一種車位複雜度量化評價方法
2024-04-12 18:17:05 1
1.本發明涉及自動泊車領域，具體涉及一種車位複雜度量化評價方法。
背景技術：
2.車位環境複雜度量化評價通過分析目標車位及環境的各項信息，給出目標車位的複雜度等級，可用於指導智慧停車場車位分配、自動代客泊車車位選擇和自動泊車系統測試中的泊車場景評價。
3.在自動泊車系統測試中，泊車位複雜度評價的主流方法是通過提取真實數據、模擬數據與經驗數據以獲得自動泊車測試場景要素，再組合不同類型的環境要素以控制測試場景環境複雜度。這種通過模糊化的語句對環境要素複雜度進行分級，利用人為設計與先驗知識獲得環境複雜度評級的方法，無法對車位環境複雜度做到精確量化，不利於指導自動泊車測試系統改進。
4.建立綜合評價模型需要經過指標選取、權重賦予、綜合評價三個步驟，目前多數模型使用的主客觀組合賦權方法中客觀賦權法，如熵權法、變異係數法、critic法等大多基於統計，樣本之間相互影響程度較大，且不能很好適用於單個樣本評價，而車輛環境複雜度評價更多面向單個車位評價，因此本發明提出一種基於樣本本身客觀數據的權重二次分配方法，利用指標平方和歸一化對權重進行再分配，能夠在指標趨近臨界值時對其賦予較大權重。最後結合模糊綜合評價法建立車位環境複雜度量化評價模型。
技術實現要素：
5.本發明的目的在於提供一種車位複雜度量化評價方法，該方法可為後續的智慧停車場車位分配、自動代客泊車車位選擇與自動泊車系統測試等研究提供更為精準的指導。
6.為實現上述目的，本發明的技術方案是：一種車位複雜度量化評價方法，包括如下步驟：
7.s1、綜合考量地面與地下、停車場與路內停車等多種常見場景，提取出停車場景共有的可影響車位環境複雜度的評價因素，包括車位類型、車位線屬性、車位兩側佔用情況、車位邊界曲率、泊車通道寬度、車位尺寸、車位障礙物情況七種，並將泊車通道寬度、車位尺寸、車位障礙物情況劃分為決定性指標，其他指標為一般指標；
8.s2、為排除數據量綱影響，對所有指標均依據其相對難度將原始數據規範化至[0-1]區間；對於難以量化的定性因素，根據其相對難度直接賦值；採用min-max方法對複雜度隨數值線性變化的定量因素進行量化；對於複雜度隨數值非線性變化的定量因素，選取與其變化趨勢相同的函數進行表徵。ui'為指標原始取值，ui為指標規範化取值，具體規範化方法如下：
[0009]
1)車位類型
[0010][0011]
2)車位線屬性
[0012][0013]
3)車位兩側佔用情況
[0014][0015]
4)根據《城市道路工程設計規範》(cjj 37-2012)，我國道路設計最小半徑極限值為20m，則道路曲率取值範圍[curv
min
,curv
max
]為[-1/20,1/20]，量化公式為
[0016][0017]
5)設lw為車輛一次入庫所需最小通道寬度，可通過圓弧-直線路徑分析得到，k為縮放係數，由數據取值範圍決定，則
[0018][0019]
6)設s為泊車所需最小車位尺寸，則
[0020][0021]
7)障礙物指標u7'為障礙物中心至車位中心距離，為簡化計算，將障礙物表示為以障礙物幾何中心為圓心，幾何中心至障礙物輪廓最大距離為半徑r的圓，則
[0022][0023]
s3、將決定性指標視為整體與一般指標參與層次分析法求解初始權重，使決定性指標整體獲得大於一半權重，後根據各決定性指標規範化後數值的平方和歸一化值，即各決定性指標之間相對難度，確定對應決定性指標權重，獲得主因素突出型權重；權重求解步驟包括：
[0024]
1)通過指標間兩兩比較構建判斷矩陣b＝(b
ij
)z×z,z＝5；其中：b
ij
為指標i相對於
指標j的相對重要程度，根據表1賦值；z為輸入指標個數；
[0025]
表1判斷矩陣重要等級標度
[0026][0027]
2)求解判斷矩陣b最大特徵值λ
max
及其對應特徵向量t
[0028]
3)判斷矩陣一致性檢驗：
[0029]
①
計算一致性指標ci：
[0030][0031]
②
計算一致性比率cr，查表2可得平均隨機一致性指標ri：
[0032][0033]
表2平均隨機一致性取值
[0034][0035]
③
若cr＜0.1則符合一致性要求，否則應重新構建判斷矩陣
[0036]
4)對t歸一化後可得初級權重w'＝(w1,w2,w3,w4,wd)
[0037][0038]
5)設uk表示車位的第k個指標的規範化取值，則第k個指標權重為
[0039][0040]
得到主因素突出權重w＝(w1,w2,w3,w4,w5,w6,w7)
