CN112201075A - 停车场车位可用性预测方法及系统 - Google Patents
停车场车位可用性预测方法及系统 Download PDFInfo
- Publication number
- CN112201075A CN112201075A CN202010984694.2A CN202010984694A CN112201075A CN 112201075 A CN112201075 A CN 112201075A CN 202010984694 A CN202010984694 A CN 202010984694A CN 112201075 A CN112201075 A CN 112201075A
- Authority
- CN
- China
- Prior art keywords
- parking space
- value
- parking
- space available
- parking 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 62
- 238000009499 grossing Methods 0.000 claims description 150
- 238000004590 computer program Methods 0.000 claims description 12
- 238000003860 storage Methods 0.000 claims description 12
- 238000012897 Levenberg–Marquardt algorithm Methods 0.000 claims description 10
- 238000004422 calculation algorithm Methods 0.000 claims description 6
- 238000010586 diagram Methods 0.000 description 9
- 230000006870 function Effects 0.000 description 6
- 238000012986 modification Methods 0.000 description 6
- 230000004048 modification Effects 0.000 description 6
- 238000004364 calculation method Methods 0.000 description 3
- 239000011159 matrix material Substances 0.000 description 3
- 230000004075 alteration Effects 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 238000013016 damping Methods 0.000 description 1
- 239000003102 growth factor Substances 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
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
-
- 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
- G08G1/145—Traffic control systems for road vehicles indicating individual free spaces in parking areas where the indication depends on the parking areas
- G08G1/148—Management of a network of parking areas
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Traffic Control Systems (AREA)
- Navigation (AREA)
Abstract
本发明公开了一种停车场车位可用性预测方法、介质、设备及系统,其中方法包括:获取车主的当前位置信息、目的地位置信息和当前时间,并根据所述当前位置信息、目的地位置信息和当前时间计算车主的抵达时刻;根据所述目的地位置信息和预设的距离阈值获取预选停车场,并获取预选停车场在抵达时刻对应的多个历史车位可用值;将多个历史车位可用值输入到预测模型中,以通过所述预测模型计算所述预选停车场在抵达时刻对应的车位可用值。能够根据车主的出行信息对可用停车场进行有效预测,进而节约车主驾车出行过程中停车所需要耗费的时间成本。
Description
技术领域
本发明涉及停车场管理技术领域,特别涉及一种停车场车位可用性预测方法、一种计算机可读存储介质、一种计算机设备以及一种停车场车位可用性预测系统。
背景技术
随着社会的发展、车辆数量的不断增加,停车问题已经成为人们驾驶车辆出行所要解决的重要问题之一。
相关技术中,在对车主进行停车场的推荐时,大多只能根据停车场现有停车状态进行推荐。进而,经常导致车主抵达推荐停车场时,推荐停车场无可用停车位;使得车主需要耗费大量时间进行可用停车场的确定。
