实时停车可用性预测

第１３卷第２９期２０１３年１Ｏ月　科学技术与　Ｌ程　Ｖ０１．Ｉ３　Ｎｏ．２９　０ｃｔ．２０１３　１６７１—１８１５（２０１３）２９—８６７８—０６　Ｓｃｉｅｎｃｅ　Ｔｅｃｈｎｏｌｏｇｙ　ａｎｄ　Ｅｎ￣ｎｅｅｉｆｎｇ　④２０１３　Ｓｃｉ．Ｔｅｃｈ．Ｅｎｇｒｇ．　交通运输　实时停车可用性预测　戈　军　周莲英　（宿迁学院计算机科学系　，宿迁２２３８００；江苏大学计算机科学与通信工程学院　，镇江２１２０１３）　摘要针对目前机动车数量的急剧增长，在停车抉择过程中很难获得实时停车信息，提出一种基于智能停车预约（ＩＰＲ）架　构的停车设施信息系统的预测停车可用性方法。该方法利用实时可用性预测（ＲＡＦ）算法评价停车请求，采用聚合方法迭代　分配停车请求；并通过实际场景验证。结果表明该聚合方法的耗时更短；实际可用性与ＲＡＦ算法预测可用性比较结果也表明　采用ＲＡＦ算法预测停车可用性的平均误差更小。　关键词停车　智能交通系统（ＩＴＳ）　实时可用性预测（ＲＡＦ）　智能停车预约（ＩＰＲ）　中图法分类号Ｕ４９１　ＴＰ３９；　文献标志码Ａ　停车诱导信息（ＰＧＩ）和智能停车预约（ＩＰＲ）系统　是智能交通系统（ＩＴＳ）的重要组成部分　。这些系统　求的智能停车位库存控制系统。文献［７］采用ＧＩＳ　仿真技术，提出了一种基于代理的司机停车行为模　型。文献［８］给出了一种在线停车预约机制，通过　电话、因特网实现单天预约、在途预约、提前预约。　与车载导航系统相互作用，可提供最新实时停车信息　和具体路内或路外停车信息　。利用这些信息，用户　能够做出如下决策：①根据个人偏好选择停车场；②　文献［９］研究了停车区容量、停车场泊位数的配比　以及停车区饱和度对车辆被拒绝概率的影响，得出　均衡设置两个停车场的｝白位数可减小车辆首次寻　找车位被拒绝的概率。文献［１０］分析了泊车行为　特征、泊车流程和影响泊位选择的主要因素，提出　基于马尔可夫的空闲车位预测方法和泊位选择模　实现最短时间停泊车辆；③合理预约停车并支付费　用。这样就减轻了交通拥堵、环境污染等不利影响。　步行距离、同的地距离、行车及等待时间、费用、停车　场服务水平、安全等　多属性决策（ＭＡＤＭ）影响司机　具体停车选择。而影响司机做出最佳停车抉择的最　重要因素是可用车位数　。　型，并介绍了模型的具体实现方法。　现提出了一种基于ＩＰＲ架构的高效实时停车叮　用性预测方法，以概率形式生成一种更简单　更省　时算法分配停车请求。　文献［５］融合交通信息系统、先进数据处理和　空间数据分析等功能，提出基于因特网、Ｇ１Ｓ等技术　的停车诱导信息和管理系统。