CN107004349A - 估计停车场占用率的方法 - Google Patents

估计停车场占用率的方法 Download PDF

Info

Publication number
CN107004349A
CN107004349A CN201580060445.1A CN201580060445A CN107004349A CN 107004349 A CN107004349 A CN 107004349A CN 201580060445 A CN201580060445 A CN 201580060445A CN 107004349 A CN107004349 A CN 107004349A
Authority
CN
China
Prior art keywords
parking
area
parking lot
occupancy
detection data
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN201580060445.1A
Other languages
English (en)
Other versions
CN107004349B (zh
Inventor
A·M·迈耶
K·叶尔马科夫
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Tongteng Global Information Co., Ltd.
Original Assignee
TomTom International BV
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by TomTom International BV filed Critical TomTom International BV
Publication of CN107004349A publication Critical patent/CN107004349A/zh
Application granted granted Critical
Publication of CN107004349B publication Critical patent/CN107004349B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
    • G08G1/0108—Measuring and analyzing of parameters relative to traffic conditions based on the source of data
    • G08G1/0112—Measuring and analyzing of parameters relative to traffic conditions based on the source of data from the vehicle, e.g. floating car data [FCD]
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/14—Traffic control systems for road vehicles indicating individual free spaces in parking areas
    • G08G1/141—Traffic control systems for road vehicles indicating individual free spaces in parking areas with means giving the indication of available parking spaces
    • G08G1/144—Traffic control systems for road vehicles indicating individual free spaces in parking areas with means giving the indication of available parking spaces on portable or mobile units, e.g. personal digital assistant [PDA]
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
    • G08G1/0108—Measuring and analyzing of parameters relative to traffic conditions based on the source of data
    • G08G1/0116—Measuring and analyzing of parameters relative to traffic conditions based on the source of data from roadside infrastructure, e.g. beacons
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
    • G08G1/0108—Measuring and analyzing of parameters relative to traffic conditions based on the source of data
    • G08G1/012—Measuring and analyzing of parameters relative to traffic conditions based on the source of data from other sources than vehicle or roadside beacons, e.g. mobile networks
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
    • G08G1/0125—Traffic data processing
    • G08G1/0129—Traffic data processing for creating historical data or processing based on historical data
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
    • G08G1/0137—Measuring and analyzing of parameters relative to traffic conditions for specific applications
    • G08G1/0141—Measuring and analyzing of parameters relative to traffic conditions for specific applications for traffic information dissemination
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G08G1/04—Detecting movement of traffic to be counted or controlled using optical or ultrasonic detectors
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/14—Traffic control systems for road vehicles indicating individual free spaces in parking areas
    • G08G1/145—Traffic control systems for road vehicles indicating individual free spaces in parking areas where the indication depends on the parking areas
    • G08G1/146—Traffic control systems for road vehicles indicating individual free spaces in parking areas where the indication depends on the parking areas where the parking area is a limited parking space, e.g. parking garage, restricted space

Abstract

本发明提供一种用于估计停车场的占用率的方法，其中获得指示停车场的几何形状的地图数据。接着使用所述地图数据确定所述停车场内的停车区的数目。接着产生经占用停车区的空间分布的模型，其作为所述场内经占用停车区的总数目的函数。所述方法进一步包括从所述停车场内的多个便携式装置接收探测数据，其中所述探测数据指示每一装置的位置。根据所述模型对所述探测数据进行分析，并且输出所述停车场的占用率的估计。