发明内容
本发明旨在至少在一定程度上解决上述技术中的技术问题之一。为此,本发明的一个目的在于提出一种停车场车位可用性预测方法,能够根据车主的出行信息对可用停车场进行有效预测,进而节约车主驾车出行过程中停车所需要耗费的时间成本。
本发明的第二个目的在于提出一种计算机可读存储介质。
本发明的第三个目的在于提出一种计算机设备。
本发明的第四个目的在于提出一种停车场车位可用性预测系统。
为达到上述目的,本发明第一方面实施例提出了一种停车场车位可用性预测方法,包括以下步骤:获取车主的当前位置信息、目的地位置信息和当前时间,并根据所述当前位置信息、目的地位置信息和当前时间计算车主的抵达时刻;根据所述目的地位置信息和预设的距离阈值获取预选停车场,并获取预选停车场在抵达时刻对应的多个历史车位可用值;将多个历史车位可用值输入到预测模型中,以通过所述预测模型计算所述预选停车场在抵达时刻对应的车位可用值。
根据本发明实施例的停车场车位可用性预测方法,首先,获取车主的当前位置信息、目的地位置信息和当前时间,并根据所述当前位置信息、目的地位置信息和当前时间计算车主的抵达时刻;接着,根据所述目的地位置信息和预设的距离阈值获取预选停车场,并获取预选停车场在抵达时刻对应的多个历史车位可用值;然后,将多个历史车位可用值输入到预测模型中,以通过所述预测模型计算所述预选停车场在抵达时刻对应的车位可用值;从而实现根据车主的出行信息对可用停车场进行有效预测,进而节约车主驾车出行过程中停车所需要耗费的时间成本。
另外,根据本发明上述实施例提出的停车场车位可用性预测方法还可以具有如下附加的技术特征:
可选地,通过所述预测模型计算所述预选停车场在抵达时刻对应的车位可用值,包括:获取初始平滑系数,并根据所述初始平滑系数对多个历史车位可用值进行指数平滑,以得到相应的第一指数平滑值,以及根据所述第一指数平滑值生成对应的第一车位可用预测值;根据阻尼最小二乘法、所述第一指数平滑值和所述第一车位可用预测值优化平滑系数,以得到最优平滑系数,并根据所述最优平滑系数对多个历史车位可用值进行指数平滑,以得到相应的第二指数平滑值,以及根据所述第二指数平滑值生成对应的第二车位可用预测值,以便根据所述第二车位可用预测值生成车位可用值。
可选地,还包括:计算所述第二车位可用预测值与相应历史车位可用值之间的绝对误差,并根据所述绝对误差和预设精度区间判断所述第二车位可用预测值的精度是否合格;如果所述第二车位可用预测值的精度合格,则将所述最优平滑系数作为最终平滑系数,并根据指数平滑算法和该最终平滑系数计算预选停车位对应的车位可用值。
可选地,如果所述第二车位可用预测值的精度不合格,则更新所述初始平滑系数,并根据更新后的初始平滑系数计算相应的第一指数平滑值,以及根据该第一指数平滑值生成对应的第一车位可用预测值,以便根据阻尼最小二乘法、该第一指数平滑值和该第一车位可用预测值进行最优平滑系数的重新确定。
可选地,所述第一车位可用预测值根据以下公式计算:
可选地,在获取初始平滑系数之前,还包括:判断多个历史车位可用值的个数是否大于预设数量阈值;如果是,则将多个历史车位可用值中的首位作为平滑初值;如果否,则将多个历史车位可用值中的前N项的绝对平均值作为平滑初值,以便根据所述平滑初值和初始平滑系数对多个历史车位可用值进行指数平滑。
为达到上述目的,本发明第二方面实施例提出了一种计算机可读存储介质,其上存储有停车场车位可用性预测程序,该停车场车位可用性预测程序被处理器执行时实现如上述的停车场车位可用性预测方法。
根据本发明实施例的计算机可读存储介质,通过存储停车场车位可用性预测程序,以使得处理器在执行该停车场车位可用性预测程序时,实现如上述的停车场车位可用性预测方法,从而实现根据车主的出行信息对可用停车场进行有效预测,进而节约车主驾车出行过程中停车所需要耗费的时间成本。
为达到上述目的,本发明第三方面实施例提出了一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时,实现如上述的停车场车位可用性预测方法。
根据本发明实施例的计算机设备,通过存储器对停车场车位可用性预测程序进行存储,以使得处理器在执行该停车场车位可用性预测程序时,实现如上述的停车场车位可用性预测方法,从而实现根据车主的出行信息对可用停车场进行有效预测,进而节约车主驾车出行过程中停车所需要耗费的时间成本。
为达到上述目的,本发明第四方面实施例提出了一种停车场车位可用性预测系统,包括:第一获取模块,所述第一获取模块用以获取车主的当前位置信息、目的地位置信息和当前时间,并根据所述当前位置信息、目的地位置信息和当前时间计算车主的抵达时刻;第二获取模块,所述第二获取模块用以根据所述目的地位置信息和预设的距离阈值获取预选停车场,并获取预选停车场在抵达时刻对应的多个历史车位可用值;预测模块,所述预测模块用以将多个历史车位可用值输入到预测模型中,以通过所述预测模型计算所述预选停车场在抵达时刻对应的车位可用值。
根据本发明实施例的停车场车位可用性预测系统,通过设置第一获取模块用以获取车主的当前位置信息、目的地位置信息和当前时间,并根据所述当前位置信息、目的地位置信息和当前时间计算车主的抵达时刻;第二获取模块用以根据所述目的地位置信息和预设的距离阈值获取预选停车场,并获取预选停车场在抵达时刻对应的多个历史车位可用值;预测模块用以将多个历史车位可用值输入到预测模型中,以通过所述预测模型计算所述预选停车场在抵达时刻对应的车位可用值;从而实现根据车主的出行信息对可用停车场进行有效预测,进而节约车主驾车出行过程中停车所需要耗费的时间成本。
