CN112085963A - 车辆、停车管理设备及其停车场推荐方法 - Google Patents

车辆、停车管理设备及其停车场推荐方法 Download PDF

Info

Publication number
CN112085963A
CN112085963A CN201910517677.5A CN201910517677A CN112085963A CN 112085963 A CN112085963 A CN 112085963A CN 201910517677 A CN201910517677 A CN 201910517677A CN 112085963 A CN112085963 A CN 112085963A
Authority
CN
China
Prior art keywords
parking
difficulty
parking lot
user
training
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.)
Granted
Application number
CN201910517677.5A
Other languages
English (en)
Other versions
CN112085963B (zh
Inventor
徐平
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.)
Shanghai Pateo Electronic Equipment Manufacturing Co Ltd
Original Assignee
Shanghai Pateo Electronic Equipment Manufacturing Co Ltd
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 Shanghai Pateo Electronic Equipment Manufacturing Co Ltd filed Critical Shanghai Pateo Electronic Equipment Manufacturing Co Ltd
Priority to CN201910517677.5A priority Critical patent/CN112085963B/zh
Publication of CN112085963A publication Critical patent/CN112085963A/zh
Application granted granted Critical
Publication of CN112085963B publication Critical patent/CN112085963B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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

Abstract

本申请涉及车辆停放技术领域，提供一种车辆、停车管理设备及其基于停车难度分析的停车场推荐方法，获取目标停车场在多个时间段所对应的多个用户数量值，按照时间顺序对所述多个时间段及其对应的多个用户数量值进行训练和难度分析，根据所述训练和难度分析得到量化值，根据用户到所述目标停车场的距离值和所述量化值判断停车难度指数，根据所述停车难度指数进行停车场推荐。本申请能够对目标停车场进行多时间段的用户数据进行分析，根据分析结果判断其停车难度，进而提前给用户进行提示和推荐，避免用户无法停车或者白走冤枉路，改善用户体验。

