CN106710296A - 一种车载停车诱导方法和装置 - Google Patents

Abstract

本发明公开了一种车载停车诱导方法和装置，包括：获取用户驾车过程中的实时行驶信息；在检测到用户发出的停车诱导请求时，根据所述实时行驶信息执行个体车载停车诱导操作获取停车资源；确定获取到的所述停车资源的数量是否大于预设阈值；当所述停车资源的数量小于所述预设阈值时，根据所述实时行驶信息执行群体车载停车诱导操作以向用户推荐候选停车场。采用本发明实施例，可以提高停车资源的利用率。

Description

一种车载停车诱导方法和装置

技术领域

本发明涉及电子技术领域，尤其涉及一种车载停车诱导方法和装置。

背景技术

停车是当前国内城市特别是大中城市热点区域的难题。由于早期规划等原因，这些区域所提供的停车位远少于新增的车辆，导致车辆在寻找停车位过程中，花费大量时间，浪费不必要的能源，引发交通拥堵等。由于短期增加这些热点区域的的停车位供应比较困难，因此需要在这些区域内提高停车位利用率，实时向有需要的车辆推送车位信息，诱导车辆快速停车。

在现有技术方案中，停车诱导系统多采用在路旁设立可变情报板(LED显示屏)发布停车场的位置和可用泊位空闲数量信息，通过三级诱导方式，指导驾驶员搜索停车场；或者通过计算车辆到达停车场和停车泊位的时间，作为推荐停车场的排序指标；或者通过由GPS，语音，显示屏，通信等模块组成的硬件装置直接停车位信息发送给用户。

但是，上述几种方式存在如下缺点：(1)设立可变情报板的建设维护费用高，而且难以覆盖城市巨大部分的区域。同时驾驶员在观察可变情报板时，会分散注意力，一旦错过相关的可变情报板，就很难获取停车场信息；(2)在计算停车场与车辆的距离时，忽略了汽车行进方向，车辆直行、右转、左转、调头、倒车等行驶均会影响停车驾驶成本；(3)在高峰期内，通过可变情报板或通过用户终端先用户提示车位信息，某些停车场(比如医院，商场，大型写字楼)在某一段时间窗口内进入车辆过多，导致该停车场迅速满位，出现局部停车难情况，停车资源实际得不到合理利用。

发明内容

本发明实施例提供一种车载停车诱导方法和装置。可以解决现有技术方案中停车资源利用率不高的技术问题。

本发明第一方面提供了一种车载停车诱导方法，包括：

获取用户驾车过程中的实时行驶信息；

在检测到用户发出的停车诱导请求时，根据所述实时行驶信息执行个体车载停车诱导操作获取停车资源；

确定获取到的所述停车资源的数量是否大于预设阈值；

当所述停车资源的数量小于所述预设阈值时，根据所述实时行驶信息执行群体车载停车诱导操作以向用户推荐候选停车场。

其中，所述实时行驶信息包括每个所述候选停车场的总车位数量和已停放车位数量、以及多个用户车辆中每个用户车辆与预设停车范围内的所述候选停车场的间距；

所述根据所述实时行驶信息执行个体车载停车诱导操作获取停车资源包括：

根据每个所述候选停车场的总车位数量和已停放车位数量、以及所述每个用户车辆与预设停车范围内的所述候选停车场的间距，计算所述多个用户车辆中目标用户车辆针对所述多个候选停车场中目标候选停车场的满意度；

将所述满意度最高的候选停车场推荐给所述目标用户车辆。

其中，所述根据所述实时行驶信息执行群体车载停车诱导操作以向用户推荐候选停车场包括：

构建所述每个用户车辆到所述预设停车范围内的所述候选停车场的带权二部图，并将所述满意度作为所述带权二部图的第一权值；

在所述带权二部图上增加数据源点和数据汇点，并计算所述带权二部图中所述数据源点到所述每个用户车辆的第二权值，以及所述每个候选停车场到所述数据汇点的第三权值；

根据所述第一权值、所述第二权值和所述第三权值，计算所述数据源点到所述数据汇点的最大权值路径以选定候选停车场。

其中，所述获取用户驾车过程中的实时行驶信息之前，还包括：

将用于触发车载停车诱导的多种触发信号融合为至多两个诱导信号。

其中，所述将用于触发车载停车诱导的多种触发信号融合为至多两个诱导信号包括：

获取车载诱导的多种变迁状态以及多种用户操作状态；

建立所述多种变迁状态和所述多种用户操作状态之间的连接关系，并在所述多个用户操作状态中每个用户操作状态上给予所述触发信号；

确定所述多个用户操作状态之间的变迁关系；

根据所述多个用户操作状态之间的变迁关系，将多个所述触发信号融合为所述至多两个诱导信号。

其中，所述变迁关系包括冲突关系、冲突关系或循环关系。

其中，所述根据所述多个用户操作状态之间的变迁关系，将多个所述触发信号融合为至多两个诱导信号包括：

将具有相同的所述变迁关系的所述用户操作状态划归为状态集合；

对所述状态集合中每个所述用户操作状态对应的所述触发信号进行融合成一个诱导信号。

其中，所述在所述带权二部图上增加数据源点和数据汇点，并计算所述带权二部图中所述数据源点到所述每个用户车辆的第二权值，以及所述每个候选停车场到所述数据汇点的第三权值包括：

分别计算所述用户车辆与所述候选停车场匹配后的残留网络中的所述第二权值和所述第三权值。

其中，所述根据所述第一权值、所述第二权值和所述第三权值，计算所述数据源点到所述数据汇点的最大权值路径以确定候选停车场包括：

计算所述数据原点到所述数据汇点的所有路径中每条路径上的所述第一权值、所述第二权值和所述第三权值的权值之和；

将最大所述权值之和对应的路径上的所述用户车辆和所述候选停车场进行匹配以选定所述候选停车场。

其中，所述将用于触发车载停车诱导的多种触发信号融合为至多两个诱导信号之后，还包括：

触发所述诱导信号发出诱导请求，所述诱导请求用于开始执行车载停车诱导的操作步骤。

其中，所述根据每个所述候选停车场的总车位数量和已停放车位数量、以及所述每个用户车辆与预设停车范围内的所述候选停车场的间距，计算所述多个用户车辆中目标用户车辆针对所述多个候选停车场中目标候选停车场的满意度包括：

计算所述目标用户车辆到所述目标候选停车场的间距除以所述目标用户车辆到所述预设停车范围内所有所述候选停车场的距离之和的第一比值；

计算所述目标候选停车场中所述已停放车位数量除以所述总车位数量的第二比值；

根据所述第一比值和所述第二比值，计算得到所述目标用户车辆针对所述目标候选停车场的满意度。

其中，所述根据所述第一比值和所述第二比值，计算得到所述目标用户车辆针对所述目标候选停车场的满意度包括：

获取所述目标用户车辆相对于所述目标候选停车场的相对位置；

根据所述目标用户车辆相对于所述目标候选停车场的相对位置，确定所述所述第一比值的加权值范围。

其中，所述根据所述第一权值、所述第二权值和所述第三权值，计算所述数据源点到所述数据汇点的最大权值路径以确定候选停车场之后，还包括：

显示选定的所述候选停车场，并标识选定的所述候选停车场的位置。

相应地，本发明第二方面提供了一种一种车载停车诱导装置，包括：

信息获取模块，用于获取用户驾车过程中的实时行驶信息；

资源获取模块，用于在检测到用户发出的停车诱导请求时，根据所述实时行驶信息执行个体车载停车诱导操作获取停车资源；

阈值确定模块，用于确定获取到的所述停车资源的数量是否大于预设阈值；

信息推荐模块，用于当所述停车资源的数量小于所述预设阈值时，根据所述实时行驶信息执行群体车载停车诱导操作以向用户推荐候选停车场。

其中，所述实时行驶信息包括每个所述候选停车场的总车位数量和已停放车位数量、以及多个用户车辆中每个用户车辆与预设停车范围内的所述候选停车场的间距；

所述资源获取模块具体用于：

根据每个所述候选停车场的总车位数量和已停放车位数量、以及所述每个用户车辆与预设停车范围内的所述候选停车场的间距，计算所述多个用户车辆中目标用户车辆针对所述多个候选停车场中目标候选停车场的满意度；