Description

估计停车场占用率的方法
技术领域
本发明涉及一种基于从停车场内的多个装置接收到的探测数据估计停车场占用率的方法。
背景技术
长期以来，期望向驾驶员提供关于停车场的占用率数据，以帮助其尽可能快速且方便地找到可用停车位。传统上这是通过在停车场安装例如相机、停车亭、道路传感器或入口及出口屏障等物理设备来实现的。接着，使用此设备收集的信息可被电子地传达到分布在整个城市的显示板或可能上传到服务器，以供用户经由连接到因特网的便携式装置进行远程访问。
虽然此方法的优点是所提供的数据是实时的并且是相当准确的，但产生占用率数据所需的设备安装起来通常是昂贵的，且出于此原因并不总是提供此方法。事实上，这通常是免费提供停车的情况，例如在大型超市或零售公园外面。然而，对于包含零售商在内的感兴趣的人士来说，仍然能够监测其停车场的繁忙程度，使得其可采取适当步骤(例如在必要时扩大其停车场)以便在繁忙时段期间吸引更多客户，或提供在低占用率周期期间与其它组织的共享使用将是合乎需要的。此外，即使产生占用率数据，此信息也可出于仅为停车场的所有者的利益而不被广泛分配而保密。尽管如此，能够监测竞争对手的停车场在一年的不同月份或一天时间期间的占用率例如以便估计其商店的忙碌程度，这对于零售商来说是有用的。
最近有人建议可通过发出指示装置在给定时间点的位置的“探测数据”的便携式装置产生停车占用率数据。例如，服务器可经由移动电话网络从停车区域内收集探测数据，并将其与配备有便携式导航装置(PND)的车辆的估计分数进行比较，以产生可用停车位数目的估计。例如，可通过监测从遍及含有已知数目车辆的已知一段道路的堵车而接收到的探测数据来获得对每一车辆的平均PND数目的估计。这可接着用来估计停车场内的经占用停车位的数目。然而，通过此方法产生的占用率数据通常是不可靠的，这是因为含有在场内主动发出探测数据的装置的车辆的数目通常显著地偏离假设的平均值。因此，希望提供一种克服现有技术中的上述缺陷的改进方法。
发明内容
根据本发明的第一方面，提供了一种用于估计停车场的占用率的方法，其包括：
获得指示停车场几何形状的地图数据；
使用所述地图数据确定所述停车场内的停车区的数目；
根据所述停车场内的经占用停车区的总数目来产生经占用停车区的空间分布的模型；
从所述停车场内的多个便携式装置接收探测数据，其中所述探测数据指示每一装置的位置；以及
根据所述模型分析所述探测数据并输出对所述停车场的所述占用率的估计。
提供一种用于监测在接收探测数据(通常包含在所述周期中的时间戳的探测数据)的周期内停车场的占用率，而不需要将物理传感器(例如相机、道路传感器、入口/出口屏障或停车亭)安装在停车场的方法。替代地从例如智能电话或便携式导航装置(PND)的便携式装置接收的探测数据产生占用率数据，同时(例如)从卫星图像获得地图数据。除了降低产生占用率数据的成本之外，此方法还允许由适当的设备远程产生占用率数据。所产生的信息可提供对可使用PND转发到驾驶员的被占用或可用停车位的数目的实时估计。替代地，可分析所述估计以确认场使用的历史趋势。此历史信息可能对场所有者或其潜在的竞争对手尤其有价值。
不是每一个占用停车位的车辆都将必须含有经配置以发出探测数据的装置。此外，在车辆中存在多个乘客的情况下，每一乘客携带例如经配置以发出探测数据的移动电话的装置，每一车辆将存在多个装置。简单的方法将为通过校对探测数据考虑这些因素、假设每辆车的装置的平均数目以及相应地确定场的占用率。然而，考虑到驾驶员将倾向于根据通常取决于所占用的停车位的总数目的特定布置以及停车场本身的布局而将其车辆停放在某些区域的事实，本文中描述一种更为复杂的方法。例如，驾驶员通常将更喜欢将其车辆停放在尽可能靠近停车场的出口点处。此模式可通过产生稍后可应用于样本探测数据的模型来预测，以便相较于将以其它方式可用的估计，输出对停车场的总占用率的在统计学上更为准确的估计。
所述模型优选地提供在停车场的整体占用率改变时将占用哪些停车区的估计。例如，所述模型可预测首先最可能被占用的某些优选停车区(即，在最低停车场占用水平下)，并且进一步预测停车场将如何从所述点填满的整体流动方向(即，哪些区接下来将会被占用)，此归因于车辆进入场，或者相反地，场将如何如先前停放的车辆离开场那样被清空。
为了产生用于确定使用停车场的驾驶员的停车行为的适当模型，优选地，所述模型基于在建模周期内收集的探测数据。这使得能够在经验上识别某些优选停车位置。例如，取决于占用停车场的车辆数目，存在停放的汽车将趋向于聚集的多个位置可变得显而易见。可能无法单独从地图数据容易地识别这些优选停车位置，且因此根据在所述特定场的建模周期内收集的探测数据来产生模型是有用的。通过监测经占用停车位在不同水平的整体占用下的地理扩展情况，可根据所述场内经占用停车区总数目来产生经占用停车区的空间分布的模型。此模型可包含界定建模区，停车场中假设的(高或总)车辆占用率、根据停车场的总占用率具有不同大小的建模区中的每一者。
替代地，或除了上述之外，可基于从地图数据获得的停车场的几何形状及参考位置来产生模型，其中参考位置指示优选停车区域。例如，在地图数据指示停车场具有标准或常见布局的情况下，可从可提供的一或多个通用模型中选择适当模型，而不需要在建模周期内实际监测从所述场接收的探测数据。任选地，可将从地图数据识别的一或多个参考位置输入到此模型以提高准确度。替代地，可最初基于地图数据单独选择通用模型，且接着使用在建模周期内收集的探测数据进行改进。
参考位置可为最可能被占用的停车区；然而，替代地，其可能根本不直接对应于停车区且可替代地表示定位在场的内部或外部的位置或位置轨迹，展现可优选占用率的最近停车区。因此，参考位置优选地界定优选停车区域，通常依据最接近参考位置的一或多个停车区。因此，此类区可共同地界定几何形状，例如区的线性阵列，或者其可采取适当的形状以便于环绕参考位置。
一旦已产生模型，就可将其应用于不同的探测数据，例如新的探测数据，其在原则上表示时间或周期中任何相关的历史时刻。此时间可为当前时间，也就是“实时”。根据所述模型分析探测数据优选地包括：基于对应于采样周期的探测数据的空间密度来确定停车场的哪些区被占用；以及基于经占用区的空间分布来估计停车场的总占用率。‘对应于采样周期’的数据优选地指示在采样周期内的时刻，并且可包含在所述采样周期期间发送或接收的数据。虽然探测数据通常包含指示GPS位置被评估的时间的时间戳，但这也可潜在地包含时间延迟信号，其中探测数据指示装置在采样周期内的时刻的位置，但在此周期之外发送或接收数据本身。
一种特定益处得以实现，其中所述探测数据包括带时间戳的位置坐标，且其中如果从所述区内接收的具有对应于停车周期的时间戳的此类坐标的数目超过阈值数目，那么确定所述区被占用。例如，每十秒发出探测数据的装置应在三十秒的停车周期内发出包括位置坐标的三个信号，且因此指示所述装置在停车周期期间是静止的(或至少保持在停车区内)的阈值数目可设置在三个。这将优选地指示停车事件已发生并且所述区现在被占用。在对于给定区的采样周期期间已监测此停车事件的情况下，所述区可优选地被假设为在采样周期的持续时间内保持被占用。只要已针对给定区接收坐标的阈值数目，或换句话说，已监测探测数据的阈值空间密度，就不必在由不同装置发出的探测数据之间进行区分。原则上，为了提高模型的准确度，有可能包含对每一此信号是来自相同装置还是来自不同装置的考虑。即使对数据进行匿名化要求可能会阻止对个别发起装置本身的实际识别，可能也是这种情况。
