CN114495552B - 一种快速停车找车导航方法及其*** - Google Patents

Abstract

本发明公开了一种快速停车找车导航方法及其***，属于智能泊车的技术领域。获取当前车辆所在停车层中的空余车位和停车场入口；以车辆所在停车层内的电梯为起始点，建立筛选模型，于所述空余车位集中筛选出预定数量的目标车位得到目标车位集；引入层次分析算法，基于所述目标车位集分析得到符合用户需求的最佳停车位；采用路径算法向用户推荐从停车场入口到达最佳停车位的最佳停车路径。本发明由当前的空余车位中选取预定数量的目标停车位，让用户根据自己的喜好选择合适的停车位的同时，以最快的时间停车并保证以最快的时间离开停车场。基于软件实时跟踪用户所在位置，结合之前推送的最佳车位，用户找车时为用户推送找车导航路线，便于用户找车。

Description

一种快速停车找车导航方法及其***

技术领域

本发明属于智能泊车的技术领域，特别是涉及一种快速停车找车导航方法及其***。

背景技术

随着生活水平的提高和经济的快速发展，家用车的数量增加虽然给生活带来了便捷，但是同时“停车困难”的问题也应运而生。为了解决“停车困难”的问题多层停车场便随之普及。目前绝大多数的商贸中心都有多层地下或地上停车位供人们使用，由于对停车场的不熟悉和缺乏当前停车场的停车位信息，车主不能在短时间内寻找到最佳停车位，从而进一步加剧停车难的恶性循环，降低了人们的出行效率。

发明内容

本发明为解决上述背景技术中存在的技术问题，提供了一种快速停车找车导航方法及其***。

本发明采用以下技术方案来实现：一种快速停车找车导航方法，包括以下步骤：

获取当前车辆所在停车层中的空余车位和停车场入口生成空余车位集U；

以车辆所在停车层内的电梯为起始点，建立筛选模型，于所述空余车位集U中筛选出预定数量的目标车位得到目标车位集C；

引入层次分析算法，基于所述目标车位集C分析得到符合用户需求的最佳停车位；

采用路径算法向用户推荐从停车场入口到达最佳停车位的最佳停车路径。

在进一步的实施例中，还包括以下步骤：

采用路径算法向用户推荐从最佳停车位至电梯的最佳行走路径，将所述最佳停车路径、最佳行走路径和对应的车牌生成停车信息，并将所述停车信息发送至用户手机上；

找车时，手机基于停车信息和用户当前所在位置，切换至导航模式向用户推荐从当前所在位置到最佳停车位的行走路线。

通过采用上述技术方案，便于用户以最短的时间从电梯停车场，停车位和车牌进行绑定并通过无线方式发送到车主手机APP，后期在找车时，基于停车信息和用户当前所在的位置启动导航模式，方便车主找车。

在进一步的实施例中，所述筛选模型的建立流程如下：

所述空余车位集中的每个元素至少包括以下参数：空余车位节点k、对应空余车位节点到起始点的路程；

每计算得到一次新的路程长度便与阈值进行对比，将小于阈值的对应节点升级为目标节点；

将所述目标节点和对应的路程长度从空余车位集U中剔除，并更新到目标集合S中，直至目标集合S中的元素满足计算停止条件。

通过采用上述技术方案，引入了计算停止条件，即不需要对每个空余车位节点进行计算分析，满足计算停止条件便可筛选出目标车位，大大减少了计算量，缩短路径生成的计算时间。

在进一步的实施例中，所述计算停止条件为：

当目标集合S中的新增元素大于预定数量时，则停止对空余车位集U中剩余元素的运算；

或，目标集合S中的新增元素小于预定数量且停车场入口作为新增元素被转移到目标集合S中，则停止对空余车位集U中剩余元素的运算。

在进一步的实施例中，所述层次分析算法具体包括以下步骤：

建立目标层Z、准则层A和方案层B；所述方案层B中包含目标车位集C={c₁，c₂，c₃，…，c_m}，其中m表目标车位的个数；

所述准则层A中包括n个规则，记为G={ g₁，g₂，g₃，…，g_n }，其中n表示规则的数量，用 _ij 表示第i个规则的第j个属性值，决策成对比较矩阵A=（ _ij ） _m×n ，其中1≤i≤n；

