CN109741621A - 基于群智感知的停车位信息处理方法、系统和计算机装置 - Google Patents

基于群智感知的停车位信息处理方法、系统和计算机装置 Download PDF

Info

Publication number
CN109741621A
CN109741621A CN201910059204.5A CN201910059204A CN109741621A CN 109741621 A CN109741621 A CN 109741621A CN 201910059204 A CN201910059204 A CN 201910059204A CN 109741621 A CN109741621 A CN 109741621A
Authority
CN
China
Prior art keywords
parking
attendant
space information
parking space
reliability
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
Application number
CN201910059204.5A
Other languages
English (en)
Other versions
CN109741621B (zh
Inventor
吴迪
曾展秀
史丰睿
刘强
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Hunan University
Original Assignee
Hunan University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Hunan University filed Critical Hunan University
Priority to CN201910059204.5A priority Critical patent/CN109741621B/zh
Publication of CN109741621A publication Critical patent/CN109741621A/zh
Application granted granted Critical
Publication of CN109741621B publication Critical patent/CN109741621B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Landscapes

  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Traffic Control Systems (AREA)

Abstract

本发明公开了一种基于群智感知的停车位信息处理方法、系统和计算机装置,该方法包括:获取服务人员上传的停车位信息,并基于停车位信息生成对应的可靠性判断问题;获取服务人员对可靠性判断问题进行回答所得到的答案,通过判断答案的正确性来获得服务人员的可靠性;根据服务人员的可靠性对服务人员上传的停车位信息进行预测计算,获得可靠的停车位信息并进行展示,以引导有停车需求的人员前往可靠的停车位信息中对应的空闲车位位置进行停车。本发明中可利用服务人员的日常工作和生活轨迹采集城市范围内的停车位信息,为车主的出行提供便利,此外还可为服务人员等创造额外的经济收益,具有一定的社会效益。

