[发明专利]一种基于物联网技术的城市停车诱导系统及方法

权利要求书

1.一种基于物联网技术的城市停车诱导系统，其特征在于，包括：

1)信息采集模块

信息采集模块是数据处理的信息源，对驾驶人员、车辆、停车场入出口检测、场内停车位、场内道路状况以及场内检测装备运作状态的全方位检测，做到实时准确采集信息，通过信息传输模块，把采集的数据传送到信息处理模块，进行分析、加工、处理，最后将信息发布出去；

对于车场出入口的检测包括车辆信息标识的信息、车辆出入停车场的时间及入口周边交通状况或车辆等候排队车辆；车位检测收集空余车位的具体位置、数量、预约车位或者推荐车位与实际占用车位的情况；

2)信息传输模块

信息传输模块是其他模块之间信息通信的桥梁，任务是安全可靠高效传送数据；交流对象是采集模块与分析处理模块、分析处理模块与发布模块、发布模块与终端设备的信息传送；本系统采用无线传感网络；

3)信息分析与处理模块

信息分析与处理模块主要对数据存储、处理，并高效化地把来自用户处、管理中心以及感知层的海量信息进行清洗、融合等，后以文字、语音等形式展现终端设备和管理中心；该模块收到用户车位预订请求后，会立即分析停车位的剩余情况，若有最佳车位推荐给用户则将实时信息快速发送给车位预订模块，确保系统对信息实时更新，最后发送给用户终端同时对停车付费进行电子结算的处理；

4)信息管理与发布模块

信息管理与发布模块需要对信息处理模块传送的数据以及指挥管理中心的数据以文字、图片、语音发布到手机、PC、车载终端或动态诱导屏上；同时，发布模块有存储功能，包括各个停车场的信息，进入停车场内的车辆信息，停车场内剩余有效车位数、为用户推荐车位及路线信息；对于数据库的建设能够实现数据共享，用户能按照各自需求进行查询预订以及多个用户间通信。

2.一种如权利要求1所述的基于物联网技术的城市停车诱导系统的方法，其特征在于，包括如下步骤：

设停车场在某一时刻有m个可用车位，即有m个备选方案，设集合A＝{ai|i＝1,2,…,m}；停车位有n个属性，设集合F＝{fi|i＝1,2,…,n}；

在某个方案的某一属性下，其决策矩阵可表示为X＝{Xij|i＝1,2,…,m；j＝1,2,…,n}，设定一个理想方案为，其中决策推导如下：

1).将决策矩阵X标准化为矩阵Y＝{yij|i＝1,2,…,m；j＝1,2,…,n}；

y i j = x i j m a x 1 ≤ i ≤ m x i j , m a x 1 ≤ i ≤ m x i j ≠ 0 , i ∈ I 1 - - - ( 1 ) ]]>

y i j = m i n 1 ≤ i ≤ m x i j x i j , m i n 1 ≤ i ≤ m x i j ≠ 0 , i ∈ I 2 - - - ( 2 ) ]]>

I1表示效益型属性指标，I2表示成本型属性指标；

2).计算组合权重Wi；

组合权重Wi＝αWi′+βWi″---------------(3)

其中，

距离函数

d(wi′,wi″)2＝(α-β)2--------------(5)

α+β＝1-------------------------(6)

主、客观权重分别记为Wi′、Wi″，α，β表示分配系数

3).假设相对最优方案a0＝(a01,a02,…,a0n)，用δij表示最优方案a0与备选方案ai相对fj的决策值的灰色关联系数为：

δ i j = min i min j | x 0 j - x i j | + ρ max i max j | x 0 j - x i j | | x 0 j - x i j | + ρ max i max j | x 0 j - x i j | - - - ( 7 ) ]]>

其中，

ρ∈[0，1]为分辨系数，取

4).a0与ai的灰色关联系数矩阵

R δ = ( δ i j ) m × n = δ 11 ... δ 1 n . . . . . . . . . δ m 1 ... δ m n - - - ( 8 ) ]]>

确定灰色关联决策矩阵

Z = ( z i j ) m × n = R δ w = δ 11 w 1 ... δ 1 n w n . . . . . . . . . δ m 1 w 1 ... δ m n w n - - - ( 9 ) ]]>

5).确定最优方案

设理想解

负理想解

欧式空间距离

D i + = Σ j = 1 n ( z i j - z j + ) 2 , i = 1 , 2 , ... m - - - ( 12 ) ]]>

D i - = Σ j = 1 n ( z i j - z j - ) 2 , i = 1 , 2 , ... m - - - ( 13 ) ]]>

相对贴近度

C i = D i - D i + + D i - , i = 1 , 2 , ... m - - - ( 14 ) ]]>

其中

根据上述公式计算各备选方案的Ci，若Ci＝max(C1,C2,…Cm)，则确定ai为最优方案。

3.根据权利要求2所述的基于物联网技术的城市停车诱导系统的方法，其特征在于,所述步骤2)具体包括如下步骤：

1).主观权重

参照信息采集模块传来的驾驶人员的行为特性，创建判断矩阵A，同时对各因素间相互比较，按其重要程度进行层次排序，根据萨蒂给出的九个等级进行赋权；

对于特殊的偏离矩阵，通过矩阵的最大特征值求解权向量，然后对A做一致性检验：

一致性指标

一致性比率

其中，n为决策指标数量，RI表征随机一致性指标；

根据萨蒂给出的RI值；

2).客观权重

客观权重通过大量的客观事实信息计算出的指标权重，按照熵的思想，要得到准确合理的决策，意味着有效信息量越多越可靠，由于信息量的多少决定这决策结果的精确性；熵的特性能够满足这一需求，不仅能从繁多的信息中找到对决策者有价值的信息，做出的决策很合理；先通过上述公式(1)(2)对决策矩阵标准化再归一化

P i j = y i j Σ i = 1 m y i j , ( i = 1 , 2 , ... , m ; j = 1 , 2 , ... , n ) - - - ( 18 ) ]]>

第j个指标熵值

差异系数-gj＝1-ej,(1≤j≤n)-----------------(20)

各指标权重

3).组合权重

据上述B通过主客观权重的线性组合计算改进的组合权重，进而确定灰色关联决策矩阵，最终对最优理想解的相对贴近度对比，得出最佳停车位。