Description

车辆、停车管理设备及其停车场推荐方法
技术领域
本申请涉及停车管理技术领域，具体涉及一种基于停车难度分析的停车场推荐方法，以及应用所述基于停车难度分析的停车场推荐方法的停车管理设备和车辆。
背景技术
随着生活水平的不断改善，汽车在人们的生活中越来越普遍，逐步成为城市和乡村的人们生活中不可或缺的交通工具之一。
同时，人们不再简单的定义汽车为交通运输工具与代步工具，汽车的安全性、环保性、舒适性以及娱乐性等方面的需求越来越大。这些方面需求的急剧增加，导致车载通信的频谱资源短缺、频段拥挤、安全等问题日益突出。
但是，目前私家车越来越多，对应地在大中城市中，停车位也越来越紧张，由此引发的纠纷问题也越来越严重。很多时候，用户对停车场一无所知，不但不能顺利停车，还可能由于临时违停而被缴纳各种罚款，这给用户带来非常大的不便，影响用户的行车体验。
针对现有技术的多方面不足，本申请的发明人经过深入研究，提出一种车辆、停车管理设备及其基于停车难度分析的停车场推荐方法。
发明内容
本申请的目的在于，提供一种车辆、停车管理设备及其基于停车难度分析的停车场推荐方法，能够对目标停车场进行多时间段的用户数据进行分析，根据分析结果判断其停车难度，进而提前给用户进行提示和推荐，避免用户无法停车或者白走冤枉路，改善用户体验。
为解决上述技术问题，本申请提供一种基于停车难度分析的停车场推荐方法，作为其中一种实施方式，所述基于停车难度分析的停车场推荐方法包括步骤：
获取目标停车场在多个时间段所对应的多个用户数量值；
按照时间顺序对所述多个时间段及其对应的多个用户数量值进行训练和难度分析；
根据所述训练和难度分析得到量化值；
根据用户到所述目标停车场的距离值和所述量化值判断停车难度指数；
根据所述停车难度指数进行停车场推荐。
作为其中一种实施方式，所述获取目标停车场在多个时间段所对应的多个用户数量值的步骤，还包括：
设定所述目标停车场的有效距离范围；
在所述有效距离范围内获取多个时间段的多个用户数量值。
作为其中一种实施方式，所述根据用户到所述目标停车场的距离值和所述量化值判断停车难度指数的步骤，具体包括：
获取用户到所述目标停车场的距离值；
利用所述距离值乘以所述量化值，以得到参考值；
根据所述参考值判断得到停车难度指数。
作为其中一种实施方式，所述按照时间顺序对所述多个时间段及其对应的多个用户数量值进行训练和难度分析的步骤，具体包括：
若多个时间段对应的多个用户数量值均小于第一预设值，判断其理论停车难度为容易，并进行训练；
根据实际停车难度对训练结果进行修正。
作为其中一种实施方式，所述按照时间顺序对所述多个时间段及其对应的多个用户数量值进行训练和难度分析的步骤，具体包括：
取依序连续的三个时间段T1、T2和T3，其对应的三个用户数量值为N1、N2和N3，若N2大于N3，判断用户数量值为趋势减少，并进一步比较N1和N2的大小；
若N1大于N2，则判断其理论停车难度为容易并进行训练，若N1不大于N2，则判断其理论停车难度为一般并进行训练；
根据实际停车难度对训练结果进行修正；
其中，若N1不大于N2，且N1和N2之间的差异值越大，判断其对应的理论停车难度为越容易、且判断T1之前的停车难度为困难。
作为其中一种实施方式，所述按照时间顺序对所述多个时间段及其对应的多个用户数量值进行训练和难度分析的步骤，具体包括：
取依序连续的三个时间段T1、T2和T3，其对应的三个用户数量值为N1、N2和N3，若N2约等于N3，且N3大于第二预设阈值，则判断N3越大其对应的理论停车难度为越困难；
对理论停车难度进行训练，并根据实际停车难度对训练结果进行修正。
作为其中一种实施方式，所述按照时间顺序对所述多个时间段及其对应的多个用户数量值进行训练和难度分析的步骤，具体包括：
取依序连续的三个时间段T1、T2和T3，其对应的三个用户数量值为N1、N2和N3，若N2小于N3，判断用户数量值为趋势增加且对应的理论停车难度为困难；
其中，N2和N3的差异值越小，则判断其理论停车难度越容易；
对理论停车难度进行训练，并根据实际停车难度对训练结果进行修正。
作为其中一种实施方式，所述按照时间顺序对所述多个时间段及其对应的多个用户数量值进行训练和难度分析的步骤，具体包括：
取依序连续的三个时间段T1、T2和T3，其对应的三个用户数量值为N1、N2和N3；
判断三个时间段T1、T2和T3的三个用户数量值为N1、N2和N3中存在的相同用户的个数；
若相同用户的个数大于第三预设阈值，则判断其对应的理论停车难度为困难；
对理论停车难度进行训练，并根据实际停车难度对训练结果进行修正。
作为其中一种实施方式，所述获取目标停车场在多个时间段所对应的多个用户数量值的步骤之前，还包括：
判断目标停车场是否已进行停车数据共享；
若已进行停车数据共享，根据空闲停车位和总停车位的比值计算得到停车难度指数并结束，若未进行停车数据共享，则执行所述获取目标停车场在多个时间段所对应的多个用户数量值的步骤。
为解决上述技术问题，本申请还提供一种停车管理设备，作为其中一种实施方式，所述停车管理设备包括存储器和处理器，所述存储器存储有计算机程序，所述处理器用于执行计算机程序，以实现如上所述的基于停车难度分析的停车场推荐方法。
为解决上述技术问题，本申请还提供一种车辆，作为其中一种实施方式，所述车辆配置有如上所述的停车管理设备。
