随着城镇化发展、城市人口增长和人均收入的提高,城市中私家车数量不断增加。由于城中土地资源有限,且基础停车设施建设滞后,导致城市停车难问题日益突出。自动化立体车库提高了土地利用率且自动化程度较高,有助于解决城市的停车难问题。平面移动式自动化立体车库是九种自动化立体车库的一种,其库容量大、自动化程度高,但存在存取车时间较长的问题。待命位即平面移动式立体车库中RGV(Rail Guide Vehicle,轨道穿梭小车)空闲时进行待命等待的位置,其影响着立体车库运行效率,对立体车库待命位策略进行研究和优化,可降低存取车时间,提高车库运行效率。通过分析国内外学者的相关研究,以平面移动式立体车库待命位策略作为研究对象,本文的研究主要从以下几个方面进行:(1)描述了平面移动式立体车库的设备和构造,使用平均等待时间、平均逗留时间、平均运行能耗和平均服务时间作为立体车库运行效率评价指标。分析了平面移动式立体车库存车服务过程和取车服务过程,建立服务时间、服务能耗的数学表达式。在此基础上使用PyQt5图形界面库设计了一个平面移动式立体车库仿真软件,实现对任意车库结构、顾客到达和待命位策略下的车库运行评价指标的输出;(2)获取西安市某商场和北京市某医院两个实际平面移动式立体车库的历史运行数据,将数据输入至仿真软件,对两个实际立体车库在三种待命位策略存车优先策略、取车优先策略和原地待命策略下的运行进行仿真分析。分析结果表明:(1)三种现有待命位策略对不同立体车库存取到达状态的适用性不同;(2)车位分配策略与待命位策略存在一定联系。在此基础上得出两种待命位策略优化思想:(1)根据预测存取到达状态动态调整待命位;(2)待命位与车位分配策略综合优化;(3)为对上述根据预测存取到达状态动态调整待命位的优化思想提供理论依据,采用FCM(Fuzzy C-Means,模糊C均值)算法和KNN(K-Nearst Neighbour,K近邻)算法分别对立体车库存取到达状态进行聚类和预测,为提高预测准确率,对传统KNN算法进行两方面的改进:(1)使用自回归模型对到达趋势进行优化;(2)使用信息增益指标对状态向量相似度度量进行优化。聚类结果表明FCM聚类算法可合理实现立体车库存取到达状态聚类,改进KNN算法对存取到达状态预测准确率达到69.08%。证明FCM算法应用至立体车库存取到达状态聚类和改进KNN算法应用至立体车库存取到达状态预测的有效性,为待命位策略的优化提供了依据;(4)完成两种优化待命位策略的设计:(1)在实现存取到达状态聚类和预测的基础上,统计各存取到达状态的存车、取车所占比例及平均到达间隔时间与平均服务时间指标,根据统计指标动态分配RGV待命位,完成根据预测存取到达状态适时调整的动态优化待命位策略的设计;(2)通过对待命位与车位分配策略关系分析,使用改进模拟退火算法对存车过程进行优化,完成与车位分配综合优化的待命位策略的设计。获取两个实际车库的历史运行数据,使用平面移动式立体车库仿真软件将两种优化待命位策略与三种传统策略进行仿真,得到各策略下的评价指标,结果表明本文设计的两种优化待命位策略均降低了顾客平均等待时间和车辆服务时间,提高了车库运行效率,为平面移动式立体车库待命位策略的研究和优化提供参考。