CN110660211B - 使用占用行为异常检测器的停车区域地图改善 - Google Patents

Abstract

使用占用行为异常检测器的停车区域地图细化。一种方法包括：接收与停车区中的检测到的对象相对应的数据，该数据包括由行驶通过该停车区的确定车辆确定的信息，基于位于该停车区内的街道区段中的检测到的对象来确定停车区分布，确定街道区段分布，计算停车区与街道区段分布之间的差异，识别位于该街道区段内的异常，以及基于识别的异常来生成停车区的更新的停车区域地图。该方法包括例如每当确定车辆行驶通过停车区时，接收数据。

Description

使用占用行为异常检测器的停车区域地图改善

技术领域

本发明涉及一种通过识别停车区中的异常来动态改善（refine）电子停车区域地图的方法。本发明的其他方面涉及计算机程序，涉及中央计算机设施，以及涉及被配置成执行该方法的设备。本申请的主题涉及在2016年4月21日提交并于2017年8月29日作为美国专利NO.9,747,791发布的美国专利申请序列号15/135,194中的主题，该美国专利的全部内容由此通过引用结合于本文中。

背景技术

可以使用基于距离的传感器（例如，超声波传感器、激光传感器、雷达传感器、立体摄像机等）来检测用于车辆的开放式停车区域。这样的方法例如从DE 10 2004 062 021A1、DE 10 2009 028 024 A1和DE 10 2008 028 550 A1是已知的。

在汽车领域中使用各种各样的驾驶员辅助系统，它们意图辅助驾驶员执行各种驾驶操纵。例如，这些包括：停车辅助系统，其使用被分配给车辆的传感器来检测环境，确定环境中可能的停车空间，并且在停车期间辅助驾驶员。

DE 10 2014 009 627 A1讨论了一种用于报告车辆的免费停车位的方法。使用车辆内部传感器并且基于诸如长度、宽度、高度、角度、类型和地理方位之类的属性来识别免费停车空间。免费停车空间还在先前占用的停车位被清除时建立。附加地，可以使用另外的传感器来识别交通标志，例如以考虑来自标牌的信息片断。此外，例如，附加地提供与数字道路地图的链接以排除使用位置太靠近交叉路口的区域。向其他车辆报告相关的停车位，利用两辆车之间的直接通信或者为此目的使用中央服务器。

DE 10 2013 018 721 A1讨论了一种用于识别机动车辆的至少一个停车位的方法，该方法产生占用网格，至少一个距离测量传感器的传感器数据被输入到该占用网格中。基于传感器数据，识别对象并且随后将它们分类为例如小汽车类以及分类为非小汽车类。这使得可能识别门控入口，例如，因为通常在这样的门控入口附近没有识别到停车的汽车。

WO 2012/019628 A1讨论了一种用于基于收集的GPS数据来识别停车空间的方法。导航系统的GPS数据被叠加在数字地图上，并且显示指向可能的停车空间的集群。从收集的数据中提取有关停车空间的数据，诸如停车空间的类型或平均停车持续时间。

发明内容

本申请的示例实施例提供了用以识别停车区中的异常的方法和系统。

根据本发明的示例实施例，一种用于识别停车区中的异常的方法包括：由处理电路接收与停车区中的检测到的对象相对应的数据，该数据由行驶通过停车区的至少一个确定车辆来确定；由处理电路来确定停车区分布；由处理电路并且基于位于停车区内的街道区段中的检测到的对象来确定街道区段分布；由处理电路计算停车区分布与街道区段分布之间的差异；由处理电路并且基于停车区分布与街道区段分布之间的差异来识别位于该街道区段内的异常；以及由处理电路基于所识别的异常，生成停车区的更新的停车区域地图。在示例实施例中，每当至少一个确定车辆中的至少一辆行驶通过停车区时，实行数据的接收。

在示例实施例中，接收到的数据包括：与停车区中检测到的对象相对应的长度。

在示例实施例中，接收到的数据包括：与在停车区中检测到的对象相对应的长度、高度和宽度。

在示例实施例中，该方法包括：将街道区段划分成至少一个子部分，并且基于位于该至少一个子部分内的检测到的对象，确定子部分停车分布。

在示例实施例中，该方法包括：计算停车区分布与子部分停车分布之间的差异。

在示例实施例中，使用以下各项中的至少一个来计算停车区分布与街道区段分布之间的差异：Kolmogorov-Smirnov检验、加权均方根检验、卡方检验或用于比较多维概率分布的任何其他方法。

