CN105303882A - 基于时空维度动态停车收费策略的停车管理系统及方法 - Google Patents

Abstract

本发明公开了一种基于时空维度动态停车收费策略的停车管理系统与方法，采用先进的多元智能停车检测系统判断各停车位是否被占用，基于核心算法分析停车需求对价格的敏感度，同时基于基本概率模型和大数据分析与挖掘技术预测停车需求，在手机终端发布停车信息及用户建议，同时在智能停车收费设施上进行线上或线下收费，基于实测数据滚动更新收费算法及策略。本发明提出的智能停车管理系统融合了动态停车收费技术，能够根据停车占有率优化调节收费价格，且通过先进的大数据分析挖掘技术与云平台进行整合，采用价格杠杆对停车需求进行时间和空间维度的调节，从而充分发挥停车设施的功效，有效改善城市停车问题。

Description

基于时空维度动态停车收费策略的停车管理系统及方法

技术领域

本发明涉及城市道路交通停车管理与控制领域，特别是涉及一种智能停车管理系统及智能停车管理方法。

背景技术

随着“互联网+”及“智慧城市”的概念兴起，各级政府都积极制定了相应的建设和投资计划，交通运输部的相关意见提出到2020年，智能交通产业总值规模将超过1000亿元。同时，“停车难”是目前我国城市交通亟待解决的关键问题之一，停车供给与需求不协调是造成停车难、寻车位久等问题的根源之一，以停车价格为杠杆科学协调停车供需是解决问题的重要手段。目前科学分析发现停车占有率最优状态为85％左右，避免停车资源浪费又保留少量空余泊位供周转或应急。目前国内的智能交通系统仍处于起步阶段，整个行业还有大量需要改进的问题。因此，基于动态停车收费策略的智能停车系统，采用时空平衡与优化的动态停车收费策略，结合智能监测的硬件设施与大数据分析处理平台，形成一整套智能停车管理系统。

目前的国际化大都市陆续采用了基于动态停车收费技术的智能停车管理系统，旧金山市实施的SFpark动态收费管理项目的评价报告显示，智能停车管理技术已经步入成熟且对达到目标停车占有率是高效的。相比之下，近几年国内涌现的智能停车产品(如丁丁停车、停车宝等)解决问题的手段通常为增加停车供给、停车信息可视化及停车位预订，没有有效协调停车需求与供给间矛盾，无法对用户提出可靠有效的停车建议。而国外的动态停车收费系统主要采用广义线性模型对停车占有率和价格相关性进行计算，缺乏对时间和空间异质性的考虑。本发明提出基于动态停车收费策略的智能停车系统，相比于其他的智能停车系统，本发明提出的智能停车系统对停车占有率在空间和时间维度的协调优化能有效调度停车需求，结合停车需求与停车价格关系的基本原理及动态特性，应用先进控制理论有效控制区域内停车设施占有率，有效缓解停车矛盾及其产生的拥堵，实现了规范停车行为，便捷停车流程的预期。

发明内容

本发明要解决的问题是：现有动态停车收费方法中只有少数考虑了停车需求对价格敏感度的时间特性，对于其空间异质性缺乏考虑因而假设所有区域停车需求敏感度相同，同时缺乏对停车需求进行预测导致调节周期过长。此外，目前停车占有率的采集主要依赖交易信息，车辆信息易受各类环境因素的影响。本发明提出基于时空维度的动态停车收费策略，采用了先进的多元智能停车检测系统，充分考虑停车需求对价格敏感性的时空特性是，基于大数据平台对停车需求进行预测，这些改进使得智能停车管理系统在功能方面更加先进与智能。

技术方案：为实现上述目的，本发明的基于时空维度动态停车收费策略的停车管理系统包括用于检测停车车位的停车情况的智能停车检测器、可实现智能动态计算停车价格的智能计价器、与智能计价器连接用于停车收费的智能停车收费设施、用于将停车占有率与停车价格发布至停车场的智能停车电子显示牌、用于存储区域内各停车场停车占有率和停车价格分布规律的大数据云平台、用于优化定价策略的云计算中心系统以及用户终端；