应用这些功能将有　助于司机在搜索和等待空车位时做出合理行程规　划，从而有效避免司机临时找车位烦恼，缩短停车　１停车请求描述　停车收费管理系统（ＰＡＲＣ）利用呵变信息标志　场人口处的排队时延、行驶里程数、平均行程时间、　交通拥堵，降低能耗和环境污染，提高停车场的利　用率。文献［６］基于仿真、优化和模糊逻辑ｊ者组　合，提出了一　一种判断是否接受或拒绝新实时停车请　２０１３年６月Ｏ３　ｎ收剑，６月２０　Ｈ修改　汀苏省宿迁ｍ科技　（ＶＭＳ）　“　显示停车可用信息，并计算进出停车场的　车辆数以确定总计和局部可用性。　为了描述停车请求，现作如下假定：路内和路　外停车设施集为Ｊ，总到达时间为离散集　。与Ｉｌ１的　地ｂ相关停车请求类型定义为ｈｍ　执行活动的预算　类型为ｉ（集合，），各周期ｔ∈｛１，…，　｝的停留时问　类型为ｆ（集合　），停车请求到达模式遵循泊松　创新专项荩金项目（Ｚ２０１２１１）资助　笫一作者简介：戈军（１９７７一），　，讲师、顾｛：。研究　向：网络安　伞，尢线传感器网络，　辆管卵；Ｅ—ｍａｉｌ：ｄｕｎ＠ｓｑｅ．ｅｄｕ．ｃｎ。　２９期　戈军，等：实时停车可用性预测　８６７９　过程。　利用离散选择模型中的多项Ｌｏｇｉｔ选择模型，时　段ｔ内用户从停车设施集．，选择一个可用设施　的　概率为　，其中　为相关感知效用　，如式（１）所　示。　：　ｖ　∈Ｊ　一，Ｔ；　∑　ｘｐ（　）　Ｖ　ｉ∈，，Ｖ．厂∈Ｆ，Ｖ　ｂ∈Ｂ　（１）　根据离散选择理论，效用函数　的描述如式　（２）所示，其中参量分别为：距离　、行驶时间　、可　用性　、动态容量　、费用　、等待时间ｃｊ、预算ｒ／：　＝０ｏ＋０１ｌｉｂ＋０２　＋０３　＋０４ｚｊ，＋　ｊ　ｔ）ｉ　ｉＣｉ＋∑　ｒＫｊｙＹ；　Ｙ：１　Ｖｊ∈Ｊ，ｔ＝１，…，Ｔ，Ｖ　∈，，Ｖ－厂∈Ｆ，Ｖ　ｂ∈Ｂ　（２）　式（２）中，０　、，ｃ　、　，、　ｆ为先校准参数：　：ｆ０，　），≠　（３）　Ｌ１．　Ｙ＝　时段ｔ内分配停车请求给　之前的动态容量　等于时段ｔ一１内分配停车请求给　之后的动态容量　和时间ｔ（ｓｉｔ）内离开　的容量之和，如式（４）所　示，其中　表示停车请求数。其容量约束如式（５）　所示，其中　，为　的静态容量。　ｚ　＝ｚ　１＋ｓ　（４）　０≤　≤ｗｉ　（５）　由文献［１２］可知，高用户需求的停车场将引发　额外等待时间。高占用率的阈值估计需要考虑决　策过程的等待时间影响，等待时间ｃ　很有可能超过　５　ｍｉｎ。实际上，一旦停车可用性低于５％，这种额外　等待时间将不可避免。参数　的描述如式（６）所　示，其中　为路外停车设施集（Ｏ／　Ｊ）：　ｆ：ｆ　，　＜０・０５　Ｖ　∈　（６）　【０，ｚ　≥０．