Machine Translated by Google

Xem các cuộc thảo luận, số liệu thống kê và hồ sơ tác giả cho ấn phẩm này tại: https://www.researchgate.net/publication/327044106

Hệ thống hỗ trợ đỗ xe Markovian phân tán

Bài viết trong Giao dịch IEEE trên Hệ thống Giao thông Thông minh · Tháng 8 năm 2018

DOI: 10.1109 / TITS.2018.2865648

CÔNG TÁC BÀI ĐỌC

13 143

5 tác giả, bao gồm:

Mingming Liu

Đại học thành phố Dublin

62 CÔNG BỐ 370 CÔNG TÁC

XEM HỒ SƠ

Tất cả nội dung theo sau trang này được tải lên bởi Mingming Liu vào ngày 17 tháng 4 năm 2021.

Người dùng đã yêu cầu nâng cao tệp đã tải xuống.

Machine Translated by Google
HÀNH TRÌNH CỦA CÁC LỚP LATEX, VOL. 6, KHÔNG. 1, THÁNG 1 NĂM 2007 1

Hệ thống hỗ trợ đỗ xe Markovian phân tán

Mingming Liu, Joe Naoum-Sawaya, Yingqi Gu, Freddy Lecue và Robert Shorten

Tóm tắt — Bài báo này đề xuất một hệ thống hướng dẫn đỗ xe cân thông tin hướng dẫn và dự kiến nhiều lái xe chọn đến những khu vực có
bằng ùn tắc, gợi ý cho người lái xe một chuỗi các con phố để đi nhiều chỗ đậu xe dẫn đến ùn tắc cục bộ phương tiện và lượng ô nhiễm
theo xung quanh điểm đến mong muốn với mục đích giảm tổng khoảng
không khí ngày càng tăng tại các khu vực địa phương. Trái ngược với
cách đã đi trong khi tìm kiếm một điểm đỗ xe miễn phí. Hệ thống chỉ
việc hiển thị thông tin hạn chế trên bảng công cộng, các hệ thống tiên
yêu cầu thông tin cơ sở hạ tầng hạn chế và không yêu cầu chỗ đậu
xe phải có thiết bị, cũng như các phương tiện giao thông với tiến có thể cung cấp thông tin hướng dẫn đỗ xe rộng rãi trực tiếp cho
nhau. Cụ thể, hệ thống sử dụng thông tin vị trí đỗ xe trên từng người lái xe qua thiết bị di động của họ hoặc xe hơi. Sự phong phú
tuyến phố. Hệ thống cũng tính đến chi phí tăng thêm của việc không của thông tin về các chỗ đậu xe được cung cấp thông qua việc sử dụng
tìm được chỗ trống, thường được biểu thị bằng khoảng cách bổ sung
một cơ sở hạ tầng rộng lớn bao gồm các cảm biến thường được gắn trên
cần phải di chuyển để tìm được chỗ đậu xe còn trống. Để tránh tắc
đường phố để theo dõi tình trạng sẵn có của các chỗ đậu xe riêng lẻ.
nghẽn cục bộ, các tài xế khác nhau phản hồi các đề xuất khác nhau
dựa trên phân bố xác suất xem xét tổng quãng đường cần phải đi.
Một trình mô phỏng di chuyển được sử dụng để mô hình hóa các hành
vi tìm kiếm của các phương tiện để tìm chỗ đậu xe có và không có Hơn nữa, với việc triển khai các cảm biến giám sát chỗ đậu xe, việc
thuật toán đậu xe thông minh và kết quả thử nghiệm được cung cấp
định giá chỗ đậu xe động cũng trở nên phổ biến hơn ở các thành phố (ví
bằng cách sử dụng mạng lưới đường của thành phố Dublin, Ireland.
dụ: sfpark.org). Do đó, các hệ thống như vậy cung cấp cho người lái

xe vị trí chính xác của các chỗ đậu xe miễn phí hiện tại cùng với mức

giá tương ứng của chúng.

Điều khoản chỉ mục — Hệ thống hỗ trợ đỗ xe, Kiểm soát phân tán,
Hệ thống giao thông thông minh
Trong bài báo này, chúng tôi chủ yếu mô tả một cách tiếp cận để

hướng dẫn những người lái xe đang tìm kiếm chỗ đậu xe trên đường.
I. GIỚI THIỆU
Thay vì giả định rằng các chỗ đậu xe riêng lẻ là công cụ, chúng tôi

Các hệ thống hỗ trợ người lái xe khi tìm chỗ đậu xe hiện đang là giả định rằng thông tin sơ bộ, tất nhiên đã thu thập được, về tình

chủ đề được quan tâm nhiều trong một số ngành học [1]. Ngoài tiện ích trạng sẵn có của các chỗ đậu xe trong một khu vực nhất định, là có sẵn.

thiết thực tuyệt vời, các hệ thống như vậy còn mang lại tiềm năng to Cụ thể, hệ thống được đề xuất chủ yếu yêu cầu sự sẵn có của thông tin

lớn trong việc giảm ùn tắc trên đường phố, tiêu thụ năng lượng và ô về xác suất tìm thấy chỗ đậu xe trên đường phố. Thông tin như vậy

nhiễm ở các thành phố của chúng ta. Ví dụ, [2] đã chỉ ra trong một thực sự sẵn có có thể được lấy từ dữ liệu lịch sử của đồng hồ đỗ xe

nghiên cứu điển hình về một khu thương mại nhỏ ở Los Angeles rằng 730 thông minh đã có sẵn ở nhiều thành phố lớn trên thế giới hoặc nó có thể

tấn carbon dioxide được sản xuất và 47.000 gals xăng đã bị đốt cháy được đánh giá trong thời gian thực dựa trên thông tin tốc độ dòng chảy
từ các bộ đếm vòng lặp. Do đó, kiến trúc hệ thống được đề xuất chỉ yêu
trong một năm bởi những chiếc ô tô đang tìm chỗ đậu xe. Tương tự, một

nghiên cứu điển hình khác của McKinsey [3] báo cáo rằng một chủ sở hữu cầu cơ sở hạ tầng phát sóng để truyền các giá trị xác suất như vậy,

ô tô trung bình ở Paris dành 4 năm cuộc đời để tìm chỗ đậu xe. Lưu ý có thể dễ dàng kích hoạt thông qua điện thoại di động của người lái xe

rằng trong bối cảnh xe điện, chi phí tìm kiếm chỗ đậu xe sẽ bị phóng hoặc các thiết bị bên trong ô tô.

đại do chi phí biên cao của việc lãng phí năng lượng pin. Do đó, hệ

thống hướng dẫn đỗ xe đang trở thành một phần thiết yếu của các thành Với các giá trị xác suất như vậy, các phép tính cục bộ trong ô tô sau

phố bền vững trong tương lai. đó được sử dụng để gợi ý cho người lái xe một chuỗi các đường sau

đây mà họ nên đi qua trong khi tìm kiếm chỗ đỗ xe để tối đa hóa khả

Hiện tại, một số hệ thống hướng dẫn đỗ xe khác nhau có sẵn trên năng tìm được chỗ đỗ xe dự kiến. Phương án của hệ thống được mô tả
khắp thế giới. Phổ biến nhất là các bảng thông tin hiển thị các điểm dựa trên việc tối ưu hóa đàn kiến được sử dụng để ước tính xác suất

đỗ xe có sẵn tại các địa điểm khác nhau xung quanh thành phố. Trong khi tìm được chỗ đậu xe trên một con đường cụ thể.

các bảng thông tin cung cấp hướng dẫn có giá trị cho người lái xe để

tránh các khu vực có khả năng bị hạn chế về chỗ đậu xe, các hệ thống

này thường dẫn đến ùn tắc cục bộ xung quanh các khu vực có nhiều chỗ

trống nhất. Điều này thường là do thực tế là tất cả các tài xế sẽ nhận Phần còn lại của trang này được tổ chức như sau. Các công việc liên

