[发明专利]一种停车场分布式智能引导系统及方法

权利要求书

1.一种停车场分布式智能引导系统，其特征在于，所述停车场分布式智能引导系统包括：

视频监控模块，与中央控制模块连接，用于通过摄像器实时监控停车场；

信息采集模块，与中央控制模块连接，用于通过读卡器读取车主停车卡信息；

车位监测模块，与中央控制模块连接，用于通过地磁检测器检测出车位磁场变化，当判断出车位状态；

中央控制模块，与视频监控模块、信息采集模块、车位监测模块、防堵模块、路径引导模块、预警模块、停车计费模块、数据保护模块、显示模块连接，用于通过单片机控制各个模块正常工作；

防堵模块，与中央控制模块连接，用于通过局部拥堵预防算法的研究实现车辆分流引导，降低车位争抢和局部拥堵的风险概率。

路径引导模块，与中央控制模块连接，用于通过路径引导规划算法的研究，消除车辆行驶的盲目性和随机性，提高车位利用率，为驾驶人员节约相应的时间成本和能源成本，实现绿色环保出行。

预警模块，与中央控制模块连接，用于通过报警器对车辆故障及时进行警示；

停车计费模块，与中央控制模块连接，用于通过计费程序对车主停车进行计费；

数据保护模块，与中央控制模块连接，用于通过主数据库服务器和备份数据库服务器对监控数据、用户数据进行备份；

显示模块，与中央控制模块连接，用于通过显示器显示监控画面、采集车主信息内容；

自检模块，与中央控制模块连接，用于系统出小问题时能够报警维修。

2.一种安装有权利要求1所述停车场分布式智能引导系统的大型购物商场停车场。

3.一种如权利要求1所述停车场分布式智能引导系统的停车场分布式智能引导方法，其特征在于，所述停车场分布式智能引导方法包括：

通过路径引导模块利用路径引导规划算法，进行车位引导；路径引导规划算法为基于改进蚁群聚类(Ant Colony Optimization,ACO)的分级算法，进行最优车位的分选，对车位拥挤指数进行自动聚类，实现层次性分级；将拥挤度指数数据点视为具备若干属性的蚂蚁，而将拥挤度指数分级中心视为食物源，在明确分级数目M的基础上，将具有n个属性的N个待分析的拥挤度指数的定义如下：

X＝{X_a|X_a＝(x_a1,x_a2,…,x_an),a＝1,2,…,N}

不同的拥挤度指数之间的偏离误差用欧几里得距离来度量，距离越小，偏离误差就越小；将拥挤度指数a分配给第b个聚类中心蚂蚁就在拥挤度指数样本a到聚类中心的路径(a，b)上留下信息素τ_ab(c)，用表示拥挤度指数X_a和X_b属性空间的加权欧氏距离，p_ab(c)为蚂蚁选择路径(a，b)的概率，计算公式如下：

式中r为聚类半径，表示蚂蚁X_b可供选择的路径；β为期望启发因子，表征蚂蚁在运动过程中的启发信息的受重视程度；是k次迭代中拥挤度指数i分配到第j个聚类中心启发信息的数值，采用两者之间距离的倒数来定义；当p_ab(c)≥P₀时，Xa归并到Xb邻域中；当移动了所有的蚂蚁之后，每个类中所包含的拥挤度指数将会发生变化，则各个类的聚类中心点需要重新计算，同一类内部的偏离误差也需计算更新；用C_b表示归并到Xi领域的所有聚类集，新的聚类中心与偏离误差E计算如下：

式中，J表示C_b的元素的个数，C_ab表示的第a个分量；

同时，给定最大迭代次数，只要满足：1)所有类的偏离误差总量小于参数ε；2)迭代次数达到给定的迭代次数最大值，其中任一条件时，则聚类结束，并给出分析结果；否则，应重新进行计算，直到满足条件终止。