CN110555156B - 一种最优泊位推荐的方法及装置 - Google Patents
一种最优泊位推荐的方法及装置 Download PDFInfo
- Publication number
- CN110555156B CN110555156B CN201810252369.XA CN201810252369A CN110555156B CN 110555156 B CN110555156 B CN 110555156B CN 201810252369 A CN201810252369 A CN 201810252369A CN 110555156 B CN110555156 B CN 110555156B
- Authority
- CN
- China
- Prior art keywords
- parking
- scheme
- index
- indexes
- optimal
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 40
- 238000007405 data analysis Methods 0.000 claims abstract description 8
- 238000012163 sequencing technique Methods 0.000 claims abstract description 8
- 238000012545 processing Methods 0.000 claims description 11
- 238000004590 computer program Methods 0.000 claims description 9
- 238000004364 calculation method Methods 0.000 claims description 2
- 238000005516 engineering process Methods 0.000 abstract description 2
- 238000010586 diagram Methods 0.000 description 13
- 238000011156 evaluation Methods 0.000 description 12
- 239000011159 matrix material Substances 0.000 description 8
- 230000008901 benefit Effects 0.000 description 6
- 238000012986 modification Methods 0.000 description 5
- 230000004048 modification Effects 0.000 description 5
- 230000002093 peripheral effect Effects 0.000 description 5
- 230000006870 function Effects 0.000 description 4
- 230000009286 beneficial effect Effects 0.000 description 3
- 230000004075 alteration Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000011425 standardization method Methods 0.000 description 1
- 238000011426 transformation method Methods 0.000 description 1
Images
Landscapes
- Traffic Control Systems (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供一种最优泊位推荐的方法及装置，用于解决现有的泊位推荐技术无法满足驾驶者实际停车需求的问题。该方法包括：根据预先设置的各项指标的主观权重对各项指标的客观熵权进行计算，确定出各项指标的综合熵权，其中，所述各项指标是指影响泊位选择的因素，所述主观权重是根据驾驶者的历史泊车数据，通过大数据分析确定出的；根据所述各项指标的综合熵权计算出各个方案的关联度，其中，所述各个方案即可以泊车的各个泊位，所述关联度即所述可以泊车的各个泊位与理想泊位之间的关联程度；对所述关联度进行排序，在所述各个方案中确定出最优方案，其中，所述最优备选方案即所述可以泊车的各个泊位中的最优泊位。
Description
技术领域
本发明涉及智能交通领域，尤其涉及一种最优泊位推荐的方法及装置。
背景技术
