Professional Documents
Culture Documents
IEEE ITS Parking
IEEE ITS Parking
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
Bài viết trong Giao dịch IEEE trên Hệ thống Giao thông Thông minh · Tháng 8 năm 2018
13 143
Mingming Liu
XEM HỒ SƠ
Tất cả nội dung theo sau trang này được tải lên bởi Mingming Liu vào ngày 17 tháng 4 năm 2021.
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
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 2
II. CÔNG VIỆC LIÊN QUAN và tác động của chúng đối với thời gian đi lại và lưu lượng giao thông cũng
trình tự của các đường phố để tuân theo. tối đa hóa khả năng tìm được
Việc thu thập thông tin thường dựa trên việc sử dụng cơ sở hạ tầng chỗ đậu xe. Tính mới của hệ thống được đề xuất là sử dụng siêu mô phỏng
hiện có như đồng hồ đo bãi đậu xe [4] để dự đoán tính khả dụng của bãi đàn kiến để ước tính xác suất tương đối tìm được chỗ đậu xe nếu người
đậu xe. Dữ liệu đồng hồ đo bãi đậu xe cung cấp thông tin phong phú bao lái xe đi theo một con phố cụ thể. Mô tả mô hình và siêu mô phỏng được
gồm vị trí đường phố của đồng hồ đo ở đâu
mô tả trong phần sau.
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 dự kiến. Mặc dù dữ liệu từ đồng hồ đo bãi đậu xe có thể cung cấp thông III. MÔ HÌNH VÀ THUẬT TOÁN
tin chi tiết phong phú về tính khả dụng của bãi đậu xe dựa trên cơ sở
Đặc điểm chung của hệ thống hướng dẫn đỗ xe là nó phải có khả năng
hạ tầng hiện có, nhưng thông tin chính xác hơn có thể thu được bằng
hướng dẫn các phương tiện đang đồng thời tìm kiếm chỗ đỗ xe mà vẫn đảm
các hệ thống tiên tiến hơn thường đắt tiền, hạn chế khả năng cung cấp
bảo sự công bằng giữa chúng. Trong bối cảnh của bài báo này, công bằng
rộng rãi của chúng.
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
Các hệ thống này bao gồm cảm biến trong đường hoặc cảm biến siêu âm
xe) theo một nghĩa nào đó được cân bằng giữa các phương tiện đang tìm
trong chỗ đỗ xe [5]. Các hệ thống như vậy cung cấp khả năng giám sát
kiếm.
thời gian thực và có thể chỉ ra vị trí chính xác của các chỗ đậu xe còn
Trọng tâm của hệ thống được đề xuất trong bài báo này là bãi đậu xe bên
trống và có thể cung cấp thông tin rất chính xác về tỷ lệ xe đến và đi
đường. Trái ngược với các hệ thống khác tập trung vào bãi đậu xe (xem
cũng như tình trạng sẵn có bãi đậu xe dự kiến.
[14] để khảo sát toàn diện), việc dành chỗ đậu xe bên đường cho một
Nguồn cung ứng cộng đồng cũng ngày càng trở thành một nguồn thông tin
phương tiện chưa đến thường khó áp dụng trong thực tế chủ yếu do đầu
phổ biến cho thông tin về bãi đậu xe [6, 7]. Các hệ thống dựa vào thông
tư đáng kể để thiết lập đường phố. Trong bài báo này, chúng tôi tập
tin đầu vào của người dùng hoặc cảm biến trên điện thoại thông minh có
trung vào việc thiết kế một hệ thống hướng dẫn đỗ xe trên đường đề xuất
thể được sử dụng để báo cáo các điểm đỗ xe đồng thời cung cấp các ưu
trình tự các đường phố cần tuân theo cho từng người lái xe dựa trên
đãi cho những người đóng góp thông tin chính xác. Việc thu thập dữ liệu
phân bố xác suất xem xét tổng quãng đường cần phải đi trước khi tìm
cũng có thể được kết hợp với các mô hình dự đoán để nâng cao hơn nữa độ
được chỗ đỗ xe miễn phí. Sự khác biệt này rất quan trọng vì nó cho thấy
chính xác của các dự báo về tình trạng sẵn có của bãi đậu xe [8].
rằng hệ thống của chúng tôi không yêu cầu nghiêm ngặt các dịch vụ đặt
Xử lý thông tin liên quan đến các phân tích cơ bản để xử lý thông
chỗ đậu xe.
