CN113283636A - 基于智慧停车的大数据分析方法及云计算服务器 - Google Patents

基于智慧停车的大数据分析方法及云计算服务器 Download PDF

Info

Publication number
CN113283636A
CN113283636A CN202110419845.4A CN202110419845A CN113283636A CN 113283636 A CN113283636 A CN 113283636A CN 202110419845 A CN202110419845 A CN 202110419845A CN 113283636 A CN113283636 A CN 113283636A
Authority
CN
China
Prior art keywords
parking
data
congestion
statistical
log
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.)
Withdrawn
Application number
CN202110419845.4A
Other languages
English (en)
Inventor
包赛花
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 CN202110419845.4A priority Critical patent/CN113283636A/zh
Publication of CN113283636A publication Critical patent/CN113283636A/zh
Withdrawn legal-status Critical Current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
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/24—Querying
    • G06F16/245—Query processing
    • G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
    • G06F16/2462—Approximate or statistical queries
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/24—Querying
    • G06F16/245—Query processing
    • G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
    • G06F16/2474—Sequence data queries, e.g. querying versioned data
    • 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
    • G06Q10/06312—Adjustment or analysis of established resource schedule, e.g. resource or task levelling, or dynamic rescheduling
    • 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
    • G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
    • G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
    • 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
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/40—Business processes related to the transportation industry

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Strategic Management (AREA)
  • Economics (AREA)
  • General Physics & Mathematics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Marketing (AREA)
  • Development Economics (AREA)
  • General Business, Economics & Management (AREA)
  • Tourism & Hospitality (AREA)
  • Game Theory and Decision Science (AREA)
  • Probability & Statistics with Applications (AREA)
  • Operations Research (AREA)
  • Educational Administration (AREA)
  • Quality & Reliability (AREA)
  • Software Systems (AREA)
  • Mathematical Physics (AREA)
  • Fuzzy Systems (AREA)
  • Computational Linguistics (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Traffic Control Systems (AREA)

Abstract

本申请是关于基于智慧停车的大数据分析方法及云计算服务器，能够确定每条停车统计数据包括的至少两个停车统计日志的日志事件统计清单和日志事件标签分别对应的拥堵指标判定条件，并基于拥堵指标判定条件确定每条停车统计数据包括的至少两个停车统计日志的拥堵轨迹记录，进而根据停车拥堵轨迹数据在拥堵轨迹记录中的序列位置，确定停车拥堵轨迹数据所在的停车统计日志。如此，能够考虑不同的拥堵指标判定条件，从而确保对停车拥堵轨迹数据的精准定位。

