[發明專利]一種基于改進BP神經網絡的私人停車位共享方法

有效

• 申請號: 202110918452.8
• 申請日: 2021-08-11
• 公開（公告）號: CN113496625B
• 公開（公告）日: 2022-04-01
• 發明（設計）人: 石琴;侯偉路;張曉楠;蔣正信;郭利泉
• 申請（專利權）人: 合肥工業大學
• 主分類號: G08G1/14
• 分類號: G08G1/14;H04L67/12;H04L67/52;G06N3/04;G06N3/08
• 代理公司: 安徽省合肥新安專利代理有限責任公司 34101
• 代理人: 陸麗莉;何梅生

1.一種基于改進BP神經網絡的私人停車位共享方法，其特征在于，是應用于由出租者終端、駕駛員終端和后臺所形成的共享網絡中，并包括以下步驟：

步驟1：后臺收集真實場景下當前車輛目的地的共享停車數據并作為原始數據，包括：當前車輛在t時刻與目的地周邊的第i個私人停車位的距離目的地周邊的第i個私人停車位與當前車輛目的地的距離d_i、目的地周邊一定范圍內的公共停車場在t時刻的泊位占有率p^t、其他車輛對目的地周邊的私人停車位在t時刻的滿意度s^t和目的地周邊的第i個私人停車位在t時刻的實時分值

步驟2：后臺構建改進BP神經網絡，包括：輸入層、隱藏層和輸出層；

所述輸入層中M個神經元的輸入為并作為改進BP神經網絡的輸入向量；

所述隱藏層的神經元個數為M表示輸入層中的神經元個數，N表示輸出層的神經元個數；a表示固定參數，且a∈[2,10]；

所述輸出層中N個神經元的目標輸出為并作為改進BP神經網絡的輸出向量；

定義輸入層的第m個神經元與隱藏層的第k個神經元的連接權重為w_km，m∈[1,M]，k∈[1,K]，隱藏層的第k個神經元的閾值為θ_k；

定義隱藏層的第k個神經元與輸出層的第n個神經元的連接權重為w′_nk，n∈[1,N]，定義輸出層的第n個神經元的閾值為θ′_n；

步驟3：所述改進BP神經網絡的前饋過程；

步驟3.1：定義p是當前迭代次數，p_max是最大迭代次數，并初始化p＝1；

步驟3.2：利用式(1)得到所述改進BP神經網絡的前饋過程中第p次迭代時的隱藏層的第k個神經元的輸出

式(1)中，f(·)表示隱藏層的激活函數，表示第p次迭代時的隱藏層的第k個神經元的輸入，且表示第p次迭代時的輸入層的第m個神經元與隱藏層的第k個神經元的連接權重，表示第p次迭代時所述輸入層中的第m個神經元的輸入；

利用式(2)得到所述改進BP神經網絡的前饋過程中第p次迭代時的輸出層的第n個神經元的輸出

式(2)中，f′(·)表示輸出層的激活函數，表示第p次迭代時的輸出層的第n個神經元的輸入，且表示第p次迭代時的隱藏層的第k個神經元與輸出層的第n個神經元的連接權重；

利用式(3)得到所述改進BP神經網絡的前饋過程中第p次迭代時的第n個神經元的輸出與目標輸出之間的誤差

式(3)中，是所述改進BP神經網絡中第p次迭代時的輸出層的第n個神經元所對應的目標輸出；

步驟4：所述改進BP神經網絡的反饋過程；

利用式(4)得到所述改進BP神經網絡的反饋過程中第p次迭代時權重的變化量：

式(4)中，表示第p次迭代時輸入層的第m個神經元與隱藏層的第k個神經元的權重變化量，表示第p次迭代時隱藏層的第k個神經元與輸出層的第n個神經元的權重變化量，η^p表示所述改進BP神經網絡第p次迭代時的學習率，且η^p∈[0,1]；

利用式(5)得到所述改進BP神經網絡的反饋過程中第p次迭代時閾值的調整量：

式(5)中，表示第p次迭代時的隱藏層中第k個神經元的閾值調整量，表示第p次迭代時輸出層中的第n個神經元的閾值調整量；

利用式(6)得到所述改進BP神經網絡的反饋過程中第p次迭代時的參數更新：

式(6)中，η^p+1表示所述改進BP神經網絡第p+1次迭代時的學習率，g^p表示第p次迭代時的梯度，m^p表示第p次迭代時的移動平均指數，m^p-1表示第p-1次迭代時的移動平均指數，s^p表示第p次迭代時的梯度g^p和移動平均指數m^p的差方和，s^p-1表示第p-1次迭代時的差方和，和分別是第p次迭代時的移動平均指數m_p的修正以及差方和s_p的修正，和是第p次迭代時的兩個可變參數；α和ε是兩個固定參數；

根據式(7)得到所述改進BP神經網絡的反饋過程中第p次迭代時的權重和閾值的更新公式：

式(7)中，表示第p+1次迭代時輸入層的第m個神經元與隱藏層的第k個神經元的連接權重，表示第p+1次迭代時隱藏層的第k個神經元與輸出層的第n個神經元的連接權重，表示第p+1次迭代時隱藏層的第k個神經元的閾值，表示第p次迭代時隱藏層的第k個神經元的閾值，表示第p+1次迭代時輸出層的第n個神經元的閾值，θ′_n^p表示第p次迭代時輸出層的第n個神經元的閾值，σ為參數，且σ∈[-1,1]；

步驟5：p+1賦值給p后，返回步驟3.2順序執行，直至誤差小于某一給定范圍或者p達到最大迭代次數p_max時停止訓練，從而得到訓練好的BP神經網絡；

步驟6：所述出租者終端將自身所擁有的私人停車位的位置以及空閑時間發送給所述后臺進行共享；所述駕駛員終端發送自身位置、目的地以及停放時間給所述后臺；

步驟7、所述后臺根據所述出租者終端和駕駛員終端發送的信息進行分析處理，得到當前輸入向量，并利用訓練好的BP神經網絡對當前輸入向量進行預測，并得到對應的輸出結果中并發送給所述駕駛員終端；

步驟8、所述駕駛員終端根據所述輸出結果選擇相應的私人停車位后完成停車，并將滿意度發送給所述后臺進行更新，同時，所述后臺更新泊位占有率。