摘  要： 利用車載自組網(wǎng)方便、靈活,、成本低的特點(diǎn),，使用機(jī)會(huì)通信擴(kuò)展車輛通信范圍，提出一種基于停車位可用概率的停車位發(fā)現(xiàn)算法來解決分布式網(wǎng)絡(luò)中信息不完全下的停車位發(fā)現(xiàn)問題,。通過估算附近可用停車位在車輛到達(dá)時(shí)刻的可占用概率,，為車輛分配成功率最大的停車位。仿真結(jié)果表明,，該算法適用于車載自組網(wǎng)的分布式停車位算法,，平均停車時(shí)間較短。

　　關(guān)鍵詞： VANET,；停車,；機(jī)會(huì)通信；概率

0 引言

　　私人汽車的激增使城市道路交通量日益增加,，引發(fā)了一系列亟待解決的交通問題,。其中,，停車問題給大城市帶來了沉重的道路通行負(fù)擔(dān)，并成為交通擁堵的重要因素,。如何采用先進(jìn)的科學(xué)技術(shù)方法來解決“停車難”問題[1],，是當(dāng)前城市交通發(fā)展急需解決的問題。

　　在停車位發(fā)現(xiàn)服務(wù)中,，拓?fù)渚W(wǎng)絡(luò)結(jié)構(gòu)變化快速,，集中式的架構(gòu)缺乏靈活性和適應(yīng)性，車載自組織網(wǎng)絡(luò)（Vehicular Ad Hoc Network,，VANET）提供了一種分布式停車位發(fā)現(xiàn)解決方案[2],。在分布式的VANET系統(tǒng)中，車輛節(jié)點(diǎn)通過與通信范圍內(nèi)的節(jié)點(diǎn)組成臨時(shí)的Ad hoc網(wǎng)絡(luò)進(jìn)行多跳通信,、交換信息[3],，VANET在智能交通系統(tǒng)中起著重要作用，為系統(tǒng)提供統(tǒng)一的無線通信網(wǎng)絡(luò)及多種通信方式,。

1 相關(guān)工作

　　2006年Caliskan等[2]提出了一種基于車載自組網(wǎng)的分布式停車位發(fā)現(xiàn)模型,，通過階段性信息采集進(jìn)行停車位計(jì)算。2007年,，Sherisha等[4]提出使用停車場歷史數(shù)據(jù)計(jì)算車輛目的地附近的停車位可用概率的方法為車輛提供停車引導(dǎo),。Murat[5]對停車位發(fā)現(xiàn)問題建立了概率預(yù)測模型，從統(tǒng)計(jì)角度對區(qū)域停車概率進(jìn)行了預(yù)測,。2009年Mathur等[6]提出了一種集中式和一種分布式方案來解決尋找停車位問題,，并對停車位發(fā)現(xiàn)思想予以評估。2011年,，Kokolak等[7]提出了一種分布式的機(jī)會(huì)停車位發(fā)現(xiàn)算法,，可以擴(kuò)展個(gè)體車輛的通信范圍。2012年,，Andreas[8]對Murat數(shù)據(jù)收集方法和模型進(jìn)行了改進(jìn),，優(yōu)化了轉(zhuǎn)移矩陣。

　　現(xiàn)有停車位概率預(yù)測算法主要是從統(tǒng)計(jì)角度預(yù)測停車位空閑的概率,，但是不能具體為停車位發(fā)現(xiàn)提供明確的決策目標(biāo),。本文提出一種基于停車位可用概率的停車位發(fā)現(xiàn)算法（An Available Probability based Parking Algorithm，APPA）,，在分布式系統(tǒng)中使用機(jī)會(huì)通信擴(kuò)展車輛通信范圍,，估算車輛到達(dá)停車位時(shí)的車位可用概率，為車輛分配最佳的可用停車位,，規(guī)劃有效的行駛路徑,。

2 前期假設(shè)與模型分析

　　2.1 停車位信息獲取

　　限于通信半徑的影響，車輛節(jié)點(diǎn)能感知的停車位有限,，使用報(bào)文交互擴(kuò)大節(jié)點(diǎn)的感知范圍,，使節(jié)點(diǎn)的停車位決策超出局部VANET網(wǎng)絡(luò),，擴(kuò)大到環(huán)繞車輛的VANET網(wǎng)絡(luò)群，做出更加符合整體利益的決策,。