Description

基于智慧停车的大数据分析方法及云计算服务器
本申请是申请日为“2020年11月03日”、申请号为“202011208323.1”，申请名称为“应用于智慧停车的大数据分析方法及云计算服务器”的分案申请。
技术领域
本申请涉及智慧停车、大数据和云计算技术领域，具体而言，涉及一种基于智慧停车的大数据分析方法及云计算服务器。
背景技术
随着社会的进步和科技的发展，依托于智能化制造，汽车/电动车的制造成本和销售成本越来越低，越来越多的家庭拥有了自己的私家车。现目前的私家车拥有者的占比逐年增高。随之而来的便是停车难的问题，这一问题在大城市中尤为普遍。为改善这一问题，许多大城市修建了大型停车场。然而，大型停车场在运营过程中，仍然会出现停车拥堵的现象。
发明内容
本申请的第一个方面提供了一种基于智慧停车的大数据分析方法，应用于与目标智慧停车场通信连接的云计算服务器，所述方法包括：
从所述目标智慧停车场对应的用于记录目标智慧停车场的停车大数据的事件记录数据库中获取i条停车统计数据；其中，i为正整数，所述云计算服务器预先与所述事件记录数据库进行访问权限验证且所述云计算服务器通过所述事件记录数据库对应的访问权限验证条件，所述访问权限验证条件包括对所述云计算服务器的网络安全参数和数据调用路径的验证条件；
将每条停车统计数据解析为统计时间步长不同的至少两个停车统计日志；从每条停车统计数据包括的至少两个停车统计日志中确定停车拥堵轨迹数据所在的停车统计日志；
根据所述停车拥堵轨迹数据在每条停车统计数据中所在的停车统计日志，从所述i条停车统计数据包括的停车拥堵轨迹数据中确定至少一条待优化拥堵轨迹；根据所述至少一条待优化拥堵轨迹确定所述目标智慧停车场对应的停车调度信息表。
可选地，所述将每条停车统计数据解析为统计时间步长不同的至少两个停车统计日志，包括：
按照预先配置的统计时间步长与数据解析线程之间的映射关系，将每条停车统计数据解析为统计时间步长不同的至少两个停车统计日志；或者，通过统计历史停车统计数据中的每个停车统计日志的统计时间步长和数据解析线程，确定统计时间步长与数据解析线程之间的映射关系；根据确定的映射关系将每条停车统计数据解析为统计时间步长不同的至少两个停车统计日志。
可选地，从每条停车统计数据包括的至少两个停车统计日志中确定停车拥堵轨迹数据所在的停车统计日志，包括：
确定每条停车统计数据包括的至少两个停车统计日志的日志事件统计清单和日志事件标签分别对应的拥堵指标判定条件；
判断每条停车统计数据包括的至少两个停车统计日志的日志事件统计清单和日志事件标签中是否存在道路通畅度指标不满足对应的拥堵指标判定条件的事件记录数据，根据判断结果，选择对所述事件记录数据进行转换的转换逻辑数据，基于所述转换逻辑数据，将所述事件记录数据转换为满足对应的拥堵指标判定条件的事件记录数据；
基于每条停车统计数据包括的至少两个停车统计日志的日志事件统计清单和日志事件标签中除所述事件记录数据之外的事件记录数据以及转换后的事件记录数据，确定每条停车统计数据包括的至少两个停车统计日志的拥堵轨迹记录；根据所述停车拥堵轨迹数据在所述拥堵轨迹记录中的序列位置，确定所述停车拥堵轨迹数据所在的停车统计日志；
其中，所述根据判断结果，选择对所述事件记录数据进行转换的转换逻辑数据，基于所述转换逻辑数据，将所述事件记录数据转换为满足对应的拥堵指标判定条件的事件记录数据，包括：
如果每条停车统计数据包括的至少两个停车统计日志的日志事件统计清单不满足对应的第一拥堵指标判定条件且每条停车统计数据包括的至少两个停车统计日志的日志事件标签不满足对应的第二拥堵指标判定条件，则选择对所述日志事件统计清单和所述日志事件标签进行转换的转换逻辑数据为动态转换逻辑数据，基于选择的转换逻辑数据，将所述日志事件统计清单和所述日志事件标签分别转换为满足对应的拥堵指标判定条件的事件记录数据；
如果每条停车统计数据包括的至少两个停车统计日志的日志事件标签为不满足对应的第二拥堵指标判定条件的事件记录数据，或者每条停车统计数据包括的至少两个停车统计日志的日志事件统计清单为不满足对应的第一拥堵指标判定条件的事件记录数据，则选择对所述事件记录数据进行转换的转换逻辑数据为局部转换逻辑数据或者静态转换逻辑数据，基于选择的转换逻辑数据，将所述事件记录数据转换为满足对应的拥堵指标判定条件的事件记录数据；
其中，所述基于每条停车统计数据包括的至少两个停车统计日志的日志事件统计清单和日志事件标签中除所述事件记录数据之外的事件记录数据以及转换后的事件记录数据，确定每条停车统计数据包括的至少两个停车统计日志的拥堵轨迹记录，包括：
基于每条停车统计数据包括的至少两个停车统计日志的日志事件统计清单和日志事件标签中除所述事件记录数据之外的事件记录数据以及转换后的事件记录数据，进行车辆位移数据提取，得到多个车辆位移数据集；将所述多个车辆位移数据集进行整合，得到每条停车统计数据包括的至少两个停车统计日志的拥堵轨迹记录。
可选地，从所述目标智慧停车场对应的用于记录目标智慧停车场的停车大数据的事件记录数据库中获取i条停车统计数据，包括：
向所述事件记录数据库发起数据调用请求；其中，所述数据调用请求中携带所述云计算服务器的当前认证密钥；
在所述事件记录数据库基于所述当前认证密钥判定出所述云计算服务器处于安全运行状态时，获取所述事件记录数据库反馈的i条停车统计数据。
可选地，所述根据所述停车拥堵轨迹数据在每条停车统计数据中所在的停车统计日志，从所述i条停车统计数据包括的停车拥堵轨迹数据中确定至少一条待优化拥堵轨迹，包括：
从所述i条停车统计数据中确定一条停车统计数据，获取确定出的停车统计数据包括的停车拥堵轨迹数据的拥堵区域分布；
根据所述停车拥堵轨迹数据在确定出的停车统计数据中所在的停车统计日志、确定出的停车统计数据包括的停车拥堵轨迹数据的拥堵区域分布、上一统计时间步长确定的候选目标拥堵轨迹所在的停车统计日志，以及上一统计时间步长确定的候选目标拥堵轨迹的拥堵区域分布，确定当前统计时间步长的候选目标拥堵轨迹；
判断是否已处理完所述i条停车统计数据；
如果是，则将当前统计时间步长确定出的候选目标拥堵轨迹作为所述待优化拥堵轨迹，如果否，则从所述i条停车统计数据包括的未处理的停车统计数据中确定一条停车统计数据，返回获取确定出的停车统计数据包括的停车拥堵轨迹数据的拥堵区域分布的步骤，直至已处理完所述i条停车统计数据。
可选地，所述至少两个停车统计日志包括第一停车统计日志和第二停车统计日志，所述第一停车统计日志的统计时间步长高于所述第二停车统计日志的统计时间步长；所述根据所述停车拥堵轨迹数据在确定出的停车统计数据中所在的停车统计日志、确定出的停车统计数据包括的停车拥堵轨迹数据的拥堵区域分布、上一统计时间步长确定的候选目标拥堵轨迹所在的停车统计日志，以及上一统计时间步长确定的候选目标拥堵轨迹的拥堵区域分布，确定当前统计时间步长的候选目标拥堵轨迹，包括：
当所述停车拥堵轨迹数据在确定出的停车统计数据中所在的停车统计日志与上一统计时间步长确定出的候选目标拥堵轨迹所在的停车统计日志相同，且确定出的停车统计数据包括的停车拥堵轨迹数据的拥堵区域分布与上一统计时间步长确定出的候选目标拥堵轨迹的拥堵区域分布不相同时，从确定出的停车统计数据包括的停车拥堵轨迹数据和上一统计时间步长确定出的候选目标拥堵轨迹中，确定拥堵区域分布最大的目标拥堵轨迹作为当前统计时间步长的候选目标拥堵轨迹；
当所述停车拥堵轨迹数据在确定出的停车统计数据中所在的停车统计日志与上一统计时间步长确定出的候选目标拥堵轨迹所在的停车统计日志不相同，且上一统计时间步长确定出的候选目标拥堵轨迹所在的停车统计日志为所述第一停车统计日志时，确定第二拥堵等级差异系数，所述第二拥堵等级差异系数为确定出的停车统计数据包括的停车拥堵轨迹数据的拥堵区域分布与上一统计时间步长确定出的候选目标拥堵轨迹的拥堵区域分布之间的差异系数；当所述第二拥堵等级差异系数大于系数阈值时，将确定出的停车统计数据包括的停车拥堵轨迹数据作为当前统计时间步长的候选目标拥堵轨迹；
当所述停车拥堵轨迹数据在确定出的停车统计数据中所在的停车统计日志与上一统计时间步长确定出的候选目标拥堵轨迹所在的停车统计日志不相同，且所述停车拥堵轨迹数据在确定出的停车统计数据中所在的停车统计日志为所述第一停车统计日志时，确定第三拥堵等级差异系数，所述第三拥堵等级差异系数为上一统计时间步长确定出的候选目标拥堵轨迹的拥堵区域分布与确定出的停车统计数据包括的停车拥堵轨迹数据的拥堵区域分布之间的差异系数；当所述第三拥堵等级差异系数小于或等于所述系数阈值时，将确定出的停车统计数据包括的停车拥堵轨迹数据作为当前统计时间步长的候选目标拥堵轨迹。
可选地，根据所述至少一条待优化拥堵轨迹确定所述目标智慧停车场对应的停车调度信息表，包括：
