CN112885134A - 一种基于大数据的智慧城市交通管理方法 - Google Patents
一种基于大数据的智慧城市交通管理方法 Download PDFInfo
- Publication number
- CN112885134A CN112885134A CN202110092565.7A CN202110092565A CN112885134A CN 112885134 A CN112885134 A CN 112885134A CN 202110092565 A CN202110092565 A CN 202110092565A CN 112885134 A CN112885134 A CN 112885134A
- Authority
- CN
- China
- Prior art keywords
- parking space
- vehicle
- parking
- target
- urban
- 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
Images
Classifications
-
- 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
- G08G1/096833—Systems involving transmission of navigation instructions to the vehicle where different aspects are considered when computing the route
-
- 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)
- Mathematical Physics (AREA)
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明涉及一种基于大数据的智慧城市交通管理方法,其包括:智慧交通云平台接收各停车辅助设备发送的车位实况信息和车辆终端发送的车辆停车请求。车位模型构建模块根据所有车位实况信息建立城市车位模型。目标车位分析模块根据城市车位模型和车辆停车请求得到目标车辆与目标停车区域内各空闲车位的匹配度得到目标车位。停车辅助设备实时采集目标车辆的车辆位姿图像和车距感应数据。车辆相对位姿模块根据车辆位姿图像和车距感应数据进行位姿分析得到车辆相对位姿。停车路径规划模块根据车辆相对位姿进行停车路径规划得到停车规划路径,并将根据停车规划路径生成的停车指挥指令发送到相应的车辆终端。
Description
技术领域
本发明涉及智慧交通和大数据领域,尤其涉及一种基于大数据的智慧城市交通管理方法。
背景技术
智慧城市是指利用各种信息技术或创新概念将城市的系统和服务打通、集成以提升资源运用的效率,优化城市管理和服务以及改善市民生活质量。
智慧城市包括智慧社区、智慧安防和智慧交通,智慧交通是在智能交通的基础上,融入物联网、云计算、大数据、移动互联等高新IT技术,通过高新技术汇集交通信息,提供实时交通数据下的交通信息服务。大量使用了数据模型、数据挖掘等数据处理技术,实现了智慧交通的系统性、实时性、信息交流的交互性以及服务的广泛性。
由于路边停车较满,车主无法较为直观的观察到车辆空位情况,因而只能驱车慢速前行近距离巡视来寻找路边空车位,这会导致行车忽快忽慢,极易引发交通事故,造成交通堵塞。
发明内容
有鉴于此,本发明提供了一种基于大数据的智慧城市交通管理方法,其包括:
智慧交通云平台接收各停车辅助设备发送的车位实况信息和车辆终端发送的车辆停车请求;
车位模型构建模块根据所有的车位实况信息建立城市车位模型,目标车位分析模块根据城市车位模型和车辆停车请求得到车辆坐标点和目标区域内的车位坐标点,并将车辆坐标点分别与目标区域内的每个车位坐标点进行连接得到车位映射向量以得到车位规划模型;
目标车位分析模块根据目标道路数据将车位规划模型中的每个车位映射向量分解为若干个车位映射分向量以得到每个车位坐标点与车辆坐标点的实时距离,并根据每个车位坐标点与车辆坐标点的实时距离得到目标车辆与目标停车区域内各空闲车位的匹配度,然后选择目标停车区域内匹配度最高的空闲车位作为目标车位;
在目标车辆到达目标车位时,停车辅助设备实时采集目标车辆的车辆位姿图像和车距感应数据并将其发送到智慧交通云平台;
车辆相对位姿模块根据车辆位姿图像和车距感应数据进行位姿分析以得到车辆相对位姿;
停车路径规划模块根据车辆相对位姿进行路径规划得到停车规划路径,并将根据停车规划路径生成的停车指挥指令发送到相应的车辆终端。
进一步实施例中,车位模型构建模块根据城市中各车位实况信息建立城市车位模型包括:
车位模型构建模块以城市中心为坐标原点建立城市车位坐标系,并根据各车位实况信息获取城市中每个车位的车位实时状态;
车位模型构建模块根据城市中每个车位的车位实时状态生成城市车位状态表;所述车是车位状态表包括若干个城市车位状态项,城市车位状态项用于表示车位实时状态、车位编号和车位位置的映射关系;
车位模型构建模块在城市车位状态表中选取车位实时状态为空闲状态的城市车位状态项以生成城市空闲车位表;所述城市空闲车位表包括若干个车位实时状态为空闲状态的城市车位状态项;
车位模型构建模块将城市空闲车位表中的每个空闲车位的车位位置映射到城市车位坐标系中以得到每个空闲车位在城市车位坐标系中的车位坐标点,并为每个车位坐标点标注相应的车位编号以得到城市车位模型;每个车位坐标点对应唯一的空闲车位。
进一步实施例中,目标车位分析模块根据城市车位模型和车辆停车请求得到车位规划模型包括:
