CN107038488A - 一种基于泊位预测和停车选择的停车场实时泊位预约方法 - Google Patents
一种基于泊位预测和停车选择的停车场实时泊位预约方法 Download PDFInfo
- Publication number
- CN107038488A CN107038488A CN201710105111.2A CN201710105111A CN107038488A CN 107038488 A CN107038488 A CN 107038488A CN 201710105111 A CN201710105111 A CN 201710105111A CN 107038488 A CN107038488 A CN 107038488A
- Authority
- CN
- China
- Prior art keywords
- parking lot
- berth
- parking
- reservation
- user
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 18
- 230000007774 longterm Effects 0.000 claims abstract description 5
- 238000012544 monitoring process Methods 0.000 claims description 5
- 238000012790 confirmation Methods 0.000 claims description 3
- 238000010801 machine learning Methods 0.000 claims description 2
- BULVZWIRKLYCBC-UHFFFAOYSA-N phorate Chemical compound CCOP(=S)(OCC)SCSCC BULVZWIRKLYCBC-UHFFFAOYSA-N 0.000 claims 1
- 238000010586 diagram Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 238000007726 management method Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000013277 forecasting method Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000007935 neutral effect Effects 0.000 description 1
- 238000012706 support-vector machine Methods 0.000 description 1
- 238000003786 synthesis reaction Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/02—Reservations, e.g. for tickets, services or events
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0637—Strategic management or analysis, e.g. setting a goal or target of an organisation; Planning actions based on goals; Analysis or evaluation of effectiveness of goals
-
- G06Q50/40—
-
- 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
Abstract
本发明公开了一种新的基于泊位预测和停车选择的停车场实时泊位预约方法。该方法对目的地附近的停车场在预计到达时间的空余泊位进行长时预测,考虑停车场泊位占有率、停车费用、步行距离等在内的停车效用进行停车场选择,以此选择拟预约停车场。为了弥补长时的泊位预测可能出现的精度不足的问题,系统会在行车途中对拟预约停车场进行短时预测并最终确认预约。该方法弥补了现有策略中无空余泊位风险和资源效率低下等缺点,有助于提高用户到达停车场后有空余泊位的概率,减少停车搜索,提高公共停车资源的利用效率,提升城市智能化水平。
Description
技术领域
本发明涉及一种公共停车场泊位预约方法,用于城市停车智能管理,属于智能停车研究领域。
背景技术
随着城市机动化的飞速发展,“停车难”逐渐成为各大城市交通的通病,直接影响着居民出行的便利性,也间接影响了社会经济效益。国外一份研究报告指出,城市交通中的30%的交通拥堵是由于小汽车搜寻空余泊位导致的。
为了缓解停车资源配置的不均及搜索停车泊位造成的交通压力,充分发挥停车作为社会公共资源的作用,将停车管理逐步智能化,建立“公平、可靠、高效、便捷”的停车预订系统,有助于改善居民出行体验,提高资源利用效率,最大化社会效益。