将所述满意度最高的候选停车场推荐给所述目标用户车辆。

其中，所述信息推荐模块具体用于：

构建所述每个用户车辆到所述预设停车范围内的所述候选停车场的带权二部图，并将所述满意度作为所述带权二部图的第一权值；

在所述带权二部图上增加数据源点和数据汇点，并计算所述带权二部图中所述数据源点到所述每个用户车辆的第二权值，以及所述每个候选停车场到所述数据汇点的第三权值；

根据所述第一权值、所述第二权值和所述第三权值，计算所述数据源点到所述数据汇点的最大权值路径以选定候选停车场。

其中，所述装置还包括：

信号融合模块，用于将用于触发车载停车诱导的多种触发信号融合为至多两个诱导信号。

其中，所述信号融合模块具体用于：

获取车载诱导的多种变迁状态以及多种用户操作状态；

建立所述多种变迁状态和所述多种用户操作状态之间的连接关系，并在所述多个用户操作状态中每个用户操作状态上给予所述触发信号；

确定所述多个用户操作状态之间的变迁关系；

根据所述多个用户操作状态之间的变迁关系，将多个所述触发信号融合为所述至多两个诱导信号。

其中，所述变迁关系包括冲突关系、冲突关系或循环关系。

其中，所述信号融合模块具体用于：

将具有相同的所述变迁关系的所述用户操作状态划归为状态集合；

对所述状态集合中每个所述用户操作状态对应的所述触发信号进行融合成一个诱导信号。

其中，所述信息推荐模块具体用于：

分别计算所述用户车辆与所述候选停车场匹配后的残留网络中的所述第二权值和所述第三权值。

其中，所述信息推荐模块具体用于：

计算所述数据原点到所述数据汇点的所有路径中每条路径上的所述第一权值、所述第二权值和所述第三权值的权值之和；

将最大所述权值之和对应的路径上的所述用户车辆和所述候选停车场进行匹配以选定所述候选停车场。

所述信号融合模块，还用于触发所述诱导信号发出诱导请求，所述诱导请求用于开始执行车载停车诱导的操作步骤。

其中，所述资源获取模块具体用于：

计算所述目标用户车辆到所述目标候选停车场的间距除以所述目标用户车辆到所述预设停车范围内所有所述候选停车场的距离之和的第一比值；

计算所述目标候选停车场中所述已停放车位数量除以所述总车位数量的第二比值；

根据所述第一比值和所述第二比值，计算得到所述目标用户车辆针对所述目标候选停车场的满意度。

其中，所述资源获取模块具体用于：

获取所述目标用户车辆相对于所述目标候选停车场的相对位置；

根据所述目标用户车辆相对于所述目标候选停车场的相对位置，确定所述所述第一比值的加权值范围。

其中，所述装置还包括：

信息显示模块，用于显示选定的所述候选停车场，并标识选定的所述候选停车场的位置。

相应地，本发明第三方面提供了一种车载停车诱导装置，所述装置包括接口电路、存储器以及处理器，其中，存储器中存储一组程序代码，且处理器用于调用存储器中存储的程序代码，用于执行以下操作：

获取用户驾车过程中的实时行驶信息；

在检测到用户发出的停车诱导请求时，根据所述实时行驶信息执行个体车载停车诱导操作获取停车资源；

确定获取到的所述停车资源的数量是否大于预设阈值；

当所述停车资源的数量小于所述预设阈值时，根据所述实时行驶信息执行群体车载停车诱导操作以向用户推荐候选停车场。

实施本发明实施例，首先获取用户驾车过程中的实时行驶信息；然后在检测到用户发出的停车诱导请求时，根据所述实时行驶信息执行个体车载停车诱导操作获取停车资源；其次确定获取到的所述停车资源的数量是否大于预设阈值；最后当所述停车资源的数量小于所述预设阈值时，根据所述实时行驶信息执行群体车载停车诱导操作以向用户推荐候选停车场，通过将车载诱导过程抽象为网络最大流问题，并求取最大权值路径来选定候选停车场，从而提高了停车资源的利用率。

附图说明

为了更清楚地说明本发明实施例的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1是本发明第一实施例提供的一种车载停车诱导方法的流程示意图；

图2是本发明实施例提供的一种应用场景示意图；

图3是本发明实施例提供的一种用户车辆和候选停车场的相对位置示意图；

图4是本发明实施例提供的一种用户车辆和停车场的二部图；

图5是本发明实施例提供的一种扩展的带权二部图；

图6是本发明实施例提供的一种残留网络的结构示意图；

图7是本发明第二实施例提供的一种车载停车诱导方法的流程示意图；

图8是本发明实施例提供的一种状态变迁的示意图；

图9是本发明实施例提供的一种信号触发的示意图；

图10是本发明实施例提供的一种触发信号融合示意图；

图11是本发明实施例提供的一种车载停车诱导装置的结构示意图；

图12是本发明实施例提供的一种车载停车诱导设备的结构示意图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

请参考图1，图1是本发明第一实施例提出的一种车载停车诱导方法的流程示意图。如图所示，本发明实施例中的方法包括：

S101，获取用户驾车过程中的实时行驶信息；所述实时行驶信息包括每个所述候选停车场的总车位数量和已停放车位数量、以及多个用户车辆中每个用户车辆与预设停车范围内的所述候选停车场的间距。

S102，在检测到用户发出的停车诱导请求时，根据所述实时行驶信息执行个体车载停车诱导操作获取停车资源。

具体实现中，可以根据每个所述候选停车场的总车位数量和已停放车位数量、以及所述每个用户车辆与预设停车范围内的所述候选停车场的间距，计算所述多个用户车辆中目标用户车辆针对所述多个候选停车场中目标候选停车场的满意度；将所述满意度最高的候选停车场推荐给所述目标用户车辆。

进一步的，可以计算所述目标用户车辆到所述目标候选停车场的间距除以所述目标用户车辆到所述预设停车范围内所有所述候选停车场的距离之和的第一比值；计算所述目标候选停车场中所述已停放车位数量除以所述总车位数量的第二比值；根据所述第一比值和所述第二比值，计算得到所述目标用户车辆针对所述目标候选停车场的满意度。

可选的，可以获取所述目标用户车辆相对于所述目标候选停车场的相对位置；根据所述目标用户车辆相对于所述目标候选停车场的相对位置，确定所述所述第一比值的加权值范围。

如图2所示，在一个区域内，随机的分布着一些候选停车场，记为集合P：P＝{p_i}(i＝1..n)；同时随机分布着一些用户车辆，记为集合V：V＝{v_j}(j＝1...m)。假设用户可容忍的停车范围为R，在预设停车范围R内存在一些停车场，由于距离较近，用户车辆选择前去停放的几率比较大，将每个用户车辆所在的停车范围R内的停车场作为备选停车场，记为集合PE：

PE＝{(v_j,p_i)|d(v_j,p_i)≤r}(j＝1..m,i＝1..n)，

其中，d(v_j,p_i)表示用户车辆v_j和停车场p_i的欧氏空间距离。特别地，将用户车辆v_j的备选停车场集合简记为：PE_j＝{(v_j,p_i)|d(v_j,p_i)≤r}(i＝1..n)。

可以使用经纬度坐标表示用户车辆和候选停车场的地理空间位置，航向角表示车辆行驶方向。如图2所示，用户车辆坐标为(x0，y0)，以θ角方向行驶。按照一般的空间搜索方式，以用户车辆为圆心，设定用户车辆容忍停车范围R(如：300米)作为搜索半径进行搜索。但是，这种搜索方式没有考虑方向性，实际上用户车辆在城市中直行、右转、左转或调头，对于行驶成本差别很大，因此在搜索结果中需要考虑候选停车场和用户车辆的相对位置。

如图3所示，将该问题描述成停车场坐标(x_i,y_j)(i＝1...n,j＝1...n)相对车辆坐标(x₀，y₀)的逆时针旋转问题，且旋转角为θ，该过程包含了平移和旋转两个步骤。停车场坐标(x_i,y_j)以用户车辆坐标原点进行平移后的坐标(x_i-x₀,y_j-y₀)，记为(x_i',y'_j)；该停车场坐标(x′_i，y′_i)再经过逆时针旋转θ后的新坐标：对经过平移和旋转后的停车场坐标进行象限判断：(1)第一象限，车辆直行和右转可达；(2)第二象限，车辆左转或调头可达；(3)第三象限：车辆需调头可达；(4)第四象限，车辆需两次调头可达。根据用户车辆不同行驶方式的成本，对不同象限赋予不同的优先级因子，令α＝{α_i}(i＝1..4)来表示1～4象限的优先级因子，优先级顺序可以为{α₁＞α₂＞α₃＞α₄}。

对于这些候选停车场，可以根据与用户车辆v_j之间的距离关系和自身可用停车位进行评分排序，形成有序列表，距离越近且可用停车位越多，得分越高。从用户角度来看，该序列表实际上表达得分越高的停车场，越满足用户停车的需求，因此将该序列表作为用户车辆v_j的停车期望序列表，记为集合VE_j：p∈PE_j，其中，为候选停车场p相对于用户v_j的评价函数，该评价函数为：

其中，PE_j表示用户车辆v_j的候选停车场集合，v_j表示用户车辆，d_i表示用户车辆v_j所在的停车范围内的所有停车场中第i个停车场距离用户的距离，C_p表示停车场p的总车位数量，E_p表示停车场p已停放的车位数量。

综上所述，该评价函数考虑的评价因素包括停车场到用户车辆的距离和停车场的停放率。距离越近，停放率越低(可用车位越多)的车位的停车场，将越可能得到更高的满意度。在实际应用中，可以通过α和β(0＜α＜1,0＜β＜1)，两个因子来调节距离和可用停车位对评价函数的影响，α的取值根据停车场相对用户车辆所在的象限，取对应的α_i。经过函数的计算后，每个用户都会形成VE集合，VE集合中存放了用户车辆和该用户车辆的候选停车场的匹配关系、以及每个候选停车场的评价分值。

在经过上述计算后，可以得到一个停车期望序列表，推荐的候选停车场的值越高，用户会越满意。例如，选择停车期望序列表中的进行推荐，表示选择对应的目标停车场，表示对应的用户满意度。一般来说，在保证用户能在停车范围R内停放的前提下，尽量提升用户的停车满意度，可以选择评分最高的停车场信息告知用户，因此，在可用停车资源相对充足的条件下，只需选择值最大的停车场进行推荐，即：