目标车位分析模块根据车辆停车请求获取目标车辆的实时位置,并将目标车辆的实时位置映射到城市车位坐标系中以得到目标车辆在城市车位坐标系中的车辆坐标点,每个车辆坐标点对应唯一的目标车辆;
目标车位分析模块根据车辆停车请求获取目标停车区域,并获取目标停车区域的若干个区域边缘位置,并通过将目标停车区域的若干个区域边缘位置映射到城市车位坐标系以得到若干个区域边缘坐标点,然后将城市车位坐标系中的区域边缘坐标点进行连接以得到城市车位坐标系中的目标区域;
目标车位分析模块获取城市车位坐标系中的目标区域内的车位坐标点,并在城市车位坐标系中将车辆坐标点分别与目标区域内的每个车位坐标点进行连接以得到目标区域内每个车位坐标点对应的车位映射向量,然后根据所有的车位映射向量得到车位规划模型。
进一步实施例中,目标车位分析模块根据车位规划模型得到目标车辆与目标停车区域内各空闲车位的匹配度包括:
目标车位分析模块根据车位规划模型获取城市车位坐标系中目标区域内每个车位坐标点对应的车位映射向量;
目标车位分析模块从数据库获取目标车辆所在地的城市地图,并根据城市地图获取目标停车区域内的目标道路数据,然后根据目标道路数据将每个车位映射向量分解为若干个车位映射分向量;
目标车位分析模块获取每个车位映射向量的若干个车位映射分向量,并获取每个车位映射分向量的模,然后根据每个车位映射向量的所有车位映射分向量的模得到每个车位坐标点与车辆坐标点的实时距离;
目标车位分析模块获取目标停车区域内的目标道路数据,并分析每条道路的车况以得到目标停车区域内每个空闲车位的车况系数;所述车况系数用于指示目标车辆到相应空闲车位的路况和车况的复杂程度;
目标车位分析模块根据匹配度函数、每个车位坐标点与车辆坐标点的实时距离和每个空闲车位的车况系数获取目标车辆与目标停车区域内各空闲车位的匹配度。
进一步实施例中,车辆相对位姿模块根据车辆位姿图像和车距感应数据进行位姿分析得到车辆相对位姿包括:
车辆相对位姿模块以停车辅助设备为中心以车位长度方向为纵轴以车位宽度方向为横轴建立目标车位坐标系;
车辆相对位姿模块根据车辆位姿图像获取车辆位姿图像中每个像素点的变化方向和变化幅度;
车辆相对位姿模块根据每个像素点的横坐标和纵坐标计算每个像素点的连续权值系数,并根据每个像素点的变化方向、变化幅度和连续权值系数对车辆位姿图像的每个像素点进行加权平均以得到每个像素点的像素变化幅值。
进一步实施例中,车辆相对位姿模块根据车辆位姿图像和车距感应数据进行位姿分析得到车辆相对位姿包括:
车辆相对位姿模块将每个像素点的像素变化幅值与幅度阈值进行比较,并将像素变化幅值大于幅度阈值的像素点作为阶跃像素点。
车辆相对位姿模块将阶跃像素点映射到目标车位坐标系以得到阶跃坐标点,并根据所有的阶跃坐标点获取目标车辆的车辆轮廓;
车辆相对位姿模块根据车距感应数据分别获取车尾中点、车身右中点、车身左中点和车头中点与停车辅助设备的距离。
进一步实施例中,车辆相对位姿模块根据车辆位姿图像和车距感应数据进行位姿分析得到车辆相对位姿包括:
车辆相对位姿模块根据车尾中点、车身右中点、车身左中点和车头中点与停车辅助设备的距离获取车尾中点、车身右中点、车身左中点和车头中点在目标车位坐标系中的车尾定位点、右车身定位点、左车身定位点、车头定位点的坐标;
车辆相对位姿模块将车尾定位点和车头定位点的坐标进行连接以得到车身平行向量,并将右车身定位点、左车身定位点进行连接以得到车身垂直向量;
车辆相对位姿模块根据目标车辆的车辆轮廓、车身平行向量和车身垂直向量获取车辆相对位姿。
进一步实施例中,所述车辆停车请求用于指示智慧交通云平台对目标车辆进行车位规划以为目标车辆选择匹配度最高的目标车位,车辆停车请求包括目标停车区域和目标车辆的实时位置。所述目标车位为目标停车区域内与目标车辆匹配度最高的空闲车位。所述目标停车区域为目标车辆的车辆驾驶员期望停车的区域范围。所述车位实况信息包括:车位编号、车位实时状态和车位位置。所述车位实时状态用于指示相应车位的实时状态,其包括空闲状态或使用状态。所述车位编号用于对车位进行唯一标识。所述车位位置用于指示车位的具体位置。
所述停车辅助设备为具有图像采集功能、距离感应功能和数据传输功能的设备,每个停车辅助设备对应唯一的车位。所述车辆终端为车辆驾驶员使用的具有通信功能和数据传输功能的智能设备,其包括:智能手机、平板电脑和智能手表。
本发明提供的实施例具有以下有益效果:
本发明通过对每个车位的车位实时状态进行分析得到城市车位模型,并根据城市车位模型和目标车辆的实时位置得到车位规划模型,从而获取驾驶员期望停车区域内匹配度最高的目标车位,以节约驾驶员驱车寻找车位的时间。此外,本发明通过车辆位姿图像和车距感应数据进行位姿分析以得到车辆相对位姿,并根据车辆相对位姿进行停车路径规划得到停车规划路径,以辅助驾驶员将车辆停到车位。
附图说明
图1为一示例性实施例提供的基于大数据的智慧城市交通管理方法的流程图。
具体实施方式
下面将结合本文实施例中的附图,对本文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文一部分实施例,而不是全部的实施例。应该理解,这些描述只是示例性的,而并非要限制本发明的范围。此外,在以下说明中,省略了对公知结构和技术的描述,以避免不必要地混淆本发明的概念。
参见图1,在一个实施例中,基于大数据的智慧城市交通管理方法可以包括以下步骤:
S1、智慧交通云平台接收各停车辅助设备发送的车位实况信息和车辆终端发送的车辆停车请求。