另外,根据本发明上述实施例提出的停车场车位可用性预测系统还可以具有如下附加的技术特征:
可选地,通过所述预测模型计算所述预选停车场在抵达时刻对应的车位可用值,包括:获取初始平滑系数,并根据所述初始平滑系数对多个历史车位可用值进行指数平滑,以得到相应的第一指数平滑值,以及根据所述第一指数平滑值生成对应的第一车位可用预测值;根据阻尼最小二乘法、所述第一指数平滑值和所述第一车位可用预测值优化平滑系数,以得到最优平滑系数,并根据所述最优平滑系数对多个历史车位可用值进行指数平滑,以得到相应的第二指数平滑值,以及根据所述第二指数平滑值生成对应的第二车位可用预测值,以便根据所述第二车位可用预测值生成车位可用值。
附图说明
图1为根据本发明实施例的停车场车位可用性预测方法的流程示意图;
图2为根据本发明另一实施例的停车场车位可用性预测方法的流程示意图;
图3为根据本发明实施例的停车场车位可用性预测系统的方框示意图。
具体实施方式
下面详细描述本发明的实施例,所述实施例的示例在附图中示出,其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的,旨在用于解释本发明,而不能理解为对本发明的限制。
相关技术中,仅仅只是根据停车场的现有停车状态进行停车场的推荐,进而经常导致车主在重新确定停车场上耗费大量的时间(需要说明的是,由于车辆到达目的地之后,车主往往停车不便,不便进行停车场的搜索和导航;因此,车主大多会在出发之前进行停车场的搜索,而当根据当前停车场的停车状态进行搜索得到具有空闲停车位的目的停车场之后。往往在车主根据导航抵到目的地时,该目的停车场无可用停车位,进而,车主就需要在周边停车场进行兜转,以寻找具有空闲停车位的停车场进行车辆的停放,则该过程需要耗费大量的时间。)而根据本发明实施例的停车场车位可用性预测方法,首先,获取车主的当前位置信息、目的地位置信息和当前时间,并根据所述当前位置信息、目的地位置信息和当前时间计算车主的抵达时刻;接着,根据所述目的地位置信息和预设的距离阈值获取预选停车场,并获取预选停车场在抵达时刻对应的多个历史车位可用值;然后,将多个历史车位可用值输入到预测模型中,以通过所述预测模型计算所述预选停车场在抵达时刻对应的车位可用值;从而实现根据车主的出行信息对可用停车场进行有效预测,进而节约车主驾车出行过程中停车所需要耗费的时间成本。
为了更好的理解上述技术方案,下面将参照附图更详细地描述本发明的示例性实施例。虽然附图中显示了本发明的示例性实施例,然而应当理解,可以以各种形式实现本发明而不应被这里阐述的实施例所限制。相反,提供这些实施例是为了能够更透彻地理解本发明,并且能够将本发明的范围完整的传达给本领域的技术人员。
为了更好的理解上述技术方案,下面将结合说明书附图以及具体的实施方式对上述技术方案进行详细的说明。
图1为根据本发明实施例的停车场车位可用性预测方法的流程示意图,如图1所示,该停车场车位可用性预测方法包括以下步骤:
S101,获取车主的当前位置信息、目的地位置信息和当前时间,并根据当前位置信息、目的地位置信息和当前时间计算车主的抵达时刻。
也就是说,获取车主的出行信息,该出行信息包括车主的当前位置信息、目的地位置信息以及当前时间;然后,根据车主的当前位置信息、目的地位置信息和当前时间计算车主抵达目的地的时刻;具体地,可以根据车主的当前位置信息和目的地位置信息计算相应的行驶路径,然后计算该行驶路径所对应的行驶时间;进而,可以根据行驶时间和当前时间计算车主抵达目的地的抵达时刻。
需要说明的是,为了使得最终计算得到的车位可用值更具有参考价值,还可以预设延迟时间;具体地,当预设延迟时间为10分钟时,则抵达时刻为t时,根据预设延迟时间即可确定最终抵达时刻为t+10。
另外,可以理解,当车主的当前位置信息与目的地位置信息之间的距离差值在预设范围内时(例如,距离100范围),即可认为车主当前就在目的地附近。则无需进行行驶路径的生成,可以将当前时间作为车主的抵达时间,进而根据抵达时间和预设延迟时间计算最终抵达时刻。
S102,根据目的地位置信息和预设的距离阈值获取预选停车场,并获取预选停车场在抵达时刻对应的多个历史车位可用值。
即言,首先,预设距离阈值,进而根据目的地位置信息对周边停车场进行筛选,以获取周边停车场与目的地位置信息之间的距离小于预设的距离阈值的停车场,并将这些停车场作为预选停车场;接着,获取每个预选停车场所在抵达时刻所对应的多个历史车位可用值;具体地,当车主的抵达时刻为8月13日下午5点时,则多个历史车位可用值即为8月13日之前系统中存储的下午5点所对应的历史车位可用值(例如,8月11日下午5点,A停车场可用车位为5;8月12日下午5点,A停车航可用车位为8等)。
S103,将多个历史车位可用值输入到预测模型中,以通过预测模型计算预选停车场在抵达时刻对应的车位可用值。
即言,将获取到的多个历史车位可用值输入到预测模型中,从而预测模型可以根据多个历史车位可用值进行预测,以计算出预选停车场在抵达时刻对应的车位可用值;进而,在得到预测结果之后,将每个预选停车场所对应的车位可用值发送给车主,以对车主进行停车场推荐。
在一些实施例中,通过预测模型计算预选停车场在抵达时刻对应的车位可用值,包括:
获取初始平滑系数,并根据初始平滑系数对多个历史车位可用值进行指数平滑,以得到相应的第一指数平滑值,以及根据第一指数平滑值生成对应的第一车位可用预测值;
