《基於決策最佳化的停車信息誘導關鍵理論與方法研究》是依託浙江大學，由梅振宇擔任項目負責人的青年科學基金項目。
基本介紹
- 中文名：基於決策最佳化的停車信息誘導關鍵理論與方法研究
- 依託單位：浙江大學
- 項目負責人：梅振宇
- 項目類別：青年科學基金項目
項目摘要,結題摘要,
項目摘要
信息誘導下的停車過程是一種複雜的智慧型行為，傳統的停車誘導缺乏對出行者的決策特徵和信息需求的考慮，極大地影響出行者使用停車誘導系統的積極性。本項目將調查分析停車誘導信息下出行者決策特徵，結合決策最佳化理論、協同控制最佳化理論、離散動態博弈理論、非線性最佳化理論，從巨觀→中觀→微觀決策最佳化角度，展開基於決策最佳化的出行前、出行中和出行目的地的停車信息誘導方法研究，構建協同控制最佳化模型、動態誘導博弈模型與微觀停車選擇模型，研究不同層次停車誘導信息設計最佳化方法，最終建立符合出行者決策最佳化特徵的停車信息誘導系統，並綜合運用仿真模擬與實地驗證等手段對研究成果進行有效性驗證，實現理論研究與實踐套用的有機結合。基於決策最佳化的停車信息誘導思想將從出行者主觀角度最佳化停車誘導信息供給，提高誘導效率；項目研究成果可為最佳化城市停車信息誘導系統提供理論與技術支持。
結題摘要
項目從巨觀→中觀→微觀決策最佳化角度，展開基於決策最佳化的出行前、出行中和出行目的地的停車信息誘導方法研究。1、剖析出行者決策特徵，明確出行前、出行中和出行目的地信息需求，出行前希望獲取的信息主要有停車場車位情況、行駛最優路徑和道路交通相關信息，出行中希望獲取的信息主要有停車場“空”和“滿”信息、通往停車場路徑的“暢通”和“擁擠”信息，出行目的地的停車場不滿意而二次停車的信息需求比例達到56.6%。2、根據出行前信息需求，考慮停車場泊位占有率時刻都在變化，提出有效泊位占有率短時預測方法；通過引入小波馬爾科夫算法，結合停車有效泊位占有率預測值和路段交通量，提出基於出行者巨觀決策最佳化的停車誘導與交通流控制協同方法。3、結合出行中停車者信息需求，對道路使用者的決策最佳化進行分析，提出用於描述誘導策略的離散動態Stackelberg博弈模型。通過出行者對停車誘導反應特徵，提出基於最優組合的停車誘導信息配置模型，對不同路徑、不同時間的車輛進行不同信息顯示的動態誘導。通過對出行中出行者中觀決策特徵調查，在與上一層次信息有效銜接基礎上，建立可變信息板的分級布設模式和合理布局模型，提出符合決策特徵和實現系統最優的誘導信息。4、考慮停車場排隊長度、步行距離和用戶的偏好需求等，建立微觀決策最佳化的多目標停車選擇模型，如果不選擇首選停車場，提供二次停車優選。同時提出停車片區理念，利用停車片區進行二次停車最佳化誘導，有效調節停車分布不均勻性。5、在此基礎上給出不同層次停車誘導信息設計最佳化方法，並通過實證檢驗方法的有效性。