可选地,车位实况信息包括:车位编号、车位实时状态和车位位置。车位实时状态用于指示相应车位的实时状态,其包括空闲状态或使用状态,车位编号用于对车位进行唯一标识,车位位置用于指示车位的具体位置。车辆停车请求用于指示智慧交通云平台对目标车辆进行车位规划以为目标车辆选择匹配度最高的目标车位,车辆停车请求包括目标停车区域和目标车辆的实时位置。
可选地,停车辅助设备为具有图像采集功能、距离感应功能和数据传输功能的设备,每个停车辅助设备对应唯一的车位。车辆终端为车辆驾驶员使用的具有通信功能和数据传输功能的智能设备,其包括:智能手机、平板电脑和智能手表。目标车位为目标停车区域内与目标车辆匹配度最高的空闲车位。目标停车区域为目标车辆的车辆驾驶员期望停车的区域范围。
S2、车位模型构建模块根据所有的车位实况信息建立城市车位模型,目标车位分析模块根据城市车位模型和车辆停车请求得到车辆坐标点和目标区域内的车位坐标点,并将车辆坐标点分别与目标区域内的每个车位坐标点进行连接得到车位映射向量以得到车位规划模型。
在一个实施例中,车位模型构建模块根据城市中各车位实况信息建立城市车位模型包括:
车位模型构建模块以城市中心为坐标原点建立城市车位坐标系,并根据各车位实况信息获取城市中每个车位的车位实时状态;
车位模型构建模块根据城市中每个车位的车位实时状态生成城市车位状态表;所述车是车位状态表包括若干个城市车位状态项,城市车位状态项用于表示车位实时状态、车位编号和车位位置的映射关系;
车位模型构建模块在城市车位状态表中选取车位实时状态为空闲状态的城市车位状态项以生成城市空闲车位表;所述城市空闲车位表包括若干个车位实时状态为空闲状态的城市车位状态项;
车位模型构建模块将城市空闲车位表中的每个空闲车位的车位位置映射到城市车位坐标系中以得到每个空闲车位在城市车位坐标系中的车位坐标点,并为每个车位坐标点标注相应的车位编号以得到城市车位模型;每个车位坐标点对应唯一的空闲车位。
在一个实施例中,目标车位分析模块根据城市车位模型和车辆停车请求得到车位规划模型包括:
目标车位分析模块根据车辆停车请求获取目标车辆的实时位置,并将目标车辆的实时位置映射到城市车位坐标系中以得到目标车辆在城市车位坐标系中的车辆坐标点,每个车辆坐标点对应唯一的目标车辆;
目标车位分析模块根据车辆停车请求获取目标停车区域,并获取目标停车区域的若干个区域边缘位置,并通过将目标停车区域的若干个区域边缘位置映射到城市车位坐标系以得到若干个区域边缘坐标点,然后将城市车位坐标系中的区域边缘坐标点进行连接以得到城市车位坐标系中的目标区域;
目标车位分析模块获取城市车位坐标系中的目标区域内的车位坐标点,并在城市车位坐标系中将车辆坐标点分别与目标区域内的每个车位坐标点进行连接以得到目标区域内每个车位坐标点对应的车位映射向量,然后根据所有的车位映射向量得到车位规划模型。
S3、目标车位分析模块根据目标道路数据将车位规划模型中的每个车位映射向量分解为若干个车位映射分向量以得到每个车位坐标点与车辆坐标点的实时距离,并根据每个车位坐标点与车辆坐标点的实时距离得到目标车辆与目标停车区域内各空闲车位的匹配度,然后选择目标停车区域内匹配度最高的空闲车位作为目标车位。
可选地,目标车位分析模块将目标车位信息发送到相应的车辆终端,即目标车辆所对应的车辆终端。目标车位信息包括:目标车位编号、目标车位位置和车辆相对距离。车辆相对距离为目标车位与目标车辆的实时位置的距离。目标车位为智慧交通云平台推荐的与目标车辆匹配度最高的空闲车位。
在一个实施例中,目标车位分析模块根据车位规划模型得到目标车辆与目标停车区域内各空闲车位的匹配度包括:
目标车位分析模块根据车位规划模型获取城市车位坐标系中目标区域内每个车位坐标点对应的车位映射向量;
目标车位分析模块从数据库获取目标车辆所在地的城市地图,并根据城市地图获取目标停车区域内的目标道路数据,然后根据目标道路数据将每个车位映射向量分解为若干个车位映射分向量;
目标车位分析模块获取每个车位映射向量的若干个车位映射分向量,并获取每个车位映射分向量的模,然后根据每个车位映射向量的所有车位映射分向量的模得到每个车位坐标点与车辆坐标点的实时距离;
目标车位分析模块获取目标停车区域内的目标道路数据,并分析每条道路的车况以得到目标停车区域内每个空闲车位的车况系数;所述车况系数用于指示目标车辆到相应空闲车位的路况和车况的复杂程度;
目标车位分析模块根据匹配度函数、每个车位坐标点与车辆坐标点的实时距离和每个空闲车位的车况系数获取目标车辆与目标停车区域内各空闲车位的匹配度。
在一个实时例中,匹配度函数为:
其中,P为匹配度,s为实时距离,c为车况系数,e为自然底数。
S4、在目标车辆到达目标车位时,停车辅助设备实时采集目标车辆的车辆位姿图像和车距感应数据并将其发送到智慧交通云平台;车辆相对位姿模块根据车辆位姿图像和车距感应数据进行位姿分析以得到车辆相对位姿。
可选地,车辆位姿图像用于指示目标车辆当前的位置与姿态,车距感应数据用于指示目标车辆与目标车位的距离。车辆相对位姿为目标车辆与停车辅助设备的相对位置和姿态。
在一个实施例中,车辆相对位姿模块根据车辆位姿图像和车距感应数据进行位姿分析得到车辆相对位姿包括:
车辆相对位姿模块以停车辅助设备为中心以车位长度方向为纵轴以车位宽度方向为横轴建立目标车位坐标系;
车辆相对位姿模块根据车辆位姿图像获取车辆位姿图像中每个像素点的变化方向和变化幅度;
车辆相对位姿模块根据每个像素点的横坐标和纵坐标计算每个像素点的连续权值系数,并根据每个像素点的变化方向、变化幅度和连续权值系数对车辆位姿图像的每个像素点进行加权平均以得到每个像素点的像素变化幅值。
在一个实施例中,车辆相对位姿模块根据车辆位姿图像和车距感应数据进行位姿分析得到车辆相对位姿包括:
车辆相对位姿模块将每个像素点的像素变化幅值与幅度阈值进行比较,并将像素变化幅值大于幅度阈值的像素点作为阶跃像素点。
车辆相对位姿模块将阶跃像素点映射到目标车位坐标系以得到阶跃坐标点,并根据所有的阶跃坐标点获取目标车辆的车辆轮廓;
车辆相对位姿模块根据车距感应数据分别获取车尾中点、车身右中点、车身左中点和车头中点与停车辅助设备的距离。
在一个实施例中,车辆相对位姿模块利用方向旋转矩阵和平移向量将阶跃像素点变换到目标车位坐标系包括:
其中,(x,y)为阶跃像素点在目标车位坐标系中的坐标,(xs,ys)为阶跃像素点在图像中坐标,U为方向旋转矩阵,V为平移向量。
在一个实施例中,车辆相对位姿模块根据车辆位姿图像和车距感应数据进行位姿分析得到车辆相对位姿包括:
车辆相对位姿模块根据车尾中点、车身右中点、车身左中点和车头中点与停车辅助设备的距离获取车尾中点、车身右中点、车身左中点和车头中点在目标车位坐标系中的车尾定位点、右车身定位点、左车身定位点、车头定位点的坐标;
车辆相对位姿模块将车尾定位点和车头定位点的坐标进行连接以得到车身平行向量,并将右车身定位点、左车身定位点进行连接以得到车身垂直向量;
车辆相对位姿模块根据目标车辆的车辆轮廓、车身平行向量和车身垂直向量获取车辆相对位姿。
S5、停车路径规划模块根据车辆相对位姿进行路径规划得到停车规划路径,并将根据停车规划路径生成的停车指挥指令发送到相应的车辆终端。
可选地,停车规划路径为具体的停车路径,所述停车指挥指令用于指挥驾驶员停车,包括:直行、倒退、左转和右转。
本发明通过对每个车位的车位实时状态进行分析得到城市车位模型,并根据城市车位模型和目标车辆的实时位置得到车位规划模型,从而获取驾驶员期望停车区域内匹配度最高的目标车位,以节约驾驶员驱车寻找车位的时间。此外,通过车辆位姿图像和车距感应数据进行位姿分析以得到车辆相对位姿,并根据车辆相对位姿进行停车路径规划得到停车规划路径,以辅助驾驶员将车辆停到车位,避免了由于驾驶员停车技术差导致在停车过程中与其它车辆发生擦挂的情况。
在一个实施例中,用于执行上述方法的智慧城市交通管理系统包括停车辅助设备、车辆终端和智慧交通云平台,智慧交通云平台与停车辅助设备和车辆终端间具有通信连接。
智慧交通云平台包括:车位模型构建模块、目标车位分析模块、车辆相对位姿模块、停车路径规划模块和数据库,各模块间具有通信连接。
智慧交通云平台接收各停车辅助设备发送的车位实况信息和车辆终端发送的车辆停车请求;
车位模型构建模块根据所有的车位实况信息建立城市车位模型,目标车位分析模块根据城市车位模型和车辆停车请求得到车辆坐标点和目标区域内的车位坐标点,并将车辆坐标点分别与目标区域内的每个车位坐标点进行连接得到车位映射向量以得到车位规划模型;
目标车位分析模块根据目标道路数据将车位规划模型中的每个车位映射向量分解为若干个车位映射分向量以得到每个车位坐标点与车辆坐标点的实时距离,并根据每个车位坐标点与车辆坐标点的实时距离得到目标车辆与目标停车区域内各空闲车位的匹配度,然后选择目标停车区域内匹配度最高的空闲车位作为目标车位;
在目标车辆到达目标车位时,停车辅助设备实时采集目标车辆的车辆位姿图像和车距感应数据并将其发送到智慧交通云平台;车辆相对位姿模块根据车辆位姿图像和车距感应数据进行位姿分析以得到车辆相对位姿;
停车路径规划模块根据车辆相对位姿进行路径规划得到停车规划路径,并将根据停车规划路径生成的停车指挥指令发送到相应的车辆终端。
本领域技术人员应明白,本发明的实施例可提供为方法、系统或计算机程序产品。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。
此外,虽然上面参考特定模块讨论了特定功能,但是应当注意,本文讨论的各个模块的功能可以分为多个模块,和/或多个模块的至少一些功能可以组合成单个模块。另外,本文讨论的特定模块执行动作包括该特定模块本身执行动作,或者替换地该特定模块调用或以其他方式访问执行该动作的另一个组件或模块(或结合该特定模块一起执行动作)。因此,执行动作的特定模块可以包括执行动作的特定模块本身和/或执行动作的该特定模块调用或以其他方式访问的另一模块。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本发明保护的范围之内。
Claims (9)
1.一种基于大数据的智慧城市交通管理方法,其特征在于,其包括:智慧交通云平台接收所述停车辅助设备发送的车位实况信息和车辆终端发送的车辆停车请求;
所述智慧交通云平台的车位模型构建模块根据所有的车位实况信息建立城市车位模型,目标车位分析模块根据城市车位模型和车辆停车请求得到车辆坐标点和目标区域内的车位坐标点,并将车辆坐标点分别与目标区域内的每个车位坐标点进行连接得到车位映射向量以得到车位规划模型;
目标车位分析模块根据目标道路数据将车位规划模型中的每个车位映射向量分解为若干个车位映射分向量以得到每个车位坐标点与车辆坐标点的实时距离,并根据每个车位坐标点与车辆坐标点的实时距离得到目标车辆与目标停车区域内各空闲车位的匹配度,然后选择目标停车区域内匹配度最高的空闲车位作为目标车位;
在目标车辆到达目标车位时,停车辅助设备实时采集目标车辆的车辆位姿图像和车距感应数据并将其发送到智慧交通云平台;
车辆相对位姿模块根据车辆位姿图像和车距感应数据进行位姿分析以得到车辆相对位姿;
停车路径规划模块根据车辆相对位姿进行路径规划得到停车规划路径,并将根据停车规划路径生成的停车指挥指令发送到相应的车辆终端。
2.根据权利要求1所述的方法,其特征在于,所述车辆停车请求包括目标停车区域和目标车辆的实时位置。
3.根据权利要求2所述的方法,其特征在于,车位模型构建模块根据城市中各车位实况信息建立城市车位模型包括:
车位模型构建模块以城市中心为坐标原点建立城市车位坐标系,并根据各车位实况信息获取城市中每个车位的车位实时状态;
车位模型构建模块根据城市中每个车位的车位实时状态生成城市车位状态表;所述车是车位状态表包括若干个城市车位状态项,城市车位状态项用于表示车位实时状态、车位编号和车位位置的映射关系;
车位模型构建模块在城市车位状态表中选取车位实时状态为空闲状态的城市车位状态项以生成城市空闲车位表;所述城市空闲车位表包括若干个车位实时状态为空闲状态的城市车位状态项;
车位模型构建模块将城市空闲车位表中的每个空闲车位的车位位置映射到城市车位坐标系中以得到每个空闲车位在城市车位坐标系中的车位坐标点,并为每个车位坐标点标注相应的车位编号以得到城市车位模型;每个车位坐标点对应唯一的空闲车位。
4.根据权利要求1至3之一所述的方法,其特征在于,目标车位分析模块根据城市车位模型和车辆停车请求得到车位规划模型包括:
目标车位分析模块根据车辆停车请求获取目标车辆的实时位置,并将目标车辆的实时位置映射到城市车位坐标系中以得到目标车辆在城市车位坐标系中的车辆坐标点,每个车辆坐标点对应唯一的目标车辆;
目标车位分析模块根据车辆停车请求获取目标停车区域,并获取目标停车区域的若干个区域边缘位置,并通过将目标停车区域的若干个区域边缘位置映射到城市车位坐标系以得到若干个区域边缘坐标点,然后将城市车位坐标系中的区域边缘坐标点进行连接以得到城市车位坐标系中的目标区域;
目标车位分析模块获取城市车位坐标系中的目标区域内的车位坐标点,并在城市车位坐标系中将车辆坐标点分别与目标区域内的每个车位坐标点进行连接以得到目标区域内每个车位坐标点对应的车位映射向量,然后根据所有的车位映射向量得到车位规划模型。
5.根据权利要求4所述的方法,其特征在于,目标车位分析模块根据车位规划模型得到目标车辆与目标停车区域内各空闲车位的匹配度包括:
目标车位分析模块根据车位规划模型获取城市车位坐标系中目标区域内每个车位坐标点对应的车位映射向量;
目标车位分析模块从数据库获取目标车辆所在地的城市地图,并根据城市地图获取目标停车区域内的目标道路数据,然后根据目标道路数据将每个车位映射向量分解为若干个车位映射分向量;
目标车位分析模块获取每个车位映射向量的若干个车位映射分向量,并获取每个车位映射分向量的模,然后根据每个车位映射向量的所有车位映射分向量的模得到每个车位坐标点与车辆坐标点的实时距离;
目标车位分析模块获取目标停车区域内的目标道路数据,并分析每条道路的车况以得到目标停车区域内每个空闲车位的车况系数;所述车况系数用于指示目标车辆到相应空闲车位的路况和车况的复杂程度;
目标车位分析模块根据匹配度函数、每个车位坐标点与车辆坐标点的实时距离和每个空闲车位的车况系数获取目标车辆与目标停车区域内各空闲车位的匹配度。
6.根据权利要求5所述的方法,其特征在于,车辆相对位姿模块根据车辆位姿图像和车距感应数据进行位姿分析得到车辆相对位姿包括:
车辆相对位姿模块以停车辅助设备为中心以车位长度方向为纵轴以车位宽度方向为横轴建立目标车位坐标系;
车辆相对位姿模块根据车辆位姿图像获取车辆位姿图像中每个像素点的变化方向和变化幅度;
车辆相对位姿模块根据每个像素点的横坐标和纵坐标计算每个像素点的连续权值系数,并根据每个像素点的变化方向、变化幅度和连续权值系数对车辆位姿图像的每个像素点进行加权平均以得到每个像素点的像素变化幅值。
7.根据权利要求6所述的方法,其特征在于,车辆相对位姿模块根据车辆位姿图像和车距感应数据进行位姿分析得到车辆相对位姿包括:
车辆相对位姿模块将每个像素点的像素变化幅值与幅度阈值进行比较,并将像素变化幅值大于幅度阈值的像素点作为阶跃像素点;
车辆相对位姿模块将阶跃像素点映射到目标车位坐标系以得到阶跃坐标点,并根据所有的阶跃坐标点获取目标车辆的车辆轮廓;
车辆相对位姿模块根据车距感应数据分别获取车尾中点、车身右中点、车身左中点和车头中点与停车辅助设备的距离。
8.根据权利要求7所述的方法,其特征在于,车辆相对位姿模块根据车辆位姿图像和车距感应数据进行位姿分析得到车辆相对位姿包括:
车辆相对位姿模块根据车尾中点、车身右中点、车身左中点和车头中点与停车辅助设备的距离获取车尾中点、车身右中点、车身左中点和车头中点在目标车位坐标系中的车尾定位点、右车身定位点、左车身定位点、车头定位点的坐标;
车辆相对位姿模块将车尾定位点和车头定位点的坐标进行连接以得到车身平行向量,并将右车身定位点、左车身定位点进行连接以得到车身垂直向量;
车辆相对位姿模块根据目标车辆的车辆轮廓、车身平行向量和车身垂直向量获取车辆相对位姿。
9.根据权利要求1至8之一所述的方法,其特征在于,所述车位实况信息包括车位编号、车位实时状态和车位位置,其中,所述车位实时状态包括空闲状态或使用状态,所述车位编号用于对车位进行唯一标识。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110092565.7A CN112885134B (zh) | 2021-01-24 | 2021-01-24 | 一种基于大数据的智慧城市交通管理方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110092565.7A CN112885134B (zh) | 2021-01-24 | 2021-01-24 | 一种基于大数据的智慧城市交通管理方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112885134A true CN112885134A (zh) | 2021-06-01 |
