基于用戶需求的停車誘導(dǎo)方法研究

鄭和斌，莫 紅

(長沙理工大學(xué) 電氣與信息工程學(xué)院，長沙 410114)

基于用戶需求的停車誘導(dǎo)方法研究

鄭和斌，莫 紅

(長沙理工大學(xué) 電氣與信息工程學(xué)院，長沙 410114)

為了滿足不同駕駛員對停車收費價格、停車場到目的地的步行距離以及社會對停車場的評價的用戶需求，實現(xiàn)停車誘導(dǎo)系統(tǒng)與用戶之間的互通，提出了一種基于用戶需求的停車場選擇的誘導(dǎo)方法，分析影響停車行為的各個因素，通過對目的地周邊停車場選擇，建立停車搜索模型，根據(jù)駕駛員的用戶需求為其提供停車場優(yōu)先決策方法，最后，利用模糊層次分析法討論了模型的可行性。

智能交通系統(tǒng)；停車誘導(dǎo)系統(tǒng)；用戶需求；模糊層次分析法

0 引言

隨著城市經(jīng)濟社會的快速發(fā)展，人口數(shù)量的不斷增加，機動車保有量和交通流的持續(xù)增加，私家車出行的頻率不斷提高引發(fā)了大量的停車需求，因此，停車誘導(dǎo)系統(tǒng)逐漸成為了國內(nèi)外廣大學(xué)者的研究熱點。停車誘導(dǎo)系統(tǒng)[8-9](Parking Guidance and Information System，PGIS)是智能交通系統(tǒng)(Intelligent Transportation System, ITS)中最重要的子系統(tǒng)，能夠提高駕駛員的停車效率，減少無用的交通流從而緩解交通堵塞，是解決城市“停車難”問題的有效途徑和方法。

停車場的選擇和路徑誘導(dǎo)[10-12]是城市PGIS中的關(guān)鍵核心技術(shù)，然而目前國內(nèi)外關(guān)于考慮駕駛員個性需求的停車場選擇的停車誘導(dǎo)系統(tǒng)的理論研究仍相對較少，相應(yīng)的系統(tǒng)還處于起步階段。相對于國內(nèi)來說，國外的停車誘導(dǎo)系統(tǒng)起步較早。1986年德國科隆市便開始操作建立了停車誘導(dǎo)系統(tǒng)，1998年，Russell G.Thompson和Anthony J.Richardson[5]提出了在城市中心建立停車搜索模型，通過對停車場負(fù)效應(yīng)估計為駕駛員在市中心提供優(yōu)質(zhì)的車位選擇，并用一個假象的城市中央商業(yè)區(qū)和參數(shù)值對模型進行了驗證；E.Chaniotakis和A.J.Pel[6]結(jié)合陳述偏好實驗，分析了駕駛員在不確定停車可用性和搜索時間的情況下的停車位選擇，得出駕駛員在接近或者達(dá)到目的地愿意花費多少時間來搜索停車位以及影響停車行為的主要因素，并用細(xì)分的微觀仿真模型和匯總的宏觀交通模型的結(jié)合對實驗進行了驗證；Nada Milosavljevic和Jelena Simicevic[7]用RP和SP調(diào)查的方法分析了停車收費價格調(diào)整對停車需求和停車時間的影響的問題。在國內(nèi)，北京郵電大學(xué)頡靖[1]提出了一種基于物聯(lián)網(wǎng)技術(shù)的城市停車誘導(dǎo)系統(tǒng)，利用蟻群算法尋找最優(yōu)車位；東南大學(xué)陳峻[2]等人提出了三目標(biāo)(最方便、可達(dá)性最好、停車成本最低)停車場選擇模型，使用啟發(fā)式遺傳算法(genetic algorithm，GA) 求解近似最優(yōu)解；季彥婕[3]等人提出了服務(wù)于出行前停車誘導(dǎo)系統(tǒng)的兩階段停車選擇方法，并利用加權(quán)求和法求解近似最優(yōu)解；肖婧[4]等提出了一種綜合用戶出行前靜態(tài)的和行進中動態(tài)的高維多目標(biāo)的停車場選擇及路徑誘導(dǎo)的模型，并用高維多目標(biāo)優(yōu)化算法 KS-MODE進行了高效求解。

本文在考慮停車后步行距離、停車費用、停車場評價等多方面停車用戶需求，提出了一種計及用戶需求的停車誘導(dǎo)方法。該方法根據(jù)用戶的需求為駕駛者選擇目的地周圍合適的停車場，并提供行車路線，解決駕駛者的停車問題。