được bãi đậu xe giống nhau quan được cung cấp trong Phần II. Mô tả chi tiết về mô hình hệ thống

cùng với thuật toán tìm kiếm bãi đậu xe dựa trên tối ưu hóa thuộc địa

được thảo luận trong Phần III. Kiến trúc và triển khai hệ thống dựa
M. Liu và JN Sawaya là tác giả chung đầu tiên của bài báo này. JN Sawaya thuộc
trên dữ liệu về bãi đậu xe lịch sử ở thành phố Dublin được trình bày
Trường Kinh doanh Ivey, Đại học Western Ontario, 1255 Western Rd, London, Canada
(e-mail: jnaoum-sawaya@ivey.ca). trong Phần IV. Việc triển khai thuật toán đề xuất trong gói Mô phỏng
Freddy làm việc cho Phòng thí nghiệm Công nghệ Accenture, Dublin, Ireland (e- Di chuyển Đô thị (SUMO) được thảo luận trong Phần V. Cuối cùng, một
mail: freddy.lecue@accenture.com)
kết luận cùng với các hướng nghiên cứu tiềm năng trong tương lai
M. Liu, Y. Gu và R. Shorten đang làm việc tại Trường Kỹ thuật Điện, Điện tử
và Truyền thông, Đại học College Dublin, Ireland (e-mail: mingming.liu@ucd.ie; được đưa ra trong Phần VII.
yingqi.gu@ucdconnect.ie; robert.shorten@ucd.ie).
Machine Translated by Google
HÀNH TRÌNH CỦA CÁC LỚP LATEX, VOL. 6, KHÔNG. 1, THÁNG 1 NĂM 2007
II. CÔNG VIỆC LIÊN QUAN
Một số bài báo trong tài liệu đã thảo luận về hệ thống hướng dẫn đỗ
xe. Điểm chung giữa các hệ thống này là cung cấp thông tin cho người
lái xe về tình trạng có chỗ đậu xe. Trọng tâm của các hệ thống này có
thể được đặc trưng theo hai hướng chính: thu thập thông tin, xử lý và
phổ biến thông tin.
Việc thu thập thông tin thường dựa trên việc sử dụng cơ sở hạ tầng
hiện có như đồng hồ đo bãi đậu xe [4] để dự đoán tính khả dụng của bãi
đậu xe. Dữ liệu đồng hồ đo bãi đậu xe cung cấp thông tin phong phú bao
gồm vị trí đường phố của đồng hồ đo ở đâu
vé đã được mua, thời gian và ngày mua vé và số tiền thanh toán cho biết
thời gian đỗ xe. Từ dữ liệu đồng hồ đỗ xe, thông tin tổng hợp về tỷ lệ
xe đến và tỷ lệ khởi hành, do đó có thể ước tính được số lượng chỗ đỗ
xe dự kiến. Mặc dù dữ liệu từ đồng hồ đo bãi đậu xe có thể cung cấp thông
tin chi tiết phong phú về tính khả dụng của bãi đậu xe dựa trên cơ sở
hạ tầng hiện có, nhưng thông tin chính xác hơn có thể thu được bằng
các hệ thống tiên tiến hơn thường đắt tiền, hạn chế khả năng cung cấp
rộng rãi của chúng.
Các hệ thống này bao gồm cảm biến trong đường hoặc cảm biến siêu âm
trong chỗ đỗ xe [5]. Các hệ thống như vậy cung cấp khả năng giám sát
thời gian thực và có thể chỉ ra vị trí chính xác của các chỗ đậu xe còn
trống và có thể cung cấp thông tin rất chính xác về tỷ lệ xe đến và đi
cũng như tình trạng sẵn có bãi đậu xe dự kiến.
Nguồn cung ứng cộng đồng cũng ngày càng trở thành một nguồn thông tin
phổ biến cho thông tin về bãi đậu xe [6, 7]. Các hệ thống dựa vào thông
tin đầu vào của người dùng hoặc cảm biến trên điện thoại thông minh có
thể được sử dụng để báo cáo các điểm đỗ xe đồng thời cung cấp các ưu
đãi cho những người đóng góp thông tin chính xác. Việc thu thập dữ liệu
cũng có thể được kết hợp với các mô hình dự đoán để nâng cao hơn nữa độ
chính xác của các dự báo về tình trạng sẵn có của bãi đậu xe [8].
Xử lý thông tin liên quan đến các phân tích cơ bản để xử lý thông
tin đỗ xe được thu thập và thu thập thông tin chi tiết về hệ thống
hướng dẫn đỗ xe. Ví dụ, một mô hình tối ưu hóa được đề xuất trong [9]
để xác định thông tin tối ưu để hiển thị trên bảng thông tin bãi đậu xe
để giảm thiểu độ dài hàng đợi và phương tiện di chuyển. [10] đề xuất
một cách tiếp cận dựa trên logic mờ kết hợp với lập trình số nguyên để
thiết kế một hệ thống chấp nhận hoặc từ chối đặt chỗ đậu xe có tính đến
tỷ lệ xe đến. [11] cho thấy rằng việc hiển thị thông tin về tình trạng
đỗ xe theo thời gian thực làm giảm thời gian tìm kiếm chỗ đỗ xe của các
phương tiện trong khi [12] đã phát triển một mô hình tối ưu hóa để
điều khiển các tín hiệu đỗ xe được gửi đến người lái xe, chẳng hạn như
thông tin về tình trạng đỗ xe với mục tiêu giảm thời gian và khoảng cách
liên quan đến việc tìm chỗ đậu xe. Hơn nữa, [13] nhấn mạnh tầm quan
trọng của các mô hình phân công chỗ đậu xe trong việc truyền bá nhu cầu
đậu xe giữa các chỗ đậu xe có sẵn để tránh tình trạng xếp hàng. Gần đây,
[14] đã đề xuất một hệ thống phân bổ và dành chỗ đậu xe dựa trên các yếu
tố bao gồm khoảng cách lái xe đến chỗ được phân bổ, khoảng cách đi bộ
đến điểm đến mong muốn, chi phí đậu xe và tình trạng tắc nghẽn giao thông
dự kiến. Bên cạnh hệ thống hướng dẫn đỗ xe, các mô hình khác tập trung
vào việc trích xuất các yếu tố ảnh hưởng đến việc lựa chọn chỗ đỗ xe
[15] trong khi các vấn đề trong thiết kế đường như phân bổ chỗ đỗ xe
cho các làn đường
2
và tác động của chúng đối với thời gian đi lại và lưu lượng giao thông cũng
đã được nghiên cứu [16].
Trong bài báo này, chúng tôi tập trung vào việc thiết kế hệ thống
hướng dẫn đỗ xe cho việc đỗ xe trên đường. Một đặc điểm chính của hệ
thống được đề xuất là thay vì dành một vị trí cụ thể cho một phương
tiện đang yêu cầu đỗ, một điều khó khăn trong thực tế do việc thực thi
và đầu tư cơ sở hạ tầng, hệ thống đề xuất cung cấp cho người lái xe
trình tự của các đường phố để tuân theo. tối đa hóa khả năng tìm được
chỗ đậu xe. Tính mới của hệ thống được đề xuất là sử dụng siêu mô phỏng
đàn kiến để ước tính xác suất tương đối tìm được chỗ đậu xe nếu người
lái xe đi theo một con phố cụ thể. Mô tả mô hình và siêu mô phỏng được
mô tả trong phần sau.
III. MÔ HÌNH VÀ THUẬT TOÁN
Đặc điểm chung của hệ thống hướng dẫn đỗ xe là nó phải có khả năng
hướng dẫn các phương tiện đang đồng thời tìm kiếm chỗ đỗ xe mà vẫn đảm
bảo sự công bằng giữa chúng. Trong bối cảnh của bài báo này, công bằng
mà nói, chúng tôi muốn nói rằng rủi ro khi đi trên một tuyến đường có
xác suất thấp (trong đó xác suất đề cập đến khả năng tìm được chỗ đậu
xe) theo một nghĩa nào đó được cân bằng giữa các phương tiện đang tìm
kiếm.
Trọng tâm của hệ thống được đề xuất trong bài báo này là bãi đậu xe bên
đường. Trái ngược với các hệ thống khác tập trung vào bãi đậu xe (xem
[14] để khảo sát toàn diện), việc dành chỗ đậu xe bên đường cho một
phương tiện chưa đến thường khó áp dụng trong thực tế chủ yếu do đầu
tư đáng kể để thiết lập đường phố. Trong bài báo này, chúng tôi tập
trung vào việc thiết kế một hệ thống hướng dẫn đỗ xe trên đường đề xuất
trình tự các đường phố cần tuân theo cho từng người lái xe dựa trên
phân bố xác suất xem xét tổng quãng đường cần phải đi trước khi tìm
được chỗ đỗ xe miễn phí. Sự khác biệt này rất quan trọng vì nó cho thấy
rằng hệ thống của chúng tôi không yêu cầu nghiêm ngặt các dịch vụ đặt
chỗ đậu xe.
A. Mô tả mô hình
Mục tiêu của chúng tôi là tìm ra một thuật toán đề xuất cho mỗi người
lái xe một trình tự các con phố phải tuân theo để tối đa hóa xác suất
dọc theo con đường mà trong đó có thể tìm thấy một chỗ đậu xe miễn phí.
Để phát triển thuật toán này, chúng tôi yêu cầu, đối với mỗi con phố,
xác suất để một chiếc ô tô tìm được chỗ đậu xe và độ dài của mỗi con
phố. Số liệu thống kê như vậy có thể được ước tính theo nhiều cách.
Ví dụ: từ kiến thức về tổng số chỗ đậu xe trên một con phố cụ thể và
thông tin về luồng giao thông, từ các chỗ đậu xe được thiết kế hoặc từ
dữ liệu được nối mạng từ các phương tiện cá nhân.
Chúng tôi biểu diễn mô hình mạng lưới đường dưới dạng đồ thị có
hướng G (V, E) trong đó các cạnh E biểu thị các đoạn đường và các đỉnh
V biểu thị các giao điểm. Mỗi cạnh i E có liên quan đến chi phí ci tỷ
lệ với chi phí không tìm được chỗ đậu xe trên đoạn đường i. Cụ thể, đặt
ci là độ dài của đoạn đường i (vì xe phải đi hết đoạn đường i nếu không
tìm thấy điểm đỗ trên i). Chúng tôi giả định rằng mỗi phương tiện được
trang bị một thiết bị liên lạc (ví dụ: điện thoại di động có khả năng
truy cập
Machine Translated by Google
HÀNH TRÌNH CỦA CÁC LỚP LATEX, VOL. 6, KHÔNG. 1, THÁNG 1 NĂM 2007 3