确定所述至少一条待优化拥堵轨迹的拥堵线路更新列表；获取所述拥堵线路更新列表的各列表单元的更新热度值，根据所述各列表单元的更新热度值，确定更新热度值小于或等于预设的目标热度值的列表单元数目；计算所述列表单元数目与所述拥堵线路更新列表的总列表单元数目的比例，得到所述拥堵线路更新列表的列表热度权重；确定所述拥堵线路更新列表的列表结构描述信息；根据所述拥堵线路更新列表的列表热度权重和所述拥堵线路更新列表的列表结构描述信息，确定所述拥堵线路更新列表的线路更新轨迹图；根据预先存储的线路更新与车流量分布数据的对应关系，确定所述拥堵线路更新列表的线路更新轨迹图所在的线路更新等级对应的目标车流量分布数据，作为所述至少一条待优化拥堵轨迹的当前车流量分布数据；
根据获取的用于拆分当前车流量分布数据的第一拆分标签和第二拆分标签，确定待标记的用于确定所述目标智慧停车场的停车位分布图的多个停车场区域特征的特征识别度，以及不同停车场区域特征之间的拥堵影响因子；基于确定的所述多个停车场区域特征的特征识别度，以及不同停车场区域特征之间的拥堵影响因子，对所述多个停车场区域特征进行标记，使得标记出的停车场区域特征的特征识别度大于设定识别度、且筛选出停车场区域特征之间的拥堵影响因子小于设定影响因子；其中，每个第二拆分标签为当前车流量分布数据对应的一个车辆数目统计标签，每个第一拆分标签为当前车流量分布数据对应的一个车辆密度统计标签；针对所述当前车流量分布数据的区域车流量分布集合，根据所述当前车流量分布数据的区域车流量分布集合在标记出的停车场区域特征中每一种停车场区域特征下的拥堵延时指数，判断所述当前车流量分布数据的区域车流量分布集合是否为离散型车流量分布集合；若确定所述当前车流量分布数据的区域车流量分布集合为离散型车流量分布集合，则确定所述当前车流量分布数据对应的车流量分布轨迹；
获取所述车流量分布轨迹的轨迹节点网络拓扑，以及所述目标智慧停车场对应的停车位分布图；将所述轨迹节点网络拓扑和所述停车位分布图按照匹配关系划分为至少两个停车调度清单；获取每个所述停车调度清单的调度时长队列以及与所述停车调度清单对应的局部轨迹节点网络拓扑，所述局部轨迹节点网络拓扑是所述轨迹节点网络拓扑的一部分；根据每个所述停车调度清单的调度时长队列和所述局部轨迹节点网络拓扑，确定对所述目标智慧停车场对应的第一车辆和第二车辆进行停车线路引导的指示信息，将所述指示信息整合为所述目标智慧停车场对应的停车调度信息表；其中，所述第一车辆为所述目标智慧停车场内的车辆，所述第二车辆为所述目标智慧停车场外的车辆。
本申请的第二个方面提供了一种云计算服务器，包括基于智慧停车的大数据分析装置，所述装置所包括的功能模块在运行时实现第一个方面所述的方法。
本申请的第三个方面提供了一种云计算服务器，包括处理引擎、网络模块和存储器；所述处理引擎和所述存储器通过所述网络模块通信，所述处理引擎从所述存储器中读取计算机程序并运行，以执行第一个方面所述的方法。
本申请的第四个方面提供了一种计算机可读信号介质，其上存储有计算机程序，所述计算机程序在运行是实现第一个方面所述的方法。
相较于现有技术，本申请实施例提供的基于智慧停车的大数据分析方法及云计算服务器具有以下技术效果：首先获取i条停车统计数据，其次将每条停车统计数据解析为统计时间步长不同的至少两个停车统计日志并从每条停车统计数据包括的至少两个停车统计日志中确定停车拥堵轨迹数据所在的停车统计日志，然后根据停车拥堵轨迹数据在每条停车统计数据中所在的停车统计日志从i条停车统计数据包括的停车拥堵轨迹数据中确定至少一条待优化拥堵轨迹，最后根据待优化拥堵轨迹确定目标智慧停车场对应的停车调度信息表。如此，在确定待优化拥堵轨迹时，并不是对所有的停车拥堵轨迹数据对应的拥堵区域或拥堵线路进行优化，这样能够确保停车调度信息表可以考虑到目标智慧停车场的全局车辆调度，避免因为对多条拥堵线路同时进行调度而引起的互相冲突和干扰，从而避免加剧目标智慧停车场的局部拥堵现象。
在后面的描述中，将部分地陈述其他的特征。在检查后面内容和附图时，本领域的技术人员将部分地发现这些特征，或者可以通过生产或运用了解到这些特征。通过实践或使用后面所述详细示例中列出的方法、工具和组合的各个方面，当前申请中的特征可以被实现和获得。
附图说明
发明人对大型停车场在运营过程中，仍然会出现停车拥堵的现象进行分析后发现，常见的针对停车场拥堵的改善方法是直接对多个拥堵区域进行疏通和调度，但是这种方式没有考虑停车场的车辆的全局调度。例如，对停车场区域A进行拥堵疏通的方案可能会导致停车场区域B的拥堵现象加剧。
为了更清楚地说明本申请实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本申请的某些实施例，因此不应被看作是对范围的限定，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相关的附图。
附图中的方法、系统和/或程序将根据示例性实施例进一步描述。这些示例性实施例将参照图纸进行详细描述。这些示例性实施例是非限制的示例性实施例，其中参考数字在附图的各个视图中代表相似的机构。
图1是根据本申请的一些实施例所示的一种示例性基于智慧停车的大数据分析系统的框图。
图2是根据本申请的一些实施例所示的一种示例性云计算服务器中硬件和软件组成的示意图。
图3是根据本申请的一些实施例所示的一种示例性基于智慧停车的大数据分析方法和/或过程的流程图。
图4是根据本申请的一些实施例所示的一种示例性基于智慧停车的大数据分析装置的框图。
具体实施方式
为了更好的理解上述技术方案，下面通过附图以及具体实施例对本申请技术方案做详细的说明，应当理解本申请实施例以及实施例中的具体特征是对本申请技术方案的详细的说明，而不是对本申请技术方案的限定，在不冲突的情况下，本申请实施例以及实施例中的技术特征可以相互组合。
在下面的详细描述中，通过实例阐述了许多具体细节，以便提供对相关指导的全面了解。然而，对于本领域的技术人员来说，显然可以在没有这些细节的情况下实施本申请。在其他情况下，公知的方法、程序、系统、组成和/或电路已经在一个相对较高水平上被描述，没有细节，以避免不必要的模糊本申请的方面。
这些和其他特性、当前申请披露的功能、执行的方法、结构中相关元素的功能和部件的组合和生产经济性,在参照附图进行以下描述的考虑中可能会变得更加明显,所有这些形成本申请的一部分。然而，需要理解清楚的是，附图仅仅是为了说明和描述的目的，并不旨在限制本申请的范围。应当了解的是，这些图纸不是按比例绘制的。然而，应当明确理解的是，附图仅用于说明和描述的目的，并不意图限制本申请的范围。应当知晓的是，这些附图并不依照比例。
本申请中使用流程图说明根据本申请的实施例的系统所执行的执行过程。应当明确理解的是，流程图的执行过程可以不按顺序执行。相反，这些执行过程可以以相反的顺序或同时执行。另外，可以将至少一个其他执行过程添加到流程图。一个或多个执行过程可以从流程图中删除。
图1是根据本申请的一些实施例所示的一种示例性基于智慧停车的大数据分析系统300的框图，基于智慧停车的大数据分析系统300可以包括云计算服务器100和事件记录数据库200。
在一些实施例中，如图2所示，云计算服务器100可以包括处理引擎110、网络模块120和存储器130，处理引擎110和存储器130通过网络模块120通信。
处理引擎110可以处理相关的信息和/或数据以执行本申请中描述的一个或多个功能。例如，在一些实施例中，处理引擎110可以包括至少一个处理引擎(例如，单核处理引擎或多核处理器)。仅作为示例，处理引擎110可以包括中央处理单元(Central ProcessingUnit，CPU)、专用集成电路(Application-Specific Integrated Circuit，ASIC)、专用指令集处理器(Application-Specific Instruction-set Processor，ASIP)、图形处理单元(Graphics Processing Unit，GPU)、物理处理单元(Physics Processing Unit，PPU)、数字信号处理器(Digital Signal Processor，DSP)、现场可编程门阵列(Field ProgrammableGate Array，FPGA)、可编程逻辑器件(Programmable Logic Device，PLD)、控制器、微控制器单元、精简指令集计算机(Reduced Instruction-Set Computer，RISC)、微处理器等或其任意组合。
网络模块120可以促进信息和/或数据的交换。在一些实施例中，网络模块120可以是任何类型的有线或无线网络或其组合。仅作为示例，网络模块120可以包括缆线网络、有线网络、光纤网络、电信网络、内部网络、互联网、局域网络(Local Area Network，LAN)、广域网(Wide Area Network，WAN)、无线局域网络(Wireless Local Area Network，WLAN)、城域网(Metropolitan Area Network，MAN)、公用电话交换网(Public Telephone SwitchedNetwork，PSTN)、蓝牙网络、无线个域网络、近场通讯(Near Field Communication，NFC)网络等或上述举例的任意组合。在一些实施例中，网络模块120可以包括至少一个网络接入点。例如，网路120可以包括有线或无线网路接入点，如基站和/或网路接入点。
