CN110660219A - 停车场停车预测方法和装置 - Google Patents
停车场停车预测方法和装置 Download PDFInfo
- Publication number
- CN110660219A CN110660219A CN201910934953.8A CN201910934953A CN110660219A CN 110660219 A CN110660219 A CN 110660219A CN 201910934953 A CN201910934953 A CN 201910934953A CN 110660219 A CN110660219 A CN 110660219A
- Authority
- CN
- China
- Prior art keywords
- parking
- parking lot
- attribute information
- difficulty
- lot
- 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
Links
Images
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
- G08G1/0125—Traffic data processing
- G08G1/0129—Traffic data processing for creating historical data or processing based on historical data
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
- G08G1/0137—Measuring and analyzing of parameters relative to traffic conditions for specific applications
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/09—Arrangements for giving variable traffic instructions
- G08G1/0962—Arrangements for giving variable traffic instructions having an indicator mounted inside the vehicle, e.g. giving voice messages
- G08G1/0968—Systems involving transmission of navigation instructions to the vehicle
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/14—Traffic control systems for road vehicles indicating individual free spaces in parking areas
- G08G1/141—Traffic control systems for road vehicles indicating individual free spaces in parking areas with means giving the indication of available parking spaces
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Navigation (AREA)
Abstract
本申请公开了停车场停车预测方法和装置,涉及导航技术领域。具体实现方案为:在车辆临近目的地时,获取目的地周围的停车场,并根据停车场的周边区域中兴趣点的属性信息以及停车场的地域属性信息,来确定停车场的停车难度,并将停车场的停车难易程度提供给导航终端,从而使得用户通过导航终端即可获知对应停车场的停车难易程度。由此,结合停车场周围的区域信息以及停车场的地域属性信息,实现对停车场的停车难易程度进行准确预测,提高了停车场的停车难易程度预测的准确性,方便用户根据导航终端中提供的停车难易程度进行停车。
Description
技术领域
本申请涉及计算机技术领域,具体涉及导航技术领域,尤其涉及停车场停车预测方法和装置。
背景技术
随着经济的快速发展与城镇化进度的不断推进,汽车的使用率正不断提高,停车难问题日益突出。因此,如何向用户准确提供对应停车场的停车难度情况是目前亟需解决的技术问题。
发明内容
本申请提出一种停车场停车预测方法和装置,结合停车场周围的区域信息以及停车场的地域属性信息,实现对停车场的停车难易程度进行准确预测,提高了停车场的停车难易程度预测的准确性,方便用户根据导航终端中提供的停车难易程度进行停车。
本申请一方面实施例提出了一种停车场停车预测方法,包括:在使用导航终端的车辆临近目的地时,获取所述目的地周围的停车场;获取所述停车场的周边区域,其中,所述周边区域包括兴趣点;根据所述停车场的地域属性信息和所述兴趣点的属性信息,确定停车场的停车难易程度;将所述停车难易程度返回给所述导航终端。
在本申请一个实施例中,所述根据所述停车场的地域属性信息和所述兴趣点的属性信息,确定停车场的停车难易程度,包括:将所述停车场的地域属性信息和所述兴趣点的属性信息输入到停车预测模型中,获取所述停车场的停车难易程度。由此,结合停车预测模型准确且快速地确定出对应停车场的停车难易程度。
在本申请一个实施例中,该方法包括:获取训练数据,所述训练数据包括样本停车场的地域属性信息、所述样本停车场各个历史时刻的停车难度标注数据、以及所述样本停车场的周边区域中兴趣点的属性信息;根据所述样本停车场的地域属性信息、所述样本停车场的周边区域中兴趣点的属性信以及所述停车难度标注数据对所述停车预测模型进行训练。由此,方便后续结合训练好的停车预测模型快速确定出对应停车场的停车难易程度。
