CN110379198B - 一种城市智能停车引导系统及其停车引导方法 - Google Patents

Abstract

本发明公开了一种城市智能停车引导系统，本发明还公开了上述城市智能停车引导系统的停车引导方法，本发明方法先采用数据预处理，筛选出初步符合停车条件的小区私人停车位，避免选择不合适的停车位，如刚停车就收到信息要挪车；接着本发明采用模糊推算，获得最优停车位信息，在导航的指引下到达约定的停车位。本发明系统优先选择公用停车场停车位，在公共停车场无法满足停车要求时，系统通过智能算法得到最优停车位，本发明在解决城市中心区停车难问题的同时高效利用了闲置的小区私人停车位，并且业主也可获得一定的经济效益。

Description

一种城市智能停车引导系统及其停车引导方法

技术领域

本发明涉及一种城市停车引导系统，特别是涉及一种基于智能算法引导的城市停车系统，还涉及上述城市停车引导系统的停车引导方法。

背景技术

我国城市停车现状：一是车位总量严重不足。我国汽车产业近年来发展迅速。2002年是中国加入WTO后的第一年，国内汽车产销开始出现“井喷”行情，2008年全国轿车保有量达2438万辆，私人轿车达1947万辆，相当于每百人拥有1.5辆轿车。2017年全国民用汽车保有量21743万辆(包括三轮汽车和低速货车820万辆)，比上年末增长11.8％，其中私人汽车保有量18695万辆，增长12.9％。这就意味着，中国的汽车保有量已经超过日本，仅次于美国，成为全球汽车保有量第二大国。与此同时，汽车数量的增长与停车位短缺的矛盾日益突出。据交警部门介绍，按照国家标准百辆机动车应设有15～18个停车位，而很多城市却只有3～5个，不及国家标准的三分之一。二是违章占道停车。我国城市停车场建设历史欠账很多，停车场总量大大低于需求，导致严重的占道停车和违章停车。国家投巨资(每平方米2万元)建设的道路被野蛮停车无偿占用，丧失其应有功能，绝大多数纳税人的贡献，被少数开车人占据，以至出现“路满库空”的现象。广州市占路停车达道路面积的40％，武汉市达到了55％～60％，占路停车加剧了交通拥挤、恶化了人们的生活居住环境。

事实上，大量的小区私人停车位处于空闲状态，没有得到合理的应用。特别是在城市中心区，小区的私人停车位利用率非常低，在业主出行上班时，小区私人停车位完全处于闲置状态。若能将这些私人停车位有效的利用起来，一方面可解决城市中心区停车难的社会问题，另一方面也可给私人停车位的业主带来一定的经济效益。

发明内容

本发明所要解决的技术问题是提供一种城市智能停车引导系统，本发明系统通过寻优算法得到对应车辆最合理的停车位，从而可有效提高公共停车场的利用率以及进一步将私人停车位有效的利用起来，进而解决城市中心区停车难的问题。

为解决上述技术问题，本发明所采用的技术方案为：

一种城市智能停车引导系统，包括车载导航仪、云端服务器、车主移动终端、业主移动终端以及停车位监控系统；

车载导航仪和车主移动终端分别通过无线网络与云端服务器连接，停车位监控系统通过以太网与云端服务器连接；其中，公共停车场安装的监控设备与停车位监控系统无线通讯，监控设备将采集到的公共停车场车位信息传输至停车位监控系统；小区私人停车位信息通过业主移动终端将信息发送至停车位监控系统；车主移动终端通过云端服务器实时获取小区私人停车位信息；

云端服务器接收车载导航仪定位以及查询信息，再根据停车位监控系统提供的实时数据，当公共停车场有闲置停车位，停车位监控系统通过云端服务器直接将该停车位信息传输至车载导航仪，引导停车；当公共停车场无闲置停车位，云端服务器查询云端数据库中的小区私人停车位信息，并将附近小区私人停车位信息进行数据预处理，将出行规律的业主车位信息选出，再根据模糊推算，获得小区私人停车位信息的推荐指数，得到最优停车位信息，云端服务器将小区私人停车位信息传输至车载导航仪，引导停车。