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
A. Mô tả mô hình
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 Mục tiêu của chúng tôi là tìm ra một thuật toán đề xuất cho mỗi người
thiết kế một hệ thống chấp nhận hoặc từ chối đặt chỗ đậu xe có tính đến lái xe một trình tự các con phố phải tuân theo để tối đa hóa xác suất
tỷ lệ xe đến. [11] cho thấy rằng việc hiển thị thông tin về tình trạng dọc theo con đường mà trong đó có thể tìm thấy một chỗ đậu xe miễn phí.
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 Để phát triển thuật toán này, chúng tôi yêu cầu, đối với mỗi con phố,
điều khiển các tín hiệu đỗ xe được gửi đến người lái xe, chẳng hạn như xác suất để một chiếc ô tô tìm được chỗ đậu xe và độ dài của mỗi con
thông tin về tình trạng đỗ xe với mục tiêu giảm thời gian và khoảng cách phố. Số liệu thống kê như vậy có thể được ước tính theo nhiều cách.
liên quan đến việc tìm chỗ đậu xe. Hơn nữa, [13] nhấn mạnh tầm quan Ví dụ: từ kiến thức về tổng số chỗ đậu xe trên một con phố cụ thể và
trọng của các mô hình phân công chỗ đậu xe trong việc truyền bá nhu cầu thông tin về luồng giao thông, từ các chỗ đậu xe được thiết kế hoặc từ
đậu xe giữa các chỗ đậu xe có sẵn để tránh tình trạng xếp hàng. Gần đây, dữ liệu được nối mạng từ các phương tiện cá nhân.
[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 Chúng tôi biểu diễn mô hình mạng lưới đường dưới dạng đồ thị có
đến điểm đến mong muốn, chi phí đậu xe và tình trạng tắc nghẽn giao thông hướng G (V, E) trong đó các cạnh E biểu thị các đoạn đường và các đỉnh
dự kiến. Bên cạnh hệ thống hướng dẫn đỗ xe, các mô hình khác tập trung V biểu thị các giao điểm. Mỗi cạnh i E có liên quan đến chi phí ci tỷ
vào việc trích xuất các yếu tố ảnh hưởng đến việc lựa chọn chỗ đỗ xe lệ với chi phí không tìm được chỗ đậu xe trên đoạn đường i. Cụ thể, đặt
[15] trong khi các vấn đề trong thiết kế đường như phân bổ chỗ đỗ xe ci là độ dài của đoạn đường i (vì xe phải đi hết đoạn đường i nếu không
cho các làn đường 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 4
tìm kiếm bãi đậu xe trong những khu vực giống nhau mà kết quả là Thuật toán (Thuật toán 1) được gọi sau khi sinh đồ thị G (V, E).
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 Trong quá trình triển khai của chúng tôi, thuật toán tìm kiếm
có của các điểm đậu xe. Để giảm bớt tắc nghẽn, có thể cần phải gửi kiến được đặt để chạy trong 30 giây thời gian CPU mà chúng tôi tin
các tín hiệu khác nhau đến những người lái xe khác nhau mặc dù họ rằng đủ để đảm bảo trải nghiệm người dùng tốt và do đó cần phải
đang tìm kiếm một điểm đỗ xe tại cùng một thời điểm và địa điểm. hạn chế độ trễ giữa yêu cầu đỗ xe và bắt đầu hướng dẫn. Sau khi
Tín hiệu phân biệt vốn có trong hệ thống hướng dẫn được đề chạy Thuật toán 1 và thu được các mức pheromone được chuyển thành
xuất trong bài báo này và là kết quả trực tiếp từ việc áp dụng xác suất như đã thảo luận trong Phần III-C, Mô-đun 3 của hệ thống
Thuật toán 1. Đặc biệt, đối với một phương tiện hiện đang ở nút theo dõi vị trí của người dùng và cung cấp các hướng dẫn hướng
j, các đường tiềm năng mà phương tiện có thể đi tiếp theo là Mj dẫn. Trong quá trình triển khai hệ thống thực tế, khi tín hiệu
với mỗi đường phố i Mj kết hợp với mức hấp dẫn fi được xác định hướng dẫn được cung cấp cho người dùng, vị trí của người dùng
bởi Thuật toán 1. Do đó, một tín hiệu khuyên người lái xe đi và hướng di chuyển sẽ được theo dõi và ánh xạ tới nút tiếp theo
đường i Mj được tạo ra với xác suất qij = trên tuyến đường và Thuật toán 1 được chạy lại để tính toán xác
thì là ở
suất mới cho giao lộ tiếp theo, sau đó sẽ là được sử dụng nếu
P fh h Mj
cân bằng
lưu lượng phương tiện đến các tuyến phố khác nhau theo mức độ hấp dẫn của không tìm thấy điểm đỗ xe ở rìa hiện tại.
