基于潮汐可变车道技术的智慧停车管理平台建设研究

摘要：传统的停车管理方式不仅效率低下，而且容易造成数据不准确，无法为决策者提供准确的停车信息。为此研究为提高停车管理智能化水平，基于潮汐可变车道技术并引入非线性自相关神经网络模型对其进行改进，最终设计出一款智慧停车管理平台。经实验验证，改进后的潮汐可变道技术其交通车流量预测的平均误差为3.8%，在交通高峰期间可以准确预测交通流量。智慧停车管理平台投入使用后，解决了实际使用车位数与可用停车位数之间的失衡现象，比使用智慧停车管理平台前增加了20%以上。综上可知，此次研究的智慧管理平台可以准确分析停车数据并进行准确的预测。

关键词：潮汐流可变车道智慧停车城市交通非线性自回归神经网络

中图分类号：U491文献标识码：A

ResearchontheConstructionoftheIntelligentParkingManagementPlatformBasedontheTidalFlowLaneTechnology

ZHONGWenbin

ZhejangXinchengDigitalTechnologyCo.，Ltd.，Ningbo，ZhejiangProvince，315000China

Abstract：Thetraditionalparkingmanagementmethodisnotonlyinefficient，butalsoeasytocauseinaccuratedata，which cannotprovideaccurateparkinginformationfordecision-makers.Inordertoimprovetheintelligentlevelofparkingmanagement，thisstudyisbasedonthetidalflowlanetechnologyandintroducesthenonlinearautocorrelationneuralnetworkmodeltoimproveit，andfinallydesignsanintelligentparkingmanagementplatform.Experimentshaveverifiedthattheaverageerrorofthetrafficflowpredictionoftheimprovedtidalflowlanetechnologyis3.8%，whichcanaccuratelypredicttrafficflowduringthepeaktrafficperiod.Afterthesmartparkingmanagementplatformisputintouse，theimbalancebetweentheactualnumberofusedparkingspacesandthenumberofavailableparkingspacesissolved，whichismorethan20%higherthanthatbeforetheuseofthesmartparkingmanagementplatform.Insummary，itcanbeseenthattheintelligentmanagementplatforminthisstudycanaccuratelyanalyzeparkingdataandmakeaccuratepredictions.

KeyWords：Tidalflow;Reversiblelane;Intelligentparking;Urbantraffic;Nonlinearautoregressiveneuralnetwork

随着国民经济的持续增长，人民生活水平不断提高，汽车逐渐成为家庭必备的交通工具之一[1-2]。传统停车管理方法信息化程度较低，无法充分利用信息化技术的优势[3-4]。为改善大城市中交通拥堵情况，陈婷婷等人[5]在潮汐可变车道的基础上构建优化多目标双层规划模型，在进行实验验证后，结果验证了所提出的模型和算法的有效性。而非线性自相关神经网络模型可以利用历史数据对未来车位需求进行准确预测，从而更好地安排停车位，提高停车效率[6]。为此，在潮汐可变车道技术的基础上进行改进，构建出一种用于智能化管理停车的系统平台。此次研究的创新点为将非线性自回归神经网络模型与潮汐可变车道技术相结合，实现了对停车位需求的精准预测和对车流量的智能化调控。

1.智慧停车管理平台的关键技术及建设方案

1.1潮汐可变车道技术研究及特点分析

1.1.1潮汐可变车道的形式及优点

潮汐可变车道线通常为黄色或白色，有线形和虚线两种形式，通常设置在车道边缘。其切换由交通信号灯或电子显示牌控制，司机根据信号灯或显示牌的指示，选择正确的车道行驶。潮汐可变车道技术的优点有以下几点，首先可以根据实际需要灵活调整车道数量和方向，提高道路利用率和通行效率。其次可以减少因为频繁变换车道而引发的事故风险和油耗损失。然后可以缓解因为单向车流量过大而造成的环境污染和噪音干扰。

1.1.2潮汐可变车道的应用

潮汐可变车道技术在智慧停车管理中的应用主要体现在可以根据不同时间段的车流量，实时调整停车位的分配。智慧停车管理平台需要处理和分析大量的停车数据，包括车位使用情况、车辆进出场信息、交通流量等，而这些恰恰是潮汐可变车道技术目前存在的不足之处，为此研究在潮汐可变车道技术的基础上引入非线性自回归神经网络模型，进一步提高智慧停车管理平台的智能化水平。非线性自回归神经网络模型的基本结构如式（1）所示。

式（1）中：为输出式；d0hAcMC0BaHoO8sMI/HB4A==为输入式；为非线性模糊函数；为数据训练时长；为系统输入时的延迟阶数；为系统输出时的延迟阶数。非线性自相关神经网络模型是一种基于神经网络的自相关模型，它通过非线性函数将历史数据与当前数据进行相关分析，以实现预测和分类等任务。

1.1.3非线性自相关神经网络模型的应用

非线性自相关神经网络模型可以学习历史停车数据与当前停车需求之间的非线性关系，并预测未来的停车需求和车位使用情况。因此，潮汐可变车道技术和非线性自回归神经网络模型可以结合应用，以实现更加智能化和高效的智慧停车管理。首先，潮汐可变车道技术可以实时监测道路交通流量，根据交通流量的变化动态调整车道方向，从而增加道路通行能力和缓解交通拥堵。而非线性自回归神经网络模型则可以学习历史停车数据与当前停车需求之间的非线性关系，并预测未来的停车需求和车位使用情况。