所述智能停车检测器与智能计价器安装在停车管理系统管理范围内各区域停车场内的每个停车位上，智能停车检测器与智能计价器可将实时停车占有率与停车价格上传至大数据云平台；

各区域每个停车场按照停车场大小设置有至少一个所述智能停车电子显示牌，智能停车电子显示牌与智能停车检测器与智能计价器相连以实现实时更新数据；

所述云计算中心系统内含核心算法，连接大数据云平台，可依据大数据云平台的存储数据运行核心算法得到优化定价策略；

所述用户终端使用APP连接所述云计算中心系统，云计算中心系统基于用户终端停车需求给出停车建议。

进一步地，所述智能停车检测器是一种基于三种传感器信息的交通流参数检测设备，采用无线通信技术进行智能停车检测器间的无线数据传输及检测结果的对外发布，采用太阳能电池板和锂电池组合供电，所述三种传感器分别利用车辆行驶过程中车轴对路面产生连续激励产生在道路表面传播的震动波、车辆造成的路面阴影、以及车辆行驶中引起周边地磁场变化的客观事实采集信号，智能停车检测器选择并提取三种传感器信号特征后进行算法融合以更精确地检测车位是否被占用。

进一步地，在各区域停车场内每半径500m范围内设置一个智能停车电子显示牌。

基于时空维度动态停车收费策略的停车管理方法，其步骤为：

步骤1：采集相关数据，包括

利用设置在城市各区域内的智能停车检测器与智能计价器采集该区域的实时的停车占有率数据与停车价格数据，将运行一段时间后采集的历史停车占有率和价格数据传送至大数据云平台；

101)采集城市各区域的基本信息，包括但不限于停车位数量、土地利用类型与商业活动强度，判断适合采用动态停车收费策略的区域；

102)从开放数据源与城市数据获取街区特征数据与社会人口数据；

步骤2：基于历史停车占有率及停车价格数据分析停车需求的时空分布特征，构建模型估计城市各区域停车需求对价格的敏感度，确定不同时空范围的基准停车价格以及调节幅度；

步骤3：根据当前时段属于工作日、节假日还是大型活动，选择停车策略预案，依据实时停车占有率数据与停车价格数据确定各区域停车位未来一段时间内停车价格调整方向及幅度，将停车占有率与停车价格发布到所述智能停车电子显示牌与所述智能停车电子显示牌，并同时通过所述智能停车收费设备进行停车收费；

步骤4：基于步骤103)中采集的街区特征数据与社会人口数据，对停车占有率数据及用户查询停车位数据进行大数据的分析与挖掘，基于统计模型构建停车需求预测模型，采用构建的停车需求预测模型计算下一时段各区域停车变化情况及停车价格，并在所述用户终端上对个体停车需求提供合理化建议；

步骤5：将步骤101)中采集的实时停车占有率和步骤3中确定的停车价格传送至所述大数据云平台，更新大数据云平台的数据库并修正停车需求预测模型的参数，在下一时段重复步骤3至步骤5滚动更新动态收费算法。

进一步地，所述步骤2估计城市各区域停车需求对价格的敏感度的模型的构建方法为：

首先，采用Bi-square函数产生每个街区的空间权重矩阵，用于描述各街区相邻街区对其影响从而描述需求弹性的空间异质性；

然后，基于地理加权回归模型对各区域停车需求对价格的敏感度进行线性回归，并基于回归结果和广义线性模型回归分析构建停车需求对价格的敏感度的预测模型。

进一步地，所述步骤3确定下一时段停车价格调整方向及幅度的方法具体为：

比较当前停车占有率与80％的差距，基于步骤2中求得的各街区停车需求对价格的敏感度计算停车价格的调整幅度，对各街区按序编号为1、2…n，计算公式如下：

其中，“+”号为提高停车费价格，“-”号为降低停车费价格，0.2、04、0.6为停车收费价格浮动幅度，p(i)为步骤2所得的当前时段各街区i停车需求对价格的敏感度，o(i)为当前时段街区i的停车占有率，其中i＝1、2…n。

