一種立體車庫調度控制裝置的制作方法

本發明涉及立體車庫智能控制技術領域，具體涉及一種基于ACP方法矩陣式立體車庫調度控制裝置及其方法，結合大數據分析得到完善的請求事件信息，將權值分配、完善的請求事件信息和車庫狀態信息結合，通過ACP方法得到最優的路徑方案，達到數據的融合分析和調度系統對車庫車流量自適應的目的。

背景技術：
：

目前，隨著經濟社會的快速發展，城市機動車保有量的急劇增長，給現有的停車基礎設施帶來了巨大的壓力，停車難，亂停車等現象不斷重復上演，尤其是建筑密集的區域，停車困難問題更為嚴重。在現有技術中，立體停車庫成為了解決當下停車困難的最佳方式。但現有技術的立體停車庫在使用的過程中普遍存在下列問題：一是用戶同時前往一個車庫，造成該車庫車位緊張，而另一個車庫車位空置率高；二是存取車高峰期，調度系統壓力大，無法及時將車輛取出，用戶等待時間長，體驗度降低；三是調度系統執行過程中僅以將車輛取出為目的，無法綜合考慮用戶信息和車型信息，造成整個系統的能耗高，用戶平均等待時間長。上述這些問題出現的原因在于，沒有有效的途徑方便用戶及時了解車庫車位信息，而且受車庫本身存取車裝置的限制，調度系統無法同時實現多臺車輛的調度，另外現有的調度系統執行軟件設計簡單，一般將存取車事件作為單個事件處理，不考慮多個事件之間的連續性和相關性，以單個車輛取車時間為優化目標，而不是以整個車庫中所有車輛存取車時間為優化目標，不考慮車流量動態變化和恒定的車庫調度系統速度之間的矛盾關系，還有缺少對歷史停車數據的分析利用，無法得到完善的用戶存取車習慣信息，進而無法將車庫系統作為一個整體考慮，無法預測某一時刻車庫車流量數據。

ACP方法的理念就是通過人工社會(Artificial societies)，即人工系統、計算實驗(Computational experi-ments)、平行執行(Parallel execution)之間組合，將人工的虛擬空間Cyberspace變成我們解決復雜問題的新的另一半空間，同自然的物理空間一起構成求解復雜系統方程之完整的復雜空間。而新興的互聯網、云計算、物聯網等技術，正式支撐ACP方法的核心技術。從本質上講，ACP的核心就是把復雜系統虛的和軟的部分建立起來，通過可定量、可實施的計算化和實時化，使之硬化，真正地用于解決實際的復雜問題。

人工系統不同于一般的仿真系統，實際系統不再是人工系統建立的唯一參考和標準，而是將人工系統中的模型視為一種現實，是實際系統的一種可能的代替形式或另一種可能的實現方式，而實際系統也只是可能出現的現實中的一種，其行為與模型的行為不同但卻等價，即不必苛求二者完全相同或高度逼近，只要求它們在規模、行為方式和系統特性等方面具有一致性即可。計算實驗主要是針對人工系統進行的，其過程主要包括實驗設計，模擬實驗，實驗評估等。在這種計算實驗方法中，傳統的計算模型變成了計算實驗室里的試驗過程，成為生長培育各類復雜系統的手段。平行執行對于一個復雜系統的研究，多數情況下既沒有系統的足夠精準的模型，也不能建立可以解析的預測系統短期的行為模型。因此，人工系統的建立不可能一次構建就可以達到能與實際系統的等價的程度，同時也很難給予實際系統十分準確的管理或指導信息。這就需要不斷的對實際系統的反饋和人工系統中給出的策略，通過計算實驗方法，在人工系統和實際系統進行一個滾動的優化過程，該優化過程即平行執行。ACP方法目的是使人工系統中的角色從被動到主動，靜態到動態，離線到在線，以至最后由從屬地位提高到相等的地位。因此，為了實現立體車庫的智能化控制將ACP方法運用于立體車庫的控制過程中。

