毕业设计外文翻译智能停车系统.docx

毕业设计外文翻译智能停车系统.docx

《毕业设计外文翻译智能停车系统.docx》由会员分享，可在线阅读，更多相关《毕业设计外文翻译智能停车系统.docx（25页珍藏版）》请在冰豆网上搜索。

毕业设计外文翻译智能停车系统

毕业设计（论文）外文资料译

学院：

机械电子工程学院

专业：

机械设计制造及其自动化

姓名：

学号：

外文出处：

（用外文写）

附件：

1.外文资料翻译译文；2.外文原文。

指导教师评语：

签名：

年月日

附件1：

外文资料翻译译文

智能停车系统

摘要：

这篇文章探讨了停车预约系统和停车收益管理系统的基本概念。

所谓的“智能”停车厂是通过基于模糊逻辑技术和整数规划技术组合的存车控制系统来“在线“决定是否接受或拒绝新司机要求停车。

这种模型的第一步是要为许多不同模式的车辆到达提供最好的停车策略。

这些停车策略都是使用整数规划的方法开发的。

第二步，从最好的策略中学习，定义具体的规则。

该方法的独特性在于这些规则都是源自选择假设未来交通停车模式是众所周知的一系列例子。

结果就是都在假设未来的停车模式都是众所周知的条件下发现接近最好的解决方法。

关键字：

交通、不确定性建模、控制、停车、模糊逻辑

1.介绍

每一天都有相当数量的自驾车司机寻找一个停车位。

此外，缺乏经验的司机或者外地车进一步加剧了交通堵塞。

寻找一个空的停车位是一个搜索过程的典型例子。

每一个停车搜索策略是由一组模糊规则组成。

这些规则通常难以明确地描述。

计划活动的类型，一天中的那个时间，一星期中的那天，目前在特定线路的拥挤情况，城市街道的状况和潜在的可用停车位都会对停车位搜索策略有重大的影响。

在过去的四十年里众多的停车搜索模型被开发出来。

在许多交通工具（出行方式，航空承运人的选择，机场的选择等等）要决策的情况下，决策者（旅客，司机）都预先知道这些互相竞争的选择和他们的特点。

在另一方面，司机们通常会在一个时间序列中发现一个又一个不同的停车选择，显然，这个时序会对司机的最终决定停车位有非常大的影响。

在过去的二十年里，交通局在许多城市（赫尔辛基、科隆、美因茨、斯图加特、威斯巴登、奥尔堡、海牙）便开始用实时可变信息标志[方向的箭头，停车设施的名称，状态（已满、未满、可用停车位数量）]来通知和引导司机停车。

可停车位的数量信息可以显示在主要道路、街道和十字路口，或者也可以通过互联网发布。

问停车导引系统有何益处的问题是符合逻辑的。

当前实践表明停车引导系统通常是不改变停车率或平均停车时间。

司机们很容易熟悉停车引导系统，而且大多数会信任和支持这个系统的帮助。

引导系统显著地提高了发现空停车位的可能性，减轻了对市中心不熟悉的自驾游客的焦虑，减少了在停车厂前的队伍，减少了旅行车辆的总数量（尤其在市中心），降低平时出行时间，能源消耗，还有空气污染。

停车引导系统是综合停车政策和交通管理系统的一部分，其其它组成是街道停车控制（包括对非法停车车辆的处罚）、停车费用结构和停车税收管理系统。

当司机已近在网络，并接近他们的目的地时，停车引导系统帮助他们发现泊车位。

在这份调查中提出了停车预定系统和停车收益管理系统的概念。

这种系统甚至可以帮助司机在开始他们的旅途前就找到空车位。

所提出的“智能”停车位存车控制系统是基于仿真，优化技术和模糊逻辑的组合，做出“即时”拒绝或接受一个新的停车要求的决定。

该方法可用于城市停车场和大型国际机场停车场。

文章组织如下：

第二节提出停车定价的问题，第三节对停车问题和其它工业进行类比，在第四节介绍了停车收益管理系统，第五节介绍了智能停车空间的存车控制系统，第六部分介绍了能够建立智能泊车位库存控制系统模型的算法，第七节给出“智能”停车系统的结果和第八节提出了作为结束语和进一步的研究方向。

