CN110288184A - 基于时空特征的城市停车场排序方法、装置、终端及介质 - Google Patents

基于时空特征的城市停车场排序方法、装置、终端及介质 Download PDF

Info

Publication number
CN110288184A
CN110288184A CN201910407954.7A CN201910407954A CN110288184A CN 110288184 A CN110288184 A CN 110288184A CN 201910407954 A CN201910407954 A CN 201910407954A CN 110288184 A CN110288184 A CN 110288184A
Authority
CN
China
Prior art keywords
parking lot
parking
service ability
transition probability
service
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
Application number
CN201910407954.7A
Other languages
English (en)
Inventor
彭磊
鲁庆豪
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.)
Shenzhen Institute of Advanced Technology of CAS
Original Assignee
Shenzhen Institute of Advanced Technology of CAS
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 Shenzhen Institute of Advanced Technology of CAS filed Critical Shenzhen Institute of Advanced Technology of CAS
Priority to CN201910407954.7A priority Critical patent/CN110288184A/zh
Publication of CN110288184A publication Critical patent/CN110288184A/zh
Pending legal-status Critical Current

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
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/067—Enterprise or organisation modelling

Landscapes

  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Strategic Management (AREA)
  • Engineering & Computer Science (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Economics (AREA)
  • Game Theory and Decision Science (AREA)
  • Educational Administration (AREA)
  • Development Economics (AREA)
  • Marketing (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Tourism & Hospitality (AREA)
  • Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Traffic Control Systems (AREA)

Abstract

本发明适用计算机技术领域，提供了一种基于时空特征的城市停车场排序方法、装置、终端及介质，该方法包括：根据获取到的城市区域预设范围内的所有停车场和每个停车场对应的停车场静态/动态信息，使用服务能力模型和时空转移模型分别得到所有停车场的服务能力初始排名和在当前时刻各停车场之间相互转移的转移概率矩阵，根据服务能力初始排名和转移概率矩阵，采用幂迭代算法对所有停车场在当前时刻的综合服务能力排名进行迭代计算，直至满足迭代停止条件，根据综合服务能力排名对停车场进行相应排序，从而实现从时间和空间两个维度对城市任意区域停车场的服务能力进行实时量化计算，提高了停车场服务能力评估信息的精确度和停车场排序的有效性。