根据阻尼最小二乘法、第一指数平滑值和第一车位可用预测值优化平滑系数,以得到最优平滑系数,并根据最优平滑系数对多个历史车位可用值进行指数平滑,以得到相应的第二指数平滑值,以及根据第二指数平滑值生成对应的第二车位可用预测值,以便根据第二车位可用预测值生成车位可用值。
在一些实施例中,在获取初始平滑系数之前,还包括:判断多个历史车位可用值的个数是否大于预设数量阈值;如果是,则将多个历史车位可用值中的首位作为平滑初值;如果否,则将多个历史车位可用值中的前N项的绝对平均值作为平滑初值,以便根据平滑初值和初始平滑系数对多个历史车位可用值进行指数平滑。
作为一种示例,首先,在获取到多个历史车位可用值之后,统计多个历史车位可用值的个数,当多个历史车位可用值的数量大于M项时,则选择多个历史车位可用值的首位作为平滑初值;如果多个历史车位可用值的数量小于等于M项,则计算前N项的绝对平均值,并将该绝对平均值作为平滑初值;接着,获取初始平滑系数(例如,初始平滑系数为0.55);并根据该初始平滑系数、平滑初值对多个历史车位可用值进行一次指数平滑,以得到相应的一次指数平滑值;然后,根据一次指数平滑值生成对应的车位可用预测值;接着,根据阻尼最小二乘法和指数平滑结果对平滑系数进行优化,以得到最优平滑系数;然后,根据最优平滑系数对多个历史车位可用值进行一次指数平滑,以得到相应的一次指数平滑值,并根据该一次指数平滑值生成对应的车位可用预测值,以及根据该车位可用预测值生成车位可用值。
作为另一种示例,第一车位可用预测值根据以下公式计算:
在一些实施例中,为了保证最终得到的车位可用值的预测精度,本发明实施例提出的停车场车位可用性预测方法还包括:计算第二车位可用预测值与相应历史车位可用值之间的绝对误差,并根据绝对误差和预设精度区间判断第二车位可用预测值的精度是否合格;
如果第二车位可用预测值的精度合格,则将最优平滑系数作为最终平滑系数,并根据指数平滑算法和该最终平滑系数计算预选停车位对应的车位可用值;
如果第二车位可用预测值的精度不合格,则更新初始平滑系数,并根据更新后的初始平滑系数计算相应的第一指数平滑值,以及根据该第一指数平滑值生成对应的第一车位可用预测值,以便根据阻尼最小二乘法、该第一指数平滑值和该第一车位可用预测值进行最优平滑系数的重新确定。
从上式可以看处,F(α)是关于α的函数,求解最小绝对误差平方和的问题即转化为求解如下非线性优化问题:
接着,定义δ1∈(0,1)为初始参数,ξ>0为优化精度,η>1为增长因子;令δ=δ/η,计算
f(k)=[f1(α(k),f2(α(k),...,fn(α(k)]T
式中T是矩阵转秩;
接着,计算F(α(k+1)),并根据计算结果进行判断,如果F(α(k+1))<F(α(k)),则判断是否满足如果是,则算法结束,α(k+1)为优化结果;否则,令k=k+1,并返回计算矩阵的步骤;如果F(α(k+1))≥F(α(k)),则判断是否满足如果是,则算法停止,α(k)为优化结果;否则,令δ=ηδ,并返回计算方程式的步骤。
在本发明的一个具体实施方式中,如图2所示,本发明实施例提出的停车场车位可用性预测方法包括以下步骤:
S201,获取车主的当前位置信息、目的地位置信息和当前时间,并根据当前位置信息、目的地位置信息和当前时间计算车主的抵达时刻。
S202,根据目的地位置信息和预设的距离阈值获取预选停车场,并获取预选停车场在抵达时刻对应的多个历史车位可用值。
S203,判断多个历史车位可用值的个数是否大于预设数量阈值;如果是,则执行步骤S204,如果否,则执行步骤S205。
S204,将多个历史车位可用值中的首位作为平滑初值。
S205,将多个历史车位可用值中的前N项的绝对平均值作为平滑初值。
S206,获取初始平滑系数,并根据平滑初值、初始平滑系数对多个历史车位可用值进行指数平滑,以得到相应的第一指数平滑值。
S207,根据第一指数平滑值生成对应的第一车位可用预测值。
S208,根据阻尼最小二乘法、第一指数平滑值和第一车位可用预测值优化平滑系数,以得到最优平滑系数。
S209,根据最优平滑系数对多个历史车位进行指数平滑,以得到相应的第二指数平滑值。
S210,根据第二指数平滑值生成对应的第二车位可用预测值。
S211,计算第二车位可用预测值与相应历史车位可用值之间的绝对误差。
S212,根据绝对误差与预设精度区间判断第二车位可用预测值的精度是否合格;如果是,则执行步骤S213,如果否,则执行步骤S214。
S213,将该最优平滑系数作为最终平滑系数,并根据指数平滑算法和该最终平滑系数计算预选停车位对应的车位可用值。
S214,更新初始平滑系数,并根据更新后的初始平滑系数计算相应的第一车位可用预测值,并返回步骤S208。
综上所述,根据本发明实施例的停车场车位可用性预测方法,首先,获取车主的当前位置信息、目的地位置信息和当前时间,并根据所述当前位置信息、目的地位置信息和当前时间计算车主的抵达时刻;接着,根据所述目的地位置信息和预设的距离阈值获取预选停车场,并获取预选停车场在抵达时刻对应的多个历史车位可用值;然后,将多个历史车位可用值输入到预测模型中,以通过所述预测模型计算所述预选停车场在抵达时刻对应的车位可用值;从而实现根据车主的出行信息对可用停车场进行有效预测,进而节约车主驾车出行过程中停车所需要耗费的时间成本。
