详情

原文传递基于联邦学习和区块链的办公楼停车泊位调度技术研究

论文题名：	基于联邦学习和区块链的办公楼停车泊位调度技术研究
关键词：	办公楼停车场;泊位调度;联邦学习;区块链;流量预测
摘要：	近年来，停车泊位的建设速度赶不上机动车的增长速度，“停车难”已经成为城市停车场管理的主要难题，尤其是在人员密集的商业区办公楼停车场，停车难现象更加突出。为了解决停车难题，办公楼通常采用月租泊位和临时泊位混合的停车策略，通过停车泊位数字化管理，可以帮助驾驶员快速找到可用停车泊位，但不合理的分配策略造成停车资源浪费，如何科学地调度停车泊位对停车场资源使用效率提升具有重要意义。　　目前解决停车难问题的措施主要采用停车泊位预订和预测的方法，通过对预订泊位的车辆采用预订停车泊位和停车时段，对非预订泊位的车辆预测停车时长和流量并匹配可用时段的停车泊位，该方法在车辆行为规律的情况下取得了较好的效果，但在实际情况下，很多非预订泊位的车辆缺少历史停车数据，难以有效进行预测，导致停车泊位利用率不高，同时非预订泊位的车辆超时停车会影响后续预订泊位的车辆的停放。另外，随着数据隐私安全重视程度的不断提高，停车数据往往因涉及用户的相关隐私信息，在实际中难以集中获取和利用，无法实现对车辆的停车流量进行有效预测。　　针对现有办公楼停车解决方案存在停车冲突、停车泊位利用率不高、停车数据无法集中下的有效预测停车流量的问题，本文对办公楼停车泊位调度技术进行研究，提出了基于联邦学习和区块链的办公楼停车泊位调度方法，实现在不集中停车数据的情况下有效预测停车流量，动态优化停车泊位，及时地分配给对应的车辆，避免了不同类型车辆的停车冲突问题。另外，在保证月租车辆的停车服务质量的同时，满足更多临时车辆的停车需求，最大化提高办公楼停车场的利用率。　　论文研究的主要工作和创新点如下：　　1.针对停车数据因隐私安全难以集中进行分析和利用的问题，提出了一种基于联邦学习的停车流量预测方法，实现在不集中数据情况下有效训练办公楼停车场的停车流量预测模型，可以满足实际的要求。　　2.针对基于联邦学习的停车流量预测方法存在模型训练效率低的问题，提出了一种基于联邦学习和区块链相结合的停车流量预测方法，基于区块链和IPFS实现链上链下存储停车流量预测模型参数，设计了基于数据量贡献和模型性能提升贡献的激励机制。　　3.针对现有办公楼停车场优化方法存在停车泊位利用率低的问题，提出了一种基于联邦学习和区块链停车流量预测的停车泊位调度方法，基于联邦学习和区块链的停车流量预测方法训练月租车辆停车流量预测模型，根据预测的每时段的月租车辆停车流量，设计了两种停车泊位调度算法，动态规划可用停车泊位的类型，提高了办公楼停车泊位的利用率。
作者：	宗学森
专业：	计算机技术
导师：	王金龙
授予学位：	硕士
授予学位单位：	青岛理工大学
学位年度：	2022