进一步地，所述停车建议包括但不限于错时停车、错位停车、停车位置建议以及空余泊位与价格的时间预测图。

进一步地，所述步骤3中的智能停车收费设备的收费方式涵盖线上与线下的多元收费方式，包括但不限于支付宝与网银的线上支付方式以及现金和信用卡的线下支付方式。

进一步地，所述步骤103)街区特征数据与社会人口数据包括但不限于区域土地利用属性、商业模式、人口密度、停车占有率、时间段、工作日/非工作日/节假日、天气、季节、温度以及特殊事件。

有益效果：本发明的基于时空维度动态停车收费策略的停车管理系统与方法采用先进的多元智能停车检测系统判断各停车位是否被占用，基于核心算法分析停车需求对价格的敏感度，同时基于基本概率模型和大数据分析与挖掘技术预测停车需求，在手机终端发布停车信息及用户建议，同时在智能停车收费设施上进行线上或线下收费，基于实测数据滚动更新收费算法及策略。本发明弥补了之前的智能停车管理系统中数据采集不足、对停车需求对价格弹性的空间异质性分析不足、缺乏对停车供需的协调功能等问题。实例显示，本发明提出的基于动态停车收费策略的智能停车管理系统与方法具有很好的控制效果，有效提高停车设施的管理效率。

附图说明

附图1为基于时空维度动态停车收费策略的停车管理方法的技术流程图；

附图2为基于时空维度动态停车收费策略的停车管理系统的系统构建图；

附图3为智能停车检测器的工作流程图；

附图4为停车需求对价格的敏感度的空间分布图；

附图5为为手机用户终端APP结构示意图；

附图6为实例的手机用户终端APP结构图。

具体实施方式

下面结合附图对本发明作更进一步的说明。

如附图2所示的基于时空维度动态停车收费策略的停车管理系统包括用于检测停车车位的停车情况的智能停车检测器、可实现智能动态计算停车价格的智能计价器、与智能计价器连接用于停车收费的智能停车收费设施、用于将停车占有率与停车价格发布至停车场的智能停车电子显示牌、用于存储区域内各停车场停车占有率和停车价格分布规律的大数据云平台、用于优化定价策略的云计算中心系统以及用户终端；

所述智能停车检测器与智能计价器安装在停车管理系统管理范围内各区域停车场内的每个停车位上，智能停车检测器与智能计价器可将实时停车占有率与停车价格上传至大数据云平台；

各区域每个停车场每半径500m范围内设置有一个所述智能停车电子显示牌，智能停车电子显示牌与智能停车检测器与智能计价器相连以实现实时更新数据；

所述云计算中心系统内含核心算法，连接大数据云平台，可依据大数据云平台的存储数据运行核心算法得到优化定价策略；

所述用户终端使用APP连接所述云计算中心系统，云计算中心系统基于用户终端停车需求给出停车建议。

所述智能停车检测器是一种基于三种传感器信息的交通流参数检测设备，采用无线通信技术进行智能停车检测器间的无线数据传输及检测结果的对外发布，采用太阳能电池板和锂电池组合供电，所述三种传感器分别利用车辆行驶过程中车轴对路面产生连续激励产生在道路表面传播的震动波、车辆造成的路面阴影、以及车辆行驶中引起周边地磁场变化的客观事实采集信号，智能停车检测器选择并提取三种传感器信号特征后进行算法融合以更精确地检测车位是否被占用，其主要检测方法流程如附图3所示。