０５ｗｊ　Ｖｊ隹　，　∈Ｊ　综上，停车总需求及停车请求类型都取决于式　（２）的效用函数。　２实时可用性预测算法　ＲＡＦ算法利用当前和历史信息预测停车设施　实时可用性。为了消除合并接收可用性信息的影　响，算法需利用离散选择模型（ＤＣＭ）描述和预测用　户选择或分配停车请求　Ｊ。ＤＣＭ必须事先校准停　车偏好信息，这些信息必须包括停留时间、到达和　离开过程，以及各停车设施的静态容量。　实现所有现存停车设施的可用性预测是ＲＡＦ　算法所要达到的预期目标，为此，可借助因特网、车　辆导航系统、手机或ＶＭＳ将其传播给用户，如图１　所示。ＲＡＦ算法与典型工作日的历史记录同时运　行。为了便于更新停车可用性预测，该算法为各停　车设施提供到达和离开的最新记录信息，并由各停　车场的设备管理系统（ＦＭＳ）获取这些记录信息。　ｒ—、　、　、、　（～　…　…　图１　ＲＡＦ算法流程图　根据聚合历史平均率Ａ　，ＲＡＦ算法生成Ｑ　到　达或停车请求随机样本。按照历史聚合比率，依据　预算和目的地随机解聚这些到达。随后采用带历　史预校准分布参数的伽马分布对时段ｔ内各请求的　停留时问进行仿真和离散化。　完成各时段ｔ内的仿真请求后，算法执行如下　三个主要子程序：　（１）停车请求分配（ＰＲＡ）该子程序的目的是分　配现存所有停车设施的仿真请求Ｑ　。　（２）未来离开估计未来离开期间，针对所有分　配请求采用逐一仿真和离散化停留对相关最近分　配请求Ｑ　进行估计。　（３）可用性预测利用之前计算的分配请求，估　计各停车设施的单步可用性预测，并预计该时段的　离开。　８６８０　科学技术与ｊ二程　ｌ３卷　３停车请求分配和可用性预测　下面详细阐述ＲＡＦ算法的三个子程序。　３．１　ＰＲＡ算法　利用ＰＲＡ算法确定所有停车设施（．　Ｊ）的停　车请求分配。为了分配所有仿真请求Ｑ　，分配算法　依赖于用户偏好和停车属性进行聚合概率Ｐ　估计。　根据仿真预算、目的地和停留时问类型，通过添加　各请求的个体概率来计算需求概率，并对聚合概率　进行建模。聚合方法如式（７）所示，其中Ｐ　（ｒ）表　示分配给　的单次仿真请求ｒ的概率。并利用上述　ＤＣＭ计算各请求ｒ的概率　，　∑Ｐｊ厶　ｉ，ｔ（ｒ）／　（７）　｝　述即可满足无容量约束的所有停车请求分　配。然而，当考虑容量约束时，某些请求可能无法　分配给特定停车设施，此时就应修正概率Ｐ　因此，　ＰＲＡ算法必须执行　迭代以便在．，中分配所有请　求。即该算法将增加迭代次数，直至分配完所有停　车请求，如图２所示。　图２　ＰＲＡ算法流程图　ＰＲＡ算法计算分配矩阵Ａ　的　，如式（８）所　示，　表示每次迭代　（　：１，…，　）的部分停车请　求分配概率。