随着停车场的规模越建越大，由于停车场的特殊的交通情况，驾驶者在停车场内寻找最优泊位时会浪费很多时间，因此如何能快速获取到最优泊位信息，实现快速泊车已经成为当前智能交通领域迫切需要解决的问题。
在现有技术中，采用基于灰熵的多属性决策方法计算出最优泊位。具体的，该方法根据车辆行驶路程、车主步行距离以及停车入库难度等因素计算出最优泊位，其中，车辆行驶路程，是指从停车场入口驾车到目标车位的距离。车主步行距离，是指驾驶者停车成功后，从车位走到电梯或者停车场出口的距离称为车主步行距离。停车入库难度，是指驾驶者停车时的难易程度，与车位自身所在环境相关。根据现有技术计算出的最优泊位只考虑了与泊车相关的客观因素，推荐的最优泊位对每个驾驶者都是相同的，但是不同的驾驶者寻找泊位的习惯不同，根据现有技术推荐的最优泊位有可能不符合驾驶者的停车需求。
综上，如何计算出满足驾驶者停车需求的最优泊位，是目前需要考虑的问题。
发明内容
本发明提供一种最优泊位的推荐方法及装置，用于解决现有的泊位推荐技术无法满足驾驶者实际停车需求的问题。
第一方面，本发明实施例提供一种最优泊位推荐的方法，包括：根据预先设置的各项指标的主观权重对各项指标的客观熵权进行计算，确定出各项指标的综合熵权，其中，所述各项指标是指影响泊位选择的因素，所述主观权重是根据驾驶者的历史泊车数据，通过大数据分析确定出的；根据所述各项指标的综合熵权计算出各个方案的关联度，其中，所述各个方案即可以泊车的各个泊位，所述关联度即所述可以泊车的各个泊位与理想泊位之间的关联程度；对所述关联度进行排序，在所述各个方案中确定出最优方案，其中，所述最优备选方案即所述可以泊车的各个泊位中的最优泊位。
可选的，所述根据预先设置的各项指标的主观权重对各项指标的客观熵权进行计算，确定出综合熵权，具体包括：所述预先设置的各项指标的主观权重为αj,各项指标的客观熵权为
确定出综合熵权为
其中，n为指标的个数，ej为第j项指标的熵值。
可选的，所述根据所述各项指标的综合熵权计算出各个方案的关联度，具体包括：所述各个方案的关联度为
其中，i为方案的编号，rij为关联度系数。
可选的，所述对所述关联度进行排序，在所述各个方案中确定出最优方案，具体包括：对所述关联度按照从大到小进行排序，最大的关联度对应的方案为所述各个方案中的最优方案。
可选的，在所述根据预先设置的各项指标的主观权重对各项指标的客观熵权进行计算，确定出各项指标的综合熵权之前，该方法还包括：根据基于灰熵的多属性决策方法计算出各项指标的客观熵权为
第二方面，本发明实施例提供一种最优泊位推荐的装置，包括：确定模块，用于根据预先设置的各项指标的主观权重对各项指标的客观熵权进行计算，确定出各项指标的综合熵权，其中，所述各项指标是指影响泊位选择的因素，所述主观权重是根据驾驶者的历史泊车数据，通过大数据分析确定出的；处理模块，用于根据所述各项指标的综合熵权计算出各个方案的关联度，其中，所述各个方案即可以泊车的各个泊位，所述关联度即所述可以泊车的各个泊位与理想泊位之间的关联程度；排序模块，用于对所述关联度进行排序，在所述各个方案中确定出最优方案，其中，所述最优备选方案即所述可以泊车的各个泊位中的最优泊位。
可选的，所述确定模块具体用于：所述预先设置的各项指标的主观权重为αj,各项指标的客观熵权为
确定出综合熵权为
其中，j为指标的个数，ej为第j项指标的熵值。
可选的，所述处理模块具体用于：所述各个方案的关联度为
其中，i为方案的个数，rij为关联度系数。
可选的，所述排序具体用于：对所述关联度按照从大到小进行排序，最大的关联度对应的方案为所述各个方案中的最优方案。
可选的，该装置还包括：计算模块，用于根据基于灰熵的多属性决策方法计算出各项指标的客观熵权为
其中，n为指标的个数，ej为第j项指标的熵值。
第三方面，本发明实施例提供一种非易失性计算机存储介质，所述计算机存储介质存储有可执行程序，该可执行程序被处理器执行实现上述任一最优泊位推荐的方法的步骤。
第四方面，本发明实施例提供一种计算设备，包括存储器、处理器及存储在存储器上的计算机程序，所述处理器执行所述程序时实现上述任一最优泊位推荐的方法的步骤。
利用本发明实施例提供的一种最优泊位推荐的方法及装置，具有以下有益效果：在进行最优泊位推荐时，考虑了不同的驾驶者寻找泊位的习惯，对驾驶者的各项指标进行了主观权重的预先设置，将驾驶者的主观权重与各项指标的客观熵权进行综合计算，确定出各项指标的综合熵权，根据所述各项指标的综合熵权计算出各个方案的关联度，对所述关联度进行排序，在所述各个方案中确定出最优方案，推荐出更符合驾驶者停车需求的最优泊位。
附图说明
通过参考附图阅读下文的详细描述，本发明示例性实施例的上述以及其他目的、特征和优点将变得易于理解。在附图中，以示例性而非限制性的方式示出了本发明的若干实施方式，其中：
图1为本发明实施例提供的一种最优泊位推荐的方法的流程示意图；