在示例实施例中，使用以下各项中的至少一个来计算停车区分布与子部分停车分布之间的差异：Kolmogorov-Smirnov检验、加权均方根检验、卡方检验或用于比较多维概率分布的任何其他方法。

在示例实施例中，该方法包括：基于停车区分布与子部分停车分布之间的差异来确定该至少一个子部分包括异常。

在示例实施例中，该方法包括：将停车异常分类为以下各项中的至少一个：植被、侵蚀障碍物、广告牌、建筑标牌、公共汽车和运载工具。

在示例实施例中，街道区段分布是表示位于街道区段内的检测到的对象的长度频率的直方图。在示例实施例中，街道区段分布是表示位于街道区段内的检测到的对象的高度频率的直方图。在示例实施例中，街道区段分布是表示位于街道区段内的检测到的对象的宽度频率的直方图。在示例实施例中，至少一个子部分具有5米的长度。

本发明的示例实施例涉及一种服务器系统，其包括数据库和用于识别停车区中的异常的处理单元，其中该处理单元被配置成接收与停车区中的检测到的对象相对应的数据，该数据由行驶通过该街道部分的至少一辆确定车辆来确定；确定停车区分布；基于位于停车区内的街道区段中的检测到的对象来确定街道区段分布；计算停车区分布与街道区段分布之间的差异；基于停车区分布与街道区段分布之间的差异，识别位于街道区段内的异常；以及基于所识别的异常，生成停车区的更新的停车地图。

本发明的示例实施例涉及一种非暂时性计算机可读介质，其上存储有指令，该指令可由计算机处理器执行并且当由处理器执行时使处理器实行方法，该方法包括：接收与停车区中的检测到的对象相对应的数据，该数据由行驶通过停车区的至少一个确定车辆来确定；确定停车区分布；基于位于停车区内的街道区段中的检测到的对象来确定街道区段分布；计算停车区分布与街道区段分布之间的差异；基于停车区分布与街道区段分布之间的差异来识别位于街道区段内的异常；以及基于所识别的异常，生成停车区的更新的停车区域地图。

在以下结合某些示例性实施例的详细描述中并且鉴于附图，描述了本发明的这些和其他特征、方面和优点，遍及附图相同的符号表示相同的部分。然而，详细描述和附图仅描述和说明了本发明的特定示例实施例，并且因此不应认为是对其范围的限制，因为本发明可以涵盖其他同等有效的实施例。

任何所公开的构成和/或方法的任何实施例可以由所描述的元件和/或特征和/或步骤中的任何元件和/或特征和/或步骤组成或者本质上由它们构成、包括、包含、含有/具有它们。

当在权利要求和/或说明书中与术语“包括”结合使用时，词语“一”或“一个”的使用可以意指“一个”，但是它也与“一个或多个”、“至少一个”以及“一个或多个”的含义一致。

如在本说明书和（一个或多个）权利要求中使用的，词语“包括”（和任何形式的包括（comprising），诸如“包括（comprise）”和“包括（comprises）”）、“具有”（和任何形式的具有（having），诸如“具有（have）”和“具有（has）”）、“包含”（和任何形式的包含（including），诸如“包含（includes）”和“包含（include）”）或“含有”（和任何形式的含有（containing），诸如“含有（contains）”和“含有（contain）”）都是包含的或开放式的，并且不排除附加的、未叙述的元素或方法步骤。

本发明的其它目标、特征和优点将根据下面的详细描述和附图变得显而易见。然而，应该理解的是，详细说明、附图和实施例虽然指示了本发明的具体实施例，但是仅以说明的方式给出。附加地，预期通过该详细描述，本发明的精神和范围内的改变和修改对于本领域技术人员而言将变得显而易见。