Description

基于时空特征的城市停车场排序方法、装置、终端及介质
技术领域
本发明属于计算机技术领域，尤其涉及一种基于时空特征的城市停车场排序方法、装置、终端及介质。
背景技术
由于车辆数量迅速增加，中国许多城市的停车难度正在迅速增加，花费太多时间寻找停车位不仅会增加交通压力，还会导致能源消耗增加，因此，停车困难已成为城市的一个严重问题，为了解决这个问题，引入了全市停车引导系统(City-wideParkingGuidanceSystem，CPGS)来将车辆引导到附近有可用空车位的的停车场，帮助车辆快速、轻松地停放。CPGS就像一个搜索引擎，可以根据用户查询的关键字把最相关的停车场传递给泊车用户。排名是根据关键字获取网页或者停车场是否最相关的直接方法，它是一种量化的评估和排序技术，每个页面都会得到一个由搜索引擎根据关键字计算出的排名值，排名值越高则越相关，不同的排名模型将导致不同的排名列表。对于热门网站中访问量较高的网页排名肯定高于未知网站上的网页，即使两者都具有相似的关键字，而未知网站与具有高排名值的热门网站的网页相连接，其排名值也会相应增加。其实在停车过程中也会发生了类似的现象，如果受欢迎的停车场已满，前往这里的车辆很可能会停在附近的停车场，因此，对停车场重要性进行评估，使其能够更适合停车场的排名计算。现有对于停车场重要性的评估，只是单一的从时间的维度或者空间的维度去分析地理信息，因此得到的评估信息精确度较低，并且在计算停车场的排名值时，计算过程耗时长，无法满足泊车用户的需求。
发明内容
本发明的目的在于提供一种基于时空特征的城市停车场排序方法、装置、终端及存储介质，旨在解决由于现有技术无法提供一种有效的城市停车场排序方法，导致城市停车场排序不精确、用户泊车成功率低的问题。
一方面，本发明提供了一种基于时空特征的城市停车场排序方法，所述方法包括下述步骤：
基于公共信息和地理关系，获取城市区域预设范围内的所有停车场和每个所述停车场对应的停车场信息，其中，所述停车场信息包括停车场静态信息和停车场动态信息；
根据所述停车场静态信息，使用预先构建的服务能力模型计算每个所述停车场的初始服务能力，根据所述初始服务能力得到所有所述停车场的服务能力初始排名；
根据所述停车场静态信息和所述停车场动态信息，使用预先构建的时空转移模型得到当前时刻相邻所述停车场之间的转移概率，根据所述转移概率得到对应的转移概率矩阵；
根据所述服务能力初始排名和所述转移概率矩阵，采用幂迭代算法对所有所述停车场在所述当前时刻的综合服务能力排名进行迭代计算，直至满足预设的迭代停止条件，根据所述综合服务能力排名对所述停车场进行相应排序。
另一方面，本发明提供了一种基于时空特征的城市停车场排序装置，所述装置包括：
停车场获取单元，用于基于公共信息和地理关系，获取城市区域预设范围内的所有停车场和每个所述停车场对应的停车场信息，其中，所述停车场信息包括停车场静态信息和停车场动态信息；
第一参数获得单元，用于根据所述停车场静态信息，使用预先构建的服务能力模型计算每个所述停车场的初始服务能力，根据所述初始服务能力得到所有所述停车场的服务能力初始排名；
第二参数获得单元，用于根据所述停车场静态信息和所述停车场动态信息，使用预先构建的时空转移模型得到当前时刻相邻所述停车场之间的转移概率，根据所述转移概率得到对应的转移概率矩阵；以及
停车场排序单元，用于根据所述服务能力初始排名和所述转移概率矩阵，采用幂迭代算法对所有所述停车场在所述当前时刻的综合服务能力排名进行迭代计算，直至满足预设的迭代停止条件，根据所述综合服务能力排名对所有停车场进行相应排序。
另一方面，本发明还提供了一种智能终端，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如上述基于时空特征的城市停车场排序方法所述的步骤。
另一方面，本发明还提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现如上述基于时空特征的城市停车场排序方法所述的步骤。
本发明根据获取到的城市区域预设范围内的所有停车场和每个停车场对应的停车场静态/动态信息，使用服务能力模型和时空转移模型分别得到所有停车场的服务能力初始排名和在当前时刻各停车场之间相互转移的转移概率矩阵，根据服务能力初始排名和转移概率矩阵，采用幂迭代算法对所有停车场在当前时刻的综合服务能力排名进行迭代计算，直至满足预设的迭代停止条件，根据综合服务能力排名对停车场进行相应排序，从而实现从时间和空间两个维度对城市任意区域、任意时刻停车场的服务能力进行量化计算和比较，提高了停车场服务能力评估信息的精确度和停车场排序的有效性，对停车引导和停车场建设评估有重要作用。
附图说明
图1是本发明实施例一提供的基于时空特征的城市停车场排序方法的实现流程图；
图2是本发明实施例一提供的停车场网络拓扑图的示意图；
