基于潮汐可變車道技術的智慧停車管理平臺建設研究

摘要：傳統的停車管理方式不僅效率低下，而且容易造成數據不準確，無法為決策者提供準確的停車信息。為此研究為提高停車管理智能化水平，基于潮汐可變車道技術并引入非線性自相關神經網絡模型對其進行改進，最終設計出一款智慧停車管理平臺。經實驗驗證，改進后的潮汐可變道技術其交通車流量預測的平均誤差為3.8%，在交通高峰期間可以準確預測交通流量。智慧停車管理平臺投入使用后，解決了實際使用車位數與可用停車位數之間的失衡現象，比使用智慧停車管理平臺前增加了20%以上。綜上可知，此次研究的智慧管理平臺可以準確分析停車數據并進行準確的預測。

關鍵詞：潮汐流可變車道智慧停車城市交通非線性自回歸神經網絡

中圖分類號：U491文獻標識碼：A

ResearchontheConstructionoftheIntelligentParkingManagementPlatformBasedontheTidalFlowLaneTechnology

ZHONGWenbin

ZhejangXinchengDigitalTechnologyCo.，Ltd.，Ningbo，ZhejiangProvince，315000China

Abstract：Thetraditionalparkingmanagementmethodisnotonlyinefficient，butalsoeasytocauseinaccuratedata，which cannotprovideaccurateparkinginformationfordecision-makers.Inordertoimprovetheintelligentlevelofparkingmanagement，thisstudyisbasedonthetidalflowlanetechnologyandintroducesthenonlinearautocorrelationneuralnetworkmodeltoimproveit，andfinallydesignsanintelligentparkingmanagementplatform.Experimentshaveverifiedthattheaverageerrorofthetrafficflowpredictionoftheimprovedtidalflowlanetechnologyis3.8%，whichcanaccuratelypredicttrafficflowduringthepeaktrafficperiod.Afterthesmartparkingmanagementplatformisputintouse，theimbalancebetweentheactualnumberofusedparkingspacesandthenumberofavailableparkingspacesissolved，whichismorethan20%higherthanthatbeforetheuseofthesmartparkingmanagementplatform.Insummary，itcanbeseenthattheintelligentmanagementplatforminthisstudycanaccuratelyanalyzeparkingdataandmakeaccuratepredictions.

KeyWords：Tidalflow;Reversiblelane;Intelligentparking;Urbantraffic;Nonlinearautoregressiveneuralnetwork

隨著國民經濟的持續增長，人民生活水平不斷提高，汽車逐漸成為家庭必備的交通工具之一[1-2]。傳統停車管理方法信息化程度較低，無法充分利用信息化技術的優勢[3-4]。為改善大城市中交通擁堵情況，陳婷婷等人[5]在潮汐可變車道的基礎上構建優化多目標雙層規劃模型，在進行實驗驗證后，結果驗證了所提出的模型和算法的有效性。而非線性自相關神經網絡模型可以利用歷史數據對未來車位需求進行準確預測，從而更好地安排停車位，提高停車效率[6]。為此，在潮汐可變車道技術的基礎上進行改進，構建出一種用于智能化管理停車的系統平臺。此次研究的創新點為將非線性自回歸神經網絡模型與潮汐可變車道技術相結合，實現了對停車位需求的精準預測和對車流量的智能化調控。

1.智慧停車管理平臺的關鍵技術及建設方案

1.1潮汐可變車道技術研究及特點分析

1.1.1潮汐可變車道的形式及優點

潮汐可變車道線通常為黃色或白色，有線形和虛線兩種形式，通常設置在車道邊緣。其切換由交通信號燈或電子顯示牌控制，司機根據信號燈或顯示牌的指示，選擇正確的車道行駛。潮汐可變車道技術的優點有以下幾點，首先可以根據實際需要靈活調整車道數量和方向，提高道路利用率和通行效率。其次可以減少因為頻繁變換車道而引發的事故風險和油耗損失。然后可以緩解因為單向車流量過大而造成的環境污染和噪音干擾。

1.1.2潮汐可變車道的應用

潮汐可變車道技術在智慧停車管理中的應用主要體現在可以根據不同時間段的車流量，實時調整停車位的分配。智慧停車管理平臺需要處理和分析大量的停車數據，包括車位使用情況、車輛進出場信息、交通流量等，而這些恰恰是潮汐可變車道技術目前存在的不足之處，為此研究在潮汐可變車道技術的基礎上引入非線性自回歸神經網絡模型，進一步提高智慧停車管理平臺的智能化水平。非線性自回歸神經網絡模型的基本結構如式（1）所示。

式（1）中：為輸出式；d0hAcMC0BaHoO8sMI/HB4A==為輸入式；為非線性模糊函數；為數據訓練時長；為系統輸入時的延遲階數；為系統輸出時的延遲階數。非線性自相關神經網絡模型是一種基于神經網絡的自相關模型，它通過非線性函數將歷史數據與當前數據進行相關分析，以實現預測和分類等任務。

1.1.3非線性自相關神經網絡模型的應用

非線性自相關神經網絡模型可以學習歷史停車數據與當前停車需求之間的非線性關系，并預測未來的停車需求和車位使用情況。因此，潮汐可變車道技術和非線性自回歸神經網絡模型可以結合應用，以實現更加智能化和高效的智慧停車管理。首先，潮汐可變車道技術可以實時監測道路交通流量，根據交通流量的變化動態調整車道方向，從而增加道路通行能力和緩解交通擁堵。而非線性自回歸神經網絡模型則可以學習歷史停車數據與當前停車需求之間的非線性關系，并預測未來的停車需求和車位使用情況。