本文安排如下，第二節(jié)介紹本文所涉及的相關(guān)術(shù)語和概念，第三節(jié)給出停車搜索過程，第四節(jié)分析影響駕駛員停車選擇行為的因素，建立基于駕駛員個性化停車選擇行為模型，第五節(jié)討論模型的可行性，第六節(jié)為本文小結(jié)。

1 介紹

設(shè)U為論域，一個模糊集合定義為A：

U→I，這里I=[0,1]，如?u∈U，存在a∈I，使得A(u)=a，則稱A為一個定義在U上的模糊集合，A(u)為u對A的隸屬度[]。

設(shè)論域R上的模糊數(shù)M，如果M的隸屬度函數(shù)μM：R→[0,1]表示為：

式中，l≤m≤r，l和r表示M的下界和上界值。m為M的隸屬度為1的中值。一般三角模糊數(shù)M表示為(l,m,r)。

層次分析法(AHP)是將與決策有關(guān)的元素分解成目標(biāo)、準(zhǔn)則、方案等層次，在此基礎(chǔ)上進行定性和定量分析的決策方法，其步驟：

1)建立遞階層次結(jié)構(gòu)；

2)構(gòu)造兩兩比較判斷矩陣；

3)針對某個標(biāo)準(zhǔn)，計算各備選元素的權(quán)重。

設(shè)a=(al,am,ar)，b=(bl,bm,br)，則稱:

為a≥b的可能度，其中λ∈[0,1](下同)。類似地，稱:

為b≥a的可能度[18]。

模糊層次分析法[13](Fuzzy AHP)是模糊數(shù)和層次分析法的結(jié)合，其基本思想是根據(jù)多目標(biāo)評價問題的性質(zhì)和總目標(biāo)，把問題本身按層次進行分解，構(gòu)成一個由下而上的梯階層次結(jié)；與層次分析法的區(qū)別為：

1)建立的判斷矩陣不同：在AHP中是通過元素的兩兩比較建立判斷一致矩陣；而在FAHP中通過元素兩兩比較建立模糊一致判斷矩陣。

2)矩陣中各元素的權(quán)重不同。

定義1:M1(l1,m1,r1)和M2(l2,m2,r2)是三角模糊數(shù)。M1≥M2的可能度用三角模糊函數(shù)定義為:

定義2：一個模糊數(shù)大于其他k個模糊數(shù)的可能度，被定義為:

2 停車搜索過程

停車選擇[14-16]可以被看作是一個駕駛員基于日常經(jīng)驗在不斷獲取更新信息的情況下做出一些相關(guān)決定的搜索過程。這個過程由駕駛員的一系列決定和停車場的實時狀態(tài)組成，如圖1所示。駕駛員在目的地附近尋找停車位時，按順序檢查各個停車場的狀態(tài)，根據(jù)駕駛員的個人需求逐個排查符合要求的停車場，當(dāng)一個停車場被檢查后并較符合駕駛員的個性需求，駕駛員可以選擇接受它，或者繼續(xù)搜索下一個符合要求的停車場。搜索過程一旦開始，對停車場檢測和評估同時進行。接受當(dāng)前的停車場將終止搜索，反之，繼續(xù)搜索。停車之后，系統(tǒng)回到初始位置，等待下一次搜索。

圖1 停車搜索過程

對停車場的檢查，確定其屬性(是否營業(yè))，并且確定是否有停車空間。查看停車場的評價，包括停車場的安全性、存取車是否方便、服務(wù)質(zhì)量是否良好、停車場出入口條件是否良好等,完成這些任務(wù)后，根據(jù)駕駛員的個性需求選擇符合要求的停車場。

被選中的停車場目前還沒有一個可用的停車空間是有可能的。在這種情況下，駕駛員必須要等待一個停車空間。等待的時間取決于停車場的周轉(zhuǎn)率，周轉(zhuǎn)率越高，停車場服務(wù)的車輛就越多，等待時間就越短；反之，等待時間越長，這也能反映停車場的服務(wù)能力。

3 停車選擇行為模型

3.1 分析影響停車選擇行為的因素

停車行為是指出行者駕車從出發(fā)地到目的地附近尋找并選擇停車場過程中的個體行為，如圖2所示，受相關(guān)因素的影響，如停車后的步行距離、停車場的收費標(biāo)準(zhǔn)、停車場的安全性、存取車是否方便、服務(wù)質(zhì)量、停車場的出入口條件(進出停車場的等待時間)等，表1是248份調(diào)查問卷中志愿者對駕駛員停車行為特征調(diào)查結(jié)果的顯示，可以看出駕駛員選擇停車場最關(guān)注的因素是停車場離目的地的步行距離(31.4%)、收費合理(30.8%)、安全性好(10.8%)、存取車方便(10.2%)、服務(wù)質(zhì)量好(7.2%)、停車場出入口條件好(5.2%)等。