技術實現要素：
：

本發明的目的在于克服現有技術中存在的缺點，尋求一種基于ACP方法的立體車庫的調度控制裝置及其方法，解決現有車庫系統運行過程中存在的用戶信息和車輛信息不完善、調度靈活度低，數據融合分析困難，無法對調度方案進行評估優化的問題。

為了實現上述目的，本發明涉及的立體車庫調度控制裝置，其主體結構包括用戶需求模塊、數據模塊、車庫信息模塊、智能控制模塊和智能調度模塊；用戶需求模塊獲取用戶的存取車請求事件信息，并將車庫信息模塊、智能調度模塊得到的信息及時反饋給用戶；數據模塊采集車輛及用戶的相關信息，對信息進行處理和存儲；車庫信息模塊接收和分析車庫的狀態數據，同時將車庫狀態數據輸出；智能控制模塊根據數據采集模塊得到的車輛和用戶的信息完善用戶請求事件信息，結合車庫狀態數據通過ACP方法生成最優調度方案；智能調度模塊接收并執行最優調度方案。

本發明涉及的用戶需求模塊用于獲取用戶的存取車請求事件并將請求事件傳遞給智能控制模塊，接收車庫信息模塊輸出的車庫狀態數據，接收智能調度模塊反饋的用戶事件調度方案處理需等待時間和建議，并將車庫狀態數據、等待時間和建議反饋給用戶；所述用戶需求模塊可以為手機終端APP、車輛終端、網絡平臺以及車庫場地內設置的交互平臺；數據模塊包括數據采集單元、數據庫和數據預處理單元三個功能部分，數據采集單元用于采集汽車銷售商網站、車庫入口稱量裝置、社交網站、現有車庫數據庫和車庫信息模塊中的信息；數據預處理單元用于將采集的信息進行分析歸納，得到車輛信息、用戶存取車習慣數據、用戶性格信息和車庫流量數據；數據庫將數據預處理單元得到的信息存儲于數據庫；所述車庫流量數據為車庫信息模塊反饋的數據，所述車輛信息為來自汽車銷售商或通過車庫入口稱量裝置得到的車型重量信息，所述用戶存取車習慣數據為能夠獲得的現有車庫記錄的車輛存車和取車時間信息，所述用戶性格信息為通過采集社交網站上用戶信息分析客戶是否守時及其他性格習慣，所述車庫流量數據為車庫車流量隨時間的變化數據，可以為當日車流量統計數據和季節性車流量統計數據，通過車庫信息模塊的記錄能夠逐步得到完善的信息；車庫信息模塊接收PLC控制系統傳遞的各種信號，分析統計得到車庫狀態信息，記錄車庫流量數據，計算以時間和能耗為目標函數的每個停車位的權值，將車庫狀態信息反饋給用戶需求模塊，將車庫狀態信息和車位權值傳遞給智能控制模塊，將車庫流量數據輸出給數據模塊；車庫狀態信息包括車庫位置、收費信息、車位占用狀態、驅動裝置和提升電梯的狀態(是否損壞)；智能控制模塊包括信息鏈單元、計算實驗單元和存儲單元三部分，信息鏈單元用于信息鏈的形成，接收用戶需求模塊的請求事件，讀取車庫信息模塊記錄的車庫狀態，并結合數據模塊內的請求事件車輛的相關信息，形成信息鏈并輸送到儲存單元中；計算實驗單元根據信息鏈確定優化目標函數通過計算實驗過程得到最優調度方案，將最優調度方案輸出到存儲單元后再發送到智能調度模塊；儲存單元用于存儲信息鏈和最優調度方案；所述信息鏈構成為預約事件/優先事件/次級優先事件-存車時間/取車時間-車輛信息(車重、車牌號)-取車時間-用戶性格信息-車庫流量數據，所述預約事件為用戶通過用戶需求模塊確定的預約存車/取車事件或通過數據模塊用戶存取車習慣得到的用戶取車事件，所述優先事件為用戶已達到車庫的存車/取車事件，所述次級優先事件為達到用戶預約時間的取車事件，所述取車時間為用戶設定的時間或通過數據分析用戶存取車習慣得到的取車時間，所述調度方案包括調度過程中路徑方案和調度過程時間預算；智能調度模塊根據調度方案按照調度順序控制立體車庫的PLC控制系統進行車輛調度，同時實時統計每一個調度方案執行需要等待的時間，將等待時間和結合等待時間給用戶的建議反饋給用戶需求模塊，所述調度順序為根據智能調度模塊接收到調度方案的順序給予調度方案執行的順序號。

