置路口節(jié)點(diǎn)為所述目標(biāo)路口節(jié)點(diǎn)時(shí)，輸出用戶選擇的目標(biāo) 停車場(chǎng)及當(dāng)前停車誘導(dǎo)路徑作為停車誘導(dǎo)結(jié)果。
[0096] 步驟S504,判斷行駛位置路口節(jié)點(diǎn)并非所述目標(biāo)路口節(jié)點(diǎn)時(shí)，根據(jù)所述實(shí)時(shí)道路 交通數(shù)據(jù)、實(shí)時(shí)停車場(chǎng)數(shù)據(jù)更新目標(biāo)停車場(chǎng)；
[0097] 步驟S505，根據(jù)更新的目標(biāo)停車場(chǎng)確定更新的目標(biāo)路口節(jié)點(diǎn)；
[0098] 步驟S506，利用單目標(biāo)差分進(jìn)化算法根據(jù)所述行駛位置路口節(jié)點(diǎn)、更新的目標(biāo)路 口節(jié)點(diǎn)及交通網(wǎng)絡(luò)拓?fù)鋱D生成當(dāng)前停車誘導(dǎo)路徑。
[0099] 具體實(shí)施例中，步驟S504中根據(jù)實(shí)時(shí)道路交通數(shù)據(jù)、實(shí)時(shí)停車場(chǎng)數(shù)據(jù)更新目標(biāo)停 車場(chǎng)包括：
[0100] 根據(jù)所述實(shí)時(shí)道路交通數(shù)據(jù)及實(shí)時(shí)停車場(chǎng)數(shù)據(jù)判斷所述候選停車場(chǎng)集合內(nèi)無(wú)剩 余停車位時(shí)，W用戶需求為目標(biāo)函數(shù)，根據(jù)所述高維多目標(biāo)差分進(jìn)化算法從所述候選停車 場(chǎng)之外有停車位的停車場(chǎng)中選擇最優(yōu)停車場(chǎng)集合，生成更新的目標(biāo)停車場(chǎng)及更新的目標(biāo)路 口節(jié)點(diǎn)； 陽(yáng)101] 根據(jù)所述實(shí)時(shí)道路交通數(shù)據(jù)及實(shí)時(shí)停車場(chǎng)數(shù)據(jù)判斷所述候選停車場(chǎng)集合內(nèi)有剩 余停車位時(shí)，W用戶需求為目標(biāo)函數(shù)，根據(jù)所述高維多目標(biāo)差分進(jìn)化算法從所述候選停車 場(chǎng)集合中有停車位的停車場(chǎng)中選擇最優(yōu)停車場(chǎng)集合，生成更新的目標(biāo)停車場(chǎng)及更新的目標(biāo) 路口節(jié)點(diǎn)。
[0102] 如圖6所示，本發(fā)明實(shí)施例中，利用單目標(biāo)差分進(jìn)化算法根據(jù)所述行駛位置路口 節(jié)點(diǎn)、目標(biāo)路口節(jié)點(diǎn)及交通網(wǎng)絡(luò)拓?fù)鋱D生成當(dāng)前停車誘導(dǎo)路徑包括： 陽(yáng)103] 步驟S601，W預(yù)先確定的用戶出發(fā)時(shí)的初始位置節(jié)點(diǎn)至目標(biāo)路口節(jié)點(diǎn)的最大節(jié)點(diǎn) 數(shù)為決策變量維數(shù)，根據(jù)預(yù)設(shè)參數(shù)構(gòu)建初始種群。
[0104] 步驟S602,根據(jù)所述交通網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)確定種群中個(gè)體的路徑節(jié)點(diǎn)信息；根據(jù)城 市區(qū)域道路網(wǎng)拓?fù)浣Y(jié)構(gòu)解碼獲得種群中每個(gè)個(gè)體變量對(duì)應(yīng)的真實(shí)路徑節(jié)點(diǎn)信息。
[01化]步驟S603,計(jì)算種群中的個(gè)體的適應(yīng)度函數(shù)值；即根據(jù)道路網(wǎng)節(jié)點(diǎn)之間的物理距 離及各路段實(shí)時(shí)平均行駛速度，計(jì)算每條路徑行駛時(shí)間。選擇種群中行駛時(shí)間最短路徑對(duì) 應(yīng)個(gè)體為初始最優(yōu)個(gè)體。 陽(yáng)106] 步驟S604,采用單目標(biāo)差分進(jìn)化算法的DE/rand/2/bin模式對(duì)種群個(gè)體進(jìn)行變異 生成變異個(gè)體；
[0107] 步驟S605,對(duì)變異后的個(gè)體進(jìn)行交叉操作生成試驗(yàn)個(gè)體；還進(jìn)一步包括對(duì)個(gè)體進(jìn) 行調(diào)整，將個(gè)體各維變量限制在取值范圍[Xmm，Xm。、]內(nèi)，解碼獲得試驗(yàn)個(gè)體對(duì)應(yīng)路徑并進(jìn)行 驗(yàn)證，避免出現(xiàn)路徑反折現(xiàn)象。
[0108] 步驟S606,對(duì)所述試驗(yàn)個(gè)體在預(yù)設(shè)的取值范圍內(nèi)進(jìn)行調(diào)整，生成調(diào)整后的個(gè)體；
[0109] 步驟S607,將調(diào)整后的個(gè)體與原個(gè)體進(jìn)行比較，將適應(yīng)度函數(shù)值滿足預(yù)設(shè)規(guī)則的 個(gè)體納入下一代種群；
[0110] 步驟S608,確定當(dāng)代種群中適應(yīng)度值最優(yōu)的個(gè)體及其對(duì)應(yīng)的路徑，更新全局最優(yōu) 路徑。 陽(yáng)111] 步驟S609,根據(jù)確定的全局最優(yōu)路徑確定當(dāng)前停車誘導(dǎo)路徑。
[0112] 本發(fā)明的停車誘導(dǎo)方法，是一種基于高維多目標(biāo)智能優(yōu)化的面向用戶的主動(dòng)停車 誘導(dǎo)方法，基本思想是：首先，設(shè)計(jì)用戶出行前靜態(tài)的高維多目標(biāo)智能停車場(chǎng)選擇及路徑誘 導(dǎo)模型，充分考慮用戶在停車場(chǎng)選擇時(shí)對(duì)于停車場(chǎng)距離出行目的地步行距離、有效停車泊 位數(shù)、停車設(shè)施的安全性、停車收費(fèi)及到達(dá)停車場(chǎng)所需時(shí)間等方面的需求差異，在出行前為 用戶提供5項(xiàng)需求目標(biāo)同時(shí)達(dá)到最優(yōu)的停車場(chǎng)及路徑選擇方案；其次，設(shè)計(jì)用戶行進(jìn)中動(dòng) 態(tài)的高維多目標(biāo)智能停車場(chǎng)選擇及路徑誘導(dǎo)模型，綜合考慮道路網(wǎng)交通信息及停車場(chǎng)信息 動(dòng)態(tài)變化對(duì)于停車誘導(dǎo)方案決策造成的影響，在用戶行駛過(guò)程中實(shí)時(shí)更新高維多目標(biāo)最優(yōu) 的停車場(chǎng)及路徑選擇方案；最后，設(shè)計(jì)一種基于改進(jìn)K支配排序的高維多目標(biāo)優(yōu)化算法， 高效求解高維多目標(biāo)優(yōu)化問(wèn)題，為高維多目標(biāo)停車場(chǎng)選擇及路徑誘導(dǎo)模型求解提供算法支 持。該算法能夠在用戶出行前和行進(jìn)中對(duì)于停車場(chǎng)及行駛路徑進(jìn)行高維多目標(biāo)最優(yōu)的整體 智能選擇，無(wú)需預(yù)知用戶偏好信息且避免了繁雜的權(quán)重系數(shù)設(shè)置，精確、高效地為用戶提供 主動(dòng)停車誘導(dǎo)決策方案。
[0113] 下面對(duì)本發(fā)明的技術(shù)方案具體步驟做進(jìn)一步詳細(xì)描述，如圖7所示，為本發(fā)明的 具體實(shí)施步驟，具體包括：
[0114] 步驟1 :根據(jù)城市道路網(wǎng)區(qū)域中真實(shí)的道路網(wǎng)分布構(gòu)建二維平面交通網(wǎng)絡(luò)拓?fù)?圖。確定用戶出行的初始道路交叉口節(jié)點(diǎn)0,目的地Tar及預(yù)計(jì)停車時(shí)長(zhǎng)t。
[0115] 步驟2:獲取城市道路網(wǎng)區(qū)域中的停車場(chǎng)位置分布、剩余有效停車位數(shù)目、停車設(shè) 施條件、收費(fèi)價(jià)格等實(shí)時(shí)信息。W出行目的地Tar為圓屯、，選定距離目的地500米半徑范圍 內(nèi)的N個(gè)已運(yùn)營(yíng)停車場(chǎng)為候選停車場(chǎng)集合P =化，P2,…W。
