CN112613802A - 一种车位布局信息的生成方法和立体式停车系统 - Google Patents

一种车位布局信息的生成方法和立体式停车系统 Download PDF

Info

Publication number
CN112613802A
CN112613802A CN202110024294.1A CN202110024294A CN112613802A CN 112613802 A CN112613802 A CN 112613802A CN 202110024294 A CN202110024294 A CN 202110024294A CN 112613802 A CN112613802 A CN 112613802A
Authority
CN
China
Prior art keywords
parking
parking space
type
information
demand information
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
Application number
CN202110024294.1A
Other languages
English (en)
Inventor
王刚
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.)
Individual
Original Assignee
Individual
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 Individual filed Critical Individual
Priority to CN202110024294.1A priority Critical patent/CN112613802A/zh
Publication of CN112613802A publication Critical patent/CN112613802A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • G06Q10/06315—Needs-based resource requirements planning or analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/12—Computing arrangements based on biological models using genetic models
    • G06N3/126—Evolutionary algorithms, e.g. genetic algorithms or genetic programming
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Physics & Mathematics (AREA)
  • Human Resources & Organizations (AREA)
  • Theoretical Computer Science (AREA)
  • Strategic Management (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • Economics (AREA)
  • Evolutionary Biology (AREA)
  • Biophysics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Health & Medical Sciences (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Data Mining & Analysis (AREA)
  • Quality & Reliability (AREA)
  • Evolutionary Computation (AREA)
  • Development Economics (AREA)
  • Artificial Intelligence (AREA)
  • Marketing (AREA)
  • Operations Research (AREA)
  • Game Theory and Decision Science (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • General Engineering & Computer Science (AREA)
  • Physiology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Genetics & Genomics (AREA)
  • Biomedical Technology (AREA)
  • Computational Linguistics (AREA)
  • General Health & Medical Sciences (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Educational Administration (AREA)
  • Traffic Control Systems (AREA)

Abstract

本申请实施例涉及泊车技术领域，公开了一种车位布局信息的生成方法、装置、存储介质、电子设备和立体式停车系统，所述方法包括：获取历史时间区间内的第一车位需求信息；根据预设的时间粒度对所述第一车位需求信息进行分类处理得到多个子车位需求信息；基于MA(moving average，滑动平均)模型和所述多个子车位需求信息预测未来时间区间内的第二车位需求信息；根据所述第二车位需求信息生成车位布局信息。本申请可以提高停车场空间的利用率和车位数量，基于预设时间频率改变停车场的车位布局，贴合实际车位需求情况，有效缓解停车位紧张的问题。