本發明涉及的計算實驗單元為基于ACP方法的一個單元模塊，具體為在人工立體車庫系統中映射一個與實際立體車庫系統狀態相同的人工立體車庫模型，在立體車庫模型中進行計算實驗過程，計算實驗單元包括實驗設計、實驗執行和實驗評估三個部分，實驗設計以車庫狀態信息和獲得的所有信息鏈信息為基礎條件，以該時刻車庫需求確定實驗設計的原則，如時間最優、庫存最大或進車優先原則，選取相應算法得到實驗方案；將實驗方案在人工立體車庫模型中進行模擬實驗，即實驗執行，模擬執行后得到模擬后的人工立體車庫模型車庫狀態信息，根據模擬后的人工立體車庫模型車庫狀態信息和智能控制模塊新獲得的信息鏈信息，以實驗設計階段選取的實驗設計原則，選擇評價方案目標函數是時間最優或庫存最大或進車優先對該設計方案進行評價，若為最優方案則確定為最優調度方案，若不是最優方案，則返回實驗設計階段重新確定。

本發明涉及的立體車庫調度控制裝置的控制對象為矩陣式立體車庫，所述矩陣式立體車庫包括立體車庫機械結構部分和PLC控制系統，立體車庫機械結構部分包括提升電梯和載車模塊，立體車庫機械結構部分分為若干層，每層包括提升電梯和設置在提升電梯周邊陣列式排布的載車模塊，所述載車模塊包括支撐框架、驅動裝置和載車板，支撐框架上設有限位開關，用于感應載車板的移動位置，支撐框架上還設有重量傳感器，通過重量數據確定載車模塊上是否停有車輛，驅動裝置通過載車板帶動車輛在橫向或縱向移動，通過提升電梯驅動車輛在上下方向上移動，所述PLC控制系統分別與限位開關、重量傳感器、驅動裝置電機和提升電梯電連接。

本發明涉及的立體車庫的調度控制方法，包括以下步驟：

101.數據信息采集：先由數據模塊獲取車輛信息、用戶存取車習慣信息、用戶性格信息和車庫流量數據，并將采集的數據進行分析、歸納并存儲于數據庫；所述車輛信息包括來自汽車銷售商或通過車庫入口稱量裝置得到的車型重量信息，所述用戶存取車習慣包括現有車庫記錄的車輛存車和取車時間信息，所述用戶性格信息包括通過采集社交網站用戶信息分析得到的用戶是否守時的性格信息，所車庫流量數據為車庫車流量隨時間的變化數據包括當日車流量統計數據，季節性車流量統計數據；

102.請求事件獲取：根據請求事件的類型分為兩種情況：一是對于存車請求，車庫信息模塊接收PLC控制系統傳遞的各種信號，分析統計得到車庫剩余車位，將剩余車位信息實時發送給用戶需求模塊，用戶在用戶請求模塊中搜索或查詢目標車庫，若目標車庫有剩余車位則在人機交互界面輸入并確認預約存車時間、車型和預約取車時間；二是對于取車請求，用戶在人機交互界面輸入并確認車牌號和取車時間或預約取車時間；