S103，确定获取到的所述停车资源的数量是否大于预设阈值。

具体实现中，由于当停车资源相对紧张时，由于可用停车位的数量减少，当某些用户选择对值最大的停车场时，将消耗完该候选停车场的可用停车位，导致其他用户在停车范围R内搜索不到可用停车场的情况，即该用户车辆的为了减少这种情况的发生，继续执行下述操作步骤。

S104，当所述停车资源的数量小于所述预设阈值时，根据所述实时行驶信息执行群体车载停车诱导操作以向用户推荐候选停车场。

首先，构建所述每个用户车辆到所述预设停车范围内的所述候选停车场的带权二部图，并将所述满意度作为所述带权二部图的第一权值。

如图4所示，构建一个容量限制的带权二部图G＝(X,Y,W),其中，X＝P∪V，Y＝{(v,p)|p∈VE_v,v∈V,p∈P}，W为边的权值集合，该权值为目标用户车辆针对所述多个候选停车场中目标候选停车场的满意度。

然后，在所述带权二部图上增加数据源点和数据汇点，并计算所述带权二部图中所述数据源点到所述每个用户车辆的第二权值，以及所述每个候选停车场到所述数据汇点的第三权值。

具体实现中，由于候选停车场存在容量限制，当停车场剩余停车位为0时，该候选停车场不能为其他用户车辆提供停车服务，同样用户也只能在一个候选停车场停放车辆，因此可以将用户作为一个容量限制为1的节点。因此对上述带权二部图进行扩展，将节点的容量限制转化为边的流量限制。

如图5所示，图5是本发明实施例提供的一种扩展的带权二部图，该扩展的带权二部图可以表示为G′＝(X,Y,W,S,E,SY,EY,SW,EW)，扩展部分包括一个数据源点S，SY＝{＜S,v＞|v∈V}；一个数据汇点E，EY＝{＜p,E＞|p∈P}。同传统的带权二部图不同，由于不同的车辆可以进入同一停车场节点，也可以进入不同的停车场节点，因此p同数据汇点E之间的权值集合EW不是常量，而是一种函数关系：

其中，表示停车场p_i当前的剩余可用停车位数量，为一个二值开关函数：当停车场的剩余停车位为0时，停车场对应节点的可用流量为0，通过使得停车场的输出权值为0。停车场p_i的入度d^-(p_i)表示当前有d^-(p_i)数量的车辆可能选择该停车场，在p_i允许的容量范围内，即在的情况下，最大流为 是一个拉格朗日系数，作为p_i点入度流量的过滤器，仅允许真正进入p_i点的流量输出到数据汇点E，其构造为：

类似地，数据源点S与各用户车辆v之间的权值集合SW为：与数据汇点不同的是，由于用户车辆不可能同时停放到两个不同的停车场，可以始终将容量限制为1。另外，S点是数据源点，因此合并的流量为用户v的出度流量，用d⁺(v_j)表示。

可选的，可以分别计算所述用户车辆与所述候选停车场匹配后的残留网络中的所述第二权值和所述第三权值。

具体实现中，可以在数据源点和数据汇点处的流量不是常量，而是由随机性质的函数关系来确定的，因此需要定义反向流量，并进一步得到残留网络。例如，数据汇点E的正向流量被定义为其随机特性主要由来实现。在用户车辆v_j未与停车场p_i形成匹配之前，p_i点的输出流量未知，一旦＜v_j,p_i＞形成匹配，根据w(p_i,E)的函数关系，其输出流量可以常量化为w(v_j,p_i)，并将该值作为后向弧的权值。同时，v_j将占据p_i的一个停车位，因此p_i的容量减少1个停车位，影响残留网络的流量。

如图6所示，图6是本发明实施例提供的一种残留网络的网络流量计算示意图。对于数据汇聚点，w'(p_i,E)为＜p_i,E＞边的残留网络流量，则：

相似的，对于数据源点S点，由于所以如果用户车辆已匹配停车场，其残余流量立刻归零，因此对于任意＜v_j,p_i＞∈Y的流量，其残余流量都是一个两元素集合w'(v_j,p_i)＝{0,w(v_j,p_i)}。

最后，根据所述第一权值、所述第二权值和所述第三权值，计算所述数据源点到所述数据汇点的最大权值路径以选定候选停车场。

具体实现中，可以计算所述数据原点到所述数据汇点的所有路径中每条路径上的所述第一权值、所述第二权值和所述第三权值的权值之和；将最大所述权值之和对应的路径上的所述用户车辆和所述候选停车场进行匹配以选定所述候选停车场。

例如，在经过上述的处理过程之后，假设用户车辆v₁和停车场p_n，构成了匹配关系＜v₁,p_n＞，则该网络在执行一次针对路径＜S,v₁,p_n,E＞的EK算法求解该网络最大流。基于EK算法求解该网络最大流的流程如下：

(1)采用广度优先最短路径算法寻找一条从S到E的最大权值路径，记录＜v_j,p_i＞匹配情况以及得到的权值总和；(2)构造基于该路径的残留网络(包括后向弧)，重新标定弧上的权值w'(p_i,E)，w'(S,v_j)以及w'(v_j,p_i)；(3)在残留网络中，采用广度优先最短路径算法寻找从S到E的增广路径，如果找到了一条增广路径，则记录在该条件下的＜v_j,p_i＞匹配情况以及新路径加入后的权值总和。如果找到的增广路径包含了反向弧，则反向弧连接的＜v_j,p_i＞不满足最大流原则，需要解除该匹配；重新执行步骤(2)，如果残留网络中不存在从S到E的增广路径，则算法结束。

在本发明实施例中，首先获取用户驾车过程中的实时行驶信息；然后在检测到用户发出的停车诱导请求时，根据所述实时行驶信息执行个体车载停车诱导操作获取停车资源；其次确定获取到的所述停车资源的数量是否大于预设阈值；最后当所述停车资源的数量小于所述预设阈值时，根据所述实时行驶信息执行群体车载停车诱导操作以向用户推荐候选停车场，通过将车载诱导过程抽象为网络最大流问题，并求取最大权值路径来选定候选停车场，从而提高了停车资源的利用率。

请参考图7，图7是本发明第二实施例提出的一种车载停车诱导方法的流程示意图。如图所示，本发明实施例中的方法包括：

S701，获取车载诱导的多种变迁状态以及多种用户操作状态。

如图8所示，定义车载诱导的三种变迁状态和五个用户操作状态，S1表示用户未处于诱导状态，S2表示用户处于停车场搜索状态，S3表示用户处于导航状态。同时，用户需要5个动作来驱动上述状态的变迁，t1表示用户启动停车场搜索流程；t2表示用户退出停车场搜索流程；t3表示用户启动导航流程；t4表示用户退出导航流程；t5表示用户结束诱导全流程。

S702，建立所述多种变迁状态和所述多种用户操作状态之间的连接关系，所述连接关系包括所述变迁状态和所述操作状态之间的转化权值。

如图8所示，定义P/T网描述用户操作行为及诱导系统的状态变迁其中，S＝{s₁,s₂,s₃}；T＝{t₁,t₂,t₃,t₄,t₅}；dom(F)∪cod(F)＝S∪T，W:F→IN\{0}，IN为非负数集合。由于F表示在网中，库所s和变迁t的连接关系(边)，而W表示网N中的边权值，因此P/T网中的F＝{(s₁,t₁),(t₁,s₂),(s₂,t₂),...,(t₅,s₁)}，W(s,t)≡1,(s,t)∈F。

该P/T网的状态空间M的初始值M₀为{1，0，0}，状态转移矩阵P为：当且仅当状态转移条件满足时，变迁t_j在状态M_i处发生，当(^·t＝{s|(s,t)∈F}为t的前驱库所集合)，状态变迁发生，M_i+1＝M_i+P′_j，其中，P′_j为转移矩阵P的第j列向量的转置，其中，使用符号M_i[t_j＞表示变迁t_j在M_i可触发的条件。

S703，在所述多个用户操作状态中每个用户操作状态上给予触发信号，并确定所述多个用户操作状态之间的变迁关系。

如图9所示，对每个用户操作赋予一个独立的触发信号，可以从外部触发并推动该系统的运行，新引入的触发器C＝{c₁,c₂,c₃,c₄,c₅}不会影响原有系统的正常运行，只是提供了系统外部的触发信号。但是，5个动作如果需要5种不同的信号来表征，对用户来说就过于繁琐，因此需要减少外部信号触发库所的数量，但不能影响系统的状态空间的完整性和变迁法则。

S704，根据所述多个用户操作状态之间的变迁关系，将多个所述触发信号融合为至多两个诱导信号。

具体实现中，所述变迁关系包括冲突关系、冲突关系或循环关系，将具有相同的所述变迁关系的所述用户操作状态划归为状态集合；对所述状态集合中每个所述用户操作状态对应的所述触发信号进行融合成一个诱导信号。

例如，定义如下关系(1)冲突关系若M_i[t_j＞∧M_i[t_k＞，但M_i[{t_j,t_k}＞，则t_k和t_j在M_i处相互冲突，即相互冲突的变迁会造成变迁发生的不确定性，需要从系统环境中输入额外的信息来决定冲突双方谁会发生；(2)冲撞关系如果M_a[t_j＞M_i∧M_b[t_k＞M_i，则t_k和t_j在M_i处冲撞，即相互冲撞的变迁会导致形成状态的原因具有不确定性，需要从引入额外信息来辨别；(3)循环关系如果M_a[t_j＞M_b∧M_b[t_k＞M_a，则t_k和t_j在{M_a,M_b}中循环，即相互循环的变迁必须区分开，否则会造成系统状态库所的收缩，导致损失状态信息。

