CN113870615A - 一种基于智慧城市的智能车停车系统及停车方法 - Google Patents

Abstract

一种基于智慧城市的智能车停车系统及停车方法，该系统包括能实时获取地图云服务器数据、城市道路实时拥堵情况以及各个停车场的具体信息的智慧城市管理中心；采用神经网络模型判断驾驶员状态的驾驶员状态识别模块；用于根据输入的目的地以及驾驶员的状态，筛选并按优先级顺序推送至少一条行车路线的行车路线选择系统；用于根据用户选择的行车路线以及驾驶员的类型、筛选条件，筛选并按优先级顺序推送不同行车路线上的停车场的筛选停车场系统；数据交互模块；驾驶员通过筛选停车场系统选出心仪停车场后接收该停车场具体信息，线上进行停车位选择及预约停车位操作。该系统能够有效解决智能车停车难问题，降低车祸事故率，解决城市拥堵。

Description

一种基于智慧城市的智能车停车系统及停车方法

技术领域

本发明涉及智慧城市技术领域，更具体地说，尤其涉及一种基于智慧城市的智能车停车系统及停车方法。

背景技术

随着我国汽车行业的不断发展，汽车保有量不断提高。当上路的汽车数量达到汽车保有量的10％时，将会造成停车困难从而导致城市拥堵。在汽车智能程度不断发展的今天，智能车应有足够的功能来解决停车难问题，从而大大减少交通拥堵情况的发生。

中国专利CN 113205699 A公开了《一种基于大数据管理的智慧城市停车管理系统》，该停车管理系统是通过将远程车位预订模块、停车路线导航模块以及其他功能性模块进行有机关联，相较于现有技术而言，可以一定程度的提高停车设施的利用率。但此专利所提供的方案是在汽车到达终点后才开始寻找停车位，并不能有效减少因寻找停车位所浪费的时间，因此很难到达疏解城市交通的目的。

中国专利专利CN 113299109 A公开了《一种适用于智慧城市的智慧停车管理系统》，该停车管理系统能够实时向进场车辆分配空车位，并推送从入口至分配车位的最佳行驶路径，而且支持线上缴费，可以一定程度上缓解停车场内部堵塞问题。但此发明的方案把停车场系统作为一个单独系统来应用，并没有充分发挥停车场系统的作用，同时不提供远程预约车位的功能，存在一定的局限性。

发明内容

本发明的目的在于提供一种基于智慧城市的智能车停车系统，该系统能够有效解决智能车停车难问题，同时能够降低车祸事故率，解决城市拥堵。

为实现上述目的，本发明采用如下技术方案：

一种基于智慧城市的智能车停车系统，包括智慧城市管理中心、驾驶员状态识别模块、行车路线选择系统、筛选停车场系统、数据交互模块；其中，所述智慧城市管理中心包括智慧城市管理中心导航模块、智慧城市管理中心停车模块；所述智慧城市管理中心导航模块能实时获取地图云服务器数据以及城市道路实时拥堵情况；所述智慧城市管理中心停车模块能实时获取各个停车场的位置信息、收费信息、空车位分布信息、车位大小信息；

所述驾驶员状态识别模块，采用神经网络模型对安装在汽车内的眼动仪采集的数据、方向盘传感器采集的数据、踏板传感器采集的数据以及摄像头采集的驾驶员手口动作信息进行处理，从而判断驾驶员为稳健型还是路怒型；

所述行车路线选择系统，用于根据用户输入的目的地以及驾驶员状态识别模块的识别结果，筛选并按优先级顺序推送至少一条适合驾驶员的行车路线；若驾驶员状态识别模块的识别结果为稳健型驾驶员，则将距离近、用时少作为优先推荐的参数；若驾驶员状态识别模块的识别结果为路怒型驾驶员，则将路口少作为唯一的优先推荐参数；

所述筛选停车场系统，用于根据用户选择的行车路线以及驾驶员的类型、筛选条件，筛选并按优先级顺序推送不同行车路线上的停车场，驾驶员通过筛选停车场系统选出心仪停车场，并接收该停车场具体信息，之后在线上进行停车位选择及预约停车位操作；所述驾驶员的类型包括新手、老司机；所述筛选条件包括车位大小、交通情况、停车费用、与目的地距离；