　　在車輛行駛過程中,，不斷偵測可用的停車位信息，當(dāng)偵測到可用停車位時(shí),，記錄該停車位的位置信息,，同時(shí)記錄該停車位的時(shí)間戳。并在路邊設(shè)置少量的RSU,，維護(hù)一個(gè)標(biāo)準(zhǔn)的時(shí)間和一張可用停車位信息表,。當(dāng)車輛進(jìn)入RSU通信范圍時(shí)，交換可用停車位的信息,，更新可用停車位信息,，使得車輛能得到超出自身通信范圍的可用停車位信息。

　　2.2 距離計(jì)算標(biāo)準(zhǔn)

　　從地理位置信息角度考慮,，將道路網(wǎng)絡(luò)轉(zhuǎn)化為有向圖,。以道路作為拓?fù)渚W(wǎng)絡(luò)中的線，并以停車位和車輛作為拓?fù)渚W(wǎng)絡(luò)中的節(jié)點(diǎn),，賦予停車位和車輛地理二維坐標(biāo)。轉(zhuǎn)化道路平面圖的同時(shí)做如下約定：

　?。?）對道路和道路交叉口賦予不同的量化值,；

　　（2）對每個(gè)道路交叉口賦予一個(gè)額外的平均等待時(shí)間,；

　?。?）由于算法的依據(jù)是有效距離，因此把等待時(shí)間結(jié)合預(yù)定的車輛速度轉(zhuǎn)化為距離,，這個(gè)距離也是有效距離的組成部分,；

　　（4）使用Dijkstra算法計(jì)算節(jié)點(diǎn)間距離,。

　　2.3 模型分析

　　在車輛位置信息不完全的模型中存在兩種對停車位有需求的車輛,，一種是加入車載自組網(wǎng)并實(shí)時(shí)共享信息的車輛，其他車輛能通過車載網(wǎng)得到這些車輛的位置信息,，位置信息由GPS設(shè)備提供,；另一種車輛是沒有加入車載自組網(wǎng)的車輛，它們自發(fā)且隨機(jī)地搜索停車位,，網(wǎng)絡(luò)中的車輛無法得知這些車輛的數(shù)量和位置等信息,。在這種情況下，停車問題變得非常復(fù)雜,，如果通過分配預(yù)約等方式為車載自組網(wǎng)中的車輛分配停車位,，則在車輛向預(yù)定車位行駛的過程中,，既定停車位很可能已經(jīng)被不在網(wǎng)絡(luò)中的車輛所占據(jù)，顯然固定分配的停車位發(fā)現(xiàn)方式不適用于此模型,。

3 主要工作

　　3.1 車輛到達(dá)時(shí)間計(jì)算

　　在信息交互過程中,，車輛互相傳播停車位信息，在獲取的報(bào)文中,，如果存在本地鏈表沒有的車位,，則記錄該車位位置信息及時(shí)間戳；如果已經(jīng)存在,，則更新時(shí)間戳,，時(shí)間的記錄以最早發(fā)現(xiàn)該停車位為準(zhǔn)。

　　當(dāng)車輛占用某停車位后,，則時(shí)間戳設(shè)為0,，并向其他車輛轉(zhuǎn)發(fā)一次該停車位信息，同時(shí)將本地的停車位節(jié)點(diǎn)刪除,。當(dāng)其他車輛接收到時(shí)間戳為0的停車位信息時(shí),，進(jìn)行相同操作。

　　假設(shè)當(dāng)前時(shí)刻為t,，車輛行駛速度為v,，根據(jù)Dijkstra算法計(jì)算得到的車輛與停車位之間的最短路徑為D。在得到可用停車位的位置信息后,，可以根據(jù)Dijkstra算法和車輛的行駛速度估計(jì)得到車輛相對每個(gè)停車位的到達(dá)時(shí)間：

　　3.2 可用車位獲取概率計(jì)算

　　假設(shè)車輛vi對一個(gè)車位sj的可用概率為P（vi,，sj）：

　　式中，P（vi,，sj）為T時(shí)刻停車位sj被其他車輛占用的概率,。要計(jì)算車輛到達(dá)時(shí)刻的停車位可用概率，只需計(jì)算P（vi,，sj）即可,。

　　P（vi，sj）主要受兩個(gè)因素的影響：一個(gè)是停車位的空閑時(shí)長,，即從停車位空閑時(shí)刻開始至車輛發(fā)起停車請求,，這段時(shí)間的車位沒有被占用，但車位被選擇的概率會(huì)隨著時(shí)間的延長而累積,，下一時(shí)刻被占用的概率隨之增大,；另一個(gè)是當(dāng)前時(shí)刻至車輛到達(dá)停車位，此時(shí)車輛與其他所有可能駛向此車位的車輛進(jìn)行競爭,，車輛距離停車位越近,，勝出的可能性越高。