2.停车定价

在全世界大部分城市司机支付使用不同的停车设施。

在某些情况下，停车的价格能够明显减少交通拥挤。

停车收入通常用于弥补停车设施费用（车库入口，票打印机，停车收费表，停车标志，服务员），或者是提高其他交通运输业的活动。

不同的停车定价策略应该是复杂交通堵塞问题全面解决方法的一部分。

毫无疑问，停车定价代表着一个重要的需求管理策略。

例如：

交通部门、地方政府和私营部门可以在拥挤的城市地区对独立司机和长期停车司机采用更高的停车关税，对上下班交通车合用小组提供特殊的停车折扣。

显然停车定价应该认真研究城市区域（闹市区，住宅，商业区，物品交易市场）。

在一些城市（麦迪逊、威廉康辛州）已经有了时变停车费，迫使上下班族开始转变不同公共交通的选择。

为了努力促进公共交通，旧金山交通当局在公立和商业停车场增加了停车关税。

芝加哥官方也多次提高停车利率。

结果，泊位的汽车总数量和停车持续时间都显著减少。

最伟大的就是全天停车数量上的减少。

西雅图官方在市中心的俩个停车场为共乘车显著降低了关税。

停车定价策略也可以对雇主支付员工起到积极的作用。

雇主去除员工的停车补贴可以显著减少私车的总数量。

任何停车定价策略的主要作用是在一定时期内减少车辆的总数量，改变上下班族选择交通模式和不同的停车场所。

与此同时，当实施任何停车策略时，为顾客提供足够的停车空间、为城区内的居民提供优惠停车、为不同停车位置提供优惠停车、考虑低收入家庭、保护附近街道防止非法停车都是很重要的。

当解决复杂的交通拥挤和停车问题时，供给和需求的基本经济概念应该充分应运。

所谓的价值收费也是被称为拥挤定价，或者变量收费。

拥挤定价背后的出发点是迫使司机多在非车辆高峰期旅行和开车，更少的是在高峰期。

拥挤定价的想法主要关于道路（司机们支付使用快速私人车道，低占用车道支付高占用车道费，在周一到周五进入市中心支付更多）或者机场的运营（在高峰期更多的车道费）。

停车问题的内容中，这意味着：

（a）为不同的用户应该存在不同的停车关税；（b）在一天当中停车费应该增加或减少几次。

3.停车问题和运营管理系统：

对一些其他行业的推理

航空产业，饭店，租车，铁路，油轮，医疗保健，广播工业，餐饮及其他产业在出售他们的产品时都利用税收管理的概念。

税收管理可以描述为在合适的时间合适的地点将合适的产品传递给合适的顾客的一组不同的科学的公司财务经营技巧。

税收管理的根据是在航空工业。

行业中不同管理理念的基本特点成功应用是：

（a）随着时间的各种需求;（b）资产优化变量；（c）易腐烂的资产；（d）有限的资源；（e）市场细分；（f）增加新的活力是昂贵的，困难的或不可能的；（g）每位客户的直接成本对于可提供服务的总成本，可以忽略不计；（h）提前销售产品。