CN112885134B CN112885134B (zh) | 2023-05-16 |
Family
ID=76050652
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110092565.7A Active CN112885134B (zh) | 2021-01-24 | 2021-01-24 | 一种基于大数据的智慧城市交通管理方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112885134B (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114049790A (zh) * | 2022-01-06 | 2022-02-15 | 深圳市思倍云科技有限公司 | 基于物联网和互联网技术的智慧园区智能管理系统 |
CN115346390A (zh) * | 2022-08-11 | 2022-11-15 | 小米汽车科技有限公司 | 泊车方法、装置、存储介质、芯片及车辆 |
CN116205530A (zh) * | 2023-02-17 | 2023-06-02 | 连云港海通市民一卡通有限公司 | 一种城市智慧停车规划方法及系统 |
CN117241223A (zh) * | 2023-10-08 | 2023-12-15 | 深圳市微克科技有限公司 | 一种基于智能手表的辅助停车方法、系统及介质 |
CN118055368A (zh) * | 2024-04-15 | 2024-05-17 | 成都能泊数产科技有限公司 | 一种基于智慧停车空余车位推送方法、系统、设备及介质 |
Citations (21)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102779428A (zh) * | 2012-07-31 | 2012-11-14 | 深圳市捷顺科技实业股份有限公司 | 一种停车场引导方法及系统 |
WO2014076979A1 (ja) * | 2012-11-16 | 2014-05-22 | 三菱重工業株式会社 | 画像認識装置、画像認識方法、プログラム、及び記録媒体 |
US20150125039A1 (en) * | 2013-11-04 | 2015-05-07 | Sarmo Technology Inc. | Lane departure warning system and method |
CN205405922U (zh) * | 2016-03-08 | 2016-07-27 | 京东方科技集团股份有限公司 | 停车场辅助停车装置、导航终端、停车场导航系统 |
CN106846892A (zh) * | 2017-03-07 | 2017-06-13 | 重庆邮电大学 | 基于机器视觉的停车场‑车辆协同智能停车系统及方法 |
CN106997684A (zh) * | 2017-04-07 | 2017-08-01 | 深圳市凯达尔科技实业有限公司 | 一种基于云计算的一体化交通数据系统 |
CN107399325A (zh) * | 2017-06-23 | 2017-11-28 | 深圳市盛路物联通讯技术有限公司 | 一种安全泊车方法及装置 |
CN107564332A (zh) * | 2017-10-31 | 2018-01-09 | 奇瑞汽车股份有限公司 | 停车位提示方法、系统、计算机可读存储介质 |
CN108022445A (zh) * | 2017-11-30 | 2018-05-11 | 中国联合网络通信集团有限公司 | 一种确定停车场信息的方法、系统及服务器 |
CN108773374A (zh) * | 2018-06-13 | 2018-11-09 | 禾多科技(北京)有限公司 | 泊车方法及装置 |
CN109087522A (zh) * | 2017-06-13 | 2018-12-25 | 纵目科技(上海)股份有限公司 | 一种停车场空闲停车位检测的方法和系统 |
CN208954346U (zh) * | 2018-06-04 | 2019-06-07 | 厦门中卡科技股份有限公司 | 一种城市停车诱导系统 |
CN110097776A (zh) * | 2018-01-30 | 2019-08-06 | 杭州海康威视数字技术股份有限公司 | 一种车位检测方法、监控摄像机及监控终端 |
CN110097779A (zh) * | 2019-05-22 | 2019-08-06 | 北京新能源汽车股份有限公司 | 泊车方法、装置、车辆、设备及介质 |
CN110111599A (zh) * | 2019-04-24 | 2019-08-09 | 网链科技集团有限公司 | 一种基于大数据的停车诱导方法、终端设备及存储介质 |
CN110503848A (zh) * | 2019-07-01 | 2019-11-26 | 浙江科技学院 | 一种基于物联网的停车场最佳车位引导系统 |
CN110751833A (zh) * | 2019-10-14 | 2020-02-04 | 勤好(北京)物业管理有限公司 | 一种医疗后勤管理系统 |
CN111862678A (zh) * | 2020-07-22 | 2020-10-30 | 斑马网络技术有限公司 | 无障碍停车位的引导方法、装置、设备和存储介质 |