Description

基于群智感知的停车位信息处理方法、系统和计算机装置
技术领域
本发明涉及数据处理技术领域,更具体地说,涉及一种基于群智感知的停 车位信息处理方法。
背景技术
随着人们生活水平的提高,机动车成为现代都市生活的重要交通工具,机 动车数量也越来越多,使得在城市找停车位变得越来越困难。
城市停车位的稀缺导致了对其及时可用信息的高需求,如何使得有停车需 求的车主能够快速找到真实可靠的停车位是亟待解决的问题。
发明内容
针对上述缺陷,本发明提供了一种基于群智感知的停车位信息处理方法、 系统和计算机装置,能够获取到并发布可靠的空闲停车位信息,为车主的出行 提供方便。
第一方面,本发明提供的一种基于群智感知的停车位信息处理方法,包括:
获取服务人员上传的停车位信息,并基于所述停车位信息生成对应的可靠 性判断问题,所述停车位信息包括空闲车位的地理位置,所述可靠性判断问题 与所述空闲车位的地理位置相关;
获取所述服务人员对所述可靠性判断问题进行回答所得到的答案,通过判 断所述答案的正确性来获得所述服务人员的可靠性;
根据所述服务人员的可靠性对所述服务人员上传的停车位信息进行预测 计算,获得可靠的停车位信息并进行展示,以引导有停车需求的人员前往所述 可靠的停车位信息中对应的空闲车位位置进行停车。
可选地,所述通过判断所述答案的正确性来获得所述服务人员的可靠性包 括:
判断所述答案的正确性,并基于所述答案的正确性通过最大期望算法挑选 得到满足可靠性要求的服务人员子集;
根据所述服务人员的可靠性对所述服务人员上传的停车位信息进行预测 计算,获得可靠的停车位信息并进行展示具体为根据所述服务人员子集挑选可 靠的停车位信息进行展示;
所述服务人员子集满足预设挑选条件,所述预设挑选条件为:
其中,表示回答正确的标签和回答错误的标签间的 均方误差,服务人员的总集合为W={1,2,...,M},服务人员子集为S, 以POI问题的回答正确率来作为服务人员的可靠度标签类别为L。
可选地,在挑选得到满足可靠性要求的服务人员子集之后,还包括:
根据所述服务人员子集建立高斯模型;
根据所述高斯模型采用联合估计算法或两步预测法对所述服务人员自己 上传的停车位信息进行预测计算,获得可靠的停车位信息。
可选地,还包括:
在获取到已成功停车的反馈消息后,根据所述反馈信息对应的停车位信息 查找到上传该停车位信息的服务人员,并将奖励金发送至该服务人员;
其中,所述反馈消息由所述有停车需求的人员在停车成功后上传或由基于 已展示的停车位信息所调用的导航模块反馈。
可选地,所述奖励金由线性奖励分配算法计算得到,所述线性奖励分配算 法具体为:
其中,rj为服务人员j的奖励金,R是可分配的总收入,为服务人员j 的方差无偏估计。
可选地,还包括:
将新获取到的新停车位信息与已获取到的旧停车信息进行对比,判断所述 新停车位信息中是否存在有满足预设距离条件的第一停车位,若是,则将所述 第一停车位和第二停车位的地理位置进行统一;
其中,所述第二停车位为所述旧停车信息中所包含的停车位,所述预设距 离条件为所述第一停车位与所述第二停车位之间的欧氏距离小于或等于预设 分布距离。
可选地,还包括:
获取历史停车数据以及所述历史停车数据对应的第一空间特征,并将所述 历史停车数据和所述第一空间特征作为迁移学习的源域;
获取目标停车位的地理位置作为目标域的第二空间特征;
求取所述第一空间特征和所述第二空间特征的公共空间特征,根据所述公 共空间特征结合所述历史停车数据训练出迁移学习的模型,并基于所述迁移学 习的模型预测得到停车位流失率;
根据所述停车位流失率对所述可靠的停车位信息进行实时更新和展示,所 述可靠的停车位信息包括停车位的地理位置和停车位的数量。
第二方面,本发明提供的一种基于群智感知的停车位信息处理系统,包括:
获取模块,用于获取服务人员上传的停车位信息,并基于所述停车位信息 生成对应的可靠性判断问题,所述停车位信息包括空闲车位的地理位置,所述 可靠性判断问题与所述空闲车位的地理位置相关;
判断模块,用于获取所述服务人员对所述可靠性判断问题进行回答所得到 的答案,通过判断所述答案的正确性来获得所述服务人员的可靠性;
计算模块,用于根据所述服务人员的可靠性对所述服务人员上传的停车位 信息进行预测计算,获得可靠的停车位信息并进行展示,以引导有停车需求的 人员前往所述可靠的停车位信息中对应的空闲车位位置进行停车。
第三方面,本发明提供的一种计算机装置,所述计算机装置包括处理器, 所述处理器用于执行存储装置中存储的计算机程序时实现如第一方面所述的 基于群智感知的停车位信息处理方法。
第四方面,本发明提供的一种计算机存储介质,其上存储有计算机程序, 所述计算机程序被处理器执行时实现如第一方面所述的基于群智感知的停车 位信息处理方法。
本发明具有以下有益效果:
本发明中基于群智感知技术进行停车位信息的收集和处理,利用服务人员 的日常工作和生活轨迹采集覆盖在城市范围内公开区域和居民小区的停车位 信息,并根据服务人员的可靠性对停车位信息进行筛选,得到可靠的停车位信 息,最后将这部分可靠的停车位信息展示,以引导有停车需求的人员前往可靠 的停车位信息中对应的空闲车位位置进行停车,解决了停车难的问题,为车主 的出行提供方便。
附图说明
下面将结合附图及实施例对本发明作进一步说明,附图中:
图1是本发明实施例的一种场景应用示意图;
图2为本发明实施例提供的一种基于群智感知的停车位信息处理方法的 流程图;
图3为本发明实施例提供的一种基于群智感知的停车位信息处理方法的 实施场景图;
图4为本发明实施例提供的一种应用基于群智感知的停车位信息处理方 法的APP的登陆界面图;
图5为本发明实施例提供的在服务人员端上传停车位信息的示意图;