停车空间库存控制问题的主要特点如下：

●停车需求是可变的。

●就像宾馆的房间，或餐厅的椅子，停车位同样需要机会卖出（顾客使用）。

●任何停车场可供司机用的停车位都会不足。

●市场细分意味着不同的客户乐意为相同的服务（旅馆房间，飞机座位，出租车位）支付不同的价格。

一个要在开会十五分钟之前停车的商人比一个计划和妻子一起步行穿越市中心，而提前四天预定停车位的退休人更愿意支付高额停车费。

●建立新的停车场可能会非常昂贵，而且有时也很困难。

●停车位可以非常容易提前预定。

引进及开发的停车预定系统（通过互联网和手机环境制造）将会在现代的停车技术中有很大的提高。

司机将会在出发前和旅行途中就会得到建议和指导。

停车预定系统应该和停车收益管理系统耦合。

这样，停车经营者和交通当局能够实施不同的停车策略。

一旦司机容许停车，就可能实现用内部车库指导系统引导司机到一个空的停车位。

4.介绍停车收益管理系统

让我们假设我们有停车预定系统。

司机们可以在任何时间（在家预定，行车途中预定，通过互联网等等）提出停车请求。

一定数量的司机可能在停车前取消他们的预定，这些取消可能随时发生。

和某些其他行业一样，一定数量的司机可能在预定车位和付费之后没有去停车。

那些司机行为应该受到处罚吗？

根据停车需求和供应的数量，答案可能是“是”或“否”。

预定系统应该足够灵活，容许一些车手即使没有确认预定也能找到一个空的车位。

规定一些不用的停车关税好吗？

答案很明显“是”。

残疾人和老年人可以支付更低的停车关税，他们提前好几天预约车位。

支付更高关税的应该是私人司机，长期停车司机，没有提前预定的司机。

很明显，会有很多可能的停车定价策略。

预定的生成和取消，司机随即出现和对司机停车要求的即时回应表明停车场收入管理是一个复杂的问题。

在过去的30年里，有相当大数量的论文谈论航空公司座位库存控制问题的不同方面。

本文提出的模型受高度发达的航空管理的随机性和确定性模型激发。

让我们假设我们有一些不同的停车关税。

最简单的预定系统（类似于过去的航空订票系统）应该是“不同关税层停车库存”（图1），指示按关税层区分停车位。

在这种情况下，一旦停车位被分配到一个关税层，它就只能在那个关税层被预定，否则保留。

区分停车车位有一定的优势和劣势。

这种情况下，付较低关税的用户相对比较好得到“保护”。

换句话说，这个系统将会付出大量关注对残疾人，老年人，提前好几天预定车位的人和多座车司机。

区分停车车位的一个明显不足是指定给低关税用户的车位通常是空的，即使高关税用户的需求量非常高。

换句话说，即使不是所有的车位都被占也很有可能拒绝一些司机。

图1不同关税层停车库存

5.智能停车位库存控制系统

这个问题的复杂性和不同参数的不确定性使我们得出这样一个结论：

几乎不可能有分析地解决这个问题。

人工神经系统和模糊系统自从有了从经验中学习的能力就成为“智能”系统。

他模糊系统本身不是学习机制。

另一方面，相当数量基于数值数据的模糊系统正在生成。

本文中，我们从以前发现的各种情况最优解中获得了数字数据。

这样一来，模糊规则的根据来源于“最可能精确的决断”。

这里提出的模糊系统体现了一种学习机制，因为它允许停车要求的连续监测和模糊规则库的时时更新。

这次研究的初步设想是创造一个“智能”停车位存车控制系统，对每一个司机要求做出实时决定。

换句话说，本文假设能创造一个系统，它能及时识别每个司机在一定时间预定和退订一定数量车位的情况特征。

像其他智能系统，“智能”停车位库存控制系统应该能够在新的知识和信息的基础上推广，适应和学习。

这种发达的“智能”系统是基于模糊逻辑。

在过去的几年，理论结果表明模糊逻辑系统是普遍相似的，这也解释了为什么模糊逻辑系统在工程应用中是多么成功。

6.建立智能停车位库存控制系统的算法

“智能”预定系统的模糊规则是通过与王建明和孟德尔提出算法的相应数字信息产生的。

本文建立模糊系统开发的算法有以下步骤进行：

第一步：

基于在车库调查问卷中大量的停车活动，建立数据库。

第二步：

制定相应的整数规划问题和寻找每一个产生“情景”的最优解。

第三步：

基于第一步和第二步的统计资料，运用王建明-孟德尔算法产生模糊规则库。

每一个模糊库对应一个关税类。

7.利用智能停车位库存控制系统的结果

这种开发模型测试了十种不同的数值例子。

这些例子区分了车位大小，到站请求分布，服务（停车时间）分布。

所有的例子有以下相似的数值：

△t=300s;te-tb=8h;m=3;T0=3＄/h;T1=2.5＄/h;T2=1.5＄/h.指数概率密度函数用来生成车辆到来和服务（停车）时间。

我们第一次找出10个例子来产生模糊规则库，然后我们在新产生的例子上测试改进的模型。

产生模糊规则库其中的一个例子在表1中显示。

最后一栏的Xij代表这个问题的整数规划法解决。

下一步，我们准备一套输入输出数据对（统计数据），目的是用王建明——孟德尔的算法创造模糊规则库。

输入-输出数据的例子在表2中给出。

表1停车要求特性（一个随机生成的例子）（表头在表的上方）

表2输入-输出数据对的一个例子（针对一种关税类）

在建立了所有的模糊规则库之后（在这个例子中m=3），我们生成一套新的十种停车要求模式和进行检测阶段。

我们对“智能”系统的结果和使用整数规划的结果进行了比较，同样对“智能”系统的结果和用FIFO规则（在这里FIFO规则意味着只要有停车空位停车要求就会立刻允许）的结果进行了比较。