矩阵Ａ　中的分配停车请求值的约束　条件如式（９）和式（１０）所示：　…　ｌｌ，ｆ　’．　：　●　●　Ａ　＝　…　＿『ｆ　’．　：　●　●　…　＿『ｆ　（８）　０≤　≤１　Ｖｊ∈．，；　＝１，…，　；ｔ＝１，…，７＇　（９）　Ｘ　Ｊ　∑∑　廿＝１　Ｖ　ｔ＝１，…，Ｔ　（１０）　求得矩阵Ａ　后，利用式（１１）求解分配给　的预　期请求ｄ　数，这取决于预期停车请求Ｑ　、停车请　求分配概率总和。式（１２）表示停车请求分配数不　能大于　的可用性　。　＝Ｑ　。∑　Ｖ　∈Ｉ，；ｔ＝１，…，　（１　１）　１　ｄ　≤ｚ　Ｖｊ∈．，；ｔ：１，…，　（１２）　如果ｔ，中无可用性分配给所有请求，则ＰＲＡ算　法需要追加设施。因此，为适应所有停车请求，定　义设施总数为　＋１。　３．２未来离开估计及停车可用性预测　一旦执行ＰＲＡ算法，则需要计算带逗留类型厂　的　分配请求数。该估算按未来离开矩阵Ｍ　排列，　如式（１３）所示，其中ｍ　是带逗留类型门拘　分配请　¨　ｍ　ｍ　ｎ　求数：　，　，　ｎ　Ｊ　Ｍ　＝　：　：　（１３）　矩阵Ｍ　计算依赖于之前计算的分配停车请求　和ＲＡＦ算法的仿真离散逗留时间。因此式（１４）　和式（１５）成立。式（１４）表明所有已计算的未来离　开总和必须等于请求Ｑ　。式（１５）表明到达　的请求　是所有未来离开总和。　（１４）　’　－　１　（１５）　矩阵Ｍ　用于计算时段ｔ之后离开或未来离开　的请求。与此相反，时段ｔ内　的离开ｓ　完全取决于　时段ｔ之前的到达、停留时间以及所有之前时段　“＜ｔ的未来离开的计算。设　（　）表示时段ｔ内　＝，∑，∑Ｖ＝～２９期　戈军，等：实时停车可用性预测　分配给　（带停留类型　）的停车请求停留时间，同　时设ｃ　（ｔ）为　在时段　内的到达和时段ｔ内的离　开请求数。因此，离开　可采用式（１６）、式（１７）进　行计算　％（　）＝　ｆｍ加，　＋　（ｍ船）＝ｔ　Ｖ　ｔ＝１，…，Ｔ，Ｖ“＜ｔ　【０，ｏｔｈｅｒｗｉｓｅ　Ｖｆ＝１，…，Ｆ，Ｖ　＝１，…，．，　（１６）　ｔ一１　Ｆ　＝∑∑　（　）Ｖｔ＝１，…，Ｔ，Ｖｊ＝１，…，Ｊ（１７）　实时停车位可用性信息可用于定期更新停车　利用率预测。ＰＡＲＣ系统的各设施在时段ｔ一１内筹　措相关可用性信息。最终获知可用性、分配给　的　预期请求ｄ　总数以及时段ｔ内的ｓ　离开数，ＲＡＦ算　法利用式（１８）计算时段ｔ内停车利用率ｚ　的预测　ｚｊ，　＝ｚｊ，一１＋　一ｄｊ，　（１８）　４　ＲＡＦ算法分析及验证　本节给出方法的两种数值验证。首先，与逐一　仿真法相比较，以便调整聚合分配方法的利用率，　从而获得耗时较少的方法。其次，针对真实场景的　ＲＡＦ算法进行性能评估。