图6为本发明实施例提供的在服务人员端上传POI问题答案的示意图
图7为本发明实施例提供的在司机端展示的停车位信息的示意图;
图8为本发明实施例提供的在司机端进行停车位导航指引的示意图;
图9为本发明实施例提供的一种基于群智感知的停车位信息处理系统的 结构示意图。
具体实施方式
为了对本发明的技术特征、目的和效果有更加清楚的理解,现对照附图详 细说明本发明的具体实施方式。
传统地,在机动车车主出行的过程中,车主通常是驾驶机动车到达目的地 附近之后,在目的地附近寻找空闲的停车位进行停车。然而,由于城市内停车 位紧缺,车主往往难以迅速找到空闲的停车位,车主经常需要花费大量的时间 去寻找车位,导致车主的大量时间被浪费,影响了车主的正常出行生活。
有鉴于此,本发明实施例中提出了一种基于群智感知的停车位信息处理方 法,该方法通过雇佣对城市区域环境熟悉的社会群体(比如环卫工人、小区居 民等)作为停车位信息群智感知的服务人员,利用服务人员的日常工作和生活 轨迹去采集覆盖在城市范围内公开区域和居民小区的停车位信息,可有效采集 街上、路边、小区等场景下的停车位信息,包括未被占用的停车空间以及实时 更新的每小时停车价格,并将这些停车信息及时发布给车主,以引导车主快速 前往停车位所在地进行停车,节省车主的时间,达到便民出行的良好效果。
举例来说,本发明实施例的场景之一,可以是应用到如图1所示的场景中, 该场景包括第一移动终端101、服务器102和第二移动终端103,其中,第一 移动终端101隶属于服务人员,服务人员通过第一移动终端101将收集到的停 车位信息上传到服务器102中,并回答服务器102下发的问题;服务器102 根据服务人员回答问题的正确性对停车位信息进行处理,并且展示出可靠的停 车位信息;第二移动终端103隶属于有停车需求的车主,车主在第二移动终端 103上获取到服务器102所展示的可靠的停车位信息,并根据该可靠的停车位 信息前往停车位的位置点进行停车。
可以理解的是,在上述应用场景中,虽然将本申请实施方式的动作描述由 服务器102执行,但是,本发明在执行主体方面不受限制,只要执行了本发明 实施方式所公开的动作即可。
可以理解的是,上述场景仅是本发明实施例提供的一个场景示例,本发明 实施例并不限于此场景。
下面结合附图,通过实施例来详细说明本发明实施例中基于群智感知的停 车位信息处理方法的具体实现方式。
如图2所示,图2为本发明实施例提供的一种基于群智感知的停车位信息 处理方法的流程图。
本发明实施例提供的一种基于群智感知的停车位信息处理方法,包括:
S201、获取服务人员上传的停车位信息,并基于所述停车位信息生成对应 的可靠性判断问题,所述停车位信息包括空闲车位的地理位置,所述可靠性判 断问题与所述空闲车位的地理位置相关;
可以理解的是,当服务人员发现有未被占用的停车空间(即空闲车位)时, 可以使用移动终端将空闲车位的地理位置、数量以及停车费用等信息进行上 传。另外,也可以由服务人员上传空闲车位的数量以及停车费用等信息,由服 务人员所携带的移动终端自动获取服务人员所在的位置作为空闲车位的地理 位置并进行上传。
可以理解的是,由于在实际情况下,有可能会存在一些人员恶意上传虚假 的停车位信息,来使得服务器系统获取并展示虚假的停车位信息,影响整个系 统的正常运转。因此,为了提高最终展示给车主的停车位信息的可靠性,尽可 能筛选得到真实可靠的停车位信息,首先可以对服务人员进行甄选。如果上传 停车位信息的人员实际上并非位于其所上传的停车位的附近,则可以认为该人 员是无法获得该停车位具体的信息,即其所上传提供的停车位信息是不可靠 的。可以理解的是,若上传停车位信息的人员在上传信息时确实位于其所上传 的停车位的附近,那么该人员可以轻易地获知到该停车位附近的具体环境,例如该停车位存在有哪些标志性的建筑。
因此,在本发明实施例中,在获取到停车位信息后,基于所述停车位信息 中的空闲车位的地理位置生成对应的可靠性判断问题,以便于根据服务人员回 答的情况来判断该服务人员的可靠性。其中,该可靠性问题具体为一POI (Point of interest,兴趣点)问题,与停车位的地理位置相关,该POI问 题可以根据停车位的具体地理位置从已有的地图APP(应用程序)调取生成。 例如,在服务人员上传了停车位A的地理位置后,根据该停车位A的地理位置, 从从已有的地图APP中调取了距离停车位A一定范围的N个有用或有趣的特定位置,例如餐馆,购物大厅,公园,银行等,作为参考位置,然后生成POI 问题“请选取该停车位附近的地点”,然后在POI问题的下方提供上述的N 个特定位置供服务人员选择。值得注意的是,N个特定位置中包括有在距离停 车位A一定范围(例如500m)内选取的位置点,也包括有一些距离停车位A 较远的虚假位置点,服务人员需要从N个特定位置中选择一个或者多个位置点 作为其答案。由于正确的答案是唯一的(正确的答案中可能包括有一个或多个位置点),将服务人员所回答的答案与唯一正确的答案进行对比,并对两个答 案之间的接近程度进行计算,可以大致获得服务人员的可靠性,即将服务人员 所回答的答案的正确程度作为服务人员对应的可靠性。
S202、获取所述服务人员对所述可靠性判断问题进行回答所得到的答案, 通过判断所述答案的正确性来获得所述服务人员的可靠性;
可以理解的是,在求取服务人员的可靠性时,可以根据服务人员对一个 POI问题进行回答的正确性来进行求取;然而,考虑到服务人员即便处于其所 上传的停车位的附近,也有可能因为其他的一些因素(例如误选等)而没有选 择到正确的答案,在这种情况下,为了避免服务人员因为没有正确回答一个 POI问题而将服务人员直接视为不可靠或者降低服务人员的可靠性的,可以设 置同时多个POI问题让服务人员进行回答,然后结合多个POI问题的回答情况 再求取服务人员最终的可靠性。