103.信息鏈確定：由智能控制模塊接收到步驟102獲取的請求事件信息，讀取步驟101數據模塊內存儲的請求事件車輛和用戶相關信息構建信息鏈，并將信息鏈存儲；信息鏈分為以下幾種情況：信息鏈A：優先事件-存車時間-車重-取車時間-用戶性格信息-車庫流量數據；信息鏈B：優先事件-取車時間-載車板編號(或車牌號)-用戶性格信息-車庫流量數據；信息鏈C：次級優先事件-取車時間-載車板編號(或車牌號)用戶性格信息-車庫流量數據；信息鏈D：預約事件-取車時間-載車板編號-用戶性格信息-車庫流量數據；信息鏈E：預約事件-存車時間-車重-取車時間-用戶性格信息-車庫流量數據；

104.車位狀態獲取和權值分配：車庫信息模塊接收PLC控制系統傳遞的各種信號，通過分析統計得到車庫狀態信息，再計算以時間和能耗為優化目標的每個停車位的權值，得到權值分配信息；

105.調度方案確定：計算實驗單元讀取步驟103中存儲的信息鏈信息，步驟104得到的車庫狀態信息和權值分配信息，依次通過實驗設計、實驗執行和實驗評估得到最優調度方案；

106.調度方案執行：智能調度模塊接收步驟105得到的最優調度方案，根據最優調度方案按照調度順序控制立體車庫的PLC控制系統進行車輛調度，同時實時統計每一個調度方案執行需要等待的時間，將等待時間反饋給用戶需求模塊；對于取車路徑，提升電梯將車輛運行到指定停車層，與此同時，相應驅動裝置將障礙車輛移出相應停車位，從而使提升電梯達到指定停車層后，將車輛直接進入停車位。

本發明涉及的步驟101，具體運行分為以下步驟：

1011.數據采集單元采集網絡信息、現有車庫記錄信息、汽車銷售商車型重量數據信息或車庫入口稱量裝置獲取的車輛重量信息，接收車庫信息模塊返回的車庫流量數據；

1012.數據預處理單元將數據采集單元采集的信息進行分析歸納，得到車輛數據、用戶存取車習慣數據和用戶性格信息數據；

1013.數據庫將步驟1012得到的數據和車庫流量數據存儲。

本實施例涉及的步驟104可以具體分為以下步驟：

1041.統一時間和能耗量綱，計算以時間和能耗為優化目標的每個停車位的權值，確定時間是首要優化目標，以時間最優的前十種方案中最短時間t0和最低能耗q0為基準，針對某個方案的時間t和能耗q,將所需時間和能耗與最小值的比值作為優化函數得出權值，即t/t0+q/q0；

1042.接收PLC控制系統傳遞的信號確認車位的占用狀態、驅動裝置和提升電梯的狀態，如空余停車位，故障驅動裝置，故障提升電梯等信息，同時記錄各停車位、驅動裝置和提升電梯的狀態。

本發明涉及的步驟105具體包括以下步驟：

1051.在人工立體車庫系統中映射一個與實際立體車庫系統狀態相同的人工立體車庫模型；

1052.在人工立體車庫模型中以車庫狀態信息和獲得的所有信息鏈信息為基礎條件，以該時刻車庫需求確定實驗設計原則，如時間最優、庫存最大或進車優先，選取相應算法得到實驗方案；所述算法包括融合遺傳算法和蟻群算法的GAAAA算法或廣度優先算法或其他算法；

1053.將實驗方案在人工立體車庫模型中進行模擬實驗，即實驗執行，模擬執行后得到模擬后人工立體車庫模型車庫狀態信息；

1054.根據步驟1053獲得的模擬后人工立體車庫模型的車庫狀態信息和步驟103智能控制模塊新獲得的信息鏈信息，以實驗設計階段選取的原則，選擇評價方案目標函數是時間最優或庫存最大或進車優先對該設計方案進行評價，若為最優方案則確定為最優調度方案，若不是最優調度方案，則返回步驟1052重新開始。