(k) 1
p˜i (k) = AiX
m = 0

thì là ở

số 8:

9:

10:

11:

12:

13:

14:
Machine Translated by Google
HÀNH TRÌNH CỦA CÁC LỚP LATEX, VOL. 6, KHÔNG. 1, THÁNG 1 NĂM 2007
tìm kiếm bãi đậu xe trong những khu vực giống nhau mà kết quả là
người lái xe nhận được cùng một tín hiệu bằng cách quan sát trực
quan đường phố hoặc dựa trên nhận thức của người lái xe về sự sẵn
có của các điểm đậu xe. Để giảm bớt tắc nghẽn, có thể cần phải gửi
các tín hiệu khác nhau đến những người lái xe khác nhau mặc dù họ
đang tìm kiếm một điểm đỗ xe tại cùng một thời điểm và địa điểm.
Tín hiệu phân biệt vốn có trong hệ thống hướng dẫn được đề
xuất trong bài báo này và là kết quả trực tiếp từ việc áp dụng
Thuật toán 1. Đặc biệt, đối với một phương tiện hiện đang ở nút
j, các đường tiềm năng mà phương tiện có thể đi tiếp theo là Mj
với mỗi đường phố i Mj kết hợp với mức hấp dẫn fi được xác định
bởi Thuật toán 1. Do đó, một tín hiệu khuyên người lái xe đi
đường i Mj được tạo ra với xác suất qij =
thì là ở
P fh h Mj
cân bằng
lưu lượng phương tiện đến các tuyến phố khác nhau theo mức độ hấp dẫn của
từng tuyến phố. Chúng tôi lưu ý rằng chiến lược báo hiệu được đề xuất về
cơ bản là một chiến lược báo hiệu Markovian. Nó giả định rằng các trình điều
khiển phản hồi trung thực các khuyến nghị.
Hệ thống đề xuất như được mô tả yêu cầu thông tin đáng kể; ví
dụ: số lượng chỗ đậu xe có sẵn trên mỗi con phố, số lượng người
lái xe đang tìm kiếm chỗ đậu xe và xác suất cá nhân đó sẽ đậu xe
tại chỗ mà họ phát hiện ra. Chúng tôi đưa ra những giả định này để
phát triển mô hình và thiết lập mô phỏng của chúng tôi. Biết rằng
việc cung cấp thông tin như vậy có thể không khả thi trong thực
tế, Phần VI trình bày kết quả về thông tin chi tiết thô thực sự có
sẵn từ cơ sở hạ tầng, đặc biệt là từ các đồng hồ đỗ xe thông minh
ở Thành phố Dublin.
IV. TRIỂN KHAI HỆ THỐNG
Trong phần này chúng ta thảo luận về việc triển khai hệ thống
và kiểm tra thử nghiệm. Chúng tôi sử dụng mạng lưới đường từ
Dublin, Ireland lấy từ OpenStreetMaps [19] và chứa tổng cộng 165646
nút đại diện cho các giao lộ và 201145 cạnh đại diện cho các đoạn
đường (Có thể lấy dữ liệu bằng cách liên hệ với các tác giả).
A. Kiến trúc hệ thống Hệ
thống hướng dẫn đỗ xe được đề xuất được triển khai bằng python
và bao gồm ba mô-đun. Mô-đun đầu tiên đề cập đến việc tạo biểu đồ
G (V, E) dựa trên việc tìm kiếm tất cả các nút và cạnh nằm trong
một khoảng cách giới hạn xung quanh một điểm ưa thích cụ thể được
chỉ định bằng cách sử dụng tọa độ GPS. Trong thử nghiệm thử nghiệm
của chúng tôi, chúng tôi xem xét khoảng cách tối đa là 500 mét. Do
đó, người dùng chỉ định vị trí GPS của điểm đến cuối cùng mong
muốn, sau đó được ánh xạ tới nút gần nhất trong dữ liệu
OpenStreetMaps, được chỉ định làm nút nguồn cho thuật toán tìm
kiếm kiến.
Sau đó, tìm kiếm độ sâu đầu tiên được thực hiện trên dữ liệu
OpenStreetMaps bắt đầu từ vị trí nguồn để tìm tất cả các nút nằm
trong phạm vi 500 mét từ nút nguồn. Khi đó các nút đó là tập các
nút V. Tất cả các cạnh nối các nút trong V sau
đó tạo thành tập cạnh E của đồ thị G (V, E).
Mô-đun thứ hai và chính của hệ thống là tìm kiếm kiến
4
Thuật toán (Thuật toán 1) được gọi sau khi sinh đồ thị G (V, E).
Trong quá trình triển khai của chúng tôi, thuật toán tìm kiếm
kiến được đặt để chạy trong 30 giây thời gian CPU mà chúng tôi tin
rằng đủ để đảm bảo trải nghiệm người dùng tốt và do đó cần phải
hạn chế độ trễ giữa yêu cầu đỗ xe và bắt đầu hướng dẫn. Sau khi
chạy Thuật toán 1 và thu được các mức pheromone được chuyển thành
xác suất như đã thảo luận trong Phần III-C, Mô-đun 3 của hệ thống
theo dõi vị trí của người dùng và cung cấp các hướng dẫn hướng
dẫn. Trong quá trình triển khai hệ thống thực tế, khi tín hiệu
hướng dẫn được cung cấp cho người dùng, vị trí của người dùng
và hướng di chuyển sẽ được theo dõi và ánh xạ tới nút tiếp theo
trên tuyến đường và Thuật toán 1 được chạy lại để tính toán xác
suất mới cho giao lộ tiếp theo, sau đó sẽ là được sử dụng nếu
không tìm thấy điểm đỗ xe ở rìa hiện tại.
Kiến trúc hệ thống được thể hiện trong Hình 1. Các yêu cầu chính
về kiến trúc là tính toán đồ thị, quản lý dữ liệu nhanh chóng,
triển khai và tích hợp dễ dàng. Vì vậy, cơ sở dữ liệu quan hệ
HSQLDB đã được chọn vì nó cung cấp công cụ cơ sở dữ liệu giao
dịch và đa luồng nhanh nhỏ.
Quá trình bắt đầu khi người dùng yêu cầu một điểm đỗ xe xung quanh
một vị trí cụ thể. Sau đó, Mô-đun 1 đọc bản đồ thành phố từ cơ sở
dữ liệu và tạo khu vực tìm kiếm và biểu đồ liên quan G (V, E), sau
đó được chuyển đến Mô-đun 2, tính toán mức độ hấp dẫn của các con
đường và xác suất liên quan sau đó được chuyển đến Mô-đun 3. Mô-
đun 3 sau đó theo dõi vị trí của người dùng và đề xuất một con phố
cụ thể để theo dõi.
Mô-đun 1: Mô-đun 2: Mô-đun 3:
Đồ thị G (V, E) Thuộc địa kiến Theo dõi xe và
Máy phát điện Tìm kiếm Báo hiệu hướng dẫn
HSQLDB
Bản đồ thành phố
Hình 1. Sơ đồ cấu trúc hệ thống được đề xuất.
V. MÔ PHỎNG SUMO
Trong phần này, chúng tôi thảo luận về việc triển khai hệ thống
của chúng tôi trong môi trường mô phỏng động bằng cách sử dụng
trình mô phỏng lưu lượng SUMO [20]. SUMO là một gói phần mềm mô
phỏng giao thông đường bộ vi mô mã nguồn mở được phát triển bởi
Viện hệ thống giao thông tại Trung tâm Hàng không Vũ trụ Đức (DLR)
[20]. Chúng tôi sử dụng SUMO để đánh giá hiệu suất của hệ thống
của chúng tôi trong các tình huống khác nhau.
A. Thiết lập mô phỏng trong SUMO
Trong phần này, chúng tôi đánh giá hiệu suất của thuật toán của chúng tôi
trong một kịch bản giao thông thực tế ở thành phố Dublin, nơi mà tính di động
Machine Translated by Google
HÀNH TRÌNH CỦA CÁC LỚP LATEX, VOL. 6, KHÔNG. 1, THÁNG 1 NĂM 2007 5