所述数据交互模块，用于实现用户终端与车载终端的数据交互，智慧城市管理中心与行车路线选择系统、筛选停车场系统的数据交互，以及行车路线选择系统、筛选停车场系统与车载终端的数据交互。

作为本发明的优选，所述行车路线选择系统对于稳健型驾驶员推送路线时，分别按照距离近、用时少对地图云服务器推荐的路线进行排序，采用总分满分为10分，距离近占5分，用时少占5分，第一得满分，以一分为公差进行递减，最低为一分，计算总分的方式，优先推送高分路线；行车路线选择系统对于路怒型驾驶员推送路线时，按照路口数量对地图云服务器推荐的路线进行排序，采用总分满分为10分，第一得满分，以一分为公差进行递减，最低为一分，计算总分的方式，优先推送高分路线。

作为本发明的优选，若驾驶员的类型为新手时，则筛选停车场系统的筛选条件为车位大小，交通情况、停车费用、与目的地距离中的一个或多个；筛选机制为：采用积分制，总分满分为10分，对各停车场筛选条件分别进行排名，第一得满分，以一分为公差进行递减，最低为一分，优先推送高分停车场；若筛选条件为四个，则按照4222权重，其中车位大小占4分，交通情况、停车费用、与目的地距离则各占2分；若筛选条件为三个，则按照5221权重，其中车位大小占5分，所选中的两个筛选条件各占2分，未被选中的筛选条件占1分；若筛选条件为两个，则按照5311权重，其中车位大小占5分，所选中的筛选条件占3分，未被选中的两个筛选条件各占1分的方式，优先推送高分停车场；

若驾驶员的类型为老司机时，筛选停车场系统的筛选条件为交通情况、停车费用、与目的地距离中的一个或多个；若筛选条件为三个，则按照等权重，交通情况、停车费用、与目的地距离三个筛选条件各占3分；若筛选条件为两个，则按照442权重，所选中的两个筛选条件各占4分，未被选中的筛选条件占2分；若筛选条件为一个，则按照622权重，所选中的那个筛选条件占6分，未被选中的两个筛选条件各占2分的方式，优先推送高分停车场。

作为本发明的优选，所述筛选停车场系统包括停车场筛选模块、停车场推送模块、信息接收模块、停车位选择模块、在线预约模块45、支付模块；其中，所述停车场筛选模块，用于对行车路线上的停车场进行筛选；停车场推送模块，用于根据驾驶员的类型、筛选条件按照优先级顺序推送不同行车路线上的停车场；所述信息接收模块，用于接收所选择的停车场的具体信息，包括停车费、空车位信息；所述停车位选择模块，用于对所选择的停车场中的空余停车位进行选择；所述在线预约模块，用于对所选择的空余停车位进行在线预约；所述支付模块，用于支付停车费。

作为本发明的优选，在停车场停车位放置光敏传感器，根据光敏传感器所发信号判断出停车位是否有车，从而得到停车场空车位分布信息，所述空车位分布信息分别传至地图云服务器和车辆终端的车载信息娱乐系统，后经MOST总线传至车辆显示终端。

作为本发明的优选，通过眼动仪观察神情、眼神来判断驾驶员情绪；通过方向盘传感器、踏板传感器来判断驾驶员性格；通过摄像头观察口手动作来判断驾驶员是否分心，三方面信息综合传至神经网络模型，并由神经网络模型判别驾驶员状态，之后通过CAN网络将驾驶员状态传至行车路线选择系统。

本发明的另一目的在于提供一种基于智慧城市的智能车停车方法，该方法包括以下步骤：

步骤S1、驾驶员开车过程中，驾驶员状态识别模块采用神经网络模型对安装在汽车内的眼动仪采集的数据、方向盘传感器采集的数据、踏板传感器采集的数据以及摄像头采集的驾驶员手口动作信息进行处理，从而判断驾驶员为稳健型还是路怒型，之后通过CAN网络将驾驶员状态识别结果传至行车路线选择系统；