存储器130可以是，但不限于，随机存取存储器（Random Access Memory，RAM），只读存储器（Read Only Memory，ROM），可编程只读存储器（Programmable Read-OnlyMemory，PROM），可擦除只读存储器（Erasable Programmable Read-Only Memory，EPROM），电可擦除只读存储器（Electric Erasable Programmable Read-Only Memory，EEPROM）等。其中，存储器130用于存储程序，所述处理引擎110在接收到执行指令后，执行所述程序。
可以理解，图2所示的结构仅为示意，云计算服务器100还可包括比图2中所示更多或者更少的组件，或者具有与图2所示不同的配置。图2中所示的各组件可以采用硬件、软件或其组合实现。
图3是根据本申请的一些实施例所示的一种示例性基于智慧停车的大数据分析方法和/或过程的流程图，基于智慧停车的大数据分析方法应用于图1中的云计算服务器，具体可以包括以下步骤S31-步骤S33所描述的内容。
步骤S31，从所述目标智慧停车场对应的用于记录目标智慧停车场的停车大数据的事件记录数据库中获取i条停车统计数据。
在本实施例中，i为正整数，所述云计算服务器预先与所述事件记录数据库进行访问权限验证且所述云计算服务器通过所述事件记录数据库对应的访问权限验证条件，所述访问权限验证条件包括对所述云计算服务器的网络安全参数和数据调用路径的验证条件。事件记录数据库可以是mySQL数据库或者Hive数据库，停车统计数据用于记录目标智慧停车场内的不同车辆在不同时段的停车数据。
如此设计，能够确保事件记录数据库中存储的停车大数据的安全性，避免停车大数据被非法终端所访问和窃取，进而确保了对应车辆用户的隐私。
步骤S32，将每条停车统计数据解析为统计时间步长不同的至少两个停车统计日志；从每条停车统计数据包括的至少两个停车统计日志中确定停车拥堵轨迹数据所在的停车统计日志。
在本实施例中，统计时间步长可以理解为统计时长间隔，例如1min、5min和10min等。停车统计日志用于将停车统计数据以图形化和数字化相结合的方式进行整合，停车拥堵轨迹数据包括停车拥堵区域、停车拥堵线路和停车拥堵时长等。
步骤S33，根据所述停车拥堵轨迹数据在每条停车统计数据中所在的停车统计日志，从所述i条停车统计数据包括的停车拥堵轨迹数据中确定至少一条待优化拥堵轨迹；根据所述至少一条待优化拥堵轨迹确定所述目标智慧停车场对应的停车调度信息表。
在本实施例中，待优化拥堵轨迹用于表征目标智慧停车场内可以进行车辆疏通和引导的拥堵线路。停车调度信息表用于指导目标智慧停车场内以及目标智慧停车场外的车辆的行驶轨迹，从而实现对目标智慧停车场的拥堵情况的改善。
可以理解，通过执行上述步骤S31-步骤S33，首先获取i条停车统计数据，其次将每条停车统计数据解析为统计时间步长不同的至少两个停车统计日志并从每条停车统计数据包括的至少两个停车统计日志中确定停车拥堵轨迹数据所在的停车统计日志，然后根据停车拥堵轨迹数据在每条停车统计数据中所在的停车统计日志从i条停车统计数据包括的停车拥堵轨迹数据中确定至少一条待优化拥堵轨迹，最后根据待优化拥堵轨迹确定目标智慧停车场对应的停车调度信息表。如此，在确定待优化拥堵轨迹时，并不是对所有的停车拥堵轨迹数据对应的拥堵区域或拥堵线路进行优化，这样能够确保停车调度信息表可以考虑到目标智慧停车场的全局车辆调度，避免因为对多条拥堵线路同时进行调度而引起的互相冲突和干扰，从而避免加剧目标智慧停车场的局部拥堵现象。
在一些示例中，步骤S32所描述的将每条停车统计数据解析为统计时间步长不同的至少两个停车统计日志，可以通过以下两种方式实施。
第一种实施方式，按照预先配置的统计时间步长与数据解析线程之间的映射关系，将每条停车统计数据解析为统计时间步长不同的至少两个停车统计日志。
第二种实施方式，通过统计历史停车统计数据中的每个停车统计日志的统计时间步长和数据解析线程，确定统计时间步长与数据解析线程之间的映射关系；根据确定的映射关系将每条停车统计数据解析为统计时间步长不同的至少两个停车统计日志。
在实际应用时，上面两种实施方式可以任意选择一种进行实施。通过对停车统计数据进行解析，能够确保至少两个停车统计日志之间的统计时段的精准切分，从而避免至少两个停车统计日志之间存在日志数据的重叠。
在实际应用时发明人发现，为了确保对停车拥堵轨迹数据的精准定位，需要考虑不同的拥堵指标判定条件。为实现这一目的，步骤S32所描述的从每条停车统计数据包括的至少两个停车统计日志中确定停车拥堵轨迹数据所在的停车统计日志，进一步可以包括以下步骤S321-步骤S323所描述的内容。
步骤S321，确定每条停车统计数据包括的至少两个停车统计日志的日志事件统计清单和日志事件标签分别对应的拥堵指标判定条件。
步骤S322，判断每条停车统计数据包括的至少两个停车统计日志的日志事件统计清单和日志事件标签中是否存在道路通畅度指标不满足对应的拥堵指标判定条件的事件记录数据，根据判断结果，选择对所述事件记录数据进行转换的转换逻辑数据，基于所述转换逻辑数据，将所述事件记录数据转换为满足对应的拥堵指标判定条件的事件记录数据。
步骤S323，基于每条停车统计数据包括的至少两个停车统计日志的日志事件统计清单和日志事件标签中除所述事件记录数据之外的事件记录数据以及转换后的事件记录数据，确定每条停车统计数据包括的至少两个停车统计日志的拥堵轨迹记录；根据所述停车拥堵轨迹数据在所述拥堵轨迹记录中的序列位置，确定所述停车拥堵轨迹数据所在的停车统计日志。
进一步地，步骤S322所描述的根据判断结果，选择对所述事件记录数据进行转换的转换逻辑数据，基于所述转换逻辑数据，将所述事件记录数据转换为满足对应的拥堵指标判定条件的事件记录数据，可以包括以下步骤S3221和步骤S3222所描述的内容。
步骤S3221，如果每条停车统计数据包括的至少两个停车统计日志的日志事件统计清单不满足对应的第一拥堵指标判定条件且每条停车统计数据包括的至少两个停车统计日志的日志事件标签不满足对应的第二拥堵指标判定条件，则选择对所述日志事件统计清单和所述日志事件标签进行转换的转换逻辑数据为动态转换逻辑数据，基于选择的转换逻辑数据，将所述日志事件统计清单和所述日志事件标签分别转换为满足对应的拥堵指标判定条件的事件记录数据。
步骤S3222，如果每条停车统计数据包括的至少两个停车统计日志的日志事件标签为不满足对应的第二拥堵指标判定条件的事件记录数据，或者每条停车统计数据包括的至少两个停车统计日志的日志事件统计清单为不满足对应的第一拥堵指标判定条件的事件记录数据，则选择对所述事件记录数据进行转换的转换逻辑数据为局部转换逻辑数据或者静态转换逻辑数据，基于选择的转换逻辑数据，将所述事件记录数据转换为满足对应的拥堵指标判定条件的事件记录数据。
进一步地，步骤S323所描述的基于每条停车统计数据包括的至少两个停车统计日志的日志事件统计清单和日志事件标签中除所述事件记录数据之外的事件记录数据以及转换后的事件记录数据，确定每条停车统计数据包括的至少两个停车统计日志的拥堵轨迹记录，可以包括以下实施方式：基于每条停车统计数据包括的至少两个停车统计日志的日志事件统计清单和日志事件标签中除所述事件记录数据之外的事件记录数据以及转换后的事件记录数据，进行车辆位移数据提取，得到多个车辆位移数据集；将所述多个车辆位移数据集进行整合，得到每条停车统计数据包括的至少两个停车统计日志的拥堵轨迹记录。
这样一来，基于上述步骤S321-步骤S323所描述的内容，能够确定每条停车统计数据包括的至少两个停车统计日志的日志事件统计清单和日志事件标签分别对应的拥堵指标判定条件，并基于拥堵指标判定条件确定每条停车统计数据包括的至少两个停车统计日志的拥堵轨迹记录，进而根据停车拥堵轨迹数据在拥堵轨迹记录中的序列位置，确定停车拥堵轨迹数据所在的停车统计日志。如此，能够考虑不同的拥堵指标判定条件，从而确保对停车拥堵轨迹数据的精准定位。
进一步地，步骤S31所描述的从所述目标智慧停车场对应的用于记录目标智慧停车场的停车大数据的事件记录数据库中获取i条停车统计数据，包括：向所述事件记录数据库发起数据调用请求；其中，所述数据调用请求中携带所述云计算服务器的当前认证密钥；在所述事件记录数据库基于所述当前认证密钥判定出所述云计算服务器处于安全运行状态时，获取所述事件记录数据库反馈的i条停车统计数据。可以理解，由于对当前认证密钥进行解析为惯用技术手段，因此在此不作更多说明。
在一个可能的实施例中，步骤S33所描述的根据所述停车拥堵轨迹数据在每条停车统计数据中所在的停车统计日志，从所述i条停车统计数据包括的停车拥堵轨迹数据中确定至少一条待优化拥堵轨迹，示例性地可以包括以下步骤S331-步骤S334所描述的内容。