本申请车辆、停车管理设备及其基于停车难度分析的停车场推荐方法，获取目标停车场在多个时间段所对应的多个用户数量值，按照时间顺序对所述多个时间段及其对应的多个用户数量值进行训练和难度分析，根据所述训练和难度分析得到量化值，根据用户到所述目标停车场的距离值和所述量化值判断停车难度指数，根据所述停车难度指数进行停车场推荐。本申请能够对目标停车场进行多时间段的用户数据进行分析，根据分析结果判断其停车难度，进而提前给用户进行提示和推荐，避免用户无法停车或者白走冤枉路，改善用户体验。
上述说明仅是本申请技术方案的概述，为了能够更清楚了解本申请的技术手段，而可依照说明书的内容予以实施，并且为了让本申请的上述和其他目的、特征和优点能够更明显易懂，以下特举较佳实施例，并配合附图,详细说明如下。
附图说明
图1为本申请基于停车难度分析的停车场推荐方法一实施方式的流程示意图。
图2为本申请停车管理设备的模块示意图。
具体实施方式
为更进一步阐述本申请为达成预定申请目的所采取的技术手段及功效,以下结合附图及较佳实施例，对依据本申请车辆、车机设备及其基于停车难度分析的停车场推荐方法的具体实施方式、方法、步骤、特征及其效果，详细说明如下。
有关本申请的前述及其他技术内容、特点及功效,在以下配合参考图式的较佳实施例的详细说明中将可清楚呈现。通过具体实施方式的说明,当可对本申请为达成预定目的所采取的技术手段及效果得以更加深入且具体的了解，然而所附图式仅是提供参考与说明之用,并非用来对本申请加以限制。
请参阅图1，图1为本申请基于停车难度分析的停车场推荐方法一实施方式的流程示意图。
首先需要指出的是，本实施方式停车场推荐方法可以应用到车机设备、手机、停车场系统、物业系统或者专门的停车场服务器上，优选地，本实施方式以车机设备为例进行阐述。
需要说明的是，本实施方式所述基于停车难度分析的停车场推荐方法可以包括但不限于如下几个步骤。
步骤S101，获取目标停车场在多个时间段所对应的多个用户数量值；
步骤S102，按照时间顺序对所述多个时间段及其对应的多个用户数量值进行训练和难度分析；
步骤S103，根据所述训练和难度分析得到量化值；
步骤S104，根据用户到所述目标停车场的距离值和所述量化值判断停车难度指数；
步骤S105，根据所述停车难度指数进行停车场推荐。
举例而言，本实施方式应用到车机设备上时，若判断用户需要导航到某个地点，附近有期望停车的目标停车场，则车机设备能够获取该目标停车场进行远程判断和处理，进而给出停车推荐建议，给用户带来方便。
在本实施方式中，本申请所述获取目标停车场在多个时间段所对应的多个用户数量值的步骤，还包括：设定所述目标停车场的有效距离范围；在所述有效距离范围内获取多个时间段的多个用户数量值。
容易理解的是，如需要对某个目标停车场进行数据统计，优选地需要设定其有效距离范围，在本实施方式中，可以指定为500米，700米或者1000米等距离。
需要特别说明的是，本实施方式所述根据用户到所述目标停车场的距离值和所述量化值判断停车难度指数的步骤，具体可以包括：获取用户到所述目标停车场的距离值；利用所述距离值乘以所述量化值，以得到参考值；根据所述参考值判断得到停车难度指数。
当然，在一些实施方式中，利用所述距离值乘以所述量化值可以直接得到所述停车难度指数，而本实施方式可以通过参考值进行判断。
在具体的实施方式中，本申请所述按照时间顺序对所述多个时间段及其对应的多个用户数量值进行训练和难度分析的步骤，具体包括：若多个时间段对应的多个用户数量值均小于第一预设值，判断其理论停车难度为容易，并进行训练；根据实际停车难度对训练结果进行修正。
举例而言，本实施方式可以利用理论数据进行训练和分析，然后利用实际结果进行反复修正，使得预测模型能够逐渐成熟和准确，最终能够实现高精度的预测，给用户带来真实的便利性。
需要说明的是，本实施方式所述按照时间顺序对所述多个时间段及其对应的多个用户数量值进行训练和难度分析的步骤，具体包括：取依序连续的三个时间段T1、T2和T3，其对应的三个用户数量值为N1、N2和N3，若N2大于N3，判断用户数量值为趋势减少，并进一步比较N1和N2的大小；若N1大于N2，则判断其理论停车难度为容易并进行训练，若N1不大于N2，则判断其理论停车难度为一般并进行训练；根据实际停车难度对训练结果进行修正；其中，若N1不大于N2，且N1和N2之间的差异值越大，判断其对应的理论停车难度为越容易、且判断T1之前的停车难度为困难。
值得一提的是，本实施方式以三个时间段为例，比如其总共取9分钟，每三分钟设置为一个时间段，接着获取用户数量值进行分析。而在其他实施方式中，也可以取15分钟、20分钟等，其控制在用户未驶达前完成预测即可，在此不作限定。同理，在其他实施方式中也可以取五个时间段或者八个时间段进行分析预测，在此不作限定。
相应地，本实施方式所述按照时间顺序对所述多个时间段及其对应的多个用户数量值进行训练和难度分析的步骤，具体包括：取依序连续的三个时间段T1、T2和T3，其对应的三个用户数量值为N1、N2和N3，若N2约等于N3，且N3大于第二预设阈值，则判断N3越大其对应的理论停车难度为越困难；对理论停车难度进行训练，并根据实际停车难度对训练结果进行修正。