为了实现上述实施例,本发明实施例还提出了一种计算机可读存储介质,其上存储有停车场车位可用性预测程序,该停车场车位可用性预测程序被处理器执行时实现如上述的停车场车位可用性预测方法。
根据本发明实施例的计算机可读存储介质,通过存储停车场车位可用性预测程序,以使得处理器在执行该停车场车位可用性预测程序时,实现如上述的停车场车位可用性预测方法,从而实现根据车主的出行信息对可用停车场进行有效预测,进而节约车主驾车出行过程中停车所需要耗费的时间成本。
为了实现上述实施例,本发明实施例还提出了一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时,实现如上述的停车场车位可用性预测方法。
根据本发明实施例的计算机设备,通过存储器对停车场车位可用性预测程序进行存储,以使得处理器在执行该停车场车位可用性预测程序时,实现如上述的停车场车位可用性预测方法,从而实现根据车主的出行信息对可用停车场进行有效预测,进而节约车主驾车出行过程中停车所需要耗费的时间成本。
为了实现上述实施例,本发明实施例还提出了一种停车场车位可用性预测系统;如图3所示,该停车场车位可用性预测系统包括:第一获取模块10、第二获取模块20和预测模块30。
其中,第一获取模块10用以获取车主的当前位置信息、目的地位置信息和当前时间,并根据当前位置信息、目的地位置信息和当前时间计算车主的抵达时刻;
第二获取模块20用以根据目的地位置信息和预设的距离阈值获取预选停车场,并获取预选停车场在抵达时刻对应的多个历史车位可用值;
预测模块30用以将多个历史车位可用值输入到预测模型中,以通过预测模型计算预选停车场在抵达时刻对应的车位可用值。
在一些实施例中,通过预测模型计算预选停车场在抵达时刻对应的车位可用值,包括:
获取初始平滑系数,并根据初始平滑系数对多个历史车位可用值进行指数平滑,以得到相应的第一指数平滑值,以及根据第一指数平滑值生成对应的第一车位可用预测值;
根据阻尼最小二乘法、第一指数平滑值和第一车位可用预测值优化平滑系数,以得到最优平滑系数,并根据最优平滑系数对多个历史车位可用值进行指数平滑,以得到相应的第二指数平滑值,以及根据第二指数平滑值生成对应的第二车位可用预测值,以便根据第二车位可用预测值生成车位可用值。
需要说明的是,上述关于图1中停车场车位可用性预测方法的描述同样适用于该停车场车位可用性预测系统,在此不做赘述。
综上所述,根据本发明实施例的停车场车位可用性预测系统,通过设置第一获取模块用以获取车主的当前位置信息、目的地位置信息和当前时间,并根据所述当前位置信息、目的地位置信息和当前时间计算车主的抵达时刻;第二获取模块用以根据所述目的地位置信息和预设的距离阈值获取预选停车场,并获取预选停车场在抵达时刻对应的多个历史车位可用值;预测模块用以将多个历史车位可用值输入到预测模型中,以通过所述预测模型计算所述预选停车场在抵达时刻对应的车位可用值;从而实现根据车主的出行信息对可用停车场进行有效预测,进而节约车主驾车出行过程中停车所需要耗费的时间成本。
本领域内的技术人员应明白,本发明的实施例可提供为方法、系统、或计算机程序产品。因此,本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
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。
应当注意的是,在权利要求中,不应将位于括号之间的任何参考符号构造成对权利要求的限制。单词“包含”不排除存在未列在权利要求中的部件或步骤。位于部件之前的单词“一”或“一个”不排除存在多个这样的部件。本发明可以借助于包括有若干不同部件的硬件以及借助于适当编程的计算机来实现。在列举了若干装置的单元权利要求中,这些装置中的若干个可以是通过同一个硬件项来具体体现。单词第一、第二、以及第三等的使用不表示任何顺序。可将这些单词解释为名称。
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。
在本发明的描述中,需要理解的是,术语“第一”、“第二”仅用于描述目的,而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征。在本发明的描述中,“多个”的含义是两个或两个以上,除非另有明确具体的限定。
在本发明中,除非另有明确的规定和限定,术语“安装”、“相连”、“连接”、“固定”等术语应做广义理解,例如,可以是固定连接,也可以是可拆卸连接,或成一体;可以是机械连接,也可以是电连接;可以是直接相连,也可以通过中间媒介间接相连,可以是两个元件内部的连通或两个元件的相互作用关系。对于本领域的普通技术人员而言,可以根据具体情况理解上述术语在本发明中的具体含义。
在本发明中,除非另有明确的规定和限定,第一特征在第二特征“上”或“下”可以是第一和第二特征直接接触,或第一和第二特征通过中间媒介间接接触。而且,第一特征在第二特征“之上”、“上方”和“上面”可是第一特征在第二特征正上方或斜上方,或仅仅表示第一特征水平高度高于第二特征。第一特征在第二特征“之下”、“下方”和“下面”可以是第一特征在第二特征正下方或斜下方,或仅仅表示第一特征水平高度小于第二特征。
在本说明书的描述中,参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不应理解为必须针对的是相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外,在不相互矛盾的情况下,本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
