CN108053679A - 一种基于众包数据的停车位引导方法及系统 - Google Patents

Abstract

本发明提供了一种基于众包数据的停车位引导方法及系统，用于引导车辆进入停车场的停车位，包括：提取车辆轨迹的关键点；基于所述关键点建立拓扑图；基于所述拓扑图，在其上执行Dijkstra最短路径算法，得到任意入口到任意车锁的最短行驶轨迹，以及轨迹中的关键点方位、相邻两个关键点之间的行驶距离。本发明在不额外投入成本的情况下，通过对众包移动位置轨迹的挖掘，得到从停车场入口到车位的诱导信息，比建立停车场引导地图的方法具有更优的经济和技术优势。

Description

一种基于众包数据的停车位引导方法及系统

技术领域

本发明涉及一种计算机技术和智能交通领域，尤其是涉及一种基于众包移动位置数据实现开放停车场内车位引导的方法和系统。

背景技术

随着经济的发展、城市规模的扩大、人口密度的上升和小汽车保有量的不断增长，日趋拥挤的路侧违章停车成为普遍现象，“停车难”、“乱停车”已经成为困扰城市交通的大难题。上述停车问题的出现，一方面是因为社会停车资源总量不够，另一方面是有近30％的车位闲时时段空置但不开放，停车资源得不到有效利用。

在这种背景下，出现了一种称为“分享停车”(中国专利申请号201410232474.9，“基于移动终端遥控地锁的停车管理系统”)的新业态，通过将闲散停车资源在车位主不用的时间段内拿出来分享给别人使用，既能为车位主创收，又不影其车辆的正常停靠，还能缓解停车难的社会交通问题，改善因停车难而日益恶化的出行环境。

“分享停车”的核心功能由智能手机APP以及安装在车位上的一套智能车锁设备实现的，停车客通过APP付费获得车位的使用权后，APP得到对地锁的蓝牙控制授权，到达停车位后通过APP控制智能车锁降下挡臂，进而享受停车服务。

与传统的随机寻找车位停车的模式不同，“分享停车”场景下用户在到达停车场前车位已经被预订，用户必须寻找到精确的车位才能停车，因此，需要有完善的引导机制才不至于使得用户在寻找车位上花费较长的时间。

但是，“分享停车”的停车位目前多设置在小区内，且数目有限；一般而言，小区内的范围比较大，且大都不具备较完善的小区地图和停车诱导装置，不熟悉的用户可能很难寻找到给定的车位，影响服务体验。目前商用停车场的通用做法是建立停车场的微地图进行引导，但为了为数不多且稀疏布置的分享车位建立微引导地图，从经济层面考虑是不划算的。

发明内容

本发明着力解决在不提供微引导地图的前提下，如何实现开放停车场的车位引导的问题。

具体的，根据本发明的一个方面，提供了一种基于众包数据的停车位引导方法，用于引导车辆进入停车场的停车位，包括：

提取车辆轨迹的关键点；

基于所述关键点建立拓扑图；

基于所述拓扑图，在其上执行Dijkstra最短路径算法，得到任意入口到任意车锁的最短行驶轨迹，以及轨迹中的关键点方位、相邻两个引导点之间的行驶距离。

优选的，所述车辆在进入停车场入口后采集的位置数据定义为：

其中，唯一标识了一台车辆，N是其在时段内采集的移动位置个数；移动位置数据由N个位置点构成，每个位置点采集的属性包括时刻和位置坐标其中1≤j≤N。

优选的，所述位置数据和车辆轨迹由智能移动终端采集。

优选的，使用Douglas-Peukcer算法(以下也简称D-P算法)提取车辆轨迹的关键点。

优选的，所述基于所述关键点建立拓扑图包括：基于所述关键点的拓扑关系进行组合，形成所述拓扑图。

根据本发明的另一个方面，还提供了一种基于众包数据的停车位引导系统，用于引导车辆进入停车场的停车位，包括：

关键点提取模块，用于提取车辆轨迹的关键点；

拓扑图模块，用于基于关键点建立拓扑图；

轨迹计算模块，用于基于上述拓扑图，在其上执行Dijkstra最短路径算法，得到任意入口到任意车锁的最短行驶轨迹，以及轨迹中的关键点方位、相邻两个关键点之间的行驶距离。

本发明的优点在于：本发明在不额外投入成本的情况下，通过对众包移动位置轨迹的挖掘，得到从停车场入口到车位的诱导信息，比建立停车场引导地图的方法具有更优的经济和技术优势。

附图说明

通过阅读下文优选实施方式的详细描述，各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的，而并不认为是对本发明的限制。而且在整个附图中，用相同的参考符号表示相同的部件。在附图中：

图1为本发明中停车场、车位以及用户停车轨迹示意图；

图2为本发明中D-P算法的执行步骤示意图；

图3为本发明中停车轨迹形成的关键点示意图；

图4为本发明中停车轨迹形成的关键点拓扑关系图；

图5为本发明的基于众包的停车位引导方法流程图；

图6为本发明的基于众包的停车位引导系统结构图。

具体实施方式

下面将参照附图更详细地描述本公开的示例性实施方式。虽然附图中显示了本公开的示例性实施方式，然而应当理解，可以以各种形式实现本公开而不应被这里阐述的实施方式所限制。相反，提供这些实施方式是为了能够更透彻地理解本公开，并且能够将本公开的范围完整的传达给本领域的技术人员。

一般而言，在驶入分享停车场时，智能手机需要与地锁进行蓝牙通信连接，此时分享停车的APP是启动的，在功能上可以采集用户从进入车场到停车位的所有移动位置轨迹，通过对众包的移动位置轨迹进行空间分析，则可以优化得出从停车场入口到停车位的行驶路线诱导信息，为后续的停车客户提供诱导服务，提升停车服务的体验。

如图1所示，L₁和L₂本别是停车场内设置的2个分享车位，C₁和C₂分别是进入停车场后APP采集的高频移动轨迹数据，APP已知其目的车位分别是L₁和L₂；从C₁的轨迹可以看出，其在到达L₁的后半程有一段绕路存在。

通过对轨迹的进一步空间分析，我们可以得到优化的从停车场入口到每一个车位锁的最优路线，并生成引导信息。

设车辆在进入停车场入口后采集的位置数据定义为：

其中，唯一标识了一台车辆，N是其在时段内采集的移动位置个数；移动位置数据由N个位置点构成，每个位置点采集的属性包括时刻和位置坐标其中1≤j≤N。

具体的，如图5所示，本发明的基于众包的停车位引导方法包括如下步骤：

步骤S1：提取车辆轨迹的关键点

APP采集的定位数据是高频数据，且大多数的定位数据都是直连的。因此，在处理之前，需要对提取出几个特征比较大的定位点(即拐点)，来代替整条高频定位轨迹。

Douglas-Peukcer算法由D.Douglas和T.Peueker于1973年提出，简称D-P算法，是公认的线状要素化简经典算法。现有的线化简算法中，有相当一部分都是在该算法基础上进行改进产生的。它的长处是具有平移和旋转不变性，给定曲线与阈值后，抽样结果一定。

算法的基本思路是：对每一条曲线的首末点虚连一条直线,求所有点与直线的距离,并找出最大距离值d_max,用d_max与限差D相比：若d_max<D,这条曲线上的中间点均舍去；若d_max≥D,保留d_max相应的坐标点,并以该点为界,把曲线分为两部分,对这两部分反复使用该方法。

图2是对图1中C₁的轨迹执行D-P算法的步骤；

在轨迹首尾向量之间虚连一条直线，求轨迹中所有点到直线的距离，选其最大者与阈值相比較,若大于阈值,则离该直线距离最大的点保留,否则将直线两端点间各点均舍去，得到点

根据所保留的点,将已知曲线分成两部分处理,反复第1步操作，迭代操作，即仍选距离最大者与阈值比较,依次取舍,直到无点可舍去，最后得到满足给定精度限差的曲线点坐标和

同理，可以建立C₂的关键点为和如图3所示。

步骤S2，基于关键点建立拓扑图

如图3所示，基于C₁轨迹，我们可以得到关键点的拓扑关系为：

相邻2个点之间的距离基于轨迹中相邻两个点的距离累加，不妨设在C₁轨迹点顺序中的下标为α，在C₁轨迹点顺序中的下标为β，则有相邻2个点之间的距离为：

同理可以得到C₂轨迹关键点的拓扑关系为：

将C₁的关键点和C₂的关键点互相做映射，如和可以映射到中，形成L₁映射到形成

将上述拓扑关系进行组合，可以形成如图4所示的拓扑图。图4中节点之间的边代表了节点之间存在连通关系，以及相邻两个节点之间的通行代价。

步骤S3、基于步骤二生成的关键点拓扑图，在其上执行Dijkstra最短路径算法，得到任意入口到任意车锁的最短行驶轨迹，以及轨迹中的关键点(也是导航的关键引导点)方位、相邻两个引导点之间的行驶距离。

Dijkstra(迪杰斯特拉)算法是典型的最短路径路由算法，用于计算一个节点到其他所有节点的最短路径。主要特点是以起始点为中心向外层层扩展，直到扩展到终点为止。Dijkstra算法能得出最短路径的最优解。

例如，IO₁到L₁的引导轨迹为：

优于C₁给出的轨迹；

从IO₂到L₁的引导轨迹为：

实际上先前还未有这样的轨迹存在；

从IO₂到L₂的引导轨迹为：

实际上先前还未有这样的轨迹存在；

从IO₂到L₂的引导轨迹为：

等同于C₂给出的轨迹。

如此，本发明在不额外投入成本的情况下，通过对众包移动位置轨迹的挖掘，得到从停车场入口到车位的诱导信息，比建立停车场引导地图的方法具有更优的经济和技术优势。

相应地，如图6所示，根据本发明的另一个方面，还提供了一种基于众包的停车位引导系统100，包括：

关键点提取模块101，用于提取车辆轨迹的关键点；

拓扑图模块102，用于基于关键点建立拓扑图；

轨迹计算模块103，用于基于上述关键点的拓扑图，在其上执行Dijkstra最短路径算法，得到任意入口到任意车锁的最短行驶轨迹，以及轨迹中的关键点(也是导航的关键引导点)方位、相邻两个引导点之间的行驶距离。

以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以所述权利要求的保护范围为准。

Claims (10)

1.一种基于众包数据的停车位引导方法，用于引导车辆进入停车场的停车位，包括：

提取车辆轨迹的关键点；

基于所述关键点建立拓扑图；

基于所述拓扑图，在其上执行Dijkstra最短路径算法，得到任意入口到任意车锁的最短行驶轨迹，以及轨迹中的关键点方位、相邻两个关键点之间的行驶距离。

2.根据权利要求1所述的基于众包数据的停车位引导方法，其特征在于：

所述车辆在进入停车场入口后采集的位置数据定义为：

<mrow> <msubsup> <mi>C</mi> <mi>N</mi> <mrow> <mo>(</mo> <mi>k</mi> <mo>)</mo> </mrow> </msubsup> <mo>=</mo> <mo>{</mo> <msubsup> <mi>p</mi> <mi>j</mi> <mi>k</mi> </msubsup> <mo>|</mo> <msubsup> <mi>p</mi> <mi>j</mi> <mi>k</mi> </msubsup> <mo>=</mo> <mrow> <mo>(</mo> <msubsup> <mi>t</mi> <mi>j</mi> <mi>k</mi> </msubsup> <mo>,</mo> <mo>&lt;</mo> <mi>x</mi> <mo>,</mo> <mi>y</mi> <msubsup> <mo>&gt;</mo> <mi>j</mi> <mi>k</mi> </msubsup> <mo>)</mo> </mrow> <mo>}</mo> <mo>,</mo> <mn>1</mn> <mo>&amp;le;</mo> <mi>j</mi> <mo>&amp;le;</mo> <mi>N</mi> </mrow>

其中，唯一标识一台车辆，N是其在时段内采集的移动位置个数；移动位置数据由N个位置点构成，每个位置点采集的属性包括时刻和位置坐标其中1≤j≤N。

3.根据权利要求1或2所述的基于众包数据的停车位引导方法，其特征在于：

所述位置数据和车辆轨迹由智能移动终端采集。

4.根据权利要求1或2所述的基于众包数据的停车位引导方法，其特征在于：

使用Douglas-Peukcer算法提取车辆轨迹的关键点。

5.根据权利要求1或2所述的基于众包数据的停车位引导方法，其特征在于：

所述基于所述关键点建立拓扑图包括：基于所述关键点的拓扑关系进行组合，形成所述拓扑图。

6.一种基于众包数据的停车位引导系统，用于引导车辆进入停车场的停车位，包括：

关键点提取模块，用于提取车辆轨迹的关键点；

拓扑图模块，用于基于关键点建立拓扑图；

轨迹计算模块，用于基于上述拓扑图，在其上执行Dijkstra最短路径算法，得到任意入口到任意车锁的最短行驶轨迹，以及轨迹中的关键点方位、相邻两个关键点之间的行驶距离。

7.根据权利要求6所述的基于众包数据的停车位引导系统，其特征在于：

所述车辆在进入停车场入口后采集的位置数据定义为：

<mrow> <msubsup> <mi>C</mi> <mi>N</mi> <mrow> <mo>(</mo> <mi>k</mi> <mo>)</mo> </mrow> </msubsup> <mo>=</mo> <mo>{</mo> <msubsup> <mi>p</mi> <mi>j</mi> <mi>k</mi> </msubsup> <mo>|</mo> <msubsup> <mi>p</mi> <mi>j</mi> <mi>k</mi> </msubsup> <mo>=</mo> <mrow> <mo>(</mo> <msubsup> <mi>t</mi> <mi>j</mi> <mi>k</mi> </msubsup> <mo>,</mo> <mo>&lt;</mo> <mi>x</mi> <mo>,</mo> <mi>y</mi> <msubsup> <mo>&gt;</mo> <mi>j</mi> <mi>k</mi> </msubsup> <mo>)</mo> </mrow> <mo>}</mo> <mo>,</mo> <mn>1</mn> <mo>&amp;le;</mo> <mi>j</mi> <mo>&amp;le;</mo> <mi>N</mi> </mrow>

其中，唯一标识了一台车辆，N是其在时段内采集的移动位置个数；移动位置数据由N个位置点构成，每个位置点采集的属性包括时刻和位置坐标其中1≤j≤N。

8.根据权利要求6或7所述的基于众包数据的停车位引导系统，其特征在于：

所述位置数据和车辆轨迹由智能移动终端采集。

9.根据权利要求6或7所述的基于众包数据的停车位引导系统，其特征在于：

使用Douglas-Peukcer算法提取车辆轨迹的关键点。

10.根据权利要求6或7所述的基于众包数据的停车位引导系统，其特征在于：

所述基于所述关键点建立拓扑图包括：基于所述关键点的拓扑关系进行组合，形成所述拓扑图。