计算准则层A中的每个规则对应于目标层的权重值；

分别计算方案层B中的每个目标车位对应于准则层A中的每一个规则的权重值；

基于权重值和权重值组合得到关于每个目标车位的组合权重，选定组合权重中的最大值对应的目标车位为最佳停车位。

在进一步的实施例中，还包括对准则层A和方案层B中的对比较矩阵一致性检验，以对比较矩阵A为例，检验准则如下：

则A=（ _ij ） _m×n = ；

A = _max ，其中， _max 为矩阵A的最大特征值，为对应 _max 的特征向量。

在进一步的实施例中，包括至少以下几种规则：车位是否靠近停车场入口、车位是否靠近电梯、车位类型、车位的两侧是否占用、车位与停车场出口之间的距离。

通过采用上述技术方案，根据用户需求和用户的停车喜好，选择以电梯为起始点的最佳停车位。

在进一步的实施例中，所述路径算法采用Dijkstra算法。

一种快速停车找车导航***，包括：

移动端，设于所述移动端的第一模块、第二模块、第三模块和第四模块；

其中，第一模块被设置为获取当前车辆所在停车层中的空余车位和停车场入口生成空余车位集U；

第二模块被设置为以车辆所在停车层内的电梯为起始点，建立筛选模型，于所述空余车位集U中筛选中预定数量的目标车位得到目标车位集C；

第三模块被设置为引入层次分析算法，基于所述目标车位集C分析得到符合用户需求的最佳停车位；

第四模块被设置为采用路径算法向用户推荐从停车场入口到达最佳停车位的最佳停车路径。

在进一步的实施例中，还包括：第五模块，被设置为采用路径算法向用户推荐从最佳停车位至电梯的最佳行走路径，将所述最佳停车路径、最佳行走路径和对应的车牌生成停车信息；

第六模块，被设置为存储所述停车信息；

第七模块，被设置为基于停车信息和用户当前所在位置，切换至导航模式向用户推荐从当前所在位置到最佳停车位的行走路线。

本发明的有益效果：本发明由当前的空余车位中选取预定数量的目标停车位，结合用户需求生成层次分析方法，在预定数量的目标停车位中筛选出最佳停车位，然后再次采用Dijkstra 算法引导车辆进入停车位，让用户根据自己的喜好选择合适的停车位的同时，以最快的时间停车并保证以最快的时间离开停车场。充分体现以人为本，提高停车效率，节约用户时间。同时，基于软件实时跟踪用户所在位置，结合之前推送的最佳车位，当用户找车时，为用户推送找车导航路线，便于用户找车。

附图说明

图1为停车场道路和停车位分布示意图。

图2为快速停车找车导航方法的流程图。

图3为层次分析结构模型图。

图4为最优停车位模拟图。

具体实施方式

下面结合实施例和说明书附图对本发明做进一步的描述。

大型综合体地下停车场有好几层，车主开车到地下停车场一般都是自己开车寻找停车位，通常因为是一次性停车，车主不清楚停车场的地图和方位，导致盲目停车，人车分离后很难找寻已停的车位。浪费很多时间和精力。

基于上述问题，节省时间和精力的根本还是从时间上体现，在本实施例中，时间最短是以人和车一起进入停车场开始算起，到人离开停车场的一段时间。这段时间包括车子从停车场入口到停车位和停车时间以及人从停车位出来到达出口位置（这里的出口位置指的是地下停车场的电梯口）。人在整个停车场的时间长短直接关系到车主的路程时间和办事效率。而决定这个时间长短有2个因素，一是空余车位的位置选择；另一是车子从停车场入口到停车位和泊车时间。而人到电梯口的时间取决于空余停车位到电梯口的步行时间，步行时间因停车位的位置不同而不同，所以这段时间一般都是静态不可变的。综合上述分析可知，选择时间最短路径就是空余车位的选择和停车引导***的最短时间。

实施例1

如图1所示，图中的P1-P8表示空闲车位，在上述空闲车位中存在两侧车位被占用的或一侧车位被占用的，与电梯之间不同距离的车位等不同情况的车位。本实施例公开了一种快速停车找车导航方法，如图2所示，包括以下步骤：

获取当前车辆所在停车层中的空余车位和停车场入口生成空余车位集U；将每个空余车位和停车场入口均分别抽象为空余车位节点和终点节点。其中，空余车位集U中的每个元素至少包括以下参数：空余车位节点k、对应空余车位节点到起始点的路程。即每个空余车位包括参数：空余车位节点k、对应空余车位节点到起始点的路程。k表示空余车位的编号，在本实施例中1≤k≤8。

以车辆所在停车层内的电梯为起始点，建立筛选模型，于所述空余车位集U中筛选出预定数量的目标车位得到目标车位集C ={c₁，c₂，c₃，…，c_m}，其中m表目标车位的个数。在本实施例中，预定数量的取值为3，即m=3。换言之从空余车位集U中选出3个符合需求的空余车位作为目标车位。