停车场的区域可分为多个停车区。可取决于具体应用及可用数据来选择此类区的大小及几何形状。停车区可对应于一或多个停车位的位置，然而最优选地，每一区对应于单个或相应停车位。通常，每一停车区与对应停车位(在形状、大小、位置及定向方面)相匹配。可通过从地图数据识别绘制的车道或停车位标记来手动或自动识别每一停车位的位置及几何形状或周界。替代地，例如，可基于停车位的平均面积而粗略估计每一区的位置。可能需要在多个停车位内延伸的较大区，其中每一车辆中装置的平均数目特别低，以便提高从所述区内获得探测数据的可能性。可能仍然有必要稍后使用地图数据来计算或识别场内的停车位数目，以便估计经占用或可用停车位的总数目。如将了解，并不是停车场的所有区域都被指定为停车位，且因此所述模型可界定多个停车区，所述停车区以连续空间填充的方式共同地布置成群组。多组停车区可通过贯穿停车场分布，由可能不用于停车的区分离，通常由于这些区表示停车场内的内部车辆流动车道。
基于经占用区的空间分布来估计停车场的总占用率优选地进一步包括产生建模区，其中根据模型分析的经占用区的空间分布指示建模区被占用；以及基于所述建模区内的停车区的数目来估计停车场的占用率。与已分析的探测数据结合的从模型产生的信息可优选地用于界定建模区的边界。此建模区通常可包含根据所分析的探测数据被识别为被占用的大多数停车区。除此之外，由于尚未检测到停车事件，建模区可包含看起来是空(或未占用)的停车区，但由于其靠近停车事件已被监测的区，所以仍预测建模区含有已停放车辆(不具有装置)。因此，可通过使用典型的停车趋势的知识而不是简单地通过假设每一车辆的平均装置数目来确定对停车场的总占用率的更准确估计，其导致缺失探测数据。例如，基于停车区的数目来估计停车场的占用率可优选地包含计算建模区内部或外部的停车区的数目，及/或计算由建模区覆盖的场的区域的比率，这是因为此比率通常仍是基于建模区内停车区的数目。
输出停车场的占用率的估计优选地包括输出所述停车场中被占用及/或可用停车位的数目。替代地，或另外，可输出被占用停车位与可用停车位的比率、占用空间的百分比或例如彩色编码标签的宽的占用率指示符。此外，实现特定益处，其中输出停车场的占用率的估计进一步包括将所述估计输出到地图数据库。通过将此占用率信息上传到地图数据库，驾驶员可通过使用经由网络访问数据库的便携式装置(例如PND)，在到达所述场之前能够访问关于停车场的占用率信息。
根据本发明的第二方面，提供一种任选地非暂时性计算机可读，其中所述计算机可读媒体包括在由计算设备的一或多个处理器执行时使所述计算设备根据本发明的第一方面的方法进行操作的指令。
根据本发明的第三方面，提供一种计算设备，其包括：
一或多个处理器；
接收器，其经配置以经由所述设备耦合到的网络接收从停车场内的多个便携式装置发射的探测数据，其中所述探测数据指示每一装置的位置；以及
存储器，其包括指示停车场的几何形状的地图数据；以及在由所述处理器中的一或多者执行时使所述设备执行本发明的第一方面的方法的指令。
附图说明
现参考随附图式描述本发明的实例，其中：
图1是全球定位系统(GPS)的图解说明；
图2是便携式导航装置(PND)的图解说明；
图3是用于发射及接收探测数据的网络的图解说明；
图4是说明根据本发明的实例的方法的流程图；
图5是根据本发明的实例获得的地图数据的图解说明；
图6是其中已确定停车区的停车场的图解说明；
图7及8是从停车场接收的探测数据的图解说明；
图9是根据本发明的实例产生的模型的图解说明；以及
图10是根据本发明的实例接收及分析的探测数据的图解说明。
具体实施方式
现在将参考经配置以发射指示装置的位置的探测数据的装置来描述本发明的实施例。此位置数据可例如从GPS信号接收(如果可用)获得。替代地，如果装置是没有配备GPS接收器的移动电话，那么可从在蜂窝网络的无线电塔与装置之间发送的无线电信号的多点定位或三角测量获得所述装置的位置的更近似的估计。
图1的全球定位系统(GPS)及类似物用于各种目的。一般来说，GPS是基于卫星无线电的导航系统，其能够确定连续位置、速度、时间，并且在某些情况下确定无限数目的用户的方向信息。以前被称为NAVSTAR，GPS合并多颗卫星，其以非常精确的轨道绕地球在轨道上运行。基于这些精确的轨道，GPS卫星可将其位置作为GPS数据转发到任何数目的接收单元。然而，将理解，可使用全球定位系统，例如GLOSNASS、欧洲伽利略定位系统、COMPASS定位系统或IRNSS(印度区域导航卫星系统)。
当专门配备以接收GPS数据的装置开始扫描GPS卫星信号的射频时，实施GPS系统。在从GPS卫星接收到无线电信号之后，装置经由多种不同的常规方法中的一者来确定所述卫星的精确位置。在大多数情况下，所述装置将继续扫描信号，直到其已获取至少三个不同的卫星信号(注意到所述位置不是正常的，但可使用其它三角测量技术仅通过两个信号来确定)。在实施几何三角测量的情况下，接收器利用三个已知位置来确定其相对于卫星的自己的二维位置。此可以已知的方式来完成。另外，获取第四卫星信号允许接收装置从而以已知方式通过相同的几何计算来计算其三维位置。位置及速度数据可由无限数目的用户持续地实时更新。
如图1中所示，GPS系统100包括围绕地球104轨道运行的多个卫星102。GPS接收器106从数个多个卫星102接收GPS数据作为扩展频谱GPS卫星数据信号108。扩展频谱数据信号108从每一卫星102连续发射。所发射的扩展频谱数据信号108各自包括数据流，所述数据流包含识别数据流起源的特定卫星102的信息、轨道数据及与其它卫星中的每一者同步的高精度时间信息。来自图1中的四颗卫星102的信号允许GPS接收器106计算GPS接收器106的三维位置。
用于发射探测数据的示范性便携式装置由图2的便携式导航装置(PND)200展示。PND是经配置以基于存储在地图数据库上的相应位置数据及信息向用户提供导航指令的电子装置。在替代实施例中，便携式装置不一定是导航装置(或PND)，因为其不必实际上能够将导航指令转发给用户，只要装置可发射指示其位置的探测数据即可。例如，可使用经配置以发出GPS数据的智能电话，而不需要实际安装或激活地图绘制应用。替代地，便携式装置可为车辆中的集成黑箱单元，并且实际上不含有供用户与之交互的任何输入装置，只要其发出探测数据即可。
应注意，图2中所示的PND 200的框图不包含便携式装置的所有组件，而仅仅表示许多实例组件。装置200位于壳体(未展示)内，并且包含处理电路，所述处理电路包括(例如)上述处理器202，处理器202耦合到输入装置204及显示装置，例如显示屏206。尽管此处所参考的是单数形式的输入装置204，但熟练的技术人员应了解，输入装置204表示任何数目的输入装置，其包含键盘装置、语音输入装置、触摸面板/屏幕及/或用于输入信息的任何其它已知输入装置。同样地，显示屏206可包含任何类型的显示屏，例如液晶显示器(LCD)。
在一个布置中，输入装置204及显示屏206被集成以便提供集成的输入及显示装置，其包括触摸板或触摸屏输入，以使得能够输入信息(经由直接输入、菜单选择等等)及通过触摸面板屏幕显示信息两者，使得用户仅需要触摸显示屏的一部分来选择多个显示选择中的一者或激活多个虚拟或“软”按钮中的一者。在此方面，处理器202支持与触摸屏一起操作的图形用户接口(GUI)。