现有的两种停车预约策略如图1所示。时间共享性预约策略虽然不需要停车场保留泊位,但存在车辆到达停车场后无空余泊位的风险,会降低用户对预约系统可靠性的认可度;实时性预约策略需要停车场长时间保留一个空余泊位,影响了社会公平性和资源利用效率。且以上两种停车预约均无对停车场的选择,对于停车场能否接受这次预约以及能否实现停车场使用效率最大化均无太多考虑。
因此,为了更好地服务用户,同时最大化社会效率,需要建立一种综合的实时的停车场泊位预约方法。
发明内容
本发明的目的在于提供一种城市公共停车场泊位实时预约方法。该方法的基本思想是根据用户预约目的地估计行程时间,对目的地附近的停车场在预计到达时间的空余泊位进行估计,将停车场泊位占有率、停车费用、步行距离等作为依据计算停车效用,以负效用最小为原则优先选择停车场,在与用户确认后预约停车场。在行车途中,为了弥补长时的泊位预测可能出现的精度不足的问题,系统会实时监控预约停车场的空余泊位,在到达目的地前10min对预约停车场进行泊位预测,并根据预测结果与用户交互处理,选择最终停车场。
本发明的基本步骤如下:
c1、选择目的地并预测目的地附近停车场的泊位数;
c2、计算各停车场的停车选择概率;
c3、根据停车选择概率进行初步预约;
c4、行驶途中实时监控预约停车场泊位变化,进行确认预约。
步骤c1的具体过程包括:
c11、用户发出请求,预计行程时间:用户输入出发地、目的地和出发时间请求,系统根据出发起讫点以及历史交通状况,估计该次出行行程时间t,假设当前时刻为t*,预计出发时刻与当前时刻的时间差为t0,则用户预计在时间T=t0+t后到达目的地附近。
c12、搜索目的地附近停车场:搜索目的地500m半径圈内附近m处公共停车场,分别编号1,2,…,m。若目的地500m半径圈内无停车场,可将搜索范围适当放大到700m、1000m。
c13、提取各搜索停车场的相关信息,预计可用停车泊位数。对于停车场i(i=1,2,…,m),停车场i到目的地的步行距离为di,停车费用为fi,总泊位数为Ni。分工作日、周末、节假日三种典型日期,利用机器学习方法(如:神经网络、支持向量机、随即森林等)对停车场泊位数进行预测,(由于对停车场泊位的长时预测不是本发明的重点,具体预测方法在此不予赘述)根据当前泊位数和历史停车数训练的模型进行多步预测,预测出停车场i在时间T=t0+t后的停放车辆数为则停车场i在时间T=t0+t后的泊位占有率为
其中,Ri为停车场i在当前时刻未完成的预约记录数(包括拟预约记录)。
步骤c2的具体过程包括:
c21、计算各停车场的停车选择效用:停车场i的停车效用Ui为
其中,α,β,C分别为停车费用、步行距离、停车占有率的效用系数,ζ为效用参数。由于驾驶员停车的选择是多种多样的,一般而言,驾驶员希望选择最佳(即阻抗最小)的停车场。根据驾驶员的偏好,可以对α,β,C设置不同的偏好参数组合。如某驾驶员希望少步行,对停车费用要求较少,则可以将β的取值调大,将α的值适当降低。
c22、计算各停车场的停车选择概率:本发明的选择模型利用多项logit模型,负效用越小的停车场被选择的概率越高。则停车场i被选择的概率Pi为
其中,θ为选择模型系数。
步骤c3的具体过程包括:
c31、根据停车选择概率对所选停车场排序:按选择概率从高到低排序,记排序后的停车场编号分别为k1,k2,…,km,选取最优停车场k1;
c32、判断到达时刻无空余泊位风险:短时预测可以保证较高的精确度,而长时预测不可避免的存在预测误差,假设长时预测的允许偏差为a(0<a<1)。当选定停车场k1在时间T后的泊位占有率o(T)小于1-a,系统推荐用户接受此停车场预约;否则,系统提示用户在到达时,存在没有空余泊位的风险,定义风险系数η为
由定义式可知,η为介于0和1的值,当预测泊位占有率越接近于1,风险越大。
c33、用户确定是否接受该预约:若用户接受推荐最优停车场k1,则初步预约阶段完成;否则,回到c31步,选择下一个概率次高的停车场,重复c32、c33步,直到用户接受预约。
c34、至此,该预约记录生成,记用户预约的停车场为kj。为了行车途中安全,系统询问用户是否同意当选定停车场在到达停车场为kj前10min内泊位不足时,授权系统自动下单,选定停车场为用户保留一个泊位,但用户需要支付该保留时间段的停车费用。
步骤c4的具体过程包括:
c41、行车途中系统后台监控目标停车场:在用户行车途中,系统实时采集该停车场的泊位数变化。
c42、距离目的地前10min进行再预测:计算预约停车场kj在10min后的泊位占有率
其中,为停车场kj在10min后的预测停放车辆数,为当前时刻停车场kj未完成的预约记录数,为停车场kj的总泊位数。
c43、根据再预测结果确认预约:由于短时泊位预测的精度较高,目前的预测算法预测10min后的泊位数基本能控制在3%以内,为了提高系统预约可靠性,本发明将容错范围扩大至5%。
当直接确认预约,且无需停车场保留泊位,计费从车辆到达停车场开始计费,确认预约订单完成。