[0116] 步驟3 : W停車場(chǎng)距離出行目的地步行距離^有效停車泊位數(shù)B、停車設(shè)施的安全 性S及停車收費(fèi)F四項(xiàng)用戶需求為目標(biāo)，應(yīng)用基于改進(jìn)K支配排序的高維多目標(biāo)智能優(yōu)化 算法 KS-M0DE 化-dominated Sorting Based Many-Objective Differential Evolution) 從候選停車場(chǎng)集合P中多目標(biāo)優(yōu)化選擇最優(yōu)停車場(chǎng)集合P_best。由于多目標(biāo)優(yōu)化問(wèn)題的最 優(yōu)解不是單個(gè)解而是解集，因此最終得到的最優(yōu)停車場(chǎng)為一個(gè)集合。
[0117] 步驟4 :用戶根據(jù)個(gè)人偏好或隨機(jī)從最優(yōu)候選停車場(chǎng)集合P_best中選定目標(biāo)停車 場(chǎng)P。捜索城市道路網(wǎng)區(qū)域中距離目標(biāo)停車場(chǎng)P最近的道路交叉口節(jié)點(diǎn)D，將其作為最優(yōu)路 徑規(guī)劃的終止目標(biāo)節(jié)點(diǎn)D。
[0118] 步驟5:根據(jù)獲得的實(shí)時(shí)道路交通信息，W最短行駛時(shí)間為目標(biāo)，應(yīng)用單目標(biāo)差分 進(jìn)化值E，Differential Evolution)算法優(yōu)化選擇初始目標(biāo)節(jié)點(diǎn)0至目標(biāo)停車場(chǎng)P之間的 最優(yōu)路徑Route。
[0119] 上述的步驟1-步驟5設(shè)計(jì)了用戶出行前靜態(tài)的高維多目標(biāo)智能停車場(chǎng)選擇及路 徑誘導(dǎo)方法，在出行前為用戶提供5項(xiàng)需求目標(biāo)同時(shí)達(dá)到最優(yōu)的停車場(chǎng)及路徑選擇方案。 本發(fā)明同時(shí)提供用戶行進(jìn)過(guò)程中動(dòng)態(tài)最優(yōu)的停車場(chǎng)選擇及路徑誘導(dǎo)方案，基于更新道路網(wǎng) 交通信息及停車場(chǎng)信息，利用高維多目標(biāo)智能優(yōu)化算法實(shí)時(shí)制定5目標(biāo)最優(yōu)的選擇方案， 具體方法如步驟6-步驟12所示。
[0120] 步驟6 :根據(jù)出行前制定的最優(yōu)停車場(chǎng)及路徑選擇方案，確定車輛行駛路徑的初 始節(jié)點(diǎn)L1 = Route (1) = 0及下一目標(biāo)節(jié)點(diǎn)L2 = Route似。 陽(yáng)121] 步驟7 :判斷初始節(jié)點(diǎn)L1是否為路徑終止目標(biāo)節(jié)點(diǎn)D，若是則輸出當(dāng)前目標(biāo)停車 場(chǎng)P為最優(yōu)目標(biāo)停車場(chǎng)，輸出道路網(wǎng)中歷史遍歷節(jié)點(diǎn)為最優(yōu)行駛路徑Best_route，算法運(yùn) 行結(jié)束。否則轉(zhuǎn)至步驟8。
[0122] 步驟8 :行駛至下一目標(biāo)節(jié)點(diǎn)L2。獲取最新的道路交通信息W及停車場(chǎng)信息。
[0123] 步驟9 :判斷當(dāng)前候選停車場(chǎng)集合P的剩余有效停車位是否為0。若是，則執(zhí)行步 驟10, W ^ B、S及F四項(xiàng)用戶需求為目標(biāo)，應(yīng)用KS-M0DE算法從城市道路網(wǎng)區(qū)域范圍內(nèi)集 合P之外有停車位的停車場(chǎng)中多目標(biāo)優(yōu)化選擇m'個(gè)非支配停車場(chǎng)作為候選最優(yōu)停車場(chǎng)集 合口_663* ;否則，執(zhí)行步驟11，W LB、S及F四項(xiàng)用戶需求為目標(biāo)，應(yīng)用KS-M0DE算法從集 合P中有停車位的停車場(chǎng)中多目標(biāo)優(yōu)化選擇m個(gè)非支配停車場(chǎng)作為候選最優(yōu)停車場(chǎng)集合P_ besto
[0124] 步驟12 :判斷當(dāng)前目標(biāo)停車場(chǎng)P是否在更新后的P_best中。若是，執(zhí)行步驟13， 即保持目標(biāo)停車場(chǎng)P保持不變，終止目標(biāo)節(jié)點(diǎn)D不變；否則，執(zhí)行步驟14,由用戶根據(jù)個(gè)人 偏好或隨機(jī)從更新后的P_best中選擇新的目標(biāo)停車場(chǎng)P，并捜索道路網(wǎng)中距離P最近的交 叉口節(jié)點(diǎn)D，將其作為新最優(yōu)路徑的終止目標(biāo)節(jié)點(diǎn)。 陽(yáng)12引步驟15 :根據(jù)實(shí)時(shí)獲得的道路交通信息，W節(jié)點(diǎn)L2為新的最優(yōu)路徑初始節(jié)點(diǎn)，WD 為新的最優(yōu)路徑終止節(jié)點(diǎn)，應(yīng)用DE算法優(yōu)化選擇初始節(jié)點(diǎn)L2至停車場(chǎng)P的實(shí)時(shí)最佳路徑 Route。 陽(yáng)126] 步驟16 :更新動(dòng)態(tài)最優(yōu)路徑的起止節(jié)點(diǎn)信息，令下一初始節(jié)點(diǎn)L1 = L2,下一目標(biāo) 節(jié)點(diǎn)L2 = Route (2)。記錄車輛歷史遍歷節(jié)點(diǎn)并更新動(dòng)態(tài)最優(yōu)行駛路徑Best_;route及實(shí)際 時(shí)耗T。轉(zhuǎn)至步驟7。 陽(yáng)127] 在步驟3和步驟9中，設(shè)計(jì)了一種基于改進(jìn)K支配排序的高維多目標(biāo)智能優(yōu)化 算法，即基于改進(jìn)K支配排序的高維多目標(biāo)差分進(jìn)化算法KS-M孤E (K-dominated Scxrting Based Man}f-〇bjective Differential Evolution)。該算法設(shè)計(jì)了個(gè)體能量函數(shù)加強(qiáng)了 K支配條件，有效克服K支配中存在的循環(huán)支配現(xiàn)象，在此基礎(chǔ)上設(shè)計(jì)了新的等級(jí)排序方 法，從而有效降低高維環(huán)境下種群中非支配個(gè)體比例，增強(qiáng)精英個(gè)體選擇壓力，提升種群個(gè) 體等級(jí)分布多樣性，促進(jìn)算法收斂性能提升。相比較于國(guó)內(nèi)外現(xiàn)有多目標(biāo)智能優(yōu)化算法， KS-M0DE能夠高效求解4-30維的高維多目標(biāo)優(yōu)化問(wèn)題，避免早熟收斂或收斂停滯現(xiàn)象，大 幅提升現(xiàn)有多目標(biāo)優(yōu)化算法的收斂性能及穩(wěn)定性。
[0128] 在步驟3和步驟9中，提出一種基于高維多目標(biāo)智能優(yōu)化算法KS-M0DE的最優(yōu)停 車場(chǎng)選擇方法。W停車場(chǎng)距離出行目的地步行距離^有效停車泊位數(shù)B、停車設(shè)施的安全 性S及停車收費(fèi)F四項(xiàng)用戶停車實(shí)際需求為選擇優(yōu)化目標(biāo)，應(yīng)用KS-M0DE算法對(duì)四項(xiàng)目標(biāo) 同時(shí)進(jìn)行優(yōu)化選擇，從候選停車場(chǎng)集合P中多目標(biāo)優(yōu)化選擇最優(yōu)停車場(chǎng)集合P_best。該方 法無(wú)需設(shè)置權(quán)重系數(shù)或預(yù)知用戶偏好信息，能夠獲得Pareto最優(yōu)解集，實(shí)現(xiàn)用戶對(duì)于停車 場(chǎng)多項(xiàng)需求的同時(shí)最優(yōu)化選擇。
[0129] 本實(shí)施例中，應(yīng)用KS-M0DE算法進(jìn)行高維多目標(biāo)優(yōu)化計(jì)算的具體實(shí)施流程如圖8 所示，具體操作過(guò)程如下：
