基于大型停車場(chǎng)停車沖突的路徑優(yōu)化研究

周必?fù)P，常玉林，2，孫 超

（1.江蘇大學(xué) 汽車與交通工程學(xué)院，江蘇 鎮(zhèn)江 212013；2.東南大學(xué) 城市智能交通江蘇省重點(diǎn)實(shí)驗(yàn)室，南京 211189）

隨著我國經(jīng)濟(jì)水平的發(fā)展，人們?cè)诖笮蜕虉?chǎng)的消費(fèi)能力日益增長(zhǎng)，加劇了商場(chǎng)停車的壓力［1］，因此，大型商場(chǎng)停車路徑誘導(dǎo)優(yōu)化問題越來越受到關(guān)注。目前，停車場(chǎng)路徑誘導(dǎo)的研究主要集中在車位剩余提醒以及停車場(chǎng)外部的路徑誘導(dǎo)［2］，而停車場(chǎng)內(nèi)部的路徑誘導(dǎo)僅局限在標(biāo)志牌的指示。因此，當(dāng)遇到停車高峰期時(shí)，駕駛員往往只能靠盲目尋找，才能找到空車位，這不僅會(huì)導(dǎo)致汽車能源消耗的增加，而且會(huì)增加駕駛員的停車搜索時(shí)間。

在大型停車場(chǎng)的停車過程中，能夠快速引導(dǎo)駕駛員找到合適的空余車位可以大大提高停車效率，緩解高峰時(shí)期停車場(chǎng)的擁堵程度［3］。目前，停車誘導(dǎo)系統(tǒng)作為ITS（智能交通系統(tǒng)）的重要組成部分，在歐美國家已經(jīng)進(jìn)行了大量的研究。Leephakpreeda［4］提出了基于模糊策略的泊車引導(dǎo)策略，其可應(yīng)用于室外大型停車場(chǎng)的泊車引導(dǎo)；Zonkoly等［5］對(duì)停車場(chǎng)誘導(dǎo)系統(tǒng)的開發(fā)進(jìn)行了理論研究；Fabian［6］對(duì)如何提升停車場(chǎng)內(nèi)車位的利用率進(jìn)行了研究。在國內(nèi)，停車場(chǎng)引導(dǎo)系統(tǒng)的研究和實(shí)現(xiàn)主要集中在停車信息的采集、停車信息的發(fā)布以及停車路徑的規(guī)劃這3個(gè)方面。在停車信息采集方面，都是考慮采用無線傳輸?shù)姆绞?，例如wifi、藍(lán)牙等傳遞車位信息［7-9］。停車信息的發(fā)布，也就是告知駕駛員停車場(chǎng)內(nèi)空余車位的情況，目前對(duì)于這方面的研究相對(duì)比較多樣，采用的是引導(dǎo)屏、廣播、車載終端等。停車路徑規(guī)劃旨在引導(dǎo)駕駛員以較短的時(shí)間駛向空余車位，這已然成為當(dāng)前的研究熱點(diǎn)。張玉杰等［10］研究了使用Dijkstra優(yōu)化算法，為駕駛員選擇出最佳的停車車位，提高了停車場(chǎng)車位引導(dǎo)系統(tǒng)的智能化和人性化的程度［10］；郭海峰等［11］在Dijkstra算法的基礎(chǔ)上，研究了A*算法在停車場(chǎng)中的應(yīng)用，以減少泊車用戶盲目尋找車位所花費(fèi)的時(shí)間，對(duì)大型停車場(chǎng)中的泊車路徑規(guī)劃有一定的參考價(jià)值。

上述研究雖然針對(duì)停車場(chǎng)內(nèi)司機(jī)盲目尋找車位、停車耗時(shí)長(zhǎng)等問題都有一定的優(yōu)化，但都沒有考慮到停車場(chǎng)停車沖突的問題，即前方車輛在停車時(shí)，可能會(huì)阻擋后車的通行。因此，針對(duì)上述問題，本文在Dijkstra算法的基礎(chǔ)上，設(shè)計(jì)了一種考慮停車沖突的路徑規(guī)劃方法，以解決停車過程中后車因前車停車而產(chǎn)生沖突的問題，并通過Matlab進(jìn)行仿真分析。