BẢNG I
CÁC THÔNG SỐ MÔ PHỎNG .

Thông số Giá trị Bãi đỗ tối đa Cách điểm đến 500m Số lượng

xe 200 Xác suất có xe đang tìm chỗ đỗ 0,5 Số điểm đỗ còn

trống 10 đến 50 Thời gian mô phỏng 10.000 giây

của tất cả các phương tiện được mô phỏng trong SUMO. Mạng lưới đường

quan tâm được chọn từ một khu vực ở phía nam Dublin và mạng lưới được

nhập từ OpenStreetMap và tải trong SUMO để mô phỏng và phân tích thêm. Sơ

đồ mạng lưới đường đã thử nghiệm của chúng tôi được thể hiện trong Hình

2. Đường Hiện tại đề cập đến đường mà một phương tiện đang lưu thông

trong khi Đường liền kề biểu thị các đường mà một phương tiện có thể đi

sau khi đến cuối đường hiện tại. Chúng tôi lưu ý rằng trên một số đường

phố, có thể đi ngược lại theo hướng ngược lại như minh họa trong Hình 2,
Hình 2. Mạng lưới đường thử nghiệm ở thành phố Dublin, Ireland.
nơi con phố hiện tại dẫn đến ba con phố liền kề. Tóm tắt các thông số mô

phỏng được cung cấp trong Bảng I. Trong mô phỏng, chúng tôi giả định rằng

có 200 xe trong khu vực đang tìm kiếm chỗ đậu xe miễn phí với xác suất q =

0,5. Tổng số chỗ đậu xe có sẵn được tạo điều kiện trong mạng thay đổi từ
Khoảng cách cao hơn đáng kể đối với những phương tiện không chạy thuật
10 đến 50, thể hiện các tình huống khác nhau. Trong mỗi kịch bản, vị trí
toán đỗ xe thông minh (thanh màu xanh lá cây) so với những phương tiện
của các chỗ đậu xe miễn phí được phân bổ ngẫu nhiên trên các đoạn đường ở
đang sử dụng phương pháp được đề xuất (thanh màu xanh lam).
phần đầu của mô phỏng.
Đặc biệt, khi 20% phương tiện đang sử dụng bãi đậu xe thông minh được đề

xuất, quãng đường di chuyển trung bình sẽ ít hơn 33%. Khi tất cả các

phương tiện đang tìm kiếm ngẫu nhiên, khoảng cách di chuyển trung bình là
2637 mét trong khi khoảng cách này giảm xuống còn 2056 mét khi tất cả các
Chúng tôi cũng giả định rằng khi một chiếc xe tìm thấy chỗ đậu xe, nó sẽ
phương tiện sử dụng phương pháp đỗ xe thông minh được đề xuất (ít hơn
bị xóa khỏi mạng và đồng thời chỗ đậu xe đã chiếm trước đó được chọn ngẫu
22%). Hình 3 cũng cho thấy rằng quãng đường di chuyển trung bình của các
nhiên và được giải phóng (tức là trở thành chỗ đậu xe miễn phí). Ngoài ra,
phương tiện sử dụng phương pháp đỗ xe thông minh tăng lên khi tỷ lệ các
một phương tiện mới sau đó sẽ được tạo vào mạng và chúng tôi giả định
phương tiện này tăng lên.
rằng phương tiện mới xuất phát từ cùng vị trí xuất phát của phương tiện
Điều này khá được mong đợi vì sẽ có nhiều xe hơn dẫn đến cạnh tranh về
vừa đậu. Theo đó, số lượng chỗ đậu xe miễn phí trong mạng lưới và lượng
chỗ đậu xe ngày càng tăng. Tuy nhiên, mức tăng này vẫn nhỏ hơn nhiều so
xe đang tìm kiếm chỗ đậu xe luôn không đổi. Sử dụng cách tiếp cận này,
với mức tăng tổng thể về quãng đường di chuyển và khoảng cách di chuyển
chúng tôi có thể dễ dàng đánh giá hiệu suất thống kê của hệ thống dựa trên
trung bình tổng hợp giảm khi có nhiều phương tiện sử dụng phương pháp đỗ
tất cả các chuyến đi của xe.
xe thông minh được đề xuất hơn (thanh màu vàng).

Đối với các kết quả được hiển thị trong Hình 4, chúng tôi tiến hành ba

mô phỏng khác nhau với các thuật toán tìm kiếm bãi đậu xe khác nhau.

Trong thanh đầu tiên (thanh màu xanh lam), tất cả 200 xe đang tìm kiếm một
B. Kết quả mô phỏng trong SUMO
điểm đỗ xe miễn phí một cách ngẫu nhiên. Trong tình huống thứ hai (thanh
Trong phần này, chúng tôi thảo luận về kết quả mô phỏng của chúng tôi. màu xanh lá cây), tất cả các phương tiện đang sử dụng thuật toán thông

Để so sánh, chúng tôi xem xét bốn cách thiết lập khác nhau: 1). Tất cả các minh không có tín hiệu tắc nghẽn và cuối cùng trong tình huống thứ ba

phương tiện thực hiện thuật toán đỗ xe thông minh được đề xuất; 2). Tất (thanh màu vàng), tất cả các phương tiện đang sử dụng thuật toán thông

cả các phương tiện được định tuyến ngẫu nhiên mà không cần sử dụng thuật minh có tín hiệu báo hiệu ùn tắc. Hình 4 cho thấy sự thay đổi trong khoảng

toán đỗ xe thông minh; 3). Một phần nhỏ các phương tiện thực hiện thuật cách di chuyển trung bình khi số lượng chỗ đậu xe có sẵn tăng từ 10 lên 50

toán đỗ xe thông minh (tức là phần còn lại được định tuyến ngẫu nhiên); và 4). và minh họa giá trị của tín hiệu tắc nghẽn. Trong khi khoảng cách di chuyển

Tất cả các phương tiện thực hiện thuật toán đỗ xe thông minh nhưng không giảm khi các phương tiện sử dụng thuật toán thông minh, chúng tôi nhận

có tín hiệu tắc nghẽn (tức là tất cả các phương tiện đều được định tuyến thấy rằng tín hiệu tắc nghẽn nơi các phương tiện được định tuyến ngẫu

trên đường phố với qij cao nhất ). Hiệu suất của hệ thống được đánh giá nhiên theo xác suất được tính toán bởi thuật toán ACO dẫn đến giảm khoảng
dựa trên quãng đường di chuyển của xe và tác động đến môi trường. Trong cách di chuyển so với các trường hợp các phương tiện luôn được chuyển ra

nghiên cứu của chúng tôi, thời gian mô phỏng của mỗi kịch bản được đặt đường với xác suất cao nhất. Điều này thực sự được mong đợi vì các phương

thành 10000 bước thời gian (mỗi bước thời gian là 1 giây). tiện không có chỗ đậu xe trên đường phố với xác suất thấp hơn và do đó,

việc cân bằng định tuyến của các phương tiện dẫn đến hiệu suất tốt hơn.