此外，还给出了算法执行　时间分析。　４．１模拟演练验证ＲＡＦ　本节将证明复杂逐一仿真法和本文聚合ＰＲＡ　算法之间的结果无明显差异。假定聚合方法忽略　停车性能的等待／搜索时间及用户选择的相互作用。　利用ＭＳ—Ｅｘｃｅｌ构建两个停车设施模拟环境来　仿真停车选择行为，并评估ＰＲＡ算法的有效性。仿　真采用时间步长概念＿４］，任一时间步长单元相当于　均速１５　ｋｍ／ｈ行驶了２．４　ｍ（典型车位宽度为２．４　ｍ），即１　ｈ包含６　２５０个时问步长。１—６　２５０的仿　真迭代表示时间推移。各时间步长中的车辆都可　能改变其状态。　仿真环境考虑１　ｈ内的用户到达、选择、继续停　放或离开。这些选择决定了未来停车可用性。各　仿真场景使用属性级组合进行定义，如表１所示。　例如，单一仿真场景采用到达率值Ａａ生成各请求　到达时间、离开率Ａ（　）和Ａ（Ｓ　）模拟离开时间等。　表１仿真参数　演练采用式（１）的选择概率，效用函数如式　（１９）所示。式（１９）是式（２）的一个特例。　ｖｉ＝８　＋８　Ｌ；ｚ１＋　暑ｉＣ　１９　式（１９）中０　，、ｖｉ为先校准参数，　ｆ为　的可用性历　史或感知值。　评估各请求后，更新之前到达及离开函数的各　设施可用性，当采用式（１）的选择概率选取设施时，　需要从可用性中去除该单元。如果仿真执行过程　中司机选择了一个完全停车设施，那么必须在随后　的时段内重新抉择。司机最终将车停泊空闲车位　上而无需中止搜索过程或退出设施。最后通过加　总各设施的车辆数，计算出仿真中的等效可用性。　１　ｈ内的停车设施仿真运行情况如下：平均到　达率Ａ　为１２０用户／ｈ，设施１的平均离开率Ａ（ｓ　）　等于３６个用户／ｈ，设施２的平均离开率Ａ（ｓ　）为　１０８用户／ｈ，初始用户偏好概率分别为７５％和　２５％，设施１和设施２的仿真结果表明最终用户偏　好概率分别为５２％和４８％。　利用不同场景的属性级组合对ＰＲＡ算法性能　进行评估。由１５　０００个组合生成１　０００份随机参数　组合／场景样本。每一场景执行一百次仿真到达、　离开和选择过程。ＰＲＡ算法通过独立过程实现相　同场景，从而确保对比的一致性。记录下各设施　１００次演练的等效可用性，然后与仿真结果相比较。　因此制定如下零假设：　：仿真演练所生成的分配请求与采用ＰＲＡ　算法所计算出的分配请求并无明显差异。　由各设施等效可用性样本计算出统计值（如均　值和标准偏差）。　匹配该假说的适宜技术是应用与各样本（ＤＦ＝　ｎ　＋ｎ：一２）规模相关联的自由度　一检验　，如式　（２０）所示。　２９期　戈军，等：实时停车可用性预测　８６８３　４．