比较的结果显示在表格3中和图2中。

所有的情况FL的解决方案都明显比FIFO的解决方案好。

当未来预测是理想的情况下，整数规划结果可获得最大收益价值。

牢记“智能”系统在不确定的情况下在线运行，就可认为应用智能停车位库存控制系统将会达到好的结果。

表3FL解决方案与IP解决方案和FIFO解决方案的比较

图2FL解决方案和IP解决方案的比较

在所有的测试例子中，停车库存从100变化到350。

在所有例子中的不同PDF参数将会用来生成停车要求。

8.总结

该模型属于“即时”预售系统的类别。

模型的输出是一个即时接受或拒绝停车要求的决定。

确切的说，这种模型告诉每一个请求，要么：

“是的，你可以进入停车”，或者：

“不，这个时间你不能停车”。

这个决定是根据当前停车系统的状态（预约取消，未准时停车，可用车位）来确定接受或者拒绝停车请求。

本文提出的模糊系统允许连续停车要求的检测和模糊规则库的间断更新。

拒绝或接受司机停车的数量应该作为顾客满意程度的尺度。

正如我们先前指出，任何停车定价策略的主要作用是在一定的时间阶段内减少车辆旅行的总数量。

这的确是一个基本的公共领域的目标。

然而，在我们的模型中，我们集中精力在停车管理收入的最大化，那个一个私营部分的目标。

这俩个目标可能看起来是不一致的，人们会质问后者会怎么达到前者所要减少车辆旅行的目标。

市场细分是这样一种情况，不同的司机愿意为相同的东西付不同的价钱。

我们先前已经说明了一个俩种类型的司机，商人和一个靠养老金生活的老人—---生意人愿意在开会十五分钟前停车付更高的停车费，而一个靠养老金生活的老人为了更低的停车费，要和妻子徒步穿越市中心，提前一天预订车位。

然而，即时最富有的商人也不愿意为短暂的停车位支付上亿美元。

只是，停车需求的数量刻画了不同群体的司机，市场细分根据这种行为得到实施（定义2,3或者10种不同类型的司机或者停车位），同样针对不同的停车类型有不同的停车费。

在极端的情况下，不是根据市场细分模式和停车费免费提供，理论上只有最富有的人才会开车。

在这种情况下，即时在一段时间内车辆旅行的总数量会减少，但是社会的抱怨肯定会到达某种程度。

因此，收入最大化可以通过给特定的司机和停车类型留一定的停车位数量取得。

通过这种指定限制的介绍，保护老人，残疾人和其它层次司机的停车位也是可行的。

司机是否会接受停车预定系统和税收管理系统是未知的。

进一步的研究将会检查智能停车系统能否减少停车场前的队伍，车辆旅行的总数量，平均旅行时间，能源消耗，还有空气污染。

致谢

在此感谢那些匿名的评论和建议，大大提高了这篇文章。

参考文献

[1]Arnott,R.,Rowse,J.,1999.Modelingparking.JournalofUrbanEconomics45,97–124.

[2]Axhausen,K.W.,Polak,J.,1991.Choiceofparking:

Statedpreferenceapproach.Transportation18,59–81.

[3]Belobaba,P.P.,1987.Airlineyieldmanagementairlineyieldmanagement:

Anoverviewofseatinventorycontrol.TransportationScience21,66–73.

[4]Brumelle,S.L.,McGill,J.I.,1993.Airlineseatallocationwithmultiplenestedfareclasses.OperationsResearch41,127–137.

[5]Cross,R.,1997.RevenueManagement.BroadwayBooks,NewYork.

[6]Littlewood,K.,1972.Forecastingandcontrolofpassengersbookings.In:

Proceedingsofthe12thAGIFORSSymposium.pp.95–117.