图2为本发明实施例提供的一种最优泊位推荐的方法的流程示意图；
图3为本发明实施例提供的一种停车场建模示意图；
图4为本发明实施例提供的一种无向权值图；
图5为本发明实施例提供的一种最优泊位推荐的方法的装置的结构示意图；
图6为本发明实施例提供的计算设备的硬件结构示意图。
具体实施方式
下面结合具体实施例对本发明实施例提供的最优泊位推荐的方法及装置进行详细说明。
由于停车场的特殊的交通情况，驾驶者对泊位的需求不同，有些驾驶者需要的泊位为从停车场入口驾车到目标车位的距离最短的泊位，有些驾驶者需要的泊位为驾驶者停车成功后，从车位走到电梯或者停车场出口的距离最短的车位，有的驾驶者需要停到停车简单的泊位。但在现有技术中，最优泊位推荐只考虑了与泊车相关的客观因素，推荐的最优泊位对每个驾驶者都是相同的，并不会根据不同驾驶者的需求进行推荐，推荐出的泊位可能不是驾驶者满意的泊位，如何推荐出满足驾驶者需求的泊位是本发明所要解决的问题。
具体实施例一
如图1所示，为本发明具体实施例一提供的一种最优泊位推荐的方法，包括以下步骤：
步骤101，根据预先设置的各项指标的主观权重对各项指标的客观熵权进行计算，确定出各项指标的综合熵权，其中，所述各项指标是指影响泊位选择的因素，所述主观权重是根据驾驶者的历史泊车数据，通过大数据分析确定出的。
具体的，所述预先设置的各项指标的主观权重为αj,各项指标的客观熵权为
确定出综合熵权为
其中，n为指标的个数，ej为第j项指标的熵值。
本申请实施例中，所述主观权重是根据驾驶者的历史泊车数据，通过大数据分析确定出的，其中，记录驾驶者的历史泊车数据时主要记录驾驶者的一些停车偏好，例如，1)双空车位停车位置方向，具体为，停在左侧空位还是右侧空位。2)是否喜欢停在道路拐角。3)是否考虑周边车辆价值。4)购物休闲便捷度，即离电梯或商场入口的距离等，本申请对采集泊车数据时需要记录的数据不做限定。
步骤102、根据所述各项指标的综合熵权计算出各个方案的关联度，其中，所述各个方案即可以泊车的各个泊位，所述关联度即所述可以泊车的各个泊位与理想泊位之间的关联程度。
具体的，所述各个方案的关联度为
其中，i为方案的编号，rij为关联度系数。
步骤103、对所述关联度进行排序，在所述各个方案中确定出最优方案，其中，所述最优备选方案即所述可以泊车的各个泊位中的最优泊位。
具体的，对所述关联度按照从大到小进行排序，最大的关联度对应的方案为所述各个方案中的最优方案。
本发明实施例提供的一种最优泊位推荐的方法，具有以下有益效果：在进行最优泊位推荐时，考虑了不同的驾驶者寻找泊位的习惯，对驾驶者的各项指标进行了主观权重的预先设置，将驾驶者的主观权重与各项指标的客观熵权进行综合计算，确定出各项指标的综合熵权，根据所述各项指标的综合熵权计算出各个方案的关联度，对所述关联度进行排序，在所述各个方案中确定出最优方案，推荐出更符合驾驶者停车需求的最优泊位。
在步骤101之前，该方法还包括：根据基于灰熵的多属性决策方法计算出各项指标的客观熵权为
其中，n为指标的个数，ej为第j项指标的熵值。
下面通过一个完整的实施例对最优泊位推荐进行举例说明，具体流程如图2所示。
步骤201，对选取的地下停车场进行建模，并确定出某一时刻的空余泊位，空余泊位示意图，如图3所示。
具体的，图3中包含一个停车场入口和一个停车场出口，泊位类型范围包含了一字型、非字型、斜线型停车位，还包含了起点S在内的10个节点，节点之间的权值为各自之间的路线距离。
步骤202、根据建模后的图以及空余车位确定出一个无向权值图，如图4所示。具体的，所述无向权值图包含了S、N1、N2、N3、N4、N5、N6、N7、N8、N9十个节点。
步骤203、根据所述空余泊位情况，建立空余泊位的评价矩阵。
具体的，确定出空余泊位的集合E＝{ei|i＝1,2,…,m}，以及影响泊位选择的周边信息属性集为R＝{rj|j＝1,2,…,n}，建立空余泊位的评价矩阵C'＝{ci'j|i＝1,2,…,m|j＝1,2,…,n}。周边信息属性主要包括行驶距离、步行距离、周边空位情况(即停车难易期望值)。
举例说明：空余泊位的集合为D96、D76、D140、C239、C252，即E＝{e1,e2,e3,e4,e5}，根据所述无向权值图确定出不同空余泊位的行驶距离和步行距离，如表1所示：
表1
根据空余泊位D96、D76、D140、C239、C252的实际情况，参考车位的停车难易度量化表。确定出不同空余泊位的停车难易期望值，空余泊位D96为一字型两边有车的车位，车位的停车难易期望值为0.1，空余泊位D76为斜线型两边有车的车位，车位的停车难易期望值为0.3，空余泊位D140为非字型两边无车的车位，车位的停车难易期望值为0.8，空余泊位C239为非字型两边有车的车位，车位的停车难易期望值为0.2，空余泊位C252为非字型一边有车的车位，车位的停车难易期望值为0.5。