基于上述描述，用户对停车场信息了解不多，用户的主观意愿和停车场空余车位之间存在信息不对称。往往是用户停车完成后才发现还有更优的停车位满足自己停车的个人需求。用户根据自己当时的需求选择停车位就很重要，因此将用户个人偏好引入空余停车位的选择就更加凸显停车人性化和高效化。

于是，在本实施例中，引入层次分析算法，基于所述目标车位集C分析得到符合用户需求的最佳停车位；采用路径算法向用户推荐从停车场入口到达最佳停车位的最佳停车路径。

通过采用上述技术方案，用户的偏好考虑在路径规划中进行信息发布，让用户根据自己的喜好选择合适的停车位。

为了让用户使用最短的时间从最佳停车位走到电梯，采用Dijkstra路径算法（此处的Dijkstra路径算法为现有技术中较为常见的算法，在此不做赘述。）向用户推荐从最佳停车位至电梯的最佳行走路径。同时为了给用户在离开时提供找车的便捷，将所述最佳停车路径、最佳行走路径和对应的车牌生成停车信息，并将所述停车信息发送至用户手机上。

当用户事情处理完或者用户需要找车时，则手机基于停车信息和用户当前所在位置，切换至导航模式向用户推荐从当前所在位置到最佳停车位的行走路线。在本实施例中，行走路线、以及最佳停车路径、最佳行走路径均以地图的形式展现给用户，便于用户更直观的获取信息。以最快的路径寻找到车辆所在的车位进行找车，降低因对停车场的不熟悉造成迷路的可能性，提高找车效率。

现有的停车场引导***中的最短路径研究方法主要有Dijkstra算法、蚁群算法、粒子群算法和启发式搜索算法等，Dijkstra算法在带权有向图中寻找最短路径上具有很高的实用价值，停车场的路径规划中，停车场的出入口和电梯位置是确定的位置点，符合算法求解要求。传统Dijkstra算法计算时是按从起始节点到其余节点的最短路径权值由小到大的逐个加入最短路树中并求出起点到任意节点的最短路径。在停车引导***中，传统的Dijdktra以停车场入口为起点，出口为终点，搜索最短路径进行停车若应用在节点数较多的停车场中，计算量较大，效率非常低。

这种停车方案有两个方面的问题：一是对于用户来说，所有停车位都是一样的，只要达到能以入口为最短路径停车就可以，没考虑到用户的实际需求。而且传统的Dijkstra算法是把所有从入口到出口的空闲停车位进行遍历排序，时间和资源浪费严重，而且找出的最短路径停车位也不一定就满足用户需求。因此本实施例做了以下改进：

筛选模型的建立流程如下：所述空余车位集中的每个元素至少包括以下参数：空余车位节点k、对应空余车位节点到起始点的路程；

每计算得到一次新的路程长度便与阈值进行对比，将小于阈值的对应节点升级为目标节点。

将所述目标节点和对应的路程长度从空余车位集U中剔除，并更新到目标集合S中，直至目标集合S中的元素满足计算停止条件。通过引入计算停止条件，节点数减少，计算量小，提高了引导效率。

在进一步的实施例中，所述计算停止条件为：当目标集合S中的新增元素大于预定数量时，则停止对空余车位集U中剩余元素的运算；或，目标集合S中的新增元素小于预定数量且停车场入口作为新增元素被转移到目标集合S中，则停止对空余车位集U中剩余元素的运算。

举例说明：空余车位集U中的某个空余车位节点v与起始点s不相邻，则v到起始点s的距离为∞，记录目标集合S中的元素的数量的初始值i=0。

当空余车位集U中的某个空余车位节点v与起始点s相邻，且计算的得到的路程长度小于阈值（本实施例中阈值根据停车场的实际情况提前设置），则将该空余车位节点v升级为目标节点；将所述目标节点和对应的路程长度从空余车位集U中剔除，并更新到目标集合S中，同时记录目标集合S中的元素的数量的初始值i+1。如此反复，直至i=3或者目标集合S已经存在停车场入口。

停止条件是目标节点是否达到3个或者是没有达到3个且停车场入口节点已经进入最短路径作为运算停止的条件。因此计算量大大减少。

在进一步的实施例中，如图3所示，所述层次分析算法具体包括以下步骤：

建立目标层Z、准则层A和方案层B；所述方案层B中包含目标车位集C={c₁，c₂，c₃，…，c_m}，其中m表目标车位的个数；

所述准则层A中包括n个规则，记为G={ g₁，g₂，g₃，…，g_n }，其中n表示规则的数量，用 _ij 表示第i个规则的第j个属性值，决策成对比较矩阵A=（ _ij ） _m×n ，其中1≤i≤n；所述规则进一步为车位是否靠近停车场入口、车位是否靠近电梯、车位类型、车位的两侧是否占用、车位与停车场出口之间的距离。