Description

一种车位布局信息的生成方法和立体式停车系统
技术领域
本申请涉及泊车技术领域，尤其涉及一种车位布局信息的生成方法、装置、存储介质、电子设备和立体式停车系统。
背景技术
随着经济的迅速发展，生活水平的不断提高，小汽车保有量也急剧增加，导致城市中停车越来越困难。现有停车位一般采用固定大小，为了兼顾SUV、越野等大型车辆顺利停车，车位与行车道一般预留空间较大，但是，针对微小型车辆而言，这些车位就浪费了不少空间。其次，现有停车场主要采用由驾驶员人工停车模式，耗时长、对驾驶员停车技术要求高。在商场、写字楼、住宅小区等重点区域，由于停车位需求较大的问题，造成车位紧张以及公众出行困难的现象。
有鉴于此，提出了本发明以便提供一种克服上述问题或者至少部分地解决上述问题的一种车位布局信息的生成方法、装置、存储介质、电子设备和立体式停车系统。
发明内容
本申请实施例提供了一种车位布局信息的生成方法、装置、存储介质、电子设备和立体式停车系统，可以提高停车场空间的利用率和车位数量，基于预设时间频率改变停车场的车位布局，贴合实际车位需求情况，有效缓解停车位紧张的问题。所述技术方案如下：
第一方面，本申请实施例提供一种车位布局信息的生成方法，包括：
获取历史时间区间内的第一车位需求信息；
根据预设的时间粒度对所述第一车位需求信息进行分类处理得到多个子车位需求信息；
基于MA(moving average，滑动平均)模型和所述多个子车位需求信息预测未来时间区间内的第二车位需求信息；
根据所述第二车位需求信息生成车位布局信息。
第二方面，本申请实施例提供一种车位布局信息的生成装置，其特征在于，所述装置包括：
获取模块，获取历史时间区间内的第一车位需求信息；
分类模块，根据预设的时间粒度对所述第一车位需求信息进行分类处理得到多个子车位需求信息；
预测模块，基于MA模型和所述多个子车位需求信息预测未来时间区间内的第二车位需求信息；
布局模块，根据所述第二车位需求信息生成车位布局信息。
第三方面，本申请实施例提供一种计算机存储介质，所述计算机存储介质存储有多条指令，所述指令适于由处理器加载并执行上述的方法步骤。
第四方面，本申请实施例提供一种电子设备，可包括：处理器和存储器；其中，所述存储器存储有计算机程序，所述计算机程序适于由所述处理器加载并执行上述的方法步骤。
第五方面，本申请实施例提供一种立体式停车系统，包括上述车位布局信息的生成装置；
其中，所述立体式停车系统还包括：搬运装置、第一类停车架和第二类停车架和立体式停车场。
本申请一些实施例提供的技术方案带来的有益效果至少包括：根据历史时间区间内的第一车位需求信息，基于MA模型生成未来时间区间内的第二车位需求信息，基于预设时间频率和第二车位需求信息改变立体式停车场的车位布局情况，以使立体式停车场的车位数量更贴合实际车位需求情况，以及利用第一类停车架和第二类停车架进一步提高立体式停车场的空间利用率，极大程度地提高车位数量，提高车位布局的合理性和实用性，有效缓解车位紧张的问题。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1是本申请实施例提供的一种车位布局信息的生成方法的流程示意图；
图2是本申请实施例提供的生成第二车位需求信息的流程示意图；
图3是本申请实施例提供的一种立体式停车场的平面示意图；
图4是本申请实施例提供的一种生成车位布局信息的流程示意图；
图5是本申请实施例提供的一种搬运装置和停车架的结构示意图；
图6是本申请实施例提供的一种车位布局信息的生成装置的结构示意图；
图7是本申请实施例提供的一种电子设备的结构示意图。
具体实施方式
下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
在本申请的描述中，需要理解的是，术语“第一”、“第二”等仅用于描述目的，而不能理解为指示或暗示相对重要性。在本申请的描述中，需要说明的是，除非另有明确的规定和限定，“包括”和“具有”以及它们任何变形，意图在于覆盖不排他的包含。例如包含了一系列步骤或单元的过程、方法、系统、产品或设备没有限定于已列出的步骤或单元，而是可选地还包括没有列出的步骤或单元，或可选地还包括对于这些过程、方法、产品或设备固有的其他步骤或单元。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本申请中的具体含义。此外，在本申请的描述中，除非另有说明，“多个”是指两个或两个以上。“和/或”，描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。字符“/”一般表示前后关联对象是一种“或”的关系。
下面结合具体的实施例对本申请进行详细说明。
如图1所示，为本申请实施例提供的一种车位布局信息的生成方法的流程示意图，包括下述步骤:
S101、获取历史时间区间内的第一车位需求信息。
历史时间区间，可以理解为以当前时间T0为起始时间，以某个过去时间T1为终止时间的时间区间。举例来说，当前时间T0为2020年12月1号的0点，过去时间T1为2020年11月1号的0点，此时历史时间区间为2020年11月1号的0点到11月30号的24点。
第一车位需求信息，可以理解为在历史时间区间内的车位需求情况，包括实际停车数量、预约停车数量、停车车辆的尺寸数据、停车时间等各种车位需求信息。举例来说，在历史时间11月1号到11月30号中，实际停车数量共10000辆，其中包括小型车3000辆，大型车7000辆，预约停车但没有停车的数量800辆，发送了停车请求但因为停车位不够没有成功停车的数量1500辆。
在本申请实施例中，第一车位需求信息主要包括第一类车辆和第二车辆的停车数量。其中，第一类车辆和第二类车辆在于尺寸数据不相同，例如，第一类车辆指车长小于M米的车辆，第二类车辆指车长大于M米的车辆，M的取值可以是3.4m、3.3m等其他合理取值；或第一类车辆指吨数小于N的车辆，第二类车辆指吨数大于N的车辆，N的取值可以是1吨或0.9吨等其他合理取值。停车数量包括成功停放、预约成功但没有成功停放、来过停车场但没有成功停放的车辆数量等车辆数量，例如，成功停放1000辆，预约成功但没有成功停放的车辆1500辆，来过停车场但没有成功停放的车辆数量1200辆。采用本申请实施例至少具有以下益处：停放数量除包括成功停放的车辆数量，还包括试图停车但因车位不足没有成功停车的数量，更贴合实际的停车需求数量，完善计算模型，减少未来预测值与未来实际值的偏差。