以空余泊位D96为例，周边信息属性集为R＝{r1,r2,r3}，具体数值为R＝{47,48,0.1}。
建立赋值后的空余泊位评价矩阵为
步骤204、对空余泊位评价矩阵进行无量纲标准化处理，确定出标准化处理后的空余泊位评价矩阵Cij＝{cij|i＝1,2,…,m|j＝1,2,…,n}。
其中，具体采用无量纲标准化方法中的极差变换法对评价矩阵进行标准化处理。衡量周边信息属性的指标一般分为效益型指标和成本型指标。效益型指标是指属性值越大越好，成本性指标正好和效益型指标相反，属性值越小越好。其中，行驶距离和步行距离属于成本型指标，周边空位情况属于效益型指标。当评价指标为效益型指标时，
当评价指标为成本型指标时
其中，
举例说明，标准化处理后的空余泊位评价矩阵
步骤205、计算第j项指标下第i个方案的指标比重fij，
步骤206、计算第j项指标的熵值ej，
其中
举例说明，各个指标的熵值分别为：
Ej＝[0.8174 0.7775 0.7276]
步骤207、计算各个指标的熵权wj，
举例说明：
Wj＝[0.2695 0.3248 0.4021]
步骤208、确定理想泊位集e*。
具体的，每一列的理想值是由该列对应指标的指标属性类型决定的，如果该指标为效益型指标，则选取该列最大值；如果该指标为成本型指标，则该列理想值为最小值，具体公式如下：
举例说明：e*＝{0 0 1}
步骤209、计算灰色关联系数，确定灰色关联决策矩阵rij。
具体的，将备选方案与最优方案指标向量的关联度作为衡量备选方案优劣的标准。最优方案即为e*,备选方案为C，则备选方案和最优方案之间的关联度系数即为：
步骤210、确定出各个指标的主观权重αj。
举例说明：αj＝[0.2741 0.2852 0.4407]。
步骤211、根据各个指标的主观权重与步骤207中计算出的各个指标的熵权wj，确定出综合评价权重wj *，
举例说明：wj *＝[0.2143 0.2717 0.5140]
步骤212、根据综合评价权重wj *，确定出综合评价权重wj *对应的各方案的灰色关联度
举例说明：
步骤213、对上述关联度
进行重新排序，确定出最优泊位。
举例说明：最优泊位顺序依次为D140>D76>C252>C239>D96，关联度的值越大，泊位越符合驾驶者的需求。
具体实施例二
本发明具体实施例二提供一种最优泊位推荐的装置，如图5所示，包括：
确定模块501，用于根据预先设置的各项指标的主观权重对各项指标的客观熵权进行计算，确定出各项指标的综合熵权，其中，所述各项指标是指影响泊位选择的因素，所述主观权重是根据驾驶者的历史泊车数据，通过大数据分析确定出的。
处理模块502，用于根据所述各项指标的综合熵权计算出各个方案的关联度，其中，所述各个方案即可以泊车的各个泊位，所述关联度即所述可以泊车的各个泊位与理想泊位之间的关联程度。
排序模块503，用于对所述关联度进行排序，在所述各个方案中确定出最优方案，其中，所述最优备选方案即所述可以泊车的各个泊位中的最优泊位。
本发明实施例提供的一种最优泊位推荐的装置，具有以下有益效果：在进行最优泊位推荐时，考虑了不同的驾驶者寻找泊位的习惯，对驾驶者的各项指标进行了主观权重的预先设置，将驾驶者的主观权重与各项指标的客观熵权进行综合计算，确定出各项指标的综合熵权，根据所述各项指标的综合熵权计算出各个方案的关联度，对所述关联度进行排序，在所述各个方案中确定出最优方案，推荐出更符合驾驶者停车需求的最优泊位。
本发明实施例还提供一种非易失性计算机存储介质，所述计算机存储介质存储有可执行程序，该可执行程序被处理器执行实现具体实施例一提供的任一最优泊位方法的步骤。
本发明实施例还提供一种计算设备，用于执行具体实施例一中的最优泊位推荐的方法，如图6所示，为本发明实施四中所述的计算设备的硬件结构示意图，该计算设备具体可以为桌面计算机、便携式计算机、智能手机、平板电脑等。该计算设备可以包括存储器601、处理器602及存储在存储器上的计算机程序，所述处理器执行所述程序时实现实施例一中的最优泊位推荐的方法的步骤。其中，存储器601可以包括只读存储器(ROM)和随机存取存储器(RAM)，并向处理器602提供存储器601中存储的程序指令和数据。
进一步地，所述的计算设备还可以包括输入装置603以及输出装置604等。输入装置603可以包括键盘、鼠标、触摸屏等；输出装置604可以包括显示设备，如液晶显示器(Liquid Crystal Display，LCD)、阴极射线管(Cathode Ray Tube，CRT)等。存储器601，处理器602、输入装置603和输出装置604可以通过总线或者其他方式连接，图6中以通过总线连接为例。
处理器602调用存储器601存储的程序指令并按照获得的程序指令执行实施例一提供的最优泊位推荐的方法。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