步骤S331，从所述i条停车统计数据中确定一条停车统计数据，获取确定出的停车统计数据包括的停车拥堵轨迹数据的拥堵区域分布。
步骤S332，根据所述停车拥堵轨迹数据在确定出的停车统计数据中所在的停车统计日志、确定出的停车统计数据包括的停车拥堵轨迹数据的拥堵区域分布、上一统计时间步长确定的候选目标拥堵轨迹所在的停车统计日志，以及上一统计时间步长确定的候选目标拥堵轨迹的拥堵区域分布，确定当前统计时间步长的候选目标拥堵轨迹。
步骤S333，判断是否已处理完所述i条停车统计数据。
步骤S334，如果是，则将当前统计时间步长确定出的候选目标拥堵轨迹作为所述待优化拥堵轨迹，如果否，则从所述i条停车统计数据包括的未处理的停车统计数据中确定一条停车统计数据，返回获取确定出的停车统计数据包括的停车拥堵轨迹数据的拥堵区域分布的步骤，直至已处理完所述i条停车统计数据。
可以理解，通过执行上述步骤S331-步骤S334，能够对拥堵区域分布进行分析，从而实现对多条停车统计数据的迭代处理和分析，这样能够考虑目标智慧停车场的车辆的全局性的拥堵优化，避免因确定的待优化拥堵轨迹出现偏差而加剧目标智慧停车场的局部拥堵现象。
在上述步骤S331-步骤S334的基础上，所述至少两个停车统计日志包括第一停车统计日志和第二停车统计日志，所述第一停车统计日志的统计时间步长高于所述第二停车统计日志的统计时间步长。进一步地，步骤S332所描述的所述根据所述停车拥堵轨迹数据在确定出的停车统计数据中所在的停车统计日志、确定出的停车统计数据包括的停车拥堵轨迹数据的拥堵区域分布、上一统计时间步长确定的候选目标拥堵轨迹所在的停车统计日志，以及上一统计时间步长确定的候选目标拥堵轨迹的拥堵区域分布，确定当前统计时间步长的候选目标拥堵轨迹，进一步可以通过以下步骤S3321-步骤S3323所描述的内容实现。
步骤S3321，当所述停车拥堵轨迹数据在确定出的停车统计数据中所在的停车统计日志与上一统计时间步长确定出的候选目标拥堵轨迹所在的停车统计日志相同，且确定出的停车统计数据包括的停车拥堵轨迹数据的拥堵区域分布与上一统计时间步长确定出的候选目标拥堵轨迹的拥堵区域分布不相同时，从确定出的停车统计数据包括的停车拥堵轨迹数据和上一统计时间步长确定出的候选目标拥堵轨迹中，确定拥堵区域分布最大的目标拥堵轨迹作为当前统计时间步长的候选目标拥堵轨迹。
步骤S3322，当所述停车拥堵轨迹数据在确定出的停车统计数据中所在的停车统计日志与上一统计时间步长确定出的候选目标拥堵轨迹所在的停车统计日志不相同，且上一统计时间步长确定出的候选目标拥堵轨迹所在的停车统计日志为所述第一停车统计日志时，确定第二拥堵等级差异系数，所述第二拥堵等级差异系数为确定出的停车统计数据包括的停车拥堵轨迹数据的拥堵区域分布与上一统计时间步长确定出的候选目标拥堵轨迹的拥堵区域分布之间的差异系数；当所述第二拥堵等级差异系数大于系数阈值时，将确定出的停车统计数据包括的停车拥堵轨迹数据作为当前统计时间步长的候选目标拥堵轨迹。
步骤S3323，当所述停车拥堵轨迹数据在确定出的停车统计数据中所在的停车统计日志与上一统计时间步长确定出的候选目标拥堵轨迹所在的停车统计日志不相同，且所述停车拥堵轨迹数据在确定出的停车统计数据中所在的停车统计日志为所述第一停车统计日志时，确定第三拥堵等级差异系数，所述第三拥堵等级差异系数为上一统计时间步长确定出的候选目标拥堵轨迹的拥堵区域分布与确定出的停车统计数据包括的停车拥堵轨迹数据的拥堵区域分布之间的差异系数；当所述第三拥堵等级差异系数小于或等于所述系数阈值时，将确定出的停车统计数据包括的停车拥堵轨迹数据作为当前统计时间步长的候选目标拥堵轨迹。
在实际应用时，通过执行上述步骤S3321-步骤S3323所描述的内容，能够根据不同的拥堵等级差异系数确定当前统计时间步长的候选目标拥堵轨迹，这样能够将目标智慧停车场内的不同区域场景之间的拥堵情况的差异考虑在内，从而精准可靠地确定出候选目标拥堵轨迹。
在一个可能的实施方式中，步骤S33所描述的根据所述至少一条待优化拥堵轨迹确定所述目标智慧停车场对应的停车调度信息表，进一步可以通过以下步骤a-步骤c所描述的内容实现。
步骤a，确定所述至少一条待优化拥堵轨迹的拥堵线路更新列表；获取所述拥堵线路更新列表的各列表单元的更新热度值，根据所述各列表单元的更新热度值，确定更新热度值小于或等于预设的目标热度值的列表单元数目；计算所述列表单元数目与所述拥堵线路更新列表的总列表单元数目的比例，得到所述拥堵线路更新列表的列表热度权重；确定所述拥堵线路更新列表的列表结构描述信息；根据所述拥堵线路更新列表的列表热度权重和所述拥堵线路更新列表的列表结构描述信息，确定所述拥堵线路更新列表的线路更新轨迹图；根据预先存储的线路更新与车流量分布数据的对应关系，确定所述拥堵线路更新列表的线路更新轨迹图所在的线路更新等级对应的目标车流量分布数据，作为所述至少一条待优化拥堵轨迹的当前车流量分布数据。
步骤b，根据获取的用于拆分当前车流量分布数据的第一拆分标签和第二拆分标签，确定待标记的用于确定所述目标智慧停车场的停车位分布图的多个停车场区域特征的特征识别度，以及不同停车场区域特征之间的拥堵影响因子；基于确定的所述多个停车场区域特征的特征识别度，以及不同停车场区域特征之间的拥堵影响因子，对所述多个停车场区域特征进行标记，使得标记出的停车场区域特征的特征识别度大于设定识别度、且筛选出停车场区域特征之间的拥堵影响因子小于设定影响因子；其中，每个第二拆分标签为当前车流量分布数据对应的一个车辆数目统计标签，每个第一拆分标签为当前车流量分布数据对应的一个车辆密度统计标签；针对所述当前车流量分布数据的区域车流量分布集合，根据所述当前车流量分布数据的区域车流量分布集合在标记出的停车场区域特征中每一种停车场区域特征下的拥堵延时指数，判断所述当前车流量分布数据的区域车流量分布集合是否为离散型车流量分布集合；若确定所述当前车流量分布数据的区域车流量分布集合为离散型车流量分布集合，则确定所述当前车流量分布数据对应的车流量分布轨迹。
步骤c，获取所述车流量分布轨迹的轨迹节点网络拓扑，以及所述目标智慧停车场对应的停车位分布图；将所述轨迹节点网络拓扑和所述停车位分布图按照匹配关系划分为至少两个停车调度清单；获取每个所述停车调度清单的调度时长队列以及与所述停车调度清单对应的局部轨迹节点网络拓扑，所述局部轨迹节点网络拓扑是所述轨迹节点网络拓扑的一部分；根据每个所述停车调度清单的调度时长队列和所述局部轨迹节点网络拓扑，确定对所述目标智慧停车场对应的第一车辆和第二车辆进行停车线路引导的指示信息，将所述指示信息整合为所述目标智慧停车场对应的停车调度信息表；其中，所述第一车辆为所述目标智慧停车场内的车辆，所述第二车辆为所述目标智慧停车场外的车辆。
可以理解，通过执行上述步骤a-步骤c，首先确定待优化拥堵轨迹的当前车流量分布数据，其次确定当前车流量分布数据对应的车流量分布轨迹，最后根据车流量分布轨迹生成不同的指示信息并整合得到停车调度信息表。由于停车调度信息表考虑了目标智慧停车场内的车辆以及目标智慧停车场外的车辆的调度情况，因此能够确保停车调度信息表可以考虑到目标智慧停车场的全局车辆调度，避免因为对多条拥堵线路同时进行调度而引起的互相冲突和干扰，从而避免加剧目标智慧停车场的局部拥堵现象。
在一个可替换的实施方式中，步骤S33所描述的根据所述停车拥堵轨迹数据在每条停车统计数据中所在的停车统计日志，从所述i条停车统计数据包括的停车拥堵轨迹数据中确定至少一条待优化拥堵轨迹，还可以包括以下内容：从所述i条停车统计数据包括的停车拥堵轨迹数据中，确定处于设定时间步长区间内的停车统计日志的至少一条目标拥堵轨迹；确定所述至少一条目标拥堵轨迹中每条目标拥堵轨迹的拥堵区域分布；根据所述至少一条目标拥堵轨迹的拥堵区域分布，从所述至少一条目标拥堵轨迹中确定至少一条待优化拥堵轨迹。
在一个可替换的实施方式中，步骤S33所描述的根据所述停车拥堵轨迹数据在每条停车统计数据中所在的停车统计日志，从所述i条停车统计数据包括的停车拥堵轨迹数据中确定至少一条待优化拥堵轨迹，还可以包括以下内容：（1）确定每条停车统计数据包括的停车拥堵轨迹数据的拥堵区域分布；（2）根据所述停车拥堵轨迹数据在每条停车统计数据中所在的停车统计日志，以及每条停车统计数据包括的停车拥堵轨迹数据的拥堵区域分布，从所述i条停车统计数据包括的停车拥堵轨迹数据中确定至少一条待优化拥堵轨迹。
进一步地，所述至少两个停车统计日志包括第一停车统计日志和第二停车统计日志，所述第一停车统计日志的统计时间步长高于所述第二停车统计日志的统计时间步长；步骤（2）所描述的根据所述停车拥堵轨迹数据在每条停车统计数据中所在的停车统计日志，以及每条停车统计数据包括的停车拥堵轨迹数据的拥堵区域分布，从所述i条停车统计数据包括的停车拥堵轨迹数据中确定至少一条待优化拥堵轨迹，可以包括以下步骤（21）-步骤（23）所描述的内容。