３算法执行时间　２　Ｙａｎｇ　Ｚｈａｏｓｈｅｎｇ，Ｌｉｕ　Ｈｏｎｇｈｏｎｇ，Ｗａｎｇ　Ｘｉｎｙｕｅ．Ｔｈｅ　ｒｅｓｅａｒｃｈ　ｏｎ　ｔｈｅ　ｋｅｙ　ｔｅｃｈｎｏｌｏｇｉｅｓ　ｆｏｒ　ｉｍｐｒｏｖｉｎｇ　ｅｆｉｃｉｅｎｃｙ　ｏｆ　ｐａｒｋｉｆｎｇ　ｇｕｉｄａｎｃｅ　ｓｙｓｔｅｍ．　Ｉｎ　Ｐｒｏｃｅｅｄｉｎｇｓ　ｏｆ　ＩＥＥＥ　ｉｎｔｅｌｌｉｇｅｎｔ　ｔｒａｎｓｐｏｒｔａｔｉｏｎ　ｓｙｓｔｅｍｓ，２００３；２：　１１７７—１１８２　采用ＶＢ语言编写ＲＡＦ和ＰＲＡ算法，实现ＭＳ—　Ｅｘｃｅｌ中的数据访问、读取和存储。图３给出不考虑　初始停车可用性更新时间的算法性能。该图表明　算法性能随预测进出事件存储数的增大而变坏。　３　Ｌａｍ，Ｌｉ　Ｚｈｉｃｈｕｎ，Ｈｕａｎｇ　Ｈａｉｊｕｎ，ｅｔ　ａ１．Ｍｏｄｅｌｉｎｇ　ｔｉｍｅ—ｄｅｐｅｎｄｅｎｔ　ｔｒａｖｅｌ　ｃｈｏｉｃｅ　ｐｒｏｂｌｅｍｓ　ｉｎ　ｒｏａｄ　ｎｅｔｗｏｒｋｓ　ｗｉｔｈ　ｍｕｌｔｉｐｌｅ　ｕｓｅｒ　ｃｌａｓｓｅｓ　ａｎｄ　ｍｕｌｔｉｐｌｅ　ｐａｒｋｉｎｇ　ｆａｃｉｌｉｔｉｅｓ．Ｔｒｎｓａｐｏｒｔａｔｉｏｎ　Ｒｅｓｅａｒｃｈ－－Ｂ，２００６；　如果算法采用功能更强的语言和计算机时，预测停　车可用性的时间可能会显著减少。　４０（５）：３６８—＿３９５　４　Ｃａｉｃｅｄｏ　Ｆ．Ｔｈｅ　ｕｓｅ　ｏｆ　ｓｐａｃｅ　ａｖａｉｌａｂｉｌｉｔｙ　ｉｎｆｏｒｍａｔｉｏｎ　ｉｎ”ＰＡＲＣ’’ｓｙｓ－　ｔｅｍｓ　ｔｏ　ｒｅｄｕｃｅ　ｓｅａｒｃｈ　ｔｉｍｅｓ　ｉｎ　ｐａｒｋｉｎｇ　ｆａｃｉｌｉｔｉｅｓ．Ｔｒａｎｓｐｏｒｔａｔｉｏｎ　Ｒｅ—　５结论　ＩＰＲ系统可实现更高效地停车可用性管理，同　时也提高了客户满意度和停车服务能力。本文提　ｓｅａｒｃｈ—Ｃ，２００９；１７（１）：５６・－－６８　５　Ｌｉｕ　Ｑｉａｎｇ，Ｌｕ　Ｈｕａｐｕ，Ｚｏｕ　Ｂｏ，ｅｔ　ａ１．Ｄｅｓｉｇｎ　ａｎｄ　ｄｅｖｅｌｏｐｍｅｎｔ　ｏｆ　ｐａｒｋｉｎｇ　ｇｕｉｄａｎｃｅ　ｉｎｆｏｒｍａｔｉｏｎ　ｓｙｓｔｅｍｓ　ｂａｓｅｄ　ｏｎＷｅｂ　ａｎｄ　ＧＩＳ　ｔｅｃｈｎｏｌｏ一　．Ｉｎ　Ｐｒｏｃｅｅｄｉｎｇｓ　ｏｆ　ｔｈｅ　６ｔｈ　Ｉｎｔｅｒｎａｔｉｏｎａｌ　Ｃｏｎｆｅｒｅｎｃｅ　ｏｎ　ＩＴＳ　Ｔｅｌｅ—　ｃｏｍｍｕｎｉｃａｔｉｏｎｓ．２００６：ｌ２６３—１２６６　出了一种基于ＩＰＲ架构的停车设施信息系统的预测　６　Ｔｅｏｄｏｒｏｖｉｃ　Ｄ，Ｌｕｃｉｃ　Ｐ．Ｉｎｔｅｌｌｉｇｅｎｔ　ｐａｒｋｉｎｇ　ｓｙｓｔｅｍｓ．Ｅｕｒｏｐｅａｎ　Ｊｏｕｒ－　车位可用性方法。