按照以下库所融合方法步骤进行：(1)融合的库所为系统的T^-不变量；(2)逐一找出系统中每个变迁对应的具有冲突、冲撞或循环关系的变迁；(3)将具有同样冲突、冲撞或循环关系的变迁归为一类；(4)将这些变迁对应的T^-不变量库所进行融合。

如图9所示，经过分析可以得到其中，{t₂,t₄}和{t₁,t₃,t₅}这两个集合之间具有同样的冲突、冲撞或循环关系，因此可以将各自对应的T^-不变量库所进行融合。如图10所示，C1’融合{t₁,t₃,t₅}的触发信号{c₁,c₃,c₅}，C2’融合了{t₂,t₄}的触发信号{c₂,c₄}。融合后的信号库所集合为最小库所集合，即在车载诱导系统中，用户所需的最少信号种类为两种{C1’，C2’}。

S705，触发所述诱导信号发出诱导请求，所述诱导请求用于开始执行车载停车诱导的操作步骤。

具体实现中，设定C1’信号、C2’信号来触发驱动整个车载诱导应用，该信号可以具体实现为不同的方式，比如：电平信号、按键编码或语音方式。设A键发出C1’信号，B键发出C2’信号。

在行驶过程中，当用户有停车需要时，按A键启动诱导应用，诱导应用开始为用户推荐周边停车场，可以以语音方式播报。用户继续驾驶，继续接收诱导信息，根据用户位置的实时变化，诱导应用会相应的推荐不同的停车场。此时用户再按一次A键，表示用户接受诱导应用当前推荐的停车场，诱导应用进入导航流程，将用户引导向停车场。用户跟随实时导航信息的指引，抵达停车场附近时，诱导应用结束导航。此时用户再按一次A键，应用结束退出。而B键主要是实现应用状态的回退，从导航状态返回停车场推荐状态，从停车场推荐状态退出应用。

综上所述，一个典型的诱导流程，用户只需对同一个按键做出3次按键动作就可完成，即完成整个诱导应用从开始到结束整个状态空间的遍历。而A、B两个按键能应对诱导过程中所有的情况，因此操作变得十分简洁。如果该按键附着在方向盘上，或是位于方向盘旁边，则用户的操作会进一步简便，几乎不会分散任何驾驶的注意力。

S706，获取多个候选停车场中每个候选停车场的总车位数量和已停放车位数量、以及多个用户车辆中每个用户车辆与预设停车范围内的所述候选停车场的间距。

S707，根据所述每个候选停车场的总车位数量和已停放车位数量、以及所述每个用户车辆与预设停车范围内的所述候选停车场的间距，计算所述多个用户车辆中目标用户车辆针对所述多个候选停车场中目标候选停车场的满意度。

具体实现中，可以计算所述目标用户车辆到所述目标候选停车场的间距除以所述目标用户车辆到所述预设停车范围内所有所述候选停车场的距离之和的第一比值；计算所述目标候选停车场中所述已停放车位数量除以所述总车位数量的第二比值；根据所述第一比值和所述第二比值，计算得到所述目标用户车辆针对所述目标候选停车场的满意度。

进一步可选的，可以获取所述目标用户车辆相对于所述目标候选停车场的相对位置；根据所述目标用户车辆相对于所述目标候选停车场的相对位置，确定所述所述第一比值的加权值范围。

如图2所示，在一个区域内，随机的分布着一些候选停车场，记为集合P：P＝{p_i}(i＝1..n)；同时随机分布着一些用户车辆，记为集合V：V＝{v_j}(j＝1...m)。假设用户可容忍的停车范围为R，在预设停车范围R内存在一些停车场，由于距离较近，用户车辆选择前去停放的几率比较大，将每个用户车辆所在的停车范围R内的停车场作为备选停车场，记为集合PE：

PE＝{(v_j,p_i)|d(v_j,p_i)≤r}(j＝1..m,i＝1..n)，

其中，d(v_j,p_i)表示用户车辆v_j和停车场p_i的欧氏空间距离。特别地，将用户车辆v_j的备选停车场集合简记为：PE_j＝{(v_j,p_i)|d(v_j,p_i)≤r}(i＝1..n)。

可以使用经纬度坐标表示用户车辆和候选停车场的地理空间位置，航向角表示车辆行驶方向。如图2所示，用户车辆坐标为(x0，y0)，以θ角方向行驶。按照一般的空间搜索方式，以用户车辆为圆心，设定用户车辆容忍停车范围R(如：300米)作为搜索半径进行搜索。但是，这种搜索方式没有考虑方向性，实际上用户车辆在城市中直行、右转、左转或调头，对于行驶成本差别很大，因此在搜索结果中需要考虑候选停车场和用户车辆的相对位置。

如图3所示，将该问题描述成停车场坐标(x_i,y_j)(i＝1...n,j＝1...n)相对车辆坐标(x₀，y₀)的逆时针旋转问题，且旋转角为θ，该过程包含了平移和旋转两个步骤。停车场坐标(x_i,y_j)以用户车辆坐标原点进行平移后的坐标(x_i-x₀,y_j-y₀)，记为(x′_i,y'_j)；该停车场坐标(x′_i，y′_i)再经过逆时针旋转θ后的新坐标：对经过平移和旋转后的停车场坐标进行象限判断：(1)第一象限，车辆直行和右转可达；(2)第二象限，车辆左转或调头可达；(3)第三象限：车辆需调头可达；(4)第四象限，车辆需两次调头可达。根据用户车辆不同行驶方式的成本，对不同象限赋予不同的优先级因子，令α＝{α_i}(i＝1..4)来表示1～4象限的优先级因子，优先级顺序可以为{α₁＞α₂＞α₃＞α₄}。

对于这些候选停车场，可以根据与用户车辆v_j之间的距离关系和自身可用停车位进行评分排序，形成有序列表，距离越近且可用停车位越多，得分越高。从用户角度来看，该序列表实际上表达得分越高的停车场，越满足用户停车的需求，因此将该序列表作为用户车辆v_j的停车期望序列表，记为集合VE_j：p∈PE_j，其中，为候选停车场p相对于用户v_j的评价函数，该评价函数为：

其中，PE_j表示用户车辆v_j的候选停车场集合，v_j表示用户车辆，d_i表示用户车辆v_j所在的停车范围内的所有停车场中第i个停车场距离用户的距离，C_p表示停车场p的总车位数量，E_p表示停车场p已停放的车位数量。

综上所述，该评价函数考虑的评价因素包括停车场到用户车辆的距离和停车场的停放率。距离越近，停放率越低(可用车位越多)的车位的停车场，将越可能得到更高的满意度。在实际应用中，可以通过α和β(0＜α＜1,0＜β＜1)，两个因子来调节距离和可用停车位对评价函数的影响，α的取值根据停车场相对用户车辆所在的象限，取对应的α_i。经过函数的计算后，每个用户都会形成VE集合，VE集合中存放了用户车辆和该用户车辆的候选停车场的匹配关系、以及每个候选停车场的评价分值。

在经过上述计算后，可以得到一个停车期望序列表，推荐的候选停车场的值越高，用户会越满意。例如，选择停车期望序列表中的进行推荐，表示选择对应的目标停车场，表示对应的用户满意度。一般来说，在保证用户能在停车范围R内停放的前提下，尽量提升用户的停车满意度，可以选择评分最高的停车场信息告知用户，因此，在可用停车资源相对充足的条件下，只需每个用户选择值最大的停车场，即：

但是，当停车资源相对紧张时，由于可用停车位的数量减少，当某些用户选择对值最大的停车场时，将消耗完该候选停车场的可用停车位，导致其他用户在停车范围R内搜索不到可用停车场的情况，即该用户车辆的为了减少这种情况的发生，继续执行下述操作步骤。

S708，构建所述每个用户车辆到所述预设停车范围内的所述候选停车场的带权二部图，并将所述满意度作为所述带权二部图的第一权值。

如图4所示，构建一个容量限制的带权二部图G＝(X,Y,W),其中，X＝P∪V，Y＝{(v,p)|p∈VE_v,v∈V,p∈P}，W为边的权值集合，该权值为目标用户车辆针对所述多个候选停车场中目标候选停车场的满意度。

S709，在所述带权二部图上增加数据源点和数据汇点，并计算所述带权二部图中所述数据源点到所述每个用户车辆的第二权值，以及所述每个候选停车场到所述数据汇点的第三权值。

具体实现中，由于候选停车场存在容量限制，当停车场剩余停车位为0时，该候选停车场不能为其他用户车辆提供停车服务，同样用户也只能在一个候选停车场停放车辆，因此可以将用户作为一个容量限制为1的节点。因此对上述带权二部图进行扩展，将节点的容量限制转化为边的流量限制。

如图5所示，图5是本发明实施例提供的一种扩展的带权二部图，该扩展的带权二部图可以表示为G′＝(X,Y,W,S,E,SY,EY,SW,EW)，扩展部分包括一个数据源点S，SY＝{＜S,v＞|v∈V}；一个数据汇点E，EY＝{＜p,E＞|p∈P}。同传统的带权二部图不同，由于不同的车辆可以进入同一停车场节点，也可以进入不同的停车场节点，因此p同数据汇点E之间的权值集合EW不是常量，而是一种函数关系：

