CN107622673A - 一种基于卡口数据的停车需求分析方法、系统和装置 - Google Patents
一种基于卡口数据的停车需求分析方法、系统和装置 Download PDFInfo
- Publication number
- CN107622673A CN107622673A CN201710864344.0A CN201710864344A CN107622673A CN 107622673 A CN107622673 A CN 107622673A CN 201710864344 A CN201710864344 A CN 201710864344A CN 107622673 A CN107622673 A CN 107622673A
- Authority
- CN
- China
- Prior art keywords
- bayonet socket
- vehicle
- data
- gone
- parking demand
- 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.)
- Pending
Links
Abstract
本发明公开了一种基于卡口数据的停车需求分析方法、系统和装置,所述方法包括以下步骤:输入设定区域范围和时间范围内的卡口数据,根据卡口数据获取车辆单次出行的起点卡口和终点卡口;根据车辆单次出行的起点卡口的数据推算车辆的来源地,根据车辆单次出行的终点卡口的数据推算车辆的目的地;根据推算得到车辆的来源地和目的地进行统计和分析,得到停车需求分析报告。本发明根据现有的交通卡口数据,生成停车需求分析报告,挖掘出了卡口数据的价值;基于卡口数据的停车需求分析方法能够更加全面地反映研究区域内的停车需求,所生成的停车需求分析报告能够为停车场的建设提供指导。本发明可以广泛应用于数据挖掘领域。
Description
技术领域
本发明涉及数据挖掘领域,尤其是一种基于卡口数据的停车需求分析方法、系统和装置。
背景技术
随着城市的发展和经济的崛起,城市中的车辆日益增多。据统计,2015年全国共有各类机动车保有量为1.5亿辆,并且每年还在快速增长。随着停车问题日益严峻,尤其是在车流密集的大城市中,如何建设停车场来满足日益增长的需求,成为一个重要的课题。为此,有学者提出用卡口数据或者停车场运营数据来分析停车需求,以此来指导停车场的建设规划。其中,卡口是指主要使用光电技术、图像处理技术、模式识别技术对过往每一辆车辆进行拍照、识别和储存相关数据的联网设备。但是目前在传统的卡口数据中,往往只对交通流量和车速较为关注,对车辆的来源、最后停放地等信息的采集与分析有所忽略,并不能直接利用这些卡口数据来得出停车需求;而停车场信息往往来源于停车场进入口的收费设施,因装有该类设施的停车场数量有限,所以难以全面反映车辆的停车需求情况。
发明内容
为解决上述技术问题,本发明的第一目的在于:提供一种基于卡口数据且能全面反映停车需求的停车需求分析方法。
本发明的第二目的在于:提供一种基于卡口数据且能全面反映停车需求的停车需求分析系统。
本发明的第三目的在于:提供一种基于卡口数据且能全面反映停车需求的停车需求分析装置。
本发明所采用的第一种技术方案是:
一种基于卡口数据的停车需求分析方法,包括以下步骤:
输入设定区域范围和时间范围内的卡口数据,根据卡口数据获取车辆单次出行的起点卡口和终点卡口;
根据车辆单次出行的起点卡口的数据推算车辆的来源地;
根据车辆单次出行的终点卡口的数据推算车辆的目的地;
根据推算得到车辆的来源地和目的地进行统计和分析,得到停车需求分析报告。
进一步,所述卡口数据包括车辆经过卡口的时刻、车辆经过卡口时所在车道和行驶方向、卡口的所在地和车辆的车牌。
进一步,所述输入设定区域范围和时间范围内的卡口数据,根据卡口数据获取车辆单次出行的起点卡口和终点卡口,这一步骤具体包括:
输入设定区域范围和时间范围内的卡口数据;
计算卡口数据中所有相同车牌的车辆经过两个相邻卡口的时间差;
判断计算出的时间差是否大于设定的阈值,若是,则判定两个相邻卡口的数据不属于同一次出行的数据,反之,则判定两个相邻卡口的数据属于同一次出行的数据;