表1 駕駛員選擇停車場的主要考慮因素

1)步行距離對停車行為的影響：由表1可知停車場與目的地之間的步行距離是駕駛員選擇停車場時考慮的第一因素，步行距離越短，駕駛員前往停車的可能性越大。從步行時間的調(diào)查數(shù)據(jù)顯示，28%的停車者可以接受5分鐘以內(nèi)的步行時間，44%的停車者可以接受5～10分鐘的步行時間、僅有6%的停車者接受20分鐘以上的步行時間，如表2所示?？梢?，合理的服務(wù)半徑(停車場到目的地的距離)是決定了停車場的服務(wù)對象和數(shù)量，也是駕駛員優(yōu)先考慮的因素。國外相關(guān)的文獻[7]調(diào)查表明，駕駛員寧愿用步行距離交換停車費用，即愿意將車輛停放在距離較近費用較高的停車場。

表2 停車后到目的地的步行時間

2)停車費用對停車行為的影響：停車收費價格的增加會在一定程度上降低停車需求，收費價格過高，可能超過了駕駛員對價格的承受力，他們就會將車輛停放在離目的地較遠(yuǎn)的停車場。對時間和價格的權(quán)重進行比較，時間權(quán)重大于價格時，那么就不會考慮停車價格的問題，而是會選擇距離目的地近的停車場。文獻[7]的研究表明，上漲50%的停車收費價格會減少15%的停車需求和縮短16.5%停車時間，可見，停車費用在一定程度上可以影響停車需求和減少停車時間，也是駕駛員選擇停車場時考慮的重要因素。

3)停車場評價對停車行為的影響：停車場的評價包括停車場的安全性、存取車是否方便、服務(wù)質(zhì)量是否良好、停車場出入口條件是否良好等，停車場的安全性是指車輛停放在場內(nèi)是否會被盜、被劃等；存取車是否方便是指停車場內(nèi)部結(jié)構(gòu)是否復(fù)雜，車輛轉(zhuǎn)彎、掉頭能否順利進行，這與停車場的設(shè)施類型、車位、通道等設(shè)計因素有關(guān)；停車的服務(wù)質(zhì)量包括服務(wù)人員的服務(wù)態(tài)度及其他附屬服務(wù)；停車場的出入口的駕駛條件是指車輛進出停車場的難易程度，駕駛員能否順利、安全的進出停車場，決定駕駛員進出停車場的等待時間，這些都是駕駛員較為關(guān)注的因素。

圖2 停車行為選擇過程圖

從微觀經(jīng)濟學(xué)的角度來說，駕駛員通常會選擇效用值最大的停車場停車,這些效用與停車的費用、消耗的時間、受到服務(wù)的質(zhì)量等因素相關(guān)。因此，選擇停車場離目的地的步行距離、收費、安全性、存取車是否方便、服務(wù)質(zhì)量、停車場出入口條件等作為影響停車行為的主要影響因素，分析駕駛員的停車選擇行為。

3.2 建立停車選擇行為的廣義效用函數(shù)

根據(jù)效用原理，駕駛員會優(yōu)先選擇效用值最大的停車場進行停車。而這些效用與停車后的步行距離S、停車費用C、停車場的評價E、其他因素O有關(guān)。所以，建立如下的停車場的廣義效用函數(shù)：

式中：Vkj是第k個駕駛員選擇第j個停車場的廣義效用函數(shù)；S是停車場到目的的步行距離；C是根據(jù)停車時間停車場收取的停車費用；O是其他因素影響停車行為的效用；ε是駕駛員從出發(fā)地到目的地的隨機效用；α、β、γ、μ均為廣義效用參數(shù)。

隨機效用是由駕駛員的停車選擇行為產(chǎn)生的，包括：(駕駛員停車選擇的隨機性，即駕駛員自身估計確定性效用所產(chǎn)生的偏差；(系統(tǒng)產(chǎn)生的隨機效用，即由于駕駛員的停車選擇行為受到其他駕駛員對停車場評價的影響所產(chǎn)生。通常，能夠獲取更多、更實時的停車信息的駕駛員的隨機誤差要小于得不到停車信息的駕駛員的隨機誤差。

