王征　王铖杰　赵风尚

摘要：针对目前国内停车场普遍存在的停车难、管理乱等现实问题，提出了基于贝叶斯网络的停车场车位引导模型。通过选取停车行为相关因素作为选择变量，构建了面向停车引导的贝叶斯网络结构，并计算停车入位行为的最大后验概率，以此分析出停车引导的最佳路径。

关键词：贝叶斯网络；停车入位；主动引导

中图分类号：TP3016文献标识码：A

doi：10.14031/j.cnki.njwx.2017.10.002

Abstract：In this paper， based on the practical problems such as parking difficulty and management chaos in domestic parking lot， this paper puts forward a parking model based on Bayesian network. By selecting the relevant factors of parking behavior as the selection variables， the Bayesian network structure for parking guidance is constructed， and the maximum posteriori probability of parking entry behavior is calculated to analyze the best path of parking guidance.

Keywords： bayesian network； parking entry； active guidance

0引言

随着经济的持续快速发展，汽车消费进入了高速增长期，机动车保有量的增大不仅给城市道路交通带来了巨大的压力，同时停车设施短缺、停车难、管理乱等问题已成为影响城市交通发展的一大难题[1]。停车场智能化车位引导算法可以有效引导待停车量，在不扩张停车场容量的前提下提高它的利用率。同时增强停车场的安全性和可靠性，节约大量的人力物力，具有十分重要的现实意义。

1贝叶斯网络简介

贝叶斯网络（BayesianNetwork， BN）是人工智能领域的一种重要的处理概率问题的建模方法。贝叶斯网络是不确定性推理的图模型。在图模型中，节点表示变量，弧表示变量之间的依赖关系。

贝叶斯网络推理是统计模型推理的一种基本方法，其基本思想是：已知条件概率表达式和先验概率分布，利用贝叶斯公式转换成后验概率，根据最大后验概率得出推理结论。

如公式1所示的贝叶斯公式中，事件Bi的概率为P（Bi），事件Bi已发生条件下事件A的概率为P（A│Bi），事件A发生条件下事件Bi的概率为P（Bi│A）。

P（Bi│A）=P（Bi） P（A│Bi）∑nj=1P（Bj） P（A│Bj）（1）

最大后验概率（Maximum a Posteriori assignment，MAP）是使后验概率达到最大值时的概率分布状态。……