智能停车场优化策略的研究
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第11-19页 |
| 1.1 课题背景及研究意义 | 第11-12页 |
| 1.1.1 课题背景 | 第11-12页 |
| 1.1.2 课题的研究意义 | 第12页 |
| 1.2 国内外研究现状 | 第12-16页 |
| 1.2.1 国外研究现状 | 第12-14页 |
| 1.2.2 国内研究现状 | 第14-16页 |
| 1.3 课题的提出 | 第16页 |
| 1.4 本文的研究内容 | 第16-19页 |
| 第2章 智能停车场管理系统设计 | 第19-31页 |
| 2.1 智能停车管理系统功能需求 | 第19-20页 |
| 2.2 系统软硬件介绍 | 第20-21页 |
| 2.2.1 系统硬件构成 | 第20页 |
| 2.2.2 系统软件构架 | 第20-21页 |
| 2.3 停车场管理系统构架 | 第21-30页 |
| 2.3.1 微信预约车位系统 | 第22-23页 |
| 2.3.2 入口管理系统 | 第23-25页 |
| 2.3.3 停车诱导系统 | 第25-26页 |
| 2.3.4 反向寻车系统 | 第26-27页 |
| 2.3.5 支付管理系统 | 第27-28页 |
| 2.3.6 出口管理系统 | 第28-30页 |
| 2.4 本章小结 | 第30-31页 |
| 第3章 基于决策者偏好信息的车位选择 | 第31-41页 |
| 3.1 决策者偏好信息 | 第31-32页 |
| 3.2 模糊偏好排序方法 | 第32-34页 |
| 3.3 停车场车位选择算法的实现 | 第34-40页 |
| 3.4 本章小结 | 第40-41页 |
| 第4章 粒子群算法的改进 | 第41-53页 |
| 4.1 基本粒子群算法 | 第41-43页 |
| 4.1.1 粒子群算法流程 | 第41-42页 |
| 4.1.2 粒子群算法参数分析 | 第42-43页 |
| 4.2 DE-POS算法 | 第43-47页 |
| 4.2.1 差分进化算法(DE) | 第43-45页 |
| 4.2.2 差分进化算法参数分析 | 第45-46页 |
| 4.2.3 DE-POS算法步骤 | 第46-47页 |
| 4.3 DE-POS算法仿真及分析 | 第47-52页 |
| 4.3.1 几个测评函数简介 | 第47-49页 |
| 4.3.2 标准PSO与改进后算法的仿真比较 | 第49-52页 |
| 4.4 本章小结 | 第52-53页 |
| 第5章 改进的粒子群算法在停车场中的应用 | 第53-63页 |
| 5.1 模型建立原理 | 第53-56页 |
| 5.1.1 自由空间法 | 第53页 |
| 5.1.2 构型空间法 | 第53-54页 |
| 5.1.3 停车场模型的建立 | 第54-56页 |
| 5.2 改进的粒子群算法在停车场中的应用 | 第56-59页 |
| 5.2.1 编码 | 第56页 |
| 5.2.2 适应度函数的设计 | 第56-59页 |
| 5.3 仿真实验 | 第59-61页 |
| 5.3.1 静态环境下仿真 | 第59-60页 |
| 5.3.2 动态环境下仿真 | 第60-61页 |
| 5.4 本章小结 | 第61-63页 |
| 第6章 结论与展望 | 第63-65页 |
| 6.1 研究工作总结 | 第63-64页 |
| 6.2 未来工作展望 | 第64-65页 |
| 参考文献 | 第65-69页 |
| 致谢 | 第69页 |