[0130] 步驟801、確定最優(yōu)停車場(chǎng)的Μ個(gè)選擇目標(biāo)；根據(jù)用戶在城市道路網(wǎng)中停車場(chǎng)選擇 實(shí)際需求的調(diào)查統(tǒng)計(jì)，確立最優(yōu)停車場(chǎng)選擇4項(xiàng)目標(biāo)。目標(biāo)1 :停車場(chǎng)距離出行目的地步行 距離；目標(biāo)2 :有效停車泊位數(shù)；目標(biāo)3 :停車設(shè)施的安全性；目標(biāo)4 :停車收費(fèi)。 陽(yáng)131] 步驟802、計(jì)算候選停車場(chǎng)集合Ρ=巧i，P2，一Pj中Ν個(gè)候選停車場(chǎng)在4項(xiàng)目標(biāo)上 的目標(biāo)函數(shù)值fl, fz，fs，f4。
[0132] 目標(biāo)1 :停車場(chǎng)距離出行目的地步行距離。第Pi(i = 1，2,…腳個(gè)候選停車場(chǎng)至 目的地Tar的步行距離計(jì)算公式如（1)式所示。
[01劉
巧）
[0134] 其中（卻1，ypi)，（Xtw YtJ分別為停車場(chǎng)P郝目的地Tar的坐標(biāo)。停車場(chǎng)選擇目 標(biāo)1即為停車場(chǎng)至出行目的地的步行距離L最短，即fi= min(L)。
[0135] 目標(biāo)2 :停車場(chǎng)有效停車泊位數(shù)。根據(jù)停車場(chǎng)實(shí)時(shí)發(fā)布信息，獲得N個(gè)候選停車場(chǎng) 的剩余有效停車位數(shù)量B。停車場(chǎng)選擇目標(biāo)2即為停車場(chǎng)的有效停車位數(shù)量B最多，由于多 目標(biāo)優(yōu)化問(wèn)題中需要統(tǒng)一目標(biāo)取值的極值性，因此設(shè)置f2= min(l/B)。 陽(yáng)136]目標(biāo)3 :停車場(chǎng)停車設(shè)施的安全性。車輛停放安全性由停車設(shè)施類型決定，為各類 型停車場(chǎng)的停放安全性進(jìn)行量化賦值，設(shè)置立體停車樓安全等級(jí)Saf= 1 ;地下停車庫(kù)安全 等級(jí)Saf = 2 ;路外地面停車場(chǎng)安全等級(jí)Saf = 3 ;路內(nèi)停車位安全等級(jí)Saf = 4。停車場(chǎng) 選擇目標(biāo)3為停車場(chǎng)停車設(shè)施的安全性最高，即f3= min (Saf)。
[0137]目標(biāo)4 :停車場(chǎng)停車收費(fèi)?，F(xiàn)有停車場(chǎng)大多按照車輛停放時(shí)間的長(zhǎng)短收取停車費(fèi)， 根據(jù)用戶車輛預(yù)計(jì)停放時(shí)間t，按（2)式計(jì)算車輛停放費(fèi)用。
陽(yáng)13引 (2) 陽(yáng)139] 式中Tmi。為停車場(chǎng)免費(fèi)停放時(shí)間長(zhǎng)度；T 1為停車場(chǎng)計(jì)時(shí)收費(fèi)第一階段時(shí)間長(zhǎng)度； Tm。,為停車場(chǎng)計(jì)時(shí)收費(fèi)最大時(shí)間長(zhǎng)度；yi為停車場(chǎng)計(jì)時(shí)收費(fèi)第一階段單價(jià)；y 2為停車場(chǎng)計(jì)時(shí) 收費(fèi)第二階段單價(jià)；F,為停車場(chǎng)計(jì)時(shí)收費(fèi)最高限額。停車場(chǎng)選擇目標(biāo)4為停車場(chǎng)停車收費(fèi) 最低，即fzi= min (巧。
[0140] 步驟803、構(gòu)建規(guī)模為N，維數(shù)為Μ的個(gè)體種群；N為候選停車場(chǎng)集合中個(gè)體數(shù)目， 每個(gè)個(gè)體X二{fl，f2, f3, f4}的維數(shù)設(shè)置為Μ = 4。 陽(yáng)141] 步驟804、根據(jù)公式（3)計(jì)算每個(gè)個(gè)體的能量函數(shù)G(x)，其中參數(shù)ρ取值為2。
陽(yáng) 142] (3)
[0143] 步驟805、對(duì)種群中Ν個(gè)個(gè)體進(jìn)行Κ支配比較，對(duì)于種群中任意兩個(gè)個(gè)體X和巧， 當(dāng)滿足同時(shí)滿足G(x)<G(x*)和公式（4)時(shí)稱X Κ支配巧，記為X*。
[0144]
㈱'
[0145] 其中Bt (X，巧）表示Μ維目標(biāo)中X比巧表現(xiàn)好的目標(biāo)個(gè)數(shù)；Eq(X，巧）表示X與巧 表現(xiàn)相同的目標(biāo)個(gè)數(shù);Wg(x，X*)表示X比巧表現(xiàn)差的目標(biāo)個(gè)數(shù)，計(jì)算公式如（5)式所示。 閨
P)
[0147] 其中card表示集合的規(guī)模。記錄每個(gè)個(gè)體受種群中其他個(gè)體支配的數(shù)目Ωι = (Xj I Xj> Κ Xi，1《j《ΝΡ, j 聲;?}。
[014引步驟806、根據(jù)種群個(gè)體的非支配等級(jí)KS對(duì)種群個(gè)體進(jìn)行從小到大的非支配等級(jí) 排序。
[0149] KS(Xi) = I ΩιΙ 1《i《NP 化） 陽(yáng)150] 步驟807、篩選出種群中非支配等級(jí)KS為0的個(gè)體集合作為最優(yōu)候選停車場(chǎng)集合 P_best〇 陽(yáng)151] 在步驟6-步驟12中，設(shè)計(jì)了用戶行進(jìn)過(guò)程中實(shí)時(shí)最優(yōu)的高維多目標(biāo)智能停車場(chǎng) 選擇及路徑誘導(dǎo)方法，通過(guò)獲取實(shí)時(shí)更新的道路網(wǎng)交通信息及停車場(chǎng)信息，在每經(jīng)過(guò)一個(gè) 道路交叉口節(jié)點(diǎn)時(shí)，W停車場(chǎng)距離出行目的地步行距離^有效停車泊位數(shù)B、停車設(shè)施的 安全性S及停車收費(fèi)F四項(xiàng)用戶停車實(shí)際需求為選擇優(yōu)化目標(biāo)，應(yīng)用KS-M0DE算法對(duì)四項(xiàng) 目標(biāo)同時(shí)進(jìn)行智能優(yōu)化選擇從而確定新的目標(biāo)停車場(chǎng)，并利用DE算法計(jì)算獲得新的誘導(dǎo) 路徑，為用戶實(shí)時(shí)制定動(dòng)態(tài)最優(yōu)的停車場(chǎng)選擇及路徑誘導(dǎo)方案，克服出行前靜態(tài)誘導(dǎo)不適 應(yīng)實(shí)時(shí)交通變化的問(wèn)題。 陽(yáng)152] 在步驟5和步驟15中，設(shè)計(jì)了基于單目標(biāo)智能優(yōu)化算法DE的最優(yōu)路徑計(jì)算方法， 具體實(shí)施流程如圖9所示，具體操作過(guò)程如下： 陽(yáng)153] 步驟901、構(gòu)建初始種群。設(shè)置種群規(guī)模NP = 200,種群個(gè)體即種群決策變量X = (又1，而，…X。）維數(shù)η = 20,每一維變量X取值空間[Xmm，Xmax]=山4]，其中，Xmin，Xmax物理 意義代表種群個(gè)體X中每一維變量X取值的最小值和最大值，二者構(gòu)成取值空間，其中維數(shù) η為初始目標(biāo)節(jié)點(diǎn)至終止目標(biāo)節(jié)點(diǎn)所經(jīng)歷的最大節(jié)點(diǎn)數(shù)。設(shè)置算法最大迭代次數(shù)Gen。 [0154] 步驟902、種群個(gè)體在取值范圍內(nèi)隨機(jī)初始化，根據(jù)城市區(qū)域道路網(wǎng)拓?fù)浣Y(jié)構(gòu)解碼 獲得種群中每個(gè)個(gè)體變量對(duì)應(yīng)的真實(shí)路徑節(jié)點(diǎn)信息。
[01巧]步驟903、計(jì)算每個(gè)個(gè)體的適應(yīng)度函數(shù)值，即根據(jù)道路網(wǎng)節(jié)點(diǎn)之間的物理距離及各 路段實(shí)時(shí)平均行駛速度，計(jì)算每條路徑行駛時(shí)間。選擇種群中行駛時(shí)間最短路徑對(duì)應(yīng)個(gè)體 為初始最優(yōu)個(gè)體，初始最優(yōu)路徑記為Route。
[0156] 步驟904、判斷終止條件是否滿足，若滿足則算法結(jié)束，執(zhí)行步驟905,輸出當(dāng)前全 局最優(yōu)路徑，作為停車誘導(dǎo)結(jié)果，否則，執(zhí)行步驟906。 陽(yáng)157] 步驟906、對(duì)種群個(gè)體進(jìn)行變異操作，采用DE/rand/2/bin模式的變異策略生成變 異個(gè)體，計(jì)算公式為： 陽(yáng) 15引 Vi(g+1) =Xri(g)+Fx 狂r2(g)-Xr3(g))+Fxar4(g)-Xr5(g)) (D