在本申请一个实施例中,还包括:获取所述样本停车场各个历史时刻对应的车位空闲率;根据各个历史时刻的车位空闲率与空闲阈值进行比较;根据比较结果,确定所述样本停车场相应历史时刻的停车难度标注数据。由此,结合停车场在各个历史时刻的车位空闲率,快速确定出对应停车场的停车难易程度标注数据,减少了人工标注数据的麻烦。
在本申请一个实施例中,获取所述停车场的停车场信息;将停车场信息返回给所述导航终端。
本申请实施例的停车场停车预测方法,在车辆临近目的地时,获取目的地周围的停车场,并根据停车场的周边区域中兴趣点的属性信息以及停车场的地域属性信息,来确定停车场的停车难度,并将停车场的停车难易程度提供给导航终端,从而使得用户通过导航终端即可获知对应停车场的停车难易程度。由此,结合停车场周围的区域信息以及停车场的地域属性信息,实现对停车场的停车难易程度进行准确预测,提高了停车场的停车难易程度预测的准确性,方便用户根据导航终端中提供的停车难易程度进行停车。
本申请另一方面实施例提出了一种停车场停车预测装置,包括:第一获取模块,用于在使用导航终端的车辆临近目的地时,获取所述目的地周围的停车场;第二获取模块,用于获取所述停车场的周边区域,其中,所述周边区域包括兴趣点;第一确定模块,用于根据所述停车场的地域属性信息和所述兴趣点的属性信息,确定停车场的停车难易程度;结果返回模块,用于将所述停车难易程度返回给所述导航终端。
在本申请一个实施例中,第一确定模块,具体用于:将所述停车场的地域属性信息和所述兴趣点的属性信息输入到停车预测模型中,获取所述停车场的停车难易程度。
在本申请一个实施例中,还包括:第二获取模块,用于获取训练数据,所述训练数据包括样本停车场的地域属性信息、所述样本停车场各个历史时刻的停车难度标注数据、以及所述样本停车场的周边区域中兴趣点的属性信息;训练模块,用于根据所述样本停车场的地域属性信息、所述样本停车场的周边区域中兴趣点的属性信以及所述停车难度标注数据对所述停车预测模型进行训练。
在本申请一个实施例中,还包括:第三获取模块,用于获取所述样本停车场各个历史时刻对应的车位空闲率;比较模块,根据各个历史时刻的车位空闲率与空闲阈值进行比较;第二确定模块,用于根据比较结果,确定所述样本停车场相应历史时刻的停车难度标注数据。
在本申请一个实施例中,还包括:第四获取模块,用于获取所述停车场的停车场信息;所述结果返回模块,还用于将停车场信息返回给所述导航终端。
本申请实施例的停车场停车预测装置,在车辆临近目的地时,获取目的地周围的停车场,并根据停车场的周边区域中兴趣点的属性信息以及停车场的地域属性信息,来确定停车场的停车难度,并将停车场的停车难易程度提供给导航终端,从而使得用户通过导航终端即可获知对应停车场的停车难易程度。由此,结合停车场周围的区域信息以及停车场的地域属性信息,实现对停车场的停车难易程度进行准确预测,提高了停车场的停车难易程度预测的准确性,方便用户根据导航终端中提供的停车难易程度进行停车。
本申请另一方面实施例提出了一种导航服务器,包括:至少一个处理器;以及与所述至少一个处理器通信连接的存储器;其中,所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行权利要求本申请实施例的停车场停车预测方法。
本申请另一方面实施例提出了一种存储有计算机指令的非瞬时计算机可读存储介质,所述计算机指令用于使所述计算机执行本申请实施例公开的停车场停车预测方法。
本申请另一方面实施例提出了一种停车场停车预测方法,包括:在使用导航终端的车辆临近目的地时,获取所述目的地周围的停车场;获取所述停车场周边区域的属性信息;根据所述停车场的属性信息和所述周边区域的属性信息,确定停车场的停车难易程度;将所述停车难易程度返回给所述导航终端。
上述申请中的一个实施例具有如下优点或有益效果:能够准确向用户提供目的地的停车场的停车难易程度数据。因为采用结合停车场的地域属性信息以及停车周围区域的属性信息对停车场难易程度进行预测的技术手段,所以克服了相关技术中未考虑停车场的地域属性信息以及周围区域属性信息,从而结合停车场周围的区域信息以及停车场的地域属性信息,实现对停车场的停车难易程度进行准确预测,提高了停车场的停车难易程度预测的准确性,方便用户根据导航终端中提供的停车难易程度进行停车技术效果。
上述可选方式所具有的其他效果将在下文中结合具体实施例加以说明。
附图说明
附图用于更好地理解本方案,不构成对本申请的限定。其中:
图1是根据本申请第一实施例的示意图;
图2是根据本申请第二实施例的示意图;
图3是根据本申请第三实施例的示意图;
图4是根据本申请第四实施例的示意图;
图5是用来实现本申请实施例的停车场停车预测方法的导航服务器的框图;
图6是根据本申请第五实施例的示意图。
具体实施方式
以下结合附图对本申请的示范性实施例做出说明,其中包括本申请实施例的各种细节以助于理解,应当将它们认为仅仅是示范性的。因此,本领域普通技术人员应当认识到,可以对这里描述的实施例做出各种改变和修改,而不会背离本申请的范围和精神。同样,为了清楚和简明,以下的描述中省略了对公知功能和结构的描述。
相关技术中所提供的停车难易程度预测方案通常是基于当前停车场的停车容量与访问热度来预测停车场的当前停车难易程度。然而,由于不同区域,不同属性的停车场,在不同时间区间内的停车难易程度都会有很大变化,因此,基于上述方式预测出的停车难易程度单纯依靠分析当前停车场的停车容量与访问热度无法区分不同类型、不同区域的停车场。例如同样是访问热度很高的医院类停车场,城区内与郊区的停车场由于周边生活人数的不同与出行方式不同,停车难易程度呈现出很大的差异性。