1.2智慧停車管理平臺的設計與實現

1.2.1智慧停車管理平臺架構設計

停車管理平臺需要整合不同停車場的數據，包括車位使用情況、車輛進出場時間等。但是，由于不同停車場的建設和管理方式不同，數據格式和標準不統一，導致停車管理平臺無法實現信息的共享和整合，形成了信息孤島。為此，研究基于潮汐可變道技術，并針對目前停車管理平臺存在的不足，構建出一個智慧停車管理平臺，以提高對車輛數據的智能分析并準確預測停車需求和供應情況。最終設計的智能停車管理平臺如圖1所示。

智慧停車管理平臺架構主要分為應用層、系統層、網絡層、前端設備層，其中應用層主要包括潮汐可變車道、停車分析、反向尋車、地面停車管理、設備管理。系統層主要包括停車收費系統、進出口管理系統、停車誘導系統、安防系統、商場會員系統。網絡層為網絡和數據傳輸。前端設備包括道閘、攝像機、車流引導、室外大屏、藍牙模塊、地感控制等等。

1.2.2智慧停車管理平臺重要組成部分

應用層是智慧停車管理平臺的核心部分，其功能為滿足不同用戶的需求，潮汐可變車道主要解決高峰期車流量大的問題，停車分析用以幫助停車場運營者更好地規劃和管理車位。車流密度與智慧停車管理平臺之間存在密切關系，為實現對停車場內部車流的判斷，研究對車流密度進行判斷，其表達式如式（2）所示。

式（2）中：為平均車速；為停車場內部車輛的狀態。系統層是智慧停車管理平臺的另一個重要組成部分，系統之間進行相互協作，最終實現對停車場進行全面管理和監控。

2.智慧停車管理平臺的實現效果及影響分析

2.1改進潮汐可變車道技術的應用效果評估

為驗證基于非線性自回歸神經網絡模型和潮汐可變車道技術在智慧停車平臺中的管理效果，研究收集某停車場的歷史車流數據、停車位數據、交通狀況數據等。比較改進前后潮汐可變車道技術下交通流量的預測值與實際值，經數據分析可知，改進后的潮汐可變道技術在不同時間點上基本與真實的車流量相吻合，其交通車流量預測的平均誤差為3.8%。改進前的潮汐可變道技術對交通流的預測誤差為22.3%。綜上可知，改進后的潮汐可變技術在交通高峰期間通過準確預測交通流量可以更好地幫助平臺提前做好準備，調配足夠的停車位資源。

2.2智慧停車管理平臺的應用結果評估

研究通過比較智慧停車管理平臺投入使用前后的停車泊位利用率，評估研究的智慧停車平臺對于提高停車資源利用效率的作用。經實驗分析，改進前停車泊位利用率集中在0%～40%之間。改進后停車泊位的利用率主要集中在80%左右，比使用智慧停車管理平臺前增加了20%以上的停車泊位利用率。綜上可知，研究的智慧管理平臺可以實時調整停車場的車位數與泊位數，為車主提供精確的數據與服務。

3結語

城市化的快速發展的背景下，大量車輛涌入城市，但停車設施并未跟上車輛的增長速度，導致停車難成為城市的一個突出問題。經實驗研究，結果表明相比于改進前的技術，改進后的潮汐可變道技術對交通流的預測誤差低于改進后預測誤差的18.5%以上。可以更好地幫助平臺提前做好準備，調配足夠的停車位資源，同時幫助平臺合理安排停車位的數量和分布。在不同時間段下智慧停車管理平臺的停車泊位利用率更均衡，主要集中在80%左右，比使用智慧停車管理平臺前增加了20%以上的停車泊位利用率。綜上可知，研究基于非線性自回歸網絡JWAavmRHQ5osYijmhKVtdg==模型的潮汐可變道技術可以有效應用于實際停車場景，并且可以準確分析實時的停車數與泊位數，提高車位利用率。

參考文獻

[1]趙天一，王宏起，李玥，等.新興產業創新生態系統綜合優勢形成機理：以新能源汽車產業為例[J].科學學研究，2023，41（12）：2267-2278.

[2]姚穎蓓，陸建忠，傅業，等.華東地區電動汽車發展趨勢及用電需求預測[J].電力系統保護與控制，2021，49（4）：141-145.

[3]王金棟，應堅國.基于SUMO仿真的停車場車輛離場智慧管控策略[J].武漢理工大學學報：交通科學與工程版，2023，47（4）：615-619.

[4]喬建剛，李恩玉，劉怡美，等.智慧高速公路收費站潮汐車道的開放數量研究[J].河北科技大學學報，2023，44（1）：83-92.

[5]陳婷婷，賈順平.綜合考慮早晚高峰交通流特性的可變車道布置方案[J].科學技術與工程，2021，21（9）：3822-3828.

[6]MesaJA，OrtegaFA，PozoMA，etal.Assessingtheeffectivenessofpark-and-ridefacilitiesonmultimodalnetworksinsmartcities[J].TheJournaloftheOperationalResearchSociety，2022，73（3）：576-586.