[0159] 其中，Vi(g+1)為目標(biāo)個(gè)體矢量Xi(g)對(duì)應(yīng)的變異個(gè)體矢量。F e [0,2]為一常數(shù)， 是DE算法的變異因子。'1，。，。，'4，町￡ (1，2,…NP}為隨機(jī)選取的互不相同的正整數(shù)，且 與當(dāng)前目標(biāo)個(gè)體矢量索引號(hào)i不同。g< = Gen為當(dāng)前進(jìn)化迭代次數(shù)。
[0160] 步驟907、對(duì)種群中變異后的個(gè)體進(jìn)行交叉操作，生成試驗(yàn)個(gè)體，公式如（2)式所 /J、- 〇
[0161]
(2)
[0162] 其中Ui,(g+1)表示試驗(yàn)個(gè)體Ui(g+1)中的第j維分量，Xi,(g)表示父代種群中目標(biāo) 個(gè)體矢量Xi (g)中的第j維分量，Vi，(g+1)為變異個(gè)體Vi (g+1)中的第j維分量，i = 1，…，NP 為種群個(gè)體序號(hào)，j = 1，…，η為個(gè)體變量維數(shù)序號(hào)。rand(j) e [0, 1]為第j維分量對(duì)應(yīng) 的隨機(jī)數(shù)，CRe [0，1]是DE算法的交叉概率因子，決定了 Vi(g+1)在生成的Ui(g+1)中所 占的概率。k為第i個(gè)個(gè)體對(duì)應(yīng)的系數(shù)，一般是從序列[1，2,…η]中隨機(jī)選擇的一個(gè)整數(shù)， 用來(lái)確保Ui(g+1)中至少有一維分量來(lái)自Vi(g+1)。 陽(yáng)163] 步驟908、對(duì)試驗(yàn)個(gè)體進(jìn)行調(diào)整，將個(gè)體各維變量限制在取值范圍[Xmi。，XmJ內(nèi)。解 碼獲得試驗(yàn)個(gè)體對(duì)應(yīng)路徑并進(jìn)行驗(yàn)證，避免出現(xiàn)路徑反折現(xiàn)象。
[0164] 步驟909、對(duì)調(diào)整后的試驗(yàn)個(gè)體與原個(gè)體進(jìn)行比較，選擇適應(yīng)度值較好的個(gè)體，即 路徑行駛時(shí)間較小的個(gè)體進(jìn)入下一代。
[01化]步驟910、記錄當(dāng)代種群中適應(yīng)度值最優(yōu)的個(gè)體及其對(duì)應(yīng)解碼路徑，更新全局最優(yōu) 路徑Route。
[0166] 本發(fā)明提供了一種基于高維多目標(biāo)智能優(yōu)化的面向用戶的主動(dòng)停車誘導(dǎo)方法，首 先，設(shè)計(jì)用戶出行前靜態(tài)的高維多目標(biāo)智能停車場(chǎng)選擇及路徑誘導(dǎo)模型，充分考慮用戶在 停車場(chǎng)選擇時(shí)對(duì)于停車場(chǎng)距離出行目的地步行距離、有效停車泊位數(shù)、停車設(shè)施的安全性、 停車收費(fèi)及到達(dá)停車場(chǎng)所需時(shí)間等方面的需求差異，在出行前為用戶提供5項(xiàng)需求目標(biāo)同 時(shí)達(dá)到最優(yōu)的停車場(chǎng)及路徑選擇方案；其次，設(shè)計(jì)用戶行進(jìn)中動(dòng)態(tài)的高維多目標(biāo)智能停車 場(chǎng)選擇及路徑誘導(dǎo)模型，綜合考慮道路網(wǎng)交通信息及停車場(chǎng)信息動(dòng)態(tài)變化對(duì)于方案決策造 成的影響，在用戶進(jìn)行過(guò)程中實(shí)時(shí)更新高維多目標(biāo)最優(yōu)的停車場(chǎng)及路徑選擇方案；最后，設(shè) 計(jì)一種基于改進(jìn)K支配排序的高維多目標(biāo)優(yōu)化方法，高效求解高維多目標(biāo)優(yōu)化問(wèn)題，為用 戶出行前靜態(tài)的和行進(jìn)中動(dòng)態(tài)的高維多目標(biāo)停車場(chǎng)選擇及路徑誘導(dǎo)模型求解提供算法支 持。該方法能夠在用戶出行前和行進(jìn)中對(duì)于停車場(chǎng)及行駛路徑進(jìn)行高維多目標(biāo)最優(yōu)的整體 智能選擇，無(wú)需預(yù)知用戶偏好信息及繁雜的權(quán)重系數(shù)設(shè)置，精確、高效地為用戶提供主動(dòng)停 車誘導(dǎo)決策方案。
[0167] 下面將結(jié)合附圖及本發(fā)明的具體實(shí)施步驟，對(duì)本發(fā)明實(shí)施例中的方法進(jìn)行清楚、 完整的描述和論證，它將有助于理解本發(fā)明，但不限制本發(fā)明的內(nèi)容。
[0168] 步驟1 :根據(jù)城市道路網(wǎng)區(qū)域中真實(shí)的道路網(wǎng)分布構(gòu)建二維平面交通網(wǎng)絡(luò)拓 撲圖，如圖10所示。確定用戶出行的初始道路交叉口節(jié)點(diǎn)0 = [0, 0]，目的地Tar = [14. 4442, 49. 0579]及預(yù)計(jì)停車時(shí)長(zhǎng)t =地。
[0169] 步驟2 :獲取城市道路網(wǎng)區(qū)域中的100個(gè)停車場(chǎng)的位置分布、剩余有效停車位數(shù) 目、停車設(shè)施條件、收費(fèi)價(jià)格等實(shí)時(shí)信息。W出行目的地Tar為圓屯、，選定距離目的地500 米半徑范圍內(nèi)的N = 30個(gè)已運(yùn)營(yíng)停車場(chǎng)為候選停車場(chǎng)集合P =化，P2,…。道路網(wǎng)區(qū)域 中所有停車場(chǎng)位置分布如圖11所示。停車場(chǎng)的設(shè)施類型、安全性等級(jí)及收費(fèi)價(jià)格等信息如 表1所示，其中Saf為停車場(chǎng)安全等級(jí)；Tmi。為停車場(chǎng)免費(fèi)停放時(shí)間長(zhǎng)度；T 1為停車場(chǎng)計(jì)時(shí) 收費(fèi)第一階段時(shí)間長(zhǎng)度；Tm。、為停車場(chǎng)計(jì)時(shí)收費(fèi)最大時(shí)間長(zhǎng)度；yi為停車場(chǎng)計(jì)時(shí)收費(fèi)第一階 段單價(jià)；y2為停車場(chǎng)計(jì)時(shí)收費(fèi)第二階段單價(jià)；Fl為停車場(chǎng)計(jì)時(shí)收費(fèi)最高限額。
[0170] 表1城市道路網(wǎng)區(qū)域中停車場(chǎng)信息 陽(yáng) 171]
陽(yáng)172] 步驟3 : W停車場(chǎng)距離出行目的地步行距離^有效停車泊位數(shù)B、停車設(shè)施的安全 性S及停車收費(fèi)F四項(xiàng)用戶需求為目標(biāo)，應(yīng)用KS-M0DE算法從30個(gè)候選停車場(chǎng)集合P中多 目標(biāo)優(yōu)化選擇最優(yōu)停車場(chǎng)集合P_best=巧，57}。由于多目標(biāo)優(yōu)化問(wèn)題的最優(yōu)解不是單個(gè) 解而是解集，因此最終得到的最優(yōu)停車場(chǎng)為一個(gè)集合。 陽(yáng)173] 該步驟中應(yīng)用KS-M0DE算法進(jìn)行高維多目標(biāo)優(yōu)化計(jì)算的具體實(shí)施流程如圖8所 示，具體操作過(guò)程如下：
[0174] 1、根據(jù)用戶在城市道路網(wǎng)中停車場(chǎng)選擇實(shí)際需求的調(diào)查統(tǒng)計(jì)，確立最優(yōu)停車場(chǎng)選 擇4項(xiàng)目標(biāo)。目標(biāo)1 :停車場(chǎng)距離出行目的地步行距離；目標(biāo)2 :有效停車泊位數(shù)；目標(biāo)3 : 停車設(shè)施的安全性；目標(biāo)4 :停車收費(fèi)。 陽(yáng)175] 2、計(jì)算候選停車場(chǎng)集合P =巧1，P2,中N = 30個(gè)候選停車場(chǎng)在4項(xiàng)目標(biāo)上 的目標(biāo)函數(shù)值fl, fz，fs，f4。 陽(yáng)176] 目標(biāo)1 :停車場(chǎng)距離出行目的地步行距離。第Pi(i = 1，2,…腳個(gè)候選停車場(chǎng)至 目的地Tar的步行距離計(jì)算公式如（1)式所示。 陽(yáng)177]