将属于同一次出行的数据整合为一条单次出行数据链,其中,单次出行数据链中第一个数据所对应的卡口为车辆该次出行的起点卡口,单次出行数据链中最后一个数据对应的卡口为车辆该次出行的终点卡口。
进一步,所述两个相邻卡口指同一车牌的车辆经过卡口的时刻相邻的两个卡口。
进一步,所述根据车辆单次出行的起点卡口的数据推算车辆的来源地的步骤具体包括:
根据输入的卡口数据,计算车辆单次出行的平均车速;
根据车辆单次出行的起点卡口的数据,得到车辆经过起点卡口的时刻、所在的车道和行驶方向,并结合车辆该次出行的平均车速,反推车辆的来源地及出发时刻。
进一步,所述根据车辆单次出行的终点卡口的数据推算车辆的目的地的步骤具体为:
根据车辆单次出行的终点卡口的数据,得到车辆经过终点卡口的时刻、所在的车道和行驶方向,并结合车辆该次出行的平均车速,推算车辆的目的地及到达时刻。
进一步,所述根据推算得到车辆的来源地和目的地进行统计和分析,得到停车需求分析报告,这一步骤包括:
根据推算得到的车辆单次出行的来源地和目的地,以及出发时刻和到达时刻,推算每一个路段不同时刻的车辆出发量与到达量,得到一个区域路网中虚拟停车场不同时刻的车辆出发量与到达量;
对区域路网中虚拟停车场不同时刻的车辆出发量与到达量进行统计和分析,得到该区域路网的停车需求分析报告。
进一步,所述的停车需求分析报告包括停车需求分布图、停车时间特征分布图和停车供给不足的位置分布图。
本发明所采用的第二种技术方案是:
一种基于卡口数据的停车需求分析系统,包括:
获取模块,用于输入设定区域范围和时间范围内的卡口数据,根据卡口数据获取车辆单次出行的起点卡口和终点卡口;
第一推算模块,用于根据车辆单次出行的起点卡口的数据推算车辆的来源地;
第二推算模块,用于根据车辆单次出行的终点卡口的数据推算车辆的目的地;
报告生成模块,用于根据推算得到车辆的来源地和目的地进行统计和分析,得到停车需求分析报告。
本发明所采用的第三种技术方案是:
一种基于卡口数据的停车需求分析装置,包括:
存储器,用于存储程序;
处理器,用于执行所述程序,以用于:
输入设定区域范围和时间范围内的卡口数据,根据卡口数据获取车辆单次出行的起点卡口和终点卡口;
根据车辆单次出行的起点卡口的数据推算车辆的来源地;
根据车辆单次出行的终点卡口的数据推算车辆的目的地;
根据推算得到车辆的来源地和目的地进行统计和分析,得到停车需求分析报告。
本发明方法的有益效果是:包括输入设定区域范围和时间范围内的卡口数据,根据卡口数据获取车辆单次出行的起点卡口和终点卡口、根据车辆单次出行的起点卡口的数据推算车辆的来源地,根据车辆单次出行的终点卡口的数据推算车辆的目的地,以及根据推算得到车辆的来源地和目的地进行统计和分析,得到停车需求分析报告的步骤,根据现有的交通卡口数据,生成停车需求分析报告,能直接从现有的交通卡口数据中挖掘出停车需求;同时,因为在城市中卡口数量多,覆盖面广,所以基于卡口数据的停车需求分析方法能够更加全面地反映研究区域内的停车需求,克服了通过停车场运营数据进行停车需求分析不全面的问题,所生成的停车需求分析报告能够为停车场的建设提供指导。
本发明系统的有益效果是:包括获取模块、第一推算模块、第二推算模块和报告生成模块,根据现有的交通卡口数据,生成停车需求分析报告,能直接从现有的交通卡口数据中挖掘出停车需求;同时,因为在城市中卡口数量多,覆盖面广,所以基于卡口数据的停车需求分析方法能够更加全面地反映研究区域内的停车需求,克服了通过停车场运营数据进行停车需求分析不全面的问题,所生成的停车需求分析报告能够为停车场的规划建设提供指导。
本发明装置的有益效果是:包括存储器和处理器,所述处理器通过执行存储器中的程序以根据现有的交通卡口数据,生成停车需求分析报告,能直接从现有的交通卡口数据中挖掘出停车需求;同时,因为在城市中卡口数量多,覆盖面广,所以基于卡口数据的停车需求分析方法能够更加全面地反映研究区域内的停车需求,克服了通过停车场运营数据进行停车需求分析不全面的问题,所生成的停车需求分析报告能够为停车场的规划建设提供指导。
附图说明
图1是本发明的方法流程图;
图2是本发明实施例1的方法流程图;
图3是本发明实施例1推算车辆来源地和目的地的示意图。
具体实施方式
参照图1,一种基于卡口数据的停车需求分析方法,包括以下步骤:
输入设定区域范围和时间范围内的卡口数据,根据卡口数据获取车辆单次出行的起点卡口和终点卡口;