图3是本发明实施例二提供的基于时空特征的城市停车场排序装置的结构示意图；以及
图4是本发明实施例三提供的智能终端的结构示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，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。
以下结合具体实施例对本发明的具体实现进行详细描述：
实施例一：
图1示出了本发明实施例一提供的基于时空特征的城市停车场排序方法的实现流程，为了便于说明，仅示出了与本发明实施例相关的部分，详述如下：
在步骤S101中，基于公共信息和地理关系，获取城市区域预设范围内的所有停车场和每个停车场对应的停车场信息，其中，停车场信息包括停车场静态信息和停车场动态信息。
本发明实施例适用于车载智能终端、移动智能终端，例如，车载计算机、手机、智能手表等。基于公共信息和地理关系(例如，电子地图)，获取城市区域预设范围内的所有停车场和每个停车场对应的停车场信息，其中，停车场信息包括停车场静态信息和停车场动态信息。
优选地，停车场静态信息包括停车场服务范围、停车位总数、停车价格、以及停车场地理位置，停车价格又包括不同车型对应的单位时间内的停车价格、价格上限，停车场动态信息包括当前空余车位数，从而为评估停车场服务能力提供依据，并提高服务能力评估信息的精确度。
进一步优选地，停车场动态信息还包括从目标车辆的当前车辆地理位置到停车场之间有效路径上的车流量信息(也即拥堵信息)，从而进一步提高服务能力评估信息的精确度。
在步骤S102中，根据停车场静态信息，使用预先构建的服务能力模型计算每个停车场的初始服务能力，根据初始服务能力得到所有停车场的服务能力初始排名。
在本发明实施例中，停车场的服务能力主要从停车场服务范围、停车位总数、停车价格这三个方面进行评估，停车场服务范围即允许哪种车辆停放在该停车场，例如，购物中心的停车场对所有车辆开放，而住宅停车场仅为业主服务。相对来说，服务范围越大的停车场，其对应的服务能力越高，停车位总数越多的停车场代表的服务能力也越高，停车价格也是影响停车场服务能力的一个重要因素，相对来说，价格越贵，该停车场被选择的机会越小，停放的车辆也越少，也即停车价格越贵，该停车场对应的服务能力则越低，停车场服务能力排名则体现了停车场服务能力的高低。根据获取到的停车场静态信息(例如，停车场服务范围、停车位总数、停车价格)，使用预先构建的服务能力模型计算每个停车场的初始服务能力，根据初始服务能力的高低得到所有停车场的服务能力初始排名，将服务能力初始排名表示为列向量其中，T符号表示向量的转置，分别表示第1、2、m个停车场的初始服务能力，为在t时刻m个停车场的服务能力初始排名。
在使用预先构建的服务能力模型计算每个停车场的初始服务能力之前，优选地，根据影响停车场服务能力的主要因素，构建停车场的服务能力模型，服务能力模型为(1≤i≤m)，其中，为第i个停车场的初始服务能力，xi为第i个停车场的停车场服务范围，yi为第i个停车场的停车位总数，y为所有停车场的停车位总数之和，也即所有停车场对应的总的停车位总数，zi为第i个停车场的停车价格，z为所有停车场的停车价格之和，也即所有停车场对应的总的停车价格，m为所有停车场的数量，exp(xi)为第i个停车场的停车场服务范围的期望值，从而提高了计算停车场初始服务能力的合理性。
在步骤S103中，根据停车场静态信息和停车场动态信息，使用预先构建的时空转移模型得到当前时刻相邻停车场之间的转移概率，根据转移概率得到对应的转移概率矩阵。
在本发明实施例中，根据根据停车场静态信息中的停车场地理位置，计算各停车场之间的可达距离，根据各可达距离构建停车场网络拓扑图，再根据该停车场网络拓扑图和实时得到的停车场动态信息(例如，当前空余车位数)，使用预先构建的时空转移模型得到当前时刻相邻停车场之间的转移概率，根据各个转移概率得到各停车场之间相互转移的转移概率矩阵。作为示例地，图2示出了一停车场网络拓扑图，停车场网络拓扑图中的每个节点代表一个停车场，链路上的权重(如节点1和节点2之间的权值为88m)表示停车场之间的可达距离。
优选地，转移概率模型为，St表示t时刻m个停车场之间的转移概率矩阵，(1≤i≤m)表示第i个停车场的的停放概率，Ei表示第i个停车场的停车位总数，ei表示第i个停车场的当前空余车位数，dij(1≤i≤m，1≤j≤m，且i≠j)表示第i个停车场和第j个停车场之间的距离对目标车辆在它们之间转移的影响因素，转移概率模型不仅从空间的维度考虑到了停车场之间的距离影响因素，而且从时间的维度考虑到了随时间变化的空车位数影响因素，从而提高了各个停车场之间转移概率的准确性和合理性，使其能够更好模拟当车辆在其目标停车场满位时，不得不寻找一个替代停车场停车的行为，并通过矩阵表示该转移概率模型，从而提高后续停车场排序运算的效率。
