大型停车场空闲车位短时预测方法.PDF

第３６卷第３期 计 算 机 应 用 研 究 Ｖｏｌ３６Ｎｏ３ ２０１９年３月　 ＡｐｐｌｉｃａｔｉｏｎＲｅｓｅａｒｃｈｏｆＣｏｍｐｕｔｅｒｓ Ｍａｒ．２０１９ 大型停车场空闲车位短时预测方法 ａ ｂ ｃ 佘　飞 ，邱建东 ，汤安 （兰州交通大学ａ．机电技术研究所；ｂ．机电工程学院；ｃ．新能源与动力工程学院，兰州７３００７０） 摘　要：为了提升智能交通系统性能及停车场利用率，针对大型停车场空闲车位短时预测进行了研究，提出了 一种基于灰色理论、ＢＰ神经网络和马尔可夫链的组合预测方法以提高预测精度与时效性。该方法使用灰色理 论处理数据，弱化其随机性，再通过人工神经网络训练得到数量预测结果，最后使用马尔可夫链消除系统产生的 随机误差得到最终结果。实验表明，这种组合预测方法有效提高了预测精度，预测结果符合实际停车场数据变 化规律，为驾驶员提前作出合理的停车场选择提供了可靠依据，能有效提高停车场车位利用率。 关键词：空闲车位；灰色神经网络；预测；马尔可夫链 中图分类号：ＴＰ３９１．９　　　文献标志码：Ａ　　　文章编号：１００１３６９５（２０１９）０３０４１０８５１０４ ｄｏｉ：１０．１９７３４／ｊ．ｉｓｓｎ．１００１３６９５．２０１７．０９．０９２２ Ｓｉｍｕｌａｔｉｏｎｏｆｐｒｅｄｉｃｔｉｏｎｆｏｒｆｒｅｅｐａｒｋｉｎｇｓｐａｃｅｓｉｎｌａｒｇｅｐａｒｋｉｎｇｌｏｔｓ ａ ｂ ｃ ＳｈｅＦｅｉ，ＱｉｕＪｉａｎｄｏｎｇ，ＴａｎｇＭｉｎ’ａｎ （ａ．ＭｅｃｈａｔｒｏｎｉｃＴ＆ＲＩｎｓｔｉｔｕｔｅ，ｂ．ＳｃｈｏｏｌｏｆＭｅｃｈａｎｉｃａｌＥｎｇｉｎｅｅｒｉｎｇ，ｃ．ＳｃｈｏｏｌｏｆＮｅｗＥｎｅｒｇｙ＆ＰｏｗｅｒＥｎｇｉｎｅｅｒｉｎｇ，ＬａｎｚｈｏｕＪｉａｏｔｏｎｇＵｎｉｖｅｒ ｓｉｔｙ，Ｌａｎｚｈｏｕ７３００７０，Ｃｈｉｎａ） Ａｂｓｔｒａｃｔ：Ｉｎｏｒｄｅｒｔｏｉｍｐｒｏｖｅｔｈｅｐｅｒｆｏｒｍａｎｃｅｏｆｉｎｔｅｌｌｉｇｅｎｔｔｒａｎｓｐｏｒｔａｔｉｏｎｓｙｓｔｅｍａｎｄｔｈｅｕｔｉｌｉｚａｔｉｏｎｒａｔｅｏｆｐａｒｋｉｎｇｌｏｔ，ａｉｍｉｎｇ ａｔｔｈｅｓｈｏｒｔｔｅｒｍｐｒｅｄｉｃｔｉｏｎｏｆｆｒｅｅｐａｒｋｉｎｇｓｐａｃｅｉｎｌａｒｇｅｐａｒｋｉｎｇｌｏｔ，ｔｈｉｓｐａｐｅｒｃａｍｅｕｐｗｉｔｈａｆｏｒｅｃａｓｔｉｎｇｍｅｔｈｏｄｂａｓｅｄｏｎ ｔｈｅｃｏｍｂｉｎａｔｉｏｎｏｆｇｒｅｙｔｈｅｏｒｙ，ＢＰｎｅｕｒａｌｎｅｔｗｏｒｋａｎｄＭａｒｋｏｖｃｈａｉｎ．Ａｔｂｅｇｉｎｎｉｎｇ，ｉｔｕｓｅｄｔｈｅｇｒｅｙｍｅｔｈｏｄｔｏｗｅａｋｅｎｒａｎｄｏｍ ｎｅｓｓｏｆｄａｔａｉｔｓｅｌｆａｎｄｃｏｍｂｉｎｅｄｗｉｔｈｆａｃｔｏｒｓｔｈａｔｉｎｆｌｕｅｎｃｅｄｔｈｅｑｕａｎｔｉｔｙｏｆｆｒｅｅｐａｒｋｉｎｇｓｐｏｔｓ．ＴｈｅｎｉｔｗｅｎｔｔｈｒｏｕｇｈＢＰｎｅｕｒａｌ ｎｅｔｗｏｒｋｔｒａｉｎｉｎｇｔｏｇｅｔｔｈｅｓｈｏｒｔｔｉｍｅｆｒｅｅｐａｒｋｉｎｇｓｐｏｔｓｐｒｅｄｉｃｔｉｏｎ．Ｆｉｎａｌｌｙ，ｉｔｕｓｅｄｔｈｅＭａｒｋｏｖｃｈａｉｎｔｏｅｌｉｍｉｎａｔｅｔｈｅｒａｎｄｏｍ ｅｒｒｏｒｇｅｎｅｒａｔｅｄｂｙｔｈｅｓｙｓｔｅｍａｎｄｏｂｔａｉｎｅｄｔｈｅｆｉｎａｌｒｅｓｕｌｔ．Ａｃｃｏｒｄｉｎｇｔｏｔｈｅｅｘｐｅｒｉｍｅｎｔｒｅｓｕｌｔｓ，ｔｈｅｃｏｍｂｉｎｅｄｆｏｒｅｃａｓｔｉｎｇ ｍｅｔｈｏｄｃａｎｅｆｆｅｃｔｉｖｅｌｙｉｍｐｒｏｖｅｔｈｅｐｒｅｄｉｃｔｉｏｎａｃｃｕｒａｃｙ．Ｔｈｅｒｅｓｕｌｔｔｈａｔｍａｔｃｈｅｄｔｈｅｄａｔａｆｌｏｗｏｆａｃｔｕａｌｐａｒｋｉｎｇｌｏｔｉｓａｂｌｅｔｏ ｐｒｏｖｉｄｅｒｅｌｉａｂｌｅａｎａｌｙｓｉｓｆｏｒｄｒｉｖｅｒｓｔｏｃｈｏｏｓｅｔｈｅｒｉｇｈｔｐａｒｋｉｎｇｌｏｔａｎｄｉｍｐｒｏｖｅｅｆｆｉｃｉｅ