1.2智慧停车管理平台的设计与实现

1.2.1智慧停车管理平台架构设计

停车管理平台需要整合不同停车场的数据，包括车位使用情况、车辆进出场时间等。但是，由于不同停车场的建设和管理方式不同，数据格式和标准不统一，导致停车管理平台无法实现信息的共享和整合，形成了信息孤岛。为此，研究基于潮汐可变道技术，并针对目前停车管理平台存在的不足，构建出一个智慧停车管理平台，以提高对车辆数据的智能分析并准确预测停车需求和供应情况。最终设计的智能停车管理平台如图1所示。

智慧停车管理平台架构主要分为应用层、系统层、网络层、前端设备层，其中应用层主要包括潮汐可变车道、停车分析、反向寻车、地面停车管理、设备管理。系统层主要包括停车收费系统、进出口管理系统、停车诱导系统、安防系统、商场会员系统。网络层为网络和数据传输。前端设备包括道闸、摄像机、车流引导、室外大屏、蓝牙模块、地感控制等等。

1.2.2智慧停车管理平台重要组成部分

应用层是智慧停车管理平台的核心部分，其功能为满足不同用户的需求，潮汐可变车道主要解决高峰期车流量大的问题，停车分析用以帮助停车场运营者更好地规划和管理车位。车流密度与智慧停车管理平台之间存在密切关系，为实现对停车场内部车流的判断，研究对车流密度进行判断，其表达式如式（2）所示。

式（2）中：为平均车速；为停车场内部车辆的状态。系统层是智慧停车管理平台的另一个重要组成部分，系统之间进行相互协作，最终实现对停车场进行全面管理和监控。

2.智慧停车管理平台的实现效果及影响分析

2.1改进潮汐可变车道技术的应用效果评估

为验证基于非线性自回归神经网络模型和潮汐可变车道技术在智慧停车平台中的管理效果，研究收集某停车场的历史车流数据、停车位数据、交通状况数据等。比较改进前后潮汐可变车道技术下交通流量的预测值与实际值，经数据分析可知，改进后的潮汐可变道技术在不同时间点上基本与真实的车流量相吻合，其交通车流量预测的平均误差为3.8%。改进前的潮汐可变道技术对交通流的预测误差为22.3%。综上可知，改进后的潮汐可变技术在交通高峰期间通过准确预测交通流量可以更好地帮助平台提前做好准备，调配足够的停车位资源。

2.2智慧停车管理平台的应用结果评估

研究通过比较智慧停车管理平台投入使用前后的停车泊位利用率，评估研究的智慧停车平台对于提高停车资源利用效率的作用。经实验分析，改进前停车泊位利用率集中在0%～40%之间。改进后停车泊位的利用率主要集中在80%左右，比使用智慧停车管理平台前增加了20%以上的停车泊位利用率。综上可知，研究的智慧管理平台可以实时调整停车场的车位数与泊位数，为车主提供精确的数据与服务。

3结语

城市化的快速发展的背景下，大量车辆涌入城市，但停车设施并未跟上车辆的增长速度，导致停车难成为城市的一个突出问题。经实验研究，结果表明相比于改进前的技术，改进后的潮汐可变道技术对交通流的预测误差低于改进后预测误差的18.5%以上。可以更好地帮助平台提前做好准备，调配足够的停车位资源，同时帮助平台合理安排停车位的数量和分布。在不同时间段下智慧停车管理平台的停车泊位利用率更均衡，主要集中在80%左右，比使用智慧停车管理平台前增加了20%以上的停车泊位利用率。综上可知，研究基于非线性自回归网络JWAavmRHQ5osYijmhKVtdg==模型的潮汐可变道技术可以有效应用于实际停车场景，并且可以准确分析实时的停车数与泊位数，提高车位利用率。

参考文献

[1]赵天一，王宏起，李玥，等.新兴产业创新生态系统综合优势形成机理：以新能源汽车产业为例[J].科学学研究，2023，41（12）：2267-2278.

[2]姚颖蓓，陆建忠，傅业，等.华东地区电动汽车发展趋势及用电需求预测[J].电力系统保护与控制，2021，49（4）：141-145.

[3]王金栋，应坚国.基于SUMO仿真的停车场车辆离场智慧管控策略[J].武汉理工大学学报：交通科学与工程版，2023，47（4）：615-619.

[4]乔建刚，李恩玉，刘怡美，等.智慧高速公路收费站潮汐车道的开放数量研究[J].河北科技大学学报，2023，44（1）：83-92.

[5]陈婷婷，贾顺平.综合考虑早晚高峰交通流特性的可变车道布置方案[J].科学技术与工程，2021，21（9）：3822-3828.

[6]MesaJA，OrtegaFA，PozoMA，etal.Assessingtheeffectivenessofpark-and-ridefacilitiesonmultimodalnetworksinsmartcities[J].TheJournaloftheOperationalResearchSociety，2022，73（3）：576-586.