进一步优选地，dij通过公式进行计算，其中，为m个停车场的可达矩阵，Lij为第i个停车场和第j个停车场之间的可达距离，从而进一步提高了各个停车场之间转移概率的准确性和合理性。
在步骤S104中，根据服务能力初始排名和转移概率矩阵，采用幂迭代算法对所有停车场在当前时刻的综合服务能力排名进行迭代计算，直至满足预设的迭代停止条件，根据综合服务能力排名对停车场进行相应排序。
在本发明实施例中，根据服务能力初始排名转移概率矩阵St、以及联立方程采用幂迭代算法对所有停车场在当前时刻的综合服务能力排名进行迭代计算，直至满足预设的迭代停止条件则根据综合服务能力排名对停车场进行服务能力从高到低或从低到高排序，其中，ε为预设的充分小的数，用来表征迭代结果的收敛，n为迭代次数，为在t时刻第n次迭代得到的综合服务能力排名。
在本发明实施例中，根据获取到的城市区域预设范围内的所有停车场和每个停车场对应的停车场静态/动态信息，使用服务能力模型和时空转移模型分别得到所有停车场的服务能力初始排名和在当前时刻各停车场之间相互转移的转移概率矩阵，根据服务能力初始排名和转移概率矩阵，采用幂迭代算法对所有停车场在当前时刻的综合服务能力排名进行迭代计算，直至满足预设的迭代停止条件，根据综合服务能力排名对停车场进行相应排序，从而实现从时间和空间两个维度对城市任意区域、任意时刻停车场的服务能力进行实时量化计算和比较，提高了停车场服务能力评估信息的精确度、停车场排序运算的效率、以及停车场排序的有效性，对停车引导和停车场建设评估有重要作用，进而提高了用户泊车的成功率。
实施例二：
图3示出了本发明实施例二提供的基于时空特征的城市停车场排序装置的结构，为了便于说明，仅示出了与本发明实施例相关的部分，其中包括：
停车场获取单元31，用于基于公共信息和地理关系，获取城市区域预设范围内的所有停车场和每个停车场对应的停车场信息，其中，停车场信息包括停车场静态信息和停车场动态信息。
本发明实施例适用于车载智能终端、移动智能终端，例如，车载计算机、手机、智能手表等。基于公共信息和地理关系(例如，电子地图)，获取城市区域预设范围内的所有停车场和每个停车场对应的停车场信息，其中，停车场信息包括停车场静态信息和停车场动态信息。
优选地，停车场静态信息包括停车场服务范围、停车位总数、停车价格、以及停车场地理位置，停车价格又包括不同车型对应的单位时间内的停车价格、价格上限，停车场动态信息包括当前空余车位数，从而为评估停车场服务能力提供依据，并提高服务能力评估信息的精确度。
进一步优选地，停车场动态信息还包括从目标车辆的当前车辆地理位置到停车场之间有效路径上的车流量信息(也即拥堵信息)，从而进一步提高服务能力评估信息的精确度。
第一参数获得单元32，用于根据停车场静态信息，使用预先构建的服务能力模型计算每个停车场的初始服务能力，根据初始服务能力得到所有停车场的服务能力初始排名。
在本发明实施例中，停车场的服务能力主要从停车场服务范围、停车位总数、停车价格这三个方面进行评估，停车场服务范围即允许哪种车辆停放在该停车场，例如，购物中心的停车场对所有车辆开放，而住宅停车场仅为业主服务。相对来说，服务范围越大的停车场，其对应的服务能力越高，停车位总数越多的停车场代表的服务能力也越高，停车价格也是影响停车场服务能力的一个重要因素，相对来说，价格越贵，该停车场被选择的机会越小，停放的车辆也越少，也即停车价格越贵，该停车场对应的服务能力则越低，停车场服务能力排名则体现了停车场服务能力的高低。根据获取到的停车场静态信息(例如，停车场服务范围、停车位总数、停车价格)，使用预先构建的服务能力模型计算每个停车场的初始服务能力，根据初始服务能力的高低得到所有停车场的服务能力初始排名，将服务能力初始排名表示为列向量其中，T符号表示向量的转置，分别表示第1、2、m个停车场的初始服务能力，为在t时刻m个停车场的服务能力初始排名。
在使用预先构建的服务能力模型计算每个停车场的初始服务能力之前，优选地，根据影响停车场服务能力的主要因素，构建停车场的服务能力模型，服务能力模型为(1≤i≤m)，其中，为第i个停车场的初始服务能力，xi为第i个停车场的停车场服务范围，yi为第i个停车场的停车位总数，y为所有停车场的停车位总数之和，也即所有停车场对应的总的停车位总数，zi为第i个停车场的停车价格，z为所有停车场的停车价格之和，也即所有停车场对应的总的停车价格，m为所有停车场的数量，exp(xi)为第i个停车场的停车场服务范围的期望值，从而提高了计算停车场初始服务能力的合理性。
第二参数获得单元33，用于根据停车场静态信息和停车场动态信息，使用预先构建的时空转移模型得到当前时刻相邻停车场之间的转移概率，根据转移概率得到对应的转移概率矩阵。
在本发明实施例中，根据根据停车场静态信息中的停车场地理位置，计算各停车场之间的可达距离，根据各可达距离构建停车场网络拓扑图，再根据该停车场网络拓扑图和实时得到的停车场动态信息(例如，当前空余车位数)，使用预先构建的时空转移模型得到当前时刻相邻停车场之间的转移概率，根据各个转移概率得到各停车场之间相互转移的转移概率矩阵。
