[發(fā)明專利]一種車位共享系統(tǒng)及其方法有效
| 申請?zhí)枺?/td> | 201810567234.2 | 申請日: | 2018-06-05 |
| 公開(公告)號: | CN108564810B | 公開(公告)日: | 2021-02-19 |
| 發(fā)明(設計)人: | 宋懷春;潘呈禮;陳志良;莫洋 | 申請(專利權)人: | 長沙大京網絡科技有限公司 |
| 主分類號: | G08G1/14 | 分類號: | G08G1/14;G06Q10/02;G06Q30/06;G06N3/00;G06N3/08 |
| 代理公司: | 長沙科永臻知識產權代理事務所(普通合伙) 43227 | 代理人: | 龍芳 |
| 地址: | 410300 湖南省長沙市瀏陽高*** | 國省代碼: | 湖南;43 |
| 權利要求書: | 查看更多 | 說明書: | 查看更多 |
| 摘要: | |||
| 搜索關鍵詞: | 一種 車位 共享 系統(tǒng) 及其 方法 | ||
1.一種車位共享方法,其特征在于,包括如下步驟:
步驟1:把用戶端的車位出租模塊的輸入數(shù)據(jù)和車位預約模塊的輸出數(shù)據(jù)作為樣本確定BP神經網絡系統(tǒng)的網絡結構;
步驟2:初始設定車位混沌蟻群的初始參數(shù),包括車位數(shù)量n、迭代次數(shù)和停車場S,然后隨機形成一個蟻群;
步驟3:把步驟1的樣本作為BP神經網絡的訓練樣本,并且開始用步驟2中的車位混沌蟻群算法訓練BP神經網絡;
步驟4:計算車位混沌蟻群算法的適應度函數(shù)E的值,判斷它是否是蟻群的最佳位置或者有沒有根據(jù)適應度函數(shù)值得最小原則,在最優(yōu)反復迭代的過程,如果計算得到的適應度函數(shù)值E小于任何螞蟻當前最佳位置的最小值,更新自己最佳的適應度函數(shù)值E,并且把這個最佳值賦給最佳位置值pid(t)中;
步驟5:對步驟4進行迭代處理,判斷迭代是否達到最大的迭代值或者規(guī)定值,如果達到,輸出車位預訂的最佳車,如果沒有達到,返回步驟4;
所述步驟1中BP神經網絡系統(tǒng)的網絡結構包括車位輸入層模塊、車位處理層模塊和空余車位輸出模塊,
假設輸入層有m個節(jié)點,每個節(jié)點代表用戶輸入租車位的節(jié)點,即輸入矢量是X=(x1,x2,...,xm),隱層有p個節(jié)點,每個節(jié)點代表車位,即對應矢量是Y=(y1,y2,...,yp),輸出層有n個節(jié)點,每個節(jié)點代表可使用車位,即輸出矢量是O=(o1,o2,...,on);假設任何輸入層的節(jié)點xi和任何隱層的節(jié)點yk之間權值是ωik,隱層對應神經元k的閾值為θk;任何隱層的節(jié)點yk和任何輸出層的節(jié)點oj之間權值是ωkj,輸出層對應神經元j的閾值為θj,所以得到計算的公式為:
f(·)表示關于神經元的激勵函數(shù),確定輸出的可使用車位,同時在處理時把隱層有p個節(jié)點傳給車位預約數(shù)據(jù)處理模塊進行同時處理;
所述步驟3中車位混沌蟻群算法為:
在l維度的連續(xù)實數(shù)空間Rl,車蟻群中的車位數(shù)量為n,把所有的車位均放回自身停車場S中,并且他們的最小化函數(shù)為f:S→R,在停車場S中的每一個點s是所給問題的適宜解,設第i個車位的位置為si=(zi1,zi2,...,zil),i=1,2,...,n,在車位狀態(tài)運動過程中,每一個車位都會被整個車位蟻群組織影響,在數(shù)學運算表達式中,一個車位的運動規(guī)律是一個關于自己目前位置、自己和同伴的最佳位置和組織變量的函數(shù),該函數(shù)是:zid(t)=g(zid(t-1),pid(t-1),yi(t)),其中,g(·)函數(shù)表示的是一個非線性函數(shù),t表示的是螞蟻當前這一步的時刻,t-1表示螞蟻在上一步的時刻,zid(t)表示的是第i個螞蟻的d維度狀態(tài),這里d=1,2,...,l,pid(t-1)表示的是第i個螞蟻與它相鄰螞蟻在t-1步內所找到的最佳位置,yi(t)表示的是組織變量現(xiàn)在的狀態(tài),通過改變yi(t)來實現(xiàn)車位蟻群的混沌行為,混沌蟻群優(yōu)化算法的動力模型是:
ri=0.1+0.2rand(n)