（21）当所述停车拥堵轨迹数据在所述i条停车统计数据包括的j条停车统计数据中处于所述第一停车统计日志时，根据所述j条停车统计数据包括的停车拥堵轨迹数据的拥堵区域分布，从所述j条停车统计数据包括的停车拥堵轨迹数据中，确定拥堵区域分布最大的停车拥堵轨迹数据作为第一候选目标拥堵轨迹，j为小于i的正整数。
（22）当所述停车拥堵轨迹数据在所述i条停车统计数据包括的k条停车统计数据中处于所述第二停车统计日志时，根据所述k条停车统计数据包括的停车拥堵轨迹数据的拥堵区域分布，从所述k条停车统计数据包括的停车拥堵轨迹数据中，确定拥堵区域分布最大的停车拥堵轨迹数据作为第二候选目标拥堵轨迹，k为小于i的正整数，且k与j之和等于i。
（23）根据所述第一候选目标拥堵轨迹的拥堵区域分布和所述第二候选目标拥堵轨迹的拥堵区域分布，从所述第一候选目标拥堵轨迹和所述第二候选目标拥堵轨迹中确定至少一条待优化拥堵轨迹。
进一步地，在步骤（23）中，根据所述第一候选目标拥堵轨迹的拥堵区域分布和所述第二候选目标拥堵轨迹的拥堵区域分布，从所述第一候选目标拥堵轨迹和所述第二候选目标拥堵轨迹中确定至少一条待优化拥堵轨迹，包括：确定第一拥堵等级差异系数，所述第一拥堵等级差异系数为所述第二候选目标拥堵轨迹的拥堵区域分布和所述第一候选目标拥堵轨迹的拥堵区域分布之间的差异系数；当所述第一拥堵等级差异系数等于系数阈值时，将所述第一候选目标拥堵轨迹和所述第二候选目标拥堵轨迹均确定为待优化拥堵轨迹；当所述第一拥堵等级差异系数大于系数阈值时，确定所述第二候选目标拥堵轨迹为所述待优化拥堵轨迹，当所述第一拥堵等级差异系数小于所述系数阈值时，确定所述第一候选目标拥堵轨迹为所述待优化拥堵轨迹。
进一步地，所述至少两个停车统计日志包括第一停车统计日志和第二停车统计日志，所述第一停车统计日志的统计时间步长高于所述第二停车统计日志的统计时间步长；在步骤（1）中，确定每条停车统计数据包括的停车拥堵轨迹数据的拥堵区域分布，包括：确定当前停车统计数据包括的停车拥堵轨迹数据的多个轨迹描述特征，所述当前停车统计数据为所述i条停车统计数据中的任一条停车统计数据；当所述停车拥堵轨迹数据在所述当前停车统计数据中处于所述第一停车统计日志时，根据所述当前停车统计数据包括的停车拥堵轨迹数据的多个轨迹描述特征和每个轨迹描述特征的第一特征相似度，确定所述当前停车统计数据包括的停车拥堵轨迹数据的拥堵区域分布；当所述停车拥堵轨迹数据在所述当前停车统计数据中处于所述第二停车统计日志时，根据所述当前停车统计数据包括的停车拥堵轨迹数据的多个轨迹描述特征和每个轨迹描述特征的第二特征相似度，确定所述当前停车统计数据包括的停车拥堵轨迹数据的拥堵区域分布。
可以理解，通过上述方式确定待优化拥堵轨迹，能够确保待优化拥堵轨迹的全局兼容性，从而实现拥堵调度的成本最小化，避免因后期的停车调度出现的二次拥堵。
图4是根据本申请的一些实施例所示的一种示例性基于智慧停车的大数据分析装置140的框图，所述基于智慧停车的大数据分析装置140应用于图1中的云计算服务器100，所述基于智慧停车的大数据分析装置140包括以下功能模块。
数据获取模块141，用于从所述目标智慧停车场对应的用于记录目标智慧停车场的停车大数据的事件记录数据库中获取i条停车统计数据；其中，i为正整数，所述云计算服务器预先与所述事件记录数据库进行访问权限验证且所述云计算服务器通过所述事件记录数据库对应的访问权限验证条件，所述访问权限验证条件包括对所述云计算服务器的网络安全参数和数据调用路径的验证条件。
轨迹确定模块142，用于将每条停车统计数据解析为统计时间步长不同的至少两个停车统计日志；从每条停车统计数据包括的至少两个停车统计日志中确定停车拥堵轨迹数据所在的停车统计日志。
拥堵调度模块143，用于根据所述停车拥堵轨迹数据在每条停车统计数据中所在的停车统计日志，从所述i条停车统计数据包括的停车拥堵轨迹数据中确定至少一条待优化拥堵轨迹；根据所述至少一条待优化拥堵轨迹确定所述目标智慧停车场对应的停车调度信息表。
可以理解，上述装置实施例的描述可以参阅对图3所示的方法实施例的说明，在此不作赘述。
基于上述同样的发明构思，还提供了基于智慧停车的大数据分析系统，进一步描述如下。
A1.一种基于智慧停车的大数据分析系统，包括互相之间通信的云计算服务器和事件记录数据库；其中，所述云计算服务器用于：
从所述目标智慧停车场对应的用于记录目标智慧停车场的停车大数据的事件记录数据库中获取i条停车统计数据；其中，i为正整数，所述云计算服务器预先与所述事件记录数据库进行访问权限验证且所述云计算服务器通过所述事件记录数据库对应的访问权限验证条件，所述访问权限验证条件包括对所述云计算服务器的网络安全参数和数据调用路径的验证条件；
将每条停车统计数据解析为统计时间步长不同的至少两个停车统计日志；从每条停车统计数据包括的至少两个停车统计日志中确定停车拥堵轨迹数据所在的停车统计日志；
根据所述停车拥堵轨迹数据在每条停车统计数据中所在的停车统计日志，从所述i条停车统计数据包括的停车拥堵轨迹数据中确定至少一条待优化拥堵轨迹；根据所述至少一条待优化拥堵轨迹确定所述目标智慧停车场对应的停车调度信息表。
可以理解，上述系统实施例的描述可以参阅对图3所示的方法实施例的说明，在此不作赘述。
上文已对基本概念做了描述，显然，对于本领域技术人员来说，上述详细披露仅作为示例，而并不构成对本申请的限定。虽然此处并没有明确说明，本领域技术人员可以对本申请进行各种修改、改进和修正。该类修改、改进和修正在本申请中被建议，所以该类修改、改进、修正仍属于本申请示范实施例的精神和范围。
同时，本申请使用了特定术语来描述本申请的实施例。如“一个实施例”、“一实施例”、和/或“一些实施例”意指与本申请至少一个实施例相关的某一特征、结构或特点。因此，应强调并注意的是，本说明书中在不同部分两次或多次提到的“一实施例”或“一个实施例”或“一替代性实施例”并不一定是指同一实施例。此外，本申请的至少一个实施例中的某些特征、结构或特点可以进行适当的组合。
另外，本领域普通技术人员可以理解的是，本申请的各个方面可以通过若干具有可专利性的种类或情况进行说明和描述，包括任何新的和有用的工序、机器、产品或物质的组合，或对他们任何新的和有用的改进。相应地，本申请的各个方面可以完全由硬件执行、可以完全由软件(包括固件、常驻软件、微码等)执行、也可以由硬件和软件组合执行。以上硬件或软件均可以被称为“单元”、“组件”或“系统”。此外，本申请的各方面可以表现为位于至少一个计算机可读介质中的计算机产品，所述产品包括计算机可读程序编码。
计算机可读信号介质可能包含一个内含有计算机程序编码的传播数据信号，例如在基带上或作为载波的一部分。该传播信号可能有多种表现形式，包括电磁形式、光形式等等、或合适的组合形式。计算机可读信号介质可以是除计算机可读存储介质之外的任何计算机可读介质，该介质可以通过连接至一个指令执行系统、装置或设备以实现通讯、传播或传输供使用的程序。位于计算机可读信号介质上的程序编码可以通过任何合适的介质进行传播，包括无线电、电缆、光纤缆线、RF、或类似介质、或任何上述介质的组合。
本申请各方面执行所需的计算机程序码可以用一种或多种程序语言的任意组合编写，包括面向对象程序设计，如Java、Scala、Smalltalk、Eiffel、JADE、Emerald、C++、C#、VB.NET，Python等，或类似的常规程序编程语言，如"C"编程语言，Visual Basic，Fortran2003，Perl，COBOL 2002，PHP，ABAP，动态编程语言如Python，Ruby和Groovy或其它编程语言。所述程式设计编码可以完全在用户计算机上执行、或作为独立的软体包在用户计算机上执行、或部分在用户计算机上执行部分在远程计算机执行、或完全在远程计算机或服务器上执行。在后种情况下，远程计算机可以通过任何网络形式与用户计算机连接，比如局域网络(LAN)或广域网(WAN)，或连接至外部计算机(例如通过因特网)，或在云计算环境中，或作为服务使用如软件即服务(SaaS)。
此外，除非申请专利范围中明确说明，本申请所述处理元件和序列的顺序、数位字母的使用、或其他名称的使用，并非用于限定本申请流程和方法的顺序。尽管上述披露中通过各种示例讨论了一些目前认为有用的发明实施例，但应当理解的是，该类细节仅起到说明的目的，附加的申请专利范围并不仅限于披露的实施例，相反，申请专利范围旨在覆盖所有符合本申请实施例实质和范围的修正和等价组合。例如，虽然以上所描述的系统组件可以通过硬件装置实现，但是也可以只通过软件的解决方案得以实现，如在现有的服务器或行动装置上安装所描述的系统。
同样应当理解的是，为了简化本申请揭示的表述，从而帮助对至少一个发明实施例的理解，前文对本申请实施例的描述中，有时会将多种特征归并至一个实施例、附图或对其的描述中。但是，这种披露方法幷不意味着本申请对象所需要的特征比权利要求中提及的特征多。实际上，实施例的特征要少于上述披露的单个实施例的全部特征。