附图说明

图1是图示了根据本发明的示例实施例的由车辆进行对象检测的示图。

图2是与根据本发明的示例实施例的用于识别停车区中的异常的方法相对应的示图。

图3是根据本发明的示例实施例的停车区中的检测到的对象的频率的表示。

图4是根据本发明示例实施例的停车区中的检测到的对象的频率的表示。

图5是图示了根据本发明的示例实施例的用于识别停车区中的异常的方法的流程图。

具体实施方式

参考在附图中图示并且在以下描述中详述的非限制性实施例，更全面地解释了各种特征和有利细节。然而，详细描述和具体示例在指示实施例的同时仅以说明的方式而非作为限制的方式给出。根据该公开，各种代替、修改、添加和/或重新布置对于本领域的普通技术人员来说将是显而易见的。

在下面的描述中，提供了众个具体细节来提供对示例性实施例的透彻理解。然而，相关领域的普通技术人员将意识到的是，可以在没有该具体细节中的一个或多个的情况下，或者利用其它方法、组件、材料等等来实践本发明。例如，没有详细示出或描述公知的结构、材料或操作，以避免使本发明的方面晦涩难懂。

在示例实施例中，识别与其中停车被排除的停车区中的区域相对应的异常，并且利用所识别的异常来更新停车区的停车地图，使得获得了改进的、清理版本的停车地图。在该实施例中，停车区中的对象的检测或自由空间的检测具有与它们相关联的估计长度。

图1示出了确定车辆1，其在行驶方向20上沿着街道2移动。确定车辆1包括例如用于辅助驾驶员的设备10，该设备10进而包括用于检测车辆1的环境中的可能停车位22的环境传感器14。环境传感器14可以在例如图1中图示的特定实施例中，定向到车辆1的侧面的距离传感器、一个环境传感器14各自位于左侧车辆侧和右侧车辆侧上。在另一示例中，环境传感器可以被配置为超声传感器、激光传感器、雷达传感器或立体摄像机等。

当确定车辆1经过可能的停车空间22时，可以经由环境传感器14确定后定界28、前定界26和横向定界24。例如，定界28对应于第一参考对象，定界26对应于第二参考对象，并且横向定界24对应于横向参考。

与后边界28、前定界26和横向定界24相对应的数据可以经由用于通信的装置18（例如，无线通信接口）与关于其方位的指示一起被传输到中央计算机设施140。可以确定可能的停车空间22的方位在于最初确定其相对于车辆1的方位，并且附加地可以使用卫星导航来确定车辆1的方位。为此目的，设备10可以附加地包括GPS接收器16。

中央计算机设施140包括：用于与确定的车辆进行通信的通信的装置110，例如，无线通信接口。可以将信息存储在数据库120中。此外，处理单元130可以被分配给中央计算机设施140或被包括在中央计算机设施140中。

允许停车的典型道路区段通常由具有各种各样不同长度的各种各样的不同车辆占用。例如，特定城市中的平均车长可以是4.7米长，并且特定城市中的绝大多数车辆可以具有小于5米的长度。因此，检测到具有6米长度的对象是可疑的，并且相对于其他长度检测，在特定街道区段上检测到具有6米长度的对象的频率越高，该检测就越有可能不是停放的车辆。代替地，在其中大多数对象的长度小于5米的特定城市中具有6米长度的对象指示了该具有6米长度的对象实际上是异常。异常可能是防止车辆停放的物体，例如植被、侵蚀障碍物、广告牌、建筑标牌、公共汽车、运载工具、护栏、垃圾桶等。

现在参考图2，街道部分200被示出有车辆201、202、203、204、205、206和207。街道部分200还包括异常208。例如，异常208可以是下述各项中的任何一个或多个：植被、侵蚀障碍物、广告牌、建筑标牌、公共汽车、运载工具、护栏、垃圾桶等。

当确定车辆228以方向209沿街道部分200行驶时，确定车辆228尤其检测车辆201-207和异常208的存在。确定车辆可以检测这些对象，例如，使用环境传感器，其可以是例如距离传感器（例如，超声波传感器、激光传感器、雷达传感器、立体摄像机等）。每次确定车辆228沿街道部分200行驶，可以收集并传输由确定车辆228收集的与检测到的对象相对应的数据。由确定车辆收集的数据可以与车辆201-207的长度、高度、宽度等以及异常208相对应。收集的数据可以传输到图1中所示的中央计算机设施140。