1 停車引導(dǎo)系統(tǒng)結(jié)構(gòu)

人們?cè)谕＼噲?chǎng)的泊車過程可分為有引導(dǎo)過程的泊車和無引導(dǎo)過程的泊車。在無泊車引導(dǎo)的過程中，駕駛員通常會(huì)因盲目尋找車位或是找不到理想車位而耗費(fèi)大量的時(shí)間，不僅會(huì)導(dǎo)致停車率低下，而且在高峰時(shí)段很有可能會(huì)導(dǎo)致停車擁堵。在有泊車引導(dǎo)的過程中，停車引導(dǎo)系統(tǒng)會(huì)通過算法，分配駕駛員目標(biāo)車位所在的區(qū)域，通過車載語音提示指導(dǎo)駕駛員駛?cè)肽繕?biāo)車位［12］。

由于傳統(tǒng)的停車引導(dǎo)系統(tǒng)只是告知駕駛員目標(biāo)區(qū)域有空車位，但是沒有提示駕駛員該車位是否有其他車輛駛?cè)?，也不?huì)告知駕駛員該區(qū)域是否有其他車輛正在停車［13］。因此，當(dāng)駕駛員根據(jù)停車引導(dǎo)的路線到達(dá)指定區(qū)域時(shí)，往往會(huì)出現(xiàn)以下2種情況：①該區(qū)域有其他車輛在停車，駕駛員需等待其他車輛完成停車后再進(jìn)行停車；②該區(qū)域的目標(biāo)車位被其他車輛率先停入。遇到第1種情況，駕駛員需要等待前車完成停車后，再駛?cè)肽繕?biāo)車位，遇到第2種情況后，駕駛員只能重新尋找空閑車位。以上2種情況均會(huì)降低停車效率，影響駕駛員停車時(shí)的體驗(yàn)性。因此，本文在傳統(tǒng)的停車誘導(dǎo)系統(tǒng)上，增加了停車沖突模型，具體的停車引導(dǎo)流程如圖1所示。

圖1 路徑規(guī)劃誘導(dǎo)流程框圖

當(dāng)汽車進(jìn)入停車場(chǎng)前，通常會(huì)進(jìn)行車牌識(shí)別，這個(gè)過程是一個(gè)信息交互的過程。停車引導(dǎo)系統(tǒng)會(huì)根據(jù)停車場(chǎng)內(nèi)空閑車位的情況，以距離電梯為最近的原則，采用Dijkstra算法，找到空閑車位，在進(jìn)行車牌識(shí)別的過程中將車位信息以及停車場(chǎng)的布置信息傳遞到車上［14］，然后汽車根據(jù)接收到的信息，進(jìn)行語音提示路線。由于停車場(chǎng)內(nèi)只涉及車與車位，可以認(rèn)為是車-路-車的協(xié)同方式，通過V2X的路載設(shè)備和汽車進(jìn)行通信［15］。假若出現(xiàn)跟車情況，后車因前車停車而等待時(shí)，且目標(biāo)車位未被其他車輛占用時(shí)，后車上的停車引導(dǎo)系統(tǒng)會(huì)提前預(yù)測(cè)這個(gè)情況，以自車為中心，利用Dijkstra算法重新規(guī)劃到目標(biāo)車位的最短路線，并且同時(shí)計(jì)算等待時(shí)間和重新規(guī)劃路程所需的時(shí)間，假若等待的時(shí)間大于行車的時(shí)間，則按照新路線至目標(biāo)車位，若等待的時(shí)間小于行車時(shí)間，則等待前方車輛完成停車后再駛?cè)肽繕?biāo)車位。假若后車的目標(biāo)車位，被其他車輛領(lǐng)先占有時(shí)，停車場(chǎng)中的路端設(shè)備會(huì)將信息傳遞到后車上，后車仍然以自車為中心，采用Dijkstra算法尋找距離最短的空閑車位。