Claims (7)

1.一种基于智慧停车的大数据分析方法，其特征在于，应用于与目标智慧停车场通信连接的云计算服务器，所述方法包括：
确定每条停车统计数据包括的至少两个停车统计日志的日志事件统计清单和日志事件标签分别对应的拥堵指标判定条件；
判断每条停车统计数据包括的至少两个停车统计日志的日志事件统计清单和日志事件标签中是否存在道路通畅度指标不满足对应的拥堵指标判定条件的事件记录数据，根据判断结果，选择对所述事件记录数据进行转换的转换逻辑数据，基于所述转换逻辑数据，将所述事件记录数据转换为满足对应的拥堵指标判定条件的事件记录数据；
基于每条停车统计数据包括的至少两个停车统计日志的日志事件统计清单和日志事件标签中除所述事件记录数据之外的事件记录数据以及转换后的事件记录数据，确定每条停车统计数据包括的至少两个停车统计日志的拥堵轨迹记录；根据所述停车拥堵轨迹数据在所述拥堵轨迹记录中的序列位置，确定所述停车拥堵轨迹数据所在的停车统计日志。
2.如权利要求1所述的方法，其特征在于，所述根据判断结果，选择对所述事件记录数据进行转换的转换逻辑数据，基于所述转换逻辑数据，将所述事件记录数据转换为满足对应的拥堵指标判定条件的事件记录数据，包括：
如果每条停车统计数据包括的至少两个停车统计日志的日志事件统计清单不满足对应的第一拥堵指标判定条件且每条停车统计数据包括的至少两个停车统计日志的日志事件标签不满足对应的第二拥堵指标判定条件，则选择对所述日志事件统计清单和所述日志事件标签进行转换的转换逻辑数据为动态转换逻辑数据，基于选择的转换逻辑数据，将所述日志事件统计清单和所述日志事件标签分别转换为满足对应的拥堵指标判定条件的事件记录数据；
如果每条停车统计数据包括的至少两个停车统计日志的日志事件标签为不满足对应的第二拥堵指标判定条件的事件记录数据，或者每条停车统计数据包括的至少两个停车统计日志的日志事件统计清单为不满足对应的第一拥堵指标判定条件的事件记录数据，则选择对所述事件记录数据进行转换的转换逻辑数据为局部转换逻辑数据或者静态转换逻辑数据，基于选择的转换逻辑数据，将所述事件记录数据转换为满足对应的拥堵指标判定条件的事件记录数据。
3.如权利要求2所述的方法，其特征在于，所述基于每条停车统计数据包括的至少两个停车统计日志的日志事件统计清单和日志事件标签中除所述事件记录数据之外的事件记录数据以及转换后的事件记录数据，确定每条停车统计数据包括的至少两个停车统计日志的拥堵轨迹记录，包括：
基于每条停车统计数据包括的至少两个停车统计日志的日志事件统计清单和日志事件标签中除所述事件记录数据之外的事件记录数据以及转换后的事件记录数据，进行车辆位移数据提取，得到多个车辆位移数据集；将所述多个车辆位移数据集进行整合，得到每条停车统计数据包括的至少两个停车统计日志的拥堵轨迹记录。
4.如权利要求1所述的方法，其特征在于，在从每条停车统计数据包括的至少两个停车统计日志中确定停车拥堵轨迹数据所在的停车统计日志的步骤之前，所述方法还包括：
从所述目标智慧停车场对应的用于记录目标智慧停车场的停车大数据的事件记录数据库中获取i条停车统计数据；其中，i为正整数，所述云计算服务器预先与所述事件记录数据库进行访问权限验证且所述云计算服务器通过所述事件记录数据库对应的访问权限验证条件，所述访问权限验证条件包括对所述云计算服务器的网络安全参数和数据调用路径的验证条件；
将每条停车统计数据解析为统计时间步长不同的至少两个停车统计日志。
5.如权利要求4所述的方法，其特征在于，在根据所述停车拥堵轨迹数据在所述拥堵轨迹记录中的序列位置，确定所述停车拥堵轨迹数据所在的停车统计日志的步骤之后，所述方法还包括：
根据所述停车拥堵轨迹数据在每条停车统计数据中所在的停车统计日志，从所述i条停车统计数据包括的停车拥堵轨迹数据中确定至少一条待优化拥堵轨迹；根据所述至少一条待优化拥堵轨迹确定所述目标智慧停车场对应的停车调度信息表。
6.一种云计算服务器，其特征在于，包括处理引擎、网络模块和存储器；所述处理引擎和所述存储器通过所述网络模块通信，所述处理引擎从所述存储器中读取计算机程序并运行，以执行权利要求1-5任一项所述的方法。
7.一种计算机可读信号介质，其特征在于，其上存储有计算机程序，所述计算机程序在运行是实现权利要求1-5任一项所述的方法。
CN202110419845.4A 2020-11-03 2020-11-03 基于智慧停车的大数据分析方法及云计算服务器 Withdrawn CN113283636A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110419845.4A CN113283636A (zh) 2020-11-03 2020-11-03 基于智慧停车的大数据分析方法及云计算服务器

