CN109949606A - 一种智能停车的大数据分析方法 - Google Patents

Abstract

本发明涉及大数据分析以及智能化服务领域，具体公开了一种智能停车的大数据分析方法，通过导入后台系统的用户信息和车位信息，分析各项数据的分布区间，并将停车位与周边设置进行关联；根据等分的数据区间建立不同的用户模型和停车位模型，并根据历史数据确定该模型的常用数据，最终实现大数据分析结果的可视化显示以及数据运用。本发明通过可视化视图为用户和管理人员更直观的展示大数据的分析结果。通过对用户进行分类并建立数据模型，根据对模型数据的分析，自动针对不同客户提供准确的消息推送、停车意见、周边信息以及消费指引，同时可以指导管理部门调整收费策略、增设停车位，并根据数据模型的历史数据预测未来一段时间停车位的使用情况、车流状况以及用户行程。

Description

一种智能停车的大数据分析方法

技术领域

本发明涉及大数据分析以及智能化服务领域，具体公开了一种智能停车的大数据分析方法。

背景技术

在数字化系统的发展潮流中，大数据成为了互联网领域新的金矿，从大数据的收集到分析，最终开发出成熟的人工智能，为人们进行智能服务与生产是本领域技术人员的梦想与目标。

近年来大数据的收集、分析与运用的技术越来越成熟，大数据运用的市场价值得到了验证与肯定，越来越多的领域也开始运用大数据分析技术来更准确的掌握用户数据的现状以及变化情况。

本公司现开发了一款智能视频车位管理桩及其配套的停车位管理系统，运营公司使用在停车位管理系统管理智能停车桩的过程中，将会产生大量、多样、低价值的用户信息以及使用信息，为有效利用该大数据，通过大数据分析提供更加优质的停车服务，需要开发一种对应的大数据分析方法。

发明内容

为了克服上述问题，本发明提供一种智能停车的大数据分析方法。

本发明采用的技术方案是：一种智能停车的大数据分析方法，其实现的步骤如下：

S1.数据收集，通过停车位管理系统读取全部的用户信息和停车位的使用信息，用户信息包括个人信息数据和个人行为数据；

S2.数据筛选与统计，剔除无效数据或者异常数据，对收集到的数据单项进行求和以及求平均数，计算出各项数据的数据集中分布区间；

S3.数据信息整理，运营公司对停车位附近的设施和商家进行关联，为对应停车位停车的客户提供分析依据以及消息参考；

S4.建立数据模型，根据用户的个人信息数据的分布区间，按数量等分方式对用户个人信息数据进行分类，针对不同分类的用户建立用户模型，根据停车位关联设置、使用时间段与周边停车位的占用率建立停车位模型；

S5.数据分析，将用户模型的个人行为数据平均值设定为该模型的行为参考数据，根据停车位模型的历史使用时间段与预约停车数据计算该停车位模型在不同时间段的占用率；

S6.可视化显示，将数据分析结果和数据统计的结果，通过图表模板将数据汇总后显示，以供运营公司和政府单位确认停车位的使用情况、车流动向以及不同区域的停车位营收数据；

S7.数据运用，针对不同分类的用户，将需要发送的信息指定对应的一个或几个用户模型进行推送，并根据用户对应的用户模型和停车位模型的常用数据，选择对应的预设服务意见发送给用户。

作为优选的，所述的个人信息数据包括：用户的姓名、性别、年龄、车牌、车辆信息、微信号、手机号和支付账号，个人行为数据包括用户每单的停车时间、停车费、停车位置与停靠时长。

优选的，所述的用户信息还包括：通过交警系统接口获取的车辆违章数据，合作商家的消费信息，优惠券使用数据。

优选的，所述的步骤S1还包括子步骤：

A1.问卷调查，大数据系统内包含数据收集用的选择题库，每道选择题设有对应不同数据人群的适用范围，不定期抽取客户并发送数道选择题形成电子调查问卷供客户填写；

A2.订单评价，用于用户对停车订单、服务意见和周边优惠信息的准确度和用户体验进行评价打分。

本发明的有益效果是：通过可视化视图为用户和管理人员更直观的展示大数据的分析结果。通过对用户进行分类并建立数据模型，根据对模型数据的分析，自动针对不同客户提供准确的消息推送、停车意见、周边信息以及消费指引，同时可以指导管理部门调整收费策略、增设停车位，并根据数据模型的历史数据预测未来一段时间停车位的使用情况、车流状况以及用户行程。

附图说明

图1是本发明的流程示意图。

具体实施方式

参见图1，本发明是一种智能停车的大数据分析方法，其实现的步骤如下：

S1.数据收集，通过停车位管理系统读取全部的用户信息和停车位的使用信息，用户信息包括个人信息数据和个人行为数据；

S2.数据筛选与统计，剔除无效数据或者异常数据，对收集到的数据单项进行求和以及求平均数，计算出各项数据的数据集中分布区间；

S3.数据信息整理，运营公司对停车位附近的设施和商家进行关联，为对应停车位停车的客户提供分析依据以及消息参考；

S4.建立数据模型，根据用户的个人信息数据的分布区间，按数量等分方式对用户个人信息数据进行分类，针对不同分类的用户建立用户模型，根据停车位关联设置、使用时间段与周边停车位的占用率建立停车位模型；