其中，表示停车场p_i当前的剩余可用停车位数量，为一个二值开关函数：当停车场的剩余停车位为0时，停车场对应节点的可用流量为0，通过使得停车场的输出权值为0。停车场p_i的入度d^-(p_i)表示当前有d^-(p_i)数量的车辆可能选择该停车场，在p_i允许的容量范围内，即在的情况下，最大流为 是一个拉格朗日系数，作为p_i点入度流量的过滤器，仅允许真正进入p_i点的流量输出到数据汇点E，其构造为：

类似地，数据源点S与各用户车辆v之间的权值集合SW为：与数据汇点不同的是，由于用户车辆不可能同时停放到两个不同的停车场，可以始终将容量限制为1。另外，S点是数据源点，因此合并的流量为用户v的出度流量，用d⁺(v_j)表示。

可选的，可以分别计算所述用户车辆与所述候选停车场匹配后的残留网络中的所述第二权值和所述第三权值。

具体实现中，可以在数据源点和数据汇点处的流量不是常量，而是由随机性质的函数关系来确定的，因此需要定义反向流量，并进一步得到残留网络。例如，数据汇点E的正向流量被定义为其随机特性主要由来实现。在用户车辆v_j未与停车场p_i形成匹配之前，p_i点的输出流量未知，一旦＜v_j,p_i＞形成匹配，根据w(p_i,E)的函数关系，其输出流量可以常量化为w(v_j,p_i)，并将该值作为后向弧的权值。同时，v_j将占据p_i的一个停车位，因此p_i的容量减少1个停车位，影响残留网络的流量。

如图6所示，图6是本发明实施例提供的一种残留网络的网络流量计算示意图。对于数据汇聚点，w'(p_i,E)为＜p_i,E＞边的残留网络流量，则：

相似的，对于数据源点S点，由于所以如果用户车辆已匹配停车场，其残余流量立刻归零，因此对于任意＜v_j,p_i＞∈Y的流量，其残余流量都是一个两元素集合w'(v_j,p_i)＝{0,w(v_j,p_i)}。

S710，根据所述第一权值、所述第二权值和所述第三权值，计算所述数据源点到所述数据汇点的最大权值路径以选定候选停车场。

具体实现中，可以计算所述数据原点到所述数据汇点的所有路径中每条路径上的所述第一权值、所述第二权值和所述第三权值的权值之和；将最大所述权值之和对应的路径上的所述用户车辆和所述候选停车场进行匹配以选定所述候选停车场。

可选的，在选定候选停车场之后，显示选定的所述候选停车场，并标识选定的所述候选停车场的位置。

例如，在经过上述的处理过程之后，假设用户车辆v₁和停车场p_n，构成了匹配关系＜v₁,p_n＞，则该网络在执行一次针对路径＜S,v₁,p_n,E＞的EK算法求解该网络最大流。基于EK算法求解该网络最大流的流程如下：

(1)采用广度优先最短路径算法寻找一条从S到E的最大权值路径，记录＜v_j,p_i＞匹配情况以及得到的权值总和；(2)构造基于该路径的残留网络(包括后向弧)，重新标定弧上的权值w'(p_i,E)，w'(S,v_j)以及w'(v_j,p_i)；(3)在残留网络中，采用广度优先最短路径算法寻找从S到E的增广路径，如果找到了一条增广路径，则记录在该条件下的＜v_j,p_i＞匹配情况以及新路径加入后的权值总和。如果找到的增广路径包含了反向弧，则反向弧连接的＜v_j,p_i＞不满足最大流原则，需要解除该匹配；重新执行步骤(2)，如果残留网络中不存在从S到E的增广路径，则算法结束。

在本发明实施例中，在本发明实施例中，根据每个候选停车场的总车位数量和已停放车位数量、以及每个用户车辆与预设停车范围内的候选停车场的间距，计算多个用户车辆中目标用户车辆针对多个候选停车场中目标候选停车场的满意度；构建每个用户车辆到预设停车范围内的候选停车场的带权二部图，并将满意度作为带权二部图的第一权值；在带权二部图上增加数据源点和数据汇点，并计算带权二部图中数据源点到每个用户车辆的第二权值，以及每个候选停车场到数据汇点的第三权值；根据第一权值、第二权值和第三权值，计算数据源点到数据汇点的最大权值路径以选定候选停车场，通过将车载诱导过程抽象为网络最大流问题，并求取最大权值路径来选定候选停车场，从而提高了停车资源的利用率。

请参考图11，图11是本发明实施例提供的一种车载停车诱导装置的结构示意图。如图所示，本发明实施例中的装置包括：

信息获取模块1101，用于获取用户驾车过程中的实时行驶信息。所述实时行驶信息包括每个所述候选停车场的总车位数量和已停放车位数量、以及多个用户车辆中每个用户车辆与预设停车范围内的所述候选停车场的间距。

资源获取模块1102，用于在检测到用户发出的停车诱导请求时，根据所述实时行驶信息执行个体车载停车诱导操作获取停车资源。具体实现中，可以根据每个所述候选停车场的总车位数量和已停放车位数量、以及所述每个用户车辆与预设停车范围内的所述候选停车场的间距，计算所述多个用户车辆中目标用户车辆针对所述多个候选停车场中目标候选停车场的满意度；将所述满意度最高的候选停车场推荐给所述目标用户车辆。

进一步的，可以计算所述目标用户车辆到所述目标候选停车场的间距除以所述目标用户车辆到所述预设停车范围内所有所述候选停车场的距离之和的第一比值；计算所述目标候选停车场中所述已停放车位数量除以所述总车位数量的第二比值；根据所述第一比值和所述第二比值，计算得到所述目标用户车辆针对所述目标候选停车场的满意度。

可选的，可以获取所述目标用户车辆相对于所述目标候选停车场的相对位置；根据所述目标用户车辆相对于所述目标候选停车场的相对位置，确定所述所述第一比值的加权值范围。

如图2所示，在一个区域内，随机的分布着一些候选停车场，记为集合P：P＝{p_i}(i＝1..n)；同时随机分布着一些用户车辆，记为集合V：V＝{v_j}(j＝1...m)。假设用户可容忍的停车范围为R，在预设停车范围R内存在一些停车场，由于距离较近，用户车辆选择前去停放的几率比较大，将每个用户车辆所在的停车范围R内的停车场作为备选停车场，记为集合PE：

PE＝{(v_j,p_i)|d(v_j,p_i)≤r}(j＝1..m,i＝1..n)，

其中，d(v_j,p_i)表示用户车辆v_j和停车场p_i的欧氏空间距离。特别地，将用户车辆v_j的备选停车场集合简记为：PE_j＝{(v_j,p_i)|d(v_j,p_i)≤r}(i＝1..n)。

可以使用经纬度坐标表示用户车辆和候选停车场的地理空间位置，航向角表示车辆行驶方向。如图2所示，用户车辆坐标为(x0，y0)，以θ角方向行驶。按照一般的空间搜索方式，以用户车辆为圆心，设定用户车辆容忍停车范围R(如：300米)作为搜索半径进行搜索。但是，这种搜索方式没有考虑方向性，实际上用户车辆在城市中直行、右转、左转或调头，对于行驶成本差别很大，因此在搜索结果中需要考虑候选停车场和用户车辆的相对位置。

如图3所示，将该问题描述成停车场坐标(x_i,y_j)(i＝1...n,j＝1...n)相对车辆坐标(x₀，y₀)的逆时针旋转问题，且旋转角为θ，该过程包含了平移和旋转两个步骤。停车场坐标(x_i,y_j)以用户车辆坐标原点进行平移后的坐标(x_i-x₀,y_j-y₀)，记为(x′_i,y'_j)；该停车场坐标(x′_i，y′_i)再经过逆时针旋转θ后的新坐标：对经过平移和旋转后的停车场坐标进行象限判断：(1)第一象限，车辆直行和右转可达；(2)第二象限，车辆左转或调头可达；(3)第三象限：车辆需调头可达；(4)第四象限，车辆需两次调头可达。根据用户车辆不同行驶方式的成本，对不同象限赋予不同的优先级因子，令α＝{α_i}(i＝1..4)来表示1～4象限的优先级因子，优先级顺序可以为{α₁＞α₂＞α₃＞α₄}。

对于这些候选停车场，可以根据与用户车辆v_j之间的距离关系和自身可用停车位进行评分排序，形成有序列表，距离越近且可用停车位越多，得分越高。从用户角度来看，该序列表实际上表达得分越高的停车场，越满足用户停车的需求，因此将该序列表作为用户车辆v_j的停车期望序列表，记为集合VE_j：p∈PE_j，其中，为候选停车场p相对于用户v_j的评价函数，该评价函数为：

其中，PE_j表示用户车辆v_j的候选停车场集合，v_j表示用户车辆，d_i表示用户车辆v_j所在的停车范围内的所有停车场中第i个停车场距离用户的距离，C_p表示停车场p的总车位数量，E_p表示停车场p已停放的车位数量。

综上所述，该评价函数考虑的评价因素包括停车场到用户车辆的距离和停车场的停放率。距离越近，停放率越低(可用车位越多)的车位的停车场，将越可能得到更高的满意度。在实际应用中，可以通过α和β(0＜α＜1,0＜β＜1)，两个因子来调节距离和可用停车位对评价函数的影响，α的取值根据停车场相对用户车辆所在的象限，取对应的α_i。经过函数的计算后，每个用户都会形成VE集合，VE集合中存放了用户车辆和该用户车辆的候选停车场的匹配关系、以及每个候选停车场的评价分值。