其中，所述云端服务器包括云数据采集中心、云端数据库以及数据分析中心；

所述云数据采集中心接受车辆位置信息和停车位监控系统传输的停车位数据信息；

所述云端数据库储存公共停车位信息的实时数据和小区私人停车位的历史数据以及实时数据，历史数据包括该业主过去3个月内的停车时间，实时数据为业主当前停车情况；

所述数据分析中心分析驾驶员周边公共停车场车位数据分析，驾驶员附近1公里范围内有公共停车位，且请求停车人数少，则停车位监控系统通过云端服务器将停车位信息传输至驾驶员车载导航仪上，引导停车；若数据分析中心经过分析后，没有可用的公共停车位信息，则数据分析中心分析私人停车位历史停车数据，在小区私人停车位的历史停车数据中查询符合规律出行的业主，将符合规律出行的小区私人停车位信息输出，得到若干个停车位信息；此时数据分析中心将得到的若干个停车位信息进一步进行模糊推算，在若干个停车位中获得一个推荐指数最高的停车位信息，得到最优停车位信息，数据分析中心将最优停车位信息传送至云端服务器，云端服务器将最优停车位信息发送至驾驶员车载导航仪上，引导停车。

其中，数据分析中心进行数据预处理，得到若干个符合停车的停车位信息，具体数据预处理过程如下：

工作日：周一-周五；

符合条件的停车位：8:00-18:00，业主停车位空闲，连续30工作日中，有28日以上业主停车位空闲，且当前处于空闲状态，则将该停车位信息输出；

非工作日：周六-周日；

符合条件的停车位：9:00-16:00，业主停车位空闲，连续10个休息日中，有7日以上业主停车位空闲，且当前处于空闲状态，则将该停车位信息输出。

其中，数据分析中心将得到的若干个停车位信息进一步进行模糊推算，在若干个停车位中获得一个推荐指数最高的停车位信息，得到最优停车位信息，最优停车位信息模糊推算过程如下：

模糊控制器的控制结构为2输入、单输出结构：

输入变量x1：当前停车位的规律空闲时间变量；

输入变量x2：当前停车位的业主离开的时间变量；

输出量为y：当前停车位的停车推荐指数

输入输出变量论域和量化因子：

输入变量x1基本论域设计为(8，18)，然后将输入量x1分为5个语言变量，即正大(PB)、正中(PM)、零(ZE)、负中(NM)、负大(NB)；输入变量x1的5个语言变量的基本论域设计为(8，18)的隶属度函数为三角形隶属度函数与梯形隶属度函数的组合；

输入变量x2基本论域设计为(9，16)，然后将输入量x2分为5个语言变量，即正大(PB)、正中(PM)、零(ZE)、负中(NM)、负大(NB)；输入变量x2的5个语言变量的基本论域设计为(9，16)的隶属度函数为三角形隶属度函数与梯形隶属度函数的组合；

输出量y基本论域为(0，1)，然后将输出量y分为5个语言变量，即正大(PB)、正中(PM)、零(ZE)、负中(NM)、负大(NB)；输出量y的5个语言变量在基本论域(0，1)的隶属度函数为三角形隶属度函数与梯形隶属度函数的组合；

模糊控制规则的设计：

设计模糊控制规则的原则是业主车位刚离开时，推荐指数越高，模糊控制规则为：

解模糊：

解模糊采用最大隶属度方法进行解模糊；

解模糊后得到(0,1)之间的数值为推荐指数，将得到最高的推荐指数传输至云端服务器，再传送至驾驶员车载导航，完成停车引导。

上述城市智能停车引导系统的停车引导方法，包括如下步骤：

步骤1，驾驶员行驶接近目的地时，车载导航仪将车辆位置信息传送至云端服务器，云端服务器根据车辆位置信息调用云端数据库中车辆周边停车位监控系统，查询公共停车场停车位容量信息并与停车需求信息进行匹配；