在PND 200中，处理器202经由连接210可操作地连接到输入装置204并且能够从输入装置204接收输入信息，并且经由相应输出连接212可操作地连接到显示屏206及输出装置208中的至少一者以向其输出信息。输出装置208可为可听输出装置(例如，扬声器)。由于输出装置208可为便携式导航装置200的用户产生可听信息，所以同样应理解，输入装置204也可包含用于接收输入语音命令的麦克风及软件。此外，便携式导航装置200还可包含任何额外的输入装置204及/或任何额外输出装置208，例如音频输入/输出装置。
处理器202经由连接216可操作地连接到存储器214，并且进一步适于经由连接220从/向输入/输出(I/O)端口218接收/发送信息，其中I/O端口218可连接到便携式导航装置200外部的I/O装置222。外部I/O装置222可包含(但不限于)例如耳机的外部监听装置。与I/O装置222的连接可进一步是与任何其它外部装置(例如，用于免提操作及/或语音激活操作的汽车立体声单元)的有线或无线连接，以用于连接到耳机或头戴式耳机及/或用于例如连接到移动电话，其中移动电话连接可用于(例如)在便携式导航装置200与因特网或任何其它网络9之间建立数据连接，及/或(例如)经由因特网或某些其它网络建立与服务器10的连接。
便携式导航装置200的存储器214包括非易失性存储器的一部分(例如用于存储程序代码)及易失性存储器的一部分(例如，在执行程序代码时存储数据)。便携式装置还包括端口，在此情况下是卡端口228，其经由连接230与处理器202进行通信，以允许将可移动存储卡(通常称为卡)添加到装置200。
图2进一步说明经由连接226的处理器202与天线/接收器224之间的操作连接，其中天线/接收器224可为例如GPS天线/接收器，并且因此将用作图1的GPS接收器106。应理解，由参考数字224指定的天线及接收器被示意性地组合以供说明，但天线及接收器可为单独定位的组件，并且天线可为GPS贴片天线或螺旋天线。
当然，所属领域的一般技术人员将理解，图2中所示的电子组件由一或多个电源(未展示)以常规方式供电。此类电源可包含内部电池及/或用于低压DC供应器的输入或任何其它合适布置。如所属领域的一般技术人员将理解的，考虑图2中所示的组件的不同配置。例如，图2中所示的组件可经由有线及/或无线连接及类似物彼此通信。因此，本文中所描述的便携式导航装置200可为便携式或手持式导航装置。
现在将参考图3描述根据本发明的实例的用于接收探测数据的网络的实例。从GPS系统获得的位置数据被加时间戳并由多个PND 200跨越具有无线部分的通信网络9(例如由4G LTE或3G蜂窝网络提供)作为探测数据周期性地发射到服务器10。服务器10可包括一或多个处理器244及接收器243，其经配置以经由通信网络9接收探测数据。地图数据可预先安装到服务器10的存储器241上，或者经由可包含因特网(或潜在的另一个输入装置)的网络9访问。存储器241进一步包括指令，所述指令在由处理器244中的一或多者执行时致使服务器根据待描述的本发明的实例来估计停车场的占用率。
现在将参考图2到10描述用于执行本发明的示范性方法。所述方法开始于图4的步骤301处，借此获得指示停车场的几何形状的地图数据。在此实例中，使用大型单层停车场的卫星图像3，如图5所示。图像3由用户分析，并且从图像3识别指示停车场的边界的几何坐标。替代地，可使用形状拟合算法来执行此场识别程序。如果可替代地从测绘组织(例如地形测量局)获得地图数据，那么使用自动化方法更容易分析此类数据。
除了边界识别之外，在本实例中，从在服务器10的存储器241上作为地图数据存储的图像3手动识别例如停车场的入口或出口的参考位置。此外，可使用停车场内的额外“内部”边界来界定停车场内的停车区域。在此实例中，停车场由图5中所示的区域1及2(每一区域可使用内部边界来界定)组成，其中停车场的公共入口点及出口点被标记为A。如果预先知道描摹停车场的边界(以及潜在的任何参考位置，例如入口点及出口点以及任何内部边界)的轮廓的GPS坐标，那么这些坐标可替代地被直接输入到计算设备而不需要图像3。
在步骤302处确定停车场内的停车区的数目。图6中展示这样的实例，借此将停车区域的规则网格4覆盖在停车场的区域1及2上，以便包含车辆可停放的任何区域。由于区1与区2之间所示的中央车道不含有任何停车位，因此将其从网格4排除。优选地，网格4内的每一“片”或方框对应于场内的个别停车位。如将了解，使用小于停车位的区不提供额外益处。然而，替代地，多个停车位可共享给定的停车区(如图6中的情况)。在发出探测数据的便携式装置(例如PND)的使用量低的国家中，可能需要具有较大的停车区以便提高接收到从给定停车区内发出的探测数据的可能性。然而，这样做会降低输出数据的准确度。在装置使用量足够高的情况下，为了最准确地将装置200的密度映射遍及停车场，优选的是每一停车区直接对应于相应停车位的区域。每一停车位的表面标记可从卫星图像3及作为停车区输入的相应位置坐标被自动或手动识别，以便针对探测数据的存在而被分析。然而，在图6中所示的实例中，替代地通过简单地覆盖网格4而获得更近似的估计，借此网格内的每一区(或片)的面积近似于组在一起的四个停车位的面积，但停车位的实际外部位置不一定与网格的每一区的位置一致。
在步骤303处产生经占用区的空间分布的模型。在此实例中，基于在建模周期(即2012年3月及7月的月份)内收集的历史探测数据产生模型。历史探测数据可从包含移动电话运营商的数个来源及提供导航服务的组织获得。此探测数据提供大量的信息，并且在统计学上足以使得能够依据在整个停车场的不同水平的占用率下出现停车活动的地方而分析车辆的停车行为。此使得能够产生在不同水平的场占用率下停车场中将发生停车的地方的模型。例如在空的停车场的情况下，进入场的车辆将停放在最优选的停车位，而进入已接近其最大占用容量的停车场的车辆将在具有相对较少数目的可用空间的情况下平均停放在受限区中，这些是先前到达的车辆最不喜欢的(可能是因为其为最不便于定位的区域)。
历史探测数据含有场内的每一装置200的位置信息，并且通常由装置200每五或十秒发出。从前面提及的用于分析停车行为的组织获得的是此记录数据。如果数据不可用或不希望从其它来源获得，那么数据可经由通信网络9在数据获取周期(其长度可能为几周)内由服务器10接收。如将了解，探测数据包含已进入停车场并且正在运动中以寻找停车位的车辆中的装置以及在运动中以离开停车场的车辆中的装置。模型特别关注的探测数据是涉及在停车位内的车辆中的装置。
无论如何获得用于产生模型的探测数据，都将讨论中的周期的探测数据映射到网格4上，以便在特定周期内产生从停车场内接收的探测数据的密度图。这是使用现在论述的方法实现的。
如果在被称为停车周期的短周期内接收到具有在那个区内的坐标的探测数据的阈值量，那么确定给定的停车区被占用。在此实例中，探测数据信号每10秒由装置200发出，并且如果在30秒停车周期内已接收到至少三个信号的阈值数目，那么将停车区识别为被占用。可选择此短时间窗口，以便从停放的车辆检索最大数据量，并且将从正在运输或仅暂时停止的车辆接收的信号排除在被识别为占用停车区之外。一旦车辆被停放，在其熄火或由车辆的乘员将其从所述区移走与装置200一起离开之前，还可考虑装置200通常将继续发出来自停车区内的探测数据的时间长度。停车周期因此通常可在十到六十秒之间的范围内。