当若用户在c34步骤中同意授权,系统自动为用户保留一个泊位,计费开始,特殊地,所此时停车场处于满位状态,则系统继续监控直到有一辆车离开,自动为用户保留一个泊位,计费开始;若用户在c34步骤中不同意授权(从常理看,该部分的用户占较少部分),则系统询问用户是否仍然选定该预约停车场,若用户愿意承担到达停车场可能存在无泊位的风险,则继续导航至拟预约停车场kj,否则系统取消拟预约停车场kj,根据c31的排序重新选择停车场,直到用户同意或系统自动确认预约。
c44、车辆到达,结束预约:当车辆到达确认预约停车场后,停车完成后,该预约服务结束。
本发明的有益效果:本发明充分考虑了目的地附近的停车选择,加入用户对步行距离、停车费用、停车风险的偏好;弥补了现有策略中无空余泊位风险和资源效率低下等缺点,有助于提高用户到达停车场后有空余泊位的概率,减少停车搜索及带来的交通压力,提高公共停车资源的利用效率,提升城市智能化水平。
附图说明
图1为两种典型停车预约策略示意图;
图2为本发明的整体流程图;
图3为实施案例路网示意图。
具体实施方式
以图3所示的典型网格型路网和停车场示意图为例,实施本停车场实时泊位预约策略。
1、选择目的地并预测目的地附近停车场的泊位数
假设某用户的目的地为图3中的A点,当前时刻为7:30,用户预计7:50,根据历史的交通状态,估计用户该行程需要约40min。在其附近500m内总共搜索到4个停车场,分别标为停车场1、2、3、4。
采集这4个停车场的相关信息:停车场1距离目的地的步行距离d1=0.2km,收费为f1=10元/小时,总泊位数N1=200个;同样的,其他三个停车场的基本参数为:d2=0.1km,f2=12元/小时,N2=100个;d3=0.3km,f3=8元/小时,N3=150个;d4=0.4km,f4=5元/小时,N4=250个。
根据历史数据训练的模型,采用多步预测方法,设预测60min后4个停车场的停放车辆数分别为个,个,个,个,4个停车场当前时刻未完成的预约记录数分别为R1=10个,R2=10个,R3=15个,R4=20个,根据可以计算60min后各停车场的预测占有率:类似的,
2、计算各停车场的停车选择概率
假设该用户希望少步行,对停车费用要求较少,依据该用户的偏好设置效用参数组合:α=0.1;β=20;C=15;ζ=5。计算停车场1的停车效用为类似的U2=17.45,U3=18.3,U4=18.7。
停车选择模型中的选择参数θ取1.2,根据多项logit模型可以计算出停车场1的选择概率为类似的,P2=43.38%,P3=15.81%,P4=9.78%。
3、根据停车选择概率进行初步预约
按选择概率从高到低排序,停车场2>停车场1>停车场3>停车场4,首选停车场为停车场2。
目前预测算法对60min以后的平均预测偏差可以达到5%左右,本算例中取长时预测的允许偏差a=10%。由于停车场2在60min后的泊位占有率大于90%,计算风险系数η为
系统提示用户在到达停车场2时,存在没有空余泊位的风险,风险系数为50%,询问用户是否仍然选定停车场2作为拟预约停车场。
假设该用户接受该预约,则用户的拟预约停车场为停车场2,拟预约阶段完成。假设该用户不接受停车场2的预约,系统自动向用户推荐次优停车场1,由于系统推荐用户接受拟预约停车场1,用户接受停车场1的预约,拟预约阶段完成。
预约最后,为了行车途中安全,系统询问用户是否同意当选定停车场在到达拟预约停车场前10min内泊位不足时,授权系统自动下单,选定停车场为用户保留一个泊位,但用户需要支付该保留时间段的停车费用。一般而言,出行者愿意付出10min的停车费在泊位紧张的停车场获得一个泊位,设算例中该用户同意此项授权。
4、行驶途中实时监控预约停车场泊位变化,进行确认预约
假设第3步中用户选择的拟预约停车场为停车场2,系统实时采集该停车场的泊位数变化。
距离目的地前10min对拟预约停车场2进行短时精确预测。假设预测出10min后停车场2的泊位占有率则系统自动为用户在停车场2保留一个泊位,计费开始,确认预约阶段完成。
当10min后用户到达停车场2时,它可以直接进入停车场停车,此时整个预约服务结束。
Claims (2)
1.一种基于泊位预测和停车选择的停车场实时泊位预约方法,其特征在于该方法包括以下步骤:
c1、选择目的地并预测目的地附近停车场的泊位数,具体是:
c11、用户发出请求,预计行程时间:用户输入出发地、目的地和出发时间请求,系统根据出发起讫点以及历史交通状况,估计该次出行行程时间t,假设当前时刻为t*,预计出发时刻与当前时刻的时间差为t0,则用户预计在时间T=t0+t后到达目的地附近;
c12、搜索目的地附近停车场:搜索目的地设定半径圈内附近m处公共停车场,分别编号1,2,…,m;
c13、提取各搜索停车场的相关信息,预计可用停车泊位数;对于停车场i,停车场i到目的地的步行距离为di,停车费用为fi,总泊位数为Ni;利用机器学习方法对停车场泊位数进行预测,根据当前泊位数和历史停车数训练的模型进行多步预测,预测出停车场i在时间T=t0+t后的停放车辆数为则停车场i在时间T=t0+t后的泊位占有率为:
其中,Ri为停车场i在当前时刻未完成的预约记录数,包括拟预约记录;
c2、计算各停车场的停车选择概率;具体是:
c21、计算各停车场的停车选择效用:停车场i的停车效用Ui为:
其中,α,β,C分别为停车费用、步行距离、停车占有率的效用系数,ζ为效用参数;
c22、计算各停车场的停车选择概率:利用多项logit模型,负效用越小的停车场被选择的概率越高;则停车场i被选择的概率Pi为:
其中,θ为选择模型系数;
c3、根据停车选择概率进行初步预约;具体是:
c31、根据停车选择概率对所选停车场排序:按选择概率从高到低排序,记排序后的停车场编号分别为k1,k2,…,km,选取最优停车场k1;
c32、判断到达时刻无空余泊位风险:短时预测可以保证较高的精确度,而长时预测不可避免的存在预测误差,假设长时预测的允许偏差为a,0<a<1;当选定停车场k1在时间T后的泊位占有率o(T)小于1-a,系统推荐用户接受此停车场预约;否则,系统提示用户在到达时,存在没有空余泊位的风险,风险系数η:
c33、用户确定是否接受该预约:若用户接受推荐最优停车场k1,则初步预约阶段完成;否则,回到c31步,选择下一个概率次高的停车场,重复c32、c33步,直到用户接受预约;
c34、预约记录生成,记用户预约的停车场为kj;为了行车途中安全,系统询问用户是否同意当选定停车场在到达停车场为kj前10分钟内泊位不足时,授权系统自动下单,选定停车场为用户保留一个泊位,但用户需要支付该保留时间段的停车费用;
c4、行驶途中实时监控预约停车场泊位变化,进行确认预约;具体是:
c41、行车途中系统后台监控目标停车场:在用户行车途中,系统实时采集该停车场的泊位数变化;
c42、距离目的地前10分钟进行再预测:计算预约停车场kj在10分钟后的泊位占有率
其中,为停车场kj在10分钟后的预测停放车辆数,为当前时刻停车场kj未完成的预约记录数,为停车场kj的总泊位数;
c43、根据再预测结果确认预约:
当直接确认预约,且无需停车场保留泊位,计费从车辆到达停车场开始计费,确认预约订单完成;
当若用户在c34步骤中同意授权,系统自动为用户保留一个泊位,计费开始;若用户在c34步骤中不同意授权,则系统询问用户是否仍然选定该预约停车场,若用户愿意承担到达停车场可能存在无泊位的风险,则继续导航至拟预约停车场kj,否则系统取消拟预约停车场kj,根据c31步骤的排序重新选择停车场,直到用户同意或系统自动确认预约;
c44、车辆到达,结束预约:当车辆到达确认预约停车场后,停车完成后,该预约服务结束。
2.根据权利要求1所述的一种基于泊位预测和停车选择的停车场实时泊位预约方法,其特征在于:在c43步骤中,当时,此时停车场处于满位状态,则系统继续监控直到有一辆车离开,自动为用户保留一个泊位,计费开始。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710105111.2A CN107038488B (zh) | 2017-02-25 | 2017-02-25 | 一种基于泊位预测和停车选择的停车场实时泊位预约方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710105111.2A CN107038488B (zh) | 2017-02-25 | 2017-02-25 | 一种基于泊位预测和停车选择的停车场实时泊位预约方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107038488A true CN107038488A (zh) | 2017-08-11 |
CN107038488B CN107038488B (zh) | 2020-07-28 |
Family
ID=59533613
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710105111.2A Active CN107038488B (zh) | 2017-02-25 | 2017-02-25 | 一种基于泊位预测和停车选择的停车场实时泊位预约方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107038488B (zh) |
Cited By (20)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107633675A (zh) * | 2017-09-25 | 2018-01-26 | 中国联合网络通信集团有限公司 | 自动驾驶汽车管理方法和自动驾驶汽车管理系统 |
CN108120999A (zh) * | 2017-12-19 | 2018-06-05 | 大陆汽车投资(上海)有限公司 | 车载导航设备及停车场引导方法 |
CN108806316A (zh) * | 2018-06-14 | 2018-11-13 | 郑州云海信息技术有限公司 | 一种车辆的停车管理系统 |
CN109191896A (zh) * | 2018-10-17 | 2019-01-11 | 南京邮电大学 | 个性化停车位推荐方法和系统 |
CN109584603A (zh) * | 2018-10-16 | 2019-04-05 | 贵州金汀科技股份有限公司 | 一种停车位智能识别和引导方法及系统 |