计算准则层A中的每个规则对应于目标层的权重值；

分别计算方案层B中的每个目标车位对应于准则层A中的每一个规则的权重值；

基于权重值和权重值组合得到关于每个目标车位的组合权重，选定组合权重中的最大值对应的目标车位为最佳停车位。该最佳停车位不仅仅是位置和时间上的最佳，同时符合了用户的需求，增加停车的舒适感。

还包括对准则层A和方案层B中的对比较矩阵一致性检验，以对比较矩阵A为例，检验准则如下：

则A=（ _ij ） _m×n = ；

A = _max ，其中， _max 为矩阵A的最大特征值，为对应 _max 的特征向量。

举例说明：根据图1建立的停车场模型，考虑用户的需求，确定矩阵为：

A = ，采筛选模型筛选出三个目标停车位P8，P5和P6，基于上述公式，采用归一法计算出准则层A中的每个规则对应于目标层的权重值，分别为0.1263、0.5495、0.2476和0.0736。

同理计算出方案层B中的每个目标车位对应于准则层A中的每一个规则的权重值，如表示1所示:

表1

	A1	A2	A3	A4
					B1	0.6370	0.5816	0.1396	0.1095
B2	0.2583	0.3090	0.5278	0.3090
					B3	0.1047	0.1095	0.3325	0.5816

最后计算出三个停车方案的组合权重为：0.445、0.3567 和 0.199，分别对应 P8、P5 和 P6的权重。根据层次分析法算出 P8 为用户最优停车位。从图4可知，最优车位为P8。仿真结果与实际情况一致。

本实施例将用户对停车位的需求决策和现有停车位的情况搜索路径最短相结合，一方面方便不同用户的需求，另一方面有利于停车的引导，充分考虑用户停车路径最短和到达电梯的路程最短，提高了用户的停车效率和地下停车场的停车位利用率。

实施例2

本实施例公开了一种快速停车找车导航***，用于实现实施例1所述的方法。包括：移动端，设于所述移动端的第一模块、第二模块、第三模块和第四模块；

其中 ，第一模块被设置为获取当前车辆所在停车层中的空余车位和停车场入口生成空余车位集U；

第二模块被设置为以车辆所在停车层内的电梯为起始点，建立筛选模型，于所述空余车位集U中筛选中预定数量的目标车位得到目标车位集C；

第三模块被设置为引入层次分析算法，基于所述目标车位集C分析得到符合用户需求的最佳停车位；

第四模块被设置为采用路径算法向用户推荐从停车场入口到达最佳停车位的最佳停车路径。

还包括：第五模块，被设置为采用路径算法向用户推荐从最佳停车位至电梯的最佳行走路径，将所述最佳停车路径、最佳行走路径和对应的车牌生成停车信息；

第六模块，被设置为存储所述停车信息；

第七模块，被设置为基于停车信息和用户当前所在位置，切换至导航模式向用户推荐从当前所在位置到最佳停车位的行走路线。

Claims (6)

1.一种快速停车找车导航方法，其特征在于，包括以下步骤：

获取当前车辆所在停车层中的空余车位和停车场入口生成空余车位集U；

以车辆所在停车层内的电梯为起始点，建立筛选模型，于所述空余车位集U中筛选出预定数量的目标车位得到目标车位集C；

引入层次分析算法，基于所述目标车位集C分析得到符合用户需求的最佳停车位；

采用路径算法向用户推荐从停车场入口到达最佳停车位的最佳停车路径；

所述筛选模型的建立流程如下：

所述空余车位集中的每个元素至少包括以下参数：空余车位节点k、对应空余车位节点到起始点的路程；

每计算得到一次新的路程长度便与阈值进行对比，将小于阈值的对应节点升级为目标节点；

将所述目标节点和对应的路程长度从空余车位集U中剔除，并更新到目标集合S中，直至目标集合S中的元素满足计算停止条件；所述计算停止条件为：

当目标集合S中的新增元素大于预定数量时，则停止对空余车位集U中剩余元素的运算；或，目标集合S中的新增元素小于预定数量且停车场入口作为新增元素被转移到目标集合S中，则停止对空余车位集U中剩余元素的运算；