根据车辆单次出行的起点卡口的数据推算车辆的来源地;
根据车辆单次出行的终点卡口的数据推算车辆的目的地;
根据推算得到车辆的来源地和目的地进行统计和分析,得到停车需求分析报告。
进一步作为优选的实施方式,所述卡口数据包括车辆经过卡口的时刻、车辆经过卡口时所在车道和行驶方向、卡口的所在地和车辆的车牌。
进一步作为优选的实施方式,所述输入设定区域范围和时间范围内的卡口数据,根据卡口数据获取车辆单次出行的起点卡口和终点卡口,这一步骤具体包括:
输入设定区域范围和时间范围内的卡口数据;
计算卡口数据中所有相同车牌的车辆经过两个相邻卡口的时间差;
判断计算出的时间差是否大于设定的阈值,若是,则判定两个相邻卡口的数据不属于同一次出行的数据,反之,则判定两个相邻卡口的数据属于同一次出行的数据;
将属于同一次出行的数据整合为一条单次出行数据链,其中,单次出行数据链中第一个数据所对应的卡口为车辆该次出行的起点卡口,单次出行数据链中最后一个数据对应的卡口为车辆该次出行的终点卡口。
进一步作为优选的实施方式,所述两个相邻卡口指同一车牌的车辆经过卡口的时刻相邻的两个卡口。
进一步作为优选的实施方式,所述根据车辆单次出行的起点卡口的数据推算车辆的来源地的步骤具体包括:
根据输入的卡口数据,计算车辆单次出行的平均车速;
根据车辆单次出行的起点卡口的数据,得到车辆经过起点卡口的时刻、所在的车道和行驶方向,并结合车辆该次出行的平均车速,反推车辆的来源地及出发时刻。
进一步作为优选的实施方式,所述根据车辆单次出行的终点卡口的数据推算车辆的目的地的步骤具体为:
根据车辆单次出行的终点卡口的数据,得到车辆经过终点卡口的时刻、所在的车道和行驶方向,并结合车辆该次出行的平均车速,推算车辆的目的地及到达时刻。
进一步作为优选的实施方式,所述根据推算得到车辆的来源地和目的地进行统计和分析,得到停车需求分析报告,这一步骤包括:
根据推算得到的车辆单次出行的来源地和目的地,以及出发时刻和到达时刻,推算每一个路段不同时刻的车辆出发量与到达量,得到一个区域路网中虚拟停车场不同时刻的车辆出发量与到达量;
对区域路网中虚拟停车场不同时刻的车辆出发量与到达量进行统计和分析,得到该区域路网的停车需求分析报告。
其中,虚拟停车场是假定在路段的某侧分布的停车场,虚拟停车场可能是独立占地的停车场,也可能是路边停车场,也可以是空中立体停车场,总之是路段上可以用于停车的空间。本发明利用了虚拟停车场的概念,通过分析车辆可能停车的位置,将现实的多种停车情况归纳为统一的情况,降低了分析的难度,使得使用卡口数据分析停车需求可以简单实现。
进一步作为优选的实施方式,所述的停车需求分析报告包括停车需求分布图、停车时间特征分布图和停车供给不足的位置分布图。
与图1的方法相对应,本发明还提供了一种基于卡口数据的停车需求分析系统,包括:
获取模块,用于输入设定区域范围和时间范围内的卡口数据,根据卡口数据获取车辆单次出行的起点卡口和终点卡口;
第一推算模块,用于根据车辆单次出行的起点卡口的数据推算车辆的来源地;
第二推算模块,用于根据车辆单次出行的终点卡口的数据推算车辆的目的地;
报告生成模块,用于根据推算得到车辆的来源地和目的地进行统计和分析,得到停车需求分析报告。
与图1的方法相对应,本发明还提供了一种基于卡口数据的停车需求分析装置,包括:
存储器,用于存储程序;
处理器,用于执行所述程序,以用于:
输入设定区域范围和时间范围内的卡口数据,根据卡口数据获取车辆单次出行的起点卡口和终点卡口;
根据车辆单次出行的起点卡口的数据推算车辆的来源地;
根据车辆单次出行的终点卡口的数据推算车辆的目的地;
根据推算得到车辆的来源地和目的地进行统计和分析,得到停车需求分析报告。
下面结合附图和具体实施例对本发明进行进一步说明。
实施例1
为了克服现有技术存在的问题,本发明的技术方案将避开传统的停车场运营数据获取模式,利用道路的卡口数据,反推路网中的各条道路的停车需求,为停车需求的研判分析提供数据支持。
参照图2,本发明的方法包括以下步骤:
S1、输入需要研究的区域范围和需要研究的时间范围的卡口数据,所述卡口数据包括车辆经过卡口的时刻、车辆经过卡口时所在车道和行驶方向、卡口的所在地和车辆的车牌;