Kết quả mô phỏng được trình bày trong Hình. 3 - 5. Hình 3 cho thấy Cuối cùng, như mong đợi, Hình 4 cho thấy lợi ích của việc sử dụng phương

khoảng cách di chuyển trung bình so với tỷ lệ phần trăm khác nhau của các pháp đỗ xe thông minh giảm

phương tiện chạy thuật toán đỗ xe thông minh với 10 chỗ đỗ xe có sẵn.

Chúng tôi nhận thấy rằng, chuyến du lịch

Machine Translated by Google
HÀNH TRÌNH CỦA CÁC LỚP LATEX, VOL. 6, KHÔNG. 1, THÁNG 1 NĂM 2007 6

khi số lượng chỗ đậu xe có sẵn tăng lên, do đó nhu cầu về hệ thống bãi 0,5
Đường liền kề 1
đậu xe thông minh trong các thành phố tắc nghẽn cao. Thuật toán đỗ xe Đường liền kề 2
0,45
Đường liền kề 3
thông minh được đề xuất cũng cân bằng xác suất tìm được chỗ đỗ xe trên
0,4
đường phố của các mạng. Để minh họa điều này, chúng tôi tính xác suất

tìm được chỗ đậu xe theo Eq. (1) cho ba đường phố liền kề là trung tâm 0,35

của bản đồ (xem Hình 2). Sự phát triển của các xác suất này với thời 0,3

gian mô phỏng được thể hiện trong Hình 5. Chúng tôi nhận thấy rằng các
0,25
xác suất cho ba đường phố hội tụ về các giá trị tương tự khi quá trình
0,2
mô phỏng diễn ra và do đó cho thấy giá trị của phương pháp cân bằng

tắc nghẽn được đề xuất. 0,15

0,1

0,05

Chi phí định tuyến trung bình của các phương tiện với thuật toán thông minh

Chi phí định tuyến trung bình của các phương tiện không có thuật toán thông minh
3000
Tổng hợp chi phí định tuyến trung bình của tất cả các phương tiện 0 0 1000 2000 3000 4000 5000 6000 7000 8000 9000 10000

Các bước thời gian

2500

Hình 5. Sự phát triển của pi (k) cho tất cả các đường phố liền kề được kết nối của một đường phố ở
trung tâm.
2000

1500
Trong khu vực quan tâm có 365 đồng hồ đỗ xe thông minh báo cáo hồ sơ

1000 giao dịch chi tiết bao gồm thời gian giao dịch, thời gian đỗ xe và tổng

số chỗ đỗ xe. Do đó, chúng tôi đã thu được hồ sơ giao dịch trong tháng

500 10 và tháng 11 năm 2015 và chỉ sử dụng dữ liệu các ngày trong tuần từ

7:00 đến 17:00 trong thời gian đồng hồ đỗ xe hoạt động. Khoảng thời gian

0 sau đó được chia thành các khoảng thời gian 30 phút và số lượng ô tô
0 20 40 60 80 100
đỗ trung bình trong mỗi khoảng thời gian 30 phút được tính.
Phần trăm phương tiện sử dụng thuật toán (%)

Hình 3. Khoảng cách định tuyến trung bình của các phương tiện với tỷ lệ phương tiện
chạy thuật toán khác nhau. Hình 6 - 9 hiển thị ảnh chụp nhanh về số lượng ô tô đang đỗ ở thành phố

Dublin vào các thời điểm khác nhau trong ngày. Màu tối hơn cho biết số

lượng chỗ đậu xe bị chiếm dụng cao hơn. Rõ ràng là các khu vực sầm uất

3000 nhất của thành phố Dublin đều ở trung tâm thành phố như được thể hiện
Các phương tiện đang tìm kiếm ngẫu nhiên

Xe sử dụng thuật toán thông minh không báo hiệu ùn tắc trong bản đồ vùng phủ sóng.
Xe sử dụng thuật toán thông minh với tính năng báo hiệu ùn tắc

2500

2000

1500

1000

500

0
10 20 30 40 50
Số lượng chỗ đậu xe có sẵn

Hình 4. Khoảng cách định tuyến trung bình của các phương tiện có số lượng chỗ đậu xe
khả dụng khác nhau trong các thiết lập khác nhau.

Hình 6. Bản đồ nhiệt chiếm chỗ đậu xe lúc 7: 00-7: 30.

VI. DỮ LIỆU ĐẬU XE LỊCH SỬ

Các phần trước đã minh họa tính hiệu quả của thuật toán của chúng
A. Thử nghiệm thực nghiệm
tôi. Để minh họa thêm giá trị của cách tiếp cận bãi đậu xe thông minh

được đề xuất, chúng tôi sử dụng dữ liệu thực tế thu được từ các đồng Để chứng minh hướng dẫn đỗ xe được đề xuất, chúng tôi xem xét

hồ đo bãi đậu xe thông minh từ Thành phố Dublin [21] để đánh giá thêm trường hợp một phương tiện đang tìm kiếm chỗ đỗ xe xung quanh vị trí

phương pháp tiếp cận được đề xuất. hiện tại của nó tại số 17 Đường Wellington ở Dublin. Các
Machine Translated by Google
HÀNH TRÌNH CỦA CÁC LỚP LATEX, VOL. 6, KHÔNG. 1, THÁNG 1 NĂM 2007
Hình 7. Bản đồ nhiệt chiếm chỗ đậu xe lúc 11: 00-11: 30.
Hình 8. Bản đồ nhiệt chiếm chỗ đậu xe lúc 14: 30-15: 00.
Hình 9. Bản đồ nhiệt chiếm chỗ đậu xe lúc 16: 30-17: 00.
7
Hình 10. Ví dụ tìm kiếm chỗ đậu xe: Bản đồ đường đi.
Hình 11. Ví dụ tìm kiếm chỗ đậu xe: Đồ thị tương ứng.
vị trí chính xác được hiển thị trong Hình 10. Biểu đồ G (V,
E) tương ứng, biểu thị các đường phố nằm trong khoảng cách
mong muốn, được xây dựng như đã thảo luận trong Phần IV-A và
được hiển thị trong Hình 11. vị trí hiện tại, có thể có hai
lựa chọn, tiếp tục đi trên Đường Wellington hoặc rẽ vào
Đường Elgin. Sau khi chạy thuật toán Ant Search tiếp tục trên
Đường Wellington có xác suất là 77% trong khi Đường Elgin có
xác suất là 23%. Do đó, để cân bằng tình trạng ùn tắc, người
lái xe sẽ được hướng dẫn đi tiếp trên Đường Wellington với
xác suất 77% và tiếp tục trên Đường Elgin với xác suất 23%.
Sử dụng 50 vị trí được chọn ngẫu nhiên ở Dublin, Hình 12
và Hình 13 minh họa tác động của bán kính khu vực tìm kiếm và
giới hạn thời gian của Thuật toán 1. Hình 12 cho thấy sự gia
tăng theo cấp số nhân trong thời gian CPU trung bình theo yêu
cầu của độ sâu thuật toán tìm kiếm đầu tiên để xây dựng đồ
thị G (V, E) như một hàm của sự gia tăng bán kính của vùng
tìm kiếm. Tuy nhiên, bán kính tìm kiếm lên đến 1000 mét yêu
cầu thời gian CPU ít hơn 1 giây. Do đó, bán kính khu vực tìm
kiếm có thể là một tham số do người điều khiển phương tiện
thiết lập để cho biết họ muốn đỗ bao xa điểm đến cuối cùng.
Cuối cùng, Hình 13 cho thấy rằng phần lớn sự thay đổi trong xác suất của
Machine Translated by Google
HÀNH TRÌNH CỦA CÁC LỚP LATEX, VOL. 6, KHÔNG. 1, THÁNG 1 NĂM 2007 số 8

các đề xuất định tuyến là do tính toán 30 giây đầu tiên của sự chậm trễ trong thuật toán nằm ngoài phạm vi của bài báo này.
Thuật toán 1. Tăng giới hạn thời gian từ 5 giây lên 30 giây
dẫn đến xác suất thay đổi trung bình là 42% trong khi tăng
giới hạn thời gian từ 30 giây lên 35 giây dẫn đến mức thay đổi
trung bình dưới 3%. Do đó, khuyến nghị là đặt khu vực tìm B. Mô phỏng dựa trên dữ liệu lịch sử từ Dublin

kiếm của hệ thống hướng dẫn đỗ xe được đề xuất dưới 1000 mét
và giới hạn thời gian 30 giây cho Thuật toán 1.