为此,本申请提供了一种停车场停车预测方法,该方法在车辆临近目的地时,获取目的地周围的停车场,并根据停车场的周边区域中兴趣点的属性信息以及停车场的地域属性信息,来确定停车场的停车难度,并将停车场的停车难易程度提供给导航终端,从而使得用户通过导航终端即可获知对应停车场的停车难易程度。由此,结合停车场周围的区域信息以及停车场的地域属性信息,实现对停车场的停车难易程度进行准确预测,提高了停车场的停车难易程度预测的准确性,方便用户根据导航终端中提供的停车难易程度进行停车。
下面参考附图描述本申请实施例的停车场停车预测方法、装置和导航服务器。
图1是根据本申请第一实施例的示意图。其中,需要说明的是,本实施例提供的停车场停车预测方法的执行主体为停车场停车预测装置,该装置可以由软件和/或硬件的方式实现,本实施例以装置配置在导航服务器中为例进行描述。
如图1所示,该停车场停车预测方法可以包括:
步骤101,在使用导航终端的车辆临近目的地时,获取目的地周围的停车场。
具体地,在检测到车辆临近目的地时,可以以目的地所在位置为圆心,获取预设距离范围内的停车场信息,并将位于预设距离范围内的停车场作为停车场。
其中,预设距离可以是一个默认范围,也可以是由用户预先设置的,该实施例对此不作限定。
本实施例中,在车辆用户使用导航行驶的过程中,导航服务器可以实时检测到车辆的当前位置,还可以判断该导航车辆是否临近目的地。
其中,本实施例中的导航终端可以是车辆中的车载导航设备,或者放置在车辆中的智能移动终端,例如,放置在车辆中的智能手机或者平台电脑,其中,智能移动终端中具有导航功能。
步骤102,获取停车场的周边区域,其中,周边区域包括兴趣点。
其中,作为一种示例,周边区域可以为以停车场所在位置为圆心的区域。
具体地,在获取停车场后,可以结合地图数据,以停车场所在位置为圆心,以预设距离为半径,以形成该停车场所对应的周边区域。
其中,本实施例中的兴趣点可以为一个或者多个。
在本实施例中,通常停车场周围会出现各种类型的兴趣点,例如,公交站、医院、景点、商场等信息,有一些类型的兴趣点对于确定停车场的停车难度是没有关系的,因此,在本实施例中,为了减少数据处理,在获取停车场后,可获取停车场周围的预设类型的兴趣点。
其中,预设类型可以包括医院、景区、商场、学校等,而不限于此。
步骤103,根据停车场的地域属性信息和兴趣点的属性信息,确定停车场的停车难易程度。
其中,本实施例的兴趣点的属性信息可以包括兴趣点的等级属性、工作时间等信息。
例如,医院的等级(三甲、二级),景点的著名程度(4A、5A),商场的繁华程度(五星、四星)。
其中,地域属性信息是根据停车场所在区域的地理位置环境确定的,地域信息包括城市中心区域、郊区等。
其中,根据停车场的地域属性信息和兴趣点的属性信息,确定停车场的停车难易程度的具体实现方式可以为:将停车场的地域属性信息和兴趣点的属性信息输入到停车预测模型中,获取停车场的停车难易程度。
其中,本实施例中的停车预测模型是预先训练的。
为了方便后续可基于停车预测模型准确确定出对应停车场的停车难易程度,还可以结合训练数据对该停车预测模型进行训练。
训练停车预测模型的具体过程为:
步骤a,获取训练数据,训练数据包括样本停车场的地域属性信息、样本停车场各个历史时刻的停车难度标注数据、以及样本停车场的周边区域中兴趣点的属性信息。
步骤b,根据样本停车场的地域属性信息、样本停车场的周边区域中兴趣点的属性信以及停车难度标注数据对停车预测模型进行训练。
步骤104,将停车难易程度返回给导航终端。
其中,需要理解的是,在不同应用场景中,停车难易程度可以用具体数值表示,数值越大表示停车难度越大,数值越小表示停车难度越小,还可以用等级制度中的等级表示,等级越高表示停车难度越大,等级越低表示停车难度越小,还可以以具体的符号标志的数量来表示,符号标志的数量越多表示停车难度越大。
作为一种示例,停车难易程度的等级可以分为容易、比较容易,难、特别难等等级。
本申请实施例的停车场停车预测方法,在车辆临近目的地时,获取目的地周围的停车场,并根据停车场的周边区域中兴趣点的属性信息以及停车场的地域属性信息,来确定停车场的停车难度,并将停车场的停车难易程度提供给导航终端,从而使得用户通过导航终端即可获知对应停车场的停车难易程度。由此,结合停车场周围的区域信息以及停车场的地域属性信息,实现对停车场的停车难易程度进行准确预测,提高了停车场的停车难易程度预测的准确性,方便用户根据导航终端中提供的停车难易程度进行停车。
可以理解的是,上述停车场可以为一个或者多个,在本实施例中,为了方便用户从多个停车场中选择出目标停车场,可根据停车场的停车难易程度对多个停车场进行排序,并将排序后的结果返回给导航终端。
在本实施例中,为了方便用户了解与停车场有关的信息,在本实施例中,还可以获取停车场的停车场信息,并将停车场信息返回给导航终端。
其中,停车场信息可以包括收费价格、布局示意信息、位置信息等,而不限于此。
可以理解的是,对于不同停车场而言,其与车辆的当前位置以及目的地之间的距离是不同的。在本实施例中,为了方便从多个停车场中快速选出目标停车场,还可以获取各个停车场与车辆当前位置之间的行驶距离,以及目的地与各个停车场之间的步行距离,并将各个停车场与车辆当前位置之间的行驶距离,以及目的地与各个停车场之间的步行距离返回给导航终端,以方便用户根据导航终端所提供的各种信息,快速选择出自己需要的目标停车场。
在本申请一个实施例中,在停车场为多个时,针对每个停车场,可根据该停车场的停车难易程度、该停车场与车辆当前位置之间的行驶距离,以及目的地与该停车场之间的步行距离,确定该停车场的评分,然后,根据各个停车场的评分,对多个停车场进行排序,并将排序的结果提供给导航终端,以方便用户选择所需要的停车场。
图2是根据本申请第二实施例的示意图。其中,需要说明的是,第二实施例是对第一实施例的进一步细化或者优化。
如图2所示,该停车场停车预测方法可以包括:
步骤201,获取训练数据,训练数据包括样本停车场的地域属性信息、样本停车场各个历史时刻的停车难度标注数据、以及样本停车场的周边区域中兴趣点的属性信息。
其中,样本停车场的数量大于预设数量阈值。
在本实施例中,为了减少人工标注各个样本停车场的停车难易程度数据的麻烦,作为一种示例性的实施方式,可获取样本停车场各个历史时刻对应的车位空闲率,根据各个历史时刻的车位空闲率与空闲阈值进行比较,然后,根据比较结果,确定样本停车场相应历史时刻的停车难度标注数据。
具体地,可将车位空闲率与空闲阈值进行比较,如果车位空闲率小于空闲阈值,则确定在该候选停车场停车难,并根据车位空闲率与空闲阈值的差值,确定该候选停车场的停车难易度。
另外,如果车位空闲率大于空闲阈值,则确定在该候选停车场停容易,并根据车位空闲率与空闲阈值的差值,确定该候选停车场的停车难易度。例如,停车难易度的数值越大表示停车越困难,停车难易度的数值越小表示停车难度越小。
其中,停车场的车位空闲率是根据停车场的剩余车位数量和总车位数量确定的。
其中,可以理解的是,上述空闲阈值是根据具体场景预先设置的。
步骤202,根据样本停车场的地域属性信息、样本停车场的周边区域中兴趣点的属性信以及停车难度标注数据对停车预测模型进行训练。
其中,本实施例中兴趣点的属性信息可以包括兴趣点的等级属性信息以及状态属性信息等。
其中,本实施例中的兴趣点为预设类型的兴趣点。
其中,预设类型可以包括医院、景区、商场、学校等。
具体地,在获取样本停车场的地域属性信息、样本停车场的周边区域中兴趣点的属性信以及停车难度标注数据后,可基于机器学习的方式,采用样本停车场的地域属性信息和样本停车场周围预设范围内的预设兴趣点的属性信息对停车预测模型进行训练,直至停车预测模型输出的停车难易程度与样本停车场的停车难易程度标注数据匹配时,停车预测模型训练完成。
步骤203,在使用导航终端的车辆临近目的地时,获取目的地周围的停车场。
步骤204,获取停车场的周边区域,其中,周边区域包括兴趣点;
步骤205,将停车场的地域属性信息和兴趣点的属性信息输入到训练好的停车预测模型中,获取停车场的停车难易程度。
步骤206,将停车难易程度返回给导航终端。
本申请实施例的停车场停车预测方法,根据训练数据对停车预测模型进行训练,并结合训练好的停车预测模型以及目的地周围停车场区域信息以及地域属性信息对停车难易程度进行预测,并将停车场的停车难易程度提供给用户。由此,结合停车场周围的区域信息以及停车场的地域属性信息,实现对停车场的停车难易程度进行准确预测,提高了停车场的停车难易程度预测的准确性,方便用户根据导航终端中提供的停车难易程度进行停车。
为了实现上述实施例,本申请实施例还提供一种停车场停车预测装置。
图3是根据本申请第二实施例的示意图。如图3所示,该停车场停车预测装置100包括:
第一获取模块110,用于在使用导航终端的车辆临近目的地时,获取目的地周围的停车场;
第二获取模块120,用于获取停车场的周边区域,其中,周边区域包括兴趣点;
第一确定模块130,用于根据停车场的地域属性信息和兴趣点的属性信息,确定停车场的停车难易程度;
结果返回模块140,用于将停车难易程度返回给导航终端。
在本申请一个实施例中,第一确定模块130具体用于:将停车场的地域属性信息和兴趣点的属性信息输入到停车预测模型中,获取停车场的停车难易程度。
在本申请一个实施例中,在图3所示的装置实施例的基础上,如图4所示,该装置还可以包括:
第二获取模块150,用于获取训练数据,训练数据包括样本停车场的地域属性信息、样本停车场各个历史时刻的停车难度标注数据、以及样本停车场的周边区域中兴趣点的属性信息;
训练模块160,用于根据样本停车场的地域属性信息、样本停车场的周边区域中兴趣点的属性信以及停车难度标注数据对停车预测模型进行训练。
在本申请一个实施例中,如图4所示,该装置还可以包括:
第三获取模块170,用于获取样本停车场各个历史时刻对应的车位空闲率;
比较模块180,根据各个历史时刻的车位空闲率与空闲阈值进行比较;
第二确定模块190,用于根据比较结果,确定样本停车场相应历史时刻的停车难度标注数据。
在本申请一个实施例中,如图4所示,该装置还可以包括:
第四获取模块200,用于获取停车场的停车场信息;
结果返回模块140,还用于将停车场信息返回给导航终端。
其中,需要说明的是,前述对停车场停车预测方法的解释说明也适用于本实施例的停车场停车预测装置,此处不再赘述。
本申请实施例的停车场停车预测方法,在车辆临近目的地时,获取目的地周围的停车场,并根据停车场的周边区域中兴趣点的属性信息以及停车场的地域属性信息,来确定停车场的停车难度,并将停车场的停车难易程度提供给导航终端,从而使得用户通过导航终端即可获知对应停车场的停车难易程度。由此,结合停车场周围的区域信息以及停车场的地域属性信息,实现对停车场的停车难易程度进行准确预测,提高了停车场的停车难易程度预测的准确性,方便用户根据导航终端中提供的停车难易程度进行停车。
根据本申请的实施例,本申请还提供了一种导航服务器和一种可读存储介质。
如图5所示,是根据本申请实施例的停车场停车预测方法的导航服务器的框图。导航服务器旨在表示各种形式的数字计算机,诸如,膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。导航服务器还可以表示各种形式的移动装置,诸如,个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例,并且不意在限制本文中描述的和/或者要求的本申请的实现。
如图5所示,该导航服务器包括:一个或多个处理器501、存储器502,以及用于连接各部件的接口,包括高速接口和低速接口。各个部件利用不同的总线互相连接,并且可以被安装在公共主板上或者根据需要以其它方式安装。处理器可以对在导航服务器内执行的指令进行处理,包括存储在存储器中或者存储器上以在外部输入/输出装置(诸如,耦合至接口的显示设备)上显示GUI的图形信息的指令。在其它实施方式中,若需要,可以将多个处理器和/或多条总线与多个存储器和多个存储器一起使用。同样,可以连接多个导航服务器,各个设备提供部分必要的操作(例如,作为服务器阵列、一组刀片式服务器、或者多处理器系统)。图5中以一个处理器501为例。
