CN108320582A - 一种具备剩余车位统计功能的停车管理系统 - Google Patents
一种具备剩余车位统计功能的停车管理系统 Download PDFInfo
- Publication number
- CN108320582A CN108320582A CN201810290704.5A CN201810290704A CN108320582A CN 108320582 A CN108320582 A CN 108320582A CN 201810290704 A CN201810290704 A CN 201810290704A CN 108320582 A CN108320582 A CN 108320582A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- parking stall
- parking
- license plate
- plate number
- 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
Classifications
-
- 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
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明公开了一种具备剩余车位统计功能的停车管理系统,系统包括:图像采集模块,用于在停车场的出口、停车场的入口对车辆进行拍摄,获得车牌号在内的车辆图片。图像识别模块,用于对图像采集模块所采集到的包含车牌号的车辆图片进行识别,获得车辆的车牌号。停车数据库,用于接收图像识别模块所获得的车牌号、车辆进入停车场出入口的日期和时间,并根据车牌号生成对应车辆的目标信息。目标车辆判断模块,采用目标神经网络训练得到对应车牌号的训练结果,判断车辆是否为目标车辆;剩余车位计算模块,用于根据目标车辆判断模块的判断结果、当前车位数,预测剩余车位数量。应用本发明提供的实施例,实现对停车场剩余车位的自动统计的管理系统。
Description
技术领域
本发明涉及配电网的问题监测技术领域,特别涉及一种具备剩余车位统计功能的停车管理系统。
背景技术
现有的停车管理系统应用于公共的停车场所中,例如商场,学校,医院等场所,主要通过用户进行刷卡、或者实现登记等方式告知停车场的管理系统,该车辆是否为预先登记的车辆,如果是则算入VIP停车区,否则剩下的可用剩余车位数量减1处理。
这样就会泄露用户的使用隐私,用户的行踪通过系统遭到了泄露的风险是存在的,而对于既不用泄露用户信息,又能够统计剩余车位的停车管理系统目前市场上是不存在的。
发明内容
本发明所要解决的技术问题是提供一种具备剩余车位统计功能的停车管理系统,旨在不泄露用户隐私的同时还能够提供一种具备剩余车位统计功能的停车管理系统。
为实现上述目的,本发明提供以下的技术方案:一种具备剩余车位统计功能的停车管理系统,所述系统包括:图像采集模块、图片识别模块、停车数据库、目标车辆判断模块、剩余车位计算模块;
所述图像采集模块,用于在停车场的出口、停车场的入口对车辆进行拍摄,以获得车牌号在内的车辆图片;
所述图像识别模块,用于对所述图像采集模块所采集到的包含车牌号的所述车辆图片进行识别,获得车辆的车牌号;
所述停车数据库,用于接收所述图像识别模块所获得的车牌号、车辆进入停车场出入口的日期和时间,并根据所述车牌号生成对应车辆的目标信息,所述目标信息至少包括:平均停车时长,停车时长方差,每日停车概率,平均驶入时长,驶入时长方差;
所述目标车辆判断模块,用于根据所述目标信息,采用目标神经网络训练得到对应车牌号的训练结果,并根据训练结果判断对应车辆是否为目标车辆;
所述剩余车位计算模块,用于根据所述目标车辆判断模块的判断结果、当前车位数,预测剩余车位的数量。
本发明的优选实施方式中,所述图像识别模块具体用于:采用训练好的基于区域的神经网络对车辆图片进行训练找出车牌区域,并对所述车牌区域进行二值化处理找出并切割字符,将切割好的字符发送至卷积神经网络进行识别,获得车辆的车牌号。
本发明的优选实施方式中,当所述目标车辆判断模块对车牌号的训练结果为大于第一预设概率数值时,表示为目标车辆,在车辆为驶入停车场时,所述剩余车位计算模块将所述当前车位数作为剩余车位的数量;
当所述目标车辆判断模块对车牌号的训练结果为大于第一预设概率数值时,表示为目标车辆,在车辆为驶出停车场时,所述剩余车位计算模块将所述当前车位数作为剩余车位的数量;
当所述目标车辆判断模块对车牌号的训练结果为小于第二预设概率数值时,表示为非目标车辆,在车辆为驶入停车场时,所述剩余车位计算模块将所述当前车位数减一作为剩余车位的数量;
当所述目标车辆判断模块对车牌号的训练结果为小于第二预设概率数值时,表示为目标车辆,在车辆为驶出停车场时,所述剩余车位计算模块将所述当前车位数加一作为剩余车位的数量。
本发明的优选实施方式中,所述剩余车位计算模块具体用于:
所述停车数据库接收所述目标车辆判断模块所获得的车牌号的训练结果,并将所述训练结果作为该车辆作为目标车辆的概率,在预测的所述剩余车位的数量与实际车位的使用情况不符时,按概率纠正可能预测错误的车辆,并且采用纠正后的车辆对应概率数据对目标神经网络针对此停车场的二次训练。
本发明的优选实施方式中,所述目标车辆为月租车辆。
应用本发明提供的实施例,通过图像采集模块采集停车场出口和入口的车辆图片,并采用图像识别模块对车辆图片进行识别获得车牌号,并根据停车数据库中的数据和车牌号作为车辆判断模块的输入,得到该车牌号对应的车辆是否为目标车辆,并根据目标车辆的判断结果获得剩余的车位数量。所以,在整个过程中没有预先获得车辆是否为目标车辆的信息,而且能够得到剩余的车位数量。因此,在不泄露用户隐私的同时还能够提供一种具备剩余车位统计功能的停车管理系统;另外,还可以保证目标车辆对应的车位数量不受非目标车辆的驶入和驶出的影响。
附图说明
图1是具备剩余车位统计功能的停车管理系统的结构示意图;
图2是车牌号识别过程的流程示意图;
图3是目标神经网络的车牌训练示意图。
具体实施方式
为使发明的目的、技术方案和优点更加清楚明了,下面通过附图中及实施例,对本发明技术方案进行进一步详细说明。但是应该理解,此处所描述的具体实施例仅仅用以解释本发明技术方案,并不用于限制本发明技术方案的范围。
为解决现有技术问题,本发明实施例提供一种具备剩余车位统计功能的停车管理系统,系统包括:图像采集模块、图片识别模块、停车数据库、目标车辆判断模块、剩余车位计算模块,以下分别进行详细说明。
参见图1,本发明实施例提供的具备剩余车位统计功能的停车管理系统,包括:
图像采集模块,用于在停车场的出口、停车场的入口对车辆进行拍摄,以获得车牌号在内的车辆图片。本发明实施例中,通过在停车场进出口的位置放置摄像头,可以在车辆经过停车场出口或者进入入口的时候,对车辆进行拍照。将得到的照片传给图像识别模块。车辆自动识别模块分析出车牌号之后,一方面,有关该车牌号的车辆驶入/驶出时间、日期数据会自动保存到停车数据库中。
图像识别模块,用于对图像采集模块所采集到的包含车牌号的车辆图片进行识别,获得车辆的车牌号。参见图2所示,首先,图像采集模块通过摄像头获得一张包含车牌的图片,并将图片传给训练好的基于区域的神经网络,基于区域的神经网络会将车牌区域找出,并对该车牌区域图像进行二值化操作。由于二值化后的车牌字符的存在与否对于每一列白色像素点的多少有很大影响(有字符的地方的列白色像素点的数量会偏多),因此可以分析出字符大致所在的位置,从而进行字符切割操作。切割后将7个字符(假设为非节能小轿车的标准车牌格式)分别传给训练好的卷积神经网络进行识别。由此即实现了:通过图像识别模块来将驶入驶出车辆的车牌号识别出来。
停车数据库,用于接收图像识别模块所获得的车牌号、车辆进入停车场出入口的日期和时间,并根据车牌号生成对应车辆的目标信息,目标信息至少包括:平均停车时长,停车时长方差,每日停车概率,平均驶入时长,驶入时长方差。
需要说明的是,在接入一个新的停车场后,通过图像识别模块得到的数据会收集到一个数据库中、还包括该车牌的驶入驶出时间,日期。该停车场中停车数据库会保留该车辆所有出入的信息,因此,根据这些信息可以得到平均停车时长(每天平均停车时间),停车时长方差,每日停车概率,平均驶入时长(每天平均驶入的时间长度),驶入时长方差。
示例性的,在过去一个月里,根据车辆:皖A00012停车信息可以得到:平均停车时间为1.1H每天、停车时长方差0.75,每日停车概率0.4,平均驶入时长0.05,驶入时长方差0.65。参见图3所示,将平均停车时长,停车时长方差,每日停车概率,平均驶入时长分别通过目标神经网络的输入层、第一隐层和第二隐层进行训练,在输出层得到该车辆对应的车牌号为目标车辆还是非目标车辆。
目标车辆判断模块,用于根据目标信息,采用目标神经网络训练得到对应车牌号的训练结果,并根据训练结果判断对应车辆是否为目标车辆。
可以理解的是,目标车辆判断模块的核心是一个包含两个隐层的目标神经网络模型。这个目标神经网络的输入是一些不同维度的统计数据:平均停车时长,停车时长方差,每日停车概率,平均驶入时长,驶入时长方差。这个神经网络的输出是1或者0。具体的,当目标车辆为月租车辆时,1表示具有这种数据特征(例如每日停车概率高于0.7且平均驶入时长较长)有很大概率是一个月租车,而0表示神经网络认为,根据学习的结果,这个车牌号对应的车应该不是一个月租车。对于神经网络的训练,我们会利用大量已有的其他停车场的数据来训练这个神经网络模型,得到成熟的目标神经网络,从而将一个待训练的车辆所对应的目标信息输入目标神经网络以后将会得到训练结果。
剩余车位计算模块,用于根据目标车辆判断模块的判断结果、当前车位数,预测剩余车位的数量。
本发明实施例中,在判断车辆是否为目标车辆以后,根据已知的当前车位数可以预测剩余车位的数量,本发明主要是通过判断是否为目标车辆从而判断该车辆对当前车位数量的影响,根据影响的结果得到剩余车位的数量。
本发明的一种实现方式中,具体的采用如下方式:当目标车辆判断模块对车牌号的训练结果为大于第一预设概率数值时,表示为目标车辆,在车辆为驶入停车场时,剩余车位计算模块将当前车位数作为剩余车位的数量;当目标车辆判断模块对车牌号的训练结果为大于第一预设概率数值时,表示为目标车辆,在车辆为驶出停车场时,剩余车位计算模块将当前车位数作为剩余车位的数量;
当目标车辆判断模块对车牌号的训练结果为小于第二预设概率数值时,表示为非目标车辆,在车辆为驶入停车场时,剩余车位计算模块将当前车位数减一作为剩余车位的数量;当目标车辆判断模块对车牌号的训练结果为小于第二预设概率数值时,表示为目标车辆,在车辆为驶出停车场时,剩余车位计算模块将当前车位数加一作为剩余车位的数量。
可以理解的是,假设停车场中针对目标车辆对应的车位的数量是固定不变的,假设为50个,针对非目标车辆对应的车位数量为60个,所以停车场必须要保证给目标车辆的50个车位不被非目标车辆占用,以保证目标车辆的权益。因此,本发明实施例中,在不管是驶入停车场还是驶出停车场只要判断车辆为目标车辆时,占用的车位为该50个中的一个,剩余车位数为非目标车辆的,所数量保持不变;在判断车辆为非目标车辆,在车辆驶入停车场时,预测的剩余车位数在当前车位数的基础上做减1处理;在车辆驶出停车场时,预测的剩余车位数在当前车位数的基础上做加1处理,因此,可以保证目标车辆对应的车位数量不受非目标车辆的驶入和驶出的影响。
本发明实施例中,第一预设概率数值与第二预设概率数值可以相等,也可以不相等,当相等时,直接判断车辆是否为目标车辆即可;当不相等时,可以是需要进一步进行考核的车辆,比如将其归为目标车辆的话概率略小,但是归为非目标车辆的话错误的概率会比较大。
本发明的优选实施方式中,图像识别模块具体用于:采用训练好的基于区域的神经网络对车辆图片进行训练找出车牌区域,并对车牌区域进行二值化处理找出并切割字符,将切割好的字符发送至卷积神经网络进行识别,获得车辆的车牌号。
本发明的优选实施方式中,剩余车位计算模块具体用于:停车数据库接收目标车辆判断模块所获得的车牌号的训练结果,并将训练结果作为该车辆作为目标车辆的概率,在预测的剩余车位的数量与实际车位的使用情况不符时,按概率纠正可能预测错误的车辆,并且采用纠正后的车辆对应概率数据对目标神经网络针对此停车场的二次训练。
具体的,停车数据库还会记录神经网络给出的为月租车的概率,如果车位已满而预测的剩余泊位数还未到0,或者预测剩余泊位数为0但是车位还未满,说明当前车辆是否为目标车辆的判断是存在错误的,因此会自动调整,按概率纠正可能预测错误的车辆,并且积累这些数据用于月租车判断的神经网络针对此停车场的二次训练。通过二次训练,对是否为月租车的判断准确度可以进一步提高。由此即实现了:在未知停车场用户信息的情况下,准确的估计月租车的数量以及预测剩余可用泊位。
此外,应当理解,虽然本说明书按照实施方式加以描述,但并非每个实施方式仅包含一个独立的技术方案,说明书的这种叙述方式仅仅是为清楚起见,本领域技术人员应当将说明书作为一个整体,各实施例中的技术方案也可以经适当组合,形成本领域技术人员可以理解的其他实施方式。
Claims (5)
1.一种具备剩余车位统计功能的停车管理系统,其特征在于,所述系统包括:图像采集模块、图片识别模块、停车数据库、目标车辆判断模块、剩余车位计算模块;
所述图像采集模块,用于在停车场的出口、停车场的入口对车辆进行拍摄,以获得车牌号在内的车辆图片;
所述图像识别模块,用于对所述图像采集模块所采集到的包含车牌号的所述车辆图片进行识别,获得车辆的车牌号;
所述停车数据库,用于接收所述图像识别模块所获得的车牌号、车辆进入停车场出入口的日期和时间,并根据所述车牌号生成对应车辆的目标信息,所述目标信息至少包括:平均停车时长,停车时长方差,每日停车概率,平均驶入时长,驶入时长方差;
所述目标车辆判断模块,用于根据所述目标信息,采用目标神经网络训练得到对应车牌号的训练结果,并根据训练结果判断对应车辆是否为目标车辆;
所述剩余车位计算模块,用于根据所述目标车辆判断模块的判断结果、当前车位数,预测剩余车位的数量。
2.根据权利要求1所述的具备剩余车位统计功能的停车管理系统,其特征在于,所述图像识别模块具体用于:采用训练好的基于区域的神经网络对车辆图片进行训练找出车牌区域,并对所述车牌区域进行二值化处理找出并切割字符,将切割好的字符发送至卷积神经网络进行识别,获得车辆的车牌号。
3.根据权利要求1所述的具备剩余车位统计功能的停车管理系统,其特征在于,当所述目标车辆判断模块对车牌号的训练结果为大于第一预设概率数值时,表示为目标车辆,在车辆为驶入停车场时,所述剩余车位计算模块将所述当前车位数作为剩余车位的数量;
当所述目标车辆判断模块对车牌号的训练结果为大于第一预设概率数值时,表示为目标车辆,在车辆为驶出停车场时,所述剩余车位计算模块将所述当前车位数作为剩余车位的数量;
当所述目标车辆判断模块对车牌号的训练结果为小于第二预设概率数值时,表示为非目标车辆,在车辆为驶入停车场时,所述剩余车位计算模块将所述当前车位数减一作为剩余车位的数量;
当所述目标车辆判断模块对车牌号的训练结果为小于第二预设概率数值时,表示为目标车辆,在车辆为驶出停车场时,所述剩余车位计算模块将所述当前车位数加一作为剩余车位的数量。
4.根据权利要求1所述的具备剩余车位统计功能的停车管理系统,其特征在于,所述剩余车位计算模块具体用于:
所述停车数据库接收所述目标车辆判断模块所获得的车牌号的训练结果,并将所述训练结果作为该车辆作为目标车辆的概率,在预测的所述剩余车位的数量与实际车位的使用情况不符时,按概率纠正可能预测错误的车辆,并且采用纠正后的车辆对应概率数据对目标神经网络针对此停车场的二次训练。
5.根据权利要求1-4任一项所述的具备剩余车位统计功能的停车管理系统,其特征在于,所述目标车辆为月租车辆。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810290704.5A CN108320582B (zh) | 2018-03-30 | 2018-03-30 | 一种具备剩余车位统计功能的停车管理系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810290704.5A CN108320582B (zh) | 2018-03-30 | 2018-03-30 | 一种具备剩余车位统计功能的停车管理系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108320582A true CN108320582A (zh) | 2018-07-24 |
CN108320582B CN108320582B (zh) | 2020-01-24 |
Family
ID=62896715
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810290704.5A Active CN108320582B (zh) | 2018-03-30 | 2018-03-30 | 一种具备剩余车位统计功能的停车管理系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108320582B (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109241959A (zh) * | 2018-08-21 | 2019-01-18 | 浙江工业大学 | 一种车牌识别结果智能纠正方法 |
CN109544930A (zh) * | 2018-12-14 | 2019-03-29 | 深圳市元征科技股份有限公司 | 重型商用车辆的违章判断方法、系统、装置及存储介质 |
CN109614873A (zh) * | 2018-11-15 | 2019-04-12 | 中兴飞流信息科技有限公司 | 基于神经网络的列车安全标志检测方法、服务器及存储介质 |
CN111081056A (zh) * | 2019-12-16 | 2020-04-28 | 青岛海信网络科技股份有限公司 | 一种基于大数据智能分析的智慧社区临时停车管理系统 |
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 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104217613A (zh) * | 2014-09-05 | 2014-12-17 | 广西师范大学 | 停车场管理系统对停车场的管理方法及停车场管理系统 |
CN105405296A (zh) * | 2015-12-11 | 2016-03-16 | 苏州翊高科技有限公司 | 基于车牌识别的车辆控制进出系统及其方法 |
CN105489021A (zh) * | 2015-12-31 | 2016-04-13 | 百度在线网络技术(北京)有限公司 | 一种基于用户行为数据的车主身份识别方法及装置 |
US20160132742A1 (en) * | 2012-11-16 | 2016-05-12 | Mitsubishi Heavy Industries, Ltd | Image recognition device, image recognition method, program, and recording medium |
CN107146462A (zh) * | 2017-06-23 | 2017-09-08 | 武汉大学 | 一种停车场空闲车位数长时预测方法 |
CN107248317A (zh) * | 2017-07-27 | 2017-10-13 | 武汉市艾派智能科技有限公司 | 一种基于车牌识别系统的停车场空余车位数预测方法 |
-
2018
- 2018-03-30 CN CN201810290704.5A patent/CN108320582B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20160132742A1 (en) * | 2012-11-16 | 2016-05-12 | Mitsubishi Heavy Industries, Ltd | Image recognition device, image recognition method, program, and recording medium |
CN104217613A (zh) * | 2014-09-05 | 2014-12-17 | 广西师范大学 | 停车场管理系统对停车场的管理方法及停车场管理系统 |
CN105405296A (zh) * | 2015-12-11 | 2016-03-16 | 苏州翊高科技有限公司 | 基于车牌识别的车辆控制进出系统及其方法 |
CN105489021A (zh) * | 2015-12-31 | 2016-04-13 | 百度在线网络技术(北京)有限公司 | 一种基于用户行为数据的车主身份识别方法及装置 |
CN107146462A (zh) * | 2017-06-23 | 2017-09-08 | 武汉大学 | 一种停车场空闲车位数长时预测方法 |
CN107248317A (zh) * | 2017-07-27 | 2017-10-13 | 武汉市艾派智能科技有限公司 | 一种基于车牌识别系统的停车场空余车位数预测方法 |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109241959A (zh) * | 2018-08-21 | 2019-01-18 | 浙江工业大学 | 一种车牌识别结果智能纠正方法 |
CN109241959B (zh) * | 2018-08-21 | 2022-05-06 | 浙江工业大学 | 一种车牌识别结果智能纠正方法 |
CN109614873A (zh) * | 2018-11-15 | 2019-04-12 | 中兴飞流信息科技有限公司 | 基于神经网络的列车安全标志检测方法、服务器及存储介质 |
CN109544930A (zh) * | 2018-12-14 | 2019-03-29 | 深圳市元征科技股份有限公司 | 重型商用车辆的违章判断方法、系统、装置及存储介质 |
CN111081056A (zh) * | 2019-12-16 | 2020-04-28 | 青岛海信网络科技股份有限公司 | 一种基于大数据智能分析的智慧社区临时停车管理系统 |
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 |
Also Published As
Publication number | Publication date |
---|---|
CN108320582B (zh) | 2020-01-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108320582A (zh) | 一种具备剩余车位统计功能的停车管理系统 | |
CN111429726B (zh) | 一种监控视频违停车辆检测、管理方法及对应的系统 | |
CN107578642A (zh) | 一种访客车辆停车管理方法及系统 | |
CN110853391A (zh) | 智能共享停车系统 | |
DE102014209453A1 (de) | Verfahren zum Vereinfachen der Suche nach einem freien Parkplatz | |
Kamel et al. | Tenancy status identification of parking slots using mobile net binary classifier | |
CN104303014A (zh) | 交通路径分担率控制系统以及交通路径分担率控制方法 | |
CN108447273A (zh) | 一种基于智能停车系统的剩余车位预测方法 | |
CN113194138A (zh) | 基于ai深度学习的出行管理方法和系统 | |
Olivo et al. | Empirical study on the accuracy and precision of automatic passenger counting in European bus services | |
CN116386379A (zh) | 基于物联网技术的智能停车场数据管理方法和系统 | |
CN114841712B (zh) | 网约车巡游违规运营状态的确定方法和装置及电子设备 | |
CN111178816B (zh) | 宿舍监控管理方法、装置、电子设备及存储介质 | |
CN108520637A (zh) | 一种具备停车诱导功能的智能化停车系统 | |
CN117037530A (zh) | 一种停车资源动态监管分析方法 | |
CN106157665B (zh) | 目标场所出入口的类别信息获取方法及装置 | |
CN114283386A (zh) | 一种基于大数据的分析适应密集场景人流实时监测系统 | |
Ukam et al. | Variability of paratransit travel times: the case of Kumasi, Ghana | |
CN114170591A (zh) | 一种基于Saas模式的智慧停车解决方法及系统 | |
CN113053157A (zh) | 一种智能机械立式车位自动指引系统 | |
LeBeau et al. | Developing Future Smart Parking Solutions for Hangzhou's IoT Town | |
CN111310652B (zh) | 基于分类回归双域模型的流量识别方法和系统 | |
Hobi | The impact of real-time information sources on crowd-sourced parking availability prediction | |
CN116386338B (zh) | 一种基于图像数据处理的城市停车场中车辆离场控制方法 | |
CN111327661A (zh) | 推送方法、推送装置、服务器和计算机可读存储介质 |
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 |