本發明與現有技術相比，一是使現有的停車資源得到最大效率的使用，降低了停車基礎設施建設預算，整個社會停車場收費制度將更加合理；二是停車過程更智能便捷，提高出行的效率，提高城市的運行效率；三是易用性強，可大范圍推廣應用，緩解人口建筑密集區域的停車難問題。

附圖說明：

圖1為本發明涉及的立體車庫調度控制裝置的結構示意框圖。

圖2為本發明涉及的立體車庫機械機構部分單層結構示意圖。

圖3為本發明涉及的載車模塊結構示意圖。

圖4為本發明涉及的立體車庫調度控制方法流程示意框圖。

圖5為本發明涉及的計算實驗過程流程示意圖。

圖6為本發明涉及的5*3矩陣式立體車庫的權值分配圖。

圖7為本發明涉及的廣度算法流程示意圖。

具體實施方式：

下面結合附圖和實施例對本發明做進一步說明：

實施例1：

本實施例涉及的立體車庫調度控制裝置，其主體結構包括用戶需求模塊1、數據模塊2、車庫信息模塊3、智能控制模塊4和智能調度模塊5；用戶需求模塊1獲取用戶的存取車請求事件信息，并將車庫信息模塊3、智能調度模塊5得到的信息及時反饋給用戶；數據模塊2采集車輛及用戶的相關信息，對信息進行處理和存儲；車庫信息模塊3接收和分析車庫的狀態數據，同時將車庫狀態數據輸出；智能控制模塊4根據數據采集模塊得到的車輛和用戶的信息完善用戶請求事件信息，結合車庫狀態數據通過ACP方法生成最優調度方案；智能調度模塊5接收并執行最優調度方案。

本發明涉及的用戶需求模塊1用于獲取用戶的存取車請求事件并將請求事件傳遞給智能控制模塊4，接收車庫信息模塊3輸出的車庫狀態數據，接收智能調度模塊5反饋的用戶事件調度方案處理需等待時間和建議，并將車庫狀態數據、等待時間和建議反饋給用戶；所述用戶需求模塊1可以為手機終端APP、車輛終端、網絡平臺以及車庫場地內設置的交互平臺；數據模塊2包括數據采集單元13、數據庫14和數據預處理單元15三個功能部分，數據采集單元13用于采集汽車銷售商網站、車庫入口稱量裝置、社交網站、現有車庫數據庫和車庫信息模塊3中的信息；數據預處理單元15用于將采集的信息進行分析歸納，得到車輛信息、用戶存取車習慣數據、用戶性格信息和車庫流量數據；數據庫14將數據預處理單元15得到的信息存儲于數據庫14；所述車庫流量數據為車庫信息模塊3反饋的數據，所述車輛信息為來自汽車銷售商或通過車庫入口稱量裝置得到的車型重量信息，所述用戶存取車習慣數據為能夠獲得的現有車庫記錄的車輛存車和取車時間信息，所述用戶性格信息為通過采集社交網站上用戶信息分析客戶是否守時及其他性格習慣，所述車庫流量數據為車庫車流量隨時間的變化數據，可以為當日車流量統計數據和季節性車流量統計數據，通過車庫信息模塊3的記錄能夠逐步得到完善的信息；車庫信息模塊3接收PLC控制系統6傳遞的各種信號，分析統計得到車庫狀態信息，記錄車庫流量數據，計算以時間和能耗為目標函數的每個停車位的權值，將車庫狀態信息反饋給用戶需求模塊，將車庫狀態信息和車位權值傳遞給智能控制模塊4，將車庫流量數據輸出給數據模塊2，車庫狀態信息包括車庫位置、收費信息、車位占用狀態、驅動裝置和提升電梯17的狀態(是否損壞)；智能控制模塊4包括信息鏈單元8、計算實驗單元9和存儲單元16三部分，信息鏈單元8用于信息鏈的形成，接收用戶需求模塊1的請求事件，讀取車庫信息模塊3記錄的車庫狀態，并結合數據模塊2內的請求事件車輛的相關信息，形成信息鏈并輸送到儲存單元16中；計算實驗單元9根據信息鏈確定優化目標函數通過計算實驗過程得到最優調度方案，將最優調度方案輸出到存儲單元16后再發送到智能調度模塊5；儲存單元16用于存儲信息鏈和最優調度方案；所述信息鏈構成為預約事件/優先事件/次級優先事件-存車時間/取車時間-車輛信息(車重、車牌號)-取車時間-用戶性格信息-車庫流量數據，所述預約事件為用戶通過用戶需求模塊1確定的預約存車/取車事件或通過數據模塊2用戶存取車習慣得到的用戶取車事件，所述優先事件為用戶已達到車庫的存車/取車事件，所述次級優先事件為達到用戶預約時間的取車事件，所述取車時間為用戶設定的時間或通過數據分析用戶存取車習慣得到的取車時間，所述調度方案包括調度過程中路徑方案和調度過程時間預算；智能調度模塊5根據調度方案按照調度順序控制立體車庫的PLC控制系統6進行車輛調度，同時實時統計每一個調度方案執行需要等待的時間，將等待時間和結合等待時間給用戶的建議反饋給用戶需求模塊1，所述調度順序為根據智能調度模塊5接收到調度方案的順序給予調度方案執行的順序號。