尽管已描述了本发明的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例作出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本发明范围的所有变更和修改。
显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。
Claims (10)
1.一种最优泊位推荐的方法，其特征在于，包括：
根据预先设置的各项指标的主观权重对各项指标的客观熵权进行计算，确定出各项指标的综合熵权，其中，所述各项指标是指影响泊位选择的因素，所述主观权重是根据驾驶者的历史泊车数据，通过大数据分析确定出的；
根据所述各项指标的综合熵权计算出各个方案的关联度，其中，所述各个方案即可以泊车的各个泊位，所述关联度即所述可以泊车的各个泊位与理想泊位之间的关联程度；
对所述关联度进行排序，在所述各个方案中确定出最优方案，其中，所述最优方案即所述可以泊车的各个泊位中的最优泊位；
所述根据预先设置的各项指标的主观权重对各项指标的客观熵权进行计算，确定出综合熵权，具体包括：
所述预先设置的各项指标的主观权重为αj,各项指标的客观熵权为
确定出综合熵权为
其中，n为指标的个数，ej为第j项指标的熵值。
2.如权利要求1所述的方法，其特征在于，所述根据所述各项指标的综合熵权计算出各个方案的关联度，具体包括：
所述各个方案的关联度为
其中，i为方案的编号，rij为关联度系数。
3.如权利要求1或2所述的方法，其特征在于，所述对所述关联度进行排序，在所述各个方案中确定出最优方案，具体包括：
对所述关联度按照从大到小进行排序，最大的关联度对应的方案为所述各个方案中的最优方案。
4.如权利要求1所述的方法，其特征在于，在所述根据预先设置的各项指标的主观权重对各项指标的客观熵权进行计算，确定出各项指标的综合熵权之前，该方法还包括：
根据基于灰熵的多属性决策方法计算出各项指标的客观熵权为
其中，n为指标的个数，ej为第j项指标的熵值。
5.一种最优泊位推荐的装置，其特征在于，包括：
确定模块，用于根据预先设置的各项指标的主观权重对各项指标的客观熵权进行计算，确定出各项指标的综合熵权，其中，所述各项指标是指影响泊位选择的因素，所述主观权重是根据驾驶者的历史泊车数据，通过大数据分析确定出的；
处理模块，用于根据所述各项指标的综合熵权计算出各个方案的关联度，其中，所述各个方案即可以泊车的各个泊位，所述关联度即所述可以泊车的各个泊位与理想泊位之间的关联程度；
排序模块，用于对所述关联度进行排序，在所述各个方案中确定出最优方案，其中，所述最优方案即所述可以泊车的各个泊位中的最优泊位；
所述确定模块具体用于：
所述预先设置的各项指标的主观权重为αj,各项指标的客观熵权为
确定出综合熵权为
其中，n为指标的个数，ej为第j项指标的熵值。
6.如权利要求5所述的装置，其特征在于，所述处理模块具体用于：
所述各个方案的关联度为
其中，i为方案的编号，rij为关联度系数。
7.如权利要求5或6所述的装置，其特征在于，所述排序具体用于：
对所述关联度按照从大到小进行排序，最大的关联度对应的方案为所述各个方案中的最优方案。
8.如权利要求5所述的装置，其特征在于，该装置还包括：
计算模块，用于根据基于灰熵的多属性决策方法计算出各项指标的客观熵权为
其中，n为指标的个数，ej为第j项指标的熵值。
9.一种非易失性计算机存储介质，其特征在于，所述计算机存储介质存储有可执行程序，该可执行程序被处理器执行实现权利要求1-4任一所述方法的步骤。
10.一种计算设备，其特征在于，包括存储器、处理器及存储在存储器上的计算机程序，所述处理器执行所述程序时实现权利要求1-4任一所述方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810252369.XA CN110555156B (zh) | 2018-03-26 | 2018-03-26 | 一种最优泊位推荐的方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810252369.XA CN110555156B (zh) | 2018-03-26 | 2018-03-26 | 一种最优泊位推荐的方法及装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN110555156A CN110555156A (zh) | 2019-12-10 |
| CN110555156B true CN110555156B (zh) | 2022-04-15 |
Family
ID=68733753