优选地，转移概率模型为，St表示t时刻m个停车场之间的转移概率矩阵，(1≤i≤m)表示第i个停车场的的停放概率，Ei表示第i个停车场的停车位总数，ei表示第i个停车场的当前空余车位数，dij(1≤i≤m，1≤j≤m，且i≠j)表示第i个停车场和第j个停车场之间的距离对目标车辆在它们之间转移的影响因素，转移概率模型不仅从空间的维度考虑到了停车场之间的距离影响因素，而且从时间的维度考虑到了随时间变化的空车位数影响因素，从而提高了各个停车场之间转移概率的准确性和合理性，使其能够更好模拟当车辆在其目标停车场满位时，不得不寻找一个替代停车场停车的行为，并通过矩阵表示该转移概率模型，从而提高后续停车场排序运算的效率。
进一步优选地，dij通过公式进行计算，其中，为m个停车场的可达矩阵，Lij为第i个停车场和第j个停车场之间的可达距离，从而进一步提高了各个停车场之间转移概率的准确性和合理性。
停车场排序单元34，用于根据服务能力初始排名和转移概率矩阵，采用幂迭代算法对所有停车场在当前时刻的综合服务能力排名进行迭代计算，直至满足预设的迭代停止条件，根据综合服务能力排名对停车场进行相应排序。
在本发明实施例中，根据服务能力初始排名转移概率矩阵St、以及联立方程采用幂迭代算法对所有停车场在当前时刻的综合服务能力排名进行迭代计算，直至满足预设的迭代停止条件则根据综合服务能力排名对停车场进行服务能力从高到低或从低到高排序，其中，ε为预设的充分小的数，用来表征迭代结果的收敛，n为迭代次数，为在t时刻第n次迭代得到的综合服务能力排名。
在本发明实施例中，基于时空特征的城市停车场排序装置的各单元可由相应的硬件或软件单元实现，各单元可以为独立的软、硬件单元，也可以集成为一个软、硬件单元，在此不用以限制本发明。
实施例三：
图4示出了本发明实施例三提供的智能终端的结构，为了便于说明，仅示出了与本发明实施例相关的部分。
本发明实施例的智能终端4包括处理器40、存储器41以及存储在存储器41中并可在处理器40上运行的计算机程序42。该处理器40执行计算机程序42时实现上述基于时空特征的城市停车场排序方法实施例中的步骤，例如图1所示的步骤S101至S104。或者，处理器40执行计算机程序42时实现上述各装置实施例中各单元的功能，例如图3所示单元31至34的功能。
在本发明实施例中，根据获取到的城市区域预设范围内的所有停车场和每个停车场对应的停车场静态/动态信息，使用服务能力模型和时空转移模型分别得到所有停车场的服务能力初始排名和在当前时刻各停车场之间相互转移的转移概率矩阵，根据服务能力初始排名和转移概率矩阵，采用幂迭代算法对所有停车场在当前时刻的综合服务能力排名进行迭代计算，直至满足预设的迭代停止条件，根据综合服务能力排名对停车场进行相应排序，从而实现从时间和空间两个维度对城市任意区域、任意时刻停车场的服务能力进行量化计算和比较，提高了停车场服务能力评估信息的精确度和停车场排序的有效性，对停车引导和停车场建设评估有重要作用，进而提高了用户泊车的成功率。
本发明实施例的智能终端可以为车载计算机、手机、智能手表。该智能终端4中处理器40执行计算机程序42时实现基于时空特征的城市停车场排序方法时实现的步骤可参考前述方法实施例的描述，在此不再赘述。
实施例四：
在本发明实施例中，提供了一种计算机可读存储介质，该计算机可读存储介质存储有计算机程序，该计算机程序被处理器执行时实现上述基于时空特征的城市停车场排序方法实施例中的步骤，例如，图1所示的步骤S101至S104。或者，该计算机程序被处理器执行时实现上述各装置实施例中各单元的功能，例如图3所示单元31至34的功能。
在本发明实施例中，根据获取到的城市区域预设范围内的所有停车场和每个停车场对应的停车场静态/动态信息，使用服务能力模型和时空转移模型分别得到所有停车场的服务能力初始排名和在当前时刻各停车场之间相互转移的转移概率矩阵，根据服务能力初始排名和转移概率矩阵，采用幂迭代算法对所有停车场在当前时刻的综合服务能力排名进行迭代计算，直至满足预设的迭代停止条件，根据综合服务能力排名对停车场进行相应排序，从而实现从时间和空间两个维度对城市任意区域、任意时刻停车场的服务能力进行量化计算和比较，提高了停车场服务能力评估信息的精确度和停车场排序的有效性，对停车引导和停车场建设评估有重要作用，进而提高了用户泊车的成功率。
本发明实施例的计算机可读存储介质可以包括能够携带计算机程序代码的任何实体或装置、记录介质，例如，ROM/RAM、磁盘、光盘、闪存等存储器。
以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.一种基于时空特征的城市停车场排序方法，其特征在于，所述方法包括下述步骤：