WO2020238790A1 (zh) * | 2019-05-27 | 2020-12-03 | 浙江商汤科技开发有限公司 | 相机定位 |
CN112150858A (zh) * | 2020-10-05 | 2020-12-29 | 陈军 | 一种停车场停车区域管理的方法及系统 |
CN112185150A (zh) * | 2020-09-15 | 2021-01-05 | 珠海格力电器股份有限公司 | 确定目标车位的方法、装置、电子设备和计算机可读介质 |
-
2021
- 2021-01-24 CN CN202110092565.7A patent/CN112885134B/zh active Active
Patent Citations (21)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102779428A (zh) * | 2012-07-31 | 2012-11-14 | 深圳市捷顺科技实业股份有限公司 | 一种停车场引导方法及系统 |
WO2014076979A1 (ja) * | 2012-11-16 | 2014-05-22 | 三菱重工業株式会社 | 画像認識装置、画像認識方法、プログラム、及び記録媒体 |
US20150125039A1 (en) * | 2013-11-04 | 2015-05-07 | Sarmo Technology Inc. | Lane departure warning system and method |
CN205405922U (zh) * | 2016-03-08 | 2016-07-27 | 京东方科技集团股份有限公司 | 停车场辅助停车装置、导航终端、停车场导航系统 |
CN106846892A (zh) * | 2017-03-07 | 2017-06-13 | 重庆邮电大学 | 基于机器视觉的停车场‑车辆协同智能停车系统及方法 |
CN106997684A (zh) * | 2017-04-07 | 2017-08-01 | 深圳市凯达尔科技实业有限公司 | 一种基于云计算的一体化交通数据系统 |
CN109087522A (zh) * | 2017-06-13 | 2018-12-25 | 纵目科技(上海)股份有限公司 | 一种停车场空闲停车位检测的方法和系统 |
CN107399325A (zh) * | 2017-06-23 | 2017-11-28 | 深圳市盛路物联通讯技术有限公司 | 一种安全泊车方法及装置 |
CN107564332A (zh) * | 2017-10-31 | 2018-01-09 | 奇瑞汽车股份有限公司 | 停车位提示方法、系统、计算机可读存储介质 |
CN108022445A (zh) * | 2017-11-30 | 2018-05-11 | 中国联合网络通信集团有限公司 | 一种确定停车场信息的方法、系统及服务器 |
CN110097776A (zh) * | 2018-01-30 | 2019-08-06 | 杭州海康威视数字技术股份有限公司 | 一种车位检测方法、监控摄像机及监控终端 |
CN208954346U (zh) * | 2018-06-04 | 2019-06-07 | 厦门中卡科技股份有限公司 | 一种城市停车诱导系统 |
CN108773374A (zh) * | 2018-06-13 | 2018-11-09 | 禾多科技(北京)有限公司 | 泊车方法及装置 |
CN110111599A (zh) * | 2019-04-24 | 2019-08-09 | 网链科技集团有限公司 | 一种基于大数据的停车诱导方法、终端设备及存储介质 |
CN110097779A (zh) * | 2019-05-22 | 2019-08-06 | 北京新能源汽车股份有限公司 | 泊车方法、装置、车辆、设备及介质 |
WO2020238790A1 (zh) * | 2019-05-27 | 2020-12-03 | 浙江商汤科技开发有限公司 | 相机定位 |
CN110503848A (zh) * | 2019-07-01 | 2019-11-26 | 浙江科技学院 | 一种基于物联网的停车场最佳车位引导系统 |
CN110751833A (zh) * | 2019-10-14 | 2020-02-04 | 勤好(北京)物业管理有限公司 | 一种医疗后勤管理系统 |
CN111862678A (zh) * | 2020-07-22 | 2020-10-30 | 斑马网络技术有限公司 | 无障碍停车位的引导方法、装置、设备和存储介质 |
CN112185150A (zh) * | 2020-09-15 | 2021-01-05 | 珠海格力电器股份有限公司 | 确定目标车位的方法、装置、电子设备和计算机可读介质 |
CN112150858A (zh) * | 2020-10-05 | 2020-12-29 | 陈军 | 一种停车场停车区域管理的方法及系统 |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114049790A (zh) * | 2022-01-06 | 2022-02-15 | 深圳市思倍云科技有限公司 | 基于物联网和互联网技术的智慧园区智能管理系统 |
CN115346390A (zh) * | 2022-08-11 | 2022-11-15 | 小米汽车科技有限公司 | 泊车方法、装置、存储介质、芯片及车辆 |