附图1为基于时空维度动态停车收费策略的停车管理方法的示意图，具体步骤为：

第一步是采集相关数据。具体方法为，利用各停车位安装的智能停车检测器检测停车位是否被占用或空闲，利用智能计价器智能计价器实现依据位置、时间和星期改变停车价格的动态收费。停车场内每半径500m的区域范围内设置一个智能停车电子显示牌，实时将动态停车价格发布至每个停车场。采集城市各区域基本信息，包括停车位数量、土地利用类型、商业活动强度等，判断适合采用动态停车收费策略的区域。同时将智能停车检测器运行一段时间后采集的历史停车占有率和停车价格数据传送至大数据云平台及云计算中心系统。

第二步是基于历史停车占有率及停车价格数据，采用需求敏感算法分析停车需求的时空分布特征，采用统计学习与时间序列法相结合的方式预测停车需求的时空分布规律。具体方法为将各街区与其他街区的距离作为空间权重矩阵用于描述各街区的空间特性，基于空间权重的历史数据回归得到各街区的需求弹性，再构建需求弹性的预测模型用于描述停车需求的空间特性。再采用时间序列法描述停车需求的时间特性。两者结合对路内和路外停车需求的时空分布规律进行归纳。

第三步是判别停车策略预案，依据实时数据确定各区域停车位未来一段时间内停车价格调整方向及幅度。具体方法为，首先判别当前是否为工作日、节假日或大型活动，选择相应停车策略预案。其次，本专利基于大量研究提出停车场的最优停车占有率为80％到85％范围内，因此基于第二步中所得各街区停车需求对价格的敏感度，当前停车占有率与目标占有率的差距，计算停车收费价格的浮动幅度，对各街区按序编号为1、2…n，计算公式如下：

其中，“+”号为提高停车费价格，“-”号为降低停车费价格，0.2、04、0.6为停车收费价格浮动幅度，p(i)为步骤2所得的当前时段各街区i停车需求对价格的敏感度，o(i)为当前时段街区i的停车占有率，其中i＝1、2…n。

基于上式计算结果和各区域基准停车价格计算各停车位下一时段收费价格，同时在个人终端和各区域智能停车电子显示牌上发布停车价格及停车占有率，在智能停车收费设施上进行线上或线下的多源电子收费。

同时本发明构建的手机用户终端App结构如图5所示，图6(a)和图6(b)分别实时显示区域范围内停车场停车当前空余泊位数和收费价格，用户根据当前情况选择停车位置。

第四步是基于大数据分析与挖掘技术构建考虑时空因素的停车需求预测模型。具体方法为，采用统计模型建立各停车单元的需求预测模型，需要考虑的变量包括区域土地利用属性、商业模式、人口密度、停车占有率、时间段、工作日/非工作日/节假日、天气、季节、温度、特殊事件等。依据历史数据和当前数据预测未来一段时间内各区域停车需求变化情况及停车价格，并上传至大数据云平台。同时基于机器学习获取区域内车辆的时空调度方案，基于时空调度方案和当前空余泊位数、收费价格的综合因素，向有特殊需求的用户提出具有针对性的停车建议，如错时停车、错位停车、停车位置建议以及空余泊位与价格的时间预测图等。

第五步是滚动更新动态停车收费策略的算法。具体方法为，系统运行一段时间后可能存在停车需求对价格的敏感性发生变化，因此需实时将停车占有率和价格数据传送至云计算中心系统，依据新的数据对模型关键参数进行修正，更新停车需求对价格的敏感度。在下一时段重复第三步到第五步滚动更新动态收费算法。

下面结合附图对发明的动态停车收费策略的智能停车管理系统进行了实例演示:

在某地区路边停车位设置智能停车检测器，基于本市各区域基本信息判断共有6000个区域适合采用动态停车收费。从开放数据源获取街区特征数据，从城市数据获取社会人口数据。

对该地区过去3个月动态停车占有率与停车价格数据进行分析，结果表明停车需求对价格的弹性存在显著的时空差异性。将停车费率变化百分比作为地理加权回归模型的解释变量，不断添加其他解释变量到模型表达式并计算模型的AICc值，AICc值最小对应的模型解释变量包括：停车费率变化百分比、工作日/周末、时段、自行车停车位数量、运营企业数量、营业餐馆数量和平均年龄。