基于公共信息和地理关系，获取城市区域预设范围内的所有停车场和每个所述停车场对应的停车场信息，其中，所述停车场信息包括停车场静态信息和停车场动态信息；
根据所述停车场静态信息，使用预先构建的服务能力模型计算每个所述停车场的初始服务能力，根据所述初始服务能力得到所有所述停车场的服务能力初始排名；
根据所述停车场静态信息和所述停车场动态信息，使用预先构建的时空转移模型得到当前时刻相邻所述停车场之间的转移概率，根据所述转移概率得到对应的转移概率矩阵；
根据所述服务能力初始排名和所述转移概率矩阵，采用幂迭代算法对所有所述停车场在所述当前时刻的综合服务能力排名进行迭代计算，直至满足预设的迭代停止条件，根据所述综合服务能力排名对所述停车场进行相应排序。
2.如权利要求1所述的方法，其特征在于，所述停车场静态信息包括停车场服务范围、停车位总数、停车价格、以及停车场地理位置，所述停车场动态信息包括当前空余车位数。
3.如权利要求2所述的方法，其特征在于，所述服务能力模型为 其中，为所述第i个停车场的所述初始服务能力，xi为所述第i个停车场的所述停车场服务范围，yi为所述第i个停车场的所述停车位总数，y为所述所有停车场的所述停车位总数之和，zi为所述第i个停车场的所述停车价格，z为所述所有停车场的所述停车价格之和，m为所述所有停车场的数量。
4.如权利要求2所述的方法，其特征在于，所述转移概率模型为，St表示t时刻m个停车场之间的转移概率矩阵，表示所述第i个停车场的的停放概率，Ei表示所述第i个停车场的所述停车位总数，ei表示所述第i个停车场的所述当前空余车位数，dij(1≤i≤m，1≤j≤m)表示所述第i个停车场和所述第j个停车场之间的距离对所述目标车辆在它们之间转移的影响因素。
5.一种基于时空特征的城市停车场排序装置，其特征在于，所述装置包括：
停车场获取单元，用于基于公共信息和地理关系，获取城市区域预设范围内的所有停车场和每个所述停车场对应的停车场信息，其中，所述停车场信息包括停车场静态信息和停车场动态信息；
第一参数获得单元，用于根据所述停车场静态信息，使用预先构建的服务能力模型计算每个所述停车场的初始服务能力，根据所述初始服务能力得到所有所述停车场的服务能力初始排名；
第二参数获得单元，用于根据所述停车场静态信息和所述停车场动态信息，使用预先构建的时空转移模型得到当前时刻相邻所述停车场之间的转移概率，根据所述转移概率得到对应的转移概率矩阵；以及
停车场排序单元，用于根据所述服务能力初始排名和所述转移概率矩阵，采用幂迭代算法对所有所述停车场在所述当前时刻的综合服务能力排名进行迭代计算，直至满足预设的迭代停止条件，根据所述综合服务能力排名对所述停车场进行相应排序。
6.如权利要求5所述的装置，其特征在于，所述停车场静态信息包括停车场服务范围、停车位总数、停车价格、以及停车场地理位置，所述停车场动态信息包括当前空余车位数。
7.如权利要求6所述的装置，其特征在于，所述服务能力模型为其中，为所述第i个停车场的所述初始服务能力，xi为所述第i个停车场的所述停车场服务范围，yi为所述第i个停车场的所述停车位总数，y为所述所有停车场的所述停车位总数之和，zi为所述第i个停车场的所述停车价格，z为所述所有停车场的所述停车价格之和，m为所述所有停车场的数量。
8.如权利要求6所述的装置，其特征在于，所述转移概率模型为
，St表示t时刻m个停车场之间的转移概率矩阵，表示所述第i个停车场的的停放概率，Ei表示所述第i个停车场的所述停车位总数，ei表示所述第i个停车场的所述当前空余车位数，dij(1≤i≤m，1≤j≤m)表示所述第i个停车场和所述第j个停车场之间的距离对所述目标车辆在它们之间转移的影响因素。
9.一种智能终端，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至4任一项所述方法的步骤。
10.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，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至4任一项所述方法的步骤。
CN201910407954.7A 2019-05-15 2019-05-15 基于时空特征的城市停车场排序方法、装置、终端及介质 Pending CN110288184A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910407954.7A CN110288184A (zh) 2019-05-15 2019-05-15 基于时空特征的城市停车场排序方法、装置、终端及介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910407954.7A CN110288184A (zh) 2019-05-15 2019-05-15 基于时空特征的城市停车场排序方法、装置、终端及介质