如图2中描绘的，街道部分200可以被划分成子部分250-257。当确定车辆228沿着街道部分200行进时，可以检测与在每个子部分250-257内检测到的对象的长度相对应的数据，并且将其传输到图1中所示的中央计算机设施140。替换地，当确定车辆228沿着街道部分200行进时，可以检测与在每个子部分250-257内检测到的对象的长度、高度、宽度等相对应的数据，并且将其传输到图1中所示的中央计算机设施140。替换地，当确定车辆228沿着街道部分200行进时，可以检测与在每个子部分250-257内居中的对象的长度相对应的数据，并且将其传输到图1中所示的中央计算机设施140。

参考图3，与在特定子部分内检测到的对象的长度相对应的数据被用来建立子部分停车分布310（图中的浅阴影区）。替换地，与在特定子部分内检测到的对象的长度、宽度和/或高度相对应的数据被用来建立子部分停车分布。子部分停车分布310可以包括例如由水平轴303表示的长度数据302和由垂直轴305表示的频率数据304。子部分停车分布310可以是例如直方图的形式。以这种方式，子部分停车分布310描绘了以街道部分200的特定子部分为中心的检测到的对象的长度分布。如图3所示并且如下所述，子部分停车分布310指示其街道区段的对应子部分并不包括异常。

除了街道部分200之外，确定车辆228可以在位于停车区内的附加的街道部分上行驶，并且将与在附加的街道部分上检测到的对象相对应的数据传输到图1中所示的中央计算机设施140。一般而言，停车区指代其中允许停车的任何区域。例如，停车区可以指代特定的城市。替换地，停车区可以指代城市的特定邻域。替换地，停车区可以指代由特定街道和/或其他边界（例如，河流、地标等）界定的区域。当确定车辆228行进通过停车区时，由确定车辆228收集的数据可以包括与由确定车辆228检测到的每个对象的长度、高度、宽度等相对应的信息。该信息也可以被传输到图1中所示的计算机设施140。

参考图3，与由确定车辆228在停车区中检测到的对象的长度相对应的数据可以被用来建立停车区分布320（图中的暗阴影区）。替换地，与在停车区内检测到的对象的长度、宽度和/或高度相对应的数据可以被用来建立停车区分布。停车区分布320包括：由水平轴303表示的长度数据302和由垂直轴305表示的频率数据304。停车区分布320可以是例如直方图。以这种方式，停车区分布320描绘了在停车区中检测到的对象的平均长度分布。

如图3中所示，可以比较停车区分布320和子部分停车分布310以确定街道区段200的特定子部分是否包括异常。例如，图3图示了与子部分停车分布310相对应的街道区段的子部分不包括异常，因为停车区分布310没有显著偏离停车区分布320。

替换地，可以例如使用以下各项来计算停车区分布320与子部分停车分布310之间的差异：Kolmogorov-Smirnov检验、加权均方根检验、卡方检验和/或用于比较多维概率分布的任何其他方法。

相反地，图4图示了与街道区段的另外的子部分相对应的另外的子部分停车分布410，其被确定并且与停车区分布320进行比较。以与子部分停车分布310类似的方式来建立另外的子部分停车分布410。

与子部分停车分布310进行比较，另外的子部分停车分布410偏离停车区分布320。基于另外的子部分停车分布与停车区分布320之间的比较，可以确定与另外的子部分停车分布410相对应的街道区段的子部分包括异常。例如，可以计算另外的子部分停车分布410与停车区分布320之间的差异，并且将其与阈值进行比较。例如，如果另外的子部分停车分布410与停车区分布320之间的差异等于或大于阈值，则可以确定异常位于街道区段的另外的子部分中。如果另外的子部分停车分布410与停车区分布320之间的差异小于阈值，则可以确定异常并不位于街道区段的另外的子部分中。

因此，根据示例实施例，将停车区内的特定区段或区段子部分内的检测到的对象大小的分布与整个停车区内的对象大小的分布进行比较，通过该比较，可在特定区段或区段子部分内检测到异常，以用于动态更新电子停车地图。

可以利用旨在比较分布的各种统计技术来完成子部分停车分布是否异常的确定。例如，可以使用分箱（binned）和非分箱数据来进行比较，这两个类都适合于比较目的。统计技术包括，例如，传统的Kolmogorov-Smirnov检验、加权均方根样式统计（诸如卡方检验），或者用于比较多维概率分布的任何其他方法。以这种方式，子部分停车分布与停车区分布之间的差异可以如此明显，以至于可以在具有非常少统计数据的情况下检测异常。

