CN105489058B - 停车场的闲时车位的数量和闲时时段的计算方法 - Google Patents

Abstract

本发明公开了一种停车场的闲时车位的数量和闲时时段的计算方法，通过停车场的出入场数据获取停车场的早高峰时段和晚高峰时段，再通过遍历早晚高峰的各个时刻与各个出租数量获取停车场空位概率表，通过对比早晚高峰的概率表，获取闲时车位的出租数量与出租时间，本发明停车场的闲时车位的数量和闲时时段的计算方法利用大数据统计结果，预估停车场A和停车场B每天各个时刻车位空闲状态，利用预估信息，为停车场A和停车场B提供空闲月租开放时间、空闲月租结尾时间，以及最大的出租数，充分实现各停车场的资源互补，从而达到车场资源最大化利用的目的。

Description

停车场的闲时车位的数量和闲时时段的计算方法

技术领域

本发明涉及一种计算方法，尤其涉及一种停车场的闲时车位的数量和闲时时段的计算方法。

背景技术

目前在国内许多城市存在着停车场分布不均且彼此割裂，停车链条过于分散，尚未形成统一网络，每到车辆流动高峰期间，在同一地方，有的停车场车位不够用，有的停车场却有大量空位，停车场车位的利用率低。为缓解停车场车位使用率的问题，提出一种错时停车的方法，将白天拥有大量空位的停车场在早晨高峰期间某一时刻开始出租N个空闲车位，将白天处于繁忙状态的停车场中的部分辆车分流到闲时停车场，则能减轻忙时停车场在上班高峰期间“停车难”的问题，同时闲时停车场车位也得到充分利用。

以在白天时段，居民区停车场和商务区停车场为例，居民区停车场在白天为闲时停车场，商务区停车场在白天为繁忙停车场，因此可将居民区停车场内大部分车位出租给商务区停车场的部分车辆，但是如果出租车位数量过大，则会在下班期间造成居民区用户车辆回家入场时堵塞车场的情况发生，也就是说在下班高峰期间中还有大量车辆没有出场，占用了下班回家的居民用户的车位；如果出租车位数量过小，则会使居民区停车场利用率不高。

相反的，在夜晚时段，居民区停车场在晚上为繁忙停车场，商务区停车场为闲时停车场，因此可将商务区停车场的部分车位出租给居民区停车场的部分车辆，同时可提高商务区停车场的利用率。

发明内容

本发明的目的就在于为了解决上述问题而提供一种停车场的闲时车位的数量和闲时时段的计算方法。

本发明通过以下技术方案来实现上述目的：

一种停车场的闲时车位的数量和闲时时段的计算方法，通过停车场的出入场数据获取停车场的早高峰时段和晚高峰时段，再通过统计与计算早晚高峰时段的各个时刻与各个闲时车位的数量获取停车场空位概率表，通过对比早晚高峰的概率表，获取闲时车位的出租数量与出租时间，包括以下步骤：

(1)将停车场分类：将停车场分为白天时段处于车位闲状态的停车场A和白天时段处于车位忙状态的停车场B；

(2)将停车场的车辆分类：临时停车车辆、固定月租停车车辆和常出入非固定月租停车车辆，并统计K天内停车场内所有车辆的出入场数据；

(3)确定停车场的高峰时段：针对停车场内临时停车车辆和常出入非固定月租停车车辆的出入场时间信息，记录一天中每隔Δt时段内，车辆出入场时间位于此时段的频次，获取时间概率分布函数，并确定停车场的早高峰时段[M_A_ST,M_A_ET]和晚高峰时段[N_A_ST,N_A_ET]。