2 停車場(chǎng)模型構(gòu)造

大型停車場(chǎng)內(nèi)進(jìn)行停車引導(dǎo)，必須包含3個(gè)部分，即用戶層、應(yīng)用層以及感知層，如圖2所示。感知層是停車場(chǎng)內(nèi)用于感知汽車停車狀況的，例如是否在停車，主要包含有紅外傳感器和WiFi模塊等。應(yīng)用層用于接收感知層的停車信息，分析停車場(chǎng)內(nèi)的停車狀況，判斷有多少空閑車位，并將這些信息反饋給車輛，同時(shí)在車輛通過停車場(chǎng)入口時(shí)，利用Dijkstra算法決策出最短停車路徑，傳遞給車輛。用戶層就是車載應(yīng)用，通過藍(lán)牙、車載WiFi［16］接收應(yīng)用層的車位信息，根據(jù)停車引導(dǎo)系統(tǒng)進(jìn)行停車，同時(shí)將自身的停車情況提供給感知層的設(shè)備。

圖2 停車場(chǎng)功能示意圖

為了方便研究本文所提出的考慮停車沖突的Dijkstra優(yōu)化算法，將停車場(chǎng)的內(nèi)部結(jié)構(gòu)簡(jiǎn)化為圖3所示。圖中Pi（i=1，2，…，15）表示空閑車位，①至⑨是用于安裝路載設(shè)備的地方，位于停車場(chǎng)內(nèi)的岔路口，檢測(cè)不同區(qū)域內(nèi)的停車狀況。根據(jù)通車場(chǎng)內(nèi)的交通流線，A、B、C、D、E、F表示停車的6個(gè)區(qū)域。按照停車場(chǎng)的一般設(shè)計(jì)，定義場(chǎng)內(nèi)車位的寬為2.5 m，長(zhǎng)5 m，道路的寬為5 m［17］。為了便于具體分析考慮停車沖突模型在路徑引導(dǎo)中的應(yīng)用，將圖3中的入口、出口、電梯以及停車位簡(jiǎn)化為節(jié)點(diǎn)，圖3所示的停車場(chǎng)結(jié)構(gòu)示意圖可轉(zhuǎn)化為有向帶權(quán)圖，如圖4所示。

圖3 停車場(chǎng)結(jié)構(gòu)模型示意圖

圖4 有向帶權(quán)圖

①至⑨在帶權(quán)圖中可以看作是到達(dá)空閑車位所需經(jīng)過的節(jié)點(diǎn)，在帶權(quán)圖中只記錄車位與車位之間的距離，通過帶權(quán)圖可以直觀地體現(xiàn)各個(gè)空閑車位之間的距離以及停車路線。在運(yùn)用Dijkstra算法進(jìn)行停車路徑搜索時(shí)，通常會(huì)將車位到人行出口的距離、入口到車位的行駛距離以及車位的安全性作為算法的主要依據(jù)，即道路權(quán)重因素［18］。本文的停車引導(dǎo)優(yōu)化目標(biāo)是減少停車時(shí)的等待時(shí)間，因此可以將路程段的平均時(shí)間作為輔助道路權(quán)重，以路程的距離作為算法的主運(yùn)算道路權(quán)重。

3 基于沖突模型的Dijkstra算法

3.1 Dijkstra算法介紹

Dijkstra算法是目前停車路徑優(yōu)化中常用的算法之一，其工作原理是，從起始節(jié)點(diǎn)開始，依次搜尋其他最靠近的節(jié)點(diǎn)，并采用迭代檢查的方式找到至目標(biāo)節(jié)點(diǎn)最優(yōu)的路徑［19］。同時(shí)Dijkstra算法無法在考慮“車流量”的情況下，確定最優(yōu)的停車位置，也就是在動(dòng)態(tài)情況下，當(dāng)汽車經(jīng)過停車場(chǎng)入口后，僅憑Dijkstra算法無法確定是否有其他車輛停入了目標(biāo)車位，因此需要配合停車場(chǎng)的路載設(shè)備，定點(diǎn)更新停車場(chǎng)的停車信息，并且使Dijkstra算法具有實(shí)時(shí)性，能夠彌補(bǔ)其缺乏動(dòng)態(tài)搜索的功能，給駕駛員提供更加合理的停車路徑。

3.2 考慮停車沖突的Dijkstra算法模型優(yōu)化和實(shí)現(xiàn)

