[发明专利]一种多方共赢的共享合同车位系统

权利要求书

1.一种多方共赢的共享合同车位系统，其特征在于：包括如下步骤，

(1)数据预处理、筛选：收集各个小区、地段的停车记录，收集环境和节假日的数据，对缺失值、异常现象处理，根据信息熵和相对熵指标筛选合适、符合需求的合同车位；所述步骤(1)中，通过信息熵筛选车位的具体步骤为：信息熵是用来测量信息分布的一个常用参数，信息熵越大，说明停车行为越有多样化；信息熵越小，说明分布的越集中，停车行为越具有周期性，之后选择信息熵值较小的作为适合参与共享的合同车位，将其作为模型的预测数据；所述步骤(1)中，通过相对熵筛选车位的具体步骤为：相对熵用于衡量两个概率分布的相似程度，对其经对称化处理后得到变形；相对熵越小，说明分布的相似程度越高；当工作日出行时间和节假日出行时间的概率分布差异较大时，说明两者的出行规律存在明显的分布差异；同理，判断车主在不同环境下的出行是否存在明显的分布差异；

(2)采用神经网络的方式来进行模型的预测，将环境和时间因素加入到神经网络模块中，对神经网络模块进行了改进设计，对停车时间进行预测；步骤(2)神经网络模型进行改进设计，具体步骤如下：神经网络模型基于长短期记忆网络，神经网络模型最终输出空闲停车时间h_t；长短期记忆网络主要由三个门：遗忘门f_t、传入门i_t、输出门o_t，以及单元状态C_t构成；遗忘门f_t根据上一个时刻的输出h_t-1以及输入x_t来判断是否记忆上一个时刻的数据C_t-1；传入门i_t根据上一个时刻的输出h_t-1和包含环境、时间、历史数据信息的特征值得到，用于判断新的信息中哪些信息需要加入单元状态C_t；输出门o_t根据上一个模块的输出h_t-1和包含环境、时间、历史数据等信息的特征值判断输出单元状态C_t哪些信息，从而得到输出h_t；

f_t＝σ(W_f·[h_t-1,x_t]+b_f)

h_t＝o_t*tanh(C_t)

其中，是包含t时刻的环境、时间、历史数据等综合参数的信息矩阵,其表达式如下：

该公式中x_t表示t时刻历史停车信息序列，它融合了历史停车数据D_t，通过由W_r和b_r参数化的全连接层以及sigmoid激活函数得到；其表达式如下：其表达式如下；

x_t＝σ(W_r·D_t+b_r)

其中，包含t时刻的环境、时间、历史数据等信息；其表达式如下；其中，E_t表示提取得到的环境、时间特征；

e_t＝σ(W_e·E_t+b_e)

e_t是通过参数E_t求得的用于表示环境因素影响的参数；E_t表示提取得到的环境、时间特征；其表达式如下：

e_t＝σ(W_e·E_t+b_e)；

(3)结合已有的停车时间进行调度安排，采用综合平衡的策略，通过基于分层处理的近似动态规划算法，兼顾调度的用时和效率，使车位的总利用时间最大化；所述步骤(3)近似动态规划算法，包括以下步骤：

(3-1)假设存在m个停车请求，n个车位且满足nm的时间段；将第i个可用车位空闲时间段定义为:P_i＝[x_i,y_i),i＝1,...,n；x_i表示第i个车位开始闲置的时间，即车主的离开车位的时间点；y_i表示第i个合同停位再次被车主使用的时间点，即车主的返回时间点；定义第j个用户停车请求的时间段为R_j＝[s_j,f_j),j＝1,...,m；s_j表示第j个停车请求开始的时间点；f_j表示第j个停车请求结束的时间点；

(3-2)在停车调度问题中，采用了分层的间隔调度方法来降低复杂度；假设n个空闲时间段中最多有l个重合，将空闲时间段划分为l个子集S_h,h＝1,...,l；所以每个子集中的时间段是互斥的，把S_h称为第h层；假设有l个空闲时间段，将其称之为层；F_j表示第j个停车请求结束的时间点；假设有x层满足停车结束时间f_n的需求，然后把f_n放在x层中的一层，或者不放入任何一层，即需求f_n有x+1种情况；假设知道剩余的f₀～f_n-1需求分配在剩余空闲时间内的最佳分配，那么f₀～f_n需求剩余空闲时间内的最优分配方法将是x+1情况下空闲时间最长的分配方法；依次类推，最后通过自底向上迭代的方法得到模型的最优结果。