在示例实施例中，一旦确定了子部分停车分布是异常的，则更新停车区的停车地图。例如，停车区的停车地图描绘了其中允许停车的停车区中的街道区段的子部分。先前被视为停放的车辆的对象（从而导致子部分被分类为停车区域，但是该子部分然后被确定为是异常的）实际上可能是除了停放的车辆以外的某物。先前错误分类的对象可能已经在街道区段的环境景观上、被用来检测对象的传感器的类型、传感器被设置成进行操作的设置以及由传感器捕获的信息的处理。

如果先前已被识别为包括停车区域的子部分被确定为包括异常（这指示该子部分中的对象可能先前被错误分类为停放的车辆），则更新停车地图以去除该子部分，使得停车地图仅包括其中允许停车的子部分。

在示例实施例中，可以例如基于检测到的异常的长度来对检测到的异常进行分类。例如，某些类型的对象（例如，植被、侵蚀障碍物、广告牌、建筑标牌、公共汽车、运载工具等）具有与它们相关联的特定长度，即，长度签名（signature）。基于检测到的对象的长度与已知对象的长度签名之间的比较，可以对异常进行分类。

在示例实施例中，可以基于异常的分类来更新停车区的停车地图。例如，如果将异常分类为公共汽车，则可以更新停车地图以指示其中检测到异常的子部分包括在其中的公共汽车。停车地图可以例如通过显示图标来指示异常是公共汽车。在示例实施例中，如果异常被分类为建筑标牌，则可以更新停车地图来指示该子部分可以仅暂时包括异常，并且/或者在示例实施例中，系统针对预定义的特定时间量、基于异常来更新地图，这取决于对象的分类，某些分类使得对象被视为永久固定装置而其他分类仅被视为临时的。

在示例实施例中，可以使用除了长度之外的信息建立子部分停车分布。例如，可以检测对象的高度，并且将其用来建立子部分停车分布。替换地，可以检测对象的宽度，并且将其用来建立子部分停车分布。替换地，对象的长度、高度和宽度可以被共同地或单独地用于建立子部分停车分布和确定在街道区段的对应子部分中是否存在异常。

图5是用于识别停车区中的异常的方法500的流程图。在步骤501处，定义停车区520。停车区520可以指代例如城市、城市内的社区，或这城市内的由街道、地标或其他边界界定的区域。在步骤502处，在一段时间内收集与在停车区520中检测到的对象相对应的数据530。从位于行进通过停车区的车辆上的各种传感器收集数据530，并且数据530可以包括与尤其是对象的长度、对象的高度和/或对象的宽度有关的信息。在步骤503处，基于收集的数据530来确定停车区分布540。

可以从在相同停车区中行进的一个或多个车辆收集数据530。以这种方式，在一段时间内收集数据，以便在与特定停车区相对应的特定时间段内建立一批数据。

在步骤505处，定义停车区内的街道区段550。在步骤506处，街道区段550被划分成至少一个子部分551。在步骤507处，建立子部分停车分布570，子部分停车分布570对应于在街道区段550的子部分551中检测到的对象。

在步骤508处，将与街道部分550的子部分551相对应的子部分停车分布570与停车区分布520进行比较。在步骤509处，基于在步骤508中实行的比较，确定街道部分550的子部分551是否包括异常580。在步骤510处，基于异常580的确定，更新停车区520的停车地图590，并且在步骤511处，使用显示设备显示更新的停车地图590。例如，可以通过从停车地图590去除作为可允许的停车区域的子部分551（其包括异常580）来更新停车地图590，使得停车地图590将仅包括其中没有检测到异常的子部分，即，停车地图590仅表示其中允许停车的区域。

本发明的示例实施例涉及处理电路（例如，包括一个或多个处理器），其可以使用任何常规处理电路和设备或其组合（例如，个人计算机（PC）或其他工作站处理器的中央处理单元（CPU））来实现，以执行例如在包括任何常规存储器设备的非暂时性计算机可读介质上提供的代码，以单独或以组合形式实行本文中描述的任何方法。一个或多个处理器可以被体现在服务器或用户终端或其组合中。例如，用户终端可以被体现为台式计算机、膝上型计算机、手持设备、个人数字助理（PDA）、电视机顶盒互联网电器、移动电话、智能电话等，或者作为其一个或多个的组合。存储器设备可以包括任何常规的永久和/或临时性存储器电路或其组合，其非穷举列表包括随机存取存储器（RAM）、只读存储器（ROM)、紧凑盘（CD）、数字多功能盘（DVD）和磁带。