S2、计算卡口数据中所有相同车牌的车辆经过两个相邻卡口的时间差,若时间差大于设定的阈值,则判定两个相邻卡口的数据为非单次出行的数据,若时间差小于设定阈值,则判定两个相邻卡口的数据为同一次出行的数据,所述两个相邻卡口指同一车牌的车辆经过卡口的时刻相邻的两个卡口;
S3、将属于同一次出行的数据整合为一条单次出行数据链,其中,单次出行数据链中第一个数据所对应的卡口为车辆该次出行的起点卡口,单次出行数据链中最后一个数据对应的卡口为车辆该次出行的终点卡口;
S4、根据车辆途经各卡口的数据,计算车辆单次出行的平均车速;
S5、根据车辆单次出行的起点卡口的数据,得到车辆经过起点卡口时所在的车道和行驶方向,并结合起点卡口所在地的路网走向和车辆单次出行的平均车速,反推车辆的来源地;
S6、根据车辆单次出行的终点卡口的数据,得到车辆经过终点卡口时所在的车道和行驶方向,并结合终点卡口所在地的路网走向和车辆单次出行的平均车速,推算车辆的目的地;
S7、根据推算得到车辆的来源地和目的地,形成一个区域路网中虚拟停车场的不同时刻的车辆出发量和到达量;
S8、对区域路网中虚拟停车场的不同时刻的车辆出发量和到达量进行统计和分析,得到停车需求分布图、停车时间特征分布图和停车供给不足的位置分布图。
表1:某天车牌为粤A12345的车辆在广州市内的卡口数据
下面通过表1对本实施例进行进一步的说明:
从表1中可以看出,车牌为粤A12345的车辆在某天一共有5个卡口数据记录,其中从表中可以看出,编号为1、2和3的三条卡口数据,相邻两个卡口所记录车辆经过的时刻的时间差分别为18分钟和10分钟,编号为4和5的两条卡口数据,所记录的时间差为10分钟,编号为3和4的两条卡口数据,所记录的时间差为2小时34分钟。明显地,从中山三路到烈士陵园的几百米路程并不需要2小时34分钟,因此编号3和4的两条卡口数据并非单次出行的数据,可以推断在车辆经过编号3的卡口后进行了停车,在第二次单次出行时才经过编号4的卡口,因此系统需要预先设定一个阈值作为判断两条卡口数据是否为同一次出行的判断依据。
以系统的设定阈值为1.5小时为例,此时,系统会将编号为1、2和3的三条卡口数据判定为车牌为粤A12345车牌的一次单次出行记录,并将这三条数据整合成一条数据链,其中编号1的卡口(所在地越秀公园)会被确认为这一次单次出行的起点卡口,而其中编号3的卡口(所在地中山三路)会被确认为这一次单次出行的终点卡口。而编号3和4的两条卡口数据,因为车辆经过的时间差超过设定阈值,会判断为非单次出行。同理,编号4和编号5的两条卡口数据会判定为单次出行。
另外,设定阈值可以根据实际情况灵活调整,优选地,可以根据地理上两个卡口的距离,对两个卡口之间的经过时间设定阈值,例如,从越秀公园到北京路口的路程约为3公里,正常通行时间为5分钟,考虑到堵车问题,可以将这两个卡口的阈值设定为20分钟。
表1中,车牌为粤A12345的车辆从起点卡口越秀公园到终点卡口中山三路,可以根据起点卡口和终点卡口的时间差,以及该两个卡口的距离,算出车辆的平均车速。
如图3所示,一般车辆行驶在最右侧的车道(如图3中的车道1),车辆的走向很可能是右转进入路段C,并且在路段C的一侧停车;而车辆位于左侧车道(如图3中的车道3),该车辆很可能左转进入路段A,并且在路段A的一侧停车;而在中间车道2的车辆通常是直行进入路段B,并且在路段B的一侧停车。所以可以根据车辆经过起点卡口时所在的车道和车辆的行驶方向判断车辆的来源,根据编号1的卡口数据(起点卡口数据),车辆在车道1,结合车道1的行驶方向,可以反推车辆来源于车道1行驶方向右侧的停车场,或者来自车道1前一个右转路口的停车场,即得到车辆单次出行的来源地;同理,根据编号3的卡口数据(终点卡口数据),可知车辆经过终点卡口时也是处于车道1,结合车道1的行驶方向,可以推断出车辆的目的地是道路前方右侧的停车场,或者为路口右转后的停车场。优选地,可以通过车辆单次出行的平均车速来调整车辆的来源地和目的地的区域范围。
将数据中所有车辆的单次出行的来源地和目的地进行分类,将属于同一区域的停车目的地或者来源地归为同一个虚拟停车场,并记录每个虚拟停车场的不同时刻的车辆出发量与到达量。对虚拟停车场不同时刻的车辆出发量与到达量进行统计和分析,生成图表,包括停车需求分布图、停车时间特征分布图和停车供给不足的位置分布图。所述停车需求分布图,体现研究区域内不同地点停车需求分布;所述停车时间分布图,体现研究区域内不同时段同一地点的停车地点的停车需求;所述停车供给不足分布图,体现研究区域内停车需求大于现有停车位的地点分布情况。