相应地，本实施方式所述按照时间顺序对所述多个时间段及其对应的多个用户数量值进行训练和难度分析的步骤，具体包括：取依序连续的三个时间段T1、T2和T3，其对应的三个用户数量值为N1、N2和N3，若N2小于N3，判断用户数量值为趋势增加且对应的理论停车难度为困难；其中，N2和N3的差异值越小，则判断其理论停车难度越容易；对理论停车难度进行训练，并根据实际停车难度对训练结果进行修正。
同理，本实施方式所述按照时间顺序对所述多个时间段及其对应的多个用户数量值进行训练和难度分析的步骤，具体包括：取依序连续的三个时间段T1、T2和T3，其对应的三个用户数量值为N1、N2和N3；判断三个时间段T1、T2和T3的三个用户数量值为N1、N2和N3中存在的相同用户的个数；若相同用户的个数大于第三预设阈值，则判断其对应的理论停车难度为困难；对理论停车难度进行训练，并根据实际停车难度对训练结果进行修正。
需要特别说明的是，本实施方式所述获取目标停车场在多个时间段所对应的多个用户数量值的步骤之前，还包括：判断目标停车场是否已进行停车数据共享；若已进行停车数据共享，根据空闲停车位和总停车位的比值计算得到停车难度指数并结束，若未进行停车数据共享，则执行所述获取目标停车场在多个时间段所对应的多个用户数量值的步骤。
本申请能够对目标停车场进行多时间段的用户数据进行分析，根据分析结果判断其停车难度，进而提前给用户进行提示和推荐，避免用户无法停车或者白走冤枉路，改善用户体验。
请参阅图2，本申请还提供一种停车管理设备，作为其中一种实施方式，所述停车管理设备包括存储器20和处理器21，所述存储器20存储有计算机程序，所述处理器21用于执行计算机程序，以实现如上所述的基于停车难度分析的停车场推荐方法。
首先需要说明的是，本实施方式所述停车管理设备可以为车机设备、手机、平板电脑、云服务器和专门的导航仪或者停车场等。
具体而言，所述处理器21用于获取目标停车场在多个时间段所对应的多个用户数量值；
所述处理器21用于按照时间顺序对所述多个时间段及其对应的多个用户数量值进行训练和难度分析；
所述处理器21用于根据所述训练和难度分析得到量化值；
所述处理器21用于根据用户到所述目标停车场的距离值和所述量化值判断停车难度指数；
所述处理器21用于根据所述停车难度指数进行停车场推荐。
举例而言，本实施方式应用到车机设备上时，若判断用户需要导航到某个地点，附近有期望停车的目标停车场，则车机设备能够获取该目标停车场进行远程判断和处理，进而给出停车推荐建议，给用户带来方便。
在本实施方式中，本申请所述处理器21用于设定所述目标停车场的有效距离范围；在所述有效距离范围内获取多个时间段的多个用户数量值。
容易理解的是，如需要对某个目标停车场进行数据统计，优选地需要设定其有效距离范围，在本实施方式中，可以指定为500米，700米或者1000米等距离。
需要特别说明的是，本实施方式所述处理器21用于获取用户到所述目标停车场的距离值；利用所述距离值乘以所述量化值，以得到参考值；根据所述参考值判断得到停车难度指数。
当然，在一些实施方式中，利用所述距离值乘以所述量化值可以直接得到所述停车难度指数，而本实施方式可以通过参考值进行判断。
在具体的实施方式中，本申请所述处理器21用于按照时间顺序对所述多个时间段及其对应的多个用户数量值进行训练和难度分析时，若多个时间段对应的多个用户数量值均小于第一预设值，判断其理论停车难度为容易，并进行训练；根据实际停车难度对训练结果进行修正。
举例而言，本实施方式可以利用理论数据进行训练和分析，然后利用实际结果进行反复修正，使得预测模型能够逐渐成熟和准确，最终能够实现高精度的预测，给用户带来真实的便利性。
需要说明的是，本实施方式所述处理器21用于取依序连续的三个时间段T1、T2和T3，其对应的三个用户数量值为N1、N2和N3，若N2大于N3，判断用户数量值为趋势减少，并进一步比较N1和N2的大小；若N1大于N2，则判断其理论停车难度为容易并进行训练，若N1不大于N2，则判断其理论停车难度为一般并进行训练；根据实际停车难度对训练结果进行修正；其中，若N1不大于N2，且N1和N2之间的差异值越大，判断其对应的理论停车难度为越容易、且判断T1之前的停车难度为困难。
值得一提的是，本实施方式以三个时间段为例，比如其总共取9分钟，每三分钟设置为一个时间段，接着获取用户数量值进行分析。而在其他实施方式中，也可以取15分钟、20分钟等，其控制在用户未驶达前完成预测即可，在此不作限定。同理，在其他实施方式中也可以取五个时间段或者八个时间段进行分析预测，在此不作限定。
相应地，本实施方式所述处理器21用于取依序连续的三个时间段T1、T2和T3，其对应的三个用户数量值为N1、N2和N3，若N2约等于N3，且N3大于第二预设阈值，则判断N3越大其对应的理论停车难度为越困难；对理论停车难度进行训练，并根据实际停车难度对训练结果进行修正。
相应地，本实施方式所述处理器21用于取依序连续的三个时间段T1、T2和T3，其对应的三个用户数量值为N1、N2和N3，若N2小于N3，判断用户数量值为趋势增加且对应的理论停车难度为困难；其中，N2和N3的差异值越小，则判断其理论停车难度越容易；对理论停车难度进行训练，并根据实际停车难度对训练结果进行修正。