在另一个申请实施例中，还包括第三类停车架、第四类停车架等，基于尺寸数据将车辆分为第三类车辆和第四类车辆。采用本申请实施例至少具有以下益处：更详细的划分可以更大程度地提高立体式停车场的空间利用率，更加合理地规划停车位。
处理器基于预设指令在存储介质中调取历史时间区间内的第一车位需求信息。例如，处理器内存储有每个月30号调取上个月的第一车位需求信息的预设指令；当检测到当前时刻为11月30号的24点时，基于上述预设指令，调取存储介质中的第一车位需求信息。
S102、根据预设的时间粒度对第一车位需求信息进行分类处理得到多个子车位需求信息。
时间粒度，可以理解为管理时间的基本单位，例如，以天为单位，或以每周为单位。
多个子车位需求信息，可以理解为基于预设规则将第一车位需求信息这个总集划分为多个子集，包括第一子车位需求信息、第二子车位需求信息等。例如，第一子车位需求信息包括第一类车辆的停放数量，第二子车位需求信息包括第二类车辆的停放数量。可以理解的是，停车数量包括成功停放、预约成功但没有成功停放、来过停车场但没有成功停放的车辆数量等车辆数量。
处理器获取了历史时间区间内的第一车位需求信息后，根据时间粒度为历史时间区间内的第一车位需求信息进行分类统计，获取多个子车位需求信息。举例来说，历史时间区间指11月1号到11月30号，第一车位需求信息包括11月1号到11月30号中，第一类车辆的停车数量为4000辆，第二类车辆的停车数量为6000辆；时间粒度为天，第一子车位需求信息包括：11月1号第一类车辆的停放数量为100辆，第二类车辆的停放数量为200辆；第二子车位需求信息包括：11月2号第一类车辆的停放数量为80辆，第二类车辆的停放数量为180辆；第三类子车位需求信号包括11月3号……以此类推。时间粒度可以是半天、一天、三天等其他合理数值，上述仅为其中一种情况。
S103、基于MA模型和多个子车位需求信息预测未来时间区间内的第二车位需求信息。
MA(moving average，滑动平均)模型，是ARMA(auto regression movingaverage，自回归移动平均)模型的一种，ARMA模型是基于时间序列分析法建立的一种算法模型。时间序列，也叫时间数列、历史复数或动态数列，是将某种统计指标的数值按时间先后顺序排列所形成的数列，其基本点是每一序列包含了产生该序列的系统历史行为的全部信息。时间序列分析法就是通过编制和分析时间序列，根据时间序列所反映出来的发展过程、方向和趋势，进行类推或延伸，借以预测下一段时间或以后若干年内可能达到的水平。
未来时间区间，可以理解为以当前时间T0为起始时间，以某个未来时间T2为终止时间的时间区间。举例来说，当前时间T0为2020年12月1号的0点，未来时间T2为2020年12月7号的24点，此时未来时间区间为2020年12月1号的0点到12月7号的24点。
第二车位需求信息，可以理解为在未来时间区间内的预测车位需求情况，包括预测停车数量、预约停车数量、停车车辆的尺寸数据、停车时间等各种车位需求信息。举例来说，在未来时间区间为2020年12月1号到12月7号，预测停车数量共10000辆，其中包括小型车3000辆，大型车7000辆。。
在一个申请实施例中，如图2所示，为本申请实施例提供的生成第二车位需求信息的流程示意图，包括下述步骤：
S201、根据滑动平均算法对多个子车位需求信息进行至少一次平滑处理，得到多个待处理车位需求信息。
根据历史时间区间内的第一车位需求信息预测未来时间区间的第二车位需求信息，即根据实际数据获取预测数据，该预测数据会包括确定性成分和随机性成分，前者为所需的测量结果或有效信号，后者即随机起伏的测试误差或噪声。为了更精确地表示预测数据，抑制预测误差的影响，常对实际数据作平滑和滤波处理。
在本申请实施例中，采用滑动平均算法对子车位需求信息做平滑和滤波处理，滑动平均算法是指沿全部N个数据，不断逐个滑动地取m个相邻数据作加权平均的算法。参考以下公式对子车位需求信息进行处理：
Figure BDA0002889642760000061
其中，{yk}表示多个子车位需求信息，{fk}表示一次平滑处理后得到多个待处理车位需求信息，ωi为权系数，且
Figure BDA0002889642760000062
p、q为小于m的任一正整数，且p+q+1＝m，N为所述子车位需求信息的数量。
举例来说，当ωi＝1/m，即上述公式为做等权算术平均时，可写做下式：
Figure BDA0002889642760000063
举例来说，取m＝3，N＝30，历史时间区间为11月1号到11月30号，时间粒度为天，则第一子车位需求信息y1为11月1号的车位需求信息，第二子车位需求信息y2为11月2号的车位需求信息，第三子车位需求信息y3为11月3号的车位需求信息，以此类推，依上述公式，则第一待处理车位需求信息f1的计算公式为：
Figure BDA0002889642760000071
第三待处理车位需求信息f2的计算公式为：
Figure BDA0002889642760000072
以此类推，获得对多个子车位需求信息进行一次平滑处理后的待处理车位需求信息。
本申请一些实施例提供的技术方案带来的有益效果至少包括：通过滑动平均后，可滤掉第一车位需求信息中频繁随机起伏，显示出平滑的变化趋势，同时还可得出随机误差的变化过程，从而可以估计出其统计特征量；滑动平均算法简便，计算量较小，尤其可采用递推形式来计算，可节省存贮单元，快速且便于实时处理非平稳数据等。
S202、根据所述MA模型对多个待处理车位需求信息和未来时间区间的长度值，得到未来时间区间内的第二车位需求信息。
未来时间区间的长度值可以理解为未来时间区间的起始时间和终止时间之间的差值，优选的，以天为单位。例如，未来时间区间为12月1号到12月7号，长度值为7。在另一个实施例中，未来时间区间的长度值以上述时间粒度为单位，例如，时间粒度为3天，未来时间区间为12月1号到12月3号，则未来时间区间的长度值为3。
基于步骤S201获取的多个待处理车位需求信息，和未来时间区间的长度值根据MA模型计算得到未来时间区间内的第二车位需求信息，上述MA模型已训练至收敛。