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
CN202011208323.1A CN112308320B (zh) 2020-11-03 2020-11-03 应用于智慧停车的大数据分析方法及云计算服务器
CN202110419845.4A CN113283636A (zh) 2020-11-03 2020-11-03 基于智慧停车的大数据分析方法及云计算服务器

Related Parent Applications (1)

Application Number Title Priority Date Filing Date
CN202011208323.1A Division CN112308320B (zh) 2020-11-03 2020-11-03 应用于智慧停车的大数据分析方法及云计算服务器

Publications (1)

Publication Number Publication Date
CN113283636A true CN113283636A (zh) 2021-08-20

Family

ID=74332490

Family Applications (3)

Application Number Title Priority Date Filing Date
CN202110419845.4A Withdrawn CN113283636A (zh) 2020-11-03 2020-11-03 基于智慧停车的大数据分析方法及云计算服务器
CN202011208323.1A Active CN112308320B (zh) 2020-11-03 2020-11-03 应用于智慧停车的大数据分析方法及云计算服务器
CN202110419844.XA Withdrawn CN113283635A (zh) 2020-11-03 2020-11-03 智慧停车场景的大数据分析方法及云计算服务器

Family Applications After (2)

Application Number Title Priority Date Filing Date
CN202011208323.1A Active CN112308320B (zh) 2020-11-03 2020-11-03 应用于智慧停车的大数据分析方法及云计算服务器
CN202110419844.XA Withdrawn CN113283635A (zh) 2020-11-03 2020-11-03 智慧停车场景的大数据分析方法及云计算服务器

Country Status (1)

Country Link
CN (3) CN113283636A (zh)

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8339454B1 (en) * 2008-09-20 2012-12-25 PureTech Systems Inc. Vision-based car counting for multi-story carparks
CN102971607B (zh) * 2010-07-30 2015-08-19 三菱电机株式会社 导航系统
CN102522002B (zh) * 2011-12-31 2013-11-06 南京九竹科技实业有限公司 一种大型停车场的全方位智能引导系统及方法
CN111160867A (zh) * 2019-12-31 2020-05-15 松立控股集团股份有限公司 大范围地域停车场大数据分析系统

Also Published As

Publication number Publication date
CN113283635A (zh) 2021-08-20
CN112308320A (zh) 2021-02-02
CN112308320B (zh) 2021-07-13

Similar Documents

Publication Publication Date Title
WO2020181879A1 (zh) 一种与车辆相关联的数据处理方法及系统
CN112598192B (zh) 一种车辆进入物流园区的预测方法、装置、存储介质及终端
CN110599353A (zh) 一种车辆出险和赔付率预测方法、装置、设备及介质
CN112487495B (zh) 基于大数据和云计算的数据处理方法及大数据服务器
CN113641994B (zh) 基于图数据的数据处理方法及系统
CN113470377A (zh) 基于信息共享的智慧停车场管理方法及云平台
CN112734956B (zh) 一种etc门架确定的方法、装置及存储介质
CN111881243A (zh) 一种出租车轨迹热点区域分析方法及系统
CN112702422A (zh) 基于云计算和边缘计算的大数据协同处理方法及云服务器
CN112308320B (zh) 应用于智慧停车的大数据分析方法及云计算服务器
CN113761210A (zh) 基于报告文本信息识别的信息处理方法及系统
CN108200551A (zh) 一种加油数据的记录方法、装置、终端设备和服务器
CN114841428A (zh) 一种公交线路规划方法及系统
CN114820264A (zh) 公共交通工具换乘数据处理方法、装置、设备、存储介质
CN112365712A (zh) 基于ai的智慧停车场停车引导方法及人工智能服务器
CN111369790B (zh) 过车记录校正方法、装置、设备及存储介质
CN112686667A (zh) 基于大数据和区块链的数据处理方法及云服务平台
CN112770264A (zh) 物流干线的干线走廊识别方法与系统
CN113781207B (zh) 基于实验设计的风控管理策略确定方法及系统
CN113284337A (zh) 基于车辆轨迹多维数据的od矩阵计算方法及装置
CN114220191A (zh) 行车状态识别方法、装置、计算机设备及可读存储介质
CN111881226A (zh) 一种判断面状区域通行属性的方法和系统
CN110718087A (zh) 数据融合处理方法及装置
CN113821736B (zh) 基于前缀树的车辆目的地的预测方法、装置、设备及介质
CN112581759B (zh) 一种基于智慧交通的云计算方法及系统

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
WW01 Invention patent application withdrawn after publication

Application publication date: 20210820

WW01 Invention patent application withdrawn after publication