存储器502即为本申请所提供的非瞬时计算机可读存储介质。其中,存储器存储有可由至少一个处理器执行的指令,以使至少一个处理器执行本申请所提供的停车场停车预测方法。本申请的非瞬时计算机可读存储介质存储计算机指令,该计算机指令用于使计算机执行本申请所提供的停车场停车预测方法。
存储器502作为一种非瞬时计算机可读存储介质,可用于存储非瞬时软件程序、非瞬时计算机可执行程序以及模块,如本申请实施例中的停车场停车预测方法对应的程序指令/模块(例如,附图3所示的第一获取模块110、第二获取模块120、第一确定模块130和结果返回模块140)。处理器501通过运行存储在存储器502中的非瞬时软件程序、指令以及模块,从而执行服务器的各种功能应用以及数据处理,即实现上述方法实施例中的停车场停车预测方法。
存储器502可以包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需要的应用程序;存储数据区可存储根据停车场停车预测的导航服务器的使用所创建的数据等。此外,存储器502可以包括高速随机存取存储器,还可以包括非瞬时存储器,例如至少一个磁盘存储器件、闪存器件、或其他非瞬时固态存储器件。在一些实施例中,存储器502可选包括相对于处理器501远程设置的存储器,这些远程存储器可以通过网络连接至停车场停车预测的导航服务器。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
停车场停车预测方法的导航服务器还可以包括:输入装置503和输出装置504。处理器501、存储器502、输入装置503和输出装置504可以通过总线或者其他方式连接,图5中以通过总线连接为例。
输入装置503可接收输入的数字或字符信息,以及产生与停车场停车预测的导航服务器的用户设置以及功能控制有关的键信号输入,例如触摸屏、小键盘、鼠标、轨迹板、触摸板、指示杆、一个或者多个鼠标按钮、轨迹球、操纵杆等输入装置。输出装置504可以包括显示设备、辅助照明装置(例如,LED)和触觉反馈装置(例如,振动电机)等。该显示设备可以包括但不限于,液晶显示器(LCD)、发光二极管(LED)显示器和等离子体显示器。在一些实施方式中,显示设备可以是触摸屏。
此处描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、专用ASIC(专用集成电路)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括:实施在一个或者多个计算机程序中,该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释,该可编程处理器可以是专用或者通用可编程处理器,可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令,并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
这些计算程序(也称作程序、软件、软件应用、或者代码)包括可编程处理器的机器指令,并且可以利用高级过程和/或面向对象的编程语言、和/或汇编/机器语言来实施这些计算程序。如本文使用的,术语“机器可读介质”和“计算机可读介质”指的是用于将机器指令和/或数据提供给可编程处理器的任何计算机程序产品、设备、和/或装置(例如,磁盘、光盘、存储器、可编程逻辑装置(PLD)),包括,接收作为机器可读信号的机器指令的机器可读介质。术语“机器可读信号”指的是用于将机器指令和/或数据提供给可编程处理器的任何信号。
为了提供与用户的交互,可以在计算机上实施此处描述的系统和技术,该计算机具有:用于向用户显示信息的显示装置(例如,CRT(阴极射线管)或者LCD(液晶显示器)监视器);以及键盘和指向装置(例如,鼠标或者轨迹球),用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互;例如,提供给用户的反馈可以是任何形式的传感反馈(例如,视觉反馈、听觉反馈、或者触觉反馈);并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如,作为数据服务器)、或者包括中间件部件的计算系统(例如,应用服务器)、或者包括前端部件的计算系统(例如,具有图形用户界面或者网络浏览器的用户计算机,用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如,通信网络)来将系统的部件相互连接。通信网络的示例包括:局域网(LAN)、广域网(WAN)和互联网。
计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。
图6是根据本申请第五实施例的示意图。其中,需要说明的是,本实施例提供的停车场停车预测方法的执行主体为停车场停车预测装置,该装置可以由软件和/或硬件的方式实现,该装置可以配置在导航服务器中。
如图6所示,该停车场停车预测方法可以包括:
步骤601,在使用导航终端的车辆临近目的地时,获取目的地周围的停车场。
步骤602,获取停车场周边区域的属性信息。
步骤603,根据停车场的属性信息和周边区域的属性信息,确定停车场的停车难易程度。
步骤604,将停车难易程度返回给导航终端。
其中,需要说明的是,前述对上述停车场停车预测方法的解释说明也适用于本实施例的停车场停车预测方法,相关描述可参见相关部分,此处步骤赘述。