本實施例涉及的計算實驗單元9為基于ACP方法的一個單元模塊，具體為在人工立體車庫系統中映射一個與實際立體車庫系統狀態相同的人工立體車庫模型，在立體車庫模型中進行計算實驗過程，計算實驗單元9包括實驗設計10、實驗執行11和實驗評估12三個部分，實驗設計10以車庫狀態信息和獲得的所有信息鏈信息為基礎條件，以該時刻車庫需求確定實驗設計10的原則，如時間最優、庫存最大或進車優先原則，選取相應算法得到實驗方案；將實驗方案在人工立體車庫模型中進行模擬實驗，即實驗執行11，模擬執行后得到模擬后的人工立體車庫模型車庫狀態信息，根據模擬后的人工立體車庫模型車庫狀態信息和智能控制模塊新獲得的信息鏈信息，以實驗設計10階段選取的實驗設計原則，選擇評價方案目標函數是時間最優或庫存最大或進車優先對該設計方案進行評價，若為最優方案則確定為最優調度方案，若不是最優方案，則返回實驗設計10階段重新確定。

本實施例涉及的立體車庫調度控制裝置的控制對象為矩陣式立體車庫，所述矩陣式立體車庫包括立體車庫機械結構部分7和PLC控制系統6，立體車庫機械結構部分7包括提升電梯17和載車模塊，立體車庫機械結構部分7分為若干層，每層包括提升電梯17和設置在提升電梯17周邊陣列式排布的載車模塊，(載車模塊在圖2中具體為A-G，其中載車模塊分別為三種狀態，第一種狀態是車位的驅動裝置上停有空的載車板，即帶載車板空車位，如F所示；第二種狀態是車位的驅動裝置上停有載車板和車輛，如A、D和E上所示；第三種狀態是車位的驅動裝置上沒有載車板，即為無載車板空車位，如B、C、D和G所示)，所述載車模塊包括支撐框架18、驅動裝置19和載車板20，支撐框架18上設有限位開關21，用于感應載車板的移動位置，支撐框架18上還設有重量傳感器22，通過重量數據確定載車模塊上是否停有車輛，驅動裝置19通過載車板20帶動車輛在橫向或縱向移動，通過提升電梯17驅動車輛在上下方向上移動，所述PLC控制系統6分別與限位開關21、重量傳感器22、驅動裝置電機和提升電梯17電連接。

