CN108062601A - 一种停车场动态定价方法和装置 - Google Patents
一种停车场动态定价方法和装置 Download PDFInfo
- Publication number
- CN108062601A CN108062601A CN201711383894.7A CN201711383894A CN108062601A CN 108062601 A CN108062601 A CN 108062601A CN 201711383894 A CN201711383894 A CN 201711383894A CN 108062601 A CN108062601 A CN 108062601A
- Authority
- CN
- China
- Prior art keywords
- parking
- parking lot
- mrow
- user
- lot
- 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
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
- G06Q10/04—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
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0283—Price estimation or determination
Abstract
本发明实施例提供一种停车场动态定价方法和装置,获取用户出行以及停车场中车位占用的历史数据和实时数据。根据停车场中车位占用的历史数据和实时数据对停车场在设定时间段内的车位利用率进行预测。根据用户出行的历史数据和实时数据对停车场在设定时间段内的停车需求进行预测。然后根据停车场的停车需求和车位利用率调整停车场的停车价格。由于对未来一段时间停车场的停车需求和车位占用率进行预测,并根据预测结果实时调整停车价格,故能有效地调节停车场的供需关系,使停车位能得到有效利用。另外,通过动态调整停车场的停车价格,将用户引导至非热门停车场,从而一方面减少了用户巡游的时间,另一方面缓解了高峰时段热门区域的交通拥堵。
Description
技术领域
本发明实施例涉及城市智能停车领域,尤其涉及一种停车场动态定价方法和装置。
背景技术
随着我国城市化进程的加快以及社会经济水平的提高,全国机动车保有量急剧增加,截至2016年12月底,约达2.9亿辆。在这种情况下,城市交通拥堵、停车难以及乱停车现象已非常普遍,特别是城市中心区高峰期间车辆停车过程中产生的额外交通量(称之为巡游交通量)约占总交通量的30%,甚至更高。由此可以看出,城市停车问题在一定程度上加剧了城市的交通拥堵问题。
停车难问题的本质原因是停车需求和供给在时间和空间上的不统一和不均衡。随着移动互联技术的出现,停车问题出现了新的解决方法。近几年,国际化的大城市陆续提出采用需求响应式的城市停车场动态定价作为杠杆来协调停车在需求和供给上的不统一和不均衡,具体为:采用停车场车辆的进出数据进行停车场利用率的时间序列分析,依据分析的结果判断停车价格是否需要调整。但是该方法仅仅依据现有停车的需求和供给情况来进行价格的动态调整,并没有对停车的需求和供给的动态预测,这就有可能会造成未来需求和供给之间的不均衡。
发明内容
本发明实施例提供一种停车场动态定价方法和装置,用于解决仅根据当前停车的需求和供给情况进行价格调整导致停车场未来供需不平衡的问题。
本发明实施例提供了一种停车场动态定价方法,包括:
获取停车场中车位占用的历史数据和实时数据以及用户出行的历史数据和实时数据;
根据所述停车场中车位占用的历史数据和实时数据对所述停车场在设定时间段内的车位利用率进行预测;
根据所述用户出行的历史数据和实时数据对所述停车场在所述设定时间段内的停车需求进行预测;
根据所述停车场在所述设定时间段内的停车需求和车位利用率调整所述停车场的停车价格。
可选地,所述根据所述用户出行的历史数据和实时数据对所述停车场在所述设定时间段内的停车需求进行预测,包括:
根据所述用户出行的历史数据确定用户的停车场选取规律;
根据所述停车场选取规律、所述用户出行的实时数据以及所述停车场的负效用预测所述停车场在所述设定时间段内的停车需求,所述负效用是根据步行距离、停车场的实时停车价格以及停车巡游的概率确定的。
可选地,所述根据所述停车场在所述设定时间段内的停车需求和车位利用率调整所述停车场的停车价格,包括:
在确定所述停车场在所述设定时间段内的车位利用率超过预设的阈值范围时,根据所述停车场的停车需求、所述停车场的车辆平均停车时长以及所述停车场的负效用确定所述停车场的停车价格,其中,所述车辆平均停车时长是根据所述停车场中车位占用的历史数据和实时数据确定的。
可选地,所述根据所述停车场的停车需求、所述停车场的车辆平均停车时长以及所述停车场的负效用确定所述停车场的停车价格符合下述公式(1):
其中,y为最大化经济剩余,t为任意一个统计时间段,ts≤t≤ts+Δτ,J为统计区域内的停车场集合,j为统计区域内任意一个停车场,V为出行起点和终点不同的用户类型集合,v为出行起点和终点不同的用户类型中的任意一类用户,为停车场j的车辆在统计时间段t内的平均停车时长,为用户类型v中选择停车场j的人数,为所有类型的用户中选择停车场j的总人数,为用户类型v在统计时间段t内对停车场j的停车需求,umax为统计区域内的停车场对用户类型v的负效用的最大值,为统计区域内的停车场在统计时间段t内对用户类型v的负效用,为停车场j在统计时间段内t的停车价格,在预设的约束范围内调整。
可选地,所述根据所述停车场在所述设定时间段内的停车需求和车位利用率调整所述停车场的停车价格之后,还包括:
将所述停车场的车位利用率和所述停车场的停车价格进行发布。
相应地,本发明实施例提供了一种停车场动态定价装置,包括:
获取模块,用于获取停车场中车位占用的历史数据和实时数据以及用户出行的历史数据和实时数据;
处理模块,用于根据所述停车场中车位占用的历史数据和实时数据对所述停车场在设定时间段内的车位利用率进行预测;根据所述用户出行的历史数据和实时数据对所述停车场在所述设定时间段内的停车需求进行预测;根据所述停车场在所述设定时间段内的停车需求和车位利用率调整所述停车场的停车价格。
可选地,所述处理模块具体用于:
根据所述用户出行的历史数据确定用户的停车场选取规律;
根据所述停车场选取规律、所述用户出行的实时数据以及所述停车场的负效用预测所述停车场在所述设定时间段内的停车需求,所述负效用是根据步行距离、停车场的实时停车价格以及停车巡游的概率确定的。
可选地,所述处理模块具体用于:
在确定所述停车场在所述设定时间段内的车位利用率超过预设的阈值范围时,根据所述停车场的停车需求、所述停车场的车辆平均停车时长以及所述停车场的负效用确定所述停车场的停车价格,其中,所述车辆平均停车时长是根据所述停车场中车位占用的历史数据和实时数据确定的。
可选地,所述根据所述停车场的停车需求、所述停车场的车辆平均停车时长以及所述停车场的负效用确定所述停车场的停车价格符合下述公式(1):
其中,y为最大化经济剩余,t为任意一个统计时间段,ts≤t≤ts+Δτ,J为统计区域内的停车场集合,j为统计区域内任意一个停车场,V为出行起点和终点不同的用户类型集合,v为出行起点和终点不同的用户类型中的任意一类用户,为停车场j的车辆在统计时间段t内的平均停车时长,为用户类型v中选择停车场j的人数,为所有类型的用户中选择停车场j的总人数,为用户类型v在统计时间段t内对停车场j的停车需求,umax为统计区域内的停车场对用户类型v的负效用的最大值,为统计区域内的停车场在统计时间段t内对用户类型v的负效用,为停车场j在统计时间段内t的停车价格,在预设的约束范围内调整。
可选地,所述处理模块还用于:
根据所述停车场在所述设定时间段内的停车需求和车位利用率调整所述停车场的停车价格之后,将所述停车场的车位利用率和所述停车场的停车价格进行发布。
本发明实施例提供了一种计算设备,包括:
存储器,用于存储程序指令;
处理器,用于调用所述存储器中存储的程序指令,按照获得的程序执行如上述任一项所述的方法。
本发明实施例提供了一种计算机存储介质,所述计算机可读存储介质存储有计算机可执行指令,所述计算机可执行指令用于使计算机执行如上述任一项所述的方法。
本发明实施例表明,获取停车场中车位占用的历史数据和实时数据以及用户出行的历史数据和实时数据。根据所述停车场中车位占用的历史数据和实时数据对所述停车场在设定时间段内的车位利用率进行预测。根据所述用户出行的历史数据和实时数据对所述停车场在所述设定时间段内的停车需求进行预测。然后根据所述停车场在所述设定时间段内的停车需求和车位利用率调整所述停车场的停车价格。由于对未来一段时间内停车场的停车需求以及车位占用率进行预测,并根据预测的结果实时调整停车场的停车价格,故能有效地调节停车场的供需关系,使停车位能得到有效利用。另外,通过动态调整停车场的停车价格,可以将用户引导至非热门停车场停车,从而一方面减少了用户开车巡游的时间,另一方面缓解了高峰时段热门区域的交通拥堵。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例描述中所需要使用的附图作简要介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域的普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的一种停车场动态定价方法的流程示意图;
图2为本发明实施例提供的一种停车需求预测方法的流程示意图;
图3为本发明实施例提供的另一种停车场动态定价方法的流程示意图;
图4为本发明实施例提供的一种停车场动态定价装置的结构示意图。
具体实施方式
为了使本发明的目的、技术方案及有益效果更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
本发明实施例提供了一种停车场动态定价方法,如图1所示,包括以下步骤:
步骤S101,获取停车场中车位占用的历史数据和实时数据以及用户出行的历史数据和实时数据。
步骤S102,根据停车场中车位占用的历史数据和实时数据对停车场在设定时间段内的车位利用率进行预测。
步骤S103,根据用户出行的历史数据和实时数据对停车场在设定时间段内的停车需求进行预测。
步骤S104,根据停车场在设定时间段内的停车需求和车位利用率调整停车场的停车价格。
具体地,在步骤S101中,停车场可以是路内停车场、路外停车场、公共停车场等。车位占用的历史数据和实时数据是通过车辆检测设备获取的,车辆检测设备可以是地磁检测器、红外检测器等。车位占用的历史数据和实时数据包括被占用的车位编号、车位被占用的时刻、车位被释放的时刻等。用户出行的历史数据和实时数据从用户在移动设备上提交的数据中获取,比如百度地图。用户出行的历史数据和实时数据包括用户出行起点、终点以及选择的停车场等。
在步骤S102中,采用空间-时间预测算法,预测不同停车场的车位利用率。其中空间-时间预测算法的主体为最小二乘算法和主成分分析。设定时间段为未来的一段时间。具体实施中也可以将未来的一段时间划分为多个周期,实时预测每个周期的车位利用率。
由于对未来一段时间内停车场的停车需求以及车位占用率进行预测,并根据预测的结果实时调整停车场的停车价格,故能有效地调节停车场的供需关系,使停车位能得到有效利用。另外,通过动态调整停车场的停车价格,可以将用户引导至非热门停车场停车,从而一方面减少了用户开车巡游的时间,另一方面缓解了高峰时段热门区域的交通拥堵。
具体实施中,对停车场的停车需求进行预测过程具体包括以下步骤,如图2所示:
步骤S201,根据用户出行的历史数据确定用户的停车场选取规律。
步骤S202,根据停车场选取规律、用户出行的实时数据以及停车场对用户的负效用预测停车场在设定时间段内的停车需求。
具体地,在步骤S201中,用户的停车场选取规律即为用户选择各个停车场的人数。在确定用户的停车场选取规律时,首先根据用户出行的历史数据对用户进行分类,分类的规则可以是根据出行起点和终点进行分类,也可以是根据用户选择的停车场进行分类。针对任意用户类型v,根据该类用户出行的历史数据对用户的出行规律进行标定。假设标定后用户类型v的出行服从泊松分布,分布的均值为那么用户类型v中选择停车场j的用户也服从泊松分布,分布的均值为即用户类型v中选择停车场j的人数为其中为用户类型v中选择停车场j的概率。根据各类用户选择停车场j的人数可确定出所有用户中选择停车场j的人数,具体符合下述公式(2):
其中,H为所有类型的用户中选择停车场j的用户总人数,V为出行起点和终点不同的用户类型集合。
在步骤S202中,负效用是根据步行距离、停车场的实时停车价格以及停车巡游的概率确定的,具体符合下述公式(3):
其中,为停车场j在统计时间段t内对用户类型v负效用,qj为到达停车场j的用户的停车巡游的概率,为用户类型v选择停车场j的步行距离,为停车场j展示给用户类型v的实时停车价格,以及为预设的权值,其中,停车巡游的概率具体符合下述公式(4):
其中,表示排队中的服务强度,λj表示停车场j的到达率,μj表示停车场j的服务效率,cj表示停车场j的停车位数量。
用户在出行过程中,总是选择负效用最小的停车场,因此若停车场对用户的负效用越大,选择该停车场的人数就越少,该停车场的停车需求就越低。获取到用户出行的实时数据之后,根据用户出行的实时数据可预测未来一段时间内需要停车的用户数量。然后进一步根据需要停车的用户数量以及停车场对用户的负效用可以估计出选择该停车场的用户数量,最后根据估算得到的选择该停车场的用户数量以及用户的停车场选取规律可确定出停车场的停车需求。具体实施中,可采用回归树、随机森林以及最近邻分析等统计和机器学习方法进行停车场的需求预测。由于将用户出行的历史数据与停车场实时的负效用结合预测停车场的停车需求,故预测得到的停车需求更符合未来一段时间段内停车场的到达率,进而提高了动态调整停车场停车价格的精度。
进一步地,根据停车场在设定时间段内的停车需求和车位利用率确定停车场的停车价格包括以下步骤:
判断停车场在设定时间段内的车位利用率是否超过预设的阈值范围,若超过预设的阈值范围时,根据停车场的停车需求、车辆平均停车时长以及负效用确定停车场的停车价格。具体实施中,预设的阈值范围可根据实际情况进行设定,比如将阈值范围设置为[80%,85%],当停车场的利用率没有在这个范围内时则认为超过预设的阈值范围。根据停车场的停车需求、车辆平均停车时长以及负效用确定停车场的停车价格符合下述公式(1):
其中,y为最大化经济剩余,t为任意一个统计时间段,ts≤t≤ts+Δτ,J为统计区域内的停车场集合,j为统计区域内任意一个停车场,V为出行起点和终点不同的用户类型集合,v为出行起点和终点不同的用户类型中的任意一类用户,为停车场j的车辆在统计时间段t内的平均停车时长,为用户类型v中选择停车场j的人数,为所有类型的用户中选择停车场j的总人数,为用户类型v在统计时间段t内对停车场j的停车需求,umax为统计区域内的停车场对用户类型v的负效用的最大值,为统计区域内的停车场在统计时间段t内对用户类型v的负效用,为停车场j在统计时间段内t的停车价格,在预设的约束范围内调整。
当以车位利用率为目标时,可根据车位利用率和停车场价格之间的对应关系调整停车场的停车价格,使未来一段时间内停车场的车位利用率和预先给定的车位利用率之间的偏差不会过大。当最大化企业收益为目标时,调整停车场的停车价格实现最大化企业收益符合下述公式(5)
其中,z为最大化企业收益,t为任意一个统计时间段,ts≤t≤ts+Δτ,J为统计区域内的停车场集合,j为统计区域内任意一个停车场,V为出行起点和终点不同的用户类型集合,v为出行起点和终点不同的用户类型中的任意一类用户,为停车场j的车辆在统计时间段t内的平均停车时长,为所有类型的用户中选择停车场j的总人数。
由于根据停车需求、车辆平均停车时长以及负效用实时调整停车场的停车价格,故在高峰时段热门区域出现拥堵时,可对出行用户进行分流,一方面提高了非热门区域的停车场的利用率,缓解了热门区域的交通拥堵,另一方面给用户提供了更加多元的选择,减少了排队停车的时间。
在根据停车场在设定时间段内的停车需求和车位利用率调整停车场的停车价格之后,将停车场的车位利用率和停车场的停车价格进行发布。发布的途径可以是用户的移动设备、网站或者停车诱导屏等。由于实时将停车场的车位利用率以及停车价格进行发布,故用户能根据发布的信息以及自身的经验进行停车场选择,从而避免了大量用户选择在热门区域的停车场停车,有利于缓解交通拥堵。
为了更好的解释本发明实施例,下面通过具体的实施场景描述本发明实施例提供的一种停车场动态定价方法的流程,如图3所示,包括以下步骤:
步骤S301,获取出行者的停车场选择信息。
步骤S302,获取停车场车位的占用情况。
步骤S303,将出行者的停车场选择信息和停车场车位的占用信息上传至停车大数据中心。
步骤S304,根据停车大数据中心的停车需求和供给预测模型以及定价模型确定停车场的车位利用率和停车场的停车价格。
步骤S305,将停车场的车位利用率和停车场的停车价格进行发布。
具体实施中,停车大数据中心共包括三个部分,分别是数据库、停车需求和供给预测模型以及定价模型。停车场选择信息和停车场车位的占用信息等停车数据汇总存储到特定的专题数据库。定价模型采用滚动时间窗模式下的双层规划模型。双层规划模型的上层为动态定价意图实现的目标,双层规划模型的下层为出行者的停车场选择行为,其选择的标准为停车负效用最小化。双层规划模型的上下层之间是耦合的关系,下层出行者进行停车场选择的过程中考虑上层输出的定价信息。出行者进行停车场选择之后选择的结果又影响上层的定价信息。
从上述内容可以看出,获取停车场中车位占用的历史数据和实时数据以及用户出行的历史数据和实时数据。根据所述停车场中车位占用的历史数据和实时数据对所述停车场在设定时间段内的车位利用率进行预测。根据所述用户出行的历史数据和实时数据对所述停车场在所述设定时间段内的停车需求进行预测。然后根据所述停车场在所述设定时间段内的停车需求和车位利用率调整所述停车场的停车价格。由于对未来一段时间内停车场的停车需求以及车位占用率进行预测,并根据预测的结果实时调整停车场的停车价格,故能有效地调节停车场的供需关系,使停车位能得到有效利用。另外,通过动态调整停车场的停车价格,可以将用户引导至非热门停车场停车,从而一方面减少了用户开车巡游的时间,另一方面缓解了高峰时段热门区域的交通拥堵。
基于相同的技术构思,本发明实施例还提供了一种停车场动态定价装置,如图4所示,包括:
获取模块401,用于获取停车场中车位占用的历史数据和实时数据以及用户出行的历史数据和实时数据;
处理模块402,用于根据所述停车场中车位占用的历史数据和实时数据对所述停车场在设定时间段内的车位利用率进行预测;根据所述用户出行的历史数据和实时数据对所述停车场在所述设定时间段内的停车需求进行预测;根据所述停车场在所述设定时间段内的停车需求和车位利用率调整所述停车场的停车价格。
可选地,所述处理模块402具体用于:
根据所述用户出行的历史数据确定用户的停车场选取规律;
根据所述停车场选取规律、所述用户出行的实时数据以及所述停车场对用户的负效用预测所述停车场在所述设定时间段内的停车需求,所述负效用是根据步行距离、停车场的实时停车价格以及停车巡游的概率确定的。
可选地,所述处理模块402具体用于:
在确定所述停车场在所述设定时间段内的车位利用率超过预设的阈值范围时,根据所述停车需求、车辆平均停车时长以及所述负效用确定所述停车场的停车价格,其中,所述车辆平均停车时长是根据所述停车场中车位占用的历史数据和实时数据确定的。
可选地,所述根据所述停车需求、车辆平均停车时长以及所述负效用确定所述停车场的停车价格符合下述公式(1):
其中,y为最大化经济剩余,t为任意一个统计时间段,ts≤t≤ts+Δτ,J为统计区域内的停车场集合,j为统计区域内任意一个停车场,V为出行起点和终点不同的用户类型集合,v为出行起点和终点不同的用户类型中的任意一类用户,为停车场j的车辆在统计时间段t内的平均停车时长,为用户类型v中选择停车场j的人数,为所有类型的用户中选择停车场j的总人数,为用户类型v在统计时间段t内对停车场j的停车需求,umax为统计区域内的停车场对用户类型v的负效用的最大值,为统计区域内的停车场在统计时间段t内对用户类型v的负效用,为停车场j在统计时间段内t的停车价格,在预设的约束范围内调整。
可选地,所述处理模块402还用于:
根据所述停车场在所述设定时间段内的停车需求和车位利用率调整所述停车场的停车价格之后,将所述停车场的车位利用率和所述停车场的停车价格进行发布。
本发明实施例提供了一种计算设备,该计算设备具体可以为桌面计算机、便携式计算机、智能手机、平板电脑、个人数字助理(Personal Digital Assistant,PDA)等。该计算设备可以包括中央处理器(Center Processing Unit,CPU)、存储器、输入/输出设备等,输入设备可以包括键盘、鼠标、触摸屏等,输出设备可以包括显示设备,如液晶显示器(Liquid Crystal Display,LCD)、阴极射线管(Cathode Ray Tube,CRT)等。
存储器,可以包括只读存储器(ROM)和随机存取存储器(RAM),并向处理器提供存储器中存储的程序指令和数据。在本发明实施例中,存储器可以用于存储停车场动态定价方法的程序指令;
处理器,用于调用所述存储器中存储的程序指令,按照获得的程序执行交停车场动态定价方法。
本发明实施例提供了一种计算机存储介质,所述计算机可读存储介质存储有计算机可执行指令,所述计算机可执行指令用于使所述计算机执行停车场动态定价方法。
本领域内的技术人员应明白,本发明的实施例可提供为方法、或计算机程序产品。因此,本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
尽管已描述了本发明的优选实施例,但本领域内的技术人员一旦得知了基本创造性概念,则可对这些实施例作出另外的变更和修改。所以,所附权利要求意欲解释为包括优选实施例以及落入本发明范围的所有变更和修改。
显然,本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样,倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内,则本发明也意图包含这些改动和变型在内。
Claims (12)
1.一种停车场动态定价方法,其特征在于,包括:
获取停车场中车位占用的历史数据和实时数据以及用户出行的历史数据和实时数据;
根据所述停车场中车位占用的历史数据和实时数据对所述停车场在设定时间段内的车位利用率进行预测;
根据所述用户出行的历史数据和实时数据对所述停车场在所述设定时间段内的停车需求进行预测;
根据所述停车场在所述设定时间段内的停车需求和车位利用率调整所述停车场的停车价格。
2.如权利要求1所述的方法,其特征在于,所述根据所述用户出行的历史数据和实时数据对所述停车场在所述设定时间段内的停车需求进行预测,包括:
根据所述用户出行的历史数据确定用户的停车场选取规律;
根据所述停车场选取规律、所述用户出行的实时数据以及所述停车场的负效用预测所述停车场在所述设定时间段内的停车需求,所述负效用是根据步行距离、停车场的实时停车价格以及停车巡游的概率确定的。
3.如权利要求2所述的方法,其特征在于,所述根据所述停车场在所述设定时间段内的停车需求和车位利用率调整所述停车场的停车价格,包括:
在确定所述停车场在所述设定时间段内的车位利用率超过预设的阈值范围时,根据所述停车场的停车需求、所述停车场的车辆平均停车时长以及所述停车场的负效用确定所述停车场的停车价格,其中,所述车辆平均停车时长是根据所述停车场中车位占用的历史数据和实时数据确定的。
4.如权利要求3所述的方法,其特征在于,所述根据所述停车场的停车需求、所述停车场的车辆平均停车时长以及所述停车场的负效用确定所述停车场的停车价格符合下述公式(1):
<mrow>
<mi>y</mi>
<mo>=</mo>
<mi>m</mi>
<mi>a</mi>
<mi>x</mi>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>t</mi>
<mo>=</mo>
<msub>
<mi>t</mi>
<mi>s</mi>
</msub>
</mrow>
<mrow>
<msub>
<mi>t</mi>
<mi>s</mi>
</msub>
<mo>+</mo>
<mi>&Delta;</mi>
<mi>&tau;</mi>
</mrow>
</munderover>
<munder>
<mo>&Sigma;</mo>
<mrow>
<mi>j</mi>
<mo>&Element;</mo>
<mi>J</mi>
</mrow>
</munder>
<mrow>
<mo>(</mo>
<mfrac>
<mn>1</mn>
<msubsup>
<mi>&theta;</mi>
<mi>j</mi>
<mi>t</mi>
</msubsup>
</mfrac>
<msubsup>
<mi>C</mi>
<mi>j</mi>
<mi>t</mi>
</msubsup>
<mo>(</mo>
<mrow>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>v</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>V</mi>
</munderover>
<msub>
<mover>
<mi>n</mi>
<mo>&OverBar;</mo>
</mover>
<mi>v</mi>
</msub>
<msubsup>
<mi>p</mi>
<mi>j</mi>
<mi>v</mi>
</msubsup>
</mrow>
<mo>)</mo>
<mo>+</mo>
<munder>
<mo>&Sigma;</mo>
<mrow>
<mi>v</mi>
<mo>&Element;</mo>
<mi>V</mi>
</mrow>
</munder>
<mfrac>
<mn>1</mn>
<mn>2</mn>
</mfrac>
<msubsup>
<mi>h</mi>
<mrow>
<mi>j</mi>
<mo>,</mo>
<mi>v</mi>
</mrow>
<mi>t</mi>
</msubsup>
<mo>(</mo>
<mrow>
<msub>
<mi>u</mi>
<mrow>
<mi>m</mi>
<mi>a</mi>
<mi>x</mi>
</mrow>
</msub>
<mo>+</mo>
<msubsup>
<mi>u</mi>
<mi>v</mi>
<mi>t</mi>
</msubsup>
</mrow>
<mo>)</mo>
<mo>)</mo>
</mrow>
<mn>...</mn>
<mrow>
<mo>(</mo>
<mn>1</mn>
<mo>)</mo>
</mrow>
</mrow>
其中,y为最大化经济剩余,t为任意一个统计时间段,ts≤t≤ts+Δτ,J为统计区域内的停车场集合,j为统计区域内任意一个停车场,V为出行起点和终点不同的用户类型集合,v为出行起点和终点不同的用户类型中的任意一类用户,为停车场j的车辆在统计时间段t内的平均停车时长,为用户类型v中选择停车场j的人数,为所有类型的用户中选择停车场j的总人数,为用户类型v在统计时间段t内对停车场j的停车需求,umax为统计区域内的停车场对用户类型v的负效用的最大值,为统计区域内的停车场在统计时间段t内对用户类型v的负效用,为停车场j在统计时间段内t的停车价格,在预设的约束范围内调整。
5.如权利要求1所述的方法,其特征在于,所述根据所述停车场在所述设定时间段内的停车需求和车位利用率调整所述停车场的停车价格之后,还包括:
将所述停车场的车位利用率和所述停车场的停车价格进行发布。
6.一种停车场动态定价装置,其特征在于,包括:
获取模块,用于获取停车场中车位占用的历史数据和实时数据以及用户出行的历史数据和实时数据;
处理模块,用于根据所述停车场中车位占用的历史数据和实时数据对所述停车场在设定时间段内的车位利用率进行预测;根据所述用户出行的历史数据和实时数据对所述停车场在所述设定时间段内的停车需求进行预测;根据所述停车场在所述设定时间段内的停车需求和车位利用率调整所述停车场的停车价格。
7.如权利要求6所述的装置,其特征在于,所述处理模块具体用于:
根据所述用户出行的历史数据确定用户的停车场选取规律;
根据所述停车场选取规律、所述用户出行的实时数据以及所述停车场的负效用预测所述停车场在所述设定时间段内的停车需求,所述负效用是根据步行距离、停车场的实时停车价格以及停车巡游的概率确定的。
8.如权利要求7所述的装置,其特征在于,所述处理模块具体用于:
在确定所述停车场在所述设定时间段内的车位利用率超过预设的阈值范围时,根据所述停车场的停车需求、所述停车场的车辆平均停车时长以及所述停车场的负效用确定所述停车场的停车价格,其中,所述车辆平均停车时长是根据所述停车场中车位占用的历史数据和实时数据确定的。
9.如权利要求8所述的装置,其特征在于,所述根据所述停车场的停车需求、所述停车场的车辆平均停车时长以及所述停车场的负效用确定所述停车场的停车价格符合下述公式(1):
<mrow>
<mi>y</mi>
<mo>=</mo>
<mi>m</mi>
<mi>a</mi>
<mi>x</mi>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>t</mi>
<mo>=</mo>
<msub>
<mi>t</mi>
<mi>s</mi>
</msub>
</mrow>
<mrow>
<msub>
<mi>t</mi>
<mi>s</mi>
</msub>
<mo>+</mo>
<mi>&Delta;</mi>
<mi>&tau;</mi>
</mrow>
</munderover>
<munder>
<mo>&Sigma;</mo>
<mrow>
<mi>j</mi>
<mo>&Element;</mo>
<mi>J</mi>
</mrow>
</munder>
<mrow>
<mo>(</mo>
<mfrac>
<mn>1</mn>
<msubsup>
<mi>&theta;</mi>
<mi>j</mi>
<mi>t</mi>
</msubsup>
</mfrac>
<msubsup>
<mi>C</mi>
<mi>j</mi>
<mi>t</mi>
</msubsup>
<mo>(</mo>
<mrow>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>v</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>V</mi>
</munderover>
<msub>
<mover>
<mi>n</mi>
<mo>&OverBar;</mo>
</mover>
<mi>v</mi>
</msub>
<msubsup>
<mi>p</mi>
<mi>j</mi>
<mi>v</mi>
</msubsup>
</mrow>
<mo>)</mo>
<mo>+</mo>
<munder>
<mo>&Sigma;</mo>
<mrow>
<mi>v</mi>
<mo>&Element;</mo>
<mi>V</mi>
</mrow>
</munder>
<mfrac>
<mn>1</mn>
<mn>2</mn>
</mfrac>
<msubsup>
<mi>h</mi>
<mrow>
<mi>j</mi>
<mo>,</mo>
<mi>v</mi>
</mrow>
<mi>t</mi>
</msubsup>
<mo>(</mo>
<mrow>
<msub>
<mi>u</mi>
<mrow>
<mi>m</mi>
<mi>a</mi>
<mi>x</mi>
</mrow>
</msub>
<mo>+</mo>
<msubsup>
<mi>u</mi>
<mi>v</mi>
<mi>t</mi>
</msubsup>
</mrow>
<mo>)</mo>
<mo>)</mo>
</mrow>
<mn>...</mn>
<mrow>
<mo>(</mo>
<mn>1</mn>
<mo>)</mo>
</mrow>
</mrow>
其中,y为最大化经济剩余,t为任意一个统计时间段,ts≤t≤ts+Δτ,J为统计区域内的停车场集合,j为统计区域内任意一个停车场,V为出行起点和终点不同的用户类型集合,v为出行起点和终点不同的用户类型中的任意一类用户,为停车场j的车辆在统计时间段t内的平均停车时长,为用户类型v中选择停车场j的人数,为所有类型的用户中选择停车场j的总人数,为用户类型v在统计时间段t内对停车场j的停车需求,umax为统计区域内的停车场对用户类型v的负效用的最大值,为统计区域内的停车场在统计时间段t内对用户类型v的负效用,为停车场j在统计时间段内t的停车价格,在预设的约束范围内调整。
10.如权利要求6所述的装置,其特征在于,所述处理模块还用于:
根据所述停车场在所述设定时间段内的停车需求和车位利用率调整所述停车场的停车价格之后,将所述停车场的车位利用率和所述停车场的停车价格进行发布。
11.一种计算设备,其特征在于,包括:
存储器,用于存储程序指令;
处理器,用于调用所述存储器中存储的程序指令,按照获得的程序执行如权利要求1至5任一项所述的方法。
12.一种计算机存储介质,其特征在于,所述计算机可读存储介质存储有计算机可执行指令,所述计算机可执行指令用于使计算机执行如权利要求1至5任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711383894.7A CN108062601A (zh) | 2017-12-20 | 2017-12-20 | 一种停车场动态定价方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711383894.7A CN108062601A (zh) | 2017-12-20 | 2017-12-20 | 一种停车场动态定价方法和装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108062601A true CN108062601A (zh) | 2018-05-22 |
Family
ID=62139101
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711383894.7A Pending CN108062601A (zh) | 2017-12-20 | 2017-12-20 | 一种停车场动态定价方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108062601A (zh) |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
CN108830504A (zh) * | 2018-06-28 | 2018-11-16 | 清华大学 | 用车需求预测方法、系统、服务器及计算机存储介质 |
CN109615406A (zh) * | 2018-08-20 | 2019-04-12 | 西安艾润物联网技术服务有限责任公司 | 一种动态调价方法及装置 |
CN110942357A (zh) * | 2018-09-21 | 2020-03-31 | 中移物联网有限公司 | 一种调节方法及装置、平台、存储介质 |
CN111833106A (zh) * | 2020-07-14 | 2020-10-27 | 上海钧正网络科技有限公司 | 基于时段的出行设备调价方法、系统、设备及存储介质 |
CN112085963A (zh) * | 2019-06-14 | 2020-12-15 | 上海博泰悦臻电子设备制造有限公司 | 车辆、停车管理设备及其停车场推荐方法 |
CN112201034A (zh) * | 2020-09-22 | 2021-01-08 | 深圳市北斗智能科技有限公司 | 停车泊位调度方法、系统、装置及存储介质 |
CN112529612A (zh) * | 2020-11-26 | 2021-03-19 | 上海天健体育科技发展有限公司 | 一种基于大数据的体育场馆动态定价方法和系统 |
CN112863218A (zh) * | 2019-11-12 | 2021-05-28 | 丰田自动车株式会社 | 自动代客泊车系统以及终端装置 |
CN113327333A (zh) * | 2021-04-08 | 2021-08-31 | 厦门路桥信息股份有限公司 | 停车位预约价格动态调整方法及装置 |
-
2017
- 2017-12-20 CN CN201711383894.7A patent/CN108062601A/zh active Pending
Cited By (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
CN108830504B (zh) * | 2018-06-28 | 2021-09-21 | 清华大学 | 用车需求预测方法、系统、服务器及计算机存储介质 |
CN108830504A (zh) * | 2018-06-28 | 2018-11-16 | 清华大学 | 用车需求预测方法、系统、服务器及计算机存储介质 |
CN109615406A (zh) * | 2018-08-20 | 2019-04-12 | 西安艾润物联网技术服务有限责任公司 | 一种动态调价方法及装置 |
CN110942357A (zh) * | 2018-09-21 | 2020-03-31 | 中移物联网有限公司 | 一种调节方法及装置、平台、存储介质 |
CN110942357B (zh) * | 2018-09-21 | 2023-04-28 | 中移物联网有限公司 | 一种调节方法及装置、系统、存储介质 |
CN112085963A (zh) * | 2019-06-14 | 2020-12-15 | 上海博泰悦臻电子设备制造有限公司 | 车辆、停车管理设备及其停车场推荐方法 |
CN112085963B (zh) * | 2019-06-14 | 2022-08-23 | 博泰车联网科技(上海)股份有限公司 | 车辆、停车管理设备及其停车场推荐方法 |
CN112863218A (zh) * | 2019-11-12 | 2021-05-28 | 丰田自动车株式会社 | 自动代客泊车系统以及终端装置 |
CN111833106A (zh) * | 2020-07-14 | 2020-10-27 | 上海钧正网络科技有限公司 | 基于时段的出行设备调价方法、系统、设备及存储介质 |
CN112201034A (zh) * | 2020-09-22 | 2021-01-08 | 深圳市北斗智能科技有限公司 | 停车泊位调度方法、系统、装置及存储介质 |
CN112201034B (zh) * | 2020-09-22 | 2022-02-11 | 深圳市北斗智能科技有限公司 | 停车泊位调度方法、系统、装置及存储介质 |
CN112529612A (zh) * | 2020-11-26 | 2021-03-19 | 上海天健体育科技发展有限公司 | 一种基于大数据的体育场馆动态定价方法和系统 |
CN113327333A (zh) * | 2021-04-08 | 2021-08-31 | 厦门路桥信息股份有限公司 | 停车位预约价格动态调整方法及装置 |
CN113327333B (zh) * | 2021-04-08 | 2022-12-13 | 厦门路桥信息股份有限公司 | 停车位预约价格动态调整方法及装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108062601A (zh) | 一种停车场动态定价方法和装置 | |
Chen et al. | Predicting station level demand in a bike‐sharing system using recurrent neural networks | |
Lin et al. | Modeling urban vertical growth using cellular automata—Guangzhou as a case study | |
Mei et al. | Better lucky than rich? Comparative analysis of parking reservation and parking charge | |
CN102750411B (zh) | 基于多智能体离散选择模型城市动态微观仿真方法 | |
CN111814079B (zh) | 结合聚类与cmab的群智感知车联网用户筛选方法 | |
Yao et al. | Allocation method for transit lines considering the user equilibrium for operators | |
CN112598268A (zh) | 一种城中村更新改造潜力评估方法、装置及其存储介质 | |
CN104751249A (zh) | 一种空间负荷预测方法 | |
CN109754168A (zh) | 充电站选址方法和装置 | |
Duan et al. | Bi-level programming model for resource-shared parking lots allocation | |
CN107045785A (zh) | 一种基于灰色elm神经网络的短时交通流量预测的方法 | |
CN107886717A (zh) | 一种停车诱导方法、装置、计算设备及存储介质 | |
CN103971289A (zh) | 矿山放矿数据的处理方法及装置 | |
CN111612223B (zh) | 基于土地和交通多源数据的人口就业分布预测方法及装置 | |
Yu et al. | Optimal operations planning of electric autonomous vehicles via asynchronous learning in ride-hailing systems | |
Lei et al. | Planning of parking enforcement patrol considering drivers’ parking payment behavior | |
CN107368915A (zh) | 一种地铁乘客出行时间选择行为分析方法 | |
CN109615414A (zh) | 房产预估方法、装置及存储介质 | |
CN108985518A (zh) | 一种基于vissim仿真的交通拥堵收费策略优化方法 | |
CN105389647A (zh) | 一种基于nsga-ii的电费缴纳点选址方法 | |
CN110111001A (zh) | 一种电动汽车充电站的选址规划方法、装置以及设备 | |
CN110276387A (zh) | 一种模型的生成方法及装置 | |
CN109978241A (zh) | 一种电动汽车充电负荷的确定方法及装置 | |
Sowmya et al. | Model free Reinforcement Learning to determine pricing policy for car parking lots |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20180522 |
|
RJ01 | Rejection of invention patent application after publication |