步骤S2、驾驶员通过手持终端与车载终端连接后进行数据交互，在手持终端输入目的地后进入行车路线选择系统；

步骤S3、行车路线选择系统将车辆当前位置经车联网传至地图云服务器，地图云服务器经规划后将所规划行车路线经车联网传回行车路线选择系统；

步骤S4、行车路线选择系统又将行车路线通过车联网传至智慧城市管理中心，并根据驾驶员状态，再经过与城市道路实时拥堵情况的对比筛选后，又通过车联网将最佳路线传至行车路线选择系统，并最终传至车辆显示终端；所述最佳路线为经过行车路线选择系统筛选后的驾驶员的心仪行车路线，其不止一条；

步骤S5、驾驶员进入筛选停车场系统，根据驾驶员的类型以及筛选条件的选择对停车场进行筛选，系统筛选后由驾驶员选出心仪停车场，并接收该停车场具体信息，之后在线上进行停车位选择及预约停车位操作；所述驾驶员的类型包括新手、老司机；所述筛选条件包括车位大小、交通情况、停车费用、与目的地距离。

作为本发明的优选，步骤S4行车路线选择系统对于稳健型驾驶员推送路线时，将距离近、用时少作为优先推荐的参数，分别按照距离近、用时少对地图云服务器所规划的行车路线进行排序，采用总分满分为10分，距离近占5分，用时少占5分，第一得满分，以一分为公差进行递减，最低为一分，计算总分的方式，优先推送高分路线；行车路线选择系统对于路怒型驾驶员推送路线时，将路口少作为唯一的优先推荐参数，按照路口数量对地图云服务器所规划的行车路线进行排序，采用总分满分为10分，第一得满分，以一分为公差进行递减，最低为一分，计算总分的方式，优先推送高分路线。

作为本发明的优选，步骤S5驾驶员进入筛选停车场系统后，若驾驶员的类型为新手时，则筛选停车场系统的筛选条件为车位大小，交通情况、停车费用、与目的地距离中的一个或多个；筛选机制为：采用积分制，总分满分为10分，对各停车场筛选条件分别进行排名，第一得满分，以一分为公差进行递减，最低为一分，优先推送高分停车场；若筛选条件为四个，则按照4222权重，其中车位大小占4分，交通情况、停车费用、与目的地距离则各占2分；若筛选条件为三个，则按照5221权重，其中车位大小占5分，所选中的两个筛选条件各占2分，未被选中的筛选条件占1分；若筛选条件为两个，则按照5311权重，其中车位大小占5分，所选中的筛选条件占3分，未被选中的两个筛选条件各占1分的方式，优先推送高分停车场；

若驾驶员的类型为老司机时，筛选停车场系统的筛选条件为交通情况、停车费用、与目的地距离中的一个或多个；若筛选条件为三个，则按照等权重，交通情况、停车费用、与目的地距离三个筛选条件各占3分；若筛选条件为两个，则按照442权重，所选中的两个筛选条件各占4分，未被选中的筛选条件占2分；若筛选条件为一个，则按照622权重，所选中的那个筛选条件占6分，未被选中的两个筛选条件各占2分的方式，优先推送高分停车场。

本发明的第三个目的在于提供一种电子设备，包括：一个或多个处理器、存储器；其中，所述存储器用于存储一个或多个程序，当所述一个或多个程序被所述一个或多个处理器执行时，一个或多个处理器实现上述基于智慧城市的智能车停车方法。

本发明的第四个目的在于提供一种计算机可读介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述基于智慧城市的智能车停车方法。

本发明的优点及有益效果：本发明提供的停车系统及方法综合考虑城市道路实时拥堵情况以及驾驶员的状态，首次将驾驶员状态与停车系统相结合，体现了“人机结合”的发展理念，能够更科学合理的为驾驶员提供心仪的行车路线，并保障通行安全和效率；同时该停车系统在停车场筛选时，充分考虑驾驶员的类型以及驾驶员所关注的停车场信息，能够更科学合理的为驾驶员提供心仪的停车场，并且之后在线上即可进行停车位选择及预约停车位操作，使操作更加方便快捷；另外，该停车系统采用光敏传感器传递空车位信息，可以为驾驶员提供清晰的空车位分布情况，能够更科学合理的为驾驶员提供心仪的车位；该系统及方法可以大大减少寻找停车位所浪费的时间，提高停车效率，从而缓解城市拥堵问题，还能够提高出行安全，降低车祸事故率。