S203、根据所述服务人员的可靠性对所述服务人员上传的停车位信息进行 预测计算,获得可靠的停车位信息并进行展示,以引导有停车需求的人员前往 所述可靠的停车位信息中对应的空闲车位位置进行停车。
在确定了服务人员的可靠性之后,可以将可靠性大于一定阈值(例如90%) 的服务人员视为可靠的,同理,这部分可靠的服务人员所上传的停车位信息即 可以认为是相对可靠的。可以理解的是,服务人员被认为是相对可靠的,不一 定代表该服务人员所上传的停车位信息即为真实的信息数据,通常而言,服务 人员越可靠时,可以认为服务人员所提供的停车位信息越接近真实的信息。基 于上述考虑,可以结合服务人员的可靠性,对真实的停车位信息进行预测,以 获得尽可能接近真实数据的停车位信息。因此在本发明实施例中,可以根据服 务人员的可靠性对所述服务人员上传的停车位信息进行预测计算,获得可靠的 停车位信息。最后,这部分可靠的停车位信息由服务器下发并展示到车主所持 有的移动终端上,即车主可以在其移动终端上查看到附近或特定地点下可靠的 停车位信息,以供车主直接前往相应的空闲车位的位置处停车,而无需寻找车 位,方便快捷,节省大量的时间。值得注意的是,为了提高车主前往该停车位 的便捷性,车主除了可以直接根据该移动终端上所显示的停车位信息直接驱车 前往,也可以通过在移动终端上点击该停车位信息,以使得移动终端根据该停 车位信息调用相应的导航模块,便于车主直接按照导航模块的指引前往目的停 车位。
具体地,在本发明实施例提供的一种可选的实施方式中,所述通过判断所 述答案的正确性来获得所述服务人员的可靠性具体可以包括:
判断所述答案的正确性,并基于所述答案的正确性通过最大期望算法挑选 得到满足可靠性要求的服务人员子集;所述服务人员子集满足预设挑选条件, 所述预设挑选条件为:其中,表示回答正确 的标签和回答错误的标签间的均方误差,服务人员的总集合为W={1, 2,...,M},服务人员子集为S,以POI问题的回答正确率来作为服务人员 的可靠度标签类别为L;根据所述服务人员子集挑选可靠的停车位 信息进行展示。其中,argmax为一种函数,用于求取令到F(S)为最大评分值 的S,即求取使得评分值最大的服务人员子集S。
可以理解的是,POI问题的可信度分数可以根据服务人员回答POI问题的 答案来判定,而服务人员的可信度分数则根据其回答的所有POI问题的可信度 分数汇总得到。每一个POI问题的基础真值被设置为1,服务人员在回答POI 问题后,统计后的真值可以概率性地分布在-1和1之间,其中-1表示一个POI 问题被错误地回答,1代表一个POI问题被正确地回答。最后,通过最大期望 算法即可获得可靠性满足要求的服务人员子集。
可以理解的是,在实际应用中,可以将服务人员分成善意的和恶意的两大 类。善意的服务人员代表那些报告可用停车场信息时熟悉周边环境的人,并且 他们能尽力回答POI问题。一般来说,他们回答的POI问题有较高的可靠性, 例如可靠性会达到90%以上。恶意的服务人员指那些故意或者偶然提供垃圾/ 错误信息的人,这些信息会给最终的结果带来不良影响,从而导致系统产生有 偏差的信息。具体地,有以下三类恶意的人员:
第一类是对周边环境不熟悉,且故意上报停车位信息试图破坏系统的人 员;
第二类是熟悉停车位周边环境,但是故意把大多数POI问题都回答错误 (例如只有10%的可靠性),并且上报错误的停车位信息来破坏系统的人员。
第三类是熟悉停车场地理位置,且回答POI问题的可靠性同样较高的人 员,但是他们故意提供错误的停车位相关信息(包括停车位每小时的价格、停 车地理位置等)来破坏系统。
显然,即便在挑选得到满足可靠性要求的服务人员之后,也不能够保证这 些服务人员所提供的停车位信息均具有较高的可靠性,因此,可以继续对停车 位信息进行处理,以预测获得更为可靠的停车位信息。
因此,在挑选得到满足可靠性要求的服务人员子集之后,可以根据服务人 员子集所提供的停车位信息进行可靠停车位信息的预测,具体包括:
根据所述服务人员子集建立高斯模型;
根据所述高斯模型采用联合估计算法或两步预测法对所述服务人员自己 上传的停车位信息进行预测计算,获得可靠的停车位信息。
具体地,首先进行问题建模:记POI问题是控制条目集C,上传的停车位 信息是目标条目集T,标签集μT:={μi:i∈T},其中μi为条目i的标签(即某 停车位i的信息),待估计的真值为控制条目集C的真值标签:μC:={μi, i∈C}是已知的;W表示服务人员集,表示服务人员j的偏差值,ν:={νj:j ∈W}表示服务人员参数的完整向量;是分配给条目i的服务人员集;分别是服务人员j所标记的的目标条目集和控制条目集;xij表示服务人员j 对条目i进行的标注,假设xij是服从概率分布的随机变量,由一个 高斯模型建模为:其中,是条目i的相关量, 是服务人员j的偏差,是方差;
在获得高斯模型之后,据此模型预测停车位信息具体有两种算法:
两步预测法:先初始化所有服务人员j的偏差、权重:所有 服务人员j的偏差为:然后对所有的条 目i∈A,预测停车位i的信息为:
联合估计法:通过联合估计器直接最优化即:
然后对于所有的j∈w,偏差值计算为:
对于所有的i∈T,预测停车位i的信息为:
以上所述为在获取到停车位信息后,对停车位信息进行处理以获得可靠有 效的停车位信息。然而,在实际应用过程中,如何持续获取到可供处理的停车 位信息也是一个需要考虑的问题。因此,在本发明实施例提供的一种可选的实 施方式中,引入了激励机制来激发服务人员持续上传停车位信息,通过激励机 制快速地收集实时停车位信息。