CN109598971A (zh) * | 2018-11-15 | 2019-04-09 | 华南理工大学 | 一种基于到达时间优先的区域停车位动态分配方法 |
CN110111601A (zh) * | 2019-05-15 | 2019-08-09 | 华南理工大学 | 一种基于两阶段选择的区域停车位动态分配方法 |
CN110415546A (zh) * | 2018-04-26 | 2019-11-05 | 中移(苏州)软件技术有限公司 | 泊车诱导方法、装置和介质 |
CN110674962A (zh) * | 2018-07-03 | 2020-01-10 | 百度在线网络技术(北京)有限公司 | 车辆的行程预估处理方法、装置及存储介质 |
CN111009151A (zh) * | 2019-12-10 | 2020-04-14 | 珠海格力电器股份有限公司 | 一种停车位推荐方法、存储介质及终端设备 |
CN111932037A (zh) * | 2020-09-23 | 2020-11-13 | 浙江创泰科技有限公司 | 基于机器学习的车位状态预测方法及系统 |
CN112396862A (zh) * | 2021-01-19 | 2021-02-23 | 武汉中科通达高新技术股份有限公司 | 停车管理方法及装置 |
CN112991812A (zh) * | 2021-02-26 | 2021-06-18 | 邢冠南 | 一种基于用户需求优先级的停车位预定管理系统 |
CN113380070A (zh) * | 2021-06-25 | 2021-09-10 | 南京静态交通产业技术研究院 | 一种面向大型综合体的车位级停车需求时空特征获取方法 |
CN113570866A (zh) * | 2021-09-24 | 2021-10-29 | 成都宜泊信息科技有限公司 | 一种停车场管理方法、系统、存储介质及电子设备 |
CN113643563A (zh) * | 2021-07-26 | 2021-11-12 | 东风汽车集团股份有限公司 | 基于信息共享的智慧停车场动态管理方法和系统 |
CN114267204A (zh) * | 2022-01-07 | 2022-04-01 | 斑马网络技术有限公司 | 车辆信息的处理方法、装置及存储介质 |
CN115050210A (zh) * | 2022-06-07 | 2022-09-13 | 杭州市城市大脑停车系统运营股份有限公司 | 基于时序预测的停车场智能诱导方法、系统及装置 |
CN115050188A (zh) * | 2022-08-15 | 2022-09-13 | 中交一公局第六工程有限公司 | 一种室内停车场剩余车位预测方法 |
CN115588309A (zh) * | 2022-11-24 | 2023-01-10 | 江苏润邦智能车库股份有限公司 | 一种预约停车处理方法及系统 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20090187342A1 (en) * | 2008-01-18 | 2009-07-23 | Magellan Navigation, Inc. | Method and apparatus for access point recording using a position device |
CN105139644A (zh) * | 2015-05-27 | 2015-12-09 | 重庆大学 | 基于app与gps惯性制导的室内车位定位方法 |
CN105303878A (zh) * | 2015-10-21 | 2016-02-03 | 上海斐讯数据通信技术有限公司 | 车位预订系统及方法 |
CN105761545A (zh) * | 2016-05-11 | 2016-07-13 | 泽信息科技(上海)有限公司 | 多目标停车泊位预定优选方法 |
CN106023641A (zh) * | 2016-06-23 | 2016-10-12 | 北京交通大学 | 基于动态优化的停车位预约分配方法及系统 |
CN106128165A (zh) * | 2016-08-29 | 2016-11-16 | 徐月明 | 泊位预定方法及系统、泊位信息服务平台 |
-
2017
- 2017-02-25 CN CN201710105111.2A patent/CN107038488B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20090187342A1 (en) * | 2008-01-18 | 2009-07-23 | Magellan Navigation, Inc. | Method and apparatus for access point recording using a position device |
CN105139644A (zh) * | 2015-05-27 | 2015-12-09 | 重庆大学 | 基于app与gps惯性制导的室内车位定位方法 |