举例来说，历史时间区间为11月1号到11月30号，子车位需求信息包括：第一子车位需求信息y1：11月1号第一类车辆的停放数量为100辆，第二类车辆的停放数量为200辆；第二子车位需求信息y2：11月2号第一类车辆的停放数量为80辆，第二类车辆的停放数量为180辆；第三子车位需求信息y3：11月3号第一类车辆的停放数量为120辆，第二类车辆的停放数量为220辆，第四子车位需求信息……经过一次平滑处理后，第一待处理子车位需求信息f1：11月2号第一类车辆的停放数量为100辆，第二类车辆的停放数量为200辆，第二待处理子车位需求信息f2……未来时间区间为12月1号到12月7号，长度值为7，将多个待处理车位需求信息和未来时间区间的长度值根据MA模型计算得到未来时间区间12月1号到12月7号的第二车位需求信息：立体式停车场内应-需要150个第一类车辆的停车位和220个第二类车辆的停车位。
本申请一些实施例提供的技术方案带来的有益效果至少包括：基于MA模型和滑动平均算法的计算过程简便，计算量较小，尤其可采用递推形式来计算，可节省存贮单元，快速且便于实时处理非平稳数据；相比于AR(auto regression model，自回归)模型和ARMA(auto regression moving average，自滑动回归)模型，处理速度更快。
在另一个申请实施例中，由历史时间区间内的第一车位需求信息得到未来时间区间的第二车位需求信息还包括利用AR模型或ARMA模型进行计算，采用本申请实施例的益处在于：ARMA模型和AR模型比MA模型有更精确的参数估计和较优良的预测性能，预测值更贴合实际，对复杂数据的适应性较好。
S104、根据第二车位需求信息生成车位布局信息。
车位布局信息，包括第一类停车架的第一实际数量和第二类停车架的第二实际数量，以及第一类停车架的放置坐标和第二类停车架的放置坐标，上述摆放包括第一类停车架中各个第一类停车架的坐标(X1，Y1，Z1)，即第X1行第Y1列第Z1层，以及第二类停车架中各个第二类停车架的坐标(X2，Y2，Z2)，即第X2行第Y2列第Z2层。
可以理解的是，本申请实施例提供了一种立体式停车场，该立体式停车场可以理解为利用空间资源，把车辆进行立体停放，节约土地并最大化利用的新型停车场。
如图3所示，为本申请实施例提供的一种立体式停车场的平面示意图，该立体式停车场包括：立体式停车场301、第一类停车架302和第二类停车架303，第一类停车架302上停放第一类车辆304，第二类停车架303上停放第二类车辆305。例如，第一类车辆304是小轿车，第二类车辆是厢式货车、面包车、全尺寸皮卡等车辆，立体式停车场301是修建在小区内的一座地面停车库，其内设置有多个金属停车母架，一个金属停车母架设置有多层结构，每层可以放置多个第一类停车架302和第二类停车架303。
在一个申请实施例中，如图4所示，为本申请实施例提供的一种生成车位布局信息的流程示意图，包括下述步骤:
S401、获取立体式停车场的尺寸数据、第一类停车架的第一尺寸数据和第二类停车架的第二尺寸数据。
立体式停车场的尺寸数据，可以理解为包括：立体式停车场中供停车架摆放的总面积、供停车架摆放的金属停车母架的长和宽、以及停车位可能的最大值和最小值等数据。例如，立体式停车场中供停车架摆放的总面积为4000m2，当全摆放第一类停车架时可以摆放400个，当全摆放第二类停车架时可以摆放300个，金属停车母架共4层。
第一类停车架的第一尺寸数据包括：第一类停车架的长宽数值，第二类停车架的第二尺寸数据包括：第二类停车架的长宽数值。例如，第一类停车架的第一尺寸数据L1为4m×2m，第二类停车架的第二尺寸数据L2为6m×3m。
处理器获取立体式停车场的尺寸数据、第一类停车架的第一尺寸数据和第二类停车架的第二尺寸数据，以备后续计算。
S402、根据第二车位需求信息生成第一类停车架的第一需求数量和第二类停车架的第二需求数量。
第一类停车架的第一需求数量和第二类停车架的第二需求数量，可以理解为根据第二车位需求信息解析得到的未来时间区间内第一类车辆的停车数量和第二类车辆的停车数量推算得到的需求数量。
举例来说，未来时间区间内第二车位需求信息包括：第一类车辆的停车数量100辆，第二类车辆的停车数量为200辆，则第一类停车架的第一需求数量为100个，第二类停车架的第二需求数量为200个。
S403、基于第一需求数量、第二需求数量、尺寸数据、第一尺寸数据和第二尺寸数据，生成车位布局信息。
上述车位布局信息中包括第一类停车架的第一实际数量和第二类停车架的第二实际数量。第一类停车架的第一实际数量和第二类停车架的第二实际数量，可以理解为基于立体式停车场的容纳量的前提，且满足停车架的需求数量的情况下，布置在立体式停车场内的停车架的实际数量。可以理解的是，实际数量≤需求数量。
上述步骤中，生成第二车位布局信息的算法可以是遗传、蚁群、模拟退火等智能搜索算法，算法的核心思想是：约束满足条件下的最优规划问题，即：第一类停车架的第一实际数量G1满足第一需求数量E1，第二类停车架的第二实际数量G2满足第二需求数量E2的条件下，第一实际数量G1和第二实际数量G2满足和为最大值Max(G1+G2)。本申请实施例不对具体算法做指定。
举例来说，未来时间区间内第一类停车架的第一需求数量E1为200个，第二类停车架的第二需求数量E2为100个；立体式停车场中供停车架摆放的总面积为4000m2，当全摆放第一类停车架时可以摆放400个，当全摆放第二类停车架时可以摆放300个；基于遗传、蚁群、模拟退火等智能搜索算法，得到第一类停车架的第一实际数量G1为180个。第二类停车架的第二实际数量G2为100个。
本申请一些实施例提供的技术方案带来的有益效果至少包括：在预测出停车架的需求数量后基于尺寸数据计算出停车架的实际数量，以最大程度地利用立体式停车场的空间，提高停车位的数量，有效缓解停车位紧张的问题。
在一个申请实施例中，上述生成车位布局信息还包括：基于遗传算法，搜索最优的车位布局信息；其中，最优解的判断条件为第一实际数量和第二实际数量之和为最大值；确定所述第一类停车架的第一实际数量与摆放位置，以及所述第二类停车架的第二实际数量与摆放位置；若为否，则基于遗传迭代法更新车位布局信息。
遗传算法可以理解为起始于一组初始解，即一个初始种群。设计合理的初始化种群不仅能加快算法的收敛，而且能使算法收敛于全局最优解的可能性加大，然后通过遗传迭代的计算模型计算出第一类停车架的第一实际数量和第二类停车架的第二实际数量。启发式方法即设计合理的规则，根据预设规则生成候选解。根据车位布局规划问题的特点，同样大小的停车场内，单位面积越小安排的车位则越多，所以首先安排第一类停车架，按照先纵向后横向的顺序进行排列，然后再安排第二类停车架。
