基于Mamdani算法的停車誘導(dǎo)決策方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明設(shè)及模糊控制領(lǐng)域，具體是一種面向自然語言，利用沉淀的元數(shù)據(jù)信息進(jìn) 行誘導(dǎo)停車的決策方法。
【背景技術(shù)】
[0002] 由于國內(nèi)經(jīng)濟(jì)發(fā)展呈層次化、階梯化的形態(tài)，因此對于智慧停車場的需求和理解 也呈現(xiàn)了不同的狀態(tài)。簡而言之，經(jīng)濟(jì)欠發(fā)達(dá)地區(qū)對于停車場資源透明度、可視度的處理尚 未完善，因為汽車數(shù)量不及一、二線城市多，對于停車場的需求也呈現(xiàn)了差異化;對于經(jīng)濟(jì) 高度發(fā)展的大型城市而言，城市公共或私有停車場都做到了信息透明，可W實時的呈現(xiàn)在 網(wǎng)頁端，甚至一些移動客戶端上。但關(guān)于停車場內(nèi)的誘導(dǎo)停車服務(wù)卻做得不盡如意，主要表 現(xiàn)在W下幾個方面：
[0003] (1)簡單粗暴的元數(shù)據(jù)。由于技術(shù)能力的落后，一些停車場只通過簡單的車位識別 和加法運(yùn)算處理后的"元數(shù)據(jù)"展現(xiàn)給被服務(wù)主體。車輛駕駛者并無法從運(yùn)些基礎(chǔ)的數(shù)據(jù)中 得到直接的幫助，例如，前方有23個車位，左側(cè)有34個車位。運(yùn)只是信息的展示，換句話說運(yùn) 簡單粗暴的誘導(dǎo)只能叫做化rking Guidance and Info;rmation(PGI)。大量的原始數(shù)據(jù)并 沒有完全處理，系統(tǒng)沒有發(fā)掘出其背后的意義。
[0004] (2)無處不在的RFID。為了提供形式上"一對一"有針對性的誘導(dǎo)服務(wù)，停車場的管 理系統(tǒng)不得不掌握車輛的位置，因此就需要一定數(shù)量的RFID遍布整個停車場，并實時與汽 車進(jìn)行信息識別。運(yùn)種形式的誘導(dǎo)停車看似感知了整個環(huán)境和被服務(wù)主體，實際上只是在 堆擱同類型的硬件而已。利用RFID或者NFC技術(shù)來明確個人標(biāo)識，并沒有主動匹配用戶需求 與停車場的資源。
[000引（3)免費(fèi)的移動軟件客戶端。為了得到能夠更好的呈現(xiàn)效果和用戶體驗，停車場管 理者不遺余力的開發(fā)各種移動終端上的APP，用來展示停車場信息。然而得到的效果卻不是 那么的明顯，主要原因有W下幾點(diǎn)：
[0006] a.由于電信運(yùn)營商的網(wǎng)速限制或者移動終端的性能不一，導(dǎo)致用戶體驗有了差異 化。用戶不能實時地獲得一手信息，也就不能及時地作出判斷。
[0007] b.信息的展現(xiàn)與互動是建立在用戶統(tǒng)一的軟件界面，甚至是相同的硬件架構(gòu)之上 的。對于停車場的老用戶尚不能普及，更不用說新來的用戶了。更何況每個停車場的管理系 統(tǒng)平臺不一樣，運(yùn)樣對于用戶的耐屯、、其手機(jī)的性能都是一種負(fù)擔(dān)。
[0008] 綜上所述，現(xiàn)階段國內(nèi)停車場的智能誘導(dǎo)服務(wù)做的尚未完善，用戶的需求分析不 明朗、體驗感欠缺，現(xiàn)階段主要受困于W下幾個方面的問題：
[0009] (1)停車場不能準(zhǔn)確把握被服務(wù)者需求；
[0010] (2)駛?cè)肫囅抻诩夹g(shù)只能被動接受信息；
[0011] (3)需要被服務(wù)主體擁有統(tǒng)一的軟、硬件平臺的因素。

【發(fā)明內(nèi)容】

[0012] 為了解決上述現(xiàn)有技術(shù)存在的缺陷，本發(fā)明提供了一種基于Mamdani算法的停車 誘導(dǎo)決策方法，能夠發(fā)掘歷史數(shù)據(jù)庫中更深層的意義，能夠主動匹配用戶需求和停車場資 源。
[0013] 本發(fā)明采用的技術(shù)方案:一種基于Mamdani算法控制的停車誘導(dǎo)決策方法，包括用 于輸入車輛種類的模糊化接口 1和用于輸入停車頻率的模糊化接口 2，包括W下步驟：
[0014] S1:按照停車場電梯終點(diǎn)和特征，將電梯分為四類:直達(dá)商場的商場直梯，悠閑到 達(dá)商場的扶手電梯，直達(dá)電影院的電影院直梯和直達(dá)寫字樓的寫字樓直梯；
[0015] 按照上月車輛平均每次停留時長，將停車場內(nèi)的停車類型Type分為四種，即模糊 化接口 1的輸入:時長為0~1小時定義為"短暫停留"，時長為1~2小時定義為"購物"，時長 為2~3小時定義為"看電影或吃飯"，時長為3~24小時定義為"工作"；