CN105303878A (zh) * | 2015-10-21 | 2016-02-03 | 上海斐讯数据通信技术有限公司 | 车位预订系统及方法 |
CN105761545A (zh) * | 2016-05-11 | 2016-07-13 | 泽信息科技(上海)有限公司 | 多目标停车泊位预定优选方法 |
CN106023641A (zh) * | 2016-06-23 | 2016-10-12 | 北京交通大学 | 基于动态优化的停车位预约分配方法及系统 |
CN106128165A (zh) * | 2016-08-29 | 2016-11-16 | 徐月明 | 泊位预定方法及系统、泊位信息服务平台 |
Non-Patent Citations (1)
Title |
---|
许增昭: "基于泊位诱导及短时预测的智能停车管理系统研究", 《中国优秀硕士学位论文全文数据库(电子期刊)(工程科技II辑)》 * |
Cited By (26)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107633675A (zh) * | 2017-09-25 | 2018-01-26 | 中国联合网络通信集团有限公司 | 自动驾驶汽车管理方法和自动驾驶汽车管理系统 |
CN108120999B (zh) * | 2017-12-19 | 2020-07-21 | 大陆投资(中国)有限公司 | 车载导航设备及停车场引导方法 |
CN108120999A (zh) * | 2017-12-19 | 2018-06-05 | 大陆汽车投资(上海)有限公司 | 车载导航设备及停车场引导方法 |
CN110415546A (zh) * | 2018-04-26 | 2019-11-05 | 中移(苏州)软件技术有限公司 | 泊车诱导方法、装置和介质 |
CN108806316A (zh) * | 2018-06-14 | 2018-11-13 | 郑州云海信息技术有限公司 | 一种车辆的停车管理系统 |
CN110674962A (zh) * | 2018-07-03 | 2020-01-10 | 百度在线网络技术(北京)有限公司 | 车辆的行程预估处理方法、装置及存储介质 |
CN109584603A (zh) * | 2018-10-16 | 2019-04-05 | 贵州金汀科技股份有限公司 | 一种停车位智能识别和引导方法及系统 |
CN109191896A (zh) * | 2018-10-17 | 2019-01-11 | 南京邮电大学 | 个性化停车位推荐方法和系统 |
CN109191896B (zh) * | 2018-10-17 | 2021-05-11 | 南京邮电大学 | 个性化停车位推荐方法和系统 |
CN109598971A (zh) * | 2018-11-15 | 2019-04-09 | 华南理工大学 | 一种基于到达时间优先的区域停车位动态分配方法 |
CN110111601A (zh) * | 2019-05-15 | 2019-08-09 | 华南理工大学 | 一种基于两阶段选择的区域停车位动态分配方法 |
CN111009151A (zh) * | 2019-12-10 | 2020-04-14 | 珠海格力电器股份有限公司 | 一种停车位推荐方法、存储介质及终端设备 |
CN111932037A (zh) * | 2020-09-23 | 2020-11-13 | 浙江创泰科技有限公司 | 基于机器学习的车位状态预测方法及系统 |
CN112396862A (zh) * | 2021-01-19 | 2021-02-23 | 武汉中科通达高新技术股份有限公司 | 停车管理方法及装置 |
CN112396862B (zh) * | 2021-01-19 | 2021-04-27 | 武汉中科通达高新技术股份有限公司 | 停车管理方法及装置 |
CN112991812A (zh) * | 2021-02-26 | 2021-06-18 | 邢冠南 | 一种基于用户需求优先级的停车位预定管理系统 |
CN113380070A (zh) * | 2021-06-25 | 2021-09-10 | 南京静态交通产业技术研究院 | 一种面向大型综合体的车位级停车需求时空特征获取方法 |
CN113380070B (zh) * | 2021-06-25 | 2022-07-22 | 江苏高速公路联网营运管理有限公司 | 一种面向大型综合体的车位级停车需求时空特征获取方法 |
CN113643563A (zh) * | 2021-07-26 | 2021-11-12 | 东风汽车集团股份有限公司 | 基于信息共享的智慧停车场动态管理方法和系统 |
CN113570866A (zh) * | 2021-09-24 | 2021-10-29 | 成都宜泊信息科技有限公司 | 一种停车场管理方法、系统、存储介质及电子设备 |
CN114267204A (zh) * | 2022-01-07 | 2022-04-01 | 斑马网络技术有限公司 | 车辆信息的处理方法、装置及存储介质 |