具体地,可以包括:在获取到已成功停车的反馈消息后,根据所述反馈信 息对应的停车位信息查找到上传该停车位信息的服务人员,并将奖励金发送至 该服务人员;其中,所述反馈消息由所述有停车需求的人员在停车成功后上传 或由基于已展示的停车位信息所调用的导航模块反馈。可以理解的是,在车主 每次根据移动终端上所显示的停车位信息找到空闲的停车位并且进行停车后, 可以上传一个已停车成功的反馈消息至后台服务器中,也可以由导航模块在指 引车主前往空闲的停车位并使得车主实现自助停车后,向后台服务器发送相应 的反馈消息;后台服务器在收到该反馈消息后,可以确认服务人员所提供的停 车位信息可靠且已被采纳,此时,发放相应的激励奖金至上传该停车位信息的服务人员,以激励服务人员长期持续地提供可靠的停车位消息。由于群智感知 的服务人员主要是环卫工人等城市低收入人群,通过引入激励机制,可为这些 具备规律工作轨迹的基层城市维护人员创造额外的经济收益,避免了传统O2O 服务对社会现存社会经济结构和群体的冲击,具有一定的社会效益。
具体地,所述奖励金由线性奖励分配算法计算得到,所述线性奖励分配算 法具体为:
其中,rj为服务人员j的奖励金,R是可分配的总收入(总收入可以来源 于商业广告、车主捐赠等途径),为服务人员j的方差无偏估计。可以理解 的是,方差越大,服务人员的可靠性越低,其贡献水平越低,因此应该给予方 差较大的服务人员(即贡献水平较低的服务人员)较小的奖励,以促使服务人 员尽可能提供更为可靠的停车位消息。
为了便于理解,以下将结合附图对本发明实施例具体应用的场景进行详细 的说明。参阅图3,图3为本发明实施例提供的一种基于群智感知的停车位信 息处理方法的实施场景图。
步骤(1):首先,当服务人员在具有停车空间的区域附近经过或巡逻时发 现有空闲停车位时,服务人员在其移动终端上上传空闲停车位的地理位置以及 停车费用信息(即每小时停车收费),且服务人员回答相应的POI问题并将相 应的答案上传至服务器。
具体地,可以参阅4至图6,图4为本发明实施例提供的一种应用基于群 智感知的停车位信息处理方法的APP的登陆界面图;图5为本发明实施例提供 的在服务人员端上传停车位信息的示意图;图6为本发明实施例提供的在服务 人员端上传POI问题答案的示意图。在移动终端上,服务人员依次完成上传空 闲停车位的地理位置、停车费用信息以及空闲停车车的数量的任务,并且回答 相应的POI问题。
步骤(2):服务器端在获取到停车位信息后,对停车位信息进行数据预处 理,例如检查数据是否重复以及合并重复数据等;然后结合停车位信息以及服 务人员端上传的POI问题答案进行算法的运行,获得可用的停车位列表,并将 可用的停车位进行展示。
步骤(3):有停车需求的车主(司机)在移动终端上查看相应的停车位列 表,并结合自己的目的地、停车费用等各种因素选取合适的停车位。车主还可 以通过点击相应的停车位列表来调用导航模块,直接由导航模块指引至对应的 停车位处。可以参阅7至图8,图7为本发明实施例提供的在司机端展示的停 车位信息的示意图;图8为本发明实施例提供的在司机端进行停车位导航指引 的示意图。
步骤(4):最后,在车主成功停车后,由服务器将相应的奖励金发放到上 传对应停车位的服务人员端上。
在本发明实施例中,主要可以根据服务人员的经纬度信息来标记空置停车 位位置,然而真实情况下一个空置停车位会占据一定的地理区域。为避免多个 具体位置点不同的服务人员在同一地理区域标记了同一空置停车位,可以通过 地理空间数据来确认多个服务人员在同一地理区域登记他们的位置作为同一 潜在停车位的信息。具体地,可以包括:将新获取到的新停车位信息与已获取 到的旧停车信息进行对比,判断所述新停车位信息中是否存在有满足预设距离 条件的第一停车位,若是,则将所述第一停车位和第二停车位的地理位置进行 统一;其中,所述第二停车位为所述旧停车信息中所包含的停车位,所述预设 距离条件为所述第一停车位与所述第二停车位之间的欧氏距离小于或等于预 设分布距离。预设分布距离具体可以为两个停车位的距离半径,可以根据每个 城市停车位分布的实际测量情况进行设置,即当两个服务人员间的欧氏距离小 于最小距离,则可以判断他们在同一区域标记同一停车位,此时可以将两个服 务人员所上传的两个停车位的地理位置通过求取两点间的中间位置作为统一 位置的方式进行合并统一,以便于后续的停车位信息处理,避免显示显示重复 的停车位信息。
另外,由于车辆的流动性,停车位信息是具有变化性的,即容易存在经过 一定时间后停车位信息失效的情况,因此为保证停车位信息的时效性,在本发 明实施例中基于时间轴要素提出迁移学习模型来解决提供的停车位信息及时 性的问题。其中,基于特征的迁移学习模型能够预测区域停车位的流失率,结 合得到的停车位信息和停车位的流失率,可以得到具体某一停车区域内可用停 车位的有效期。
具体地,可以包括:获取历史停车数据以及所述历史停车数据对应的第一 空间特征,并将所述历史停车数据和所述第一空间特征作为迁移学习的源域;
获取目标停车位的地理位置作为目标域的第二空间特征;
求取所述第一空间特征和所述第二空间特征的公共空间特征,根据所述公 共空间特征结合所述历史停车数据训练出迁移学习的模型,并基于所述迁移学 习的模型预测得到停车位流失率;
根据所述停车位流失率对所述可靠的停车位信息进行实时更新和展示,所 述可靠的停车位信息包括停车位的地理位置和停车位的数量。