[0041]
s4、確定各指標評價等級劃分準則f
mn
，即第n個指標在第m個評價等級的界定值，並以此構建隸屬度函數；各指標數據通過隸屬度函數分別模糊映射至評語集{不複雜f1、稍複雜f2、複雜f3、較複雜f4}，獲得樣本模糊評判矩陣p；各等級隸屬度函數為f
1n
、f
2n
、f
3n
、f
4n
，採用半梯形與三角形結合的形式
[0042][0043][0044][0045]
s5、樣本模糊評判矩陣結合所求主因素突出型權重可得評價結果向量q，其包含評價樣本在各個評語集的隸屬度，並根據最大隸屬度原則確定樣本複雜度評級。
[0046]
q＝w
·
p。
[0047]
相較於現有技術，本發明具有以下有益效果：本發明可為後續的智慧停車場車位分配、自動代客泊車車位選擇與自動泊車系統測試等研究提供更為精準的指導。
附圖說明
[0048]
圖1為車位環境複雜度量化評價流程圖。
[0049]
圖2為仿真實驗場景圖。
[0050]
圖3為車位d各指標權重圖。
[0051]
圖4為仿真評價結果圖。
具體實施方式
[0052]
下面結合附圖，對本發明的技術方案進行具體說明。
[0053]
本發明提供了一種車位複雜度量化評價方法，包括如下步驟：
[0054]
s1、提取出停車場景共有的可影響車位環境複雜度的評價因素，包括車位類型、車位線屬性、車位兩側佔用情況、車位邊界曲率、泊車通道寬度、車位尺寸、車位障礙物情況七種，並將指標劃分為一般指標與決定性指標；
[0055]
s2、為排除數據量綱影響，對所有指標均依據其相對難度將原始數據規範化至[0-1]區間；對於難以量化的定性因素，根據其相對難度直接賦值；採用min-max方法對複雜度隨數值線性變化的定量因素進行量化；對於複雜度隨數值非線性變化的定量因素，選取與其變化趨勢相同的函數進行表徵；
[0056]
s3、將決定性指標視為整體與一般指標參與層次分析法求解初始權重，使決定性指標整體獲得大於一半權重，後根據各決定性指標規範化後數值的平方和歸一化值，即各決定性指標之間相對難度，確定對應決定性指標權重，獲得主因素突出型權重；
[0057]
s4、確定各指標評價等級劃分準則，並以此構建隸屬度函數；各指標數據通過隸屬度函數分別模糊映射至評語集{不複雜f1、稍複雜f2、複雜f3、較複雜f4}，獲得樣本模糊評判矩陣p；
[0058]
s5、樣本模糊評判矩陣結合所求主因素突出型權重可得評價結果向量q，其包含評價樣本在各個評語集的隸屬度，並根據最大隸屬度原則確定樣本複雜度評級。
[0059]
以下為本發明具體實施實例。
[0060]
附圖1為車位環境複雜度量化評價流程圖：首先通過相應量化方法將各指標數值規範化至[0-1]區間，並通過隸屬度函數模糊映射至評語集{不複雜，稍複雜，複雜，較複雜}，得到模糊評判矩陣。其次，將決定性指標視作整體與剩餘指標共同參與層次分析法求解，得到初級權重權重。再次，利用各決定性指標的平方和歸一化確定對應指標權重分配，獲得主因素突出型綜合權重。最後，通過模糊評判矩陣結合綜合權重求解得到評價結果向量，根據最大隸屬度原則確定相應評價等級。
[0061]
附圖2為仿真實驗場景圖：基於matlab軟體建立仿真測試環境，模擬一組停車位。其中車位a至車位c設計為難度遞增，驗證本發明是否能正確反映車位環境複雜度，為保證複雜度遞增，較難車位應在較易車位控制部分變量不變基礎上添加複雜元素；車位d設計為具有臨界決定性因素的車位(車位尺寸)，利用本發明進行評價，驗證本發明是否能在決定性指標趨近臨界值時賦予其較大權重以保證評價結果準確性。其中：(1)根據《城市道路工程設計規範》(cjj37-2012)，我國最小機動車道寬度為3.25m，泊車通道寬度取雙車道6.5m。(2)具有車位線的車位尺寸參考《城市道路路內停車位設置規範》(ga/t 850-2021)設置為6m
×
2.5m。(3)僅考慮靠右行駛情況，待泊車輛以倒車方式入庫。
[0062]
附圖3為車位d各指標權重圖：當車位尺寸指標趨近臨界值時，本發明對其賦予了較大權重。對於障礙物指標，車位d周圍並無障礙物，為無效指標，本發明並未對其賦權。
[0063]
附圖4為仿真評價結果圖：各車位評價結果與對應隸屬度為(1)車位a：不複雜(0.6011)(2)車位b：稍複雜(0.5685)(3)車位c：複雜(0.3811)(4)車位d：較複雜(0.5＝4872)。評價結果符合環境複雜度遞增的趨勢。
[0064]
以上是本發明的較佳實施例，凡依本發明技術方案所作的改變，所產生的功能作用未超出本發明技術方案的範圍時，均屬於本發明的保護範圍。