　　在參考文獻(xiàn)[9]中，針對計(jì)算實(shí)時(shí)可用停車位的變化進(jìn)行了大量實(shí)驗(yàn),，得到了關(guān)于停車場各個(gè)時(shí)刻停車位占用情況的實(shí)驗(yàn)數(shù)據(jù),。本文引用這些實(shí)驗(yàn)數(shù)據(jù)，并通過分析,，將歷史數(shù)據(jù)抽象為函數(shù),，該函數(shù)表示車位被占用概率隨時(shí)間的變化關(guān)系，簡化了算法的復(fù)雜度,，提高了算法效率,。函數(shù)如式（3）所示：

　　其中c=86 400-a+b。

　　令概率Ph（sj）表示在t時(shí)刻可用停車位sj被任意一輛車占用的概率,，其中包括沒有加入車載自組網(wǎng)的車輛,。那么，從停車位sj空閑時(shí)刻開始至當(dāng)前時(shí)刻t,，認(rèn)為其在t時(shí)刻后被任意車輛占用的概率為：

　　Ph（sj）=Pr（t）（4）

　　其中t為當(dāng)前時(shí)刻,。

　　設(shè)從停車位sj空閑時(shí)刻t開始，停車位的空閑時(shí)間和停車時(shí)間服從指數(shù)分布,，則車輛節(jié)點(diǎn)流量可以看作一個(gè)泊松過程（λ）,。那么，Pn（vi,，sj）可以由式（5）計(jì)算得到：

　　Pn（vi,，sj）=1-P（K=1）（5）

　　其中，T為記錄的車輛到達(dá)時(shí)刻,，P（K=1）可看作到T時(shí)刻停車位被占用的概率,。

　　那么，最終的停車位可用概率可由式（6）得到：

　　P（vi,，sj）=（1-Ph（sj））·Pn（vi，sj）（6）

　　即P（vi,，sj）可以由式（7）表示：

　　P（vi,，sj）=1-P（vi，sj）=（1-Ph（sj））·Pn（vi,，sj）（7）

　　P（vi,，sj）越大，則到達(dá)時(shí)刻的停車位可用概率越高,。

　　3.3 算法描述

　　車輛在行駛過程中,，不斷偵聽感知范圍內(nèi)的可用停車位，同時(shí)進(jìn)行車間報(bào)文交互,。當(dāng)發(fā)起停車請求時(shí),，計(jì)算車輛與每個(gè)可用停車位之間的有效距離，并通過APPA算法計(jì)算每個(gè)可用停車位的概率，選擇概率最高的停車位并向其行駛,，在行駛過程中,，不斷重復(fù)進(jìn)行偵聽和概率更新，始終駛向最大可用概率的停車位,；當(dāng)與某停車位距離D小于閾值Z（Z=v）時(shí),，占用停車位并將此停車位的時(shí)間戳置0。算法偽代碼如下：

　　FUNCTION APPA（S）{

　　for所有的停車位節(jié)點(diǎn)S

　　{  計(jì)算車輛與停車位之間距離D

　　IF D<Z

　　{

　　占用停車位,，時(shí)間戳置0

　　END

　　}

　　}

　　for所有的停車位節(jié)點(diǎn)S

　　{

　　Ph（sj）=Pr（t）

　　Pn（vi,，sj）=1-P（K=1）

　　P（vi，sj）=（1-Ph（sj））·Pn（vi,，sj）

　　}

　　Pmax（vi）=max（1-P（vi,，sj））

　　向Pmax（vi）車位方向行駛1 s，同時(shí)更新S

　　RETURN FUNCTION APPA（S）

　　}

4 仿真分析

　　4.1 場景描述

　　本文在VanetMobiSim框架下進(jìn)行仿真,，仿真過程中,，每當(dāng)一輛車占用一個(gè)停車位時(shí)，保存記錄這輛車找尋停車位所花費(fèi)的時(shí)間,，并在整個(gè)道路上隨機(jī)位置重新生成一個(gè)車輛,，在另一隨機(jī)位置重新生成一個(gè)可用停車位。這可看作道路交通中的實(shí)時(shí)變化因素,，更加符合實(shí)際情況,。具體參數(shù)見表1。