在经过上述计算后，可以得到一个停车期望序列表，推荐的候选停车场的值越高，用户会越满意。例如，选择停车期望序列表中的进行推荐，表示选择对应的目标停车场，表示对应的用户满意度。一般来说，在保证用户能在停车范围R内停放的前提下，尽量提升用户的停车满意度，可以选择评分最高的停车场信息告知用户，因此，在可用停车资源相对充足的条件下，只需选择值最大的停车场进行推荐，即：

阈值确定模块1103，用于确定获取到的所述停车资源的数量是否大于预设阈值。

具体实现中，由于当停车资源相对紧张时，由于可用停车位的数量减少，当某些用户选择对值最大的停车场时，将消耗完该候选停车场的可用停车位，导致其他用户在停车范围R内搜索不到可用停车场的情况，即该用户车辆的为了减少这种情况的发生，继续执行下述操作。

信息推荐模块1104，用于当所述停车资源的数量小于所述预设阈值时，根据所述实时行驶信息执行群体车载停车诱导操作以向用户推荐候选停车场。

首先，构建所述每个用户车辆到所述预设停车范围内的所述候选停车场的带权二部图，并将所述满意度作为所述带权二部图的第一权值。

如图4所示，构建一个容量限制的带权二部图G＝(X,Y,W),其中，X＝P∪V，Y＝{(v,p)|p∈VE_v,v∈V,p∈P}，W为边的权值集合，该权值为目标用户车辆针对所述多个候选停车场中目标候选停车场的满意度。

然后，在所述带权二部图上增加数据源点和数据汇点，并计算所述带权二部图中所述数据源点到所述每个用户车辆的第二权值，以及所述每个候选停车场到所述数据汇点的第三权值。

具体实现中，由于候选停车场存在容量限制，当停车场剩余停车位为0时，该候选停车场不能为其他用户车辆提供停车服务，同样用户也只能在一个候选停车场停放车辆，因此可以将用户作为一个容量限制为1的节点。因此对上述带权二部图进行扩展，将节点的容量限制转化为边的流量限制。

如图5所示，图5是本发明实施例提供的一种扩展的带权二部图，该扩展的带权二部图可以表示为G′＝(X,Y,W,S,E,SY,EY,SW,EW)，扩展部分包括一个数据源点S，SY＝{＜S,v＞|v∈V}；一个数据汇点E，EY＝{＜p,E＞|p∈P}。同传统的带权二部图不同，由于不同的车辆可以进入同一停车场节点，也可以进入不同的停车场节点，因此p同数据汇点E之间的权值集合EW不是常量，而是一种函数关系：

其中，表示停车场p_i当前的剩余可用停车位数量，为一个二值开关函数：当停车场的剩余停车位为0时，停车场对应节点的可用流量为0，通过使得停车场的输出权值为0。停车场p_i的入度d^-(p_i)表示当前有d^-(p_i)数量的车辆可能选择该停车场，在p_i允许的容量范围内，即在的情况下，最大流为 是一个拉格朗日系数，作为p_i点入度流量的过滤器，仅允许真正进入p_i点的流量输出到数据汇点E，其构造为：

类似地，数据源点S与各用户车辆v之间的权值集合SW为：与数据汇点不同的是，由于用户车辆不可能同时停放到两个不同的停车场，可以始终将容量限制为1。另外，S点是数据源点，因此合并的流量为用户v的出度流量，用d⁺(v_j)表示。

可选的，可以分别计算所述用户车辆与所述候选停车场匹配后的残留网络中的所述第二权值和所述第三权值。

具体实现中，可以在数据源点和数据汇点处的流量不是常量，而是由随机性质的函数关系来确定的，因此需要定义反向流量，并进一步得到残留网络。例如，数据汇点E的正向流量被定义为其随机特性主要由来实现。在用户车辆v_j未与停车场p_i形成匹配之前，p_i点的输出流量未知，一旦＜v_j,p_i＞形成匹配，根据w(p_i,E)的函数关系，其输出流量可以常量化为w(v_j,p_i)，并将该值作为后向弧的权值。同时，v_j将占据p_i的一个停车位，因此p_i的容量减少1个停车位，影响残留网络的流量。

如图6所示，图6是本发明实施例提供的一种残留网络的网络流量计算示意图。对于数据汇聚点，w'(p_i,E)为＜p_i,E＞边的残留网络流量，则：

相似的，对于数据源点S点，由于所以如果用户车辆已匹配停车场，其残余流量立刻归零，因此对于任意＜v_j,p_i＞∈Y的流量，其残余流量都是一个两元素集合w'(v_j,p_i)＝{0,w(v_j,p_i)}。

最后，根据所述第一权值、所述第二权值和所述第三权值，计算所述数据源点到所述数据汇点的最大权值路径以选定候选停车场。

具体实现中，可以计算所述数据原点到所述数据汇点的所有路径中每条路径上的所述第一权值、所述第二权值和所述第三权值的权值之和；将最大所述权值之和对应的路径上的所述用户车辆和所述候选停车场进行匹配以选定所述候选停车场。

例如，在经过上述的处理过程之后，假设用户车辆v₁和停车场p_n，构成了匹配关系＜v₁,p_n＞，则该网络在执行一次针对路径＜S,v₁,p_n,E＞的EK算法求解该网络最大流。基于EK算法求解该网络最大流的流程如下：

(1)采用广度优先最短路径算法寻找一条从S到E的最大权值路径，记录＜v_j,p_i＞匹配情况以及得到的权值总和；(2)构造基于该路径的残留网络(包括后向弧)，重新标定弧上的权值w'(p_i,E)，w'(S,v_j)以及w'(v_j,p_i)；(3)在残留网络中，采用广度优先最短路径算法寻找从S到E的增广路径，如果找到了一条增广路径，则记录在该条件下的＜v_j,p_i＞匹配情况以及新路径加入后的权值总和。如果找到的增广路径包含了反向弧，则反向弧连接的＜v_j,p_i＞不满足最大流原则，需要解除该匹配；重新执行步骤(2)，如果残留网络中不存在从S到E的增广路径，则算法结束。

可选的，如11所示，本发明实施例中的车载停车诱导装置还可以包括：

信息显示模块1105，用于显示选定的所述候选停车场，并标识选定的所述候选停车场的位置。

可选的，如11所示，本发明实施例中的车载停车诱导装置还可以包括：

信号融合模块1106，用于将用于触发车载停车诱导的多种触发信号融合为至多两个诱导信号。

首先，获取车载诱导的多种变迁状态以及多种用户操作状态，建立所述多种变迁状态和所述多种用户操作状态之间的连接关系，所述连接关系包括所述变迁状态和所述操作状态之间的转化权值。

如图8所示，定义车载诱导的三种变迁状态和五个用户操作状态，S1表示用户未处于诱导状态，S2表示用户处于停车场搜索状态，S3表示用户处于导航状态。同时，用户需要5个动作来驱动上述状态的变迁，t1表示用户启动停车场搜索流程；t2表示用户退出停车场搜索流程；t3表示用户启动导航流程；t4表示用户退出导航流程；t5表示用户结束诱导全流程。

如图8所示，定义P/T网描述用户操作行为及诱导系统的状态变迁其中，S＝{s₁,s₂,s₃}；T＝{t₁,t₂,t₃,t₄,t₅}；dom(F)∪cod(F)＝S∪T，W:F→IN\{0}，IN为非负数集合。由于F表示在网中，库所s和变迁t的连接关系(边)，而W表示网N中的边权值，因此P/T网中的F＝{(s₁,t₁),(t₁,s₂),(s₂,t₂),...,(t₅,s₁)}，W(s,t)≡1,(s,t)∈F。

该P/T网的状态空间M的初始值M₀为{1，0，0}，状态转移矩阵P为：当且仅当状态转移条件满足时，变迁t_j在状态M_i处发生，当(^·t＝{s|(s,t)∈F}为t的前驱库所集合)，状态变迁发生，M_i+1＝M_i+P′_j，其中，P′_j为转移矩阵P的第j列向量的转置，其中，使用符号M_i[t_j＞表示变迁t_j在M_i可触发的条件。

然后，在所述多个用户操作状态中每个用户操作状态上给予触发信号，并确定所述多个用户操作状态之间的变迁关系。

如图9所示，对每个用户操作赋予一个独立的触发信号，可以从外部触发并推动该系统的运行，新引入的触发器C＝{c₁,c₂,c₃,c₄,c₅}不会影响原有系统的正常运行，只是提供了系统外部的触发信号。但是，5个动作如果需要5种不同的信号来表征，对用户来说就过于繁琐，因此需要减少外部信号触发库所的数量，但不能影响系统的状态空间的完整性和变迁法则。

最后，根据所述多个用户操作状态之间的变迁关系，将多个所述触发信号融合为至多两个诱导信号。

具体实现中，所述变迁关系包括冲突关系、冲突关系或循环关系，将具有相同的所述变迁关系的所述用户操作状态划归为状态集合；对所述状态集合中每个所述用户操作状态对应的所述触发信号进行融合成一个诱导信号。

例如，定义如下关系(1)冲突关系若M_i[t_j＞∧M_i[t_k＞，但M_i[{t_j,t_k}＞，则t_k和t_j在M_i处相互冲突，即相互冲突的变迁会造成变迁发生的不确定性，需要从系统环境中输入额外的信息来决定冲突双方谁会发生；(2)冲撞关系如果M_a[t_j＞M_i∧M_b[t_k＞M_i，则t_k和t_j在M_i处冲撞，即相互冲撞的变迁会导致形成状态的原因具有不确定性，需要从引入额外信息来辨别；(3)循环关系如果M_a[t_j＞M_b∧M_b[t_k＞M_a，则t_k和t_j在{M_a,M_b}中循环，即相互循环的变迁必须区分开，否则会造成系统状态库所的收缩，导致损失状态信息。