在此方法中,首先利用大型商超停车场这类有监控的区域所提供的历史停 车数据结合城市数据(即第一空间特征)作为迁移学习的源域。其中,以下类 型的数据视为停车数据:停车场类,包含有关停车位可用性的信息,如当前占 用率、收费等;交通数据,包含与停车相关的城市交通信息;天气数据,包含 该区域的天气信息;事件数据,包含可能对停车产生影响的事件信息,如节日 假期等;以及燃料价格数据。城市数据则反映了该区域的停车需求,可以通 过地图APP来提取POI点作为城市数据,POI是人们可能觉得有用或有趣的特 定位置,例如餐馆,购物大厅,公园等。在现实中,大部分停车区域是不能提 供历史停车速度数据的,这大部分的区域即作为迁移学习中的目标域。我们可 以获取的是目标域的城市数据,即有效的第二空间特征,然后基于 SCL(Structural Correspondence Learning,结构对应学习),可以找到源域和 目标域的公共空间特征,根据公共空间特征再结合源域的时间序列数据(即停 车数据)训练出迁移学习的模型,最后该停车区域内可用停车位的有效期可以 通过迁移学习的模型预测得到的停车位流失率结合之前得到的可用停车位数量得到。
参阅图9,图9为本发明实施例提供的一种基于群智感知的停车位信息处 理系统的结构示意图。
本发明实施例提供的一种基于群智感知的停车位信息处理系统,包括:
第一获取模块901,用于获取服务人员上传的停车位信息,并基于所述停 车位信息生成对应的可靠性判断问题,所述停车位信息包括空闲车位的地理位 置,所述可靠性判断问题与所述空闲车位的地理位置相关;
判断模块902,用于获取所述服务人员对所述可靠性判断问题进行回答所 得到的答案,通过判断所述答案的正确性来获得所述服务人员的可靠性;
计算模块903,用于根据所述服务人员的可靠性对所述服务人员上传的停 车位信息进行预测计算,获得可靠的停车位信息并进行展示,以引导有停车需 求的人员前往所述可靠的停车位信息中对应的空闲车位位置进行停车。
可选地,所述判断模块包括:
判断单元,用于判断所述答案的正确性,并基于所述答案的正确性通过最 大期望算法挑选得到满足可靠性要求的服务人员子集;
实施计算模块还用于根据所述服务人员的可靠性对所述服务人员上传的 停车位信息进行预测计算,获得可靠的停车位信息并进行展示具体为根据所述 服务人员子集挑选可靠的停车位信息进行展示;
所述服务人员子集满足预设挑选条件,所述预设挑选条件为:
其中,表示回答正确的标签和回答错误的标签间的 均方误差,服务人员的总集合为W={1,2,...,M},服务人员子集为S, 以POI问题的回答正确率来作为服务人员的可靠度标签类别为L。
可选地,所述判断模块还包括:
建模单元,用于根据所述服务人员子集建立高斯模型;
预测单元,用于根据所述高斯模型采用联合估计算法或两步预测法对所述 服务人员自己上传的停车位信息进行预测计算,获得可靠的停车位信息。
可选地,还包括:
奖励金发放模块,用于在获取到已成功停车的反馈消息后,根据所述反馈 信息对应的停车位信息查找到上传该停车位信息的服务人员,并将奖励金发送 至该服务人员;
其中,所述反馈消息由所述有停车需求的人员在停车成功后上传或由基于 已展示的停车位信息所调用的导航模块反馈。
可选地,所述奖励金发放模块具体用于根据线性奖励分配算法计算得到奖 励金,所述线性奖励分配算法具体为:
其中,rj为服务人员j的奖励金,R是可分配的总收入,为服务人员j 的方差无偏估计。
可选地,还包括:
对比模块,用于将新获取到的新停车位信息与已获取到的旧停车信息进行 对比,判断所述新停车位信息中是否存在有满足预设距离条件的第一停车位, 若是,则将所述第一停车位和第二停车位的地理位置进行统一;
其中,所述第二停车位为所述旧停车信息中所包含的停车位,所述预设距 离条件为所述第一停车位与所述第二停车位之间的欧氏距离小于或等于预设 分布距离。
可选地,还包括:
第二获取模块,用于获取历史停车数据以及所述历史停车数据对应的第一 空间特征,并将所述历史停车数据和所述第一空间特征作为迁移学习的源域;
第三获取模块,用于获取目标停车位的地理位置作为目标域的第二空间特 征;
求取模块,用于求取所述第一空间特征和所述第二空间特征的公共空间特 征,根据所述公共空间特征结合所述历史停车数据训练出迁移学习的模型,并 基于所述迁移学习的模型预测得到停车位流失率;
更新模块,用于根据所述停车位流失率对所述可靠的停车位信息进行实时 更新和展示,所述可靠的停车位信息包括停车位的地理位置和停车位的数量。
本发明实施例还提供了一种计算机装置,所述计算机装置包括处理器,所 述处理器用于执行存储装置中存储的计算机程序时实现上述的基于群智感知 的停车位信息处理方法。
本发明还提供了一种计算机存储介质,其上存储有计算机程序,所述计算 机程序被处理器执行时实现上述的基于群智感知的停车位信息处理方法。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程, 是可以通过计算机程序来指令相关的硬件来完成,所述的程序可存储于一计算 机可读取存储介质中,该程序在执行时,可包括如上述各方法的实施例的流程。 其中,所述的存储介质可为磁碟、光盘、只读存储记忆体(Read-OnlyMemory, ROM)或随机存储记忆体(RandomAccessMemory,RAM)等。
上述计算机可读存储介质用于存储本发明实施例所提供的基于群智感知 的停车位信息处理方法的程序(指令),其中执行该程序可以执行本发明实施例 所提供的基于群智感知的停车位信息处理方法,具备执行方法相应有益效果。 可参照上述方法实施例中的描述,此处不再进行赘述。
上面结合附图对本发明的实施例进行了描述,但是本发明并不局限于上述 的具体实施方式,上述的具体实施方式仅仅是示意性的,而不是限制性的,本 领域的普通技术人员在本发明的启示下,在不脱离本发明宗旨和权利要求所保 护的范围情况下,还可做出很多形式,这些均属于本发明的保护之内。