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201810252369.XA Active CN110555156B (zh) | 2018-03-26 | 2018-03-26 | 一种最优泊位推荐的方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110555156B (zh) |
Families Citing this family (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112009463B (zh) * | 2020-08-10 | 2022-04-19 | 广州汽车集团股份有限公司 | 一种辅助驾驶员泊车的方法和泊车控制器 |
| CN112382118B (zh) * | 2020-09-16 | 2021-10-22 | 哈尔滨工程大学 | 车位智能预约管理系统、方法、存储介质、计算机设备 |
| CN116153134B (zh) * | 2023-03-02 | 2024-10-01 | 阿维塔科技(重庆)有限公司 | 一种车位推荐方法、装置及计算机可读存储介质 |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103985268A (zh) * | 2014-03-04 | 2014-08-13 | 江南大学 | 一种基于最优泊位模型的智能停车场车位诱导机制算法 |
| 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 |
| CN105824963A (zh) * | 2016-03-31 | 2016-08-03 | 北京小度信息科技有限公司 | 订单推荐方法和装置 |
| CN106776941A (zh) * | 2016-12-02 | 2017-05-31 | 济南浪潮高新科技投资发展有限公司 | 一种基于众包模式的推荐有效解答者的方法 |
| CN106961356A (zh) * | 2017-04-26 | 2017-07-18 | 中国人民解放军信息工程大学 | 基于动态QoS和主客观权重的Web服务选取方法及其装置 |
| CN107507448A (zh) * | 2017-07-27 | 2017-12-22 | 武汉科技大学 | 基于Dijkstra优化算法的云停车场泊位寻优方法 |
| 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 |
Family Cites Families (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103167027B (zh) * | 2013-02-18 | 2015-12-02 | 西安交通大学 | 应急救灾场景下单终端的事件驱动的移动模型 |
| CN103279841B (zh) * | 2013-06-09 | 2016-12-28 | 广东电网公司佛山供电局 | 一种用电信息的推送方法和系统 |
| US20160238397A1 (en) * | 2015-02-17 | 2016-08-18 | International Business Machines Corporation | Navigating to comfortable and safe parking |
| US20160292769A1 (en) * | 2015-03-31 | 2016-10-06 | Stitch Fix, Inc. | Systems and methods that employ adaptive machine learning to provide recommendations |
| CN107331200B (zh) * | 2017-08-11 | 2020-04-21 | 武汉理工大学 | 一种cbd地下车库停车智能引导系统、方法及装置 |
-
2018
- 2018-03-26 CN CN201810252369.XA patent/CN110555156B/zh active Active
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103985268A (zh) * | 2014-03-04 | 2014-08-13 | 江南大学 | 一种基于最优泊位模型的智能停车场车位诱导机制算法 |
| CN105824963A (zh) * | 2016-03-31 | 2016-08-03 | 北京小度信息科技有限公司 | 订单推荐方法和装置 |