举例来说，经过一次遗传迭代后得到第一类停车架的第一实际数量G1为140个，第二类停车架的第二实际数量G2为220个；基于第一需求数量、第二需求数量、尺寸数据、第一尺寸数据和第二尺寸数据等约束条件，再次经过n次遗传迭代后得到第一类停车架的第一实际数量G3仍为140个，第二类停车架的第二实际数量G4仍为220个，则该车位布局信息即是最优解。
本申请一些实施例提供的技术方案带来的有益效果至少包括：以最大程度地利用立体式停车场的空间，提高停车位的数量，有效缓解停车位紧张的问题。
在一个申请实施例中，根据第二车位需求信息生成车位布局信息后，还包括：基于未来时间区间，获取起始日期；基于起始日期和车位布局信息，向搬运装置发送搬运控制信息；其中，搬运控制信息用于指示搬运装置将第一类停车架和第二类停车架放置在立体式停车场内。
车位布局信息还包括每一个第一类停车架的布置位置和每一个第二类停车架的布置位置。
如图5所示，为本申请实施例提供的一种搬运装置和停车架的结构示意图，包括：第一类停车架302、停车母架501和搬运装置502。停车母架501用来放置第一类停车架302和第二类停车架(图中未示意)，搬运装置502用于将第一类停车架302和第二类停车架基于搬运控制信息搬运到停车母架501上。
可以理解的是，立体式停车场内包括多座停车母架，停车母架设置有多层平台，用于放置停车架，且每层内设置供车辆平移的平移通道，且每个停车母架配设纵向的升降井道，升降井道与每层停车层之间设置进出口，进出口连通同一层的平移通道。搬砖装置502包括：升降井道内设置的升降台、控制升降台的升降系统、搬运车辆和停车架的移动小车、以及为移动小车提供动力的动力系统等。上述平移通道内设置纵向轨道，移动小车在轨道的限制下移动，在纵向轨道的作用下，移动小车的移动更加精准、通畅。
举例来说，未来时间区间为12月1号到12月6号，则处理器获取未来时间区间的起始时间12月1号，且解析车位布局信息，得到第一类停车架的第一实际数量G1为140个，第二类停车架的第二实际数量G2为220个，处理器向搬运装置502发送搬运控制信息；搬运装置502接收该搬运控制信息，将140个第一类停车架按照搬运控制信息内摆放在停车母架501的第四层和第三层，将220个第二类停车架按照搬控制信息摆放在在停车母架501的第一层和第二层。
本申请一些实施例提供的技术方案带来的有益效果至少包括：根据历史时间区间内的第一车位需求信息，基于MA模型生成未来时间区间内的第二车位需求信息，基于预设时间频率和第二车位需求信息改变立体式停车场的车位布局情况，以使立体式停车场的车位数量更贴合实际车位需求情况，以及利用第一类停车架和第二类停车架进一步提高立体式停车场的空间利用率，极大程度地提高车位数量，提高车位布局的合理性和实用性，有效缓解车位紧张的问题。
上述本申请实施例序号仅仅为了描述，不代表实施例的优劣。
下述为本申请装置实施例，可以用于执行本申请方法实施例。对于本申请装置实施例中未披露的细节，请参照本申请方法实施例。
如图6所示，为本申请实施例提供的一种车位布局信息的生成装置的结构示意图。该车位布局信息的生成装置可以通过软件、硬件或者两者的结合实现成为装置的全部或一部分。车位布局信息的生成装置包括：
获取模块601，获取历史时间区间内的第一车位需求信息；
分类模块602，根据预设的时间粒度对所述第一车位需求信息进行分类处理得到多个子车位需求信息；
预测模块603，基于MA模型和所述多个子车位需求信息预测未来时间区间内的第二车位需求信息；
布局模块604，根据所述第二车位需求信息生成车位布局信息。
可选的，所述车位布局信息的生成装置还包括：
平滑处理模块，根据滑动平均算法对所述多个子车位需求信息进行至少一次平滑处理，得到多个待处理车位需求信息；
得到需求模块，根据所述MA模型对所述多个待处理车位需求信息和所述未来时间区间的长度值，得到所述未来时间区间内的第二车位需求信息。
可选的，所述车位布局信息的生成装置还包括：
获取模块，获取立体式停车场的尺寸数据、第一类停车架的第一尺寸数据和第二类停车架的第二尺寸数据；其中，所述第一类停车架和所述第二类停车架的尺寸数据不相同，所述第一类停车架用于停放第一类车辆，所述第二类停车架用于停放第二类车辆；
生成需求模块，根据所述第二车位需求信息生成所述第一类停车架的第一需求数量和所述第二类停车架的第二需求数量；
生成布局模块，基于所述第一需求数量、所述第二需求数量、所述尺寸数据、所述第一尺寸数据和所述第二尺寸数据，生成所述车位布局信息；所述车位布局信息包括所述第一类停车架的第一实际数量与摆放位置和所述第二类停车架的第二实际数量与摆放位置。
可选的，所述车位布局信息的生成装置还包括：
搜索模块，基于遗传算法，搜索最优的车位布局信息；其中，所述最优的车位布局信息的判断条件为所述第一实际数量和所述第二实际数量之和为最大值；
确定模块，若为是，则确定所述第一类停车架的第一实际数量与摆放位置，以及所述第二类停车架的第二实际数量与摆放位置；
更新模块，若为否，则基于遗传迭代法更新所述车位布局信息。
可选的，所述车位布局信息的生成装置还包括：
获取模块，基于所述未来时间区间，获取起始日期；
搬运模块，基于所述起始日期和所述车位布局信息，向搬运装置发送搬运控制信息；其中，所述搬运控制信息用于指示所述搬运装置将所述第一类停车架和所述第二类停车架放置在所述立体式停车场内。
需要说明的是，上述实施例提供的车位布局信息的生成装置在执行车位布局信息的生成方法时，仅以上述各功能模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能模块完成，即将设备的内部结构划分成不同的功能模块，以完成以上描述的全部或者部分功能。另外，上述实施例提供的车位布局信息的生成装置与车位布局信息的生成方法实施例属于同一构思，其体现实现过程详见方法实施例，这里不再赘述。
本申请根据历史时间区间内的第一车位需求信息，基于MA模型生成未来时间区间内的第二车位需求信息，基于预设时间频率和第二车位需求信息改变立体式停车场的车位布局情况，以使立体式停车场的车位数量更贴合实际车位需求情况，以及利用第一类停车架和第二类停车架进一步提高立体式停车场的空间利用率，极大程度地提高车位数量，提高车位布局的合理性和实用性，有效缓解车位紧张的问题。
本申请实施例还提供了一种计算机存储介质，所述计算机存储介质可以存储有多条指令，所述指令适于由处理器加载并执行如上述图1-图2所示实施例的所述图像来源追踪方法，具体执行过程可以参见图1-图2所示实施例的具体说明，在此不进行赘述。