本實施例涉及的立體車庫的調度控制方法，包括以下步驟：

101.數據信息采集：先由數據模塊2獲取車輛信息、用戶存取車習慣信息、用戶性格信息和車庫流量數據，并將采集的數據進行分析、歸納并存儲于數據庫14；所述車輛信息包括來自汽車銷售商或通過車庫入口稱量裝置得到的車型重量信息，所述用戶存取車習慣包括現有車庫記錄的車輛存車和取車時間信息，所述用戶性格信息包括通過采集社交網站用戶信息分析得到的用戶是否守時的性格信息，所車庫流量數據為車庫車流量隨時間的變化數據包括當日車流量統計數據，季節性車流量統計數據；

102.請求事件獲取：根據請求事件的類型分為兩種情況：一是對于存車請求，車庫信息模塊3接收PLC控制系統6傳遞的各種信號，分析統計得到車庫剩余車位，將剩余車位信息實時發送給用戶需求模塊1，用戶在用戶請求模塊1中搜索或查詢目標車庫，若目標車庫有剩余車位則在人機交互界面輸入并確認預約存車時間、車型和預約取車時間；二是對于取車請求，用戶在人機交互界面輸入并確認車牌號和取車時間或預約取車時間；

103.信息鏈確定：由智能控制模塊4接收到步驟102獲取的請求事件信息，讀取步驟101數據模塊2內存儲的請求事件車輛和用戶相關信息構建信息鏈，并將信息鏈存儲；信息鏈分為以下幾種情況：信息鏈A：優先事件-存車時間-車重-取車時間-用戶性格信息-車庫流量數據；信息鏈B：優先事件-取車時間-載車板編號(或車牌號)-用戶性格信息-車庫流量數據；信息鏈C：次級優先事件-取車時間-載車板編號(或車牌號)用戶性格信息-車庫流量數據；信息鏈D：預約事件-取車時間-載車板編號-用戶性格信息-車庫流量數據；信息鏈E：預約事件-存車時間-車重-取車時間-用戶性格信息-車庫流量數據；

104.車位狀態獲取和權值分配：車庫信息模塊3接收PLC控制系統6傳遞的各種信號，通過分析統計得到車庫狀態信息，再計算以時間和能耗為優化目標的每個停車位的權值，得到權值分配信息；

105.調度方案確定：計算實驗單元9讀取步驟103中存儲的信息鏈信息，步驟104得到的車庫狀態信息和權值分配信息，依次通過實驗設計10、實驗執行11和實驗評估12得到最優調度方案；

106.調度方案執行：智能調度模塊5接收步驟105得到的最優調度方案，根據最優調度方案按照調度順序控制立體車庫的PLC控制系統6進行車輛調度，同時實時統計每一個調度方案執行需要等待的時間，將等待時間反饋給用戶需求模塊1；對于取車路徑，提升電梯17將車輛運行到指定停車層，與此同時，相應驅動裝置將障礙車輛移出相應停車位，從而使提升電梯17達到指定停車層后，將車輛直接進入停車位。

本實施例涉及的步驟101，具體運行分為以下步驟：

1011.數據采集單元13采集網絡信息、現有車庫記錄信息、汽車銷售商車型重量數據信息或車庫入口稱量裝置獲取的車輛重量信息，接收車庫信息模塊3返回的車庫流量數據；

1012.數據預處理單元15將數據采集單元13采集的信息進行分析歸納，得到車輛數據、用戶存取車習慣數據和用戶性格信息數據；

1013.數據庫14將步驟1012得到的數據和車庫流量數據存儲。

本實施例涉及的步驟104可以具體分為以下步驟：

1041.統一時間和能耗量綱，計算以時間和能耗為優化目標的每個停車位的權值，確定時間是首要優化目標，以時間最優的前十種方案中最短時間t0和最低能耗q0為基準，針對某個方案的時間t和能耗q,將所需時間和能耗與最小值的比值作為優化函數得出權值，即t/t0+q/q0，圖6為一個5*3矩陣式立體車庫的權值分配圖；

1042.接收PLC控制系統6傳遞的信號確認車位的占用狀態、驅動裝置19和提升電梯17的狀態，如空余停車位，故障驅動裝置，故障提升電梯17以及載車板模塊狀態信息，同時記錄各停車位、驅動裝置和提升電梯17的狀態。