根據(jù)圖4所示的帶權(quán)圖，采用Dijkstra算法時(shí)，其搜索范圍內(nèi)空閑車位Pi距電梯的距離為Dis（R，ir），R車輛從入口至目標(biāo)車位最短距離的集合，dR（i）表示其權(quán)值；Dis（s，is）表示行人從目標(biāo)車位走至電梯的距離，s為行人從車位走至電梯的最短距離的集合，ds（i）表示權(quán)值［20］；ηi表示目標(biāo)停車區(qū)域產(chǎn)生停車沖突的權(quán)重?？紤]到駕駛員在停車時(shí)，通常希望能夠選擇靠近電梯的車位。因此，基于距離電梯最近原則，定義最終權(quán)值γ為最佳車位的選擇：

式中：α表示目標(biāo)車位的地理位置權(quán)重，為固定值。若目標(biāo)車位在電梯附近，則α為0.75，若不在電梯附近，則α為0.25，γ值越大表示車位的匹配程度就越高。定義矩陣dR（i，j）表示計(jì)算R時(shí)，以空閑車位為節(jié)點(diǎn)的鄰接矩陣，dR中的元素i，j分別表示各相鄰節(jié)點(diǎn)（Pi，Pj）間的權(quán)重值；矩陣dS（i，j）表示計(jì)算S時(shí)，以空閑車位為節(jié)點(diǎn)的鄰接矩陣，dS中的元素i，j分別表示各相鄰節(jié)點(diǎn)（Pi，Pj）間的權(quán)重值，若Pi，Pj不相鄰，則矩陣中的元素置為∞。定義搜索區(qū)域?yàn)閳D5所示的①②④⑤、②③⑤⑥、④⑤⑦⑧以及⑤⑥⑧⑨這4個(gè)矩形區(qū)域，為了確保第一次搜索能夠覆蓋相對(duì)應(yīng)的矩形區(qū)域，定義首次搜索以搜索中心所在的矩形區(qū)域的對(duì)角線的1／2所搜半徑進(jìn)行，具體的算法步驟如下［21］：

步驟1以電梯為中心、電梯所在矩形區(qū)域的對(duì)角線的1／2為半徑進(jìn)行搜索，若無空閑車位，則搜索半徑每次增加20 m，直至找到為止。將所有搜索到的空閑車位集合記為P，每個(gè)空車位記為Pi，其中i∈［0，n-1］，n為搜索到的空閑車位的節(jié)點(diǎn)數(shù)；

步驟2初始化最短路徑集合R以及對(duì)應(yīng)的最短路徑權(quán)值dR（i），即R=｛R｝、dR（i）=dR（0，i），其中i∈［0，n-1］；

步驟3 選取Pk，使Pk=｛min dR（i）|P-R｝，所得的Pk就是當(dāng)前求得的一條從R出發(fā)的最短路徑終點(diǎn)，將Pk加入到集合R中，即R=｛R，Pk｝；

步驟4更新從R到Pk的最短路徑權(quán)值，令dR（i）=min｛d（k），dS（i，k）｝；

步驟5重復(fù)步驟3和步驟4，直至空閑車位集合P的節(jié)點(diǎn)全部包含在集合R中。

步驟6 初始化最短路徑集合S以及對(duì)應(yīng)的最短路徑權(quán)值dS（i），即S=｛S｝、dS（i）=dS（0，i），其中i∈［0，n-1］；

步驟7以步驟2至步驟5的方法，將空閑車位集合P的節(jié)點(diǎn)全部包含在集合S中；

步驟8根據(jù)式（1），計(jì)算篩選出集合P中的所有空閑車位的最終權(quán)值，數(shù)值最大的則為最優(yōu)泊位Pbest，相應(yīng)的dbest（i）所對(duì)應(yīng)的路徑即為從入口到最優(yōu)泊位Pbest的最短路徑。

步驟1至步驟8解決的是單車情況下的停車工況，在節(jié)假日等停車高峰時(shí)段，上述Dijkstra算法已經(jīng)不能夠滿足停車場(chǎng)內(nèi)的動(dòng)態(tài)路徑引導(dǎo)。因此，本文在Dijkstra算法的基礎(chǔ)上，提出了考慮停車沖突的動(dòng)態(tài)停車路徑引導(dǎo)算法。