同理，本实施方式所述处理器21用于取依序连续的三个时间段T1、T2和T3，其对应的三个用户数量值为N1、N2和N3；判断三个时间段T1、T2和T3的三个用户数量值为N1、N2和N3中存在的相同用户的个数；若相同用户的个数大于第三预设阈值，则判断其对应的理论停车难度为困难；对理论停车难度进行训练，并根据实际停车难度对训练结果进行修正。
需要特别说明的是，本实施方式所述处理器21用于判断目标停车场是否已进行停车数据共享；若已进行停车数据共享，根据空闲停车位和总停车位的比值计算得到停车难度指数并结束，若未进行停车数据共享，则执行所述获取目标停车场在多个时间段所对应的多个用户数量值的步骤。
请继续参阅图2及其实施方式，本申请还提供一种车辆，作为其中一种实施方式，所述车辆配置有如上所述的停车管理设备。
需要说明的是，本实施方式停车管理设备可以通过3G通讯网络、4G通讯网络、5G通讯网络或WIFI网络与目标停车场及其监控设备等进行网络连接，以进行数据传输和分析。
值得一提的是，本实施方式的5G通讯网络技术，可以是一个面向场景化的技术，本申请利用5G技术对车辆(特别是智能网联汽车)起到关键的支持作用，其同时实现连接人、连接物或连接车辆，其具体可以采用下述三个典型应用场景组成。
第一个是eMBB(Enhance Mobile Broadband，增强移动宽带)，使用户体验速率在0.1～1gpbs，峰值速率在10gbps，流量密度在10Tbps/km2；
第二个超可靠低时延通信，本申请可以实现的主要指标是端到端的时间延迟为ms(毫秒)级别；可靠性接近100％；
第三个是mMTC(海量机器类通信)，本申请可以实现的主要指标是连接数密度，每平方公里连接100万个其他终端，106/km2。
通过上述方式，本申请利用5G技术的超可靠、低时延时的特点，结合比如雷达和摄像头等就可以给车辆提供显示的能力，可以跟车辆实现互动，同时利用5G技术的交互式感知功能，用户可以对外界环境做一个输出，不光能探测到状态，还可以做一些反馈等。进一步而言，本申请还可以应用到自动驾驶的协同里面，比如车辆之间进行协作式避碰，车辆编队等，以进行车速整体编队通行，提高通行效率。
此外，本申请还可以利用5G技术实现通信增强自动驾驶感知能力，并且可以满足车内乘客对AR(增强现实)/VR(虚拟现实)、游戏、电影、移动办公等车载信息娱乐，以及高精度的需求。本申请可以实现厘米级别的3D高精度定位地图的下载量在3～4Gb/km，正常车辆限速120km/h(千米/时)下每秒钟地图的数据量为90Mbps～120Mbps(兆比特每秒)，同时还可以支持融合车载传感器信息的局部地图实时重构，以及危险态势建模与分析等。
需要说明的是，本申请还可以应用到自动驾驶层面，利用5G技术可以协助对城市固定路线车辆实现部分智能云控制，对园区、港口的无人驾驶车辆实现基于云的运营优化以及特定条件下的远程显示、控制。
在本申请中，上述系统和方法，均可以使用到具备车辆TBOX的车辆系统中，即车辆为可以具备车辆TBOX的车辆系统，其还可以连接到车辆的CAN总线上。
在本实施方式中，CAN可以包括三条网络通道CAN_1、CAN_2和CAN_3，车辆还可以设置一条以太网网络通道，其中三条CAN网络通道可以通过两个车联网网关与以太网网络通道相连接，举例而言，其中CAN_1网络通道包括混合动力总成系统，其中CAN_2网络通道包括运行保障系统，其中CAN_3网络通道包括电力测功机系统，以太网网络通道包括高级管理系统，所述的高级管理系统包括作为节点连接在以太网网络通道上的人-车-路模拟系统和综合信息采集单元，所述的CAN_1网络通道、CAN_2网络通道与以太网网络通道的车联网网关可以集成在综合信息采集单元中；CAN_3网络通道与以太网网络通道的车联网网关可以集成在人-车-路模拟系统中。
进一步而言，所述的CAN_1网络通道连接的节点有：发动机ECU、电机MCU、电池BMS、自动变速器TCU以及混合动力控制器HCU；CAN_2网络通道连接的节点有：台架测控系统、油门传感器组、功率分析仪、瞬时油耗仪、直流电源柜、发动机水温控制系统、发动机机油温度控制系统、电机水温控制系统以及发动机中冷温度控制系统；CAN_3网络通道连接的节点有：电力测功机控制器。
优选的所述的CAN_1网络通道的速率为250Kbps，采用J1939协议；CAN_2网络通道的速率为500Kbps，采用CANopen协议；CAN_3网络通道的速率为1Mbps，采用CANopen协议；以太网网络通道的速率为10/100Mbps，采用TCP/IP协议。
在本实施方式中，所述车联网网关支持5G技术的V2X车联网网络，其还可以配备有IEEE802.3接口、DSPI接口、eSCI接口、CAN接口、MLB接口、LIN接口和/或I2C接口。
在本实施方式中，比如，IEEE802.3接口可以用于连接无线路由器，为整车提供WIFI网络；DSPI(提供者管理器组件)接口用于连接蓝牙适配器和NFC(近距离无线通讯)适配器，可以提供蓝牙连接和NFC连接；eSCI接口用于连接4G/5G模块，与互联网通讯；CAN接口用于连接车辆CAN总线；MLB接口用于连接车内的MOST(面向媒体的系统传输)总线，LIN接口用于连接车内LIN(局域互联网络)总线；IC接口用于连接DSRC(专用短程通讯)模块和指纹识别模块。此外，本申请可以通过采用MPC5668G芯片对各个不同协议进行相互转换，将不同的网络进行融合。