其中a是一個足夠大的常數(shù),b是0≤b≤2/3的常數(shù),決定搜索距離,ri表示的是一個小于1組織因數(shù),一般取0≤ri≤0.5,該因數(shù)影響收斂速度,rand(n)是一個數(shù)字隨機信號發(fā)生函數(shù);
所述步驟4中適應度函數(shù)E為:
適應度函數(shù)E為神經網絡期望輸出與計算輸出之間的誤差大小的函數(shù),M表示的是訓練樣本集的樣本數(shù)量,n表示的是BP神經網絡輸出神經元的數(shù)量,表示的是第i個樣本和第j個節(jié)點的期望輸出值,oji是實際輸出值;
所述步驟5中的迭代處理的次數(shù)為800-8000次;
實現(xiàn)方法的車位共享系統(tǒng),包括用戶端、車位預約子系統(tǒng)、車位出租子系統(tǒng)和車位管理服務器;所述用戶端分別經車位預約子系統(tǒng)和車位出租子系統(tǒng)與車位管理服務器連接;所述用戶端用于供用戶輸入預約車位數(shù)據(jù)和車位出租數(shù)據(jù),并把預約車位數(shù)據(jù)傳給車位預約子系統(tǒng),把車位出租數(shù)據(jù)傳給車位出租子系統(tǒng);所述車位預約子系統(tǒng)對預約數(shù)據(jù)統(tǒng)一進行處理,根據(jù)車位出租子系統(tǒng)和車位管理服務器提供的車位數(shù)據(jù)進行處理運算,并對用戶的預約需求返回并推薦預約的車位;所述車位出租子系統(tǒng)用于統(tǒng)一對用戶出租的車位數(shù)據(jù)進行統(tǒng)一的處理,同時進行車位的實時動態(tài)進行分析,并把分析的車位數(shù)據(jù)傳給車位預約子系統(tǒng),同時輸出可使用車位并傳給車位管理服務器存儲;所述車位管理服務器用于存儲可使用的車位數(shù)據(jù)和用戶預約的車位數(shù)據(jù)和用戶出租的車位數(shù)據(jù);
所述用戶端包括車位預約模塊和車位出租模塊,所述車位預約模塊與車位預約子系統(tǒng)連接;所述車位出租模塊與車位出租子系統(tǒng)連接;所述車位預約模塊用于供用戶輸入預約車位的信息,預約車位的信息包括時間、地點和車的類型;所述車位出租模塊用于供用戶輸入出租車位的信息,出租車位的信息包括車位使用時間、車位地點和車位大小;
所述車位預約子系統(tǒng)包括預約受理模塊、車位預約數(shù)據(jù)處理模塊和車位預約選定模塊;所述預約受理模塊經車位預約數(shù)據(jù)處理模塊與車位預約選定模塊連接,預約受理模塊與車位預約模塊連接,用于統(tǒng)一接收所有用戶預約車位傳入的數(shù)據(jù),并把數(shù)據(jù)傳給車位預約數(shù)據(jù)處理模塊;所述車位預約數(shù)據(jù)處理模塊根據(jù)用戶的預約車位數(shù)據(jù)進行存儲,同時根據(jù)車位出租子系統(tǒng)傳入的車位動態(tài)數(shù)據(jù)和車位管理服務器的車位空余數(shù)據(jù)進行計算處理,返回預約的最優(yōu)車位,其中,返回的預約車位數(shù)據(jù)有三個,由用戶進行選定其中一個;車位預約選定模塊把用戶選定的信息傳給車位管理服務器進行存儲;
所述車位出租子系統(tǒng)包括車位輸入層模塊、車位處理層模塊和空余車位輸出模塊,所述車位輸入層模塊經車位處理層模塊與空余車位輸出模塊連接;所述車位輸入層模塊的輸入端與車位出租模塊連接;所述空余車位輸出模塊輸出端與車位管理服務器連接,所述車位輸入層模塊接收所有用戶出入的出租車位數(shù)據(jù),并把接收的數(shù)據(jù)傳給車位處理層模塊,所述車位處理層模塊對出租的車位數(shù)據(jù)進行分析處理,得到每個車位的動態(tài)信息,同時把動態(tài)信息傳給車位預約數(shù)據(jù)處理模塊,其中,動態(tài)信息為用戶出租所有的車位狀態(tài)信息;所述空余車位輸出模塊把車位處理層模塊輸出的車位可以使用的情況數(shù)據(jù)傳給車位管理服務器進行存儲。
該專利技術資料僅供研究查看技術是否侵權等信息,商用須獲得專利權人授權。該專利全部權利屬于長沙大京網絡科技有限公司,未經長沙大京網絡科技有限公司許可,擅自商用是侵權行為。如果您想購買此專利、獲得商業(yè)授權和技術合作,請聯(lián)系【客服】
本文鏈接:http://www.szxzyx.cn/pat/books/201810567234.2/1.html,轉載請聲明來源鉆瓜專利網。