CN116205530A (zh) * | 2023-02-17 | 2023-06-02 | 连云港海通市民一卡通有限公司 | 一种城市智慧停车规划方法及系统 |
CN116205530B (zh) * | 2023-02-17 | 2023-09-22 | 连云港海通市民一卡通有限公司 | 一种城市智慧停车规划方法及系统 |
CN117241223A (zh) * | 2023-10-08 | 2023-12-15 | 深圳市微克科技有限公司 | 一种基于智能手表的辅助停车方法、系统及介质 |
CN117241223B (zh) * | 2023-10-08 | 2024-06-21 | 深圳市微克科技股份有限公司 | 一种基于智能手表的辅助停车方法、系统及介质 |
CN118055368A (zh) * | 2024-04-15 | 2024-05-17 | 成都能泊数产科技有限公司 | 一种基于智慧停车空余车位推送方法、系统、设备及介质 |
Also Published As
Publication number | Publication date |
---|---|
CN112885134B (zh) | 2023-05-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112885134B (zh) | 一种基于大数据的智慧城市交通管理方法 | |
CN111780771B (zh) | 一种定位方法、装置、电子设备及计算机可读存储介质 | |
US11836955B2 (en) | Detecting unfamiliar signs | |
WO2021103511A1 (zh) | 一种设计运行区域odd判断方法、装置及相关设备 | |
US10204516B2 (en) | Automobile and computing system | |
US11947353B1 (en) | Non-passenger requests for autonomous vehicles | |
EP4138056A1 (en) | Recognizing assigned passengers for autonomous vehicles | |
CN109783593A (zh) | 一种可用于自动驾驶的地图更新系统与方法 | |
CN112885135B (zh) | 基于云平台的智慧交通停车管理系统 | |
US20230356752A1 (en) | Semantic identification of pickup locations | |
CN106920386B (zh) | 调整车辆摆放位置的方法、机器人及系统 | |
CN114613193A (zh) | 基于算力共享的停车位获取方法、存储介质、系统及车辆 | |
CN113674355A (zh) | 一种基于相机与激光雷达的目标识别与定位方法 | |
CN114842075A (zh) | 数据标注方法、装置、存储介质及车辆 | |
CN109147374A (zh) | 停车场管理方法、系统、车载单元及后台服务器 | |
CN115203457B (zh) | 图像检索方法、装置、车辆、存储介质及芯片 | |
CN115205311B (zh) | 图像处理方法、装置、车辆、介质及芯片 | |
CN115100630B (zh) | 障碍物检测方法、装置、车辆、介质及芯片 | |
CN115311891A (zh) | 路边和停车场空闲停车位的共享方法、系统及存储介质 | |
CN114283397A (zh) | 全局重定位方法、装置、设备及存储介质 | |
JP2023534336A (ja) | 自動運転に基づく乗車方法、装置、機器および記憶媒体 | |
CN114821212A (zh) | 交通标志物的识别方法、电子设备、车辆和存储介质 | |
CN110211424A (zh) | 车辆预警方法和系统 | |
CN115147794B (zh) | 车道线确定方法、装置、车辆、介质及芯片 | |
CN114972824B (zh) | 杆件检测方法、装置、车辆和存储介质 |
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 | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20230411 Address after: Room 5-01, Floor 5, Building 6, Headquarters Economic Park, No. 1309, Shangye Road, Fengxi New Town, Xixian New District, Xianyang City, Shaanxi Province, 712000 Applicant after: SHAANXI HEYOU NETWORK TECHNOLOGY CO.,LTD. Address before: No.4, 1st floor, building 8, 255 Da'an Road, Zhengxing street, Tianfu New District, Chengdu, Sichuan 610218 Applicant before: Chengdu smart enabling technology Co.,Ltd. |
|
TA01 | Transfer of patent application right | ||
GR01 | Patent grant | ||
GR01 | Patent grant |