此外，本实施方式车辆TBOX系统，Telematics-BOX，简称车载TBOX或远程信息处理器。
本实施方式Telematics为远距离通信的电信(Telecommunications)与信息科学(Informatics)的合成，其定义为通过内置在车辆上的计算机系统、无线通信技术、卫星导航装置、交换文字、语音等信息的互联网技术而提供信息的服务系统。简单的说就通过无线网络将车辆接入互联网(车联网系统)，为车主提供驾驶、生活所必需的各种信息。
此外，本实施方式Telematics是无线通信技术、卫星导航系统、网络通信技术和车载电脑的综合，当车辆行驶当中出现故障时，通过无线通信连接服务中心，进行远程车辆诊断，内置在发动机上的计算机可以记录车辆主要部件的状态，并随时为维修人员提供准确的故障位置和原因。通过用户通讯终端接收信息并查看交通地图、路况介绍、交通信息、安全与治安服务以及娱乐信息服务等，另外，本实施方式的车辆还可以在后座设置电子游戏和网络应用。不难理解，本实施方式通过Telematics提供服务，可以方便用户了解交通信息、临近停车场的车位状况，确认当前位置，还可以与家中的网络服务器连接,及时了解家中的电器运转情况、安全情况以及客人来访情况等等。
本实施方式车辆还可设置ADAS(Advanced Driver Assistant System，先进驾驶辅助系统)，其可以利用安装于车辆上的上述各种传感器，在第一时间收集车内外的环境数据，进行静、动态物体的辨识、侦测与追踪等技术上的处理，从而能够让驾驶者在最快的时间察觉可能发生的危险，以引起注意和提高安全性。对应地，本申请ADAS还可以采用雷达、激光和超声波等传感器，可以探测光、热、压力或其它用于监测车辆状态的变量，通常位于车辆的前后保险杠、侧视镜、驾驶杆内部或者挡风玻璃上。不难看出，上述ADAS功能所使用的各种智能硬件，均可以通过以太网链路的方式接入V2X车联网网络实现通信连接、交互。
本实施方式车辆的主机可包括适当的逻辑器件、电路和/或代码以用于实现OSI模型(Open System Interconnection，开放式通信系统互联参考模型)上面五层的运行和/或功能操作。因此，主机会生成用于网络传输的数据包和/或对这些数据包进行处理，并且还会对从网络接受到的数据包进行处理。同时，主机可通过执行相应指令和/或运行一种或多种应用程序来为本地用户和/或一个或多个远程用户或网络节点提供服务。在本申请的不同实施方式中，主机可采用一种或多种安全协议。
在本申请中，用于实现V2X车联网网络的网络连接可以为交换机，其可以具有AVB功能(Audio Video Bridging，满足IEEE802.1的标准集合)，和/或包括有一条或多条非屏蔽双绞线，每一端可以具有8P8C模块连接器。
在一优选实施方式中，V2X车联网网络中具体可以包括车身控制模块BCM、动力总线P-CAN、车身总线I-CAN、组合仪表CMIC、底盘控制装置和车身控制装置。
在本实施方式中，车身控制模块BCM可以集成车联网网关的功能，进行不同网段，即动力总线P-CAN和车身总线I-CAN之间的信号转换及报文转发等，例如，挂接在动力总线上的控制器如需要与挂接在车身总线I-CAN上的控制器进行通信，则要经过车身控制模块BCM进行两者之间的信号转换及转发等。
动力总线P-CAN和车身总线I-CAN分别与车身控制模块BCM相连。
组合仪表CMIC与动力总线P-CAN相连，且组合仪表CMIC与车身总线I-CAN相连。优选地，本实施方式的组合仪表CMIC与不同的总线，如动力总线P-CAN和车身总线I-CAN均相连，当组合仪表CMIC需要获取挂接在任意总线上的控制器信息时，均无需通过车身控制模块BCM进行信号转换以及报文转发，因此，可减轻网关压力、减少网络负载，且提高组合仪表CMIC获取信息的速度。
底盘控制装置与动力总线P-CAN相连。车身控制装置与车身总线I-CAN相连。在一些示例中，底盘控制装置和车身控制装置可分别向动力总线P-CAN和车身总线I-CAN上进行信息等数据广播，以便挂接在动力总线P-CAN或车身总线I-CAN上的其它车载控制器等设备获取该广播的信息，从而实现不同控制器等车载设备之间的通信。
此外，本实施方式车辆的V2X车联网网络，可以使用两条CAN总线，即动力总线P-CAN和车身总线I-CAN，将车身控制模块BCM作为网关，将组合仪表CMIC与动力总线P-CAN和车身总线I-CAN均相连的结构，可以省去了传统方式中组合仪表CMIC挂接在两条总线上的一条上时的底盘控制装置或车身控制装置的信息通过网关转发给组合仪表CMIC的操作，由此，减轻了车身控制模块BCM作为网关的压力，减少了网络负载，且更加方便将多条总线，如动力总线P-CAN和车身总线I-CAN上挂接的车载设备的信息发送至组合仪表CMIC上进行显示、信息传输实时性强。
以上所述，仅是本申请的较佳实施例而已，并非对本申请作任何形式上的限制，虽然本申请已以较佳实施例揭露如上，然而并非用以限定本申请,任何熟悉本专业的技术人员，在不脱离本申请技术方案范围内,当可利用上述揭示的技术内容作出些许更动或修饰为等同变化的等效实施例,但凡是未脱离本申请技术方案内容，依据本申请的技术实质对以上实施例所作的任何简单修改、等同变化与修饰,均仍属于本申请技术方案的范围内。