尽管上面已经示出和描述了本发明的实施例,可以理解的是,上述实施例是示例性的,不能理解为对本发明的限制,本领域的普通技术人员在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。
Claims (10)
1.一种停车场车位可用性预测方法,其特征在于,包括以下步骤:
获取车主的当前位置信息、目的地位置信息和当前时间,并根据所述当前位置信息、目的地位置信息和当前时间计算车主的抵达时刻;
根据所述目的地位置信息和预设的距离阈值获取预选停车场,并获取预选停车场在抵达时刻对应的多个历史车位可用值;
将多个历史车位可用值输入到预测模型中,以通过所述预测模型计算所述预选停车场在抵达时刻对应的车位可用值。
2.如权利要求1所述的停车场车位可用性预测方法,其特征在于,通过所述预测模型计算所述预选停车场在抵达时刻对应的车位可用值,包括:
获取初始平滑系数,并根据所述初始平滑系数对多个历史车位可用值进行指数平滑,以得到相应的第一指数平滑值,以及根据所述第一指数平滑值生成对应的第一车位可用预测值;
根据阻尼最小二乘法、所述第一指数平滑值和所述第一车位可用预测值优化平滑系数,以得到最优平滑系数,并根据所述最优平滑系数对多个历史车位可用值进行指数平滑,以得到相应的第二指数平滑值,以及根据所述第二指数平滑值生成对应的第二车位可用预测值,以便根据所述第二车位可用预测值生成车位可用值。
3.如权利要求2所述的停车场车位可用性预测方法,其特征在于,还包括:
计算所述第二车位可用预测值与相应历史车位可用值之间的绝对误差,并根据所述绝对误差和预设精度区间判断所述第二车位可用预测值的精度是否合格;
如果所述第二车位可用预测值的精度合格,则将所述最优平滑系数作为最终平滑系数,并根据指数平滑算法和该最终平滑系数计算预选停车位对应的车位可用值。
4.如权利要求3所述的停车场车位可用性预测方法,其特征在于,如果所述第二车位可用预测值的精度不合格,则更新所述初始平滑系数,并根据更新后的初始平滑系数计算相应的第一指数平滑值,以及根据该第一指数平滑值生成对应的第一车位可用预测值,以便根据阻尼最小二乘法、该第一指数平滑值和该第一车位可用预测值进行最优平滑系数的重新确定。
6.如权利要求2所述的停车场车位可用性预测方法,其特征在于,在获取初始平滑系数之前,还包括:
判断多个历史车位可用值的个数是否大于预设数量阈值;
如果是,则将多个历史车位可用值中的首位作为平滑初值;
如果否,则将多个历史车位可用值中的前N项的绝对平均值作为平滑初值,以便根据所述平滑初值和初始平滑系数对多个历史车位可用值进行指数平滑。
7.一种计算机可读存储介质,其特征在于,其上存储有停车场车位可用性预测程序,该停车场车位可用性预测程序被处理器执行时实现如权利要求1-6中任一项所述的停车场车位可用性预测方法。
8.一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述程序时,实现如权利要求1-6中任一项所述的停车场车位可用性预测方法。
9.一种停车场车位可用性预测系统,其特征在于,包括:
第一获取模块,所述第一获取模块用以获取车主的当前位置信息、目的地位置信息和当前时间,并根据所述当前位置信息、目的地位置信息和当前时间计算车主的抵达时刻;
第二获取模块,所述第二获取模块用以根据所述目的地位置信息和预设的距离阈值获取预选停车场,并获取预选停车场在抵达时刻对应的多个历史车位可用值;
预测模块,所述预测模块用以将多个历史车位可用值输入到预测模型中,以通过所述预测模型计算所述预选停车场在抵达时刻对应的车位可用值。
10.如权利要求9所述的停车场车位可用性预测系统,其特征在于,通过所述预测模型计算所述预选停车场在抵达时刻对应的车位可用值,包括:
获取初始平滑系数,并根据所述初始平滑系数对多个历史车位可用值进行指数平滑,以得到相应的第一指数平滑值,以及根据所述第一指数平滑值生成对应的第一车位可用预测值;
根据阻尼最小二乘法、所述第一指数平滑值和所述第一车位可用预测值优化平滑系数,以得到最优平滑系数,并根据所述最优平滑系数对多个历史车位可用值进行指数平滑,以得到相应的第二指数平滑值,以及根据所述第二指数平滑值生成对应的第二车位可用预测值,以便根据所述第二车位可用预测值生成车位可用值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010984694.2A CN112201075B (zh) | 2020-09-18 | 2020-09-18 | 停车场车位可用性预测方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010984694.2A CN112201075B (zh) | 2020-09-18 | 2020-09-18 | 停车场车位可用性预测方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112201075A true CN112201075A (zh) | 2021-01-08 |
CN112201075B CN112201075B (zh) | 2022-05-10 |
Family