當(dāng)考慮停車場(chǎng)內(nèi)的動(dòng)態(tài)交通流，同一停車區(qū)域有2個(gè)空閑車位時(shí)，規(guī)定停車場(chǎng)內(nèi)汽車平均以Vj=15 km/h的車速行進(jìn)，停車時(shí)的平均車速為5 km/h，車輛到達(dá)目標(biāo)車位停車所需的時(shí)間平均為20 s，當(dāng)停車完成至3/4時(shí)，后車便可通過［22］，后車在給定的泊位Pbest的最短路徑上行駛，相應(yīng)的算法如下所示：

步驟1計(jì)算前車從停車區(qū)域的分岔口到目標(biāo)車位的時(shí)間Tf=Lbest／Vf，其中Lbest為最優(yōu)泊位Pbest到區(qū)域分岔口的距離；

步驟2計(jì)算后車到達(dá)區(qū)域分岔口的時(shí)間Tb=Sbest／Vf，其中Sbest為后車根據(jù)上述步驟1至步驟8得到的最優(yōu)泊位至入口的距離；

步驟3計(jì)算后車經(jīng)過前車目標(biāo)車位所需的停車等待時(shí)間，其中Hbest為前車未到達(dá)目標(biāo)停車區(qū)域前的行駛距離，且Hbest=Vj*tf，tf為前車進(jìn)入停車場(chǎng)的時(shí)間；

步驟4判斷時(shí)間差ΔT是否大于20；若大于20，則以自車作為起始節(jié)點(diǎn)，代替步驟1中的入口節(jié)點(diǎn)，以20 m為起始半徑，逐次增加20 m，按照步驟1至步驟8搜索出最優(yōu)泊位Psec和dsec（i）對(duì)應(yīng)的最短路徑；

步驟5計(jì)算步驟4中到達(dá)目標(biāo)車位所花的時(shí)間

步驟6判斷Ta與ΔT的大小，若Ta大，則后車不改變?cè)械耐＼嚶窂?，等待前車停車，然后再駛向目?biāo)車位；若Ta小，則按照步驟4，后車重新規(guī)劃停車路徑，以避免停車等待的時(shí)間。

4 仿真結(jié)果與優(yōu)化

4.1 單車仿真結(jié)果

按照上述優(yōu)化算法的思路，以Matlab為工具，對(duì)本文中提出的基于停車沖突的引導(dǎo)系統(tǒng)的最佳泊位進(jìn)行選取。以圖3作為某一時(shí)刻停車場(chǎng)空閑泊位的分布圖。系統(tǒng)對(duì)剩余的10個(gè)空閑車位信息進(jìn)行存儲(chǔ)，對(duì)它們之間的路徑關(guān)系進(jìn)行存儲(chǔ)，結(jié)合本文提出的優(yōu)化算法，在停車場(chǎng)后車對(duì)前車進(jìn)行跟車的情況進(jìn)行仿真，假定從后車經(jīng)過入口算起，當(dāng)前車經(jīng)過分岔口④時(shí)，后車與前車距離為10 m，其仿真結(jié)果示意圖如圖5所示。

圖5 仿真結(jié)果示意圖

對(duì)2個(gè)電梯進(jìn)行隨機(jī)選擇，以電梯2作為前車的搜索中心。根據(jù)改進(jìn)的Dijkstra算法，將前車的目標(biāo)車位限定在圓形內(nèi)，并且計(jì)算出的最優(yōu)路徑為路線1，目標(biāo)車位為P8P1P2P3；當(dāng)后車經(jīng)過入口R時(shí)，計(jì)算出P6的最優(yōu)路徑為路線2，目標(biāo)車位為P7。Dijkstra算法搜索范圍內(nèi)的目標(biāo)車位及停車信息如表1所示，前車與后車的停車路線信息為：前車目標(biāo)車位P10，前車停車時(shí)間23.4 s；后車目標(biāo)車位P7，后車等待時(shí)間17.6 s，后車停車時(shí)間41 s。