附图说明

为了更清楚地说明本发明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发明的实施例，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，还可以根据提供的附图获得其他的附图。

图1是本发明实施例1停车系统的结构框图；

图2是本发明实施例2停车方法的流程图；

图3是本发明实施例2停车方法中数据交互的框图；

图4是本发明行车路线选择系统筛选路线的流程图；

图5是本发明筛选停车场系统筛选停车场的流程图；

图6是本发明实施例2行车路线选择系统筛选的三条行车路线的示意图。

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。

另外，在以下的实施方式中，很多细节描述是为了使得本申请能被更好的理解。然而，本领域技术人员可以毫不费力的认识到，其中部分特征在不同情况下是可以省略的，或者可以由其它方法所替代。在某些情况下，本申请相关的一些操作并没有在说明书中显示或者描述，这是为了避免本申请的核心部分被过多的描述所淹没，而对于本领域技术人员而言，详细描述这些相关操作并不是必要的，他们根据说明书中的描述以及本领域的一般技术知识即可完整了解相关操作。

需要说明的是，在不冲突的情况下，本公开中的实施方式及实施方式中的特征可以相互组合。此外，术语“第一”、“第二”等仅用于区分描述，而不能理解为指示或暗示相对重要性。下面将参考附图并结合实施方式来详细说明本公开的技术方案。

实施例1

参阅图1，本发明提供一种基于智慧城市的智能车停车系统，包括智慧城市管理中心1、驾驶员状态识别模块2、行车路线选择系统3、筛选停车场系统4、数据交互模块；其中，所述智慧城市管理中心包括智慧城市管理中心导航模块11、智慧城市管理中心停车模块12；所述智慧城市管理中心导航模块11能实时获取地图云服务器数据以及城市道路实时拥堵情况；所述智慧城市管理中心停车模块12能实时获取各个停车场的位置信息、收费信息、空车位分布信息、车位大小信息等；

所述驾驶员状态识别模块2，采用神经网络模型对安装在汽车内的眼动仪采集的数据、方向盘传感器采集的数据、踏板传感器采集的数据以及摄像头采集的驾驶员手口动作信息进行处理，从而判断驾驶员为稳健型还是路怒型；

所述行车路线选择系统3，用于根据用户输入的目的地以及驾驶员状态识别模块2的识别结果，筛选并按优先级顺序推送至少一条适合驾驶员的行车路线；若驾驶员状态识别模块2的识别结果为稳健型驾驶员，则将距离近、用时少作为优先推荐的参数；若驾驶员状态识别模块2的识别结果为路怒型驾驶员，则将路口少作为唯一的优先推荐参数；

所述筛选停车场系统4，用于根据用户选择的行车路线以及驾驶员的类型、筛选条件，筛选并按优先级顺序推送不同行车路线上的停车场，驾驶员通过筛选停车场系统选出心仪停车场，并接收该停车场具体信息(停车费、空车位信息等)，之后在线上进行停车位选择及预约停车位操作(缴费等)；所述驾驶员的类型包括新手、老司机；所述筛选条件包括车位大小、交通情况、停车费用、与目的地距离；

所述筛选停车场系统4包括停车场筛选模块41、停车场推送模块42、信息接收模块43、停车位选择模块44、在线预约模块45、支付模块46；其中，所述停车场筛选模块41，用于对行车路线上的停车场进行筛选；停车场推送模块42，用于根据驾驶员的类型、筛选条件按照优先级顺序推送不同行车路线上的停车场；所述信息接收模块43，用于接收所选择的停车场的具体信息，包括停车费、空车位信息等；所述停车位选择模块44，用于对所选择的停车场中的空余停车位进行选择；所述在线预约模块45，用于对所选择的空余停车位进行在线预约；所述支付模块46，用于支付停车费；