(,) 陽(yáng)17引其中（卻1，ypi)，（Xtw YtJ分別為停車場(chǎng)P郝目的地Tar的坐標(biāo)。停車場(chǎng)選擇目 標(biāo)1即為停車場(chǎng)至出行目的地的步行距離L最短，即fi= min(L)。
[0179]目標(biāo)2 :停車場(chǎng)有效停車泊位數(shù)。根據(jù)停車場(chǎng)實(shí)時(shí)發(fā)布信息，獲得N個(gè)候選停車場(chǎng) 的剩余有效停車位數(shù)量B。停車場(chǎng)選擇目標(biāo)2即為停車場(chǎng)的有效停車位數(shù)量B最多，由于多 目標(biāo)優(yōu)化問(wèn)題中需要統(tǒng)一目標(biāo)取值的極值性，因此設(shè)置f2= min(l/B)。 陽(yáng)180]目標(biāo)3 :停車場(chǎng)停車設(shè)施的安全性。車輛停放安全性由停車設(shè)施類型決定，為各類 型停車場(chǎng)的停放安全性進(jìn)行量化賦值，設(shè)置立體停車樓安全等級(jí)Saf= 1 ;地下停車庫(kù)安全 等級(jí)Saf = 2 ;路外地面停車場(chǎng)安全等級(jí)Saf = 3 ;路內(nèi)停車位安全等級(jí)Saf = 4。停車場(chǎng) 選擇目標(biāo)3為停車場(chǎng)停車設(shè)施的安全性最高，即f3= min (Saf)。 陽(yáng) 182] 陽(yáng)181]目標(biāo)4 :停車場(chǎng)停車收費(fèi)。現(xiàn)有停車場(chǎng)大多按照車輛停放時(shí)間的長(zhǎng)短收取停車費(fèi)， 根據(jù)用戶車輛預(yù)計(jì)停放時(shí)間t，按（2)式計(jì)算車輛停放費(fèi)用。
(2)
[0183] 式中Tmi。為停車場(chǎng)免費(fèi)停放時(shí)間長(zhǎng)度；T 1為停車場(chǎng)計(jì)時(shí)收費(fèi)第一階段時(shí)間長(zhǎng)度； Tm。,為停車場(chǎng)計(jì)時(shí)收費(fèi)最大時(shí)間長(zhǎng)度；yi為停車場(chǎng)計(jì)時(shí)收費(fèi)第一階段單價(jià)；y 2為停車場(chǎng)計(jì)時(shí) 收費(fèi)第二階段單價(jià)；F,為停車場(chǎng)計(jì)時(shí)收費(fèi)最高限額。停車場(chǎng)選擇目標(biāo)4為停車場(chǎng)停車收費(fèi) 最低，即fzi= min (巧。
[0184] 3、根據(jù)N個(gè)候選停車場(chǎng)的各項(xiàng)目標(biāo)函數(shù)值，構(gòu)建規(guī)模為N的個(gè)體種群，每個(gè)個(gè)體X =化，f2, f3, f*}的維數(shù)設(shè)置為Μ = 4。
[01化]4、根據(jù)公式（3)計(jì)算每個(gè)個(gè)體的能量函數(shù)G(x)，其中參數(shù)Ρ取值為2。
陽(yáng) 186] (3)
[0187] 5、對(duì)種群中N個(gè)個(gè)體進(jìn)行K支配比較，對(duì)于種群中任意兩個(gè)個(gè)體X和巧，當(dāng)滿足同 時(shí)滿足G(x)<G(x*)和公式（4)時(shí)稱X K支配巧，記為X*。
陽(yáng)18引 (4)
[0189] 其中Bt (X，巧）表示Μ維目標(biāo)中X比巧表現(xiàn)好的目標(biāo)個(gè)數(shù)；Eq(X，巧）表示X與巧 表現(xiàn)相同的目標(biāo)個(gè)數(shù);Wg(x，X*)表示X比巧表現(xiàn)差的目標(biāo)個(gè)數(shù)，計(jì)算公式如（5)式所示。 陽(yáng)190]
瞬 陽(yáng)191] 其中card表示集合的規(guī)模。記錄每個(gè)個(gè)體受種群中其他個(gè)體支配的數(shù)目Ωι = (Xj I Xj> 斯，1《j《ΝΡ, j 聲；?}。
[0192] 6、根據(jù)種群個(gè)體的非支配等級(jí)KS對(duì)種群個(gè)體進(jìn)行從小到大的非支配等級(jí)排序。 陽(yáng) 19引 KS(Xi) = I ΩιΙ 1《i《NP 化） 陽(yáng)194] 7、篩選出種群中非支配等級(jí)KS為0的個(gè)體集合作為最優(yōu)候選停車場(chǎng)集合P_best。
[0195] 步驟4 :用戶根據(jù)個(gè)人偏好或隨機(jī)從最優(yōu)候選停車場(chǎng)集合P_best中選定目標(biāo)停車 場(chǎng)P。捜索城市道路網(wǎng)區(qū)域中距離目標(biāo)停車場(chǎng)P最近的道路交叉口節(jié)點(diǎn)D，將其作為最優(yōu)路 徑規(guī)劃的終止目標(biāo)節(jié)點(diǎn)D = 口1，50}。 陽(yáng)196] 步驟5 :根據(jù)獲得的實(shí)時(shí)道路交通信息，W最短行駛時(shí)間為目標(biāo)，應(yīng)用DE算法優(yōu)化 選擇初始目標(biāo)節(jié)點(diǎn)ο至目標(biāo)停車場(chǎng)P之間的最優(yōu)路徑Route。 陽(yáng)197] 該步驟中應(yīng)用DE算法進(jìn)行路徑優(yōu)化的具體實(shí)施流程如圖9所示，具體操作過(guò)程如 下：
[0198] 1、構(gòu)建初始種群。設(shè)置種群規(guī)模NP = 200,種群個(gè)體X = (Xi，X2, ···Xn)維數(shù)η = 20,每一維變量X取值空間= [1，4]，其中維數(shù)η為初始目標(biāo)節(jié)點(diǎn)至終止目標(biāo)節(jié) 點(diǎn)所經(jīng)歷的最大節(jié)點(diǎn)數(shù)。設(shè)置算法最大迭代次數(shù)Gen。
[0199] 2、種群個(gè)體在取值范圍內(nèi)隨機(jī)初始化，根據(jù)城市區(qū)域道路網(wǎng)拓?fù)浣Y(jié)構(gòu)解碼獲得種 群中每個(gè)個(gè)體變量對(duì)應(yīng)的真實(shí)路徑節(jié)點(diǎn)信息。 陽(yáng)200] 3、計(jì)算每個(gè)個(gè)體的適應(yīng)度函數(shù)值，即根據(jù)道路網(wǎng)節(jié)點(diǎn)之間的物理距離及各路段實(shí) 時(shí)平均行駛速度，計(jì)算每條路徑行駛時(shí)間。選擇種群中行駛時(shí)間最短路徑對(duì)應(yīng)個(gè)體為初始 最優(yōu)個(gè)體，初始最優(yōu)路徑記為Route。 陽(yáng)201] 4、對(duì)種群個(gè)體進(jìn)行變異操作，采用DE/rand/2/bin模式的變異策略生成變異個(gè) 體，計(jì)算公式為： 陽(yáng)202] Vi (g+1) = Xri (g) +FX 0(r2 (g) -Xr3 (g) ) +FX 狂r4 (g) -Xr5 (g) ) (D 陽(yáng)203] 5、對(duì)種群中變異后的個(gè)體進(jìn)行交叉操作，生成試驗(yàn)個(gè)體，公式如（2)式所示。 陽(yáng)204]
(巧 陽(yáng)20引其中g(shù)為當(dāng)前進(jìn)化迭代次數(shù)，i = 1，···，ΝΡ為種群個(gè)體序號(hào)，j = 1，…，η為個(gè)體 決策變量維數(shù)序號(hào)。 陽(yáng)206] 6、對(duì)試驗(yàn)個(gè)體進(jìn)行調(diào)整，將個(gè)體各維變量限制在取值范圍[Xmi。，XmJ內(nèi)。解碼獲得 試驗(yàn)個(gè)體對(duì)應(yīng)路徑并進(jìn)行驗(yàn)證，避免出現(xiàn)路徑反折現(xiàn)象。 陽(yáng)207] 7、對(duì)調(diào)整后的試驗(yàn)個(gè)體與原個(gè)體進(jìn)行比較，選擇適應(yīng)度值較好的個(gè)體，即路徑行 駛時(shí)間較小的個(gè)體進(jìn)入下一代。 陽(yáng)20引 8、記錄當(dāng)代種群中適應(yīng)度值最優(yōu)的個(gè)體及其對(duì)應(yīng)解碼路徑，更新全局最優(yōu)路徑 Route。 陽(yáng)209] 9、判斷終止條件是否滿足，若滿足則算法結(jié)束，輸出當(dāng)前全局最優(yōu)路徑Route ;否 則轉(zhuǎn)至4至循環(huán)結(jié)束。