应该理解,可以使用上面所示的各种形式的流程,重新排序、增加或删除步骤。例如,本发申请中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行,只要能够实现本申请公开的技术方案所期望的结果,本文在此不进行限制。
上述具体实施方式,并不构成对本申请保护范围的限制。本领域技术人员应该明白的是,根据设计要求和其他因素,可以进行各种修改、组合、子组合和替代。任何在本申请的精神和原则之内所作的修改、等同替换和改进等,均应包含在本申请保护范围之内。
Claims (13)
1.一种停车场停车预测方法,其特征在于,包括:
在使用导航终端的车辆临近目的地时,获取所述目的地周围的停车场;
获取所述停车场的周边区域,其中,所述周边区域包括兴趣点;
根据所述停车场的地域属性信息和所述兴趣点的属性信息,确定停车场的停车难易程度;
将所述停车难易程度返回给所述导航终端。
2.根据权利要求1所述的方法,其特征在于,所述根据所述停车场的地域属性信息和所述兴趣点的属性信息,确定停车场的停车难易程度,包括:
将所述停车场的地域属性信息和所述兴趣点的属性信息输入到停车预测模型中,获取所述停车场的停车难易程度。
3.根据权利要求2所述的方法,其特征在于,还包括:
获取训练数据,所述训练数据包括样本停车场的地域属性信息、所述样本停车场各个历史时刻的停车难度标注数据、以及所述样本停车场的周边区域中兴趣点的属性信息;
根据所述样本停车场的地域属性信息、所述样本停车场的周边区域中兴趣点的属性信以及所述停车难度标注数据对所述停车预测模型进行训练。
4.根据权利要求3所述的方法,其特征在于,还包括:
获取所述样本停车场各个历史时刻对应的车位空闲率;
根据各个历史时刻的车位空闲率与空闲阈值进行比较;
根据比较结果,确定所述样本停车场相应历史时刻的停车难度标注数据。
5.根据权利要求1-4任一项所述的方法,其特征在于,还包括:
获取所述停车场的停车场信息;
将停车场信息返回给所述导航终端。
6.一种停车场停车预测装置,其特征在于,包括:
第一获取模块,用于在使用导航终端的车辆临近目的地时,获取所述目的地周围的停车场;
第二获取模块,用于获取所述停车场的周边区域,其中,所述周边区域包括兴趣点;
第一确定模块,用于根据所述停车场的地域属性信息和所述兴趣点的属性信息,确定停车场的停车难易程度;
结果返回模块,用于将所述停车难易程度返回给所述导航终端。
7.根据权利要求6所述的装置,其特征在于,第一确定模块,具体用于:
将所述停车场的地域属性信息和所述兴趣点的属性信息输入到停车预测模型中,获取所述停车场的停车难易程度。
8.根据权利要求7所述的装置,其特征在于,还包括:
第二获取模块,用于获取训练数据,所述训练数据包括样本停车场的地域属性信息、所述样本停车场各个历史时刻的停车难度标注数据、以及所述样本停车场的周边区域中兴趣点的属性信息;
训练模块,用于根据所述样本停车场的地域属性信息、所述样本停车场的周边区域中兴趣点的属性信以及所述停车难度标注数据对所述停车预测模型进行训练。
9.根据权利要求8所述的装置,其特征在于,还包括:
第三获取模块,用于获取所述样本停车场各个历史时刻对应的车位空闲率;
比较模块,根据各个历史时刻的车位空闲率与空闲阈值进行比较;
第二确定模块,用于根据比较结果,确定所述样本停车场相应历史时刻的停车难度标注数据。
10.根据权利要求6-9任一项所述的装置,其特征在于,还包括:
第四获取模块,用于获取所述停车场的停车场信息;
所述结果返回模块,还用于将停车场信息返回给所述导航终端。
11.一种导航服务器,其特征在于,包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行权利要求1-5中任一项所述的方法。
12.一种存储有计算机指令的非瞬时计算机可读存储介质,其特征在于,所述计算机指令用于使所述计算机执行权利要求1-5中任一项所述的方法。
13.一种停车场停车预测方法,其特征在于,包括:
在使用导航终端的车辆临近目的地时,获取所述目的地周围的停车场;
获取所述停车场周边区域的属性信息;
根据所述停车场的属性信息和所述周边区域的属性信息,确定停车场的停车难易程度;
将所述停车难易程度返回给所述导航终端。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910934953.8A CN110660219A (zh) | 2019-09-29 | 2019-09-29 | 停车场停车预测方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910934953.8A CN110660219A (zh) | 2019-09-29 | 2019-09-29 | 停车场停车预测方法和装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110660219A true CN110660219A (zh) | 2020-01-07 |
Family
ID=69038409
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910934953.8A Pending CN110660219A (zh) | 2019-09-29 | 2019-09-29 | 停车场停车预测方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110660219A (zh) |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111310987A (zh) * | 2020-01-23 | 2020-06-19 | 北京百度网讯科技有限公司 | 停车场空闲车位预测方法、装置、电子设备及存储介质 |