表1 停車時(shí)間及路徑信息

從表1中可以看出，目標(biāo)車位為P10和P7，停車時(shí)間相同。而考慮跟車情況下的停車工況，后車等待前車停車的時(shí)間，占了停車總時(shí)間的38%，停車耗費(fèi)的時(shí)間過多，并且在節(jié)假日還會(huì)造成停車擁堵。因此，當(dāng)遇到前車停車導(dǎo)致后車等待時(shí)，通過本文中提出的算法，得到后車路徑的優(yōu)化，如圖6所示，優(yōu)化后后車的停車數(shù)據(jù)如表2所示。

圖6 優(yōu)化后停車路線示意圖

表2 優(yōu)化后后車停車數(shù)據(jù)

從圖6中可以看出，以后車為中心的Dijkstra算法能夠準(zhǔn)確地找出目標(biāo)車位，在其搜索范圍內(nèi)，找到2條路徑能夠避免停車等待，并且仍舊遵循靠近電梯的原則選擇車位。從表2中可以看出，優(yōu)化后的停車時(shí)間縮短，就目標(biāo)車位P7來說，優(yōu)化后的停車路徑為線路3，算上后車經(jīng)過入口的距離，雖然行駛的路徑要比原先路線2長(zhǎng)，但是停車時(shí)間要遠(yuǎn)比原先路線2的時(shí)間短，能夠大大減少駕駛員的停車時(shí)間，從而提高停車效率。

本文中所提出的基于停車沖突模型的Dijkstra算法是建立在停車場(chǎng)內(nèi)的跟車工況下的，因此跟車距離的大小，能夠很大程度上影響后車停車效率。根據(jù)第三部分提出的算法，可知后車的等待時(shí)間為：

式（2）表示的是后車等待前車停車的時(shí)間，其中x為前車到達(dá)分岔口時(shí)，后車與前車的車距。從式（2）可以看出，后車的等待時(shí)間與車距成反比，當(dāng)前后兩車相距62.6 m時(shí)，后車不需要等待。因此當(dāng)上述算法中Sbest-Hbest＜62.6時(shí)，需要進(jìn)行步驟1至步驟7，為后車重新制定停車路徑。在實(shí)際的停車場(chǎng)內(nèi)，通常是多車跟車的停車工況，因此還需要將仿真做進(jìn)一步優(yōu)化。

4.2 多車仿真結(jié)構(gòu)

在考慮多車跟車的停車工況時(shí)，在步驟1至步驟7中導(dǎo)入跟車距離［23］：

式中：Si表示前車和后車之間的跟車距離；ti為后車遇到停車干擾時(shí)所用時(shí)間；tn表示后車在無前車停車的干擾下，停入目標(biāo)車位所需的時(shí)間；t（n-1）表示前車在無其他車輛的干擾下，停入目標(biāo)車位所需的時(shí)間；xn（t）表示后車到目標(biāo)車位的路徑長(zhǎng)度；xn-1（t）表示前車到目標(biāo)車位的路徑長(zhǎng)度。

假定圖5所示的停車場(chǎng)在區(qū)域①②④⑤⑦⑧內(nèi)有15個(gè)空閑車位，且含有多輛車進(jìn)行停車。多車仿真是為了檢驗(yàn)本文提出的模型在提高停車效率中的合理性，考慮到在停車場(chǎng)的實(shí)際交通流中，車與車之間存在的交互情況會(huì)對(duì)停車時(shí)間造成影響，本文在加入跟車模型之后，需要計(jì)算前方有車正在停車而造成仿真過程中后車等待的時(shí)間。因此，加入跟車模型之后的停車時(shí)間由等待時(shí)間以及停車行駛時(shí)間兩部分組成。在上述的算法中加入跟車模型后，在Matlab中將采用本優(yōu)化算法和采用優(yōu)化算法這2種情況下的停車時(shí)間、停車數(shù)量以及停車等待時(shí)間進(jìn)行比較，設(shè)置5條停車路徑，停車區(qū)域內(nèi)包含10輛車，在進(jìn)行停車或是正在行駛中，基于上述的步驟1至步驟6，具體仿真結(jié)果如圖7和圖8所示。