[0210] 步驟1-步驟5設(shè)計(jì)了用戶出行前靜態(tài)的高維多目標(biāo)智能停車場(chǎng)選擇及路徑誘導(dǎo) 方法，在出行前為用戶提供5項(xiàng)需求目標(biāo)同時(shí)達(dá)到最優(yōu)的停車場(chǎng)及路徑選擇方案，最優(yōu)目 標(biāo)停車場(chǎng)集合P_best=巧，57}的各項(xiàng)目標(biāo)值如表2所示。用戶根據(jù)個(gè)人偏好或隨機(jī)選擇 停車場(chǎng)5、停車場(chǎng)57時(shí)對(duì)應(yīng)的最優(yōu)行駛路徑如圖12、圖13中的粗線所示。 陽(yáng)211] 表2出行前停車場(chǎng)多目標(biāo)優(yōu)化選擇結(jié)果 陽(yáng) 212]
[0213] 如圖12所示，停車場(chǎng)5對(duì)應(yīng)最優(yōu)行駛路徑： 陽(yáng)214] 1 一 21 一 2 一 3 一 4 一日一 25 一 26 一 46 一 47 一 48 一 49 一 50 一 70 一 71 至 停車場(chǎng)5 ;
[0215] 如圖13所示，停車場(chǎng)57對(duì)應(yīng)最優(yōu)行駛路徑： 陽(yáng)216] 1 一 21 一 2 一 3 一 4 一 5 一 25 一 26 一 46 一 47 一 48 一 49 一 50 至停車場(chǎng) 57。
[0217] 為驗(yàn)證本發(fā)明提出的基于高維多目標(biāo)智能優(yōu)化算法KS-M0DE的停車場(chǎng)選擇及路 徑誘導(dǎo)方法的先進(jìn)性，將其與現(xiàn)有技術(shù)的基于PS0的加權(quán)求和法進(jìn)行對(duì)比，其中加權(quán)求和 法中5項(xiàng)用戶需求目標(biāo)對(duì)應(yīng)的權(quán)重系數(shù)分別為wl = 0. 1905 ;w2 = 0. 0411 ;w3 = 0. 3197 ; w4 = 0. 2113 ;w5 = 0. 2329,算法PSO中學(xué)習(xí)因子Cl = C2 = 2。問(wèn)樣實(shí)驗(yàn)條件下，該方法 計(jì)算獲得的最優(yōu)停車場(chǎng)為停車場(chǎng)10,各項(xiàng)目標(biāo)值如表3所示。
[0218] 表3出行前基于PS0的加權(quán)求和法停車場(chǎng)優(yōu)化選擇結(jié)果 陽(yáng) 219]
[0220] 對(duì)比表3中的數(shù)據(jù)不難看出，停車場(chǎng)10不屬于帕累托（Pareto)最優(yōu)的停車場(chǎng)，停 車場(chǎng)5各項(xiàng)目標(biāo)值均優(yōu)于停車場(chǎng)10,二者屬于支配關(guān)系，因此基于PS0的加權(quán)求和法最終獲 得的僅為近似最優(yōu)解，而非真正的多目標(biāo)優(yōu)化最優(yōu)解，由此證明本發(fā)明中基于高維多目標(biāo) 智能優(yōu)化算法KS-M0DE的停車場(chǎng)選擇及路徑誘導(dǎo)方法具有相對(duì)較高的計(jì)算精度，能夠?yàn)橛?戶提供更為精確的誘導(dǎo)決策方案。 陽(yáng)221] 為提供用戶行進(jìn)過(guò)程中動(dòng)態(tài)最優(yōu)的停車場(chǎng)選擇及路徑誘導(dǎo)方案，基于更新道路網(wǎng) 交通信息及停車場(chǎng)信息，利用高維多目標(biāo)智能優(yōu)化算法KS-M0DE實(shí)時(shí)制定5目標(biāo)最優(yōu)的選 擇方案，具體方法如步驟6-步驟12所示。 陽(yáng)222] 步驟6 :根據(jù)出行前制定的最優(yōu)停車場(chǎng)P_best =巧，57}及路徑選擇方案，用戶根 據(jù)個(gè)人偏好或隨機(jī)選擇停車場(chǎng)5或停車場(chǎng)57作為目標(biāo)停車場(chǎng)，根據(jù)其各自對(duì)應(yīng)的最優(yōu)誘導(dǎo) 路徑確定車輛行駛路徑的初始節(jié)點(diǎn)L1 = Route (1) = 1及下一目標(biāo)節(jié)點(diǎn)L2 = Route (2)= 21。 陽(yáng)223] 步驟7 :判斷初始節(jié)點(diǎn)L1是否為路徑終止目標(biāo)節(jié)點(diǎn)D，若是則輸出當(dāng)前目標(biāo)停車 場(chǎng)P為最優(yōu)目標(biāo)停車場(chǎng)，輸出道路網(wǎng)中歷史遍歷節(jié)點(diǎn)為最優(yōu)行駛路徑Best_route，算法運(yùn) 行結(jié)束。否則轉(zhuǎn)至步驟8。
[0224] 步驟8 :行駛至下一目標(biāo)節(jié)點(diǎn)L2。獲取最新的道路交通信息W及停車場(chǎng)信息。
[0225] 步驟9 :判斷當(dāng)前候選停車場(chǎng)集合P的剩余有效停車位是否為0。若是，則W L、B、 S及F四項(xiàng)用戶需求為目標(biāo)，應(yīng)用KS-M0DE算法從城市道路網(wǎng)區(qū)域范圍內(nèi)集合P之外有停車 位的停車場(chǎng)中多目標(biāo)優(yōu)化選擇m'個(gè)非支配停車場(chǎng)作為候選最優(yōu)停車場(chǎng)集合P_best ;否則， W ^ B、S及F四項(xiàng)用戶需求為目標(biāo)，應(yīng)用KS-M0DE算法從集合P中有停車位的停車場(chǎng)中多 目標(biāo)優(yōu)化選擇m個(gè)非支配停車場(chǎng)作為候選最優(yōu)停車場(chǎng)集合P_best。 陽(yáng)226] 該步驟中應(yīng)用KS-M0DE算法進(jìn)行高維多目標(biāo)停車場(chǎng)優(yōu)化選擇的具體實(shí)施流程如 圖2所示，具體操作過(guò)程同步驟3,在此不再寶述。 陽(yáng)227] 步驟10 :判斷當(dāng)前目標(biāo)停車場(chǎng)P是否在更新后的P_best中。若是，則目標(biāo)停車場(chǎng) P保持不變，終止目標(biāo)節(jié)點(diǎn)D不變；否則，由用戶根據(jù)個(gè)人偏好或隨機(jī)從更新后的P_best中 選擇新的目標(biāo)停車場(chǎng)P，并捜索道路網(wǎng)中距離P最近的交叉口節(jié)點(diǎn)D，將其作為新最優(yōu)路徑 的終止目標(biāo)節(jié)點(diǎn)。 陽(yáng)22引步驟11 :根據(jù)實(shí)時(shí)獲得的道路交通信息，W節(jié)點(diǎn)L2為新的最優(yōu)路徑初始節(jié)點(diǎn)，WD 為新的最優(yōu)路徑終止節(jié)點(diǎn)，應(yīng)用DE算法優(yōu)化選擇初始節(jié)點(diǎn)L2至停車場(chǎng)P的實(shí)時(shí)最佳路徑 Route。
[0229] 該步驟中應(yīng)用DE算法進(jìn)行最優(yōu)路徑優(yōu)化選擇的具體實(shí)施流程如圖3所示，具體操 作過(guò)程同步驟5,在此不再寶述。 陽(yáng)230] 步驟12 :更新動(dòng)態(tài)最優(yōu)路徑的起止節(jié)點(diǎn)信息，令下一初始節(jié)點(diǎn)L1 = L2,下一目標(biāo) 節(jié)點(diǎn)L2 = Route (2)。記錄車輛歷史遍歷節(jié)點(diǎn)并更新動(dòng)態(tài)最優(yōu)行駛路徑Best_;route及實(shí)際 時(shí)耗T。轉(zhuǎn)至步驟7。 陽(yáng)231] 用戶行進(jìn)過(guò)程中動(dòng)態(tài)的高維多目標(biāo)停車場(chǎng)選擇結(jié)果仍為P_best = (5, 57}，但由 于城市道路網(wǎng)區(qū)域中道路交通狀況實(shí)時(shí)變化使得最優(yōu)行駛路徑不斷變化，本實(shí)施例中，用 戶行駛至目標(biāo)停車場(chǎng)5或57過(guò)程中由歷史遍歷節(jié)點(diǎn)構(gòu)成的最優(yōu)行駛路徑Best_route如圖 14、15所示。 陽(yáng)232] 如圖14所示，停車場(chǎng)5對(duì)應(yīng)的歷史最優(yōu)行駛路徑： 陽(yáng)233] 1 一 21 一 2 一 3 一 4 一 24 一 44 一 45 一 65 一 66 一 67 一 68 一 69 一 70 一 71 至 停車場(chǎng)5 ;