利用ＲＡＦ算法评估停车请求，算　法采用聚合方法迭代分配停车请求，聚合分配方法　基于先校准ＤＣＭ做出设施抉择，并利用进出历史信　息更新并预测各停车设施的动态容量或可用性。　ｎａｌ　ｏｆ　Ｏｐｅｒａｔｉｏｎａｌ　Ｒｅｓｅａｒｃｈ，２００６；１７５（３）：１６６６－－１６８１　７　Ｍａｒｔｅｎｓ　Ｋ，Ｂｅｎｅｎｓｏｎ　Ｉ．Ｅｖａｌｕａｔｉｎｇ　ｕｒｂａｎ　ｐａｒｋｉｎｇ　ｐｏｌｉｃｉｅｓ　ｗｉｔｈ　ａｇｅｎｔ－－ｂａｓｅｄ　ｍｏｄｅｌ　ｏｆ　ｄｒｉｖｅｒ　ｐａｒｋｉｎｇ　ｂｅｈａｖｉｏｒ．Ｔｒａｎｓｐｏｒｔａｔｉｏｎ　Ｒｅ—　－ｓｅａｒｃｈ　Ｒｅｃｏｒｄ，２００８；２０４６：３７—　８　Ｗｉｌｂｕｒ—Ｓｍｉｔｈ　Ａｓｓｏｃｉａｔｅｓ．ｆｅａｓｉｂｉｌｉｔｙ　ｓｔｕｄｙ　ｏｆ　ｒｅａｌ　ｔｉｍｅ　ｐａｒｋｉｎｇ　ｉｎｆｏｒ－　ｍａｔｉｏｎ　ａｔ　Ｍｅｔｒｏｒａｉｌ　ｐａｒｋｉｎｇ　ｆａｃｉｌｉｔｉｅｓ（ｖｉｒｇｉｎｉａ　ｓｔａｔｉｏｎｓ）－ｉｆｎａｌ　ｒｅｐｏｒｔ．　ｈｔｔｐ：／／ｗｗｗ．ｗｍａｔａ．ｃｏｍ／ｐｄｆｓ／ｐｌａｎｎｉｎｇ／ＲｅａｌＴｉｍｅＰａｒｋｉｎｇＳｔｕｄ－　—为了便于比较，给出逐一预测算法的仿真。比　较结果表明仿真和实际两者之间无明显差异，通过　验证还表明聚合方法的耗时更少。比较实际可用　性与ＲＡＦ算法预测可用性的结果也表明ＲＡＦ算法　预测可用性的平均误差更小。　参考文献　Ｙ．ｐｄｆ，２００９　９齐同军．城市公共停车管理的时空模型研究及应用．杭州：浙江　大学，２０１２：７５—８４　１Ｏ刘大任，林航飞．基于车辆被拒绝概率的停车区服务水平研究．　武汉理工大学学报（交通科学与工程版），２０１２；３６（１）：９１—９４　１　１　Ｃａｉｃｅｄｏ　Ｆ，Ｒｏｂｕｓｔｅ　Ｆ，Ｌｏｐｅｚ－Ｐｉｔａ　Ａ．Ｐａｒｋｉｎｇ　ｍａｎａｇｅｍｅｎｔ　ａｎｄ　ｍｏｄｅｌｉｎｇ　ｏｆ　ｃａｒ　ｐａｒｋ　ｐａｔｒｏｎ　ｂｅｈａｖｉｏｒ　ｉｎ　ｕｎｄｅｒｇｒｏｕｎｄ　ｆａｃｉｌｉｔｉｅｓ．　Ｔｒａｎｓｐｏｒｔａｔｉｏｎ　Ｒｅｓｅａｒｃｈ　Ｒｅｃｏｒｄ，２００６；１９５６：６０—　７　１２　Ｃａｉｃｅｄｏ　Ｆ．Ｇｅｓｔｉ６ｎ　ｄｅ　ａｐａｒｅａｍｉｅｎｔｏｓ　ｓｕｂｔｅｒｒｄｎｅｏｓ．Ｂａｒｃｅｌｏｎａ，　Ｔｅｎｇ　Ｈｕａｌｉａｎｇ，Ｑｉ　Ｙｉ，Ｍａｒｔｉｎｅｌｌｉ　Ｄ　Ｒ．Ｐａｒｋｉｎｇ　ｄｉｆｆｉｃｕｌｔｙ　ａｎｄ　ｐａｒｋｉｎｇ　ｉｎｆｏｒｍａｔｉｏｎ　ｓｙｓｔｅｍ　ｔｅｃｈｎｏｌｏｇｉｅｓ　ａｎｄ　ｃｏｓｔｓ．Ｊｏｕｒｎａｌ　ｏｆ　Ａｄｖａｎｃｅｄ　Ｓｐａｉｎ：Ｅｄｉｃｉｏｎｅｓ　ＵＰＣ，２００５　Ｔｒａｎｓｐｏｒｔａｔｉｏｎ，２００８；４２（２）：１５１—１７８　Ｒｅａｌ—ｔｉｍｅ　Ｐａｒｋｉｎｇ　Ａｖａｉｌａｂｉｌｉｔｙ　Ｐｒｅｄｉｃｔｉｏｎｓ　ＧＥ　Ｊｕｎ　，ＺＨＯＵ　Ｌｉａｎ．