Claims (10)

1.一种基于群智感知的停车位信息处理方法,其特征在于,包括:
获取服务人员上传的停车位信息,并基于所述停车位信息生成对应的可靠性判断问题,所述停车位信息包括空闲车位的地理位置,所述可靠性判断问题与所述空闲车位的地理位置相关;
获取所述服务人员对所述可靠性判断问题进行回答所得到的答案,通过判断所述答案的正确性来获得所述服务人员的可靠性;
根据所述服务人员的可靠性对所述服务人员上传的停车位信息进行预测计算,获得可靠的停车位信息并进行展示,以引导有停车需求的人员前往所述可靠的停车位信息中对应的空闲车位位置进行停车。
2.根据权利要求1所述的基于群智感知的停车位信息处理方法,其特征在于,所述通过判断所述答案的正确性来获得所述服务人员的可靠性包括:
判断所述答案的正确性,并基于所述答案的正确性通过最大期望算法挑选得到满足可靠性要求的服务人员子集;
根据所述服务人员的可靠性对所述服务人员上传的停车位信息进行预测计算,获得可靠的停车位信息并进行展示具体为根据所述服务人员子集挑选可靠的停车位信息进行展示;
所述服务人员子集满足预设挑选条件,所述预设挑选条件为:
其中,表示回答正确的标签和回答错误的标签间的均方误差,服务人员的总集合为W={1,2,...,M},服务人员子集为S,以POI问题的回答正确率来作为服务人员的可靠度标签类别为L。
3.根据权利要求2所述的基于群智感知的停车位信息处理方法,其特征在于,在挑选得到满足可靠性要求的服务人员子集之后,还包括:
根据所述服务人员子集建立高斯模型;
根据所述高斯模型采用联合估计算法或两步预测法对所述服务人员自己上传的停车位信息进行预测计算,获得可靠的停车位信息。
4.根据权利要求3所述的基于群智感知的停车位信息处理方法,其特征在于,还包括:
在获取到已成功停车的反馈消息后,根据所述反馈信息对应的停车位信息查找到上传该停车位信息的服务人员,并将奖励金发送至该服务人员;
其中,所述反馈消息由所述有停车需求的人员在停车成功后上传或由基于已展示的停车位信息所调用的导航模块反馈。
5.根据权利要求4所述的基于群智感知的停车位信息处理方法,其特征在于,所述奖励金由线性奖励分配算法计算得到,所述线性奖励分配算法具体为:
其中,rj为服务人员j的奖励金,R是可分配的总收入,为服务人员j的方差无偏估计。
6.根据权利要求2所述的基于群智感知的停车位信息处理方法,其特征在于,还包括:
将新获取到的新停车位信息与已获取到的旧停车信息进行对比,判断所述新停车位信息中是否存在有满足预设距离条件的第一停车位,若是,则将所述第一停车位和第二停车位的地理位置进行统一;
其中,所述第二停车位为所述旧停车信息中所包含的停车位,所述预设距离条件为所述第一停车位与所述第二停车位之间的欧氏距离小于或等于预设分布距离。
7.根据权利要求1所述的基于群智感知的停车位信息处理方法,其特征在于,还包括:
获取历史停车数据以及所述历史停车数据对应的第一空间特征,并将所述历史停车数据和所述第一空间特征作为迁移学习的源域;
获取目标停车位的地理位置作为目标域的第二空间特征;
求取所述第一空间特征和所述第二空间特征的公共空间特征,根据所述公共空间特征结合所述历史停车数据训练出迁移学习的模型,并基于所述迁移学习的模型预测得到停车位流失率;
根据所述停车位流失率对所述可靠的停车位信息进行实时更新和展示,所述可靠的停车位信息包括停车位的地理位置和停车位的数量。
8.一种基于群智感知的停车位信息处理系统,其特征在于,包括:
获取模块,用于获取服务人员上传的停车位信息,并基于所述停车位信息生成对应的可靠性判断问题,所述停车位信息包括空闲车位的地理位置,所述可靠性判断问题与所述空闲车位的地理位置相关;
判断模块,用于获取所述服务人员对所述可靠性判断问题进行回答所得到的答案,通过判断所述答案的正确性来获得所述服务人员的可靠性;
计算模块,用于根据所述服务人员的可靠性对所述服务人员上传的停车位信息进行预测计算,获得可靠的停车位信息并进行展示,以引导有停车需求的人员前往所述可靠的停车位信息中对应的空闲车位位置进行停车。
9.一种计算机装置,其特征在于,所述计算机装置包括处理器,所述处理器用于执行存储装置中存储的计算机程序时实现如权利要求1-7中任意一项所述的基于群智感知的停车位信息处理方法。
10.一种计算机存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1-7中任意一项所述的基于群智感知的停车位信息处理方法。
CN201910059204.5A 2019-01-22 2019-01-22 基于群智感知的停车位信息处理方法、系统和计算机装置 Active CN109741621B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910059204.5A CN109741621B (zh) 2019-01-22 2019-01-22 基于群智感知的停车位信息处理方法、系统和计算机装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910059204.5A CN109741621B (zh) 2019-01-22 2019-01-22 基于群智感知的停车位信息处理方法、系统和计算机装置