ID=74015504
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010984694.2A Active CN112201075B (zh) | 2020-09-18 | 2020-09-18 | 停车场车位可用性预测方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112201075B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113327333A (zh) * | 2021-04-08 | 2021-08-31 | 厦门路桥信息股份有限公司 | 停车位预约价格动态调整方法及装置 |
CN113487905A (zh) * | 2021-06-09 | 2021-10-08 | 海南漫游谷电子商务有限公司 | 一种停车场车位预测方法及服务器 |
CN114360286A (zh) * | 2022-01-14 | 2022-04-15 | 成都宜泊信息科技有限公司 | 一种停车场出租时段管理方法、系统、存储介质及设备 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20100090865A1 (en) * | 2008-10-14 | 2010-04-15 | Verizon Data Services, Llc | Systems and Methods for Recording Parking Space Information |
US20160140845A1 (en) * | 2014-11-19 | 2016-05-19 | Uber Technologies, Inc. | Parking identification and availability prediction |
CN106503840A (zh) * | 2016-10-17 | 2017-03-15 | 中国科学院深圳先进技术研究院 | 停车场可用车位预测方法及系统 |
JP2018041176A (ja) * | 2016-09-05 | 2018-03-15 | パナソニック インテレクチュアル プロパティ コーポレーション オブ アメリカPanasonic Intellectual Property Corporation of America | 駐車位置特定方法、駐車位置学習方法、駐車位置特定システム、駐車位置学習装置およびプログラム |
CN108417081A (zh) * | 2018-04-29 | 2018-08-17 | 武汉理工大学 | 一种路边临时停车管理优化方法 |
CN110415546A (zh) * | 2018-04-26 | 2019-11-05 | 中移(苏州)软件技术有限公司 | 泊车诱导方法、装置和介质 |
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 |
-
2020
- 2020-09-18 CN CN202010984694.2A patent/CN112201075B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20100090865A1 (en) * | 2008-10-14 | 2010-04-15 | Verizon Data Services, Llc | Systems and Methods for Recording Parking Space Information |
US20160140845A1 (en) * | 2014-11-19 | 2016-05-19 | Uber Technologies, Inc. | Parking identification and availability prediction |
JP2018041176A (ja) * | 2016-09-05 | 2018-03-15 | パナソニック インテレクチュアル プロパティ コーポレーション オブ アメリカPanasonic Intellectual Property Corporation of America | 駐車位置特定方法、駐車位置学習方法、駐車位置特定システム、駐車位置学習装置およびプログラム |
CN106503840A (zh) * | 2016-10-17 | 2017-03-15 | 中国科学院深圳先进技术研究院 | 停车场可用车位预测方法及系统 |
CN110415546A (zh) * | 2018-04-26 | 2019-11-05 | 中移(苏州)软件技术有限公司 | 泊车诱导方法、装置和介质 |
CN108417081A (zh) * | 2018-04-29 | 2018-08-17 | 武汉理工大学 | 一种路边临时停车管理优化方法 |
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 |
Non-Patent Citations (2)
Title |
---|
孙敏等: "基于非线性最小二乘法指数平滑系数估计", 《JOURNAL OF INTEGRATION TECHNOLOGY》 * |