本實施例涉及的步驟105具體包括以下步驟：

1051.在人工立體車庫系統中映射一個與實際立體車庫系統狀態相同的人工立體車庫模型；

1052.在人工立體車庫模型中以車庫狀態信息和獲得的所有信息鏈信息為基礎條件，以該時刻車庫需求確定實驗設計原則，如時間最優、庫存最大或進車優先，選取相應算法得到實驗方案；所述算法包括融合遺傳算法和蟻群算法的GAAAA算法或廣度優先算法或其他算法；

1053.將實驗方案在人工立體車庫模型中進行模擬實驗，即實驗執行11，模擬執行后得到模擬后人工立體車庫模型車庫狀態信息；

1054.根據步驟1053獲得的模擬后人工立體車庫模型的車庫狀態信息和步驟103智能控制模塊4新獲得的信息鏈信息，以實驗設計10階段選取的原則，選擇評價方案目標函數是時間最優或庫存最大或進車優先對該設計方案進行評價，若為最優方案則確定為最優調度方案，若不是最優調度方案，則返回步驟1052重新開始。

實施例2：

本實施例涉及的實驗設計過程采用廣度優先算法，先對5*5車位進行編號，采用兩位十進制數，十位表示行，個位表示列，如表1所示：

表1車位編號示意表

為表示調度過程的各個狀態，采用數據的二進制表示形式對車位占用進行編碼，數據中包括的信息有：每個車位是否被占用及目標車輛(主車)所在車位號。

表2狀態編碼含義表

數據的最大值max＝2²⁷＝134,217,728

long數據類型范圍是從-9,223,372,036,854,775,808到9,223,372,036,854,775,807，足夠編碼使用，故采用long數據類型對狀態編碼。

搜索信息的儲存

搜索樹的儲存：建立結構體類型，存儲每個狀態的車位占用、父節點、距離信息、移動關系。

采用List類型存儲黑色和灰色節點，節點信息中的父節點序號是父節點在List中的序號。

List<node>nodesSave＝new List<node>()；//存放黑色&灰色節點

節點的父子關系指：父節點可通過合法移動一輛車到相鄰空位達到與子節點狀態相同。先搜索到的節點為父節點，后搜索到的節點為子節點。合法移動指要移動到的目標車位是可用的空位。結構體node中的dir數組存儲的是從父節點到本節點所需的移動方式，程序運行時數組申請長度為56,數組下標對應車位序號，數組中保存數值指示移動方向，0表示不移動，1、2、3、4分別表示向上、右、下、左移動。

其他信息的儲存：

List<long>nodesStatus＝new List<long>()；//存儲已經遍歷到的節點status,以編號形式存儲

List<int>endNodes＝new List<int>()；//存儲目標狀態在nodesSave中的序號

List<node>nodesPath1＝new List<node>()；//存放路徑

bool[]isUsefull＝new bool[56]；//表示5*5的車庫車位可用情況，true可用，false不可用

算法流程：

首先設定初始狀態，標記為灰色節點，之后進入循環，搜搜該灰色節點的所有子節點，并將新發現的節點標記為灰色節點。找到所有子節點的灰色節點標記為黑色節點，再搜索下一個灰色節點，直到達到停止條件，跳出循環。停止條件有兩個，滿足其一即可：

A.搜索深度<20

B.搜索到的目標狀態達到y個，其中n為車位總數，x為車輛總數，y被限幅在1-15之間。

找到多個目標狀態再比較的原因在于搜索時的單步移動和真實車庫的移動不同，搜索樹建立時為計算方便，認為每次只能移動一輛車到相鄰空位。而真實車庫為了降低出庫時間，互相不干擾的移動可同時進行，故搜索到的第一個目標狀態并不一定是真實的最短路徑目標狀態。通過對路徑壓縮，即把互不干擾的移動合并，再選擇用時最少，移動車輛相對少的路徑，才完成了最優路徑的搜索。