步骤2，当公共停车场有与停车需求信息匹配的停车位时，云端服务器将匹配的信息包括位置、类型、收费情况传输至车载导航仪，车载导航仪结合电子地图形成实时停车车位信息的实时路况地图；

步骤3，驾驶员根据实时路况地图进行选择停车位后，车载导航仪提供引导，到达停车位；

步骤4，当公共停车场没有与停车需求信息匹配的停车位时，云端服务器将附近小区私人停车位信息进行数据预处理，将出行规律的业主车位信息选出，再进行模糊推算，获得小区私人停车位信息的推荐指数，得到最优停车位信息；

步骤5，此时云端服务器向业主移动终端发送其停车位被请求停车信息，若业主在设定时间内回复同意，云端服务器将该最优停车位信息包括位置、类型、收费情况传输至车载导航仪，车载导航仪结合电子地图形成实时停车车位信息的实时路况地图；驾驶员根据实时路况地图进行选择停车位后，车载导航仪提供引导，到达停车位；若业主在设定时间内没有回复或回复不同意，云端服务器再次进行模糊推算，获得小区私人停车位信息的推荐指数，得到最优停车位信息，重复步骤5，直至驾驶员获得最优停车位信息，在导航的指引下到达停车位。

相比于现有技术，本发明技术方案具有的有益效果为：

本发明先采用数据预处理，筛选出初步符合停车条件的小区私人停车位，避免选择不合适的停车位，如刚停车就收到信息要挪车；接着本发明采用模糊推算，获得最优停车位信息，在导航的指引下到达约定的停车位；本发明系统优先选择公用停车场停车位，在公共停车场无法满足停车要求时，系统通过智能算法得到最优停车位，本发明在解决城市中心区停车难问题的同时高效利用了闲置的小区私人停车位，并且业主也可获得一定的经济效益。

附图说明

图1为本发明系统的系统原理图；

图2为本发明输入变量x1模糊化；

图3为本发明输入变量x2模糊化；

图4为本发明输出变量y模糊化；

图5为本发明系统的方法流程图。

具体实施方式

根据下述实施例，可以更好地理解本发明。然而，本领域的技术人员容易理解，实施例所描述的内容仅用于说明本发明，而不应当也不会限制权利要求书中所详细描述的本发明。

如图1～5所示，本发明城市智能停车引导系统可使小区私人停车位得到有效的利用，该系统包括车载导航仪、云端服务器、车主移动终端、业主移动终端以及停车位监控系统；车载导航仪和车主移动终端分别通过无线网络模块与云端服务器连接，停车位监控系统通过以太网与云端服务器连接；其中，公共停车场安装有用于监控公共停车场剩余停车位信息的监控设备，监控设备与停车位监控系统无线通讯，监控设备将采集到的信息传输至停车位监控系统，小区私人停车位信息通过业主移动终端将信息发送至停车位监控系统；车主移动终端通过云端服务器可以实时了解到小区私人停车位的信息；云端服务器采用大数据分析处理器，接受导航仪定位以及查询信息，再根据停车位监控系统提供的实时数据，当公共停车场有闲置停车位，停车位监控系统通过云端服务器直接将该停车位信息传输至车载导航仪，引导停车；当公共停车场无闲置停车位，云端服务器查询云端数据库中的小区私人停车位信息，并将附近小区私人停车位信息进行数据预处理，将出行规律的业主车位信息选出，再根据模糊推算，获得小区私人停车位信息的推荐指数，得到最优停车位信息，最优停车位信息传输至云端服务器，云端服务器将小区私人停车位信息传输至车载导航仪，引导停车。