70

60
(Các)
gian
thời
CPU

50

40

30

20

10

0 0 200 400 600 800 1000 1200 1400 1600 1800 2000 2200 Hình 14. Bản đồ khu vực cầu Balls ở Dublin với vị trí của đồng hồ đỗ xe thông
Bán kính khu vực tìm kiếm (m) minh.

Hình 12. Hiệu suất tính toán của tìm kiếm theo độ sâu dưới dạng một hàm của
bán kính vùng tìm kiếm. Để đánh giá thêm tác động của hệ thống hướng dẫn đỗ xe
được đề xuất, phần này trình bày các kết quả mô phỏng toàn
diện bằng cách sử dụng dữ liệu trước đây về tỷ lệ sử dụng bãi
đỗ xe của Thành phố Dublin. Đặc biệt, chúng tôi đánh giá hiệu
50
suất của hệ thống hướng dẫn đỗ xe được đề xuất bằng cách sử
45
dụng hai mẫu mật độ giao thông. Thứ nhất là mật độ giao thông
40 thấp với 500 phương tiện trong khi thứ hai là mật độ giao

35 thông cao với 1000 phương tiện. Hơn nữa, chúng tôi cho rằng
10% số phương tiện đang tìm kiếm chỗ đậu xe trong khi số
30
phương tiện còn lại chỉ đang chạy qua khu vực này. Đối với
25
trong
cùng
cuối
suất
thay
trăm
(%)
Phần
xác
đổi

các phương tiện đang tìm kiếm điểm đỗ, 50% đang sử dụng hệ
20
thống hướng dẫn đỗ xe thông minh được đề xuất. Ngoài ra, đối
15 với mỗi kịch bản mật độ giao thông, chúng tôi xem xét hai mức
10 độ sử dụng chỗ đậu xe: ngoài giờ cao điểm cho biết công suất

5 đậu xe thấp dựa trên dữ liệu lịch sử từ Thành phố Dublin và

thời gian cao điểm cho biết công suất đậu xe cao. Khu vực ở
0
5 10 15 20 25 30 35 Dublin được xem xét cùng với các vị trí thực tế của đồng hồ
(Các) giới hạn thời gian tính toán
đo giao thông thông minh được hiển thị trong Hình 14. Cuối
cùng, chúng tôi giả định rằng khi một chiếc xe đỗ, chiếc xe
Hình 13. Phần trăm thay đổi trong xác suất hướng dẫn như một hàm của giới hạn
thời gian của Thuật toán 1. đó sẽ vẫn đỗ trong phần còn lại của mô phỏng và không có điểm đỗ nào khác đ
Thời gian mô phỏng được cố định là 1000 giây.

Điều quan trọng cần lưu ý là nghiên cứu được trình bày
trong phần này dựa trên thông tin về bãi đậu xe tĩnh. Một
nghiên cứu như vậy chỉ có giá trị nếu chúng ta giả định một
sự tách biệt khỏi mật độ đậu xe và hoạt động của các phương
tiện giao thông; cụ thể là nếu chỉ có rất ít phương tiện
đang vận hành thuật toán. Chúng tôi lưu ý một lần nữa rằng
mục tiêu khi trình bày dữ liệu này là minh họa sự phức tạp
tính toán của thuật toán và thuật toán có thể được triển khai
bằng cách sử dụng thông tin chi tiết thô có sẵn. Tất nhiên
trong bất kỳ triển khai thực tế nào, thuật toán sẽ hoạt động
dựa trên thông tin đỗ xe thay đổi động. Hiệu quả của giao tiếp và mật độtuyến
định giao thông cao do nhu cầu đậu xe ngày càng tăng.
Kết quả được thể hiện trong Hình 15 cho thấy rằng các xe
sử dụng hệ thống hướng dẫn đỗ xe thông minh di chuyển ít hơn
đáng kể để tìm chỗ đỗ xe so với các xe còn lại.
Đặc biệt, sự khác biệt này lớn hơn đối với những giờ cao điểm
được mong đợi hơn vì khi các điểm đỗ xe trở nên khan hiếm,
hướng dẫn thông minh dẫn đến lợi ích ngày càng tăng trong khi
khi một số điểm đỗ xe có sẵn, cần ít hướng dẫn hơn để tìm
một điểm đỗ xe miễn phí. Chúng tôi cũng lưu ý rằng trong cả
hai trường hợp mật độ giao thông cao và thấp, việc giảm
khoảng cách di chuyển là đáng kể khi hướng dẫn thông minh
được sử dụng với một lợi ích nhỏ tăng lên trong trường hợp
Machine Translated by Google
HÀNH TRÌNH CỦA CÁC LỚP LATEX, VOL. 6, KHÔNG. 1, THÁNG 1 NĂM 2007 9

Kịch bản với 500 xe

600 100
Với thuật toán thông minh 500 chuyến - cao
500 Không có thuật toán thông minh
điểm 500 chuyến - 1000
90 chuyến thấp điểm - 1000
400
chuyến cao điểm - thấp điểm

300 80

200
70
100

0
60
Đỉnh cao Ngoài giờ cao điểm

50
Kịch bản với 1000 phương tiện
600
Với thuật toán thông minh 40
500 Không có thuật toán thông minh

30
400

300 20
200
10
100

0
Đỉnh cao Ngoài giờ cao điểm
0 0 100 200 300 400 500 600
Thời gian

Hình 15. So sánh quãng đường đã đi để tìm một điểm đỗ xe. Hình 17. Số lượng phương tiện tìm kiếm chỗ đậu xe trong giờ cao điểm so với giờ thấp điểm.

C. Tính khả dụng của chỗ đậu xe động

Tương tự như khoảng cách di chuyển, Hình 16 cho thấy sự khác biệt đáng

kể về lượng thời gian dành để tìm điểm đỗ xe miễn phí giữa các phương tiện Trong phần trước, chúng tôi đã đánh giá hiệu suất của thuật toán dựa

sử dụng hướng dẫn thông minh và những phương tiện khác có lợi thế cho các trên dữ liệu đỗ xe tĩnh. Để minh họa thêm tính hiệu quả của thuật toán được

phương tiện được dẫn đường. Những kết quả này minh họa giá trị của hệ đề xuất của chúng tôi trong một cài đặt thực tế hơn, giờ đây chúng tôi tính

thống hướng dẫn được đề xuất trong việc giảm thời gian và khoảng cách di đến những thay đổi năng động về tình trạng sẵn có của bãi đậu xe trong quá

chuyển, vốn có khả năng dẫn đến một số lợi ích về xã hội và môi trường. trình tìm kiếm tại các khoảng thời gian khác nhau trong ngày và tính đến

những thay đổi động về tình trạng sẵn có của bãi đậu xe trong thời gian quá

trình tìm kiếm.

Sử dụng tập dữ liệu lịch sử thu được từ Thành phố Dublin, chúng tôi ước
Kịch bản với 500 xe
80 tính tỷ lệ lấp đầy chỗ đậu xe trong khoảng thời gian 1 giờ trong ngày ở khu
Với thuật toán thông minh
Không có thuật toán thông minh vực Cầu Balls của Dublin cũng như số lượng chỗ đậu xe còn trống. Tỷ lệ lấp
60
đầy cùng với số lượng chỗ đậu xe có sẵn được tóm tắt trong Hình 18 cho
40 thấy rằng công suất đậu xe ở mức thấp nhất vào các khoảng thời gian buổi

20 sáng (7-8 giờ sáng) và sau đó tăng liên tục cho đến khi đạt mức cao nhất

trong khoảng thời gian từ 12 đến 2 giờ chiều và sau đó giảm với mức giảm
0
Đỉnh cao Ngoài giờ cao điểm mạnh sau 4 giờ chiều. Không có gì ngạc nhiên khi tỷ lệ lấp đầy chỗ đậu xe

Kịch bản với 1000 phương tiện

trùng với giờ làm việc điển hình thường bắt đầu lúc 8 giờ sáng và kết thúc
80
Với thuật toán thông minh lúc 4 giờ chiều.
Không có thuật toán thông minh

60

Sử dụng thiết lập này, chúng tôi có được số liệu thống kê về thời gian dọn
40
xe của các phương tiện, tức là thời gian phương tiện đó tìm được chỗ đậu
20
xe miễn phí trong mỗi khoảng thời gian trong ngày.

