移动机器人智能车场停车资源调度分配

当今社会“停车难”的问题日渐严峻,通过引入移动机器人(automated guided vehicle,AGV)构建自动化智能停车场迫在眉睫。针对AGV智能停车场可以自由选择终点这一特点,本文提出了一种停车资源分配方案的代价评价模型,将路径干涉概率引入代价评价模型;同时针对现有的停车资源分配方法对AGV运行情况运行不足从而造成浪费的情况,本文在现有的停车资源分配方法的基础上提出了根据距离交替分配以及基于遗传算法的整体规划分配两种停车资源分配方法。通过Plant Simulation软件对代价模型以及分配方法进行验证,仿真结果显示:在44个停车位,4辆AGV投入运输的情况下,通过降低停车代价将停车总时长提高了30.4%,并针对仿真过程对影响停车效率的因素进行分析。

基于移动终端预约的城市智能停车引导系统研究

智能停车引导系统是城市智能交通的组成部分,能有效地缓解城市交通压力。针对当前停车引导系统引起新的交通堵塞、开销过大、资源利用不均衡等问题,设计了基于移动终端预约的智能停车引导系统的模型。该模型充分考虑了用户当前位置、目标位置和城市停车场实时资源等因素,通过线性规划方法合理解决了有限资源分配问题。理论分析和仿真实验表明,该模型表现出很好的适应性和有效性,缩短了用户交易时间,具有很好的实用价值。

关于车位分配的智能体强化学习算法探讨

停车难问题主要体现在停车资源时空分配不合理——现有的停车场管理中缺乏动态协调不同停车需求与停车资源的匹配机制,未能合理利用停车设施的时空特性,导致停车资源的浪费。在此背景下,通过将停车资源分配问题转换为马尔科夫决策过程,提出一种多智能体深度强化学习算法来对停车场内的差异化停车资源进行动态化分配,并通过算例证明其效果。