[0234] 如圖15所示，停車場(chǎng)57對(duì)應(yīng)的歷史最優(yōu)行駛路徑： 陽(yáng)235] 1 一 21 一 2 一 22 一 42 一 43 一 23 一 24 一 25 一 26 一 46 一 47 一 48 一 49 一 50 至停車場(chǎng)57。 陽(yáng)236] 如上所述，根據(jù)本發(fā)明中基于KS-M0DE算法的高維多目標(biāo)動(dòng)態(tài)停車場(chǎng)選擇及路徑 誘導(dǎo)方法具有W下優(yōu)點(diǎn)： 陽(yáng)237] 1、能夠在用戶出行前和行進(jìn)中提供城市道路網(wǎng)區(qū)域中高維多目標(biāo)最優(yōu)的停車場(chǎng) 選擇及路徑誘導(dǎo)決策方案，能夠綜合考慮用戶對(duì)于停車場(chǎng)選擇的5項(xiàng)實(shí)際需求，并使得最 終的決策方案在5項(xiàng)用戶需求上同時(shí)達(dá)到最優(yōu)；
[0238] 2、不僅能夠在用戶出行前提供基于靜態(tài)道路網(wǎng)信息的高維多目標(biāo)最優(yōu)誘導(dǎo)決策 方案，而且能夠在用戶行進(jìn)過(guò)程中根據(jù)實(shí)時(shí)路網(wǎng)信息及停車場(chǎng)信息變化，提供實(shí)時(shí)、動(dòng)態(tài)的 高維多目標(biāo)最優(yōu)誘導(dǎo)決策方案； 陽(yáng)239] 3、將停車場(chǎng)智能選擇及智能路徑誘導(dǎo)有機(jī)結(jié)合起來(lái)，避免二者相互獨(dú)立，為用戶 提供更加全面的停車誘導(dǎo)決策方案；
[0240] 4、首次仿真實(shí)現(xiàn)了用戶出行前和行進(jìn)中的高維多目標(biāo)智能停車場(chǎng)選擇及路徑誘 導(dǎo)，克服同領(lǐng)域內(nèi)相關(guān)研究成果僅限于方法設(shè)計(jì)而缺乏實(shí)際案例分析的缺陷，為智能車設(shè) 計(jì)及城市停車誘導(dǎo)系統(tǒng)PGS的理論研究與實(shí)際開(kāi)發(fā)提供一定的參考。 陽(yáng)241 ] 本領(lǐng)域內(nèi)的技術(shù)人員應(yīng)明白，本發(fā)明的實(shí)施例可提供為方法、系統(tǒng)、或計(jì)算機(jī)程序 產(chǎn)品。因此，本發(fā)明可采用完全硬件實(shí)施例、完全軟件實(shí)施例、或結(jié)合軟件和硬件方面的實(shí) 施例的形式。而且，本發(fā)明可采用在一個(gè)或多個(gè)其中包含有計(jì)算機(jī)可用程序代碼的計(jì)算機(jī) 可用存儲(chǔ)介質(zhì)（包括但不限于磁盤(pán)存儲(chǔ)器、CD-ROM、光學(xué)存儲(chǔ)器等）上實(shí)施的計(jì)算機(jī)程序產(chǎn) 品的形式。 陽(yáng)242] 本發(fā)明是參照根據(jù)本發(fā)明實(shí)施例的方法、設(shè)備（系統(tǒng)）、和計(jì)算機(jī)程序產(chǎn)品的流程 圖和/或方框圖來(lái)描述的。應(yīng)理解可由計(jì)算機(jī)程序指令實(shí)現(xiàn)流程圖和/或方框圖中的每一 流程和/或方框、W及流程圖和/或方框圖中的流程和/或方框的結(jié)合?？商峁┻\(yùn)些計(jì)算 機(jī)程序指令到通用計(jì)算機(jī)、專用計(jì)算機(jī)、嵌入式處理機(jī)或其他可編程數(shù)據(jù)處理設(shè)備的處理 器W產(chǎn)生一個(gè)機(jī)器，使得通過(guò)計(jì)算機(jī)或其他可編程數(shù)據(jù)處理設(shè)備的處理器執(zhí)行的指令產(chǎn)生 用于實(shí)現(xiàn)在流程圖一個(gè)流程或多個(gè)流程和/或方框圖一個(gè)方框或多個(gè)方框中指定的功能 的裝置。 陽(yáng)243] 運(yùn)些計(jì)算機(jī)程序指令也可存儲(chǔ)在能引導(dǎo)計(jì)算機(jī)或其他可編程數(shù)據(jù)處理設(shè)備W特 定方式工作的計(jì)算機(jī)可讀存儲(chǔ)器中，使得存儲(chǔ)在該計(jì)算機(jī)可讀存儲(chǔ)器中的指令產(chǎn)生包括指 令裝置的制造品，該指令裝置實(shí)現(xiàn)在流程圖一個(gè)流程或多個(gè)流程和/或方框圖一個(gè)方框或 多個(gè)方框中指定的功能。
[0244] 運(yùn)些計(jì)算機(jī)程序指令也可裝載到計(jì)算機(jī)或其他可編程數(shù)據(jù)處理設(shè)備上，使得在計(jì) 算機(jī)或其他可編程設(shè)備上執(zhí)行一系列操作步驟W產(chǎn)生計(jì)算機(jī)實(shí)現(xiàn)的處理，從而在計(jì)算機(jī)或 其他可編程設(shè)備上執(zhí)行的指令提供用于實(shí)現(xiàn)在流程圖一個(gè)流程或多個(gè)流程和/或方框圖 一個(gè)方框或多個(gè)方框中指定的功能的步驟。
[0245] W上所述的具體實(shí)施例，對(duì)本發(fā)明的目的、技術(shù)方案和有益效果進(jìn)行了進(jìn)一步詳 細(xì)說(shuō)明，所應(yīng)理解的是，W上所述僅為本發(fā)明的具體實(shí)施例而已，并不用于限定本發(fā)明的保 護(hù)范圍，凡在本發(fā)明的精神和原則之內(nèi)，所做的任何修改、等同替換、改進(jìn)等，均應(yīng)包含在本 發(fā)明的保護(hù)范圍之內(nèi)。
【主權(quán)項(xiàng)】
1. 一種停車誘導(dǎo)方法，其特征在于，所述的方法包括： 獲取城市道路網(wǎng)區(qū)域中的實(shí)時(shí)道路交通數(shù)據(jù)和實(shí)時(shí)停車場(chǎng)數(shù)據(jù)，其中，所述實(shí)時(shí)道路 交通數(shù)據(jù)包括道路網(wǎng)數(shù)據(jù)； 根據(jù)所述道路網(wǎng)數(shù)據(jù)構(gòu)建交通網(wǎng)絡(luò)拓?fù)鋱D； 根據(jù)目的地和所述實(shí)時(shí)停車場(chǎng)數(shù)據(jù)生成候選停車場(chǎng)集合； 以用戶需求數(shù)據(jù)為目標(biāo)函數(shù)，根據(jù)高維多目標(biāo)差分進(jìn)化算法從候選停車場(chǎng)集合選擇最 優(yōu)停車場(chǎng)集合； 利用單目標(biāo)差分進(jìn)化算法根據(jù)用戶的位置數(shù)據(jù)、用戶從所述最優(yōu)停車場(chǎng)集合中選擇的 目標(biāo)停車場(chǎng)、所述實(shí)時(shí)道路交通數(shù)據(jù)、實(shí)時(shí)停車場(chǎng)數(shù)據(jù)及交通網(wǎng)絡(luò)拓?fù)鋱D生成停車誘導(dǎo)結(jié) 果。2. 如權(quán)利要求1所述的停車誘導(dǎo)方法，其特征在于，所述的根據(jù)目的地和所述停車場(chǎng) 數(shù)據(jù)生成候選停車場(chǎng)集合包括： 以目的地為圓心按預(yù)設(shè)的半徑范圍確定候選停車場(chǎng)分布； 根據(jù)所述實(shí)時(shí)停車場(chǎng)數(shù)據(jù)和候選停車場(chǎng)分布生成候選停車場(chǎng)集合。3. 如權(quán)利要求2所述的停車誘導(dǎo)方法，其特征在于，所述的用戶需求數(shù)據(jù)包括：停車場(chǎng) 位置距離目的地的步行距離、有效停車位數(shù)據(jù)、停車設(shè)施安全性數(shù)據(jù)以及停車場(chǎng)收費(fèi)數(shù)據(jù)。4. 如權(quán)利要求3所述的停車誘導(dǎo)方法，其特征在于，所述的以用戶需求數(shù)據(jù)為目標(biāo)函 數(shù)，根據(jù)高維多目標(biāo)差分進(jìn)化算法從所述候選停車場(chǎng)集合選擇最優(yōu)停車場(chǎng)集合包括： 根據(jù)所述用戶需求數(shù)據(jù)分別建立所述候選停車場(chǎng)集合中各停車場(chǎng)的目標(biāo)函數(shù)； 以所述候選停車場(chǎng)集合中各停車場(chǎng)的目標(biāo)函數(shù)為個(gè)體構(gòu)建種群； 根據(jù)構(gòu)建的種群進(jìn)行高維多目標(biāo)差分進(jìn)化算法的K支配比較從所述候選停車場(chǎng)集合 選擇最優(yōu)停車場(chǎng)集合。5. 