Publications (1)

Publication Number Publication Date
CN110288184A true CN110288184A (zh) 2019-09-27

Family

ID=68002148

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910407954.7A Pending CN110288184A (zh) 2019-05-15 2019-05-15 基于时空特征的城市停车场排序方法、装置、终端及介质

Country Status (1)

Country Link
CN (1) CN110288184A (zh)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110852846A (zh) * 2019-11-11 2020-02-28 京东数字科技控股有限公司 用于推荐对象的处理方法及装置、电子设备、存储介质
CN111445075A (zh) * 2020-03-26 2020-07-24 深圳先进技术研究院 停车场服务区域的确定方法、装置、设备以及存储介质
CN112258879A (zh) * 2020-10-16 2021-01-22 安徽亿力停车场投资有限公司 一种利用随机矩阵优化城市停车构造方法
CN112750213A (zh) * 2020-12-29 2021-05-04 深圳市顺易通信息科技有限公司 一种停车服务信息推送方法、装置、设备及介质
CN116013106A (zh) * 2023-03-24 2023-04-25 北京静态交通投资运营有限公司 一种智慧泊车管理方法、系统、终端及存储介质

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20140075880A (ko) * 2012-12-10 2014-06-20 경북대학교 산학협력단 주차 예약 관리시스템 장치 및 그 주차 예약 관리방법
CN105427596A (zh) * 2015-11-26 2016-03-23 北京航空航天大学 一种基于时空特征的社区停车位状态检测及服务方法
CN105513414A (zh) * 2015-12-25 2016-04-20 江苏东大金智信息系统有限公司 基于实时交通查询和云模型的停车场车位预测和推荐方法
CN106228841A (zh) * 2016-08-10 2016-12-14 中国科学院深圳先进技术研究院 一种城市级停车诱导方法、装置及电子设备
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
CN107886717A (zh) * 2017-10-10 2018-04-06 深圳先进技术研究院 一种停车诱导方法、装置、计算设备及存储介质
CN109544962A (zh) * 2018-12-11 2019-03-29 青岛大学 一种车位共享与调度系统及实现方法
CN109584603A (zh) * 2018-10-16 2019-04-05 贵州金汀科技股份有限公司 一种停车位智能识别和引导方法及系统