张林军等: "平滑系数的最优估计方法研究", 《西安工业学院学报》 * |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113327333A (zh) * | 2021-04-08 | 2021-08-31 | 厦门路桥信息股份有限公司 | 停车位预约价格动态调整方法及装置 |
CN113327333B (zh) * | 2021-04-08 | 2022-12-13 | 厦门路桥信息股份有限公司 | 停车位预约价格动态调整方法及装置 |
CN113487905A (zh) * | 2021-06-09 | 2021-10-08 | 海南漫游谷电子商务有限公司 | 一种停车场车位预测方法及服务器 |
WO2022257281A1 (zh) * | 2021-06-09 | 2022-12-15 | 海南漫游谷电子商务有限公司 | 一种停车场车位预测方法及服务器 |
CN114360286A (zh) * | 2022-01-14 | 2022-04-15 | 成都宜泊信息科技有限公司 | 一种停车场出租时段管理方法、系统、存储介质及设备 |
CN114360286B (zh) * | 2022-01-14 | 2022-10-21 | 成都宜泊信息科技有限公司 | 一种停车场出租时段管理方法、系统、存储介质及设备 |
Also Published As
Publication number | Publication date |
---|---|
CN112201075B (zh) | 2022-05-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112201075B (zh) | 停车场车位可用性预测方法及系统 | |
Thibault et al. | A unified approach for electric vehicles range maximization via eco-routing, eco-driving, and energy consumption prediction | |
EP2428770B1 (en) | Vehicle navigation system | |
US10380503B2 (en) | Distributed online learning for privacy-preserving personal predictive models | |
CN105989737B (zh) | 一种停车诱导方法 | |
CN116187896B (zh) | 绿色车辆路径问题求解方法、装置、计算机设备以及介质 | |
TW202022718A (zh) | 車輛油耗預測方法、車輛導航方法及電子設備 | |
CN102033892A (zh) | 交通流历史标准数据的生成方法及系统 | |
De Nunzio et al. | Bi-objective eco-routing in large urban road networks | |
CN111476389A (zh) | 一种预估接单等待时长的方法及装置 | |
Nguyen et al. | Nonlinear grey Bernoulli model based on Fourier transformation and its application in forecasting the electricity consumption in Vietnam | |
CN116151499A (zh) | 一种基于改进模拟退火算法的智能多式联运路径规划方法 | |
Verstraete et al. | Consistent iterative algorithm for stochastic dynamic traffic assignment with a stable route set | |
CN116662815B (zh) | 时间预测模型的训练方法以及相关设备 | |
CN117308985A (zh) | 面向带负载约束的车辆路径规划方法、装置、设备及介质 | |
Leise et al. | Sustainable system design of electric powertrains—comparison of optimization methods | |
CN112488358A (zh) | 一种电动汽车充电路径规划方法和存储介质 | |
CN108627163A (zh) | 权值表维护方法、装置及导航路线规划方法、装置 | |
CN113420942B (zh) | 一种基于深度q学习的环卫车实时路线规划方法 | |
CN117668378A (zh) | 路线推荐方法和装置 | |
CN106779568B (zh) | 城市配送路径获取方法和系统 | |
CN116596174B (zh) | 综合成本与收益的路径规划方法、装置、设备及存储介质 | |
CN115081788B (zh) | 一种物流调度方法 | |
CN110942178A (zh) | 一种基于资源分配指标的链路预测方法的充电桩推荐方法 | |
CN116539056B (zh) | 一种路径规划方法、装置和电子设备 |
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 |