本发明的示例实施例涉及多个确定车辆，其检测并且向服务器传输关于在停车区中检测到的对象长度的信息，其中服务器累积检测到的对象的长度并且使用该累积的数据生成在停车区中检测到的对象的平均长度分布。多个确定车辆还可以检测并且向服务器传输关于在街道区段中检测到的对象的长度的信息，其中服务器累积在街道区段中的检测到的对象的长度，并且使用该累积的数据生成在街道区段中检测到的对象的平均长度分布。使用在停车区中检测到的对象的平均长度分布和在街道区段中检测到的对象的平均长度分布，服务器可以确定街道区段中是否存在异常。

服务器可以将确定的异常传输到多个确定车辆、到用户终端（例如，台式计算机、膝上型计算机、手持设备、个人数字助理（PDA）、电视机顶盒互联网电器、移动电话、智能电话等）、到附加的服务器和/或到附加的车辆。然后，确定车辆、用户终端、其他车辆或服务器可以使用显示设备显示异常。

本发明的示例实施例涉及一个或多个非暂时性计算机可读介质，例如，如上所述，其上存储有指令，该指令可由处理器执行并且当由处理器执行时实行本文中描述的各种方法，各自单独地或以组合的形式实行，或者隔离地或以其他组合的形式实行其子步骤。

本发明的示例实施例涉及一种例如硬件组件或机器的方法，其传输可由处理器执行以实行本文中描述的各种方法的指令，单独地或者以组合的形式实行，或者隔离地或以其他组合的形式实行其子步骤。

上面的说明和示例提供了对说明性实施例的结构和使用的描述。虽然上文以一定程度的特殊性或参考一个或多个个体实施例描述了某些实施例，但是本领域技术人员可以在不偏离本发明的范围的情况下，对所公开的实施例做出众多更改。由此，该方法和系统的各种说明性实施例不意图被限制成所公开的具体形式。而是，它们包括落入权利要求的范围内的全部修改和替换方案，并且除了所示的实施例之外的实施例可以包括所描绘的实施例的一些或全部特征。例如，元件可以被省略或被组合为单一结构，和/或连接可以被替代。另外，在适当的情况下，上述示例中的任何一个示例的各方面可以与所描述的示例中的任何其它示例的各方面相组合以形成具有可比拟的或不同的属性和/或功能并解决相同或不同问题的另外的示例。类似地，将理解的是，上述益处和优点可以涉及一个实施例或者可以涉及若干个实施例。

权利要求不要被解释为包括部件加功能或步骤加功能的限制，除非在给定的权利要求中分别使用“用于......的部件”或“用于......的步骤”的（一个或多个）短语明确地阐述了这样的限制。

Claims (16)

1.一种动态电子停车地图生成的方法，所述方法包括：

由处理电路并且从行驶通过停车区的至少一个确定车辆接收来自所述至少一个确定车辆的至少一个传感器并且与所述停车区中的检测到的对象相对应的数据；

由所述处理电路并且基于接收到的数据来确定所述停车区中的检测到的对象的停车区分布；由所述处理电路并且基于所述接收到的数据来确定位于所述停车区内的街道区段中的检测到的对象的街道区段分布；

由所述处理电路确定所述停车区分布与所述街道区段分布之间的差异；

由所述处理电路并且基于所述停车区分布与所述街道区段分布之间的差异来识别位于所述街道区段内的异常；

由所述处理电路基于识别的异常来生成所述停车区的更新的停车区域地图；以及

将所述街道区段划分成至少一个子部分，其中，所述街道区段分布的确定包括：基于位于所述至少一个子部分内的检测到的对象来确定子部分停车分布，

其中，确定所述停车区分布和所述街道区段分布之间的差异包括：确定所述停车区分布与所述子部分停车分布之间的差异，并且

其中，异常的识别包括：基于所述停车区分布与所述子部分停车分布之间的差异来确定所述至少一个子部分包括异常。

2.根据权利要求1所述的方法，其中，当多次中的每一次所述至少一个确定车辆中的至少一辆行驶通过所述停车区时，实行所述数据的接收。

3.根据权利要求1所述的方法，其中，接收到的数据包括与在所述停车区中检测到的检测到的对象相对应的长度。

4.根据权利要求1所述的方法，其中，所述接收到的数据包括与在所述停车区中检测到的检测到的对象相对应的长度、高度和宽度。

5.根据权利要求1所述的方法，其中，使用以下各项中的至少一个来计算所述停车区分布与所述子部分停车分布之间的差异：Kolmogorov-Smirnov检验、加权均方根检验和卡方检验。