[0016] 按照上月車輛停車次數(shù)Times,劃分停車頻率Frequency,停車次數(shù)為0~30次的， 記其停車頻率為停車次數(shù)，即化equen巧= Times;停車次數(shù)為31~40次的，記其停車頻率為 31;停車次數(shù)大于40次的，記其停車頻率為32;
[0017] 停車類型和停車頻率均記錄在系統(tǒng)后臺數(shù)據(jù)倉庫；
[0018] S2:車牌識別與語音輸入甄別，用戶可W在停車場入口識別車牌時，說出停車目 的，系統(tǒng)自動甄別停車類型，停車類型為"短暫停留"的，模糊化接口 1輸入Type = -1;停車類 型為"購物"的，模糊化接口 1輸入Type = 0;停車類型為"看電影或吃飯"的，模糊化接口 1輸 入Type = 1;停車類型為"工作"的，模糊化接口 1輸入Type = 1;
[0019] 根據(jù)用戶語音輸入信息或車輛上月停車頻率，模糊化接口 2輸入停車頻率 Frequency;
[0020] 如果用戶在識別車牌期間保持沉默，則系統(tǒng)根據(jù)車輛上月平均每次停留時長來輸 入停車類型，根據(jù)車輛上月停車次數(shù)輸入停車頻率；
[0021] 如果用戶沒有說出停車目的，且車輛是第一次駛?cè)胪＼噲觯瑒t系統(tǒng)自動將該車輛 類型歸類為"購物"，模糊化接口 1輸入化ye = 0，模糊化接口 2輸入化equency = 0;
[0022] S3:計算可靠度指數(shù)Reliability Index,如果有用戶語音信息，則按照語音信息 中的關(guān)鍵詞計算;如果沒有用戶語音信息，則通過歷史數(shù)據(jù)分析得到可靠度指數(shù)；
[0023] S4:建立隸屬函數(shù)，將由輸入變量、輸出變量構(gòu)成的普通型關(guān)系數(shù)據(jù)庫轉(zhuǎn)換為模糊 型關(guān)系數(shù)據(jù)庫，普通型數(shù)據(jù)庫共有D個數(shù)據(jù)元組{dl，d2，···，cb}構(gòu)成，其相應(yīng)的模糊型數(shù)據(jù)庫 為{ydi，yd2,…，4加}，其中μ為模糊化隸屬度函數(shù)，Wdk由
組成，k = 1，2，…，D，其中
分別是模糊輸入的隸屬函數(shù)，P胃 則是輸出的函數(shù)；
[0024] S5:創(chuàng)建模糊規(guī)則庫，基于if-then的規(guī)則表述，利用邏輯，將模糊化輸入、輸出相 關(guān)聯(lián)，得到初步模糊規(guī)則庫，其方法為：
[0025] 若用戶明確目的地，則根據(jù)模糊化輸入量Frequen巧確定停車位置，其劃分的原則 依照其歷史月駛?cè)氲拇螖?shù)，如圖4;若用戶沒有明確表達(dá)目的地，且不是第一次進(jìn)入停車場， 則系統(tǒng)根據(jù)歷史數(shù)據(jù)確定停車類型;若用戶沒有明確表達(dá)目的地，且是第一次進(jìn)入停車場， 則系統(tǒng)自動按照目的地為商場直梯來處理；
[0026] S6:計算模糊規(guī)則的支持度，其表述如下：
[0027]
[0028] 完成初步模糊規(guī)則庫后，通過計算模糊規(guī)則的支持度，篩選支持度最高的規(guī)則，除 去支持度低于0.5的冗余規(guī)則，得到完備模糊規(guī)則庫；
[0029] S7:反模糊化過程，采用反模糊化方法從模糊型數(shù)據(jù)庫中獲得精確結(jié)果；
[0030] S8:誘導(dǎo)停車，通過步驟S7得出的汽車目標(biāo)停車位，通過顯示手段向駕駛員傳遞最 終結(jié)果；
[0031] S9:汽車駛出停車場后，將步驟S7中的系統(tǒng)推理結(jié)果、系統(tǒng)后天數(shù)據(jù)倉庫中的汽車 目標(biāo)地類型和汽車真實停車類型進(jìn)行比較后，進(jìn)行數(shù)據(jù)更新和用戶習(xí)慣升級，其計算方法 如下：
[0032]
[0033] 公式中，
[0034] Typeupdate-最后更新的Type 數(shù)據(jù)；
[00巧]Times-系統(tǒng)后臺數(shù)據(jù)倉庫中既有數(shù)據(jù)；
[0036] Typecalculate--步驟 S7得到的結(jié)果；
[0037] Typeexistence一系統(tǒng)后臺數(shù)據(jù)倉庫中原有的Type數(shù)值；
[0038] Typethis--根據(jù)汽車真實停留時間得到的汽車Type數(shù)值。
[0039] 優(yōu)選的，步驟S3中可靠度指數(shù)Reliability Index計算方法如下：
[0040] S31:如果有用戶語音輸入，則識別語音信息中的關(guān)鍵詞Keyword、漢字個數(shù) Length、聲音分貝