từng tuyến phố. Chúng tôi lưu ý rằng chiến lược báo hiệu được đề xuất về
Kiến trúc hệ thống được thể hiện trong Hình 1. Các yêu cầu chính
cơ bản là một chiến lược báo hiệu Markovian. Nó giả định rằng các trình điều
về kiến trúc là tính toán đồ thị, quản lý dữ liệu nhanh chóng,
khiển phản hồi trung thực các khuyến nghị.
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
Hệ thống đề xuất như được mô tả yêu cầu thông tin đáng kể; ví
dịch và đa luồng nhanh nhỏ.
dụ: số lượng chỗ đậu xe có sẵn trên mỗi con phố, số lượng người
Quá trình bắt đầu khi người dùng yêu cầu một điểm đỗ xe xung quanh
lái xe đang tìm kiếm chỗ đậu xe và xác suất cá nhân đó sẽ đậu xe
một vị trí cụ thể. Sau đó, Mô-đun 1 đọc bản đồ thành phố từ cơ sở
tại chỗ mà họ phát hiện ra. Chúng tôi đưa ra những giả định này để
dữ liệu và tạo khu vực tìm kiếm và biểu đồ liên quan G (V, E), sau
phát triển mô hình và thiết lập mô phỏng của chúng tôi. Biết rằng
đó được chuyển đến Mô-đun 2, tính toán mức độ hấp dẫn của các con
việc cung cấp thông tin như vậy có thể không khả thi trong thực
đường và xác suất liên quan sau đó được chuyển đến Mô-đun 3. Mô-
tế, Phần VI trình bày kết quả về thông tin chi tiết thô thực sự có
đun 3 sau đó theo dõi vị trí của người dùng và đề xuất một con phố
sẵn từ cơ sở hạ tầng, đặc biệt là từ các đồng hồ đỗ xe thông minh
cụ thể để theo dõi.
ở Thành phố Dublin.
IV. TRIỂN KHAI HỆ THỐNG Đồ thị G (V, E) Thuộc địa kiến Theo dõi xe và
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).
HSQLDB
A. Kiến trúc hệ thống Hệ
Bản đồ thành phố
thống hướng dẫn đỗ xe được đề xuất được triển khai bằng python
Hình 1. Sơ đồ cấu trúc hệ thống được đề xuất.
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
V. MÔ PHỎNG SUMO
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 Trong phần này, chúng tôi thảo luận về việc triển khai hệ thống
đó, người dùng chỉ định vị trí GPS của điểm đến cuối cùng mong của chúng tôi trong môi trường mô phỏng động bằng cách sử dụng
muốn, sau đó được ánh xạ tới nút gần nhất trong dữ liệu trình mô phỏng lưu lượng SUMO [20]. SUMO là một gói phần mềm mô
OpenStreetMaps, được chỉ định làm nút nguồn cho thuật toán tìm phỏng giao thông đường bộ vi mô mã nguồn mở được phát triển bởi
kiếm kiến. Viện hệ thống giao thông tại Trung tâm Hàng không Vũ trụ Đức (DLR)
Sau đó, tìm kiếm độ sâu đầu tiên được thực hiện trên dữ liệu [20]. Chúng tôi sử dụng SUMO để đánh giá hiệu suất của hệ thống
OpenStreetMaps bắt đầu từ vị trí nguồn để tìm tất cả các nút nằm của chúng tôi trong các tình huống khác nhau.