S5.数据分析，将用户模型的个人行为数据平均值设定为该模型的行为参考数据，根据停车位模型的历史使用时间段与预约停车数据计算该停车位模型在不同时间段的占用率；

S6.可视化显示，将数据分析结果和数据统计的结果，通过图表模板将数据汇总后显示，以供运营公司和政府单位确认停车位的使用情况、车流动向以及不同区域的停车位营收数据；

S7.数据运用，针对不同分类的用户，将需要发送的信息指定对应的一个或几个用户模型进行推送，并根据用户对应的用户模型和停车位模型的常用数据，选择对应的预设服务意见发送给用户。

个人信息数据包括：用户的姓名、性别、年龄、车牌、车辆信息、微信号、手机号和支付账号，个人行为数据包括用户每单的停车时间、停车费、停车位置与停靠时长。

用户信息还可以包括：通过交警系统接口获取的车辆违章数据，合作商家的消费信息，优惠券使用数据。

步骤S1中，为了收集更多的数据以及补充系统数据的不足，还可以通过以下方式进行用户数据的收集：

A1.问卷调查，大数据系统内包含数据收集用的选择题库，每道选择题设有对应不同数据人群的适用范围，不定期抽取客户并发送数道选择题形成电子调查问卷供客户填写；

A2.订单评价，用于用户对停车订单、服务意见和周边优惠信息的准确度和用户体验进行评价打分。

本发明的具体实施例如下：

步骤S1中，收集到用户数据如下：

张三，男，身份证号XXXX(实名认证获取)，驾驶证XXXX，38岁，微信号XXX(关联账号以及付款账号)，手机号XXXX，车牌号XXXX，车型 XXX(根据停车时的视频智能识别或者车主填写)；

收集到张三于1月1日周一上午8点-下午5点在世贸大厦停车场停车，5 点30分在东风小学门口停车10分钟，5点45分在美食广场路边停车1小时。

根据以上数据，张三用户属于在市中心上班的有家有孩子白领分类，根据该类用户的数据模型，可以预估出张三的月收入大概在1万左右，经常在外就餐，周末常去少年宫或者游乐园等场所。

根据上述用户类型的分析结果，周1-周4定期给张三推送公司以及学校附近的美食店铺广告，周五至周日推送儿童补习课程、游玩攻略、游乐场所优惠信息等内容，在为用户提供有用信息的同时，提高用户对所用停车APP的使用粘度。

当张三1月7日中午14点在商业广场路边停靠车辆时，系统检测到该停车位由管理公司关联了附近的电影院A、餐饮店B、超市C、品牌专卖店CDEFG，根据当前时间段以及张三的用户类型，优先推送品牌专卖店的最新广告以及优惠信息，并在下方一次显示超市C、电影院A、餐饮店B的相关广告信息，以供用户参考。

APP根据张三的历史数据，可以显示用户每周的停车位置分布、时间统计、提车费分布图等数据图表，并可根据用户的历史形成习惯，提供更好更近或者跟优惠的停车方案或者优惠信息。

Claims (4)

1.一种智能停车的大数据分析方法，其特征是实现的步骤如下：

S1.数据收集，通过停车位管理系统读取全部的用户信息和停车位的使用信息，用户信息包括个人信息数据和个人行为数据；

S2.数据筛选与统计，剔除无效数据或者异常数据，对收集到的数据单项进行求和以及求平均数，计算出各项数据的数据集中分布区间；

S3.数据信息整理，运营公司对停车位附近的设施和商家进行关联，为对应停车位停车的客户提供分析依据以及消息参考；

S4.建立数据模型，根据用户的个人信息数据的分布区间，按数量等分方式对用户个人信息数据进行分类，针对不同分类的用户建立用户模型，根据停车位关联设置、使用时间段与周边停车位的占用率建立停车位模型；

S5.数据分析，将用户模型的个人行为数据平均值设定为该模型的行为参考数据，根据停车位模型的历史使用时间段与预约停车数据计算该停车位模型在不同时间段的占用率；

S6.可视化显示，将数据分析结果和数据统计的结果，通过图表模板将数据汇总后显示，以供运营公司和政府单位确认停车位的使用情况、车流动向以及不同区域的停车位营收数据；

S7.数据运用，针对不同分类的用户，将需要发送的信息指定对应的一个或几个用户模型进行推送，并根据用户对应的用户模型和停车位模型的常用数据，选择对应的预设服务意见发送给用户。

2.根据权利要求1所述的一种智能停车的大数据分析方法，其特征是：所述的个人信息数据包括：用户的姓名、性别、年龄、车牌、车辆信息、微信号、手机号和支付账号，个人行为数据包括用户每单的停车时间、停车费、停车位置与停靠时长。

3.根据权利要求2所述的一种智能停车的大数据分析方法，其特征是：所述的用户信息还包括：通过交警系统接口获取的车辆违章数据，合作商家的消费信息，优惠券使用数据。

4.根据权利要求1所述的一种智能停车的大数据分析方法，其特征是：所述的步骤S1还包括子步骤：

A1.问卷调查，大数据系统内包含数据收集用的选择题库，每道选择题设有对应不同数据人群的适用范围，不定期抽取客户并发送数道选择题形成电子调查问卷供客户填写；

A2.订单评价，用于用户对停车订单、服务意见和周边优惠信息的准确度和用户体验进行评价打分。