通过本专利技术获知路网的停车需求信息后,可以继续进行更深入的分析:
a)获知停车需求大的路段,通过卡口、GPS等其他数据分析周边是否有车辆绕行寻找车位的情况,在相关路段完善路牌指引及停车诱导等信息化设备,科学引导车辆进行合理停放。
b)获知区域路网中停车需求,有重要路段中经常有车辆出入的地点,考虑增派警力到现场指挥,解决停车排队长度过长的问题。
c)获知的车辆单次出行的完整信息,其停车信息等可供交通、公安交警部门进行车辆搜捕、稽查布控提供定位信息、车辆轨迹信息等。
d)获知常用停车信息,可开发相应移动互联APP产品,为车主提供实时动态的停车位置信息指引,科学引导车辆停放。
本实施例具有以下优点:
1)无需收集各个数据不联网停车场的数据,仅利用现有的交通卡口数据即可分析停车需求,实现简单,实现成本低。
2)利用了虚拟停车场的概念,通过分析车辆可能停车的位置,将现实的多种停车情况归纳为统一的情况,降低了分析的难度,使得使用卡口数据分析停车需求可以简单实现。
3)本分析方法生成的停车需求分析报告可以指导停车场建设。
总的来说,本发明不需要停车场的运营数据,而是通过卡口检测到的车辆所处车道信息,推断车辆的停车位置,获知车辆的来源地和前往的目的地分布,并获取区域路网的停车需求分布等信息。本发明为后续通过停车诱导等方式合理解决停车难问题,解决相关路网的交通拥堵,制定相关措施提供了有效、可靠的计算方法。
以上是对本发明的较佳实施进行了具体说明,但本发明并不限于所述实施例,熟悉本领域的技术人员在不违背本发明精神的前提下还可做作出种种的等同变形或变换,这些等同的变形或替换均包含在本申请权利要求所限定的范围内。
Claims (10)
1.一种基于卡口数据的停车需求分析方法,其特征在于,包括以下步骤:
输入设定区域范围和时间范围内的卡口数据,根据卡口数据获取车辆单次出行的起点卡口和终点卡口;
根据车辆单次出行的起点卡口的数据推算车辆的来源地;
根据车辆单次出行的终点卡口的数据推算车辆的目的地;
根据推算得到车辆的来源地和目的地进行统计和分析,得到停车需求分析报告。
2.根据权利要求1所述的一种基于卡口数据的停车需求分析方法,其特征在于:所述卡口数据包括车辆经过卡口的时刻、车辆经过卡口时所在车道和行驶方向、卡口的所在地和车辆的车牌。
3.根据权利要求1所述的一种基于卡口数据的停车需求分析方法,其特征在于:所述输入设定区域范围和时间范围内的卡口数据,根据卡口数据获取车辆单次出行的起点卡口和终点卡口,这一步骤具体包括:
输入设定区域范围和时间范围内的卡口数据;
计算卡口数据中所有相同车牌的车辆经过两个相邻卡口的时间差;
判断计算出的时间差是否大于设定的阈值,若是,则判定两个相邻卡口的数据不属于同一次出行的数据,反之,则判定两个相邻卡口的数据属于同一次出行的数据;
将属于同一次出行的数据整合为一条单次出行数据链,其中,单次出行数据链中第一个数据所对应的卡口为车辆该次出行的起点卡口,单次出行数据链中最后一个数据对应的卡口为车辆该次出行的终点卡口。
4.根据权利要求3所述的一种基于卡口数据的停车需求分析方法,其特征在于:所述两个相邻卡口指同一车牌的车辆经过卡口的时刻相邻的两个卡口。
5.根据权利要求1所述的一种基于卡口数据的停车需求分析方法,其特征在于,所述根据车辆单次出行的起点卡口的数据推算车辆的来源地的步骤具体包括:
根据输入的卡口数据,计算车辆单次出行的平均车速;
根据车辆单次出行的起点卡口的数据,得到车辆经过起点卡口的时刻、所在的车道和行驶方向,并结合车辆该次出行的平均车速,反推车辆的来源地及出发时刻。
6.根据权利要求1所述的一种基于卡口数据的停车需求分析方法,其特征在于,所述根据车辆单次出行的终点卡口的数据推算车辆的目的地的步骤具体为:
根据车辆单次出行的终点卡口的数据,得到车辆经过终点卡口的时刻、所在的车道和行驶方向,并结合车辆该次出行的平均车速,推算车辆的目的地及到达时刻。
7.根据权利要求1所述的一种基于卡口数据的停车需求分析方法,其特征在于:所述根据推算得到车辆的来源地和目的地进行统计和分析,得到停车需求分析报告,这一步骤包括:
根据推算得到的车辆单次出行的来源地和目的地,以及出发时刻和到达时刻,推算每一个路段不同时刻的车辆出发量与到达量,得到一个区域路网中虚拟停车场不同时刻的车辆出发量与到达量;
对区域路网中虚拟停车场不同时刻的车辆出发量与到达量进行统计和分析,得到该区域路网的停车需求分析报告。
8.根据权利要求1-7任一项所述的一种基于卡口数据的停车需求分析方法,其特征在于:所述的停车需求分析报告包括停车需求分布图、停车时间特征分布图和停车供给不足的位置分布图。
9.一种基于卡口数据的停车需求分析系统,其特征在于,包括:
获取模块,用于输入设定区域范围和时间范围内的卡口数据,根据卡口数据获取车辆单次出行的起点卡口和终点卡口;
第一推算模块,用于根据车辆单次出行的起点卡口的数据推算车辆的来源地;
第二推算模块,用于根据车辆单次出行的终点卡口的数据推算车辆的目的地;
报告生成模块,用于根据推算得到车辆的来源地和目的地进行统计和分析,得到停车需求分析报告。
10.一种基于卡口数据的停车需求分析装置,其特征在于,包括:
存储器,用于存储程序;
处理器,用于执行所述程序,以用于:
输入设定区域范围和时间范围内的卡口数据,根据卡口数据获取车辆单次出行的起点卡口和终点卡口;
根据车辆单次出行的起点卡口的数据推算车辆的来源地;
根据车辆单次出行的终点卡口的数据推算车辆的目的地;
根据推算得到车辆的来源地和目的地进行统计和分析,得到停车需求分析报告。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710864344.0A CN107622673A (zh) | 2017-09-22 | 2017-09-22 | 一种基于卡口数据的停车需求分析方法、系统和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710864344.0A CN107622673A (zh) | 2017-09-22 | 2017-09-22 | 一种基于卡口数据的停车需求分析方法、系统和装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN107622673A true CN107622673A (zh) | 2018-01-23 |
Family
ID=61089974
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710864344.0A Pending CN107622673A (zh) | 2017-09-22 | 2017-09-22 | 一种基于卡口数据的停车需求分析方法、系统和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107622673A (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109741612A (zh) * | 2018-12-17 | 2019-05-10 | 重庆市公安局渝北区分局交通巡逻警察支队 | 一种基于汽车电子标识的小区汽车保有量估算方法 |
CN110491157A (zh) * | 2019-07-23 | 2019-11-22 | 中山大学 | 一种基于停车场数据和卡口数据的车辆关联方法 |
WO2020056915A1 (zh) * | 2018-09-18 | 2020-03-26 | 图普科技(广州)有限公司 | 顾客到访分析方法、装置及存储介质 |
CN111445700A (zh) * | 2020-06-02 | 2020-07-24 | 苏州大学 | 一种基于车牌识别数据的区域行停车辆的监测方法 |
CN112201076A (zh) * | 2020-09-18 | 2021-01-08 | 西安宇视信息科技有限公司 | 一种泊车位数量的确定方法、装置、介质及电子设备 |