本申请还提供了一种计算机程序产品，该计算机程序产品存储有至少一条指令，所述至少一条指令由所述处理器加载并执行如上述图1-图2所示实施例的所述图像来源追踪方法，具体执行过程可以参见图1-图2所示实施例的具体说明，在此不进行赘述。
请参见图7，为本申请实施例提供了一种电子设备的结构示意图。如图7所示，所述电子设备7可以包括：至少一个处理器701，至少一个网络接口704，用户接口703，存储器705，至少一个通信总线702。
其中，通信总线702用于实现这些组件之间的连接通信。
其中，用户接口703可以包括显示屏(Display)、摄像头(Camera)，可选用户接口703还可以包括标准的有线接口、无线接口。
其中，网络接口704可以包括标准的有线接口、无线接口(如Wi-Fi接口)。
其中，处理器701可以包括一个或者多个处理核心。处理器701利用各种借口和线路连接整个终端700内的各个部分，通过运行或执行存储在存储器705内的指令、程序、代码集或指令集，以及调用存储在存储器705内的数据，执行终端700的各种功能和处理数据。可选的，处理器701可以采用数字信号处理(Digital Signal Processing，DSP)、现场可编程门阵列(Field-Programmable Gate Array，FPGA)、可编程逻辑阵列(Programmable LogicArray，PLA)中的至少一种硬件形式来实现。处理器701可集成中央处理器(CentralProcessing Unit，CPU)、图像处理器(Graphics Processing Unit，GPU)和调制解调器等中的一种或几种的组合。其中，CPU主要处理操作系统、用户界面和应用程序等；GPU用于负责显示屏所需要显示的内容的渲染和绘制；调制解调器用于处理无线通信。可以理解的是，上述调制解调器也可以不集成到处理器701中，单独通过一块芯片进行实现。
其中，存储器705可以包括随机存储器(Random Access Memory，RAM)，也可以包括只读存储器(Read-Only Memory)。可选的，该存储器705包括非瞬时性计算机可读介质(non-transitory computer-readable storage medium)。存储器705可用于存储指令、程序、代码、代码集或指令集。存储器705可包括存储程序区和存储数据区，其中，存储程序区可存储用于实现操作系统的指令、用于至少一个功能的指令(比如触控功能、声音播放功能、图像播放功能等)、用于实现上述各个方法实施例的指令等；存储数据区可存储上面各个方法实施例中涉及到的数据等。存储器705可选的还可以是至少一个位于远离前述处理器701的存储装置。如图7所示，作为一种计算机存储介质的存储器705中可以包括操作系统、网络通信模块、用户接口模块以及驱动文件的加载应用程序。
在图7所示的电子设备700中，用户接口703主要用于为用户提供输入的接口，获取用户输入的数据；而处理器701可以用于调用存储器705中存储的驱动文件的加载应用程序，并具体执行以下操作：
获取历史时间区间内的第一车位需求信息；
根据预设的时间粒度对所述第一车位需求信息进行分类处理得到多个子车位需求信息；
基于MA(moving average，滑动平均)模型和所述多个子车位需求信息预测未来时间区间内的第二车位需求信息；
根据所述第二车位需求信息生成车位布局信息。
在一个实施例中，处理器701还用于：
根据滑动平均算法对所述多个子车位需求信息进行至少一次平滑处理，得到多个待处理车位需求信息；
根据所述MA模型对所述多个待处理车位需求信息和所述未来时间区间的长度值，得到所述未来时间区间内的第二车位需求信息。
在一个实施例中，处理器701还用于根据滑动平均算法对所述多个子车位需求信息进行至少一次平滑处理，基于以下公式：
Figure BDA0002889642760000161
其中，{yk}表示所述多个子车位需求信息，{fk}表示一次平滑处理后得到所述多个待处理车位需求信息，ωi为权系数，且
Figure BDA0002889642760000162
p、q为小于m的任一正整数，且p+q+1＝m，N为所述子车位需求信息的数量。
在一个实施例中，处理器701还用于：
获取立体式停车场的尺寸数据、第一类停车架的第一尺寸数据和第二类停车架的第二尺寸数据；其中，所述第一类停车架和所述第二类停车架的尺寸数据不相同，所述第一类停车架用于停放第一类车辆，所述第二类停车架用于停放第二类车辆；
根据所述第二车位需求信息生成所述第一类停车架的第一需求数量和所述第二类停车架的第二需求数量；
基于所述第一需求数量、所述第二需求数量、所述尺寸数据、所述第一尺寸数据和所述第二尺寸数据，生成所述车位布局信息；所述车位布局信息包括所述第一类停车架的第一实际数量与摆放位置和所述第二类停车架的第二实际数量与摆放位置。
在一个实施例中，处理器701还用于：
基于遗传算法，搜索最优的车位布局信息；其中，所述最优的车位布局信息的判断条件为所述第一实际数量和所述第二实际数量之和为最大值；
若为是，则确定所述第一类停车架的第一实际数量与摆放位置，以及所述第二类停车架的第二实际数量与摆放位置；
若为否，则基于遗传迭代法更新所述车位布局信息。
在一个实施例中，处理器701还用于：
基于所述未来时间区间，获取起始日期；
基于所述起始日期和所述车位布局信息，向搬运装置发送搬运控制信息；其中，所述搬运控制信息用于指示所述搬运装置将所述第一类停车架和所述第二类停车架放置在所述立体式停车场内。
本申请根据历史时间区间内的第一车位需求信息，基于MA模型生成未来时间区间内的第二车位需求信息，基于预设时间频率和第二车位需求信息改变立体式停车场的车位布局情况，以使立体式停车场的车位数量更贴合实际车位需求情况，以及利用第一类停车架和第二类停车架进一步提高立体式停车场的空间利用率，极大程度地提高车位数量，提高车位布局的合理性和实用性，有效缓解车位紧张的问题。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的程序可存储于一计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，所述的存储介质可为磁碟、光盘、只读存储记忆体或随机存储记忆体等。
以上所揭露的仅为本申请较佳实施例而已，当然不能以此来限定本申请之权利范围，因此依本申请权利要求所作的等同变化，仍属本申请所涵盖的范围。