其中，云端服务器包括云数据采集中心、云端数据库以及数据分析中心；云数据采集中心用于接受车辆(待停车的车辆)位置信息和停车位监控系统传输的停车位数据信息；云端数据库用于储存公共停车位信息的实时数据和小区私人停车位的历史数据以及实时数据，历史数据包括该业主过去3个月内的停车时间，实时数据为业主当前停车情况；数据分析中心用于分析驾驶员周边公共停车场车位数据分析，驾驶员附近1公里范围内有公共停车位，且请求停车人数少，则停车位监控系统通过云端服务器将停车位信息传输至驾驶员车载导航仪上，引导停车；若数据分析中心经过分析后，没有可用的公共停车位信息，则数据分析中心分析私人停车位历史停车数据，在小区私人停车位的历史停车数据中查询符合规律出行的业主，将符合规律出行的小区私人停车位信息输出，得到若干个停车位信息；此时数据分析中心将得到的若干个停车位信息进一步进行模糊推算，在若干个停车位中获得一个推荐指数最高的停车位信息，得到最优停车位信息，数据分析中心将最优停车位信息传送至云端服务器，云端服务器将最优停车位信息发送至驾驶员车载导航仪上，引导停车。

数据分析中心进行数据预处理，得到若干个符合停车的停车位信息，具体数据预处理过程如下：

工作日：周一-周五；

符合条件的停车位：8:00-18:00，业主停车位空闲，连续30工作日中，有28日以上业主停车位空闲，且当前处于空闲状态，则将该停车位信息输出；

非工作日：周六-周日；

符合条件的停车位：9:00-16:00，业主停车位空闲，连续10个休息日中，有7日以上业主停车位空闲，且当前处于空闲状态，则将该停车位信息输出。

其中，数据分析中心将得到的若干个停车位信息进一步进行模糊推算，在若干个停车位中获得一个推荐指数最高的停车位信息，得到最优停车位信息，工作日最优停车位信息模糊推算过程如下：

模糊控制器的控制结构为2输入、单输出结构：

输入变量x1：当前停车位的规律空闲时间变量；

输入变量x2：当前停车位的业主离开的时间变量；

输出量为y：当前停车位的停车推荐指数

输入输出变量论域和量化因子：

输入变量x1基本论域设计为(8，18)，然后将输入量x1分为5个语言变量，即正大(PB)、正中(PM)、零(ZE)、负中(NM)、负大(NB)；输入变量x1的5个语言变量的基本论域设计为(8，18)的隶属度函数为三角形隶属度函数与梯形隶属度函数的组合；

输入变量x2基本论域设计为(9，16)，然后将输入量x2分为5个语言变量，即正大(PB)、正中(PM)、零(ZE)、负中(NM)、负大(NB)；输入变量x2的5个语言变量的基本论域设计为(9，16)的隶属度函数为三角形隶属度函数与梯形隶属度函数的组合；

输出量y基本论域为(0，1)，然后将输出量y分为5个语言变量，即正大(PB)、正中(PM)、零(ZE)、负中(NM)、负大(NB)；输出量y的5个语言变量在基本论域(0，1)的隶属度函数为三角形隶属度函数与梯形隶属度函数的组合；

模糊控制规则的设计：

设计模糊控制规则的原则是业主车位刚离开时，推荐指数越高，模糊控制规则为：

解模糊：

解模糊采用最大隶属度方法进行解模糊；

解模糊后得到(0,1)之间的数值为推荐指数，将得到最高的推荐指数传输至云端服务器，再传送至驾驶员车载导航，完成停车引导。

本发明城市智能停车引导系统的停车引导方法，包括如下步骤：

步骤1，驾驶员行驶接近目的地时，车载导航仪将车辆位置信息传送至云端服务器，云端服务器根据车辆位置信息调用云端数据库中车辆周边停车位监控系统，查询公共停车场停车位容量信息并与停车需求信息进行匹配；