所述层次分析算法具体包括以下步骤：

建立目标层Z、准则层A和方案层B；所述方案层B中包含目标车位集C＝{c₁，c₂，c₃，…，c_m}，其中m表目标车位的个数；

所述准则层A中包括n个规则，记为G＝{g₁，g₂，g₃，…，g_n}，其中n表示规则的数量，用α_ij表示第i个规则的第j个属性值，决策成对比较矩阵A＝(α_ij)_m×n，其中1≤i≤n；

计算准则层A中的每个规则对应于目标层的权重值δ_n；

分别计算方案层B中的每个目标车位对应于准则层A中的每一个规则的权重值δ_mn；

基于权重值δ_n和权重值δ_mn组合得到关于每个目标车位的组合权重

选定组合权重

中的最大值对应的目标车位为最佳停车位；还包括对准则层A和方案层B中的对比较矩阵一致性检验，对比较矩阵A检验准则如下：

则

A∨＝λ_max∨，其中，λ_max为矩阵A的最大特征值，∨为对应λ_max的特征向量。

2.根据权利要求1所述的一种快速停车找车导航方法，其特征在于，还包括以下步骤：

采用路径算法向用户推荐从最佳停车位至电梯的最佳行走路径，将所述最佳停车路径、最佳行走路径和对应的车牌生成停车信息，并将所述停车信息发送至用户手机上；

找车时，手机基于停车信息和用户当前所在位置，切换至导航模式向用户推荐从当前所在位置到最佳停车位的行走路线。

3.根据权利要求1所述的一种快速停车找车导航方法，其特征在于，包括至少以下几种规则：车位是否靠近停车场入口、车位是否靠近电梯、车位类型、车位的两侧是否占用、车位与停车场出口之间的距离。

4.根据权利要求1或2中任意一项所述的一种快速停车找车导航方法，其特征在于，所述路径算法采用Dijkstra算法。

5.一种快速停车找车导航***，其特征在于，包括：

移动端，设于所述移动端的第一模块、第二模块、第三模块和第四模块；

其中，第一模块被设置为获取当前车辆所在停车层中的空余车位和停车场入口生成空余车位集U；

第二模块被设置为以车辆所在停车层内的电梯为起始点，建立筛选模型，于所述空余车位集U中筛选中预定数量的目标车位得到目标车位集C；

第三模块被设置为引入层次分析算法，基于所述目标车位集C分析得到符合用户需求的最佳停车位；

第四模块被设置为采用路径算法向用户推荐从停车场入口到达最佳停车位的最佳停车路径；

其中，所述筛选模型的建立流程如下：

所述空余车位集中的每个元素至少包括以下参数：空余车位节点k、对应空余车位节点到起始点的路程；

每计算得到一次新的路程长度便与阈值进行对比，将小于阈值的对应节点升级为目标节点；

将所述目标节点和对应的路程长度从空余车位集U中剔除，并更新到目标集合S中，直至目标集合S中的元素满足计算停止条件；所述计算停止条件为：

当目标集合S中的新增元素大于预定数量时，则停止对空余车位集U中剩余元素的运算；或，目标集合S中的新增元素小于预定数量且停车场入口作为新增元素被转移到目标集合S中，则停止对空余车位集U中剩余元素的运算；

所述层次分析算法具体包括以下步骤：

建立目标层Z、准则层A和方案层B；所述方案层B中包含目标车位集C＝{c₁，c₂，c₃，…，c_m}，其中m表目标车位的个数；

所述准则层A中包括n个规则，记为G＝{g₁，g₂，g₃，…，g_n}，其中n表示规则的数量，用α_ij表示第i个规则的第j个属性值，决策成对比较矩阵A＝(α_ij)_m×n，其中1≤i≤n；

计算准则层A中的每个规则对应于目标层的权重值δ_n；

分别计算方案层B中的每个目标车位对应于准则层A中的每一个规则的权重值δ_mn；

基于权重值δ_n和权重值δ_mn组合得到关于每个目标车位的组合权重

选定组合权重

中的最大值对应的目标车位为最佳停车位；还包括对准则层A和方案层B中的对比较矩阵一致性检验，对比较矩阵A检验准则如下：

则

A∨＝λ_max∨，其中，λ_max为矩阵A的最大特征值，∨为对应λ_max的特征向量。

6.根据权利要求5所述的一种快速停车找车导航***，其特征在于，还包括：

第五模块，被设置为采用路径算法向用户推荐从最佳停车位至电梯的最佳行走路径，将所述最佳停车路径、最佳行走路径和对应的车牌生成停车信息；

第六模块，被设置为存储所述停车信息；

第七模块，被设置为基于停车信息和用户当前所在位置，切换至导航模式向用户推荐从当前所在位置到最佳停车位的行走路线。

Images