(4)获取车位空位概率：当处于早高峰的某一时段t_M时，通过遍历获取下述方程式中N_carIN和N_carOUT的所有解：

N_empty-n＝N_{M_rent}-N_carOUT+N_carIN

式中：n为在t_M时段停车场A剩余的车位数

N_carIN为在t_M时段的入场车辆数

N_carOUT为在t_M时段的出场车辆数

N_empty为停车场A的最大空位数＝总车位数-固定车位数

N_{M_rent}为在t_M时段的闲时车位数，N_{M_rent}＝N_Ai+N，N_Ai为停车场A高峰时段经常出入停车场的车辆，N为外来分流车辆数；

通过确定在入场车辆样本中选中N_carIN车的概率、出场车辆样本中选中N_{M_rent}辆车的概率，得出t_M时刻该停车场内有n个空位事件的概率p_i，并对所有解的概率求和，获得t_M时刻停车场A内还有n个空位的总概率p(n)；

对上式进行n遍历，获得停车场A在t_M时段仍有空位的概率

P(t_M)＝p(0)+p(1)+p(2)+…+p(n)+…+p(N_empty)

遍历停车场A在早高峰时段内每隔Δt的所有时刻，获取仍有空位的所有概率，并获取停车场A在早高峰时段开放N_{M_rent}＝N_Ai+N辆月租车空位后车场不堵塞的概率表一，同理获得在晚高峰时段开放N_{N_rent}＝N_A0+N辆月租车空位后车场不堵塞的概率表二；

(5)匹配出租车位数量与出租时段：将早晨时段的概率表一与晚上时段的概率表二进行对比，根据匹配条件将概率表一和概率表二中的数据进行匹配，确认闲时车位的出租数量与出租时间。

具体地，上述步骤(3)中包括以下步骤：

获得早晨时段时间概率分布函数：停车场A的N_Ao辆车出场的时间概率分布函数P_{ACarOut_M}，停车场A的N_Ai辆车入场的时间概率分布函数P_{ACarIn_M}，停车场B的N_Bi辆车入场的时间概率分布函数P_{BCarIN_M}；

获得晚上时段时间概率分布函数：停车场A的N_{Ao_night}辆车出场的时间概率分布函数P_{ACarOut_N}，停车场A的N_{Ai_night}辆车的入场时间概率分布函数P_{ACarIn_N}，停车场B的N_{Bi_night}辆车出场时间概率分布函数P_{BCarOut_N}；

整合已确定样本：将P_{BCarIN_M}和P_{ACarIn_M}组合成为停车场A在早高峰时的闲时车辆概率分布函数P_{FreeCarIn_M}，将P_{ACarOut_M}定义为停车场A在早高峰时的忙时车辆概率分布函数P_{BusyCarOut_M}，将P_{BCarOut_N}和P_{ACarOut_N}组合成为停车场B在晚高峰时的闲时车辆的概率分布函数P_{FreeCarIn_N}，将P_{ACarIn_N}定义为停车场B在晚高峰时的忙时车辆概率分布函数P_{BusyCarIn_M}；

获取早晚高峰时段：通过P_{FreeCarIn_M}、P_{BusyCarOut_M}、P_{FreeCarIn_M}、P_{BusyCarIn_M}获得早高峰时段和晚高峰时段。

具体地，上述步骤(5)中的匹配条件为：选定停车场A的不堵塞概率P，并选取概率表一中选取P(t_M)＞P的所有点[M_A，N_{M_rent}]，在概率表二中选取P(t_M)＞P的所有点[N_A，N_{N_rent}]，并匹配N_{M_rent}＝N_{N_rent}的点，从而确认空闲月租开放时间M_A，空间月租结束时间N_A，及最大出租数N_{M_rent}。

具体地，所述停车场A和所述停车场B可为同一区域内多个独立的停车场中的任意一个或多个，且由一个或多个独立的停车场的出入场数据计算获得的数据链可服务于各个独立的停车场。

本发明的有益效果在于：

本发明所述停车场的闲时车位的数量和闲时时段的计算方法利用大数据统计结果，预估停车场A和停车场B每天各个时刻车位空闲状态，利用预估信息，为这停车场A和停车场B提供空闲月租开放时间、空闲月租结尾时间，以及最大的出租数，充分实现各停车场的资源互补，从而达到车场资源最大化利用的目的。