CN114267177A (zh) * | 2021-12-30 | 2022-04-01 | 南京市城市与交通规划设计研究院股份有限公司 | 停车需求分析方法、装置、电子设备及可读存储介质 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102521965A (zh) * | 2011-12-09 | 2012-06-27 | 同济大学 | 基于车牌识别数据的交通需求管理措施效果评价方法 |
CN103646187A (zh) * | 2013-12-27 | 2014-03-19 | 中国科学院自动化研究所 | 一种统计周期内车辆出行路线及od矩阵获取方法 |
CN104320848A (zh) * | 2014-11-14 | 2015-01-28 | 上海美琦浦悦通讯科技有限公司 | 基于云计算实现室内定位的系统及方法 |
CN105185115A (zh) * | 2015-09-07 | 2015-12-23 | 华迪计算机集团有限公司 | 一种交通预测方法和预测系统 |
CN105489056A (zh) * | 2015-12-28 | 2016-04-13 | 中兴软创科技股份有限公司 | 一种基于od矩阵的停车需求预测方法 |
CN107067793A (zh) * | 2016-10-19 | 2017-08-18 | 深圳市创通智能设备有限公司 | 智慧静态交通管理系统 |
-
2017
- 2017-09-22 CN CN201710864344.0A patent/CN107622673A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102521965A (zh) * | 2011-12-09 | 2012-06-27 | 同济大学 | 基于车牌识别数据的交通需求管理措施效果评价方法 |
CN103646187A (zh) * | 2013-12-27 | 2014-03-19 | 中国科学院自动化研究所 | 一种统计周期内车辆出行路线及od矩阵获取方法 |
CN104320848A (zh) * | 2014-11-14 | 2015-01-28 | 上海美琦浦悦通讯科技有限公司 | 基于云计算实现室内定位的系统及方法 |
CN105185115A (zh) * | 2015-09-07 | 2015-12-23 | 华迪计算机集团有限公司 | 一种交通预测方法和预测系统 |
CN105489056A (zh) * | 2015-12-28 | 2016-04-13 | 中兴软创科技股份有限公司 | 一种基于od矩阵的停车需求预测方法 |
CN107067793A (zh) * | 2016-10-19 | 2017-08-18 | 深圳市创通智能设备有限公司 | 智慧静态交通管理系统 |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2020056915A1 (zh) * | 2018-09-18 | 2020-03-26 | 图普科技(广州)有限公司 | 顾客到访分析方法、装置及存储介质 |
CN109741612A (zh) * | 2018-12-17 | 2019-05-10 | 重庆市公安局渝北区分局交通巡逻警察支队 | 一种基于汽车电子标识的小区汽车保有量估算方法 |
CN110491157A (zh) * | 2019-07-23 | 2019-11-22 | 中山大学 | 一种基于停车场数据和卡口数据的车辆关联方法 |
CN111445700A (zh) * | 2020-06-02 | 2020-07-24 | 苏州大学 | 一种基于车牌识别数据的区域行停车辆的监测方法 |
CN111445700B (zh) * | 2020-06-02 | 2021-06-11 | 苏州大学 | 一种基于车牌识别数据的区域行停车辆的监测方法 |
CN112201076A (zh) * | 2020-09-18 | 2021-01-08 | 西安宇视信息科技有限公司 | 一种泊车位数量的确定方法、装置、介质及电子设备 |
CN112201076B (zh) * | 2020-09-18 | 2022-01-04 | 西安宇视信息科技有限公司 | 一种泊车位数量的确定方法、装置、介质及电子设备 |