判定影响停车需求对价格的敏感性的因素，带入核心计算机的核心算法回归构建停车需求的预测模型。

由于当前时段为工作日，故选择常规工作日停车策略预案，将各街区解释变量值带入停车需求对价格的敏感度预测模型计算得到各街区的需求弹性值p(i)，将p(i)带入公式(6)计算停车价格同时采用需求预测模型计算下一时段停车需求变化及价格，将结果发布至用户终端结果如图6所示，查询中山东路的路边停车结果如图6(a)～(c)所示，查询德基停车库的结果如图6(d)～(f)所示，用户终端显示当前停车需求及错峰建议。

本发明的基于时空维度动态停车收费策略的停车管理系统与方法采用先进的多元智能停车检测系统判断各停车位是否被占用，基于核心算法分析停车需求对价格的敏感度，同时基于基本概率模型和大数据分析与挖掘技术预测停车需求，在手机终端发布停车信息及用户建议，同时在智能停车收费设施上进行线上或线下收费，基于实测数据滚动更新收费算法及策略。本发明弥补了之前的智能停车管理系统中数据采集不足、对停车需求对价格弹性的空间异质性分析不足、缺乏对停车供需的协调功能等问题。实例显示，本发明提出的基于动态停车收费策略的智能停车管理系统与方法具有很好的控制效果，有效提高停车设施的管理效率。

以上所述仅是本发明的优选实施方式，应当指出：对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。

Claims (9)

1.基于时空维度动态停车收费策略的停车管理系统，其特征在于，包括用于检测停车车位的停车情况的智能停车检测器、可实现智能动态计算停车价格的智能计价器、与智能计价器连接用于停车收费的智能停车收费设施、用于将停车占有率与停车价格发布至停车场的智能停车电子显示牌、用于存储区域内各停车场停车占有率和停车价格分布规律的大数据云平台、用于优化定价策略的云计算中心系统以及用户终端；

所述智能停车检测器与智能计价器安装在停车管理系统管理范围内各区域停车场内的每个停车位上，智能停车检测器与智能计价器可将实时停车占有率与停车价格上传至大数据云平台；

各区域每个停车场按照停车场大小设置有至少一个所述智能停车电子显示牌，智能停车电子显示牌与智能停车检测器与智能计价器相连以实现实时更新数据；

所述云计算中心系统内含核心算法，连接大数据云平台，可依据大数据云平台的存储数据运行核心算法得到优化定价策略；

所述用户终端使用APP连接所述云计算中心系统，云计算中心系统基于用户终端停车需求给出停车建议。

2.根据权利要求1所述的基于时空维度动态停车收费策略的停车管理系统，其特征在于，所述智能停车检测器是一种基于三种传感器信息的交通流参数检测设备，采用无线通信技术进行智能停车检测器间的无线数据传输及检测结果的对外发布，采用太阳能电池板和锂电池组合供电，所述三种传感器分别利用车辆行驶过程中车轴对路面产生连续激励产生在道路表面传播的震动波、车辆造成的路面阴影、以及车辆行驶中引起周边地磁场变化的客观事实采集信号，智能停车检测器选择并提取三种传感器信号特征后进行算法融合以更精确地检测车位是否被占用。

3.根据权利要求1所述的基于时空维度动态停车收费策略的停车管理系统，其特征在于，在各区域停车场内每半径500m范围内设置一个智能停车电子显示牌。

4.基于时空维度动态停车收费策略的停车管理方法，其特征在于，其步骤为：

步骤1：采集相关数据，包括

101)利用设置在城市各区域内的智能停车检测器与智能计价器采集该区域的实时的停车占有率数据与停车价格数据，将运行一段时间后采集的历史停车占有率和价格数据传送至大数据云平台；