CN111325382A (zh) * | 2020-01-23 | 2020-06-23 | 北京百度网讯科技有限公司 | 停车场空闲车位预测方法、装置、电子设备及存储介质 |
CN112129315A (zh) * | 2020-09-28 | 2020-12-25 | 北京百度网讯科技有限公司 | 用于推荐停车场的方法、装置、电子设备和存储介质 |
CN113139118A (zh) * | 2020-01-19 | 2021-07-20 | 百度在线网络技术(北京)有限公司 | 停车场推荐方法、装置、电子设备和介质 |
CN113257030A (zh) * | 2021-05-12 | 2021-08-13 | 北京百度网讯科技有限公司 | 停车场属性预测模型训练方法、停车场推荐方法及装置 |
CN113257035A (zh) * | 2021-07-05 | 2021-08-13 | 江西省湾流港智能科技有限公司 | 停车管理方法、计算机设备、计算机可读存储介质 |
CN113470205A (zh) * | 2021-06-30 | 2021-10-01 | 厦门中卡科技股份有限公司 | 全域etc支撑下的智慧出行控制系统及方法 |
CN114038230A (zh) * | 2021-10-25 | 2022-02-11 | 深圳市神州路路通网络科技有限公司 | 共享停车场车位推荐方法、系统、计算机设备及储存介质 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102436756A (zh) * | 2010-09-29 | 2012-05-02 | 北京紫光百会科技有限公司 | 一种智能停车诱导系统和方法 |
CN106169253A (zh) * | 2016-08-25 | 2016-11-30 | 华南师范大学 | 基于停车难易度的停车场空闲状况预测方法及系统 |
CN106250540A (zh) * | 2016-08-09 | 2016-12-21 | 大连理工大学 | 基于百度地图开放数据与Web数据挖掘的区域停车难易指数的分析方法 |
CN107239846A (zh) * | 2016-03-29 | 2017-10-10 | 中兴通讯股份有限公司 | 停车场泊位预测处理方法及装置 |
CN107945562A (zh) * | 2017-09-30 | 2018-04-20 | 百度在线网络技术(北京)有限公司 | 停车场信息的推荐方法、服务器设备及可读介质 |
CN108010378A (zh) * | 2017-12-20 | 2018-05-08 | 中国科学院深圳先进技术研究院 | 停车场泊位占用率预测方法、装置、设备及存储介质 |
CN108133619A (zh) * | 2018-02-06 | 2018-06-08 | 百度在线网络技术(北京)有限公司 | 停车场停车预测的方法、装置、存储介质及终端设备 |
CN109741626A (zh) * | 2019-02-24 | 2019-05-10 | 苏州科技大学 | 停车场停车情况预测方法、调度方法和系统 |
CN109840272A (zh) * | 2018-12-19 | 2019-06-04 | 东南大学 | 一种共享电动汽车站点用户需求预测方法 |
-
2019
- 2019-09-29 CN CN201910934953.8A patent/CN110660219A/zh active Pending
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102436756A (zh) * | 2010-09-29 | 2012-05-02 | 北京紫光百会科技有限公司 | 一种智能停车诱导系统和方法 |
CN107239846A (zh) * | 2016-03-29 | 2017-10-10 | 中兴通讯股份有限公司 | 停车场泊位预测处理方法及装置 |
CN106250540A (zh) * | 2016-08-09 | 2016-12-21 | 大连理工大学 | 基于百度地图开放数据与Web数据挖掘的区域停车难易指数的分析方法 |
CN106169253A (zh) * | 2016-08-25 | 2016-11-30 | 华南师范大学 | 基于停车难易度的停车场空闲状况预测方法及系统 |
CN107945562A (zh) * | 2017-09-30 | 2018-04-20 | 百度在线网络技术(北京)有限公司 | 停车场信息的推荐方法、服务器设备及可读介质 |
CN108010378A (zh) * | 2017-12-20 | 2018-05-08 | 中国科学院深圳先进技术研究院 | 停车场泊位占用率预测方法、装置、设备及存储介质 |
CN108133619A (zh) * | 2018-02-06 | 2018-06-08 | 百度在线网络技术(北京)有限公司 | 停车场停车预测的方法、装置、存储介质及终端设备 |
CN109840272A (zh) * | 2018-12-19 | 2019-06-04 | 东南大学 | 一种共享电动汽车站点用户需求预测方法 |
CN109741626A (zh) * | 2019-02-24 | 2019-05-10 | 苏州科技大学 | 停车场停车情况预测方法、调度方法和系统 |
Non-Patent Citations (1)
Title |
---|
过秀成: "《城市交通规划》", 30 April 2017, 东南大学出版社 * |
Cited By (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113139118A (zh) * | 2020-01-19 | 2021-07-20 | 百度在线网络技术(北京)有限公司 | 停车场推荐方法、装置、电子设备和介质 |