3.3 停車選擇模型的建立

駕駛員的選擇行為多種多樣，但是總希望選擇符合要求的最佳(效用最大)的停車場進行停車。通常停車場服務(wù)質(zhì)量好、停車方便、距離目的地近且停車費用低的停車場更受駕駛員歡迎。駕駛員是否會選擇某停車場也與這些因素有關(guān)。非集計方法中的Logit模型已被證明在描述交通選擇效用中的合理性，構(gòu)建如下模型：

式中,Pkj是第k個駕駛員選擇第j個停車場的概率；Vkj是第k個駕駛員選擇第j個停車場的廣義效用函數(shù)，j∈An；An是第k個駕駛員選擇符合要求停車場的集合。

4 分析驗證

4.1 評價指標(biāo)體系的建立

通過觀察停車選擇模型特征，采用模糊層次分析法分析該模型的可行性。多數(shù)情況下，駕駛員總是希望找到步行距離短停車場評價高且停車費用低的停車場進行停車，本文就以這種情況分析停車選擇模型的可行性。本文運用模糊層次分析法對其他4個指標(biāo)因素建立誘導(dǎo)停車產(chǎn)生停車場廣義效用的評價目標(biāo)層、評價因素指標(biāo)層、評價對象層，如圖3所示。

圖3 停車場廣義效用評價層次圖

4.2 構(gòu)建模糊判斷矩陣

根據(jù)總目標(biāo)的要求，由三位用戶對評價層的各個指標(biāo)進行比較得到評價準(zhǔn)則的模糊評價矩陣，見表3。

表3 T1～T4對總目標(biāo)的模糊評價矩陣

T1比T2的值為：(0.44,0.83,1.00)，對其他比值做相似的處理，得到模糊判斷矩陣，如表4。

表4 T1～T4對總目標(biāo)的模糊判斷矩陣(FCM1)

4.3 計算確定各指標(biāo)權(quán)重

根據(jù)FCM1，計算T1的初始權(quán)重：

(1,1,1)=(14.42,20.13,27.60)

(2.33,3.33,4.33)=(4.16,5.83,7.33)

同理，可以計算出T2，T3，T4的初始權(quán)重：

ST2=(0.1692,0.3145,0.6470)

ST3=(0.1366,0.2896,0.5548)

ST4=(0.0659,0.1063,0.2039)

2)去模糊化并求出T1至T4的最終權(quán)重：

根據(jù)定義一和定義二對ST1，ST2，ST3，ST4進行去模糊化：

d(T1)=

minV(ST1≥ST2,ST3,ST4)=min(0.9316,1,1)=0.9316

同理，可得：

min(1,0.9393,1)=0.9393

min(0.2249,0.1429,0.2686)=0.1429

將以上權(quán)重值標(biāo)準(zhǔn)化，得到各指標(biāo)的最終權(quán)重：

(wT1,wT2,wT3,wT4)=(0.3091,0.3318,0.3117,0.0474)

因此，便得到指標(biāo)T1～T4的權(quán)重，見表5。

表5 停車場廣義效用各指標(biāo)的權(quán)重

根據(jù)以上計算結(jié)果可以看出各指標(biāo)的權(quán)重和調(diào)查所得的數(shù)據(jù)結(jié)果基本一致，(步行距離31.4%，停車場費用30.8%，停車場評價33.4%，其他因素4.4%)，因此，該模型可行。

5 結(jié)論與展望

本文基于對影響駕駛員停車選擇行為的分析，根據(jù)駕駛員用戶需求給出了停車選擇模型。模型中考慮了車輛停放后駕駛員的步行距離、停車場的收費標(biāo)準(zhǔn)、停車場的評價(安全性、停車場結(jié)構(gòu)、服務(wù)質(zhì)量等)等影響停車選擇的因素，結(jié)合相關(guān)的調(diào)查數(shù)據(jù)對模型參數(shù)進行了標(biāo)定，最后通過模糊層次分析法(Fuzzy AHP)計算驗證模型的可行性。同時，本模型有很強的可擴展性，能夠根據(jù)需求動態(tài)地改變各種參數(shù)，從而使得該模型具有較強的適用性。

不足之處及今后的工作:本文調(diào)查的數(shù)據(jù)不夠全面，今后可以根據(jù)不同工薪階層、年齡階層、性別，對駕駛員到某市中心商業(yè)區(qū)周邊選擇停車場進行停車行為的調(diào)查，綜合分析調(diào)查來的數(shù)據(jù)進行仿真分析，完善本模型。

[1] 頡 靖.基于物聯(lián)網(wǎng)技術(shù)的城市停車誘導(dǎo)系統(tǒng)研究[D].北京: 北京郵電大學(xué)，2011.