按照以下库所融合方法步骤进行：(1)融合的库所为系统的T^-不变量；(2)逐一找出系统中每个变迁对应的具有冲突、冲撞或循环关系的变迁；(3)将具有同样冲突、冲撞或循环关系的变迁归为一类；(4)将这些变迁对应的T^-不变量库所进行融合。

如图9所示，经过分析可以得到其中，{t₂,t₄}和{t₁,t₃,t₅}这两个集合之间具有同样的冲突、冲撞或循环关系，因此可以将各自对应的T^-不变量库所进行融合。如图10所示，C1’融合{t₁,t₃,t₅}的触发信号{c₁,c₃,c₅}，C2’融合了{t₂,t₄}的触发信号{c₂,c₄}。融合后的信号库所集合为最小库所集合，即在车载诱导系统中，用户所需的最少信号种类为两种{C1’，C2’}。

可选的，信号融合模块1106，还用于触发所述诱导信号发出诱导请求，所述诱导请求用于开始执行车载停车诱导的操作步骤。

具体实现中，设定C1’信号、C2’信号来触发驱动整个车载诱导应用，该信号可以具体实现为不同的方式，比如：电平信号、按键编码或语音方式。设A键发出C1’信号，B键发出C2’信号。

在行驶过程中，当用户有停车需要时，按A键启动诱导应用，诱导应用开始为用户推荐周边停车场，可以以语音方式播报。用户继续驾驶，继续接收诱导信息，根据用户位置的实时变化，诱导应用会相应的推荐不同的停车场。此时用户再按一次A键，表示用户接受诱导应用当前推荐的停车场，诱导应用进入导航流程，将用户引导向停车场。用户跟随实时导航信息的指引，抵达停车场附近时，诱导应用结束导航。此时用户再按一次A键，应用结束退出。而B键主要是实现应用状态的回退，从导航状态返回停车场推荐状态，从停车场推荐状态退出应用。

综上所述，一个典型的诱导流程，用户只需对同一个按键做出3次按键动作就可完成，即完成整个诱导应用从开始到结束整个状态空间的遍历。而A、B两个按键能应对诱导过程中所有的情况，因此操作变得十分简洁。如果该按键附着在方向盘上，或是位于方向盘旁边，则用户的操作会进一步简便，几乎不会分散任何驾驶的注意力。

在本发明实施例中，首先获取用户驾车过程中的实时行驶信息；然后在检测到用户发出的停车诱导请求时，根据所述实时行驶信息执行个体车载停车诱导操作获取停车资源；其次确定获取到的所述停车资源的数量是否大于预设阈值；最后当所述停车资源的数量小于所述预设阈值时，根据所述实时行驶信息执行群体车载停车诱导操作以向用户推荐候选停车场，通过将车载诱导过程抽象为网络最大流问题，并求取最大权值路径来选定候选停车场，从而提高了停车资源的利用率。

请参考图12，图12是本发明实施例提出的一种车载停车诱导设备的结构示意图。如图所示，该设备可以包括：至少一个处理器1201，例如CPU，至少一个通信接口1202，至少一个存储器1203，至少一个总线12012。其中，总线12012用于实现这些组件之间的连接通信。其中，本发明实施例中设备的通信接口1202是有线发送端口，也可以为无线设备，例如包括天线装置，用于与其他节点设备进行信令或数据的通信。存储器1203可以是高速RAM存储器，也可以是非不稳定的存储器(non-volatile memory)，例如至少一个磁盘存储器。存储器1203可选的还可以是至少一个位于远离前述处理器1201的存储装置。存储器1203中存储一组程序代码，且处理器1201用于调用存储器中存储的程序代码，用于执行以下操作：

获取用户驾车过程中的实时行驶信息；

在检测到用户发出的停车诱导请求时，根据所述实时行驶信息执行个体车载停车诱导操作获取停车资源；

确定获取到的所述停车资源的数量是否大于预设阈值；

当所述停车资源的数量小于所述预设阈值时，根据所述实时行驶信息执行群体车载停车诱导操作以向用户推荐候选停车场。

其中，所述实时行驶信息包括每个所述候选停车场的总车位数量和已停放车位数量、以及多个用户车辆中每个用户车辆与预设停车范围内的所述候选停车场的间距；

其中，处理器1201还用于执行如下操作步骤：

根据每个所述候选停车场的总车位数量和已停放车位数量、以及所述每个用户车辆与预设停车范围内的所述候选停车场的间距，计算所述多个用户车辆中目标用户车辆针对所述多个候选停车场中目标候选停车场的满意度；

将所述满意度最高的候选停车场推荐给所述目标用户车辆。

其中，处理器1201还用于执行如下操作步骤：

构建所述每个用户车辆到所述预设停车范围内的所述候选停车场的带权二部图，并将所述满意度作为所述带权二部图的第一权值；

在所述带权二部图上增加数据源点和数据汇点，并计算所述带权二部图中所述数据源点到所述每个用户车辆的第二权值，以及所述每个候选停车场到所述数据汇点的第三权值；

根据所述第一权值、所述第二权值和所述第三权值，计算所述数据源点到所述数据汇点的最大权值路径以选定候选停车场。

其中，处理器1201还用于执行如下操作步骤：

将用于触发车载停车诱导的多种触发信号融合为至多两个诱导信号。

其中，处理器1201还用于执行如下操作步骤：

获取车载诱导的多种变迁状态以及多种用户操作状态；

建立所述多种变迁状态和所述多种用户操作状态之间的连接关系，并在所述多个用户操作状态中每个用户操作状态上给予所述触发信号；

确定所述多个用户操作状态之间的变迁关系；

根据所述多个用户操作状态之间的变迁关系，将多个所述触发信号融合为所述至多两个诱导信号。

其中，所述变迁关系包括冲突关系、冲突关系或循环关系。

其中，处理器1201还用于执行如下操作步骤：

将具有相同的所述变迁关系的所述用户操作状态划归为状态集合；

对所述状态集合中每个所述用户操作状态对应的所述触发信号进行融合成一个诱导信号。

其中，处理器1201还用于执行如下操作步骤：

分别计算所述用户车辆与所述候选停车场匹配后的残留网络中的所述第二权值和所述第三权值。

其中，处理器1201还用于执行如下操作步骤：

计算所述数据原点到所述数据汇点的所有路径中每条路径上的所述第一权值、所述第二权值和所述第三权值的权值之和；

将最大所述权值之和对应的路径上的所述用户车辆和所述候选停车场进行匹配以选定所述候选停车场。

其中，处理器1201还用于执行如下操作步骤：

触发所述诱导信号发出诱导请求，所述诱导请求用于开始执行车载停车诱导的操作步骤。

其中，处理器1201还用于执行如下操作步骤：

计算所述目标用户车辆到所述目标候选停车场的间距除以所述目标用户车辆到所述预设停车范围内所有所述候选停车场的距离之和的第一比值；

计算所述目标候选停车场中所述已停放车位数量除以所述总车位数量的第二比值；

根据所述第一比值和所述第二比值，计算得到所述目标用户车辆针对所述目标候选停车场的满意度。

其中，处理器1201还用于执行如下操作步骤：

获取所述目标用户车辆相对于所述目标候选停车场的相对位置；

根据所述目标用户车辆相对于所述目标候选停车场的相对位置，确定所述所述第一比值的加权值范围。

其中，处理器1201还用于执行如下操作步骤：

显示选定的所述候选停车场，并标识选定的所述候选停车场的位置。

需要说明的是，对于前述的各个方法实施例，为了简单描述，故将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本发明并不受所描述的动作顺序的限制，因为依据本发明，某一些步骤可以采用其他顺序或者同时进行。其次，本领域技术人员也应该知悉，说明书中所描述的实施例均属于优选实施例，所涉及的动作和模块并不一定是本发明所必须的。

在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详细描述的部分，可以参见其他实施例的相关描述。

本领域普通技术人员可以理解上述实施例的各种方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成，该程序可以存储于一计算机可读存储介质中，存储介质可以包括：闪存盘、只读存储器(英文：Read-Only Memory，简称：ROM)、随机存取器(英文：Random Access Memory，简称：RAM)、磁盘或光盘等。

以上对本发明实施例所提供的内容下载方法及相关设备、系统进行了详细介绍，本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本发明的限制。

Claims (27)

1.一种车载停车诱导方法，其特征在于，所述方法包括：

获取用户驾车过程中的实时行驶信息；

在检测到用户发出的停车诱导请求时，根据所述实时行驶信息执行个体车载停车诱导操作获取停车资源；

确定获取到的所述停车资源的数量是否大于预设阈值；

当所述停车资源的数量小于所述预设阈值时，根据所述实时行驶信息执行群体车载停车诱导操作以向用户推荐候选停车场。

2.如权利要求1所述方法，其特征在于，所述实时行驶信息包括每个所述候选停车场的总车位数量和已停放车位数量、以及多个用户车辆中每个用户车辆与预设停车范围内的所述候选停车场的间距；

所述根据所述实时行驶信息执行个体车载停车诱导操作获取停车资源包括：

根据每个所述候选停车场的总车位数量和已停放车位数量、以及所述每个用户车辆与预设停车范围内的所述候选停车场的间距，计算所述多个用户车辆中目标用户车辆针对所述多个候选停车场中目标候选停车场的满意度；