如權(quán)利要求4所述的停車誘導(dǎo)方法，其特征在于，所述的根據(jù)構(gòu)建的種群進(jìn)行高維 多目標(biāo)差分進(jìn)化算法的K支配比較從所述候選停車場(chǎng)集合選擇最優(yōu)停車場(chǎng)集合包括： 計(jì)算構(gòu)建的種群中每個(gè)個(gè)體的能量函數(shù)； 根據(jù)所述能量函數(shù)和K支配條件對(duì)種群中的個(gè)體進(jìn)行K支配比較，確定每個(gè)個(gè)體受種 群中其它個(gè)體支配的數(shù)目； 根據(jù)所述每個(gè)個(gè)體受種群中其它個(gè)體支配的數(shù)目進(jìn)行非支配等級(jí)排序，將非支配等級(jí) 為零的個(gè)體對(duì)應(yīng)的停車場(chǎng)納入最優(yōu)停車場(chǎng)集合。6. 如權(quán)利要求5所述的停車誘導(dǎo)方法，其特征在于，所述的用戶的位置數(shù)據(jù)包括：用戶 出發(fā)時(shí)的初始位置數(shù)據(jù)、行駛過(guò)程中的當(dāng)前位置數(shù)據(jù)。7. 如權(quán)利要求6所述的停車誘導(dǎo)方法，其特征在于，所述的利用單目標(biāo)差分進(jìn)化算法 根據(jù)用戶的位置數(shù)據(jù)、用戶從所述最優(yōu)停車場(chǎng)集合中選擇的目標(biāo)停車場(chǎng)、所述實(shí)時(shí)道路交 通數(shù)據(jù)、實(shí)時(shí)停車場(chǎng)數(shù)據(jù)及交通網(wǎng)絡(luò)拓?fù)鋱D生成停車誘導(dǎo)結(jié)果包括： 根據(jù)所述位置數(shù)據(jù)確定行駛位置路口節(jié)點(diǎn)； 根據(jù)用戶選擇的目標(biāo)停車場(chǎng)確定目標(biāo)路口節(jié)點(diǎn)； 利用單目標(biāo)差分進(jìn)化算法根據(jù)所述行駛位置路口節(jié)點(diǎn)、目標(biāo)路口節(jié)點(diǎn)、所述實(shí)時(shí)道路 交通數(shù)據(jù)、實(shí)時(shí)停車場(chǎng)數(shù)據(jù)及交通網(wǎng)絡(luò)拓?fù)鋱D生成停車誘導(dǎo)結(jié)果。8. 如權(quán)利要求7所述的停車誘導(dǎo)方法，其特征在于，所述的利用單目標(biāo)差分進(jìn)化算法 根據(jù)所述行駛位置路口節(jié)點(diǎn)、目標(biāo)路口節(jié)點(diǎn)、所述實(shí)時(shí)道路交通數(shù)據(jù)、實(shí)時(shí)停車場(chǎng)數(shù)據(jù)及交 通網(wǎng)絡(luò)拓?fù)鋱D生成停車誘導(dǎo)結(jié)果包括： 利用單目標(biāo)差分進(jìn)化算法根據(jù)所述行駛位置路口節(jié)點(diǎn)、目標(biāo)路口節(jié)點(diǎn)及交通網(wǎng)絡(luò)拓?fù)?圖生成當(dāng)前停車誘導(dǎo)路徑； 判斷行駛位置路口節(jié)點(diǎn)為所述目標(biāo)路口節(jié)點(diǎn)時(shí)，輸出用戶選擇的目標(biāo)停車場(chǎng)及當(dāng)前停 車誘導(dǎo)路徑作為停車誘導(dǎo)結(jié)果。9. 如權(quán)利要求8所述的停車誘導(dǎo)方法，其特征在于，所述的利用單目標(biāo)差分進(jìn)化算法 根據(jù)所述行駛位置路口節(jié)點(diǎn)、目標(biāo)路口節(jié)點(diǎn)、所述實(shí)時(shí)道路交通數(shù)據(jù)、實(shí)時(shí)停車場(chǎng)數(shù)據(jù)及交 通網(wǎng)絡(luò)拓?fù)鋱D生成停車誘導(dǎo)結(jié)果還包括： 判斷行駛位置路口節(jié)點(diǎn)并非所述目標(biāo)路口節(jié)點(diǎn)時(shí)，根據(jù)所述實(shí)時(shí)道路交通數(shù)據(jù)、實(shí)時(shí) 停車場(chǎng)數(shù)據(jù)更新目標(biāo)停車場(chǎng)； 根據(jù)更新的目標(biāo)停車場(chǎng)確定更新的目標(biāo)路口節(jié)點(diǎn)； 利用單目標(biāo)差分進(jìn)化算法根據(jù)所述行駛位置路口節(jié)點(diǎn)、更新的目標(biāo)路口節(jié)點(diǎn)及交通網(wǎng) 絡(luò)拓?fù)鋱D生成當(dāng)前停車誘導(dǎo)路徑。10. 如權(quán)利要求8所述的停車誘導(dǎo)方法，其特征在于，所述的根據(jù)實(shí)時(shí)道路交通數(shù)據(jù)、 實(shí)時(shí)停車場(chǎng)數(shù)據(jù)更新目標(biāo)停車場(chǎng)包括： 根據(jù)所述實(shí)時(shí)道路交通數(shù)據(jù)及實(shí)時(shí)停車場(chǎng)數(shù)據(jù)判斷所述候選停車場(chǎng)集合內(nèi)無(wú)剩余停 車位時(shí)，以用戶需求為目標(biāo)函數(shù)，根據(jù)所述高維多目標(biāo)差分進(jìn)化算法從所述候選停車場(chǎng)之 外有停車位的停車場(chǎng)中選擇最優(yōu)停車場(chǎng)集合，生成更新的目標(biāo)停車場(chǎng)及更新的目標(biāo)路口節(jié) 占. 根據(jù)所述實(shí)時(shí)道路交通數(shù)據(jù)及實(shí)時(shí)停車場(chǎng)數(shù)據(jù)判斷所述候選停車場(chǎng)集合內(nèi)有剩余停 車位時(shí)，以用戶需求為目標(biāo)函數(shù)，根據(jù)所述高維多目標(biāo)差分進(jìn)化算法從所述候選停車場(chǎng)集 合中有停車位的停車場(chǎng)中選擇最優(yōu)停車場(chǎng)集合，生成更新的目標(biāo)停車場(chǎng)及更新的目標(biāo)路口 節(jié)點(diǎn)。11. 如權(quán)利要求10所述的停車誘導(dǎo)方法，其特征在于，所述的利用單目標(biāo)差分進(jìn)化算 法根據(jù)所述行駛位置路口節(jié)點(diǎn)、目標(biāo)路口節(jié)點(diǎn)及交通網(wǎng)絡(luò)拓?fù)鋱D生成當(dāng)前停車誘導(dǎo)路徑包 括： 以預(yù)先確定的用戶出發(fā)時(shí)的初始位置節(jié)點(diǎn)至目標(biāo)路口節(jié)點(diǎn)的最大節(jié)點(diǎn)數(shù)為決策變量 維數(shù)，根據(jù)預(yù)設(shè)參數(shù)構(gòu)建初始種群；根據(jù)所述交通網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)解碼確定種群中個(gè)體對(duì)應(yīng) 的路徑節(jié)點(diǎn)信息； 計(jì)算種群中的個(gè)體的適應(yīng)度函數(shù)值； 采用單目標(biāo)差分進(jìn)化算法的DE/rand/2/bin模式對(duì)種群個(gè)體進(jìn)行變異生成變異個(gè)體； 對(duì)變異后的個(gè)體進(jìn)行交叉操作生成試驗(yàn)個(gè)體； 對(duì)所述試驗(yàn)個(gè)體在預(yù)設(shè)的取值范圍內(nèi)進(jìn)行調(diào)整，生成調(diào)整后的個(gè)體； 將調(diào)整后的試驗(yàn)個(gè)體與原個(gè)體進(jìn)行比較，將適應(yīng)度函數(shù)值滿足預(yù)設(shè)規(guī)則的個(gè)體納入下 一代種群； 確定當(dāng)代種群中適應(yīng)度值最優(yōu)的個(gè)體及其對(duì)應(yīng)的路徑，更新全局最優(yōu)路徑； 根據(jù)確定的全局最優(yōu)路徑確定當(dāng)前停車誘導(dǎo)路徑。12. 如權(quán)利要求11所述的停車誘導(dǎo)方法，其特征在于，所述的實(shí)時(shí)道路交通數(shù)據(jù)還包 括：城市道路網(wǎng)各路段的實(shí)時(shí)行駛速度數(shù)據(jù)。
【文檔編號(hào)】G08G1/14GK105989737SQ201510059424
【公開(kāi)日】2016年10月5日
【申請(qǐng)日】2015年2月5日
【發(fā)明人】肖婧, 趙紅巖, 畢曉君, 欒祿祥, 陳雪蓮
【申請(qǐng)人】遼寧省交通高等?？茖W(xué)校