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 A. Thiết lập mô phỏng trong SUMO
đó tạo thành tập cạnh E của đồ thị G (V, E). Trong phần này, chúng tôi đánh giá hiệu suất của thuật toán của chúng tôi
Mô-đun thứ hai và chính của hệ thống là tìm kiếm kiến 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
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
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.
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
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
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.
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 7
Hình 10. Ví dụ tìm kiếm chỗ đậu xe: Bản đồ đường đi.
Hình 7. Bản đồ nhiệt chiếm chỗ đậu xe lúc 11: 00-11: 30.
Hình 11. Ví dụ tìm kiếm chỗ đậu xe: Đồ thị tương ứng.
Hình 8. Bản đồ nhiệt chiếm chỗ đậu xe lúc 14: 30-15: 00. 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%.
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
Kết quả được thể hiện trong Hình 15 cho thấy rằng các xe
Điều quan trọng cần lưu ý là nghiên cứu được trình bày sử dụng hệ thống hướng dẫn đỗ xe thông minh di chuyển ít hơn
trong phần này dựa trên thông tin về bãi đậu xe tĩnh. Một đáng kể để tìm chỗ đỗ xe so với các xe còn lại.
nghiên cứu như vậy chỉ có giá trị nếu chúng ta giả định một Đặc biệt, sự khác biệt này lớn hơn đối với những giờ cao điểm
sự tách biệt khỏi mật độ đậu xe và hoạt động của các phương được mong đợi hơn vì khi các điểm đỗ xe trở nên khan hiếm,
tiện giao thông; cụ thể là nếu chỉ có rất ít phương tiện hướng dẫn thông minh dẫn đến lợi ích ngày càng tăng trong khi
đang vận hành thuật toán. Chúng tôi lưu ý một lần nữa rằng khi một số điểm đỗ xe có sẵn, cần ít hướng dẫn hơn để tìm
mục tiêu khi trình bày dữ liệu này là minh họa sự phức tạp một điểm đỗ xe miễn phí. Chúng tôi cũng lưu ý rằng trong cả
tính toán của thuật toán và thuật toán có thể được triển khai hai trường hợp mật độ giao thông cao và thấp, việc giảm
bằng cách sử dụng thông tin chi tiết thô có sẵn. Tất nhiên khoảng cách di chuyển là đáng kể khi hướng dẫn thông minh
trong bất kỳ triển khai thực tế nào, thuật toán sẽ hoạt động được sử dụng với một lợi ích nhỏ tăng lên trong trường hợp
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.
Machine Translated by Google
HÀNH TRÌNH CỦA CÁC LỚP LATEX, VOL. 6, KHÔNG. 1, THÁNG 1 NĂM 2007 9
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.
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
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
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
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
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
150
trợ bởi NSERC Discovery Grant RGPIN-2017-03962.
100
[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.
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 Yingqi Gu nhận bằng BE về Kỹ thuật Điện tử (hạng nhất) từ
thời gian tìm kiếm trong các bãi đậu xe,” Nghiên cứu Giao thông Phần C: Các công Đại học Maynooth vào năm 2013. Cô lấy bằng M.Sc về Xử lý
nghệ mới nổi, vol. 17, không. 1, trang 56–68, 2009. Tín hiệu và Truyền thông tại Trường Kỹ thuật, Đại học
[12] F. Caiced, “Quản lý thông tin bãi đậu xe theo thời gian thực để giảm thời gian tìm Edinburgh vào năm 2014.
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. Từ tháng 2 năm 2015, cô bắt đầu học Tiến sĩ. bằng cấp tại
[13] B. Waterson, N. Hounsell và K. Chatterjee, “Định lượng khả năng tiết kiệm trong Đại học Cao đẳng Dublin với GS.
thời gian di chuyển do hệ thống hướng dẫn đỗ xe - một nghiên cứu điển hình mô 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,
các hệ thống.