所述数据交互模块，用于实现用户终端与车载终端的数据交互，智慧城市管理中心与行车路线选择系统、筛选停车场系统的数据交互，以及行车路线选择系统、筛选停车场系统与车载终端的数据交互。

进一步，所述行车路线选择系统3对于稳健型驾驶员推送路线时，分别按照距离近、用时少对地图云服务器推荐的路线进行排序，采用总分满分为10分，距离近占5分，用时少占5分，第一得满分，以一分为公差进行递减，最低为一分，计算总分的方式，优先推送高分路线；行车路线选择系统3对于路怒型驾驶员推送路线时，按照路口数量对地图云服务器推荐的路线进行排序，采用总分满分为10分，第一得满分，以一分为公差进行递减，最低为一分，计算总分的方式，优先推送高分路线。

所述筛选停车场系统4对停车场进行筛选时，若驾驶员的类型为新手时，则筛选停车场系统的筛选条件为车位大小，交通情况、停车费用、与目的地距离中的一个或多个；筛选机制为：采用积分制，总分满分为10分，对各停车场筛选条件分别进行排名，第一得满分，以一分为公差进行递减，最低为一分，优先推送高分停车场；若筛选条件为四个，则按照4222权重，其中车位大小占4分，交通情况、停车费用、与目的地距离则各占2分；若筛选条件为三个，则按照5221权重，其中车位大小占5分，所选中的两个筛选条件各占2分，未被选中的筛选条件占1分；若筛选条件为两个，则按照5311权重，其中车位大小占5分，所选中的筛选条件占3分，未被选中的两个筛选条件各占1分的方式，优先推送高分停车场；

若驾驶员的类型为老司机时，筛选停车场系统的筛选条件为交通情况、停车费用、与目的地距离中的一个或多个；若筛选条件为三个，则按照等权重，交通情况、停车费用、与目的地距离三个筛选条件各占3分；若筛选条件为两个，则按照442权重，所选中的两个筛选条件各占4分，未被选中的筛选条件占2分；若筛选条件为一个，则按照622权重，所选中的那个筛选条件占6分，未被选中的两个筛选条件各占2分的方式，优先推送高分停车场。

另外，本发明为了获取各停车场空车位分布信息，可以在停车场停车位放置光敏传感器，根据光敏传感器所发信号判断出停车位是否有车，从而得到停车场空车位分布信息，所述空车位分布信息分别传至地图云服务器和车辆终端的车载信息娱乐系统，后经MOST总线传至车辆显示终端。

本发明驾驶员状态(稳健型or路怒型)从三方面判断，通过眼动仪观察神情、眼神来判断驾驶员情绪；通过方向盘传感器、踏板传感器来判断驾驶员性格；通过摄像头观察口手动作来判断驾驶员是否分心，三方面信息综合传至神经网络模型，并由神经网络模型判别驾驶员状态，之后通过CAN网络将驾驶员状态传至行车路线选择系统。

实施例2

参阅图2、图3，本发明提供一种基于智慧城市的智能车停车方法，该方法包括以下步骤：

步骤S1、驾驶员开车过程中，驾驶员状态识别模块采用神经网络模型对安装在汽车内的眼动仪采集的数据(眼动仪观察神情、眼神来判断驾驶员情绪)、方向盘传感器采集的数据、踏板传感器采集的数据(判断驾驶员性格)以及摄像头采集的驾驶员手口动作信息(判断驾驶员是否分心)进行处理，从而判断驾驶员为稳健型还是路怒型，之后通过CAN网络将驾驶员状态识别结果传至行车路线选择系统；

步骤S2、驾驶员通过手持终端与车载终端连接后(蓝牙、无线网等)进行数据交互；在手持终端输入目的地后进入行车路线选择系统；

步骤S3、行车路线选择系统将车辆当前位置经车联网传至地图云服务器，地图云服务器经规划后将所规划行车路线经车联网传回行车路线选择系统；

步骤S4、行车路线选择系统又将行车路线通过车联网传至智慧城市管理中心，并根据驾驶员状态，再经过与城市道路实时拥堵情况的对比筛选后，又通过车联网将最佳路线传至行车路线选择系统，并最终传至车辆显示终端；所述最佳路线为经过行车路线选择系统筛选后的驾驶员的心仪行车路线，其不止一条；

