研究目的
推出一种基于智能资源分配、预订和定价的新型智能停车系统,通过为驾驶员提供有保障的最低成本及最短搜索时间的停车位预订,同时为停车场管理者实现最高收益和资源利用率,从而解决当前停车难题。
研究成果
与无引导停车系统相比,iParker提案系统能将所有停车者的总有效成本降低多达28%,使总利用率最高提升21%,并为停车管理方带来最高16%的总收入增长。该动态定价方案平衡了所有停车资源的使用率,从而有助于消除由停车引发的总体交通拥堵。
研究不足
该系统的可扩展性受限于混合整数线性规划(MILP)问题的复杂性,该问题是NP难问题。减小问题规模的策略包括资源分组、区域划分和预留控制。
1:实验设计与方法选择:
该系统基于混合整数线性规划(MILP)的数学建模,旨在最小化驾驶员的总货币成本并最大化停车资源的利用率。
2:样本选择与数据来源:
系统利用停车传感器的实时数据和停车者的请求来分配停车资源。
3:实验设备与材料清单:
系统包括一个中央请求中心(CRC)、一个停车管理器(PM)和多个本地智能分配系统(SAS)。
4:实验流程与操作步骤:
CRC接收停车者的请求,进行处理后将其分流至相关的本地SAS。PM是中央停车管理者,负责连接停车管理部门、停车资源管理者、SAS和本地定价引擎。
5:数据分析方法:
系统使用IBM ILOG CPLEX(CPLEX)求解MILP问题并评估系统效能。
独家科研数据包,助您复现前沿成果,加速创新突破
获取完整内容