步骤2，当公共停车场有与停车需求信息匹配的停车位时，云端服务器将匹配的信息包括位置、类型、收费情况传输至车载导航仪，车载导航仪结合电子地图形成实时停车车位信息的实时路况地图；

步骤3，驾驶员根据实时路况地图进行选择停车位后，车载导航仪提供引导，到达停车位；

步骤4，当公共停车场没有与停车需求信息匹配的停车位时，云端服务器将附近小区私人停车位信息进行数据预处理，将出行规律的业主车位信息选出，再进行模糊推算，获得小区私人停车位信息的推荐指数，得到最优停车位信息；

步骤5，此时云端服务器向业主移动终端发送其停车位被请求停车信息，若业主在设定时间内回复同意，云端服务器将该最优停车位信息包括位置、类型、收费情况传输至车载导航仪，车载导航仪结合电子地图形成实时停车车位信息的实时路况地图；驾驶员根据实时路况地图进行选择停车位后，车载导航仪提供引导，到达停车位；若业主在设定时间内没有回复或回复不同意，云端服务器再次进行模糊推算，获得小区私人停车位信息的推荐指数，得到最优停车位信息，重复步骤5，直至驾驶员获得最优停车位信息，在导航的指引下到达停车位。

若采用本发明系统在公共停车场停车，则停车费由停车场或路边车位独立收费，或也可由停车位监控系统代理收费；若采用本发明系统在小区私人停车位停车，则停车费由停车位监控系统代理收费后转账给业主，停车位监控系统从中收取一定比例的服务费。

Claims (2)

1.一种城市智能停车引导系统，其特征在于：包括车载导航仪、云端服务器、车主移动终端、业主移动终端以及停车位监控系统；

车载导航仪和车主移动终端分别通过无线网络与云端服务器连接，停车位监控系统通过以太网与云端服务器连接；其中，公共停车场安装的监控设备与停车位监控系统无线通讯，监控设备将采集到的公共停车场车位信息传输至停车位监控系统；小区私人停车位信息通过业主移动终端将信息发送至停车位监控系统；车主移动终端通过云端服务器实时获取小区私人停车位信息；

云端服务器接收车载导航仪定位以及查询信息，再根据停车位监控系统提供的实时数据，当公共停车场有闲置停车位，停车位监控系统通过云端服务器直接将该停车位信息传输至车载导航仪，引导停车；当公共停车场无闲置停车位，云端服务器查询云端数据库中的小区私人停车位信息，并将附近小区私人停车位信息进行数据预处理，将出行规律的业主车位信息选出，再根据模糊推算，获得小区私人停车位信息的推荐指数，得到最优停车位信息，云端服务器将小区私人停车位信息传输至车载导航仪，引导停车；

所述云端服务器包括云数据采集中心、云端数据库以及数据分析中心；

所述云数据采集中心接受车辆位置信息和停车位监控系统传输的停车位数据信息；

所述云端数据库储存公共停车位信息的实时数据和小区私人停车位的历史数据以及实时数据，历史数据包括该业主过去3个月内的停车时间，实时数据为业主当前停车情况；

所述数据分析中心分析驾驶员周边公共停车场车位数据分析，驾驶员附近1公里范围内有公共停车位，且请求停车人数少，则停车位监控系统通过云端服务器将停车位信息传输至驾驶员车载导航仪上，引导停车；若数据分析中心经过分析后，没有可用的公共停车位信息，则数据分析中心分析私人停车位历史停车数据，在小区私人停车位的历史停车数据中查询符合规律出行的业主，将符合规律出行的小区私人停车位信息输出，得到若干个停车位信息；此时数据分析中心将得到的若干个停车位信息进一步进行模糊推算，在若干个停车位中获得一个推荐指数最高的停车位信息，得到最优停车位信息，数据分析中心将最优停车位信息传送至云端服务器，云端服务器将最优停车位信息发送至驾驶员车载导航仪上，引导停车；