Publications (2)

Publication Number Publication Date
CN109741621A true CN109741621A (zh) 2019-05-10
CN109741621B CN109741621B (zh) 2021-03-16

Family

ID=66365676

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910059204.5A Active CN109741621B (zh) 2019-01-22 2019-01-22 基于群智感知的停车位信息处理方法、系统和计算机装置

Country Status (1)

Country Link
CN (1) CN109741621B (zh)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110969361A (zh) * 2019-12-06 2020-04-07 深圳前海微众银行股份有限公司 空置率评估方法、装置、设备及计算机可读存储介质
CN112102647A (zh) * 2019-06-17 2020-12-18 丰田自动车北美公司 通过车辆微云进行的协作停车位寻找
CN114339655A (zh) * 2022-03-14 2022-04-12 中国人民解放军国防科技大学 人车协同参与的稀疏移动群智感知方法
CN114373324A (zh) * 2021-12-01 2022-04-19 江铃汽车股份有限公司 一种车位信息共享方法及系统
CN114743405A (zh) * 2022-03-29 2022-07-12 广州小鹏自动驾驶科技有限公司 车位数据的处理方法、装置、电子设备及存储介质

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH06119597A (ja) * 1992-10-05 1994-04-28 Hitachi Plant Eng & Constr Co Ltd 駐車場料金自動管理システム
CN103606299A (zh) * 2013-11-22 2014-02-26 天津大学 基于智能手机的停车位信息共享方法
CN103680196A (zh) * 2013-11-15 2014-03-26 上海喜泊客信息技术有限公司 基于众包模式的停车泊位引导的方法及系统
CN104700650A (zh) * 2013-12-06 2015-06-10 何金锦 车辆服务系统
CN105931485A (zh) * 2016-04-15 2016-09-07 重庆金瓯科技发展有限责任公司 一种共享车位预约使用服务系统
CN106952496A (zh) * 2017-04-11 2017-07-14 苏州梦伯乐信息科技有限公司 无人驾驶汽车智能寻车位方法
CN107466004A (zh) * 2017-09-13 2017-12-12 浙江万里学院 一种城市道路停车管理系统及方法
CN107895504A (zh) * 2017-11-07 2018-04-10 重庆大学 室内停车场车位引导系统及其地图重构方法

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH06119597A (ja) * 1992-10-05 1994-04-28 Hitachi Plant Eng & Constr Co Ltd 駐車場料金自動管理システム
CN103680196A (zh) * 2013-11-15 2014-03-26 上海喜泊客信息技术有限公司 基于众包模式的停车泊位引导的方法及系统
CN103606299A (zh) * 2013-11-22 2014-02-26 天津大学 基于智能手机的停车位信息共享方法
CN104700650A (zh) * 2013-12-06 2015-06-10 何金锦 车辆服务系统
CN105931485A (zh) * 2016-04-15 2016-09-07 重庆金瓯科技发展有限责任公司 一种共享车位预约使用服务系统
CN106952496A (zh) * 2017-04-11 2017-07-14 苏州梦伯乐信息科技有限公司 无人驾驶汽车智能寻车位方法
CN107466004A (zh) * 2017-09-13 2017-12-12 浙江万里学院 一种城市道路停车管理系统及方法
CN107895504A (zh) * 2017-11-07 2018-04-10 重庆大学 室内停车场车位引导系统及其地图重构方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
FENGRUI SHI等: "ParkCrowd: Reliable Crowdsensing for Aggregation", 《IEEE TRANSACTIONS ON INTELLIGENT TRANSPORTATION SYSTEMS》 *

Cited By (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112102647A (zh) * 2019-06-17 2020-12-18 丰田自动车北美公司 通过车辆微云进行的协作停车位寻找
CN112102647B (zh) * 2019-06-17 2024-06-07 丰田自动车北美公司 用于车辆微云的方法和系统
CN110969361A (zh) * 2019-12-06 2020-04-07 深圳前海微众银行股份有限公司 空置率评估方法、装置、设备及计算机可读存储介质
CN110969361B (zh) * 2019-12-06 2024-05-14 深圳前海微众银行股份有限公司 空置率评估方法、装置、设备及计算机可读存储介质
CN114373324A (zh) * 2021-12-01 2022-04-19 江铃汽车股份有限公司 一种车位信息共享方法及系统
CN114373324B (zh) * 2021-12-01 2023-05-09 江铃汽车股份有限公司 一种车位信息共享方法及系统
CN114339655A (zh) * 2022-03-14 2022-04-12 中国人民解放军国防科技大学 人车协同参与的稀疏移动群智感知方法
CN114743405A (zh) * 2022-03-29 2022-07-12 广州小鹏自动驾驶科技有限公司 车位数据的处理方法、装置、电子设备及存储介质
CN114743405B (zh) * 2022-03-29 2023-10-31 广州小鹏自动驾驶科技有限公司 车位数据的处理方法、装置、电子设备及存储介质

Also Published As

Publication number Publication date
CN109741621B (zh) 2021-03-16

Similar Documents

Publication Publication Date Title
CN109741621A (zh) 基于群智感知的停车位信息处理方法、系统和计算机装置
Bock et al. Smart parking: Using a crowd of taxis to sense on-street parking space availability
Ratcliffe Crime mapping and the training needs of law enforcement
Xie et al. Examining travel patterns and characteristics in a bikesharing network and implications for data-driven decision supports: Case study in the Washington DC area
CN107063273A (zh) 实时地图数据更新系统和方法
Ruiter Crime location choice
CN108663065A (zh) 一种道路类型的识别方法及装置
CN108765018A (zh) 基于人车关联的自适应广告推送方法及系统
CN110472810A (zh) 基于用户群组偏好预测预定区域中的移动出行单元需求的数据驱动的方法和系统
CN108711307A (zh) 大型地下停车场反向寻车系统
CN109033400A (zh) 基于地图的车辆通行展示方法及系统
WO2021102031A1 (en) Methods, systems, and media for generating and evaluating street grids
Guo et al. Understanding content contribution behavior in a geosegmented mobile virtual community: the context of Waze
CN114444794B (zh) 基于双注意力图嵌入网络的出行意图预测方法
Wang et al. A comparison of proximity and accessibility drivers in simulating dynamic urban growth
CN116823572B (zh) 人口流动数据的获取方法、装置及计算机可读存储介质
Gong et al. Agent-based modelling with geographically weighted calibration for intra-urban activities simulation using taxi GPS trajectories
Jonker et al. Modeling trip-length distribution of shopping center trips from GPS data
Chung et al. Investigating the effects of POI-based land use on traffic accidents in Suzhou Industrial Park, China
CN117407711A (zh) 基于时空特征、地理语义及驾驶状态的车辆轨迹预测方法
Chainey Examining the extent to which hotspot analysis can support spatial predictions of crime
Djuric et al. Parkassistant: An algorithm for guiding a car to a parking spot
Mohammadi et al. Probabilistic prediction of trip travel time and its variability using hierarchical Bayesian learning
Salazar-Miranda et al. Measuring the impact of slow zones on street life using social media
Stangeland Catching a serial rapist: hits and misses in criminal profiling

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