不必区分从不同装置200接收的探测数据，因为所接收的数据可被匿名化，使得装置200的带时间戳的定位坐标全部可用于服务器10。因此，在选择30秒停车周期的情况下，如果占用区的第一装置发出来自所述区内的探测数据达二十秒，而第二装置在随后的十秒发出来自同一区内的探测数据，那么可确定所述停车区被占用。替代地，如果多个装置同时占用所述区至少三十秒，那么所述区可被称为被占用。周期的精确选择取决于PND在车辆已停放之后仍将保持发射探测数据的平均时间量，或者车辆乘员将停留在停放的车辆上的平均时间量。
通过使用相对较长的建模周期，例如超过一周(且在此种情况下为一个月)，可接收大量探测数据，使得通常由车辆在现实生活中占用的每一区将可能在建模周期期间的某一阶段被识别为“占用”，这归因于已接收到探测数据以及对应于所述区的位置坐标。
图7中的较暗区域6展示建模周期期间占用率较高的区，而由较浅区域5展示倾向于具有较低占用率或未被占用的区。例如，2012年3月的数据展示停车场的约30％的高占用率，而2012年7月的数据显示约90％的高停车区占用率。通过分析在这两个建模周期内接收到的探测数据，可确定图8中所示的环形区7通常在停车场为30％满时被占用，并且在停车场为90％占用时通常占用环形区8。因此，停车场在例如一个月的长周期内的平均占用率水平可能与在特定日子随着停车场被填满的停车场的占用情况有关。因此，使用此原理，根据图9可根据停车区总数目(即，停车场被填满的程度)来产生占用经停车区的空间分布的占用率模型。在此模型中，从建模周期内获得的探测数据推断，驾驶员宁愿将其车辆停放在参考位置A附近，在此情况下，参考位置A是入口点及出口点。随着停车场被填满的停车区/位的逐渐占用将接着在由图9中的向上的箭头所展示的方向上延伸，在额外车辆占用场时沿中央车道并远离参考位置A。可能存在某些驾驶员选择尽可能远离其它停放的汽车停放的情况(举例来说)，且因此从这些车辆接收的探测数据可能不符合此简单模型建议的趋势。这些结果可在统计的基础上被排除，这取决于模型的复杂程度。如果使用展示其它平均占用率水平(例如50％或75％)的更多数据(例如来自不同的月份)，那么模型准确度当然会得以改进。
在更复杂的模型中，可从在建模周期期间接收的地图数据及/或探测数据来识别多个参考位置。此外，在建模周期内接收的探测数据可通过在建模周期内进入及离开停车场的车辆的数目进行实际现场测量来补充，以便改进所产生的模型的质量。场的“填充”方向也可通过机器学习而不是手动干预来确定。
如果在广泛的周期内有足够的数据可用，那么通过假设每天凌晨3点这样的时间的停车场是空的，可通过监测从探测数据(例如区内的三个带时间戳的信号)分类为“被占用”的区的分布在一天期间如何改变来分析停车场的日常填满及清空。例如，预期在图7及8中所示的停车场的情况下，可观察到占用空间的轨迹远离参考点A传播，在停车场填满时，空间的轨迹形成平行于图5到8中的最低围栏的线。在任何时间点的假设被占用空间及假设的未占用空间之间的边界可(例如)从含有所述时间点的短时间窗口中观察统计上显著的“停车事件”(停车区变为占用)的集群以及哪一个发生在距离参考点A最远的位置处来推断。这种统计方法尤其适合机器学习技术。
替代地，可能在已从地图数据识别例如付费表、入口/出口点或商店入口的参考位置之后，可通过与数个预定占用模型的最佳拟合匹配来选择适当的模型。
返回本实例，从图9中所示的信息产生的模型基本上是远离参考点A的停车场的线性填充中的一者。建立此模型之后，其接着可用于使用在所关注的“采样周期”内获得的小得多的探测数据集合来预测停车场的占用率，其可表示过去的时间或实时占用率。这在步骤304及305处执行。
对应于采样周期的样本探测数据由计算设备接收，在此情况下，在步骤304处，由服务器10从连接到网络9的多个便携式装置200接收。在由图10所示的实例中，在一个小时的采样周期内接收探测数据。采样周期通常比建模周期更短，以便仅在给定时间(或在给定周期内)提供对停车场的占用率的估计。在此时间期间，无需监测经占用空间的‘流动’方向。采样周期通常在五分钟到六十分钟之间，但原则上可与确定区是否被占用所需的周期一样短(即停车周期(例如三十秒))，但对于大的停车场使用更长的周期及/或数据来实现高得多的准确度。
然后根据先前产生的模型在步骤305处分析样本探测数据，以便估计在采样周期期间哪些停车区被至少占用一次。如果在停车周期内已从所述区内接收阈值数目的带时间戳的坐标，那么再次将所述区界定为占用。在此实例中，如果在给定停车区的采样周期期间监测至少一次此类停车事件，那么所述区被假设为在采样周期的持续时间内被占用。然而，还设想考虑到根据探测数据将停车区识别为被占用的时间长度的更复杂的方法。然后根据经占用区的空间分布及产生的模型来计算停车场的总占用率。
实际上，仅少数被占用的停车位或区将含有装备有经配置以发出探测数据的装置200的车辆。随着探测数据发出装置的使用量增大，这在将来可能会增加而成为多数。由于车辆倾向于以集群方式一起停放(如先前所述)，因此可假设接近从探测数据被识别为占用的区的停车区可能实际上也被车辆占用。通过分析经占用区的地理扩展，并通过将其与由模型预测的空间分布进行比较，某人可估计出停车场被占用的程度。
此种情况的实例如图10所示，借此根据接收的探测数据识别为在采样周期期间被占用的区被遮蔽。还展示描摹所确定的经占用区扩展的边界的轮廓的建模区15。建模区15与图9中所示的模型相匹配在于，其在中央车道的方向上以线性方式远离参考位置A而延伸。根据所述模型，整个建模区15含有经占用的停车位，尽管此区15内的数个非阴影停车区根据分析的探测数据显现为空的或未占用的(归因于在采样周期期间已接收不充分的探测数据量以及对应于所述区的位置坐标)。在图10中也可看到展示为黑色的环形区域15外部的数个经占用的停车区。这些结果可被忽略为统计噪声，这是因为其与由建模区15描摹其轮廓的集群相距足够远且与所述模型不拟合。替代地，可假设在建模区15之外的经占用区的数目与未占用区的数目广泛地匹配，所述未占用区已包含到建模区15中。通过计算建模区15覆盖停车场区域的程度或通过计算所述建模区15内的停车区的数目，某人可估计出停车场的整体占用率。
然后在步骤306处输出对停车场的占用率的估计。此估计可例如指示经占用或可用停车位的百分比，或场内被占用及/或可用停车位的总数目，这取决于数据及模型的准确度。在由图9所示的实例中，确定停车场大约被占用25％。我们在这里应注意，即使产生模型所基于的原始历史探测数据包含最少30％的占用率(在2012年3月的数据的情况下)，也可确定这一点。
停车场占用率信息可被上传到多个PND 200耦合到的地图数据库，以便向尝试找到可用停车位的驾驶员提供辅助；或者可经存储以供稍后使用，以便分析特定停车场在给定周期繁忙程度的趋势。其可以其它方式在智能电话应用中使用，智能电话应用(例如)可将车辆引导到附近的具有可用空间的停车场。
由于容易且便宜地下载执行上述方法所需的软件或计算机可读媒体，因此在与例如物理传感器相比较的情况下，可大大降低获得次占用率数据的成本。此外，此占用率数据因此可由不拥有或操作停车场的第三方获得。