| 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 |
| CN106776941A (zh) * | 2016-12-02 | 2017-05-31 | 济南浪潮高新科技投资发展有限公司 | 一种基于众包模式的推荐有效解答者的方法 |
| CN106961356A (zh) * | 2017-04-26 | 2017-07-18 | 中国人民解放军信息工程大学 | 基于动态QoS和主客观权重的Web服务选取方法及其装置 |
| CN107507448A (zh) * | 2017-07-27 | 2017-12-22 | 武汉科技大学 | 基于Dijkstra优化算法的云停车场泊位寻优方法 |
| 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 |
Non-Patent Citations (1)
| Title |
|---|
| 灰色综合评价法在流域水电规划开发方案优选中的应用;任林波等;《吉林水利》;20171115(第11期);第33-36页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN110555156A (zh) | 2019-12-10 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110555156B (zh) | 一种最优泊位推荐的方法及装置 | |
| CN113284359B (zh) | 车位推荐方法、装置、设备及计算机可读存储介质 | |
| CN113506457B (zh) | 基于大型停车场场景下寻找停车位的装置和方法 | |
| DE102018100192A1 (de) | Erzeugen von Trainingsdaten zur automatischen Leckerkennung bei Fahrzeugen | |
| CN115457395A (zh) | 基于通道注意力与多尺度特征融合的轻量级遥感目标检测方法 | |
| CN113052525B (zh) | 货物体积预估方法、拼单方法、装置及电子设备 | |
| CN111353676B (zh) | 订单分配方法、系统、计算机设备和计算机可读存储介质 | |
| CN111861619A (zh) | 一种共享车辆的推荐方法和系统 | |
| CN115691200B (zh) | 停车信息推送方法及装置、电子设备和存储介质 | |
| CN108932595A (zh) | 一种运输车辆评价方法及设备 | |
| CN112802358A (zh) | 基于人工智能的车位导航方法、装置、终端设备及介质 | |
| CN110569915B (zh) | 基于直觉模糊c均值的汽车数据聚类方法及系统 | |
| CN113139139B (zh) | 用于确定上车点的方法、装置、电子设备和介质 | |
| CN114428916A (zh) | 停车场推荐方法以及相关装置 | |
| CN111539796B (zh) | 一种订单处理方法、装置及存储介质 | |
| CN117151823A (zh) | 一种基于大数据的购车评估方法、系统、电子设备及介质 | |
| CN111353797B (zh) | 资源分配方法、装置以及电子设备 | |
| CN116452093A (zh) | 一种货运调度信息管理方法及装置 | |
| CN114282976B (zh) | 供应商推荐方法、装置、电子设备及介质 | |
| Hua et al. | Integrated model of assisted parking system and performance evaluation with entropy weight extended analytic hierarchy process and two-tuple linguistic information | |
| CN116228269A (zh) | 一种处理货源信息的方法、装置、电子设备及存储介质 | |
| CN111831931B (zh) | 一种上车点排序、信息排序的方法及装置 | |
| JP2002109183A (ja) | ブランドおよびビークルの近縁性の評価方法、システム、および記録媒体 | |
| CN107610467B (zh) | 一种交通状态判别方法和装置 | |
| Kong et al. | An active reconstruction algorithm based on partial prior information |
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 |