数据分析中心进行数据预处理，得到若干个符合停车的停车位信息，具体数据预处理过程如下：

工作日：周一-周五；

符合条件的停车位：8:00-18:00，业主停车位空闲，连续30工作日中，有28日以上业主停车位空闲，且当前处于空闲状态，则将该停车位信息输出；

非工作日：周六-周日；

符合条件的停车位：9:00-16:00，业主停车位空闲，连续10个休息日中，有7日以上业主停车位空闲，且当前处于空闲状态，则将该停车位信息输出；

数据分析中心将得到的若干个停车位信息进一步进行模糊推算，在若干个停车位中获得一个推荐指数最高的停车位信息，得到最优停车位信息，最优停车位信息模糊推算过程如下：

模糊控制器的控制结构为2输入、单输出结构：

输入变量x1：当前停车位的规律空闲时间变量；

输入变量x2：当前停车位的业主离开的时间变量；

输出量为y：当前停车位的停车推荐指数

输入输出变量论域和量化因子：

输入变量x1基本论域设计为(8，18)，然后将输入量x1分为5个语言变量，即正大(PB)、正中(PM)、零(ZE)、负中(NM)、负大(NB)；输入变量x1的5个语言变量的基本论域设计为(8，18)的隶属度函数为三角形隶属度函数与梯形隶属度函数的组合；

输入变量x2基本论域设计为(9，16)，然后将输入量x2分为5个语言变量，即正大(PB)、正中(PM)、零(ZE)、负中(NM)、负大(NB)；输入变量x2的5个语言变量的基本论域设计为(9，16)的隶属度函数为三角形隶属度函数与梯形隶属度函数的组合；

输出量y基本论域为(0，1)，然后将输出量y分为5个语言变量，即正大(PB)、正中(PM)、零(ZE)、负中(NM)、负大(NB)；输出量y的5个语言变量在基本论域(0，1)的隶属度函数为三角形隶属度函数与梯形隶属度函数的组合；

模糊控制规则的设计：

设计模糊控制规则的原则是业主车位刚离开时，推荐指数越高，模糊控制规则为：

解模糊：

解模糊采用最大隶属度方法进行解模糊；

解模糊后得到(0,1)之间的数值为推荐指数，将得到最高的推荐指数传输至云端服务器，再传送至驾驶员车载导航，完成停车引导。

2.权利要求1所述的城市智能停车引导系统的停车引导方法，其特征在于，包括如下步骤：

步骤1，驾驶员行驶接近目的地时，车载导航仪将车辆位置信息传送至云端服务器，云端服务器根据车辆位置信息调用云端数据库中车辆周边停车位监控系统，查询公共停车场停车位容量信息并与停车需求信息进行匹配；

步骤2，当公共停车场有与停车需求信息匹配的停车位时，云端服务器将匹配的信息包括位置、类型、收费情况传输至车载导航仪，车载导航仪结合电子地图形成实时停车车位信息的实时路况地图；

步骤3，驾驶员根据实时路况地图进行选择停车位后，车载导航仪提供引导，到达停车位；

步骤4，当公共停车场没有与停车需求信息匹配的停车位时，云端服务器将附近小区私人停车位信息进行数据预处理，将出行规律的业主车位信息选出，再进行模糊推算，获得小区私人停车位信息的推荐指数，得到最优停车位信息；

步骤5，此时云端服务器向业主移动终端发送其停车位被请求停车信息，若业主在设定时间内回复同意，云端服务器将该最优停车位信息包括位置、类型、收费情况传输至车载导航仪，车载导航仪结合电子地图形成实时停车车位信息的实时路况地图；驾驶员根据实时路况地图进行选择停车位后，车载导航仪提供引导，到达停车位；若业主在设定时间内没有回复或回复不同意，云端服务器再次进行模糊推算，获得小区私人停车位信息的推荐指数，得到最优停车位信息，重复步骤5，直至驾驶员获得最优停车位信息，在导航的指引下到达停车位。

Images