具体实施方式

下面结合具体实例对本发明作进一步说明：

本发明停车场的闲时车位的数量和闲时时段的计算方法是利用大数据提高停车场闲时利用率的方法，该方法面向同一区域相邻两停车场，停车场A和停车场B，停车场A在每天晚上时段属于车位忙状态，白天时段处于车位闲状态，停车场B在每天晚上时段属于车位空闲状态，白天时段处于车位忙状态，该方法包括下述步骤：

步骤一：将停车场A、B的车辆分三类，即临时车车辆出入车场时间信息，固定月租的车辆出入车场时间信息以及经常出入停车场的非固定月租的车辆(这些车辆就是时段月租的对象)出入车场时间信息，将停车场A、B的数据库存储记录的每辆车辆在K天内统计所有出入场数据；

步骤二：固定月租的车辆单独占有车位，不影响车位忙闲状态(所以不用考虑固定车辆的数据)，将停车场A、B中临时车车辆出入车场时间信息以及经常出入停车场的非固定月租的车辆的出入场时间信息与出场时间信息分别处理，记录从00:00:00到23:59:59中每隔Δt时段内，每辆车入(出)场时间落在此时段的频次以及出场时间落在此时段的频次，根据记录结果选择停车场A在早晨高峰时段[M_A_ST,M_A_ET]及晚上高峰时段[N_A_ST,N_A_ET](判断标准为在这个时间段内车场空位数均少于一个常值)；

如式(1)表示停车场A中N_Ao辆“经常出入停车场的非固定月租的车辆”的在[M_A_ST,M_A_ET]时段出场的时间记录，

例如：若式(1)中的ACarO_i车在K天中早晨[M_A_ST,M_A_ET]段总的出场时间记录如下：则可以得到ACarO_i车的离散概率分布函数，其对应C_{ACarOut_M}矩阵中得第i行矩阵：C_{ACarOut_M}(i,:)＝[c₁₁ c₁₂…c_1j…c_1k]，这里k＝(N_A_ST-N_A_ET)/Δt，同理求得停车场A在早晨高峰时段出场的车辆的频次统计C_{ACarIn_M}，

然后对C_{ACarOut_M}，C_{ACarIn_M}中每辆车在时间上积分，便得到停车场A早晨高峰时段出场的N_Ao辆车已经出场的时间概率分布函数P_{ACarOut_M}，N_Ai入场车已经入场的时间概率分布函数P_{ACarIn_M}；(时间概率分布函数是一个二维矩阵，每个矩阵的每行表示一个确定的车辆，每列表示一个确定的时刻)，

同理，为分解对停车场B早晨时段的压力，利用步骤二中同样的方法，统计停车场B早晨高峰时段[M_A_ST,M_A_ET]中，记录的N_Bi辆入场车的已入场的时间概率分布函数P_{BCarIN_M}；

再利用相同的方法确定数据库中记录停车场A在晚上高峰时段[N_A_ST,N_A_ET]内出场的N_{Ao_night}辆车已经出场的时间概率分布函数P_{ACarOut_N}，记录的N_{Ai_night}辆入场车已经入场的时间概率分布函数P_{ACarIn_N}，以及统计停车场B晚上时段[N_A_ST,N_A_ET]中，记录的N_{Bi_night}辆出场车的已出场的时间概率分布函数P_{BCarOut_N}；

把停车场A早晨与晚上高峰期间车辆进出看成相互独立事件，不考虑早晨出去的车辆与该车辆晚上回来之间的相关性，处理晚上高峰期间已经出入场的车辆的时间概率分布函数视为独立数据。

将临时出入场的车辆的时间概率分布函数P_{A_temp_OUT}与P_{B_temp_OUT}视为平均概率分布函数，大数据统计结果为入场与出场的车辆恰好抵消，也就说在之后车位占有情况分析中不需要考虑临停车。