Claims (10)

1.一种车位布局信息的生成方法，其特征在于，所述方法包括：
获取历史时间区间内的第一车位需求信息；
根据预设的时间粒度对所述第一车位需求信息进行分类处理得到多个子车位需求信息；
基于MA(moving average，滑动平均)模型和所述多个子车位需求信息预测未来时间区间内的第二车位需求信息；
根据所述第二车位需求信息生成车位布局信息。
2.根据权利要求1所述车位布局信息的生成方法，其特征在于，所述基于MA模型和所述多个子车位需求信息预测未来时间区间内的第二车位需求信息，包括：
根据滑动平均算法对所述多个子车位需求信息进行至少一次平滑处理，得到多个待处理车位需求信息；
根据所述MA模型对所述多个待处理车位需求信息和所述未来时间区间的长度值，得到所述未来时间区间内的第二车位需求信息。
3.根据权利要求2所述车位布局信息的生成方法，其特征在于，所述根据滑动平均算法对所述多个子车位需求信息进行至少一次平滑处理，基于以下公式：
Figure FDA0002889642750000011
其中，{yk}表示所述多个子车位需求信息，{fk}表示一次平滑处理后得到所述多个待处理车位需求信息，ωi为权系数，且
Figure FDA0002889642750000012
p、q为小于m的任一正整数，且p+q+1＝m，N为所述子车位需求信息的数量。
4.根据权利要求1所述车位布局信息的生成方法，其特征在于，所述根据所述第二车位需求信息生成车位布局信息，包括：
获取立体式停车场的尺寸数据、第一类停车架的第一尺寸数据和第二类停车架的第二尺寸数据；其中，所述第一类停车架和所述第二类停车架的尺寸数据不相同，所述第一类停车架用于停放第一类车辆，所述第二类停车架用于停放第二类车辆；
根据所述第二车位需求信息生成所述第一类停车架的第一需求数量和所述第二类停车架的第二需求数量；
基于所述第一需求数量、所述第二需求数量、所述尺寸数据、所述第一尺寸数据和所述第二尺寸数据，生成所述车位布局信息；所述车位布局信息包括所述第一类停车架的第一实际数量与摆放位置和所述第二类停车架的第二实际数量与摆放位置。
5.根据权利要求4所述车位布局信息的生成方法，其特征在于，还包括：
基于遗传算法，搜索最优的车位布局信息；其中，所述最优的车位布局信息的判断条件为所述第一实际数量和所述第二实际数量之和为最大值；
若为是，则确定所述第一类停车架的第一实际数量与摆放位置，以及所述第二类停车架的第二实际数量与摆放位置；
若为否，则基于遗传迭代法更新所述车位布局信息。
6.根据权利要求4所述车位布局信息的生成方法，其特征在于，还包括：
基于所述未来时间区间，获取起始日期；
基于所述起始日期和所述车位布局信息，向搬运装置发送搬运控制信息；其中，所述搬运控制信息用于指示所述搬运装置将所述第一类停车架和所述第二类停车架放置在所述立体式停车场内。
7.一种车位布局信息的生成装置，其特征在于，所述装置包括：
获取模块，获取历史时间区间内的第一车位需求信息；
分类模块，根据预设的时间粒度对所述第一车位需求信息进行分类处理得到多个子车位需求信息；
预测模块，基于MA模型和所述多个子车位需求信息预测未来时间区间内的第二车位需求信息；
布局模块，根据所述第二车位需求信息生成车位布局信息。
8.一种计算机存储介质，其特征在于，所述计算机存储介质存储有多条指令，所述指令适于由处理器加载并执行如权利要求1～6任意一项的方法步骤。
9.一种电子设备，其特征在于，包括：处理器和存储器；其中，所述存储器存储有计算机程序，所述计算机程序适于由所述处理器加载并执行如权利要求1～6任意一项的方法步骤。
10.一种立体式停车系统，其特征在于，包括权利要求7所述车位布局信息的生成装置；
其中，所述立体式停车系统还包括：搬运装置、第一类停车架和第二类停车架和立体式停车场。
CN202110024294.1A 2021-01-08 2021-01-08 一种车位布局信息的生成方法和立体式停车系统 Pending CN112613802A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110024294.1A CN112613802A (zh) 2021-01-08 2021-01-08 一种车位布局信息的生成方法和立体式停车系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110024294.1A CN112613802A (zh) 2021-01-08 2021-01-08 一种车位布局信息的生成方法和立体式停车系统

