[发明专利]一种基于Agent仿真的智能停车泊位预约策略优化方法

摘要

本发明公开了一种基于Agent仿真的智能停车泊位预约策略优化方法。本发明的基本思想是车辆Agent通过对接收到的交通信息进行处理，结合自身静态属性和预设的逻辑规则更新动态属性，根据动态属性实现在路网中的移动和决策等行为。本发明通过仿真优化手段，对城市中心区域的智能停车泊位预约策略进行优化，通过合理配置优化后区域内各停车场的可预约泊位的比例，调节用户停车需求，缓解城市中心区域停车资源分布不均，局部停车场“一位难求”，局部停车场“无人问津”的现象，进而优化城市交通。

主权项

1.一种基于Agent仿真的智能停车泊位预约策略优化方法，其特征在于该方法包括以下步骤：c1、仿真基础条件设计，具体是：c11初始化仿真路网包括起始节点集合O、终止节点集合D、停车场节点集合P、交叉口节点C和路段集合S；初始化各类节点之间的连接属性、距离；初始化路段等级、通行能力C_s、自由流速度预加载路网各路段初始流量q_s(0)，利用BPR函数计算初始路网各路段的行程速度v_s(0)、行程时间t_s(0)，其计算如下：其中，αs、βs为路段s的BPR函数参数，Ls为路段s的长度；c12初始化停车场包括各停车场的容量C_p、可预约泊位的比例η_p、初始停车数x_p(0)、停车费率f_p、停车驶离率d_p、最大忍受排队车辆长度m_p、排队序列queue_p、排队长度l_p；则预约部分的可用泊位数其中[]为取整符号，非预约部分的可用泊位数假设初始时刻预约部分和非预约部分的实际停车泊位占有率是相等的，即其中，为预约部分车位的泊位占有率，为非预约部分车位的泊位占有率；c13初始化仿真环境包括仿真间隔、当前迭代次数，最大迭代次数，初始化仿真OD和预约用户的比例ηc；c2、智能停车预约系统Agent仿真模型建立，具体是：c21用户决策过程c211停车选择对于非预约用户：当用户到达路网中的交叉口，用户会进行停车选择，然后规划最短时间行驶路径；用户先筛选距目的地，步行距离在500m范围内的且不在到过的停车场序列的停车场；停车选择模型考虑行程时间、步行距离、预计巡游时间、预计排队时间、停车费用，停车场选择负效用的计算表示如下：其中，表示非预约车辆c从当前交叉口b到停车场p在第m次迭代中的停车选择效用，t_bp(m)为第m次迭代中从当前交叉口b到停车场p的最短行驶时间，d_pd为从停车场p到目的地d的步行距离，为预计巡游时间，为在第m次迭代中停车场p的预计排队时间，ζ为随机项，a₁、a₂、a₃、a₄、a₆、a₇分别为行驶时间、步行距离、预计巡游时间、预计等待时间、停车费用和随机项的重要系数，且各系数均小于0；根据效用最大化原则，非预约用户选择负效用最大的停车场作为目标停车场；确定目标停车场后，非预约用户根据当前路网的交通状况计算最短时间行驶路径，更新相关车辆属性；对于预约用户：在进入路网时进行停车选择；停车选择成本的因素包括行程时间、步行距离、预约费用、停车费用，停车场选择负效用的计算表示如下：其中，表示预约车辆c从当前交叉口b到停车场p在第m次迭代中的停车选择效用，t_bp(m)为第m次迭代中从当前交叉口b到停车场p的最短行驶时间，d_pd为从停车场p到目的地d的步行距离，为预计到达停车场p时刻即m+t_bp时刻的预约费率，ζ为随机项，a₁、a₂、a₅、a₆、a₇分别为行驶时间、步行距离、预约费用、停车费用和随机项的重要系数，且各系数均小于0；根据效用最大化原则，用户选择负效用最大的停车场作为目标停车场，更新用户的预约费用c212路径选择用户根据道路实际运行情况按照最短时间路径行驶，在每个交叉口，用户会依据Dijkstra算法进行一次路径优化选择；c22相关属性更新c221车辆位置更新在仿真过程中，每次迭代都需要更新车辆Agent的实时位置，从而实现车辆Agent在预设仿真环境中的移动，从而进一步获取仿真结果；在每次仿真中，每条路段上的交通流量可以测出，结合BPR函数可以计算出各个路段的行程速度vs和行程时间ts；如果车辆Agent位于路段上，则根据所在路段的行程速度向前行进一步，直到到达交叉口为止；如果车辆Agent位于交叉口，则根据当前路网运行状况决策出最短出行时间路径，向规划路径的下一个交叉口行进；c222路网状态更新根据车辆属性当前所在位置Ac和Bc判断每辆车所在的路段，更新当前第m次迭代中所有路段的交通量qs(m)，更新路网状态包括各路段行程速度vs(m)和行程时间ts(m)；c223停车排队序列更新非预约车辆到达停车场时，若到达停车场已无空余泊位但是排队车辆的长度lp可以接受时，该车辆Agent进入排队序列等候；当停车场有车辆驶离的时候，对停车场的排队序列queuep更新，其中排队序列queuep记录着该停车场在排队等候的车辆Agent的编号；假设各个停车场的车辆驶离是以泊松分布驶离的；每次迭代中，有排队情况的停车场在有车辆驶离后，计算空闲的泊位，按照排队序列的车辆编号顺序依次停车，直到停车场无空余泊位，停车完成的车辆Agent完成仿真过程，从仿真环境中剔除，同时将该停车场的排队序列更新；c23记录路网和停车场状态，判断终止条件c231仿真状态保存保存每次迭代的路网各路段交通量、各停车场预约部分和费预约部分的实际停车数；c232判断终止条件若当前迭代次数不超过最大迭代次数，继续步骤c2的迭代；若达到终止条件，批量更新所有车辆的相关时间属性以及出行费用等：行程时间为从车辆生成时刻到第一次到达一个停车场的时间，即其中，tt_c为行程时间，为车辆生成时刻，为第一次到达一个停车场的时刻；搜索时间为从到达第一个停车场的时刻至到达最后一个停车场的时间，即其中，ts_c为搜索时间，为到达第一个停车场的时刻，为到达最后一个停车场的时刻；等待时间为从到达最后一个停车场的时刻至停车完成的时间，即其中，tw_c为等待时间，为到达最后一个停车场的时刻，为停车完成的时刻；车辆c的总出行时间为行程时间、搜索时间、等待时间和步行时间之和，即tc＝ttc+tsc+twc+tkc其中，tc为总出行时间，ttc、tsc、twc、tkc分别为行程时间、搜索时间、等待时间和步行时间；车辆c的总出行费用为预约费用和停车费用之和，即其中，f_c为车辆c的总出行费用，为预约费用，为停车费用；c3基于优化算法的策略参数优化，具体是：c31确定优化参数管理方通过对停车供给和停车需求的调节来影响区域用户停车行为，进而影响系统运行效果；c32确定目标函数优化目标根据服务对象分为社会效益优化和停车场效益优化；社会效益指标包括行程时间、等待时间、巡游时间、行驶里程；停车场效益指标包括停车场收益、停车泊位利用时间；优化目标函数为：其中，α为权重系数，λ₁，λ₂为均衡系数，为用户平均出行总耗时，为用户平均停车费用，z为优化目标；c33通过优化算法进行参数优化确定优化参数和优化目标后即选取优化算法。