Claims (12)

1.一种用于估计停车场的占用率的方法，其包括：
获得指示停车场几何形状的地图数据；
使用所述地图数据确定所述停车场内的停车区的数目；
根据所述停车场内的经占用停车区的总数目来产生经占用停车区的空间分布的模型；
从所述停车场内的多个便携式装置接收探测数据，其中所述探测数据指示每一装置的位置；以及
根据所述模型分析所述探测数据并输出对所述停车场的所述占用率的估计。
2.根据权利要求1所述的方法，其中所述模型提供在所述停车场的整体占用率改变时，将占用哪些停车区的估计。
3.根据权利要求1或2所述的方法，其中所述模型是基于在建模周期内收集的探测数据而产生。
4.根据前述权利要求中任一权利要求所述的方法，其中所述模型是基于所述停车场的几何形状及从所述地图数据获得的参考位置而产生，其中所述参考位置指示优选停车区域。
5.根据前述权利要求中任一权利要求所述的方法，其中根据所述模型分析所述探测数据包括：
基于对应于采样周期的探测数据的空间密度来确定所述停车场的哪些区被占用；以及
基于经占用区的所述空间分布估计所述停车场的总占用率。
6.根据前述权利要求中任一权利要求所述的方法，其中所述探测数据包括带时间戳的位置坐标，且其中如果从所述区内接收到的具有对应于停车周期的时间戳的坐标数目超过阈值数目，那么确定区被占用。
7.根据前述权利要求中任一权利要求所述的方法，其中每一区对应于单个停车位。
8.根据前述权利要求中任一权利要求所述的方法，其中基于经占用区的所述空间分布来估计所述停车场的总占用率进一步包括：
产生建模区，其中根据所述模型分析的经占用区的所述空间分布指示所述建模区被占用；以及
基于所述建模区内的停车区的数目来估计所述停车场的占用率。
9.根据前述权利要求中任一权利要求所述的方法，其中输出所述停车场的占用率的估计包括输出所述停车场中经占用及/或可用的停车位的数目。
10.根据前述权利要求中任一权利要求所述的方法，其中输出所述停车场的占用率的估计进一步包括将所述估计输出到地图数据库。
11.一种计算机可读媒体，任选地非暂时性，其中所述计算机可读媒体包括在由计算设备的一或多个处理器执行时使所述计算设备根据前述权利要求中任一权利要求所述的方法进行操作的指令。
12.一种计算设备，其包括：
一或多个处理器；
接收器，其经配置以经由所述设备耦合到的网络接收从停车场内的多个便携式装置发射的探测数据，其中所述探测数据指示每一装置的位置；以及
存储器，其包括指示停车场的几何形状的地图数据；以及在由所述处理器中的一或多者执行时使所述设备执行根据权利要求1到10中任一权利要求所述的方法的指令。
CN201580060445.1A 2014-11-06 2015-11-06 估计停车场占用率的方法 Active CN107004349B (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
GB1419807.1 2014-11-06
GBGB1419807.1A GB201419807D0 (en) 2014-11-06 2014-11-06 Method for estimating the occupancy of a parking lot
PCT/EP2015/075979 WO2016071512A1 (en) 2014-11-06 2015-11-06 Method for estimating the occupancy of a parking lot