步骤三：对确定样本进行组合

对早晨高峰期间车场的数据P_{BCarIN_M}，P_{ACarOut_M}，P_{ACarIn_M}进行处理，将P_{BCarIN_M}与P_{ACarIn_M}组合形成一个行P_{FreeCarIn_M}，(矩阵列数不变，行数增加，相当于将两个矩阵拼接起来)，将P_{ACarOut_M}定义成一个新的矩阵P_{BusyCarOut_M}，此时将P_{BusyCarOut_M}视为停车场A早晨高峰期间的忙时车辆(出场车辆)的概率分布函数，将P_{FreeCarIn_M}视为停车场A早晨高峰期间的闲时车辆(入场车辆)的概率分布函数；

将晚上高峰期间车场的数据P_{BCarOut_N}、P_{ACarOut_N} P_{ACarIn_N}进行处理，将P_{BCarOut_N}与P_{ACarOut_N}拼接组合形成行的P_{FreeCarOut_N}，将P_{ACarIn_N}定义成一个新的矩阵P_{BusyCarIn_M}，此时将P_{BusyCarOut_M}视为停车场A晚上高峰期间的忙时车辆(入场车辆)的概率分布函数，将P_{FreeCarIn_M}视为停车场A晚上高峰期间的闲时车辆(出场车辆)的概率分布函数；

步骤四：

(1)停车场A车场最大空位数N_empty＝车场总车位数-固定车位数；

(2)停车场A的早晨入场的忙时样本数据与闲时的样本数据进行处理，忙时样本数据总样本数为N_busy＝N_Ao，闲时样本数据总的样本数为N_free＝N_Ai+N_Bi，假定在早晨高峰期间从停车场B中选择N辆车分流到停车场A，即停车场A在早晨t_M时刻开始开放时段月租车位，则这个时段月租车总样本数为N_{M_rent}＝N_Ai+N，当样本在t_M时，入场的样本数据中的某N_carIN辆车已经入场和出场的样本数据的某N_carOUT辆车已经出场，此刻车场内还有n个空位，则

N_empty-n＝N_{M_rent}-N_carOUT+N_carIN (3)

式中：N_carIN＜＝N_rent，N_carOUT＜＝N_busy，n＜＝N_empty且N_empty＞＝max{N_busy,N_{M_rent}}，N_busy＝N_Ao为常值，N_free＝N_Ai+N_Bi中的N_Ai为常量；

(3)每当确定一个n值时，遍历N_carIN与N_carOUT的所有值，得到满足步骤公式(3)中二元一次方程的所有解；

例如：当n＝i,i＜N_empty时，则式(3)中的最多有i+1个解。也就是N_carIN与N_carOUT最多有i+1种组合，可以是公式(3)成立。如：出场的忙时车的出场的数量N_carOUT为0，则入场的闲时车的N_carIN数量为N_{M_rent}+i-N_empty时公式(3)成立；出场的忙时车N_carOUT的数量为1，出场的闲时车辆数量为N_{M_rent}+i-N_empty+1时公式(3)成立；入场的忙时车N_carOUT的数量为m,m＜N_busy，出场的闲时车辆数量为N_{M_rent}+i-N_empty+m是公式(3)成立，依次遍历即可求出所有的解；

(4)在步骤(3)中，每次确定N_carIN、N_carOUT的一组解后，采用样本估计总体的方式，确定在入场车辆样本中选中N_carIN车的概率、出场车辆样本中选中N_{M_rent}辆车的概率，从而得到t_M时刻车场还有n个空位事件的概率p_i，同理求得其它所有满足公式(3)方程解的组合成立时车场内还有事件的概率，将求得的所有概率求和，即可得到t_M时刻车场内还有n个空位的总概率p(n)；

例如：对采用样本估计总体的方式的说明，假设参数N_busy＝N_Ao＝500，N_{M_rent}＝100，N_Ai＝20，N＝100-20，即在这个时刻开始可以从停车场B中分流80辆车。如果停车场A在t_M时刻，车场内还有n＝20个空位，若此时二元一次方程等式(3)中的一组解N_carIN＝50、N_carOUT＝100，也就是说在忙时样本车辆中有100辆车已经出场，时段月租车样本中有50辆车已经入场，这100辆出场车是N_busy总样本中的100辆，这50辆入场车位N_{M_rent}总样本中的50辆车，从总的样本总选出这100辆和50辆会有多种组合，因此这里采用样本估计总体，如要求解N_busy总样本取100辆车出场的概率，可以从这N_busy总样总随机抽取100的辆车，根据P_{BusyCarOut_M}求出这100辆车出场的概率，统计S次，计算这S次统计的平均值，将这个值作为N_busy总样本中100辆车已经出场的概率；