CN115050210A (zh) * | 2022-06-07 | 2022-09-13 | 杭州市城市大脑停车系统运营股份有限公司 | 基于时序预测的停车场智能诱导方法、系统及装置 |
CN115050210B (zh) * | 2022-06-07 | 2023-10-20 | 杭州市城市大脑停车系统运营股份有限公司 | 基于时序预测的停车场智能诱导方法、系统及装置 |
CN115050188A (zh) * | 2022-08-15 | 2022-09-13 | 中交一公局第六工程有限公司 | 一种室内停车场剩余车位预测方法 |
CN115050188B (zh) * | 2022-08-15 | 2022-10-28 | 中交一公局第六工程有限公司 | 一种室内停车场剩余车位预测方法 |
CN115588309A (zh) * | 2022-11-24 | 2023-01-10 | 江苏润邦智能车库股份有限公司 | 一种预约停车处理方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN107038488B (zh) | 2020-07-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107038488A (zh) | 一种基于泊位预测和停车选择的停车场实时泊位预约方法 | |
US10639995B2 (en) | Methods, circuits, devices, systems and associated computer executable code for driver decision support | |
US11859988B2 (en) | Detecting the number of vehicle passengers | |
US20210223051A1 (en) | Systems and methods for vehicle ridesharing | |
EP3355028B1 (en) | Method and system for managing a fleet of ride-sharing vehicles using virtual bus stops | |
EP2836990B1 (en) | Parking resource management | |
CN108417031B (zh) | 一种基于Agent仿真的智能停车泊位预约策略优化方法 | |
EP2836792B1 (en) | Parking based route navigation | |
CN109416879A (zh) | 一种优先短停的泊位分级动态定价方法 | |
CN105761545A (zh) | 多目标停车泊位预定优选方法 | |
CN112085349B (zh) | 一种基于乘客出行时间窗约束的需求响应公交调度方法 | |
CN105976041A (zh) | 基于车联网的城市智能预约停车系统及方法 | |
Barauskas et al. | Ranking conceptual locations for a park-and-ride parking lot using EDAS method | |
CN113658446A (zh) | 路径规划方法及装置、计算机可读存储介质、终端 | |
CN114723125A (zh) | 一种结合深度学习和多任务优化的城际车订单分配方法 | |
CN114330786A (zh) | 基于自动驾驶的车辆预约方法、装置、设备及存储介质 | |
JP2021189692A (ja) | カーシェアリング管理サーバおよびコンピュータプログラム | |
JP2021015379A (ja) | 配車処理装置 | |
Jiang et al. | Simulation and optimization of dynamic-hybrid parking reservation strategies for one-way vehicle-sharing systems | |
Thi et al. | A simulation-Based optimization for bus route design problem | |
Cui et al. | Carpool Passengers Selected Model in the Automatic Vehicles Setting | |
CN110341528A (zh) | 一种路灯充电桩智能提醒方法与系统 | |
Loudon et al. | Addressing SAFETEA-LU Requirements for Operational and Management Strategies in Puget Sound Region of Washington State |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |