CN109584603A - 一种停车位智能识别和引导方法及系统 - Google Patents
一种停车位智能识别和引导方法及系统 Download PDFInfo
- Publication number
- CN109584603A CN109584603A CN201811203466.6A CN201811203466A CN109584603A CN 109584603 A CN109584603 A CN 109584603A CN 201811203466 A CN201811203466 A CN 201811203466A CN 109584603 A CN109584603 A CN 109584603A
- Authority
- CN
- China
- Prior art keywords
- parking
- parking lot
- parking stall
- lot
- matrix
- 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
- 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
- G08G1/141—Traffic control systems for road vehicles indicating individual free spaces in parking areas with means giving the indication of available parking spaces
- G08G1/144—Traffic control systems for road vehicles indicating individual free spaces in parking areas with means giving the indication of available parking spaces on portable or mobile units, e.g. personal digital assistant [PDA]
Abstract
本发明涉及停车智能控制领域，公开了一种停车位智能识别和引导方法及系统，通过获取停车请求；根据所述停车请求，获取目的地位置周边的停车场信息，并计算目的地位置至停车场驾车和步行的距离和时间；根据发出停车请求时刻从当前位置到停车场的驾驶时间、停车费用、停车场至目的地的步行距离、停车场的空余车位数，并利用多目标决策模型，对停车场进行评价，以选择最佳停车场；发送携带剩余车位的最佳停车场指示信息，以使用户根据选择出的最佳停车场进行停车操作。本发明从系统目标出发考虑如何分配空余车位，而且考虑实时交通对行驶成本的影响，使得驾驶员获得符合条件的车位，系统增加的成本在容许范围内的条件下，提高停车场车位利用率。
Description
技术领域
本发明涉及停车智能控制领域，尤其涉及一种停车位智能识别和引导方法及系统。
背景技术
随着社会经济的持续发展和产业调整，大批人口将向城市转移，城市人口将不断增加。同时，经济活动日趋频繁，商业活动将更加活跃，机动车的数量和使用频率也将大大增加，对中心城市的交通带来沉重的压力；交通“停车难”日益成为制约我国大中城市经济发展的“瓶颈”。同时，传统停车场管理效率和安全性大大滞后于社会的需要，给人们的生活带来了极大的不便。尤其，随着智能大厦和智能小区等智能建筑的不断发展，与之配套的停车场管理系统应运而生。
现有的停车场管理解决技术方案，用户以找到最佳停车场为目标，系统以效用最大为目标。需泊车辆只关心最近的停车场使得某些停车场车辆太过集中，系统则需要考虑如何减少需泊车辆的巡游时间，以减少需泊车辆对道路通行能力的影响。因此，停车难的核心在于需求和供给、用户与系统目标之间的均衡。而要解决这个核心问题，首先要解决车位数实时获取，即哪个停车场有多少空余车位的问题。一方面，地磁传感器、无线传感器、调制红外检测、视频智能识别等物理手段都能够满足要求，但这些方案的重点都在监测每一个具体车位，成本太高且布设复杂，忽略了只要获取一个停车场总空余车位数即可的事实；另一方面，一些基于模糊预测的数学方法预测精度不高，其数量准确性是确保用户和系统不存在无效成本的前提，预测不准的时候，用户得到实际不存在的车位，局部道路交通更加拥堵。
发明内容
本发明提供一种停车位智能识别和引导方法及系统，解决现有技术中停车位预测不准的技术问题。
本发明的目的是通过以下技术方案实现的：
一种停车位智能识别和引导方法，包括：
获取停车请求，其中，所述停车请求中携带预计达到时间、目的地位置和预计停车时长；
根据所述停车请求，获取目的地位置周边的停车场信息，并计算目的地位置至停车场驾车和步行的距离和时间；
根据发出停车请求时刻从当前位置到停车场的驾驶时间、停车费用、停车场至目的地的步行距离、停车场的空余车位数，并利用多目标决策模型，对停车场进行评价，以选择最佳停车场；
发送携带剩余车位的最佳停车场指示信息，以使用户根据选择出的最佳停车场进行停车操作。
一种停车位智能识别和引导系统，包括：
获取模块，用于获取停车请求，其中，所述停车请求中携带预计达到时间、目的地位置和预计停车时长；
计算模块，用于根据所述停车请求，获取目的地位置周边的停车场信息，并计算目的地位置至停车场驾车和步行的距离和时间；
优化模块，用于根据发出停车请求时刻从当前位置到停车场的驾驶时间、停车费用、停车场至目的地的步行距离、停车场的空余车位数，并利用多目标决策模型，对停车场进行评价，以选择最佳停车场；
发送模块，用于发送携带剩余车位的最佳停车场指示信息，以使用户根据选择出的最佳停车场进行停车操作。
本发明提供一种停车位智能识别和引导方法及系统，通过获取停车请求；根据所述停车请求，获取目的地位置周边的停车场信息，并计算目的地位置至停车场驾车和步行的距离和时间；根据发出停车请求时刻从当前位置到停车场的驾驶时间、停车费用、停车场至目的地的步行距离、停车场的空余车位数，并利用多目标决策模型，对停车场进行评价，以选择最佳停车场；发送携带剩余车位的最佳停车场指示信息，以使用户根据选择出的最佳停车场进行停车操作。本发明从系统目标出发考虑如何分配空余车位，而且考虑实时交通对行驶成本的影响，使得驾驶员获得符合条件的车位，系统增加的成本在容许范围内的条件下，提高停车场车位利用率。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，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，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可根据这些附图获得其他的附图。
图1为本发明实施例的一种停车位智能识别和引导方法流程图；
图2为本发明实施例的一种停车位智能识别和引导系统结构示意图。
具体实施方式
为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本发明作进一步详细的说明。
本发明实施例提供了一种停车位智能识别和引导方法，如图1所示，包括：
步骤101、获取停车请求；
其中，所述停车请求中携带预计达到时间、目的地位置和预计停车时长；
步骤102、根据所述停车请求，获取目的地位置周边的停车场信息，并计算目的地位置至停车场驾车和步行的距离和时间；
步骤103、根据发出停车请求时刻从当前位置到停车场的驾驶时间、停车费用、停车场至目的地的步行距离、停车场的空余车位数，并利用多目标决策模型，对停车场进行评价，以选择最佳停车场；
步骤104、发送携带剩余车位的最佳停车场指示信息，以使用户根据选择出的最佳停车场进行停车操作。
其中，停车操作可由用户根据导航信息驾车前往停车位置，在停车场通过引导设备引导正常停车。
步骤104包括两种实现方法分别为：
方法一：
根据停车场，生成停车场组成的决策方案集；
根据发出停车请求时刻从当前位置到停车场的驾驶时间、停车费用、停车场至目的地的步行距离、停车场的空余车位数生成目标集；根据目标集中各影响因素的权重wi，组成权重向量W，并对权重向量进行归一化处理；
基于模糊偏好生成偏好决策矩阵；将偏好决策矩阵中的影响因素分为成本性和效益型，进行规范化。
方法二：
生成用户满意度矩阵，其中，用户满意度矩阵的元素为发出停车请求时刻从当前位置到停车场的驾驶时间、停车费用、停车场至目的地的步行距离、停车场的空余车位数的权重次幂相乘结果为寻泊车辆对停车场的满意度；
生成邻接判断二元矩阵，其中，邻接判断二元矩阵的元素表示停车场是否为该车辆提供车位；
生成OD成本矩阵，其中，OD成本矩阵的元素表示寻泊车辆到停车场的行驶距离；
生成候选停车场矩阵，其中，候选停车场矩阵的元素表示寻泊车辆的驾车时间在设定时间阈值范围内的停车场；
根据用户满意度矩阵、邻接判断二元矩阵、OD成本矩阵和候选停车场矩阵，生成系统成本函数，求生成系统成本函数的最小值，以确定最佳停车场。
步骤104之后还可以包括：
接收用户终端发送的预定请求，并更新车位数据库。
为了对进出的车辆进行实时的统计并更新数据库，方便用户利用移动终端及时查询到实时的剩余车位，停车场可通过RFID读写器读取进出车辆的RFID标签，并更新车位数据库。
本发明提供一种停车位智能识别和引导方法，通过获取停车请求；根据所述停车请求，获取目的地位置周边的停车场信息，并计算目的地位置至停车场驾车和步行的距离和时间；根据发出停车请求时刻从当前位置到停车场的驾驶时间、停车费用、停车场至目的地的步行距离、停车场的空余车位数，并利用多目标决策模型，对停车场进行评价，以选择最佳停车场；发送携带剩余车位的最佳停车场指示信息，以使用户根据选择出的最佳停车场进行停车操作。本发明从系统目标出发考虑如何分配空余车位，而且考虑实时交通对行驶成本的影响，使得驾驶员获得符合条件的车位，系统增加的成本在容许范围内的条件下，提高停车场车位利用率。
本发明实施例中还提供了一种停车位智能识别和引导系统，如图2所示，包括：
获取模块210，用于获取停车请求，其中，所述停车请求中携带预计达到时间、目的地位置和预计停车时长；
计算模块220，用于根据所述停车请求，获取目的地位置周边的停车场信息，并计算目的地位置至停车场驾车和步行的距离和时间；
优化模块230，用于根据发出停车请求时刻从当前位置到停车场的驾驶时间、停车费用、停车场至目的地的步行距离、停车场的空余车位数，并利用多目标决策模型，对停车场进行评价，以选择最佳停车场；
发送模块240，用于发送携带剩余车位的最佳停车场指示信息，以使用户根据选择出的最佳停车场进行停车操作。
其中，所述优化模块230包括：
第一参数单元231，用于根据停车场，生成停车场组成的决策方案集；
第二参数单元232，用于根据发出停车请求时刻从当前位置到停车场的驾驶时间、停车费用、停车场至目的地的步行距离、停车场的空余车位数生成目标集；根据目标集中各影响因素的权重wi，组成权重向量W，并对权重向量进行归一化处理；
第三参数单元233，用于基于模糊偏好生成偏好决策矩阵；将偏好决策矩阵中的影响因素分为成本性和效益型，进行规范化。
还包括更新模块250，用于在发送最佳停车场指示信息之后，接收用户终端发送的预定请求，并更新车位数据库。
还包括车辆识别模块260，用于通过RFID读写器读取进出车辆的RFID标签，并更新车位数据库。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到本发明可借助软件加必需的硬件平台的方式来实现，当然也可以全部通过硬件来实施，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案对背景技术做出贡献的全部或者部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在存储介质中，如ROM/RAM、磁碟、光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例或者实施例的某些部分所述的方法。
以上对本发明进行了详细介绍，本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本发明的限制。
Claims (9)
1.一种停车位智能识别和引导方法，其特征在于，包括：
获取停车请求，其中，所述停车请求中携带预计达到时间、目的地位置和预计停车时长；
根据所述停车请求，获取目的地位置周边的停车场信息，并计算目的地位置至停车场驾车和步行的距离和时间；
根据发出停车请求时刻从当前位置到停车场的驾驶时间、停车费用、停车场至目的地的步行距离、停车场的空余车位数，并利用多目标决策模型，对停车场进行评价，以选择最佳停车场；
发送携带剩余车位的最佳停车场指示信息，以使用户根据选择出的最佳停车场进行停车操作。
2.根据权利要求1所述的停车位智能识别和引导方法，其特征在于，所述根据发出停车请求时刻从当前位置到停车场的驾驶时间、停车费用、停车场至目的地的步行距离、停车场的空余车位数，并利用多目标决策模型，对停车场进行评价，以选择最佳停车场的步骤包括：
根据停车场，生成停车场组成的决策方案集；
根据发出停车请求时刻从当前位置到停车场的驾驶时间、停车费用、停车场至目的地的步行距离、停车场的空余车位数生成目标集；根据目标集中各影响因素的权重wi，组成权重向量W，并对权重向量进行归一化处理；
基于模糊偏好生成偏好决策矩阵；将偏好决策矩阵中的影响因素分为成本性和效益型，进行规范化。
3.根据权利要求1所述的停车位智能识别和引导方法，其特征在于，发送最佳停车场指示信息的步骤之后，包括：
接收用户终端发送的预定请求，并更新车位数据库。
4.根据权利要求1所述的停车位智能识别和引导方法，其特征在于，通过RFID读写器读取进出车辆的RFID标签，并更新车位数据库。
5.根据权利要求1所述的停车位智能识别和引导方法，其特征在于，所述根据发出停车请求时刻从当前位置到停车场的驾驶时间、停车费用、停车场至目的地的步行距离、停车场的空余车位数，并利用多目标决策模型，对停车场进行评价，以选择最佳停车场的步骤，包括：
生成用户满意度矩阵，其中，用户满意度矩阵的元素为发出停车请求时刻从当前位置到停车场的驾驶时间、停车费用、停车场至目的地的步行距离、停车场的空余车位数的权重次幂相乘结果为寻泊车辆对停车场的满意度；
生成邻接判断二元矩阵，其中，邻接判断二元矩阵的元素表示停车场是否为该车辆提供车位；
生成OD成本矩阵，其中，OD成本矩阵的元素表示寻泊车辆到停车场的行驶距离；
生成候选停车场矩阵，其中，候选停车场矩阵的元素表示寻泊车辆的驾车时间在设定时间阈值范围内的停车场；
根据用户满意度矩阵、邻接判断二元矩阵、OD成本矩阵和候选停车场矩阵，生成系统成本函数，求生成系统成本函数的最小值，以确定最佳停车场。
6.一种停车位智能识别和引导系统，其特征在于，包括：
获取模块，用于获取停车请求，其中，所述停车请求中携带预计达到时间、目的地位置和预计停车时长；
计算模块，用于根据所述停车请求，获取目的地位置周边的停车场信息，并计算目的地位置至停车场驾车和步行的距离和时间；
优化模块，用于根据发出停车请求时刻从当前位置到停车场的驾驶时间、停车费用、停车场至目的地的步行距离、停车场的空余车位数，并利用多目标决策模型，对停车场进行评价，以选择最佳停车场；
发送模块，用于发送携带剩余车位的最佳停车场指示信息，以使用户根据选择出的最佳停车场进行停车操作。
7.根据权利要求6所述的停车位智能识别和引导系统，其特征在于，所述优化模块包括：
第一参数单元，用于根据停车场，生成停车场组成的决策方案集；
第二参数单元，用于根据发出停车请求时刻从当前位置到停车场的驾驶时间、停车费用、停车场至目的地的步行距离、停车场的空余车位数生成目标集；根据目标集中各影响因素的权重wi，组成权重向量W，并对权重向量进行归一化处理；
第三参数单元，用于基于模糊偏好生成偏好决策矩阵；将偏好决策矩阵中的影响因素分为成本性和效益型，进行规范化。
8.根据权利要求6所述的停车位智能识别和引导系统，其特征在于，还包括更新模块，用于在发送最佳停车场指示信息之后，接收用户终端发送的预定请求，并更新车位数据库。
9.根据权利要求6所述的停车位智能识别和引导系统，其特征在于，还包括车辆识别模块，用于通过RFID读写器读取进出车辆的RFID标签，并更新车位数据库。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811203466.6A CN109584603A (zh) | 2018-10-16 | 2018-10-16 | 一种停车位智能识别和引导方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811203466.6A CN109584603A (zh) | 2018-10-16 | 2018-10-16 | 一种停车位智能识别和引导方法及系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN109584603A true CN109584603A (zh) | 2019-04-05 |
Family
ID=65920120
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201811203466.6A Pending CN109584603A (zh) | 2018-10-16 | 2018-10-16 | 一种停车位智能识别和引导方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109584603A (zh) |
Cited By (16)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110111599A (zh) * | 2019-04-24 | 2019-08-09 | 网链科技集团有限公司 | 一种基于大数据的停车诱导方法、终端设备及存储介质 |
| CN110111600A (zh) * | 2019-05-08 | 2019-08-09 | 东华大学 | 一种基于VANETs的停车场推荐方法 |
| CN110288184A (zh) * | 2019-05-15 | 2019-09-27 | 中国科学院深圳先进技术研究院 | 基于时空特征的城市停车场排序方法、装置、终端及介质 |
| CN110379198A (zh) * | 2019-07-31 | 2019-10-25 | 南京晓庄学院 | 一种城市智能停车引导系统及其停车引导方法 |
| CN111125515A (zh) * | 2019-11-27 | 2020-05-08 | 大众问问(北京)信息科技有限公司 | 一种停车场所推荐方法、装置及设备 |
| CN111785065A (zh) * | 2020-06-15 | 2020-10-16 | 北京航空航天大学 | 基于用户出行成本与出行效率的智能远程自主泊车方法 |
| CN111868799A (zh) * | 2020-06-19 | 2020-10-30 | 曹庆恒 | 一种基于智能交通系统的停车管理方法和停车管理系统 |
| CN111899551A (zh) * | 2020-06-16 | 2020-11-06 | 广州文远知行科技有限公司 | 确定停车点的方法、装置、计算机设备和存储介质 |
| CN112185107A (zh) * | 2020-08-27 | 2021-01-05 | 北京北大千方科技有限公司 | 一种最优停车场计算方法、装置、存储介质及终端 |
| CN113012465A (zh) * | 2021-02-23 | 2021-06-22 | 中国汽车技术研究中心有限公司 | 基于智能网联的停车位推荐方法、智能网联平台和系统 |
| CN113379350A (zh) * | 2021-06-11 | 2021-09-10 | 郑州时空隧道信息技术有限公司 | 一种无人驾驶投递车辆的停靠位置规划方法及系统 |
| CN113538962A (zh) * | 2021-07-09 | 2021-10-22 | 姜江 | 基于用户意图的智能停车方法、系统及装置 |
| CN113570865A (zh) * | 2021-09-23 | 2021-10-29 | 环球数科集团有限公司 | 景区车位智能监控方法、装置和计算机设备 |
| CN113658446A (zh) * | 2021-08-20 | 2021-11-16 | 展讯通信（上海）有限公司 | 路径规划方法及装置、计算机可读存储介质、终端 |
| CN114038231A (zh) * | 2021-10-25 | 2022-02-11 | 深圳市神州路路通网络科技有限公司 | 停车场利用率调度方法、系统、设备以及存储介质 |
| CN114842667A (zh) * | 2022-04-01 | 2022-08-02 | 合众新能源汽车有限公司 | 停车导航方法、装置及网络设备 |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105427654A (zh) * | 2015-10-30 | 2016-03-23 | 天津科技大学 | 城市停车方法 |
| 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 |
| CN106781682A (zh) * | 2017-02-27 | 2017-05-31 | 吉选 | 一种智能停车系统及方法 |
| CN107038488A (zh) * | 2017-02-25 | 2017-08-11 | 浙江大学 | 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 |
| CN107680401A (zh) * | 2017-10-17 | 2018-02-09 | 长沙理工大学 | 一种基于区间二型模糊集合的停车位满意度的评价方法 |
| DE102017007118A1 (de) * | 2017-07-27 | 2018-03-08 | Daimler Ag | Verfahren zur Parkplatzauswahl |
| CN108010376A (zh) * | 2017-12-14 | 2018-05-08 | 浙江大学城市学院 | 一种基于物联网技术的城市停车诱导系统及方法 |
| CN108417031A (zh) * | 2018-03-15 | 2018-08-17 | 浙江大学 | 一种基于Agent仿真的智能停车泊位预约策略优化方法 |
-
2018
- 2018-10-16 CN CN201811203466.6A patent/CN109584603A/zh active Pending
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105427654A (zh) * | 2015-10-30 | 2016-03-23 | 天津科技大学 | 城市停车方法 |
| 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 |
| CN107038488A (zh) * | 2017-02-25 | 2017-08-11 | 浙江大学 | 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 |
| CN106781682A (zh) * | 2017-02-27 | 2017-05-31 | 吉选 | 一种智能停车系统及方法 |
| DE102017007118A1 (de) * | 2017-07-27 | 2018-03-08 | Daimler Ag | Verfahren zur Parkplatzauswahl |
| CN107680401A (zh) * | 2017-10-17 | 2018-02-09 | 长沙理工大学 | 一种基于区间二型模糊集合的停车位满意度的评价方法 |
| CN108010376A (zh) * | 2017-12-14 | 2018-05-08 | 浙江大学城市学院 | 一种基于物联网技术的城市停车诱导系统及方法 |
| CN108417031A (zh) * | 2018-03-15 | 2018-08-17 | 浙江大学 | 一种基于Agent仿真的智能停车泊位预约策略优化方法 |
Non-Patent Citations (2)
| Title |
|---|
| 刘典 等: "城市停车场实时车位获取与分配研究", 《计算机工程与应用》 * |
| 季彦婕 等: "出行前停车诱导系统中两阶段停车选择方法", 《武汉理工大学学报》 * |
Cited By (27)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110111599B (zh) * | 2019-04-24 | 2021-10-15 | 网链科技集团有限公司 | 一种基于大数据的停车诱导方法、终端设备及存储介质 |
| CN110111599A (zh) * | 2019-04-24 | 2019-08-09 | 网链科技集团有限公司 | 一种基于大数据的停车诱导方法、终端设备及存储介质 |
| CN110111600A (zh) * | 2019-05-08 | 2019-08-09 | 东华大学 | 一种基于VANETs的停车场推荐方法 |
| CN110111600B (zh) * | 2019-05-08 | 2022-01-11 | 东华大学 | 一种基于VANETs的停车场推荐方法 |
| CN110288184A (zh) * | 2019-05-15 | 2019-09-27 | 中国科学院深圳先进技术研究院 | 基于时空特征的城市停车场排序方法、装置、终端及介质 |
| CN110379198B (zh) * | 2019-07-31 | 2021-08-06 | 南京晓庄学院 | 一种城市智能停车引导系统及其停车引导方法 |
| CN110379198A (zh) * | 2019-07-31 | 2019-10-25 | 南京晓庄学院 | 一种城市智能停车引导系统及其停车引导方法 |
| CN111125515A (zh) * | 2019-11-27 | 2020-05-08 | 大众问问(北京)信息科技有限公司 | 一种停车场所推荐方法、装置及设备 |
| CN111125515B (zh) * | 2019-11-27 | 2023-12-19 | 大众问问(北京)信息科技有限公司 | 一种停车场所推荐方法、装置及设备 |
| CN111785065A (zh) * | 2020-06-15 | 2020-10-16 | 北京航空航天大学 | 基于用户出行成本与出行效率的智能远程自主泊车方法 |
| CN111899551B (zh) * | 2020-06-16 | 2021-09-17 | 广州文远知行科技有限公司 | 确定停车点的方法、装置、计算机设备和存储介质 |
| CN111899551A (zh) * | 2020-06-16 | 2020-11-06 | 广州文远知行科技有限公司 | 确定停车点的方法、装置、计算机设备和存储介质 |
| CN111868799A (zh) * | 2020-06-19 | 2020-10-30 | 曹庆恒 | 一种基于智能交通系统的停车管理方法和停车管理系统 |
| WO2021253454A1 (zh) * | 2020-06-19 | 2021-12-23 | 曹庆恒 | 一种基于智能交通系统的停车管理方法和停车管理系统 |
| CN112185107A (zh) * | 2020-08-27 | 2021-01-05 | 北京北大千方科技有限公司 | 一种最优停车场计算方法、装置、存储介质及终端 |
| CN112185107B (zh) * | 2020-08-27 | 2022-08-12 | 北京北大千方科技有限公司 | 一种最优停车场计算方法、装置、存储介质及终端 |
| CN113012465A (zh) * | 2021-02-23 | 2021-06-22 | 中国汽车技术研究中心有限公司 | 基于智能网联的停车位推荐方法、智能网联平台和系统 |
| CN113012465B (zh) * | 2021-02-23 | 2022-04-15 | 中国汽车技术研究中心有限公司 | 基于智能网联的停车位推荐方法、智能网联平台和系统 |
| CN113379350A (zh) * | 2021-06-11 | 2021-09-10 | 郑州时空隧道信息技术有限公司 | 一种无人驾驶投递车辆的停靠位置规划方法及系统 |
| CN113379350B (zh) * | 2021-06-11 | 2024-01-23 | 郑州时空隧道信息技术有限公司 | 一种无人驾驶投递车辆的停靠位置规划方法及系统 |
| CN113538962A (zh) * | 2021-07-09 | 2021-10-22 | 姜江 | 基于用户意图的智能停车方法、系统及装置 |
| CN113658446A (zh) * | 2021-08-20 | 2021-11-16 | 展讯通信（上海）有限公司 | 路径规划方法及装置、计算机可读存储介质、终端 |
| CN113570865A (zh) * | 2021-09-23 | 2021-10-29 | 环球数科集团有限公司 | 景区车位智能监控方法、装置和计算机设备 |
| CN114038231A (zh) * | 2021-10-25 | 2022-02-11 | 深圳市神州路路通网络科技有限公司 | 停车场利用率调度方法、系统、设备以及存储介质 |
| CN114038231B (zh) * | 2021-10-25 | 2022-12-02 | 深圳市神州路路通网络科技有限公司 | 停车场利用率调度方法、系统、设备以及存储介质 |
| CN114842667B (zh) * | 2022-04-01 | 2024-01-16 | 合众新能源汽车股份有限公司 | 停车导航方法、装置及网络设备 |
| CN114842667A (zh) * | 2022-04-01 | 2022-08-02 | 合众新能源汽车有限公司 | 停车导航方法、装置及网络设备 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109584603A (zh) | 一种停车位智能识别和引导方法及系统 | |
| Han et al. | Energy-aware trajectory optimization of CAV platoons through a signalized intersection | |
| WO2021114661A1 (zh) | 一种基于边云协同的工厂电能管控系统及方法 | |
| CN102959358B (zh) | 车辆的电力消耗量计算装置、信息提供装置及信息提供方法 | |
| CN109949604A (zh) | 一种大型停车场调度导航方法、系统以及使用方法 | |
| CN207529525U (zh) | 基于互联网的车库自动泊车管理系统 | |
| CN103158714A (zh) | 辅助驾驶者以高环境效率方式驾驶电动车的系统和方法 | |
| CN102800212B (zh) | 一种物联网环境下的智能泊车系统 | |
| Zhong et al. | Empirical study and analysis of the impact of traffic flow control at road intersections on vehicle energy consumption | |
| An et al. | Optimal scheduling of electric vehicle charging operations considering real-time traffic condition and travel distance | |
| CN105046990A (zh) | 一种基于粒子群算法的相邻路口间人行道信号灯控制方法 | |
| CN112382109B (zh) | 智能网联状态下应急救援车辆协同控制方法、系统及介质 | |
| CN107844603A (zh) | 基于云计算的电动汽车充电桩查询引导系统 | |
| CN107341551A (zh) | 一种电动交通工具租赁系统及其管理方法 | |
| Ye et al. | Electric vehicle routing models and solution algorithms in logistics distribution: A systematic review | |
| Ning et al. | Optimization of cold chain distribution path of fresh agricultural products under carbon tax mechanism: A case study in China | |
| Tu | Parking lot guiding with IoT way | |
| CN106205195A (zh) | 一种车位管理系统及方法 | |
| CN109493638B (zh) | 一种园区停车位的管理优化方法和装置 | |
| Wang et al. | Towards accessible shared autonomous electric mobility with dynamic deadlines | |
| CN207663568U (zh) | 一种公交车道优化利用控制系统 | |
| WO2023143647A2 (zh) | 区域电动非机动车能源控制系统 | |
| CN107886755B (zh) | 一种场内停车路径智能引导系统 | |
| CN113837452B (zh) | 一种面向水下无线传感器网络的移动充电路径规划方法 | |
| CN107230387A (zh) | 一种智能车库管理系统 |
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 | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190405 |