0 Thiết lập này được triển khai trong SUMO và chúng tôi giả định rằng có
Đỉnh cao Ngoài giờ cao điểm

100 phương tiện đang tìm kiếm chỗ đậu xe ở các khoảng thời gian khác nhau

trong ngày. Đối với mỗi khoảng thời gian, chúng tôi cố định tổng số không

Hình 16. So sánh thời gian dành để tìm một chỗ đậu xe. gian trống trên đường phố và chúng tôi thực hiện 20 mô phỏng độc lập. Mỗi

mô phỏng sau đó được lặp lại hai lần, một lần với các phương tiện sử dụng

thuật toán tìm kiếm bãi đậu xe được đề xuất và lần thứ hai với tìm kiếm bãi

Cuối cùng để minh họa tác động của hệ thống hướng dẫn được đề xuất đậu xe ngẫu nhiên. Mỗi mô phỏng được kết thúc khi tất cả các phương tiện

trong giờ cao điểm so với giờ thấp điểm, Hình 17 cho thấy sự phát triển của đã tìm thấy điểm đỗ.

số lượng phương tiện vẫn không tìm được chỗ đỗ sau một thời điểm nhất

định. Như thể hiện trong Hình 17, trong cả hai trường hợp mật độ giao Kết quả được tóm tắt trong Hình 19 minh họa thời gian đỗ xe trung bình

thông, các phương tiện đang tìm kiếm điểm đỗ đều giảm nhanh chóng và phần cho tất cả các phương tiện (và khoảng lỗi).

lớn các phương tiện tìm thấy điểm đỗ trong vòng chưa đầy 100 giây, rất ít Hình 19 cho thấy thuật toán tìm kiếm bãi đậu xe thông minh luôn hoạt động

xe còn lại sau 300 giây tìm kiếm. thời gian. Đây là quy định nhất quán cho tốt hơn so với tìm kiếm bãi đậu xe ngẫu nhiên trong tất cả các khoảng thời
cả giờ cao điểm và thấp điểm và như mong đợi, các phương tiện đỗ nhanh gian trong ngày. Rõ ràng là khi tỷ lệ lấp đầy thấp (số lượng chỗ đậu xe có

hơn vào giờ thấp điểm. sẵn cao), sự khác biệt về hiệu suất giữa tìm kiếm bãi đậu xe thông minh và
Machine Translated by Google
HÀNH TRÌNH CỦA CÁC LỚP LATEX, VOL. 6, KHÔNG. 1, THÁNG 1 NĂM 2007 10

tìm kiếm bãi đậu xe ngẫu nhiên là nhỏ. Giá trị của việc tìm kiếm
70
chỗ đỗ xe thông minh là khi các điểm đỗ xe khan hiếm chẳng hạn như
trong khoảng thời gian 12-2 giờ đêm. Hình 20 cho thấy sự khác biệt 60

về thời gian đỗ xe trung bình giữa tìm kiếm ngẫu nhiên và tìm kiếm
50
đỗ xe thông minh cho thấy rằng trong giờ cao điểm, sự khác biệt về
thời gian đỗ xe trung bình khoảng 1 phút cho mỗi xe. 40

30

100 300
20

80 250 10

Không
gian
sẵn
có

0
suất
Công
(%)
đậu
xe

60 200 7-8 giờ sáng 8-9 giờ sáng 9-10 giờ sáng 10-11 giờ sáng 11-12 giờ chiều 12-1 giờ chiều 1-2 giờ chiều 2-3 giờ chiều 3-4 giờ chiều 4-5 giờ chiều 5-6 giờ chiều 6-7 giờ tối

Thời gian (h)

40 150
Hình 20. Sự khác biệt về thời gian đỗ xe trung bình khi có / không sử dụng thuật toán thông minh.

20 100

Trong công việc trong tương lai, phân tích không gian-thời gian
0 50 7-8 giờ sáng 8-9 giờ sáng 9-10 giờ sáng 10-11 giờ sáng 11-12 giờ chiều 12-1 giờ chiều 1-2 giờ chiều 2-3 giờ chiều 3-4 giờ chiều 4-5 giờ chiều 5-6 giờ chiều 6-7 về các yếu tố khác nhau ảnh hưởng đến tính khả dụng của chỗ đậu xe
giờ tối

Thời gian (h)

có thể cải thiện kết quả của hệ thống đề xuất trong việc giảm lượng
thời gian trước khi tìm được chỗ đậu xe. Hơn nữa, các thuật toán

Hình 18. Tỷ lệ lấp đầy và tình trạng có chỗ đậu xe tại các khoảng thời gian khác nhau trong hợp tác giữa nhiều phương tiện trong đó một phương tiện học hỏi
ngày. từ quỹ đạo của các phương tiện khác đang tìm kiếm chỗ đậu xe có
thể cải thiện hiệu suất và sẽ được kích hoạt thông qua khả năng
giao tiếp giữa phương tiện với phương tiện trong tương lai.

300
Với thuật toán thông minh
Không có thuật toán thông minh

250
NHÌN NHẬN

Công trình của M. Liu và R. Shorten được hỗ trợ bởi Quỹ Khoa học
200
trung
bình
gian
Thời
xe
đỗ

Ireland theo Grant 11 / PI / 1177. Công việc của JN Sawaya được hỗ

150
trợ bởi NSERC Discovery Grant RGPIN-2017-03962.

100

NGƯỜI GIỚI THIỆU

50
¨
[1] T. Lin, H. Rivano và F. Le Mouel, “Một cuộc khảo sát về các giải pháp đỗ
0 xe thông minh,” Giao dịch IEEE trên Hệ thống Giao thông Thông minh, 2017.
7-8 giờ sáng 8-9 giờ sáng 9-10 giờ sáng 10-11 giờ sáng 11-12 giờ chiều 12-1 giờ chiều 1-2 giờ chiều 2-3 giờ chiều 3-4 giờ chiều 4-5 giờ chiều 5-6 giờ chiều 6-7 giờ tối

Thời gian (h)

[2] DC Shoup, “Du ngoạn để đậu xe,” Chính sách Giao thông, tập. 13, không. 6,
trang 479–486, 2006.
Hình 19. So sánh thời gian đỗ xe trung bình của 100 xe, có / không sử dụng [3] W. Elfrink và R. Kirkland, “Giải pháp thành phố thông minh”, McKinsey, New York,

thuật toán thông minh, tại các khoảng thời gian khác nhau trong ngày. NY, Hoa Kỳ, tháng 10 năm 2012.
[4] M. Caliskan, A. Barthels, B. Scheuermann, và M. Mauve, “Dự đoán tỷ lệ sử
dụng bãi đậu xe trong mạng đặc biệt xe cộ,” trong Hội nghị Công nghệ Xe
cộ lần thứ 65 IEEE 65-VTC2007-Spring. IEEE, 2007, trang 277–281.

VII. PHẦN KẾT LUẬN

[5] M. Dohler, I. Vilajosana, X. Vilajosana, và J. LLosa, “Thành phố thông minh: Kế
hoạch hành động,” trong Proc. Đại hội thành phố thông minh Barcelona, Barcelona,
Bài báo này đề xuất một hệ thống hướng dẫn đỗ xe tập trung vào
Tây Ban Nha, 2011, pp. 1–6.
đỗ xe bên đường. Trái ngược với nhiều hệ thống tiên tiến yêu cầu [6] X. Chen, E. Santos-Neto và M. Ripeanu, “Nguồn lực cộng đồng cho bãi đậu
cơ sở hạ tầng đắt tiền để thực thi đặt chỗ đỗ xe trước khi xe đến, xe thông minh trên đường phố,” trong Kỷ yếu của hội nghị chuyên đề quốc
tế ACM lần thứ hai về Thiết kế và phân tích các ứng dụng và mạng phương
hệ thống đề xuất chỉ yêu cầu thông tin hạn chế về xác suất tìm được
tiện thông minh. ACM, 2012, trang 1–8.
`
chỗ đỗ xe trên đường phố. Dữ liệu đó có thể được lấy từ dữ liệu [7] J. Kopecky và J. Domingue, “Parkjamjam: Nguồn lực cộng đồng thông tin về tình

lịch sử của đồng hồ đỗ xe thông minh theo cách tương đối tĩnh hoặc trạng sẵn có của bãi đậu xe với dữ liệu được liên kết,” trong Hội nghị Web
ngữ nghĩa mở rộng. Springer, 2012, trang 381–386.
động thông qua phản hồi thời gian thực về xác suất thông qua cơ sở
[8] F. Caicedo, C. Blazquez, và P. Miranda, “Dự đoán tình trạng sẵn có chỗ
hạ tầng ngày càng có sẵn để liên lạc với xe. Chúng tôi thảo luận và đậu xe trong thời gian thực”, Hệ thống chuyên gia với Ứng dụng, tập. 39,
trình bày các triển khai hệ thống của chúng tôi trong cả hai trường không. 8, trang 7281–7290, 2012.

hợp trong bài báo. [9] RG Thompson, K. Takada và S. Kobayakawa, “Tối ưu hóa cấu hình hiển thị
hệ thống thông tin và hướng dẫn đỗ xe,”
Nghiên cứu Giao thông vận tải Phần C: Các công nghệ mới nổi, tập. 9, không.