ｙｉｎｇ　（Ｄｅｐａｒｔｍｅｎｔ　ｏｆ　Ｃｏｍｐｕｔｅｒ　Ｓｃｉｅｎｃｅ，Ｓｕｑｉａｎ　Ｃｏｌｌｅｇｅ　，Ｓｕｑｉａｎ　２２３８００，Ｐ．Ｒ．Ｃｈｉｎａ；　Ｃｏｌｌｅｇｅ　ｏｆ　Ｃｏｍｐｕｔｅｒ　Ｓｃｉｅｎｃｅ　ａｎｄ　Ｃｏｍｍｕｎｉｃａｔｉｏｎ　Ｅｎｇｉｎｅｅｒｉｎｇ，Ｊｉａｎｇｓｕ　Ｕｎｉｖｅｒｓｉｔｙ　，Ｚｈｅｎｊｉａｎｇ　２１２０１３，Ｐ．Ｒ．Ｃｈｉｎａ）　［Ａｂｓｔｒａｃｔ］　Ｉｎ　ｖｉｅｗ　ｏｆ　ｔｈｅ　ｐｒｅｓｅｎｔ　ｓｈａｒｐ　ｉｎｃｒｅａｓｅ　ｎｕｍｂｅｒ　ｏｆ　ｖｅｈｉｃｌｅｓ，ｉｔ　ｉｓ　ｄｉｉｃｕｌｆｔ　ｔｏ　ｏｂｔａｉｎ　ｒｅａｌ－ｔｉｍｅ　ｐａｒｋｉｎｇ　ｉｎ—　ｆｏｒｍａｔｉｏｎ　ｉｎ　ｔｈｅ　ｐｒｏｃｅｓｓ　ｏｆ　ｐａｒｋｉｎｇ　ｃｈｏｉｃｅ．Ａ　ｍｅｔｈｏｄｏｌｏｇｙ　ｉｓ　ｐｒｏｐｏｓｅｄ　ｆｏｒ　ｐｒｅｄｉｃｔｉｎｇ　ｒｅａｌ－ｔｉｍｅ　ｐａｒｋｉｎｇ　ａｖａｉｌａｂｉｌｉｔｙ　ｉｎ　Ｉｎｔｅｌｌｉｇｅｎｔ　ｐａｒｋｉｎｇ　ｒｅｓｅｒｖａｔｉｏｎ（ＩＰＲ）ａｒｃｈｉｔｅｃｔｕｒｅｓ．Ｔｈｉｓ　ｍｅｔｈｏｄ　ｕｓｅｓ　ｔｈｅ　ｒｅａｌ—ｔｉｍｅ　ａｖａｉｌａｂｉｌｉｔｙ　ｆｏｒｅｃａｓｔ（ＲＡＦ）　ａｌｇｏｒｉｔｈｍ　ｔｏ　ｅｖａｌｕａｔｅ　ｐａｒｋｉｎｇ　ｒｅｑｕｅｓｔ　ａｎｄ　ｅｍｐｌｏｙ　ａｎ　ａｇｇｒｅｇａｔｅｄ　ａｐｐｒｏａｃｈ　ｔｏ　ａｌｌｏｃａｔｅ　ｉｔｅｒａｔｉｖｅｌｙ　ｐａｒｋｉｎｇ　ｒｅｑｕｅｓｔｓ．　Ａｎｄ　ｉｔ　ｗａｓ　ｖｅｒｉｆｉｅｄ　ｂｙ　ａ　ｒｅａｌ　ｃａｓｅ　ｓｃｅｎａｒｉｏ．Ｔｈｅ　ｒｅｓｕｌｔｓ　ｓｈｏｗ　ｔｈａｔ　ｔｈｅ　ａｇｇｒｅｇａｔｉｏｎ　ｍｅｔｈｏｄ　ｉｓ　ｌｅｓｓ　ｔｉｍｅ－ｃｏｎｓｕｍｉｎｇ，ｂｙ　ｃｏｍｐａｒｉｎｇ　ｔｈｅ　ａｃｔｕａｌ　ａｖａｉｌａｂｉｌｉｔｙ　ａｎｄ　ＲＡＦ　ａｌｇｏｒｉｔｈｍ　ｔｏ　ｐｒｅｄｉｃｔ　ａｖａｉｌａｂｉｌｉｔｙ．Ｔｈｅ　ｒｅｓｕｌｔ　ａｌｓｏ　ｓｈｏｗｓ　ｔｈａｔ　ｔｈｅ　ａｖｅｒａｇｅ　ｅｒｒｏｒ　ｕｓｉｎｇ　ＲＡＦ　ａｌｇｏｒｉｔｈｍ　ｔｏ　ｐｒｅｄｉｃｔ　ｐａｒｋｉｎｇ　ａｖａｉｌａｂｉｌｉｔｙ　ｉｓ　ｓｍａｌｌｅｒ．　［Ｋｅｙ　ｗｏｒｄｓ］ｐａｒｋｉｎｇ　ｐａｒｋｉｎｇ　ｒｅｓｅｒｖａｔｉｏｎ　ｉｎｔｅｌｌｉｇｅｎｔ　ｔｒａｎｓｐｏｒｔａｔｉｏｎ　ｓｙｓｔｅｍｓ　ｒｅａｌ—ｔｉｍｅ　ａｖａｉｌａｂｉｌｉｔｙ　ｆｏｒｅｃａｓｔ　ｉｎｔｅｌｌｉｇｅｎｔ