Publications (2)

Publication Number Publication Date
CN107004349A true CN107004349A (zh) 2017-08-01
CN107004349B CN107004349B (zh) 2021-02-05

Family

ID=52118113

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201580060445.1A Active CN107004349B (zh) 2014-11-06 2015-11-06 估计停车场占用率的方法

Country Status (5)

Country Link
US (1) US10192439B2 (zh)
EP (1) EP3216018B1 (zh)
CN (1) CN107004349B (zh)
GB (1) GB201419807D0 (zh)
WO (1) WO2016071512A1 (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110149500A (zh) * 2019-05-24 2019-08-20 深圳市珍爱云信息技术有限公司 监控视频的处理方法、装置、设备和存储介质
CN112639911A (zh) * 2018-08-27 2021-04-09 夏普Nec显示器解决方案株式会社 停车场引导系统及停车场引导方法

Families Citing this family (17)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102015211054B4 (de) * 2015-06-16 2021-09-02 Robert Bosch Gmbh Steuerung eines Parkplatzsensors
US10553114B2 (en) 2016-08-18 2020-02-04 Here Global B.V. Method, apparatus, and computer program product for parking availability estimation based on probe data collection
US11371853B2 (en) 2016-11-30 2022-06-28 Pioneer Corporation Information processing device, information processing method and program
US10527433B2 (en) * 2017-02-06 2020-01-07 International Business Machines Corporation Automated vehicle parking space recommendation
WO2018179956A1 (ja) * 2017-03-29 2018-10-04 アイシン・エィ・ダブリュ株式会社 駐車場情報管理システム、駐車場案内システム、駐車場情報管理プログラムおよび駐車場案内プログラム
US10801860B2 (en) * 2017-06-14 2020-10-13 Here Global B.V. Mapping system and method for identifying a parking lot from probe data
CN107610506A (zh) * 2017-09-04 2018-01-19 浙江工商大学 停车场车位状态的检测方法及系统
US10255807B1 (en) 2017-09-28 2019-04-09 Here Global B.V. Method and apparatus for providing a map data update based on region-specific data turbulence
EP3506153A1 (en) * 2017-12-28 2019-07-03 Canon Kabushiki Kaisha Information processing apparatus, system, method, and non-transitory computer-readable storage medium
EP3621002A1 (en) * 2018-09-06 2020-03-11 Koninklijke Philips N.V. Monitoring moveable entities in a predetermined area
FR3097339B1 (fr) * 2019-06-13 2021-05-14 Psa Automobiles Sa Procédé et système pour déterminer un parcours qu’un véhicule automobile doit accomplir au sein d’un espace pour circuler d’un lieu de départ à un lieu d’arrivée
FR3097340B1 (fr) * 2019-06-13 2021-05-14 Psa Automobiles Sa Procédé et système pour déterminer un parcours à accomplir par un véhicule automobile
BE1027554B1 (nl) * 2019-09-03 2021-03-31 Hejmo Bvpa Parking management systeem
CN110689804B (zh) * 2019-10-10 2022-05-17 百度在线网络技术（北京）有限公司 用于输出信息的方法和装置
EP4058961A4 (en) * 2019-11-11 2023-11-01 Brock Watson PAYMENT TRANSACTIONS FOR PARKING FEES
CN113821547B (zh) * 2021-08-26 2023-06-20 中山大学 快速高效的停车场占有率短时预测方法、系统及存储介质
CN117272849B (zh) * 2023-11-22 2024-02-02 上海随申行智慧交通科技有限公司 区域停车场饱和度的预测方法、系统及可读存储介质