Cuối cùng, các khuyến nghị được chuyển tới các trình điều khiển để 1, trang 69–85, 2001.
´ ´
[10] D. Teodorovic và P. Lu ciˇ c, “Hệ thống đỗ xe thông minh,” Tạp chí
cân bằng tắc nghẽn.
Nghiên cứu Hoạt động Châu Âu, tập. 175, không. 3, trang 1666–1681, 2006.
Machine Translated by Google
HÀNH TRÌNH CỦA CÁC LỚP LATEX, VOL. 6, KHÔNG. 1, THÁNG 1 NĂM 2007 11

[11] F. Caicedo, “Việc sử dụng thông tin về chỗ trống trong các hệ thống“ parc ”để giảm
thời gian tìm kiếm trong các bãi đậu xe,” Nghiên cứu Giao thông Phần C: Các công
nghệ mới nổi, vol. 17, không. 1, trang 56–68, 2009.
[12] F. Caiced, “Quản lý thông tin bãi đậu xe theo thời gian thực để giảm thời gian tìm
kiếm dịch chuyển xe và lượng khí thải,” Nghiên cứu Vận tải Phần D: Giao thông và
Môi trường, tập. 15, không. 4, trang 228–234, 2010.
[13] B. Waterson, N. Hounsell và K. Chatterjee, “Định lượng khả năng tiết kiệm trong
thời gian di chuyển do hệ thống hướng dẫn đỗ xe - một nghiên cứu điển hình mô
Yingqi Gu nhận bằng BE về Kỹ thuật Điện tử (hạng nhất) từ
Đại học Maynooth vào năm 2013. Cô lấy bằng M.Sc về Xử lý
Tín hiệu và Truyền thông tại Trường Kỹ thuật, Đại học
Edinburgh vào năm 2014.
Từ tháng 2 năm 2015, cô bắt đầu học Tiến sĩ. bằng cấp tại
Đại học Cao đẳng Dublin với GS.
Robert Shorten. Mối quan tâm nghiên cứu hiện tại của cô là

phỏng,” Tạp chí Hiệp hội Nghiên cứu Hoạt động, vol. 52, không. 10, trang 1067– mô hình hóa, mô phỏng và tối ưu hóa các hệ thống giao
1077, 2001. thông thông minh.
[14] J.-H. Shin và H.-B. Jun, “Một nghiên cứu về thuật toán hướng dẫn đỗ xe thông minh,”
Nghiên cứu Giao thông vận tải Phần C: Các công nghệ mới nổi, vol. 44, trang 299–
317, 2014.
[15] P. Bonsall và I. Palmer, “Mô hình hóa hành vi đỗ xe của người lái xe bằng cách sử
dụng dữ liệu từ trình mô phỏng lựa chọn du lịch,” Nghiên cứu Giao thông vận tải
Phần C: Các công nghệ mới nổi, vol. 12, không. 5, trang 321–347, 2004.
[16] H. Ceylan, O. Baskan, C. Ozan và G. Gulhan, “Xác định vị trí đỗ xe trên phố trong
mạng lưới đường đô thị bằng cách sử dụng thuật toán tìm kiếm sự hài hòa siêu
kinh nghiệm” trong Mô hình và Tối ưu hóa dựa trên Máy tính trong Giao thông vận
tải. Springer, 2014, trang 163–174.
[17] M. Dorigo, “Tối ưu hóa, học tập và các thuật toán tự nhiên,” Ph.D.
Luận văn, Politecnico di Milano, Ý, 1992.
[18] M. Dorigo và C. Blum, “Lý thuyết tối ưu hóa đàn kiến: Một cuộc khảo sát,”
Khoa học máy tính lý thuyết, tập. 344, không. 2, trang 243–278, 2005.
[19] M. Haklay và P. Weber, “Openstreetmap: Bản đồ đường phố do người dùng tạo,”
Máy tính phổ biến, IEEE, vol. 7, không. 4, trang 12–18, 2008.
[20] SUMO, Mô phỏng tính di động của đô thị. Truy cập lần cuối: ngày 1 tháng 4 năm 2015.
Freddy Lecue hiện là nhà khoa học và quản lý nghiên cứu
[Trực tuyến]. Có tại: http://www.sumo-sim.org [21]
chính về Hệ thống lý luận quy mô lớn tại Phòng thí nghiệm
R. Cogill, O. Gallay, W. Griggs, C. Lee, Z. Nabi, R. Ordonez, M. Rufli, R. Shorten, T.
Công nghệ Accenture, Dublin, Ireland. Ông cũng là một cộng
Tchrakian, R. Verago và cộng sự, “Đỗ xe như một nền tảng cung cấp dịch vụ,” trong
sự nghiên cứu tại INRIA, ở WIMMICS, Sophia Antipolis, Pháp.
Hội chợ và Xe được Kết nối (ICCVE), 2014 International Conference on. IEEE, 2014,
Lĩnh vực nghiên cứu của ông nằm ở biên giới của các hệ
trang 138–143.
thống lý luận / thông minh và Internet of Things. Đặc biệt
anh ấy quan tâm đến: Điện toán nhận thức, Đại diện tri thức
và lập luận, Internet vạn vật, Xử lý quy mô lớn, Kỹ thuật
phần mềm, Máy tính hướng dịch vụ, Khai thác và tích hợp
thông tin,

Hệ thống Đề xuất, Điện toán Đám mây và Di động.

Mingming Liu nhận bằng BE về Kỹ thuật Điện tử với danh hiệu

hạng nhất từ Đại học Quốc gia Ireland Maynooth vào năm
2011. Anh lấy bằng Tiến sĩ. bằng cấp của Viện Hamilton, Đại
học Maynooth vào năm 2015. Anh hiện là nghiên cứu sinh sau
tiến sĩ tại Đại học College Dublin, làm việc với Giáo sư
Robert Shorten. Mối quan tâm nghiên cứu hiện tại của anh
ấy là động lực học hệ thống phi tuyến, kỹ thuật điều khiển
phân tán, mô hình hóa và tối ưu hóa trong bối cảnh của

lưới điện thông minh và giao thông thông minh

các hệ thống.

Robert Shorten Giáo sư Shorten hiện là Giáo sư Kỹ thuật

Điều khiển và Khoa học Quyết định tại University College
Dublin, và giữ một vị trí tại IBM Research. Nghiên cứu của
GS Shorten trải dài trên một số lĩnh vực. Ông đã hoạt động
trong lĩnh vực mạng máy tính, nghiên cứu ô tô, di chuyển
hợp tác (bao gồm giao thông thông minh và xe điện), cũng
như lý thuyết điều khiển cơ bản và đại số tuyến tính. Lĩnh
vực nghiên cứu lý thuyết chính của ông là nghiên cứu các hệ
Joe Naoum-Sawaya hiện là Phó Giáo sư Khoa học Quản lý tại thống động lực lai.
Trường Kinh doanh Ivey. Ông đã nhận được bằng BE về Kỹ
thuật máy tính từ Đại học Beirut của Mỹ và bằng MASc. và
Ph.D. trong Nghiên cứu Hoạt động từ Đại học Waterloo. Mối
quan tâm nghiên cứu của ông bao gồm các phương pháp tối
ưu hóa quy mô lớn cho các vấn đề thực tế phát sinh trong
ngành.

Xem số liệu thống kê về xuất bản