[7]Polak,J.,Axhausen,K.W.,1990.Parkingsearchbehavior:

Areviewofcurrentresearchandfutureprospects.TransportStudiesUnits,WorkingPaper540,OxfordUniversity.

[8]Saltzman,R.M.,1997.Ananimatedsimulationmodelforanalyzingon-streetparkingissues.Simulation69,79–90.

[9]Shoup,D.C.,1997.Thetroublewithminimumparkingrequirements.TransportationResearch33A,549–574.

[10]Steiner,R.L.,1998.Tripgenerationandparkingrequirementsintraditionalshoppingdistricts.TransportationResearchRecords1617,28–37.

[11]Tam,M.L.,Lam,W.H.K.,2000.Maximumcarownershipunderconstraintsofroadcapacityandparkingspace.TransportationResearch34A,145–170.

[12]Teodorovi′c,D.,Vukadinovi′c,K.,1998.Tra?

cControlandTransportPlanning:

AFuzzySetsandNeuralNetworksApproach.KluwerAcademicPublishers,Boston/Dordrecht/London.

[13]Teodorovi′c,D.,Popovi′c,J.,Pavkovi′c,G.,Kikuchi,S.,2002.Intelligentairlineseatinventorycontrolsystem.TransportationPlanningandTechnology25,155–173.

[14]Thompson,R.G.,Richardson,A.J.,1998.Aparkingsearchmodel.TransportationResearch33A,159–170.

[15]VanderGoot,D.,1982.Amodeltodescribethechoiceofparkingplaces.TransportationResearch16A,109–155.

[16]Verhoef,E.,Nijkamp,P.,Rietveld,P.,1995.Theeconomicsofregulatoryparkingpolicies:

The（im）possibilitiesofparkingpoliciesintraffcregulation.TransportationResearch29A,141–156.ickrey,W.,1969.Congestiontheoryandtransportinvestment.AmericanEconomicReview59,251–260.

[17]Vickrey,W.,1994.StatementtotheJointCommitteeonWashingtonDC,MetropolitanProblems.JournalofUrbanEconomics36,42–65.

[18]Wang,L.X.,Mendel,J.M.,1992.Generatingfuzzyrulesbylearningfromexamples.IEEETransactionsonSystems,ManandCybernetics22,1414–1427.

[19]Waterson,B.J.,Hounsell,N.B.,Chatterjee,K.,2001.Quantifyingthepotentialsavingsintraveltimeresultingfromparkingguidancesystems—asimulationcasestudy.JournaloftheOperationalResearchSociety10,1067–1077.

[20]Wong,S.C.,Tong,C.O.,Lam,W.C.H.,Fung,R.Y.C.,2000.DevelopmentofparkingdemandmodelsinHongKong.JournalofUrbanPlanninganddevelopment—ASCE126,55–74.

[21]Young,W.,Taylor,M.A.P.,Thompson,R.G.,Ker,I.,Foster,J.,1991a.CENCIMM:

Asoftwarepackagefortheevaluationofparkingsystemsincentralareas.TraffcEngineeringandControl32,186–193.

[22]Young,W.,Thompson,R.G.,Taylor,M.A.P.,1991b.Areviewofurbanparkingmodels.TransportReviews11,63–84.

[23]D.Teodorovic′,P.Lucˇic′/EuropeanJournalofOperationalResearch175（2006）1666–16811681

附件2：

外文原文（复印件）

Intelligentparkingsystems

Abstract

Thebasicconceptsoftheparkingreservationsystemandparkingrevenuemanagementsystemarediscussedinthispaper.Theproposed＂intelligent＂parkingspaceinventorycontrolsystemthatisbasedonacombinationoffuzzylogicandintegerprogrammingtechniquesmakes＂online＂decisionswhethertoacceptorrejectanewdriversrequestforparking.Inthefirststepoftheproposedmodel,thebestparkingstrategiesaredevelopedformanydfferentpatternsofvehiclearrivals.Theseparkingstrategiesaredevelopedusingintegerprogrammingapproach.Inthesecondstep,learningfromthebeststrategies,specificrulesaredefined.Theuniquenessoftheproposedapproachisthattherulesarederivedfromthesetofchosenexamplesassumingthatthefuturetra