Claims (11)

1.一种基于停车难度分析的停车场推荐方法，其特征在于，所述基于停车难度分析的停车场推荐方法包括步骤：
获取目标停车场在多个时间段所对应的多个用户数量值；
按照时间顺序对所述多个时间段及其对应的多个用户数量值进行训练和难度分析；
根据所述训练和难度分析得到量化值；
根据用户到所述目标停车场的距离值和所述量化值判断停车难度指数；
根据所述停车难度指数进行停车场推荐。
2.根据权利要求1所述的停车场推荐方法，其特征在于，所述获取目标停车场在多个时间段所对应的多个用户数量值的步骤，还包括：
设定所述目标停车场的有效距离范围；
在所述有效距离范围内获取多个时间段的多个用户数量值。
3.根据权利要求2所述的停车场推荐方法，其特征在于，所述根据用户到所述目标停车场的距离值和所述量化值判断停车难度指数的步骤，具体包括：
获取用户到所述目标停车场的距离值；
利用所述距离值乘以所述量化值，以得到参考值；
根据所述参考值判断得到停车难度指数。
4.根据权利要求2所述的停车场推荐方法，其特征在于，所述按照时间顺序对所述多个时间段及其对应的多个用户数量值进行训练和难度分析的步骤，具体包括：
若多个时间段对应的多个用户数量值均小于第一预设值，判断其理论停车难度为容易，并进行训练；
根据实际停车难度对训练结果进行修正。
5.根据权利要求2所述的停车场推荐方法，其特征在于，所述按照时间顺序对所述多个时间段及其对应的多个用户数量值进行训练和难度分析的步骤，具体包括：
取依序连续的三个时间段T1、T2和T3，其对应的三个用户数量值为N1、N2和N3，若N2大于N3，判断用户数量值为趋势减少，并进一步比较N1和N2的大小；
若N1大于N2，则判断其理论停车难度为容易并进行训练，若N1不大于N2，则判断其理论停车难度为一般并进行训练；
根据实际停车难度对训练结果进行修正；
其中，若N1不大于N2，且N1和N2之间的差异值越大，判断其对应的理论停车难度为越容易、且判断T1之前的停车难度为困难。
6.根据权利要求2所述的停车场推荐方法，其特征在于，所述按照时间顺序对所述多个时间段及其对应的多个用户数量值进行训练和难度分析的步骤，具体包括：
取依序连续的三个时间段T1、T2和T3，其对应的三个用户数量值为N1、N2和N3，若N2约等于N3，且N3大于第二预设阈值，则判断N3越大其对应的理论停车难度为越困难；
对理论停车难度进行训练，并根据实际停车难度对训练结果进行修正。
7.根据权利要求2所述的停车场推荐方法，其特征在于，所述按照时间顺序对所述多个时间段及其对应的多个用户数量值进行训练和难度分析的步骤，具体包括：
取依序连续的三个时间段T1、T2和T3，其对应的三个用户数量值为N1、N2和N3，若N2小于N3，判断用户数量值为趋势增加且对应的理论停车难度为困难；
其中，N2和N3的差异值越小，则判断其理论停车难度越容易；
对理论停车难度进行训练，并根据实际停车难度对训练结果进行修正。
8.根据权利要求2所述的停车场推荐方法，其特征在于，所述按照时间顺序对所述多个时间段及其对应的多个用户数量值进行训练和难度分析的步骤，具体包括：
取依序连续的三个时间段T1、T2和T3，其对应的三个用户数量值为N1、N2和N3；
判断三个时间段T1、T2和T3的三个用户数量值为N1、N2和N3中存在的相同用户的个数；
若相同用户的个数大于第三预设阈值，则判断其对应的理论停车难度为困难；
对理论停车难度进行训练，并根据实际停车难度对训练结果进行修正。
9.根据权利要求4-8中任一项所述的停车场推荐方法，其特征在于，所述获取目标停车场在多个时间段所对应的多个用户数量值的步骤之前，还包括：
判断目标停车场是否已进行停车数据共享；
若已进行停车数据共享，根据空闲停车位和总停车位的比值计算得到停车难度指数并结束，若未进行停车数据共享，则执行所述获取目标停车场在多个时间段所对应的多个用户数量值的步骤。
10.一种停车管理设备，其特征在于，所述停车管理设备包括存储器和处理器，所述存储器存储有计算机程序，所述处理器用于执行计算机程序，以实现如权利要求1-9中任一项所述的基于停车难度分析的停车场推荐方法。
11.一种车辆，其特征在于，所述车辆配置有如权利要求9所述的停车管理设备。
CN201910517677.5A 2019-06-14 2019-06-14 车辆、停车管理设备及其停车场推荐方法 Active CN112085963B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910517677.5A CN112085963B (zh) 2019-06-14 2019-06-14 车辆、停车管理设备及其停车场推荐方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910517677.5A CN112085963B (zh) 2019-06-14 2019-06-14 车辆、停车管理设备及其停车场推荐方法