(5)将步骤(3)～(4)中所有进行n遍历，求出车场在t_M时段该车场仍有空位的概率P(t_M)＝p(0)+p(1)+p(2)+…+p(n)+…+p(N_empty)；

(6)遍历该停车场A在[M_A_ST,M_A_ET]时段内每隔Δt的所有时刻，仍有空位的所有概率；

经过步骤(6)，可以得到一个在[M_A_ST,M_A_ET]时段内每隔Δt时刻的一组概率表一(如下表)，即停车场A早晨[M_A_ST,M_A_ET]时段开放N_{M_rent}＝N_Ai+N辆月租车空位后车场不堵塞的概率表(有空位也即不堵塞)，

(7)遍历所有将N_{M_rent}遍历[N_START,N_END]之间所有值，即可将表一中的全部内容补充完整；

(8)使用相同的方式，同理判读该停车场A的晚上高峰期间的；得到一个晚上月租数为N_{N_rent}＝N_A0+N的概率表二(如下表)：

然后遍历所有将N_{N_rent}遍历[N_START,N_END]之间所有值，即可将表二中的全部内容补充完整；

(9)将早晨时段和月租数概率表(表一)与晚上时段和月租数概率表(表二)进行对比，选定停车场A的不堵塞概率P，并选取概率表一中选取P(t_M)＞P的所有点[M_A，N_{M_rent}]，在概率表二中选取P(t_M)＞P的所有点[N_A，N_{N_rent}]，并匹配N_{M_rent}＝N_{N_rent}的点，从而确认空闲月租开放时间M_A，空间月租结束时间N_A，及最大出租数N_{M_rent}。本发明具有以下优势：

1、本发明可以广泛运用到各大城市停车场；

2、本发明能很较好地减轻城市堵车压力；本发明可塑性好，能根据停车场数据库信息及时调整月租车位数量以及调整月租起止时间；

3、本发明可根据停车场实际情况调整运算细节；

4、本发明可根据停车场物业需求合理调整月租起止时间以及月租数量的设定。

本发明的技术方案不限于上述具体实施例的限制，凡是根据本发明的技术方案做出的技术变形，均落入本发明的保护范围之内。

Claims (4)

1.一种停车场的闲时车位的数量和闲时时段的计算方法，其特征在于：通过停车场的出入场数据获取停车场的早高峰时段和晚高峰时段，再通过统计与计算早晚高峰时段的各个时刻与各个闲时车位的数量获取停车场空位概率表，通过对比早晚高峰的概率表，获取闲时车位的出租数量与出租时间，包括以下步骤：

(1)将停车场分类：将停车场分为白天时段处于车位闲状态的停车场A和白天时段处于车位忙状态的停车场B；停车场的闲时时段及在该时段出租的闲时车位数的计算方法

(2)将停车场的车辆分类：临时停车车辆、固定月租停车车辆和常出入非固定月租停车车辆，并统计K天内停车场内所有车辆的出入场数据；

(3)确定停车场的高峰时段：针对停车场内临时停车车辆和常出入非固定月租停车车辆的出入场时间信息，记录一天中每隔Δt时段内，车辆出入场时间位于此时段的频次，获取时间概率分布函数，并确定停车场的早高峰时段[M_A_ST,M_A_ET]和晚高峰时段[N_A_ST,N_A_ET]；