CN111325382B (zh) * | 2020-01-23 | 2022-06-28 | 北京百度网讯科技有限公司 | 停车场空闲车位预测方法、装置、电子设备及存储介质 |
CN111325382A (zh) * | 2020-01-23 | 2020-06-23 | 北京百度网讯科技有限公司 | 停车场空闲车位预测方法、装置、电子设备及存储介质 |
CN111310987A (zh) * | 2020-01-23 | 2020-06-19 | 北京百度网讯科技有限公司 | 停车场空闲车位预测方法、装置、电子设备及存储介质 |
US11574259B2 (en) | 2020-01-23 | 2023-02-07 | Beijing Baidu Netcom Science And Technology Co., Ltd. | Parking lot free parking space predicting method, apparatus, electronic device and storage medium |
CN111310987B (zh) * | 2020-01-23 | 2023-04-07 | 北京百度网讯科技有限公司 | 停车场空闲车位预测方法、装置、电子设备及存储介质 |
CN112129315A (zh) * | 2020-09-28 | 2020-12-25 | 北京百度网讯科技有限公司 | 用于推荐停车场的方法、装置、电子设备和存储介质 |
CN113257030A (zh) * | 2021-05-12 | 2021-08-13 | 北京百度网讯科技有限公司 | 停车场属性预测模型训练方法、停车场推荐方法及装置 |
CN113470205A (zh) * | 2021-06-30 | 2021-10-01 | 厦门中卡科技股份有限公司 | 全域etc支撑下的智慧出行控制系统及方法 |
CN113470205B (zh) * | 2021-06-30 | 2022-01-04 | 厦门中卡科技股份有限公司 | 全域etc支撑下的智慧出行控制系统及方法 |
CN113257035A (zh) * | 2021-07-05 | 2021-08-13 | 江西省湾流港智能科技有限公司 | 停车管理方法、计算机设备、计算机可读存储介质 |
CN114038230A (zh) * | 2021-10-25 | 2022-02-11 | 深圳市神州路路通网络科技有限公司 | 共享停车场车位推荐方法、系统、计算机设备及储存介质 |
CN114038230B (zh) * | 2021-10-25 | 2022-11-29 | 深圳市神州路路通网络科技有限公司 | 共享停车场车位推荐方法、系统、计算机设备及储存介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110675651B (zh) | 停车场推荐方法和装置 | |
CN110660219A (zh) | 停车场停车预测方法和装置 | |
CN110726418B (zh) | 兴趣点区域确定方法、装置、设备及存储介质 | |
US20210390124A1 (en) | Method for processing map data, device, and storage medium | |
CN110657818B (zh) | 自动驾驶车辆的路径规划方法、装置、设备及存储介质 | |
CN110929702B (zh) | 一种轨迹规划方法、装置、电子设备和存储介质 | |
CN112581763A (zh) | 道路事件检测的方法、装置、设备和存储介质 | |
CN111694973A (zh) | 自动驾驶场景的模型训练方法、装置、电子设备 | |
CN111680362A (zh) | 一种自动驾驶仿真场景获取方法、装置、设备及存储介质 | |
WO2017049748A1 (zh) | 导航处理方法、设备、服务器和计算机设备 | |
CN104102719A (zh) | 一种轨迹信息的推送方法及装置 | |
CN111310840B (zh) | 数据融合处理方法、装置、设备和存储介质 | |
CN111735457B (zh) | 室内导航方法、装置、电子设备及可读存储介质 | |
CN111854771A (zh) | 地图质量的检测处理方法、装置、电子设备和存储介质 | |
CN112000700A (zh) | 地图信息展示方法、装置、电子设备及存储介质 | |
CN113591573A (zh) | 多任务学习深度网络模型的训练及目标检测方法、装置 | |
CN110823237B (zh) | 起点绑路及预测模型获取方法、装置及存储介质 | |
CN111539347A (zh) | 用于检测目标的方法和装置 | |
CN111666029A (zh) | 车机地图的操作方法、装置、设备和可读存储介质 | |
CN113160693B (zh) | 一种道路路口的处理方法、装置、设备和存储介质 | |
CN112581533A (zh) | 定位方法、装置、电子设备及存储介质 | |
CN114413920A (zh) | 车道数据处理方法、导航方法及装置 | |
CN113139118A (zh) | 停车场推荐方法、装置、电子设备和介质 | |
CN111597986A (zh) | 用于生成信息的方法、装置、设备和存储介质 | |
CN110796191A (zh) | 轨迹分类方法及装置 |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200107 |