　　4.2 仿真分析

　　仿真場景中停車位節(jié)點(diǎn)數(shù)為30,，車輛節(jié)點(diǎn)數(shù)為5~80,，且設(shè)定隱藏車輛與非隱藏車輛數(shù)量比約為1∶1。

　　圖1表示停車位節(jié)點(diǎn)數(shù)和車輛平均行駛時(shí)間的關(guān)系曲線,。當(dāng)車輛數(shù)少于停車位時(shí),，每個(gè)車輛都能分配到停車位，APPA算法根據(jù)有限的信息找到最優(yōu)的車位,，產(chǎn)生的額外行車開銷較小,，且在行駛過程中，實(shí)時(shí)地更新數(shù)據(jù),，使車輛更大概率獲取位置更優(yōu)的可用停車位,；當(dāng)車輛數(shù)目多于停車位時(shí)，APPA算法能根據(jù)已知信息做出更加合理的決策,，使車輛能在車位很少時(shí)更快地找到可用停車位,。

　　圖2表示停車位平均空閑時(shí)間的關(guān)系曲線。由圖2可知,，APPA算法的停車位平均空閑時(shí)間與就近原則方法接近,，略優(yōu)于就近原則,。當(dāng)可用停車位數(shù)目較多時(shí)，車輛有更多的停車選擇,，APPA算法的決策擁有最大的成功概率,；在車輛數(shù)目大于停車位數(shù)目時(shí)，車輛之間存在激烈的競爭,，由于APPA算法計(jì)算了停車位從空閑時(shí)刻開始至發(fā)起停車請求這段時(shí)間對停車占用概率的影響,，因此能提高車輛尋找車位的有效性。

5 結(jié)束語

　　本文對分布式系統(tǒng)中車輛和停車位位置信息不完全的模型進(jìn)行研究,，提出了一種基于停車位可用概率的停車位發(fā)現(xiàn)算法來解決分布式網(wǎng)絡(luò)中信息不完全情況下的停車位發(fā)現(xiàn)問題,。通過仿真分析得知，在系統(tǒng)模型中,，APPA算法有較大的優(yōu)越性,，其能更好地應(yīng)對信息不完全的情形，縮短車輛的平均停車位發(fā)現(xiàn)時(shí)間,。

參考文獻(xiàn)

　　[1] DELOT T,， ILARRI S， LECOMTE S,， et al. Sharing with caution： Managing parking spaces in vehicular networks[J]. Mobile Information Systems,， 2013，9（1）：69-98.

　　[2] CALISKAN M,， GRAUPNER D,， MAUVE M. Decentralized discovery of free parking places[C]. Proceedings of the 3rd International Workshop on Vehicular ad hoc Networks. ACM， 2006： 30-39.

　　[3] YOUSEFI S,， MOUSAVI M S,， FATHY M. Vehicular ad hoc networks（VANETs）： challenges and perspectives[C]. ITS Telecommunications Proceedings， 2006 6th International Conference on. IEEE,， 2006： 761-766.

　　[4] PULLOLA S,， ATREY P K， EL SADDIK A. Towards an intelligent GPS-based vehicle navigation system for finding street parking lots[C]. Signal Processing and Communications,， 2007. ICSPC 2007：1251-1254.

　　[5] CALISKAN M,， BARTHELS A， SCHEUERMANN B,， et al. Predicting parking lot occupancy in vehicular ad hoc networks[C]. Vehicular Technology Conference， 2007. IEEE 65th. IEEE,， 2007： 277-281.

　　[6] MATHUR S,， KAUL S， GRUTESER M,， et al. ParkNet： a mobile sensor network for harvesting real time vehicular parking information[C]. Proceedings of the 2009 MobiHoc S 3 workshop on MobiHoc S 3. ACM,， 2009： 25-28.

　　[7] KOKOLAKI E， KARALIOPOULOS M， STAVRAKAKIS I. Opportunistically assisted parking service discovery： now it helps,， now it does not[J]. Pervasive and Mobile Computing,， 2012， 8（2）： 210-227.

　　[8] KLAPPENECKER A,， LEE H,， WELCH J L. Finding available parking spaces made Easy[C]. Proceedings of the 6th International Workshop on Foundations of Mobile Computing. ACM， 2010： 49-52.

　　[9] 魯忠輝.基于VanetMobiSim/NS-2的車載自組網(wǎng)的研究與仿真[D].武漢：武漢理工大學(xué),，2010.