(4)获取车位空位概率：当处于早高峰的某一时段t_M时，通过遍历获取下述方程式中N_carIN和N_carOUT的所有解：

N_empty-n＝N_{M_rent}-N_carOUT+N_carIN

式中：n为在t_M时段停车场A剩余的车位数

N_carIN为在t_M时段的入场车辆数

N_carOUT为在t_M时段的出场车辆数

N_empty为停车场A的最大空位数＝总车位数-固定车位数

N_{M_rent}为在t_M时段的闲时车位数，N_{M_rent}＝N_Ai+N，N_Ai为停车场A高峰时段经常出入停车场的车辆，N为外来分流车辆数；

通过确定在入场车辆样本中选中N_carIN车的概率、出场车辆样本中选中N_{M_rent}辆车的概率，得出t_M时刻该停车场内有n个空位事件的概率p_i，并对所有解的概率求和，获得t_M时刻停车场A内还有n个空位的总概率p(n)；

对上式进行n遍历，获得停车场A在t_M时段仍有空位的概率

P(t_M)＝p(0)+p(1)+p(2)+…+p(n)+…+p(N_empty)

遍历停车场A在早高峰时段内每隔Δt的所有时刻，获取仍有空位的所有概率，并获取停车场A在早高峰时段开放N_{M_rent}＝N_Ai+N辆月租车空位后车场不堵塞的概率表一，同理获得在晚高峰时段开放N_{N_rent}＝N_A0+N辆月租车空位后车场不堵塞的概率表二，N_A0为在晚高峰时间段的经常出入停车场的车辆；

(5)匹配出租车位数量与出租时段：将早晨时段的概率表一与晚上时段的概率表二进行对比，根据匹配条件将概率表一和概率表二中的数据进行匹配，确认空闲月租开放时间、空闲月租结束时间，以及最大的出租数。

2.根据权利要求1所述的停车场的闲时车位的数量和闲时时段的计算方法，其特征在于：上述步骤(3)中包括以下步骤：

获得早晨时段时间概率分布函数：停车场A的N_Ao辆车出场的时间概率分布函数P_{ACarOut_M}，停车场A的N_Ai辆车入场的时间概率分布函数P_{ACarIn_M}，停车场B的N_Bi辆车入场的时间概率分布函数P_{BCarIN_M}；

获得晚上时段时间概率分布函数：停车场A的N_{Ao_night}辆车出场的时间概率分布函数P_{ACarOut_N}，停车场A的N_{Ai_night}辆车的入场时间概率分布函数P_{ACarIn_N}，停车场B的N_{Bi_night}辆车出场时间概率分布函数P_{BCarOut_N}；

整合已确定样本：将P_{BCarIN_M}和P_{ACarIn_M}组合成为停车场A在早高峰时的闲时车辆概率分布函数P_{FreeCarIn_M}，将P_{ACarOut_M}定义为停车场A在早高峰时的忙时车辆概率分布函数P_{BusyCarOut_M}，将P_{BCarOut_N}和P_{ACarOut_N}组合成为停车场B在晚高峰时的闲时车辆的概率分布函数P_{FreeCarIn_N}，将P_{ACarIn_N}定义为停车场B在晚高峰时的忙时车辆概率分布函数P_{BusyCarIn_M}；

获取早晚高峰时段：通过P_{FreeCarIn_M}、P_{BusyCarOut_M}、P_{FreeCarIn_M}、P_{BusyCarIn_M}获得早高峰时段和晚高峰时段。

3.根据权利要求1所述的停车场的闲时车位的数量和闲时时段的计算方法，其特征在于：上述步骤(5)中的匹配条件为：选定停车场A的不堵塞概率P，并选取概率表一中选取P(t_M)＞P的所有点[M_A，N_{M_rent}]，在概率表二中选取P(t_M)＞P的所有点[N_A，N_{N_rent}]，并匹配N_{M_rent}＝N_{N_rent}的点，从而确认空闲月租开放时间M_A，空间月租结束时间N_A，及最大出租数N_{M_rent}。

4.根据权利要求1所述的停车场的闲时车位的数量和闲时时段的计算方法，其特征在于：所述停车场A和所述停车场B可为同一区域内多个独立的停车场中的任意一个或多个，且由一个或多个独立的停车场的出入场数据计算获得的数据链可服务于各个独立的停车场。