[2] 陳 峻，周智勇，王 煒.城市機動車輛停放選擇模型[J].交通運輸工程學(xué)報，2006，6(2):75-79.

[3] 季彥婕，王 煒，鄧 衛(wèi). 出行前停車誘導(dǎo)系統(tǒng)中兩階段停車選擇方法[J].武漢理工大學(xué)學(xué)報，2008，32(6):979-982.

[4] 肖 婧,王 皓. 高維多目標(biāo)動態(tài)停車場選擇及路徑誘導(dǎo)研究[J]. 計算機應(yīng)用研究,2015,07:2009-2013,2026.

[5] Russell G. Thompson, A parking search model[J]. Transportation Research Part A 1998,32(3):159-170.

[6] Emmanouil Chaniotakis,Adam J. Pel. Drivers’ parking location choice under uncertain parking availability and search times: A stated preference experiment[J].Transportation Research Part A 82,2015:228-239.

[7] Nada Milosavljevic, Jelena Simicevic. Users response to parking policy change: A comparison of stated and revealed preference date[J]. Transport Policy,2016:40-45.

[8] 趙 娜,袁家斌,徐 晗. 智能交通系統(tǒng)綜述[J]. 計算機科學(xué),2014,11:7-11,45.

[9] Masaki I. A Brief History of ITS[M]. Masachusetts Institute of Technology,1999.

[10] 關(guān)宏志,劉蘭輝,廖明軍. 停車誘導(dǎo)系統(tǒng)的規(guī)劃設(shè)計方法初探[J]. 公路交通科技,2003(1):136-139.

[11] 張寶玉,晏克非,周湘霆. 停車誘導(dǎo)系統(tǒng)中篩選停車場(庫)方法的研究[J]. 計算機工程與應(yīng)用,2007(27):237-239,242.

[12] 張 華. 國內(nèi)外停車誘導(dǎo)系統(tǒng)對比分析及啟示——以科隆市和上海市為例[J]. 規(guī)劃師,2008(S1):23-25.

[13] 蘭繼斌,徐 揚,霍良安,等. 模糊層次分析法權(quán)重研究[J]. 系統(tǒng)工程理論與實踐,2006(9):107-112.

[14] 梅振宇,項貽強,陳 峻,等. 基于停車選擇行為的路內(nèi)停車價格優(yōu)化模型[J]. 交通運輸系統(tǒng)工程與信息,2010(1):99-104.

[15] 云美萍,龍科軍,勞云騰,等. 考慮停車選擇概率的公共停車場規(guī)模優(yōu)化模型[J]. 系統(tǒng)工程,2008(2):84-88.

[16] Fabien Prevost.Curb parking:theory and model[M]. Institute of Transportation Studies, University of California,Berkeley, 1978: 72-76.

[17] 莫 紅,王 濤. 廣義區(qū)間二型模糊集合的詞計算[J]. 自動化學(xué)報,2012(5):707-715.

[18] 徐澤水. 三角模糊數(shù)互補判斷矩陣的一種排序方法[J]. 模糊系統(tǒng)與數(shù)學(xué),2002(1):47-50.

Research on Parking Guidance Ways Based on User Demand

Zheng Hebin, Mo Hong

(Changsha University of Science and Technology, Changsha 410114,China)

In order to meet the different drivers of parking fees, parking lot to the destination of the walking distance and social evaluation on the parking lot of the needs of users, achieve parking guidance and inter-working between the user and the system, this paper presents a choice method based on users demand for parking lot by induction and analysis of all the factors that influence the parking behavior, through to destinations around the parking lot choice and establish the parking search model, according to the driver′s personal preference to provide parking field priority decision method. Finally, the fuzzy hierarchy analysis method to discuss the feasibility of the model.

intelligent transportation system; parking guidance and information system; individual needs; fuzzy AHP

2016-04-07；

2016-06-21。

國家自然科學(xué)基金(61073048)。

鄭和斌(1991-)，男，湖南省長沙市人，碩士研究生，主要從事智能交通、分析與控制方向的研究。

莫 紅(1972-)，男，湖南省長沙市人，副教授，碩士研究生導(dǎo)師，主要從事復(fù)雜系統(tǒng)的建模、分析與控制，人工智能方向的研究。

1671-4598(2017)02-0170-04

10.16526/j.cnki.11-4762/tp.2017.02.047

TP1

A