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20140075880A (ko) * 2012-12-10 2014-06-20 경북대학교 산학협력단 주차 예약 관리시스템 장치 및 그 주차 예약 관리방법
CN105427596A (zh) * 2015-11-26 2016-03-23 北京航空航天大学 一种基于时空特征的社区停车位状态检测及服务方法
CN105513414A (zh) * 2015-12-25 2016-04-20 江苏东大金智信息系统有限公司 基于实时交通查询和云模型的停车场车位预测和推荐方法
CN106228841A (zh) * 2016-08-10 2016-12-14 中国科学院深圳先进技术研究院 一种城市级停车诱导方法、装置及电子设备
CN106228841B (zh) * 2016-08-10 2019-03-12 中国科学院深圳先进技术研究院 一种城市级停车诱导方法、装置及电子设备
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
CN107886717A (zh) * 2017-10-10 2018-04-06 深圳先进技术研究院 一种停车诱导方法、装置、计算设备及存储介质
CN109584603A (zh) * 2018-10-16 2019-04-05 贵州金汀科技股份有限公司 一种停车位智能识别和引导方法及系统
CN109544962A (zh) * 2018-12-11 2019-03-29 青岛大学 一种车位共享与调度系统及实现方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
S. DONG AND ET AL.: "Parking rank: A novel method of parking lots sorting and recommendation based on public information", 《2018 IEEE INTERNATIONAL CONFERENCE ON INDUSTRIAL TECHNOLOGY (ICIT)》 *
杨思宇: "主动诱导下城市商圈停车场选择研究", 《中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑》 *

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110852846A (zh) * 2019-11-11 2020-02-28 京东数字科技控股有限公司 用于推荐对象的处理方法及装置、电子设备、存储介质
CN111445075A (zh) * 2020-03-26 2020-07-24 深圳先进技术研究院 停车场服务区域的确定方法、装置、设备以及存储介质
CN111445075B (zh) * 2020-03-26 2022-11-18 深圳先进技术研究院 停车场服务区域的确定方法、装置、设备以及存储介质
CN112258879A (zh) * 2020-10-16 2021-01-22 安徽亿力停车场投资有限公司 一种利用随机矩阵优化城市停车构造方法
CN112750213A (zh) * 2020-12-29 2021-05-04 深圳市顺易通信息科技有限公司 一种停车服务信息推送方法、装置、设备及介质
CN116013106A (zh) * 2023-03-24 2023-04-25 北京静态交通投资运营有限公司 一种智慧泊车管理方法、系统、终端及存储介质

Similar Documents

Publication Publication Date Title
CN110288184A (zh) 基于时空特征的城市停车场排序方法、装置、终端及介质
CN108133302B (zh) 一种基于大数据的公共自行车潜在需求预测方法
Ayala et al. Pricing of parking for congestion reduction
CN108804551A (zh) 一种兼顾多样性与个性化的空间兴趣点推荐方法
Valente et al. Apartment rent prediction using spatial modeling
CN109544690A (zh) 共享单车出行影响因素识别方法、系统及存储介质
BR112016002420B1 (pt) método e sistema para gerenciar dados em relação a um ou mais fluxos de entidades físicas e de elementos em uma área geográfica
CN108021686A (zh) 一种快速匹配电子地图中公交线路与道路网络的方法
CN112954623B (zh) 一种基于手机信令大数据的居民入住率估算方法
CN107886717B (zh) 一种停车诱导方法、装置、计算设备及存储介质
Khattak et al. Comparative analysis of spatial knowledge and en route diversion behavior in Chicago and San Francisco: implications for advanced traveler information systems
CN112418518A (zh) 基于时间特征权重和线网拓扑的客流预测方法及装置
CN104320789A (zh) 一种基于博弈论的车联网rsu最优配置方法
CN107655490B (zh) 基于移动用户轨迹分段和最热搜索的热点路径发现方法
CN114548811A (zh) 一种机场可达性的检测方法、装置、电子设备及存储介质
Wong et al. Estimation of multiclass origin-destination matrices from traffic counts
CN107292073A (zh) 一种基于城市功能区的道路机动车尾气排放清单研究方法
Chen et al. Research on parking lot management system based on parking space navigation technology
CN111914052A (zh) 一种区域空间关联关系确定方法及装置
CN116542692A (zh) 网点选址方法、装置、电子设备及计算机可读存储介质
CN109447352B (zh) 一种公交出行od矩阵反推的组合方法
CN108764518B (zh) 一种基于物联网大数据的交通资源动态优化方法
CN110633890A (zh) 一种土地利用效率判断方法和系统
CN115146840A (zh) 一种基于数据驱动的轨道交通新线接入客流预测方法
CN115640756A (zh) 一种基于多源数据的停车需求预测模型、方法及其应用

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

Application publication date: 20190927

RJ01 Rejection of invention patent application after publication