自动泊车策论服务系统设计汇总.doc

自动泊车策论服务系统设计 摘要 随着汽车产业及科技的高速发展，智能驾驶汽车成为了国内外公认的未来汽车重要发展方向之一。而在汽车智能化进程中，自动泊车是一项非常具有挑战性和实用性的技术。自动泊车系统可通过各类传感器获取车位相对汽车的距离，通过控制汽车前轮转角和瞬时速度控制车辆行驶。 2 1.1 问题背景 2 1.2 目标任务 3 二、问题假设 3 三、符号说明 3 四、模型建立与求解 4 4.1 问题一 4 4.1.1车辆分配模型 4 4.1.2.车辆调度模型 6 4.1.3模型算法设计 8 4.1.3.1遗传模拟退火算法的结构流程 8 4.1.3.2 适应度函数 8 4.1.3.3 选择、交叉和变异操作 9 4.1.3.4 模拟退火操作 9 4.1.3.5模型计算 10 4.2问题二 12 4.2.1三层评价体系建立——问题的简化 12 4.2.2租赁点方案评价体系建立 13 4.2.3 TOPSIS 模型 选址评价方案 15 4.2.4 模型求解 17 4.3问题三 21 4.3.1车辆调度模型修正 21 4.3.2模型求解 22 五、模型的评价 22 参考文献 23 附录 23 1. 数据图表 23 2.程序代码 25 2.1个体适应度计算 25 2.2比例操作计算 26 2.3交叉变异 26 一、问题重述 1.1 问题背景 随着经济的不断发展，我国各级城市的机动车保有量都进入了持续高速增长时期，交通拥堵问题、能源问题、环境问题日益突出，引起了政府以及百姓的极大关注。 众所周知，建立快速、便捷的城市公共交通体系是解决这一问题的有效手段之一。然而，居民居住地和交通站点通常都有一段距离，这段不远的距离以及现实存在的公共交通拥挤现象则使居民乘坐公共交通的意愿降低。于是，自行车这种“绿色”交通工具重新得到人们的重视，公共自行车服务系统已被证明能够从一定程度上缓解这一现象。 建立模型给出泊车策略，最终实现汽车自动、安全、快速的停车入库。 建立模型，按照车辆与车位之间的距离把车辆位置进行分组，给出每一组对应的倒车理想起始点，a=400mm，b=8000mm，c=300mm。 建立模型，给出由理想起始点到倒车入库的泊车策略，包括车速、前轮转角、后轮行驶距离。 表 1 符号 意义 符号 意义 时间成本（消耗时间） 运输车辆数目 租赁点数目 二进制变量 租赁点i的需求量 租赁点i到j的最短距离 调度车服务完i后服务j时拥有自行车量 调运车所能调运的最大车辆数 A 待选租赁点数 效益指标 四、模型建立与求解 4.1 车辆调度模型 首先根据车辆需求数据建立了车辆分配和调度模型，接着结合西安市的实际数据，采用一种改进的遗传模拟退火算法来求解公共自行车分配和调度问题。 考虑奇瑞汽车公司的QQ3，长3550mm，宽1495mm，轴距2340mm，前轮距1295mm，后轮距1260mm，目标车库为小型汽车库标准大小长6m，宽2.8m，车库周围情况如图。 图1 中租赁点位置在图中用带圆圈的数字所示，圆圈中数字代表租赁点序号。字代表路线长度（单位：米）。已知运输车速度为，模型的目标函数即运输时间成本，运输时间成本（记为Z）的数学模型如下： （1） （2） （3） （4） （5） 式（1）是目标函数，表示最小运输时间成本；式（2）规定了从调度车出发时车上的自行车数量不超过m；式（3）和（4）规定了每个租赁点都服务一次且只服务一次；式（5）规定了每次服务都能完成并且不超过车辆最大载车数。 4.1.3模型算法设计 在智能优化算法中，遗传算法（GeneticAlgorithm，简称 GA）具有收敛速度快的优点，但是具有局部搜索能力较差并容易早熟收敛的致命弱点。相反，模拟退火算法（Simulated Annealing，简称 SA）能通过概率突跳方式避免陷入局部最小并最终趋于全局最优，但是收敛速度比较慢。基于 GA 和 SA 具有很强的互补性，将 SA 和 GA 有机结合则能增强算法的全局搜索能力和效率。本文采用一种改进的遗传模拟退火算法来求解公共自行车调度问题。 4.1.3.1遗传模拟退火算法的结构流程 本文提出的遗传模拟退火算法思想是以遗传算法运算流程为主体流程，融入模拟退火机制来调整优化群体。其流程如图 2 所示 图 2 遗传模拟退火算法流程 4.1.3.2 适应度函数 由于要求的是最少的运输成本，是一个最小值问题，因此在设计适应度函数时要把原始目标值转换为适应度值，以确保优秀个体具