[发明专利]一种车路协同自主代客泊车停泊诱导方法有效
申请号: | 202210204137.3 | 申请日: | 2022-03-03 |
公开(公告)号: | CN114495570B | 公开(公告)日: | 2023-04-07 |
发明(设计)人: | 曾德全;胡一明;陈齐平;熊璐;邓振文;刘登程 | 申请(专利权)人: | 南昌智能新能源汽车研究院 |
主分类号: | G08G1/14 | 分类号: | G08G1/14;G08G1/0968;G07B15/02;G06F30/27;G06N3/006 |
代理公司: | 暂无信息 | 代理人: | 暂无信息 |
地址: | 330052 江西省*** | 国省代码: | 江西;36 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 一种 协同 自主 代客 泊车 停泊 诱导 方法 | ||
1.一种车路协同自主代客泊车停泊诱导方法,其特征在于,包括以下步骤:
S1:单个车辆停泊的客观成本建模;
所述的步骤S1中,静态场景下,待泊车辆i诱导泊入停车场j的单个车辆停泊的客观成本gi,j建模为gi,j=(wfsi,j+pj)xi,j,其中,待泊车辆序号i=1,…,n,n为待泊车辆总数;停车场序号j=1,…,m,m为停车场总数;wf为单位里程油耗折算的价格系数;si,j为停泊行车里程,表示从放下用户目的地到目标停车场的停泊行车里程;pj为在停车场j的停泊费用;xi,j={0,1}是一个布尔量,为1表示车辆i停泊到停车场j,为0表示车辆i不停泊到停车场j;
所述的步骤S1中,动态场景下,对于第k个诱导时刻,待泊车辆i诱导泊入停车场j的单个车辆停泊的客观成本gi,j,k建模为gi,j,k=(wfsi,j,k+pj)xi,j,k,其中,si,j,k为第k个诱导时刻的停泊行车里程,表示从放下用户目的地到目标停车场的停泊行车里程;pj为在停车场j的停泊费用;xi,j,k={0,1}是一个布尔量,为1表示车辆i在第k个诱导时刻停泊到停车场j,为0表示车辆i在第k个诱导时刻不停泊到停车场j;
S2:单个车辆停泊的主观成本建模,包含静态场景和动态场景;
所述静态场景下,待泊车辆i停泊的主观成本hi建模为其中,ws,i,j为考虑停泊油耗的用户停泊意愿系数;wp,j为考虑停泊费用的用户停泊意愿系数;r≥0为待泊车辆i未分配到停车场导致原地等待的用户停泊意愿参数;考虑停泊油耗的用户停泊意愿系数ws,i,j设计为其中,cs≥0为当地居民消费水平对应的油耗心理承受系数,取值为1;smax为居民可接受的最大停泊行车里程;考虑停泊费用的用户停泊意愿系数wp,j设计为建模为其中,cp≥0为当地居民消费水平对应的停泊费用心理承受系数,取值为1;pmax为居民可接受的最大停泊费用;
所述的步骤S2中,动态场景下,对于第k个诱导时刻,待泊车辆i停泊的主观成本hi,k建模为其中,ws,i,j,k为考虑停泊油耗的用户停泊意愿系数;ρ1为心理意愿增强系数,值越大,表明心理意愿越强大;ki,0为第i辆车首次进行停泊诱导的时刻;对于第k个诱导时刻,考虑停泊油耗的用户停泊意愿系数ws,i,j,k设计为
S3:停泊诱导约束建模,包含静态场景和动态场景;
所述的步骤S3中,静态场景下,由于1辆待泊车辆最多能占用1个停车位,有停泊诱导约束为由于1个停车位最多可以服务1辆待泊车辆,有停泊诱导约束为其中,Nj表示第j个停车场的可用停车位总数;
所述的步骤S3中,动态场景下,由于同一个诱导时刻k,1辆待泊车辆最多能占用1个停车位,有停泊诱导约束为动态场景下,由于同一个诱导时刻k,1个停车位最多可以服务1辆待泊车辆,有停泊诱导约束为其中,Uk为第k个诱导时刻内的待泊车辆总数;vj,k≥1为在第k个诱导时刻停车场j的泊位周转率,即某个单位时间段内停车场j内单个停车位被重复使用的次数;NAj表示第j个停车场总的停车位总数,T≥0为动态分配周期;Nj,k表示第k个诱导时刻内,第j个停车场的可用停车位总数;
S4:停泊诱导总成本建模,包含静态场景和动态场景;
所述的步骤S4中,静态场景下,对于单个待泊车辆i的停泊诱导成本Ci建模为
停泊诱导总成本C建模为:
动态场景下,对于第k个诱导时刻,单个待泊车辆i的停泊诱导成本Di,k建模为
对于第k个诱导时刻,停泊诱导成本Dk建模为
停泊诱导成本D建模为:
,其中,K为总的动态分配时刻;
S5:停泊诱导问题模型的建立,包含静态场景和动态场景;
所述的步骤S5中,静态场景下,停泊诱导问题模型建立为以停泊诱导总成本C最小为目标函数,同时,以和为约束,构造最优化问题,如公式(1):
所述的步骤S5中,动态场景下,停泊诱导问题模型建立为以停泊诱导总成本D最小为目标函数,同时,以和为约束,构造最优化问题,如公式(2):
S6:适应度函数设计,包含静态场景和动态场景;
所述的步骤S6中,静态场景下,停泊诱导问题的适应度函数fC设计为其中,常数ε0,设为0.01;动态场景下,停泊诱导问题的适应度函数fD设计为其中,常数α0,设为0.01;
S7:自适应蚁群算法求解停泊诱导问题。
2.根据权利要求1所述的一种车路协同自主代客泊车停泊诱导方法,其特征在于,所述的步骤S7中,为克服传统蚁群算法“早熟”停滞的问题,设计的自适应蚁群算法将信息素蒸发系数按一定规律变化;变化规律是当算法求得的最优值在10次迭代循环内的差值小于0.1时,信息素蒸发系数γ计算方法如公式(3)所示:
其中,γz为当前迭代循环更新的信息素蒸发系数,γz-1为上一迭代循环的信息素蒸发系数,γmin为信息素蒸发系数最小值,设置为0.1。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于南昌智能新能源汽车研究院,未经南昌智能新能源汽车研究院许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202210204137.3/1.html,转载请声明来源钻瓜专利网。
- 上一篇:导光器件和汽车发光天窗装置
- 下一篇:一种大豆花期便携式培育营养体装置