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2007048174A (ja) * 2005-08-12 2007-02-22 Dainippon Printing Co Ltd 駐車場システム
KR20080024494A (ko) * 2008-01-28 2008-03-18 테크온팜 주식회사 내비게이션 기능을 이용한 실시간 주차안내 시스템 및 그처리방법
CN101996499A (zh) * 2009-08-17 2011-03-30 深圳市德立达科技有限公司 节能型停车场车位诱导系统
CN102542839A (zh) * 2010-12-10 2012-07-04 西安大昱光电科技有限公司 停车信息服务平台
US20130257632A1 (en) * 2012-03-30 2013-10-03 Toyota Infotechnology Center Co., Ltd. Street Parking Availability Estimation
JP2013210706A (ja) * 2012-03-30 2013-10-10 Zenrin Co Ltd 駐車場満空判定装置、判定方法およびそのためのプログラム
CN103413458A (zh) * 2013-08-20 2013-11-27 成都逸泊科技有限公司 全域停车场信息共享及泊位预定方法和实现该方法的系统
CN103440783A (zh) * 2013-08-30 2013-12-11 上海仁微电子科技有限公司 停车场车位检测系统及电子标签
US20140266800A1 (en) * 2013-03-14 2014-09-18 Microsoft Corporation Crowd-sourced parking advisory

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20110117933A1 (en) * 2009-11-17 2011-05-19 Henrik Bo Andersson Mobile Terminals, Methods and Computer Program Products for Determining a Location Proximate a Vehicle
US8818711B2 (en) * 2009-12-18 2014-08-26 Empire Technology Development Llc 3D path analysis for environmental modeling
US8063797B1 (en) * 2010-07-31 2011-11-22 ParkMe LLC Parking information collection system and method
ES2445319T3 (es) 2011-12-05 2014-03-03 Skobbler Gmbh Procedimiento para guiar a un conductor en la búsqueda de una plaza de aparcamiento
US20140058711A1 (en) 2012-08-22 2014-02-27 Inrix, Inc. Predictive parking

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2007048174A (ja) * 2005-08-12 2007-02-22 Dainippon Printing Co Ltd 駐車場システム
KR20080024494A (ko) * 2008-01-28 2008-03-18 테크온팜 주식회사 내비게이션 기능을 이용한 실시간 주차안내 시스템 및 그처리방법
CN101996499A (zh) * 2009-08-17 2011-03-30 深圳市德立达科技有限公司 节能型停车场车位诱导系统
CN102542839A (zh) * 2010-12-10 2012-07-04 西安大昱光电科技有限公司 停车信息服务平台
US20130257632A1 (en) * 2012-03-30 2013-10-03 Toyota Infotechnology Center Co., Ltd. Street Parking Availability Estimation
JP2013210706A (ja) * 2012-03-30 2013-10-10 Zenrin Co Ltd 駐車場満空判定装置、判定方法およびそのためのプログラム
US20140266800A1 (en) * 2013-03-14 2014-09-18 Microsoft Corporation Crowd-sourced parking advisory
CN103413458A (zh) * 2013-08-20 2013-11-27 成都逸泊科技有限公司 全域停车场信息共享及泊位预定方法和实现该方法的系统
CN103440783A (zh) * 2013-08-30 2013-12-11 上海仁微电子科技有限公司 停车场车位检测系统及电子标签

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112639911A (zh) * 2018-08-27 2021-04-09 夏普Nec显示器解决方案株式会社 停车场引导系统及停车场引导方法
US11328598B2 (en) 2018-08-27 2022-05-10 Sharp Nec Display Solutions, Ltd. Parking lot guidance system and parking lot guidance method
CN112639911B (zh) * 2018-08-27 2022-08-30 夏普Nec显示器解决方案株式会社 停车场引导系统及停车场引导方法
CN110149500A (zh) * 2019-05-24 2019-08-20 深圳市珍爱云信息技术有限公司 监控视频的处理方法、装置、设备和存储介质

Also Published As

Publication number Publication date
US20170243488A1 (en) 2017-08-24
EP3216018B1 (en) 2022-12-21
GB201419807D0 (en) 2014-12-24
CN107004349B (zh) 2021-02-05
US10192439B2 (en) 2019-01-29
EP3216018A1 (en) 2017-09-13
WO2016071512A1 (en) 2016-05-12

Similar Documents

Publication Publication Date Title
CN107004349A (zh) 估计停车场占用率的方法
CN103459983B (zh) 产生预期平均行进速度的方法
CN103985250B (zh) 轻量级的全息道路交通状态视觉检测装置
US7899583B2 (en) System and method of detecting and navigating to empty parking spaces
CN108109423B (zh) 基于WiFi室内定位的地下停车场智能导航方法及系统
CN108091170A (zh) 基于智能终端的停车位诱导系统
CN106205185A (zh) 停车场管理系统及管理方法
US20140122190A1 (en) System and methods for detection and selection of a resource among available resources
CN108717802A (zh) 停车场车位无线导引自助管理系统
CN108133619A (zh) 停车场停车预测的方法、装置、存储介质及终端设备
CN105321372A (zh) 车辆停车管理
CN105849790A (zh) 一种路况信息获取方法
CN109389850A (zh) 信息通知设备、信息通知系统、信息通知方法和程序
CN108898879A (zh) 停车数据检测系统及方法
CN204808598U (zh) 停车场管理系统
CN110047318A (zh) 周边停车位推送方法、装置及计算机可读存储介质
CN109246611A (zh) 用于使用三维位置信息改进定位服务的系统和方法
CN107111641A (zh) 用于更新定位数据的数据库的定位估计
CN107167143A (zh) 基于关键点的导向性导航方法、装置及设备
CN105809292A (zh) 公交ic卡乘客下车站点推算方法
CN102324128A (zh) 基于ic卡记录的公交站间od客流预测方法及装置
US10445601B2 (en) Automotive vehicle navigation using low power radios
CN104408968A (zh) 通过rfid车载终端实现停车导航的系统
CN106536320A (zh) 对交通系统的连通性建模
CN107533734A (zh) 用于帮助自动安排用户行程的方法和装置

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
TA01 Transfer of patent application right

Effective date of registration: 20190403

Address after: Holland's-Hertogenbosch denbosch

Applicant after: Tongteng Global Information Co., Ltd.

Address before: Amsterdam

Applicant before: Tontong Technology Co., Ltd.

TA01 Transfer of patent application right
GR01 Patent grant
GR01 Patent grant