Publications (2)

Publication Number Publication Date
CN112085963A true CN112085963A (zh) 2020-12-15
CN112085963B CN112085963B (zh) 2022-08-23

Family

ID=73734193

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910517677.5A Active CN112085963B (zh) 2019-06-14 2019-06-14 车辆、停车管理设备及其停车场推荐方法

Country Status (1)

Country Link
CN (1) CN112085963B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113990098A (zh) * 2021-10-26 2022-01-28 上海甬桓实业有限公司 智能停车场

Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2008003975A (ja) * 2006-06-26 2008-01-10 Nec Software Kyushu Ltd 駐車場管理システム、駐車場管理方法、管理サーバおよびそのプログラム
CN102542841A (zh) * 2012-01-19 2012-07-04 北京紫光百会科技有限公司 一种基于停车指数发布和预报的停车诱导系统及其方法
KR101505871B1 (ko) * 2014-06-20 2015-03-25 (주) 맑은생각 주차 위치 확인시스템 및 이를 이용한 주차 위치 확인방법
CN105427654A (zh) * 2015-10-30 2016-03-23 天津科技大学 城市停车方法
CN105427660A (zh) * 2015-11-24 2016-03-23 上海汽车集团股份有限公司 智能停车信息提供方法及装置
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
CN106683485A (zh) * 2017-03-22 2017-05-17 盐城工学院 车位推荐方法及系统
WO2017088838A1 (zh) * 2015-11-27 2017-06-01 应石磊 一种车位预约方法及装置、车位预约系统
CN108009663A (zh) * 2017-12-20 2018-05-08 许昌学院 一种大型活动车位共享管理方法及平台服务器
CN108062601A (zh) * 2017-12-20 2018-05-22 青岛海信网络科技股份有限公司 一种停车场动态定价方法和装置
CN109191896A (zh) * 2018-10-17 2019-01-11 南京邮电大学 个性化停车位推荐方法和系统

Patent Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2008003975A (ja) * 2006-06-26 2008-01-10 Nec Software Kyushu Ltd 駐車場管理システム、駐車場管理方法、管理サーバおよびそのプログラム
CN102542841A (zh) * 2012-01-19 2012-07-04 北京紫光百会科技有限公司 一种基于停车指数发布和预报的停车诱导系统及其方法
KR101505871B1 (ko) * 2014-06-20 2015-03-25 (주) 맑은생각 주차 위치 확인시스템 및 이를 이용한 주차 위치 확인방법
CN105427654A (zh) * 2015-10-30 2016-03-23 天津科技大学 城市停车方法
CN105427660A (zh) * 2015-11-24 2016-03-23 上海汽车集团股份有限公司 智能停车信息提供方法及装置
WO2017088838A1 (zh) * 2015-11-27 2017-06-01 应石磊 一种车位预约方法及装置、车位预约系统
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
CN106683485A (zh) * 2017-03-22 2017-05-17 盐城工学院 车位推荐方法及系统
CN108009663A (zh) * 2017-12-20 2018-05-08 许昌学院 一种大型活动车位共享管理方法及平台服务器
CN108062601A (zh) * 2017-12-20 2018-05-22 青岛海信网络科技股份有限公司 一种停车场动态定价方法和装置
CN109191896A (zh) * 2018-10-17 2019-01-11 南京邮电大学 个性化停车位推荐方法和系统

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113990098A (zh) * 2021-10-26 2022-01-28 上海甬桓实业有限公司 智能停车场
CN113990098B (zh) * 2021-10-26 2022-11-01 上海甬桓实业有限公司 智能停车场

Also Published As

Publication number Publication date
CN112085963B (zh) 2022-08-23

Similar Documents

Publication Publication Date Title
CN110971567A (zh) 车辆、云服务器、车机设备、媒介器件及数据整合方法
CN111311939A (zh) 车辆、车机设备及其红绿灯信息地图显示方法
CN110956715A (zh) 行车记录方法、行车记录系统、云端服务器及车辆
CN111200720A (zh) 车联网平台、车辆远程视频监控方法及系统
CN112017459A (zh) 车辆、车机设备及其信号灯识别的驾驶辅助方法
CN111311943A (zh) 车辆、车机设备及其信号灯车速优化方法
CN110853384A (zh) 车辆及其基于5g技术的红绿灯车速匹配优化系统、方法
CN111669708A (zh) 车辆、车机设备及其基于车联网紧急情况的应急导航方法
CN111660965A (zh) 车辆及其基于座椅调整的方向盘智能调节方法和装置
CN110855732A (zh) 车辆及其车载设备和基于5g车联网的远程控制实现方法
CN112085963B (zh) 车辆、停车管理设备及其停车场推荐方法
CN110853387A (zh) 路况全景视频构造显示方法、系统、服务器及车辆
CN111047292A (zh) 智能交通工具、智能设备及智能出行提醒方法
CN111660929A (zh) 车辆、车机设备及其基于环境的驾驶控制提示方法
CN111824006A (zh) 基于导航的车辆大灯自动调节方法、系统及车辆
CN110667493B (zh) 车辆、车机设备及其车辆智能维修保养方法
CN111284325A (zh) 车辆、车机设备及其车辆沿途对象详尽信息显示方法
CN110689713A (zh) 车辆、车机设备及其车辆关联控制方法
CN111619348A (zh) 车辆、车机设备及基于仪表盘的显示控制方法
CN111210541A (zh) 车辆、车机设备及限速信息智能提示方法
CN110855728A (zh) 车辆、基于车联网网关的智能家居网关通信方法和系统
CN111092920B (zh) 车辆、车机设备及其车辆配套业务服务方法
CN111731301A (zh) 车辆、车机设备及其行车时间优化处理方法
CN110853386A (zh) 车辆、服务器及其基于5g技术的车道路况构造提示方法
CN112849050A (zh) 车辆、车机设备及其音量协同调节方法

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
CB02 Change of applicant information
CB02 Change of applicant information

Address after: Room 208, building 4, 1411 Yecheng Road, Jiading District, Shanghai, 201821

Applicant after: Botai vehicle networking technology (Shanghai) Co.,Ltd.

Address before: Room 208, building 4, 1411 Yecheng Road, Jiading District, Shanghai, 201821

Applicant before: SHANGHAI PATEO ELECTRONIC EQUIPMENT MANUFACTURING Co.,Ltd.

GR01 Patent grant
GR01 Patent grant