CN114267177A (zh) * | 2021-12-30 | 2022-04-01 | 南京市城市与交通规划设计研究院股份有限公司 | 停车需求分析方法、装置、电子设备及可读存储介质 |
CN114267177B (zh) * | 2021-12-30 | 2022-11-04 | 南京市城市与交通规划设计研究院股份有限公司 | 停车需求分析方法、装置、电子设备及可读存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107622673A (zh) | 一种基于卡口数据的停车需求分析方法、系统和装置 | |
CN106971534B (zh) | 基于号牌数据的通勤出行特征分析方法 | |
KR101847833B1 (ko) | 교통량 예측 시스템, 차량용 표시 장치, 차량 및 교통량 예측 방법 | |
Al-Sobky et al. | Traffic density determination and its applications using smartphone | |
WO2019091108A1 (zh) | 一种交通出行调查数据处理方法 | |
CN106571037A (zh) | 一种基于卡口检测技术的高速公路实时路况监测方法 | |
JP4969814B2 (ja) | 道路交通状況把握システム | |
CN105810006B (zh) | 路边停车位的识别方法及系统 | |
CN109885804A (zh) | 一种基于监测车的大气污染监测和源辨识方法 | |
CN109887283A (zh) | 一种基于卡口数据的道路拥堵预测方法、系统及装置 | |
CN105513356B (zh) | 一种基于轨迹追踪的od矩阵估计方法与系统 | |
CN107590999A (zh) | 一种基于卡口数据的交通状态判别方法 | |
CN108766031A (zh) | 一种检测车道障碍物的方法和装置 | |
CN109615851A (zh) | 一种在群智感知系统中基于关键路段的感知节点选取方法 | |
Kianfar et al. | Placement of roadside equipment in connected vehicle environment for travel time estimation | |
CN108932837B (zh) | 交通拥堵管理方法及服务器 | |
CN107085944A (zh) | 一种交通数据处理系统及方法 | |
CN109544969A (zh) | 公交车智能跳站运行方法及装置 | |
CN108364464A (zh) | 一种基于概率模型的公交车辆旅行时间建模方法 | |
US20230322279A1 (en) | Track condition monitoring device, track condition monitoring system and track condition monitoring method | |
CN111508262B (zh) | 对城市停车位资源的智能化管理方法 | |
Tarapiah et al. | Offline public transportation management system based on GPS/WiFi and open street maps | |
CN105551241B (zh) | 一种基于fcd及ep多源数据的实时拥堵分析方法 | |
Pi et al. | Visual recognition for urban traffic data retrieval and analysis in major events using convolutional neural networks | |
CN105279954B (zh) | 一种站点采集方法及装置 |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20180123 |
|
RJ01 | Rejection of invention patent application after publication |