将所述满意度最高的候选停车场推荐给所述目标用户车辆。

3.如权利要求2所述方法，其特征在于，所述根据所述实时行驶信息执行群体车载停车诱导操作以向用户推荐候选停车场包括：

构建所述每个用户车辆到所述预设停车范围内的所述候选停车场的带权二部图，并将所述满意度作为所述带权二部图的第一权值；

在所述带权二部图上增加数据源点和数据汇点，并计算所述带权二部图中所述数据源点到所述每个用户车辆的第二权值，以及所述每个候选停车场到所述数据汇点的第三权值；

根据所述第一权值、所述第二权值和所述第三权值，计算所述数据源点到所述数据汇点的最大权值路径以选定候选停车场。

4.如权利要求1所述的方法，其特征在于，所述获取用户驾车过程中的实时行驶信息之前，还包括：

将用于触发车载停车诱导的多种触发信号融合为至多两个诱导信号。

5.如权利要求4所述的方法，其特征在于，所述将用于触发车载停车诱导的多种触发信号融合为至多两个诱导信号包括：

获取车载诱导的多种变迁状态以及多种用户操作状态；

建立所述多种变迁状态和所述多种用户操作状态之间的连接关系，并在所述多个用户操作状态中每个用户操作状态上给予所述触发信号；

确定所述多个用户操作状态之间的变迁关系；

根据所述多个用户操作状态之间的变迁关系，将多个所述触发信号融合为所述至多两个诱导信号。

6.如权利要求5所述的方法，其特征在于，所述变迁关系包括冲突关系、冲突关系或循环关系。

7.如权利要求6所述的方法，其特征在于，所述根据所述多个用户操作状态之间的变迁关系，将多个所述触发信号融合为至多两个诱导信号包括：

将具有相同的所述变迁关系的所述用户操作状态划归为状态集合；

对所述状态集合中每个所述用户操作状态对应的所述触发信号进行融合成一个诱导信号。

8.如权利要求3所述的方法，其特征在于，所述在所述带权二部图上增加数据源点和数据汇点，并计算所述带权二部图中所述数据源点到所述每个用户车辆的第二权值，以及所述每个候选停车场到所述数据汇点的第三权值包括：

分别计算所述用户车辆与所述候选停车场匹配后的残留网络中的所述第二权值和所述第三权值。

9.如权利要求3所述的方法，其特征在于，所述根据所述第一权值、所述第二权值和所述第三权值，计算所述数据源点到所述数据汇点的最大权值路径以确定候选停车场包括：

计算所述数据原点到所述数据汇点的所有路径中每条路径上的所述第一权值、所述第二权值和所述第三权值的权值之和；

将最大所述权值之和对应的路径上的所述用户车辆和所述候选停车场进行匹配以选定所述候选停车场。

10.如权利要求4所述的方法，其特征在于，所述将用于触发车载停车诱导的多种触发信号融合为至多两个诱导信号之后，还包括：

触发所述诱导信号发出诱导请求，所述诱导请求用于开始执行车载停车诱导的操作步骤。

11.如权利要求2所述的方法，其特征在于，所述根据每个所述候选停车场的总车位数量和已停放车位数量、以及所述每个用户车辆与预设停车范围内的所述候选停车场的间距，计算所述多个用户车辆中目标用户车辆针对所述多个候选停车场中目标候选停车场的满意度包括：

计算所述目标用户车辆到所述目标候选停车场的间距除以所述目标用户车辆到所述预设停车范围内所有所述候选停车场的距离之和的第一比值；

计算所述目标候选停车场中所述已停放车位数量除以所述总车位数量的第二比值；

根据所述第一比值和所述第二比值，计算得到所述目标用户车辆针对所述目标候选停车场的满意度。

12.如权利要求11所述的方法，其特征在于，所述根据所述第一比值和所述第二比值，计算得到所述目标用户车辆针对所述目标候选停车场的满意度包括：

获取所述目标用户车辆相对于所述目标候选停车场的相对位置；

根据所述目标用户车辆相对于所述目标候选停车场的相对位置，确定所述所述第一比值的加权值范围。

13.如权利要求1-12任意一项所述的方法，其特征在于，所述根据所述第一权值、所述第二权值和所述第三权值，计算所述数据源点到所述数据汇点的最大权值路径以确定候选停车场之后，还包括：

显示选定的所述候选停车场，并标识选定的所述候选停车场的位置。

14.一种车载停车诱导装置，其特征在于，所述装置包括：

信息获取模块，用于获取用户驾车过程中的实时行驶信息；

资源获取模块，用于在检测到用户发出的停车诱导请求时，根据所述实时行驶信息执行个体车载停车诱导操作获取停车资源；

阈值确定模块，用于确定获取到的所述停车资源的数量是否大于预设阈值；

信息推荐模块，用于当所述停车资源的数量小于所述预设阈值时，根据所述实时行驶信息执行群体车载停车诱导操作以向用户推荐候选停车场。

15.如权利要求14所述装置，其特征在于，所述实时行驶信息包括每个所述候选停车场的总车位数量和已停放车位数量、以及多个用户车辆中每个用户车辆与预设停车范围内的所述候选停车场的间距；

所述资源获取模块具体用于：

根据每个所述候选停车场的总车位数量和已停放车位数量、以及所述每个用户车辆与预设停车范围内的所述候选停车场的间距，计算所述多个用户车辆中目标用户车辆针对所述多个候选停车场中目标候选停车场的满意度；

将所述满意度最高的候选停车场推荐给所述目标用户车辆。

16.如权利要求15所述装置，其特征在于，所述信息推荐模块具体用于：

构建所述每个用户车辆到所述预设停车范围内的所述候选停车场的带权二部图，并将所述满意度作为所述带权二部图的第一权值；

在所述带权二部图上增加数据源点和数据汇点，并计算所述带权二部图中所述数据源点到所述每个用户车辆的第二权值，以及所述每个候选停车场到所述数据汇点的第三权值；

根据所述第一权值、所述第二权值和所述第三权值，计算所述数据源点到所述数据汇点的最大权值路径以选定候选停车场。

17.如权利要求14所述的装置，其特征在于，所述装置还包括：

信号融合模块，用于将用于触发车载停车诱导的多种触发信号融合为至多两个诱导信号。

18.如权利要求17所述的装置，其特征在于，所述信号融合模块具体用于：

获取车载诱导的多种变迁状态以及多种用户操作状态；

建立所述多种变迁状态和所述多种用户操作状态之间的连接关系，并在所述多个用户操作状态中每个用户操作状态上给予所述触发信号；

确定所述多个用户操作状态之间的变迁关系；

根据所述多个用户操作状态之间的变迁关系，将多个所述触发信号融合为所述至多两个诱导信号。

19.如权利要求18所述的方法，其特征在于，所述变迁关系包括冲突关系、冲突关系或循环关系。

20.如权利要求19所述的装置，其特征在于，所述信号融合模块具体用于：

将具有相同的所述变迁关系的所述用户操作状态划归为状态集合；

对所述状态集合中每个所述用户操作状态对应的所述触发信号进行融合成一个诱导信号。

21.如权利要求16所述的装置，其特征在于，所述信息推荐模块具体用于：

分别计算所述用户车辆与所述候选停车场匹配后的残留网络中的所述第二权值和所述第三权值。

22.如权利要求16所述的装置，其特征在于，所述信息推荐模块具体用于：

计算所述数据原点到所述数据汇点的所有路径中每条路径上的所述第一权值、所述第二权值和所述第三权值的权值之和；

将最大所述权值之和对应的路径上的所述用户车辆和所述候选停车场进行匹配以选定所述候选停车场。

23.如权利要求4所述的装置，其特征在于，

所述信号融合模块，还用于触发所述诱导信号发出诱导请求，所述诱导请求用于开始执行车载停车诱导的操作步骤。

24.如权利要求15所述的装置，其特征在于，所述资源获取模块具体用于：

计算所述目标用户车辆到所述目标候选停车场的间距除以所述目标用户车辆到所述预设停车范围内所有所述候选停车场的距离之和的第一比值；

计算所述目标候选停车场中所述已停放车位数量除以所述总车位数量的第二比值；

根据所述第一比值和所述第二比值，计算得到所述目标用户车辆针对所述目标候选停车场的满意度。

25.如权利要求24所述的装置，其特征在于，所述资源获取模块具体用于：

获取所述目标用户车辆相对于所述目标候选停车场的相对位置；

根据所述目标用户车辆相对于所述目标候选停车场的相对位置，确定所述所述第一比值的加权值范围。

26.如权利要求14-25任意一项所述的装置，其特征在于，所述装置还包括：

信息显示模块，用于显示选定的所述候选停车场，并标识选定的所述候选停车场的位置。

27.一种车载停车诱导设备，其特征在于，所述装置包括接口电路、存储器以及处理器，其中，存储器中存储一组程序代码，且处理器用于调用存储器中存储的程序代码，用于执行以下操作：

获取用户驾车过程中的实时行驶信息；

在检测到用户发出的停车诱导请求时，根据所述实时行驶信息执行个体车载停车诱导操作获取停车资源；

确定获取到的所述停车资源的数量是否大于预设阈值；

当所述停车资源的数量小于所述预设阈值时，根据所述实时行驶信息执行群体车载停车诱导操作以向用户推荐候选停车场。