圖7 優(yōu)化前停車時(shí)間、停車數(shù)量以及停車等待時(shí)間關(guān)系

圖8 優(yōu)化后停車時(shí)間、停車數(shù)量以及停車等待時(shí)間關(guān)系

從圖7中可以看出，當(dāng)本車的目標(biāo)停車路徑上有其他車輛正在進(jìn)行停車，本車選擇等待，花費(fèi)的停車時(shí)間最高可達(dá)118 s，其停車等待的時(shí)間為46 s，占總時(shí)間的39%，其停車通暢率最高只有61%。而從圖8中可以看出，加入本文提出的算法之后，本車停車時(shí)間最高為108 s，對(duì)應(yīng)的停車等待時(shí)間為18 s，占總時(shí)間的16%，顯然采用優(yōu)化算法后的總的停車時(shí)間減少了8%。

根據(jù)圖7及圖8，結(jié)合Matlab仿真，將優(yōu)化前與優(yōu)化后的停車路徑長(zhǎng)度進(jìn)行比較，如表3所示。

表3 停車路徑及時(shí)間

從表3中可以看出，優(yōu)化前在給定的車輛數(shù)中，停車路徑上的行車通暢率平均在71.8%左右，駕駛員在停車的過程中，將近有30%的時(shí)間花費(fèi)在停車等待中。而優(yōu)化后在給定的車輛數(shù)中，平均通行率為88.6%左右，相比于優(yōu)化前，停車等待的時(shí)間減少了17%，優(yōu)化率幅度60.7%。從表3中還可以得知，當(dāng)停車路徑上的車輛數(shù)少于9輛時(shí)，經(jīng)優(yōu)化后的汽車可以完全避免停車等待，當(dāng)停車路徑上的汽車大于9輛時(shí)，超過了停車路徑所能承受的最大車輛數(shù)，即便經(jīng)過優(yōu)化后也不能完全避免停車等待，但是能夠減少停車等待的時(shí)間，這對(duì)于停車場(chǎng)來說，能夠緩解高峰時(shí)間的停車擁堵。因此，當(dāng)停車路徑上的車輛數(shù)小于最大車輛負(fù)荷數(shù)時(shí)，本文提出的動(dòng)態(tài)Dijkstra算法能夠避免停車等待的時(shí)間。

5 結(jié)論

通過分析大型停車場(chǎng)結(jié)構(gòu)特點(diǎn)以及場(chǎng)內(nèi)跟車狀況，把大型停車場(chǎng)簡(jiǎn)化為有方向的帶權(quán)圖，在考慮后車進(jìn)行跟車的基礎(chǔ)上會(huì)出現(xiàn)等待前車停車的狀況，在改進(jìn)Dijkstra算法的基礎(chǔ)上，考慮了動(dòng)態(tài)的停車工況，當(dāng)后車出現(xiàn)停車沖突，需要進(jìn)行停車等待時(shí)，以后車自身為中心進(jìn)行車位搜索，從而達(dá)到實(shí)時(shí)改變停車路徑，以便駕駛員繞過停車擁堵的路段，避免停車等待。通過在Matlab中的仿真結(jié)果分析，考慮停車擁堵的Dijkstra算法實(shí)現(xiàn)了“空間換時(shí)間的功能”，增加停車路徑的長(zhǎng)度以避免停車等待的狀況；當(dāng)停車場(chǎng)內(nèi)停車路徑上的汽車數(shù)量未達(dá)到最大限制時(shí)，能夠完全避免停車等待；當(dāng)汽車數(shù)量超過最大限制時(shí)，可以減少停車等待的時(shí)間。這對(duì)提高大型停車場(chǎng)的車輛通行效率有參考價(jià)值，尤其是節(jié)假日時(shí)期，可減少因停車數(shù)量多導(dǎo)致停車等待產(chǎn)生的停車擁堵的問題，對(duì)提高大型停車場(chǎng)內(nèi)的行車通暢率有重要意義。

本文中提出的停車沖突模型只是考慮了停車場(chǎng)一個(gè)入口和一個(gè)出口的情況，在實(shí)際的停車場(chǎng)中，往往包含有多個(gè)入口及出口。因此，未來的研究?jī)?nèi)容可以在多個(gè)出入口的基礎(chǔ)上，對(duì)動(dòng)態(tài)停車模型做進(jìn)一步的研究。