一种医院地下停车场最优泊车位的选择方法研究

朱清美

（潍坊医学院附属医院，山东 潍坊 261061）

近几年由于新冠疫情和甲流感的爆发，医院就诊病员数量大幅度增加，停车难已成为困扰就诊和探病人员的焦点问题[1-2]。自2021 年9 月开始，潍坊医学院附属医院为了最大限度将停车位提供给就诊人员，取消了内部职工专用停车位。[3]但受空间资源限制，现有的停车位仍难以满足就诊的需求。探索和解决就诊人员停车难的问题，已成为当前亟待解决的民生问题之一，同时也是医院后勤智能化管理与建设的一项重要内容。

传统的停车行为通常是驾乘人员行驶至停车场，通过目测随机寻找空车位。由于难以获得精准的空车位位置信息和行驶过程中道路拥堵状况，使驾乘人员在寻找空车位时，具有一定的随机性和盲目性，增加了寻找泊车位的时间，降低了停车场空车位周转率，同时延误了患者问医寻诊时间[4]。

针对潍坊医学院附属医院现有地下停车场停车位泊车存在的问题，提出一种医院地下停车场最优泊车位的选择方法。主要思想是考虑影响驾乘人员泊车位选择的主要因素，根据影响因素的权重，构造加权决策规范化矩阵，实时对当前所有空车位进行综合量化评估，将综合评估值最高的泊车位分配给驾乘人员，有效缓解停车难的问题[5-7]。

1 影响驾车人员泊车位选择的主要因素

通过对医院地下停车场调查分析可知，影响就诊人员或陪护家属选择泊车位的四个主要因素是：地下停车场入口到达泊车位的行驶距离；泊车位到达地下停车场电梯入口的步行距离；泊车位停放车辆的难易程度；行驶路径拥堵状况[8-10]。

1.1 地下停车场入口到达泊车位的行驶距离

地下停车场入口到达泊车位的行驶距离指停车场入口到各个空车位的距离。为使病人及时就诊，驾乘人员期望能快速寻找到停车位，停车场入口至停车位距离越短的泊车位越容易被驾乘人员选择。

1.2 泊车位到达地下停车场电梯入口的步行距离

泊车位到达地下停车场电梯入口的步行距离指泊车位到地下停车场电梯出入口的距离。考虑病员行走不便，驾乘人员通常选择靠近地下停车场电梯入口的空车位泊车。

1.3 泊车位停放车辆的难易程度

泊车位停放车辆的难易程度指驾乘人员将车辆停放至泊车位操作的难易性。驾乘人员通常会考虑空车位的两侧的状况，选择停车复杂程度低的泊车位停车。

车位两侧的状况指空车位相邻两侧是否已停放车辆，或者空车位是否邻靠地下停车场建筑支撑柱。通常驾乘人员选择完成泊车操作难度系数低的空车位泊车以节约停车时间。可用空车位的状况示意描述分别如图1、图2、图3、图4 所示。

图1 相邻停车位未被占用

图2 相邻停车位一侧被占用

图3 相邻停车位均被占用

图4 停车位紧邻支撑柱

1.4 行驶路径拥堵状况

行驶路径拥堵状况指驾车人员寻找空车位过程中，该行驶路径是否有行驶车辆。驾乘人员停车时通常考虑选择通往泊车位的路径无行驶车辆或者车辆较少的停车位。行驶路径有行驶车辆的情形如图5 所示，行驶路径无行驶车辆的情形图如图6所示。

图5 行驶路径有行驶车辆的情形

图6 行驶路径无行驶车辆的情形

综合上述，贺乘人员通常会综合考虑影响泊车的四个主要因素，期望选择最优空车位完成泊车行为。

2 接近理想点算法（TOPSIS）原理

2.1 接近理想点算法（TOPSIS）简介

接近理想点算法（Technique for Order Preference by Similarity to an Ideal Solution,TOPSIS）由C.L.Hwang 和k.Yoon 于1981 年首次提出，该算法因简单实用，已成为解决多属性决策问题的有效算法之一。算法主要策略是：将备选方案中各个属性均达到最优值作为一个正理想解（PIS），将备选方案中各个属性均达到最劣值作为一个负理想解(NIS)，然后分别计算各个备选方案与正理想解（PIS）和负理想解（NIS）的欧式距离，将既接近正理想解（PIS）又远离负理想解（NIS）的方案作为最优方案[11]。

2.2 接近理想点算法（TOPSIS）基本步骤

TOPSIS 算法基本步骤如下[12-14]：

step2：确定备选方案中各个属性的权重值，构造加权规范化决策矩阵为各个属性的权重矩阵；

step4：分别计算各备选方案到正理想解和负理想解的欧式距离和。

3 停车场最优泊车选择方法应用实例

医院地下停车场某时刻状况如图7 所示。从图中可知，A 区有A4、A10、A11、A12 四个空车位；B区有B8、B11、B12 三个停车位；C 区有C4、C7、C8 三个停车位；D 区有D2、D3、D4、D9、D10 五个停车位。因此，该地下停车场有十五个空车位可供驾车者选择。