Publications (1)

Publication Number Publication Date
CN112613802A true CN112613802A (zh) 2021-04-06

Family

ID=75253568

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110024294.1A Pending CN112613802A (zh) 2021-01-08 2021-01-08 一种车位布局信息的生成方法和立体式停车系统

Country Status (1)

Country Link
CN (1) CN112613802A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114491778A (zh) * 2022-04-07 2022-05-13 深圳小库科技有限公司 基于人机交互的车位排布生成方法、装置、设备及介质

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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
CN107134170A (zh) * 2017-07-04 2017-09-05 北京悦畅科技有限公司 一种停车场车位信息的处理方法和装置
CN107977747A (zh) * 2017-10-27 2018-05-01 江苏中路工程技术研究院有限公司 一种集约化高速公路服务区停车场的布局方法
CN109448421A (zh) * 2018-10-08 2019-03-08 深圳市轱辘汽车维修技术有限公司 一种停车位生成的方法、装置及停车管理系统
CN110164175A (zh) * 2019-05-30 2019-08-23 陕西华标医药项目管理有限公司 基于云端的停车管理方法、装置、介质和云服务器
CN110246366A (zh) * 2019-06-27 2019-09-17 温州众智科技有限公司 一种智能停车场管理方法、系统、存储介质
CN110428073A (zh) * 2019-07-05 2019-11-08 平安国际智慧城市科技股份有限公司 停车位预约方法、装置、计算机设备和存储介质
CN111009151A (zh) * 2019-12-10 2020-04-14 珠海格力电器股份有限公司 一种停车位推荐方法、存储介质及终端设备
CN111192472A (zh) * 2019-11-12 2020-05-22 恒大智慧科技有限公司 一种社区车位管理方法及系统、计算机可读存储介质

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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
CN107134170A (zh) * 2017-07-04 2017-09-05 北京悦畅科技有限公司 一种停车场车位信息的处理方法和装置
CN107977747A (zh) * 2017-10-27 2018-05-01 江苏中路工程技术研究院有限公司 一种集约化高速公路服务区停车场的布局方法
CN109448421A (zh) * 2018-10-08 2019-03-08 深圳市轱辘汽车维修技术有限公司 一种停车位生成的方法、装置及停车管理系统
CN110164175A (zh) * 2019-05-30 2019-08-23 陕西华标医药项目管理有限公司 基于云端的停车管理方法、装置、介质和云服务器
CN110246366A (zh) * 2019-06-27 2019-09-17 温州众智科技有限公司 一种智能停车场管理方法、系统、存储介质
CN110428073A (zh) * 2019-07-05 2019-11-08 平安国际智慧城市科技股份有限公司 停车位预约方法、装置、计算机设备和存储介质
CN111192472A (zh) * 2019-11-12 2020-05-22 恒大智慧科技有限公司 一种社区车位管理方法及系统、计算机可读存储介质
CN111009151A (zh) * 2019-12-10 2020-04-14 珠海格力电器股份有限公司 一种停车位推荐方法、存储介质及终端设备

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
林洪桦: "动态测试数据处理", 北京：北京理工大学出版社, pages: 626 - 628 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114491778A (zh) * 2022-04-07 2022-05-13 深圳小库科技有限公司 基于人机交互的车位排布生成方法、装置、设备及介质
CN114491778B (zh) * 2022-04-07 2022-07-01 深圳小库科技有限公司 基于人机交互的车位排布生成方法、装置、设备及介质

Similar Documents

Publication Publication Date Title
Nowakowski et al. Vehicle route planning in e-waste mobile collection on demand supported by artificial intelligence algorithms
CN112614343A (zh) 基于随机策略梯度的交通信号控制方法、系统及电子设备
CN108133619A (zh) 停车场停车预测的方法、装置、存储介质及终端设备
CN111553530B (zh) 一种城际网约车包车出行运力预测与出行推荐方法及系统
CN110210664B (zh) 多个个体车辆使用行为短时预测的深度学习方法
CN113672846A (zh) 网约车调度方法、装置、电子设备及存储介质
CN109800917A (zh) 一种电动汽车停车场的规划方法、装置和计算设备
CN115130779A (zh) 一种基于移动充电桩的智能调度方法
CN106682765A (zh) 充电站优化布局方法及装置
CN113095549A (zh) 一种电动车充电桩推荐方法、装置、电子设备及存储介质
CN112613802A (zh) 一种车位布局信息的生成方法和立体式停车系统
CN109670777A (zh) 洗车提醒信息推送方法、装置及洗车系统
CN110992123B (zh) 一种订单派发方法及装置
CN118300091A (zh) 基于负荷时空分布特性的充电站调度方法、装置和设备
CN106382036A (zh) 一种停车位管理方法、系统及终端
CN116227760A (zh) 旅游活动的影响力预测方法、装置、存储介质及设备
CN113793195B (zh) 网约车订单处理方法、装置、计算机设备及可读存储介质
CN116259175A (zh) 一种面向多样化动态信号灯模式的车速推荐方法及装置
CN114841451A (zh) 一种司机出行补贴方法、装置和存储介质
CN116415178B (zh) 一种数字孪生车库系统的数据采集方法及装置
CN115049155A (zh) 一种智慧园区停车决策优化方法及系统
CN116777089B (zh) 基于车站密度系数算法的线网客控方法、装置及相关设备
CN117877313B (zh) 基于物联网感知的停车场管理方法及装置
CN116824838B (zh) 基于自适应时间序列分解的路网级交通流集成预测方法
CN114739418B (zh) 一种网约车用户出行方式选择方法及系统

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

Application publication date: 20210406

RJ01 Rejection of invention patent application after publication