102)采集城市各区域的基本信息，包括但不限于停车位数量、土地利用类型与商业活动强度，判断适合采用动态停车收费策略的区域；

103)从开放数据源与城市数据获取街区特征数据与社会人口数据；

步骤2：基于历史停车占有率及停车价格数据分析停车需求的时空分布特征，构建模型估计城市各区域停车需求对价格的敏感度，确定不同时空范围的基准停车价格以及调节幅度；

步骤3：根据当前时段属于工作日、节假日还是大型活动，选择停车策略预案，依据实时停车占有率数据与停车价格数据确定各区域停车位未来一段时间内停车价格调整方向及幅度，将停车占有率与停车价格发布到所述智能停车电子显示牌与所述智能停车电子显示牌，并同时通过所述智能停车收费设备进行停车收费；

步骤4：基于步骤103)中采集的街区特征数据与社会人口数据，对停车占有率数据及用户查询停车位数据进行大数据的分析与挖掘，基于统计模型构建停车需求预测模型，采用构建的停车需求预测模型计算下一时段各区域停车变化情况及停车价格，并在所述用户终端上对个体停车需求提供合理化建议；

步骤5：将步骤101)中采集的实时停车占有率和步骤3中确定的停车价格传送至所述大数据云平台，更新大数据云平台的数据库并修正停车需求预测模型的参数，在下一时段重复步骤3至步骤5滚动更新动态收费算法。

5.根据权利要求4所述的基于时空维度动态停车收费策略的停车管理方法，其特征在于，所述步骤2估计城市各区域停车需求对价格的敏感度的模型的构建方法为：

首先，采用Bi-square函数产生每个街区的空间权重矩阵，用于描述各街区相邻街区对其影响从而描述需求弹性的空间异质性；

然后，基于地理加权回归模型对各区域停车需求对价格的敏感度进行线性回归，并基于回归结果和广义线性模型回归分析构建停车需求对价格的敏感度的预测模型。

6.根据权利要求4所述的基于时空维度动态停车收费策略的停车管理方法，其特征在于，所述步骤3确定下一时段停车价格调整方向及幅度的方法具体为：

比较当前停车占有率与80％的差距，基于步骤2中求得的各街区停车需求对价格的敏感度计算停车价格的调整幅度，对各街区按序编号为1、2…n，计算公式如下：

$\mathrm{\&Delta;}r=\left\{\begin{array}{cc}+0.2/\left|p\left(i\right)\right|,& if0.8<o\left(i\right)\&le;1\\ 0,& if0.6<o\left(i\right)\&le;0.8\\ -0.2/\left|p\left(i\right)\right|,& if0.4<o\left(i\right)\&le;0.6\\ -0.4/\left|p\left(i\right)\right|,& if0.2<o\left(i\right)\&le;0.4\\ -0.6/\left|p\left(i\right)\right|,& if0<o\left(i\right)\&le;0.2\end{array}\right.$

其中，“+”号为提高停车费价格，“-”号为降低停车费价格，0.2、04、0.6为停车收费价格浮动幅度，p(i)为步骤2所得的当前时段各街区i停车需求对价格的敏感度，o(i)为当前时段街区i的停车占有率，其中i＝1、2…n。

7.根据权利要求4所述的基于时空维度动态停车收费策略的停车管理方法，其特征在于，所述停车建议包括但不限于错时停车、错位停车、停车位置建议以及空余泊位与价格的时间预测图。

8.根据权利要求4所述的基于时空维度动态停车收费策略的停车管理方法，其特征在于，所述步骤3中的智能停车收费设备的收费方式涵盖线上与线下的多元收费方式，包括但不限于支付宝与网银的线上支付方式以及现金和信用卡的线下支付方式。

9.根据权利要求4-8任一权利要求所述的基于时空维度动态停车收费策略的停车管理方法，其特征在于，所述步骤103)街区特征数据与社会人口数据包括但不限于区域土地利用属性、商业模式、人口密度、停车占有率、时间段、工作日/非工作日/节假日、天气、季节、温度以及特殊事件。