图7 某医院地下停车场某时刻状况

方案1～方案15 对应的停车位所在的区域与停车位编号如表1 所示。

表1 方案1～方案15 对应的停车位所在的区域与停车位编号

3.1 影响驾车者泊车的四个主要因素权重确定

通过对100 名不同驾龄、不同性别和不同年龄的就诊人员和陪护家属问卷调查可知，驾乘人员总是期望泊车位距离电梯入口远近越优，其次期望行驶路径行驶车辆越少越优，再次期望泊车位距离停车场入口越近越优，最后期望泊车位完成停车操作越方便越优。通过对驾乘人员选择泊车位的偏好分析，驾车者选择泊车位的四个因素的权重参数设置分别如下。

3.2 泊车位定性属性值量化

属性值量化通常采用Bipolar 标度标定。Bipolar 标度具有10 个刻度,无论哪一种属性量化时，其最大值和最小值取值范围为1～9[15]。

驾乘者寻找泊车位行驶路径量化如下：

（1）停车位行驶路径无车辆行驶时，其量化值为9；

（2）停车位行驶路径有1 辆车行驶时，其量化值为5；

（3）停车位行驶路径有2 辆及以上车辆行驶时，其量化值为1。

空车位两侧状况量化如下：

（1）停车位两侧均有空车位时，其量化值为9；

（2）停车位一侧有空车位且未紧邻建筑支撑柱时，其量化值为8；

（3）停车位一侧有空车位且紧邻建筑支撑柱时，其量化值为7；

（4）停车位两侧无空车位且未紧邻建筑支撑柱时，其量化值为6；

（5）停车位两侧无空车位且紧邻建筑支撑柱时，其量化值为5。

3.3 构造原始决策矩阵R

根据图7 构造原始决策矩阵，原始决策矩阵R 的各元素值如表2 所示。

表2 原始决策矩阵元素值

3.4 构造规范化决策矩阵X

影响泊车位选择的四个主要因素中，地下停车场入口到达泊车位的行驶距离和泊车位到达地下停车场电梯入口的步行距离，均属于定量属性值，其单位都是“米”，而泊车位停放车辆的难易程度以及行驶路径拥堵状况属于定性属性值，因此，必须将其进行规范化归一处理。

常见的规范化归一方法主要有：向量规范化法、线性变换法和区间变换法三种。比较三种规范法的优缺点，这里采用效益型线性变换法对各个属性值进行规范化归一处理。效益型线性变换法转化公式如（4）式。

采用TOPSIS 算法评价时，要求所有影响因素指标方向一致，即将各个影响因素做同趋势化处理。通常采用将影响因素低优指标高优化，即对影响因素差值法处理。本案例影响驾车者泊车的四个主要因素中，地下停车场入口到达泊车位的行驶距离和泊车位到达地下停车场电梯入口的步行距离属于低优指标，因此，需将这两个影响因素进行差值法处理，其计算公式如（5）式。

经过规范化处理后的规范化矩阵X 元素值如表3 所示。

表3 规范化矩阵X 元素值

3.5 构造加权规范化矩阵Y

经过计算后的加权规范化矩阵Y 元素值如表4 所示。

表4 加权规范化决策矩阵Y 元素值

3.6 计算备选方案到正理想解和负理想解的欧氏距离和及综合评价值

由表4 可得：

正理想解Y+=(0.1222, 0.2554, 0.2500，0.1000)；

负理想解Y-=(0.000, 0.0000, 0.0278，0.0667)；

表5 计算被评价对象到正理想解和负理想解的欧氏距离和和综合评价值

表5 计算被评价对象到正理想解和负理想解的欧氏距离和和综合评价值

备选方案方案1 0.2585 0.1673 0.3929方案2 0.1679 0.2005 0.5442方案3 0.1603 0.2051 0.5613方案4 0.1549 0.2102 0.5757方案5 0.2364 0.2173 0.4789方案6 0.2322 0.2504 0.5189方案7 0.2399 0.2608 0.5208方案8 0.1500 0.1480 0.4966方案9 0.1072 0.1972 0.6478方案10 0.1039 0.2069 0.6657方案11 0.3634 0.0755 0.1722方案12 0.2681 0.0728 0.2136方案13 0.2478 0.0731 0.2277方案14 0.1688 0.1553 0.4355方案15 0.1786 0.1378 0.4759

由表5 可知，方案1～15 的排列顺序为：c10＞c9＞c4＞c3＞c2＞c7＞c6＞c8＞c5＞c15＞c14＞c1＞c13＞c12＞c11＞。c10对应C区的空车位C10 为最优泊车位，其结果与驾乘人员选择空车位偏好相吻合。

4 结语

针对医院地下停车场提出的最优泊车位选择方法，可使就诊人员在短时间内快速找到最优泊车位，避免寻找泊车位的随机性和盲目性，可使泊车更加人性化，同时可获得驾乘者较高满意度，为医院地下停车场智能化管理提供了一种借鉴。