6.根据权利要求1所述的方法，进一步包括：

将停车异常分类为以下各项中的至少一个：植被、侵蚀障碍、广告牌、建筑标牌、公共汽车和运载工具。

7.根据权利要求1所述的方法，其中，所述街道区段分布是表示位于所述街道区段内的检测到的对象的长度频率的直方图。

8.根据权利要求1所述的方法，其中，所述街道区段分布是表示位于所述街道区段内的检测到的对象的高度频率的直方图。

9.根据权利要求1所述的方法，其中，所述街道区段分布是表示位于所述街道区段内的检测到的对象的宽度频率的直方图。

10.根据权利要求1所述的方法，其中，所述至少一个子部分具有5米的长度。

11.一种用于动态电子停车地图生成的系统，所述系统包括：处理电路，其中所述处理电路被配置成实行以下内容：

从行驶通过停车区的至少一个确定车辆接收来自所述至少一个确定车辆的至少一个传感器并且与所述停车区中的检测到的对象相对应的数据；

基于接收到的数据来确定所述停车区中的检测到的对象的停车区分布；

基于所述接收到的数据来确定位于所述停车区内的街道区段中的检测到的对象的街道区段分布；

确定所述停车区分布与所述街道区段分布之间的差异；

基于所述停车区分布与所述街道区段分布之间的差异来识别位于所述街道区段内的异常；

基于识别的异常来生成所述停车区的更新的停车地图；以及

将所述街道区段划分成至少一个子部分，其中：

确定所述街道区段分布包括，基于位于所述至少一个子部分内的检测到的对象来确定子部分停车分布；以及

确定所述停车区分布与所述街道区段分布之间的差异包括计算所述停车区分布与所述子部分停车分布之间的差异，并且

其中基于所述停车区分布与子部分分布之间的差异来识别异常。

12.根据权利要求11所述的系统，其中，当多次中的每一次所述至少一个确定车辆中的至少一辆行驶通过所述停车区时，实行所述数据的接收。

13.根据权利要求11所述的系统，其中，接收到的数据包括与在所述停车区中检测到的对象相对应的长度、高度和宽度。

14.根据权利要求11所述的系统，其中，使用以下各项中的至少一个来计算所述停车区分布与所述子部分停车分布之间的差异：Kolmogorov-Smirnov检验、加权均方根检验和卡方检验。

15.根据权利要求11所述的系统，其中，使用多维概率分布比较来计算所述停车区分布与所述子部分停车分布之间的差异。

16.一种非暂时性计算机可读介质，其上存储有指令，所述指令可由计算机处理器执行并且当由所述处理器执行时使所述处理器实行以实行用于动态电子停车地图生成的方法，所述方法包括：

从行驶通过停车区的至少一个确定车辆接收来自所述至少一个确定车辆的至少一个传感器并且与所述停车区中的检测到的对象相对应的数据；

基于接收到的数据来确定所述停车区中的检测到的对象的停车区分布；

基于所述接收到的数据来确定位于所述停车区内的街道区段中的检测到的对象的街道区段分布；

确定所述停车区分布与所述街道区段分布之间的差异；

基于所述停车区分布与所述街道区段分布之间的差异来识别位于所述街道区段内的异常；

基于识别的异常来生成所述停车区的更新的停车区域地图；以及

将所述街道区段划分成至少一个子部分，其中，所述街道区段分布的确定包括：基于位于所述至少一个子部分内的检测到的对象来确定子部分停车分布，

其中，确定所述停车区分布和所述街道区段分布之间的差异包括：确定所述停车区分布与所述子部分停车分布之间的差异，并且

其中，异常的识别包括：基于所述停车区分布与所述子部分停车分布之间的差异来确定所述至少一个子部分包括异常。