如图4所示，行车路线选择系统对于稳健型驾驶员推送路线时，将距离近、用时少作为优先推荐的参数(55权重)，分别按照距离近、用时少对地图云服务器所规划的行车路线进行排序，采用总分满分为10分，距离近占5分，用时少占5分，第一得满分，以一分为公差进行递减，最低为一分，计算总分的方式，优先推送高分路线；行车路线选择系统对于路怒型驾驶员推送路线时，将路口少作为唯一的优先推荐参数，按照路口数量对地图云服务器所规划的行车路线进行排序，采用总分满分为10分，第一得满分，以一分为公差进行递减，最低为一分，计算总分的方式，优先推送高分路线。

假设地图云服务器推荐了A、B、C、D四条路线，采用积分制(总分满分为10分)，第一得满分，以一分为公差进行递减(最低为一分)，优先推送高分路线。

用时(越小越好)：A>C>B>D

距离(越小越好)：B>D>C>A

路口数量(越少越好)：C>A>D>B

对于稳健型司机：

用时：A得2分、B得4分、C得3分、D得5分

距离：A得5分、B得2分、C得4分、D得3分

总分：A得7分、B得6分、C得7分、D得8分

故对稳健型司机优先推荐路线D。

对于路怒型司机：

路口数量：A得8分、B得10分、C得7分、D得9分

总分：A得8分、B得10分、C得7分、D得9分

故对路怒型司机优先推荐路线B。

步骤S5、驾驶员进入筛选停车场系统，根据驾驶员的类型以及筛选条件的选择对停车场进行筛选，系统筛选后由驾驶员选出心仪停车场，并接收该停车场具体信息，之后在线上进行停车位选择及预约停车位操作；所述驾驶员的类型包括新手、老司机；所述筛选条件包括车位大小、交通情况、停车费用、与目的地距离。

本发明为提供更加人性化的方案，驾驶员可在筛选停车场系统中选择两种不同角色(新手和老司机)，不同角色的筛选条件存在差异，新手的筛选条件除交通情况、停车费用、与目的地距离三种常规条件外，还包括停车位大小这一条件(如图5所示)。即：若驾驶员为新手时，则筛选停车场系统的筛选条件为车位大小，交通情况、停车费用、与目的地距离中的一个或多个。

筛选机制：采用积分制(总分满分为10分)，对各停车场筛选条件分别进行排名，第一得满分，以一分为公差进行递减(最低为一分)；优先推送高分停车场。

若筛选条件为四个，则按照4222权重，其中车位大小占4分，交通情况、停车费用、与目的地距离则各占2分。

若筛选条件为三个，则按照5221权重，其中车位大小占4分，所选中的两个筛选条件各占2分，未被选中的筛选条件占1分。

若筛选条件为两个，则按照5311权重，其中车位大小占5分，所选中的那个筛选条件占3分，未被选中的两个筛选条件各占1分。

若驾驶员为老司机时，筛选停车场系统的筛选条件为交通情况、停车费用、与目的地距离中的一个或多个。

筛选机制：采用积分制(总分满分为10分)，对各停车场筛选条件分别进行排名，第一得满分，以一分为公差进行递减(最低为一分)；优先推送高分停车场。

若筛选条件为三个，则按照等权重，交通情况、停车费用、与目的地距离三个筛选条件各占3分。

若筛选条件为两个，则按照442权重，所选中的两个筛选条件各占4分，未被选中的筛选条件占2分。

若筛选条件为一个，则按照622权重，所选中的那个筛选条件占6分，未被选中的两个筛选条件各占2分。

假定驾驶员X为新手、路怒型司机；在驾驶员选定终点后进入行车路线选择系统，如图6所示有a、b、c三条行车路线，这三条路线由于红绿灯数量少、交通好(交通情况：a>b>c)、用时短被优先推荐给驾驶员(优先级为a>b>c)；同时在三条行车路线途中存在P1、P2、P3、P4四个停车场，根据筛选停车场系统的筛选机制进行评分：

驾驶员X选择与目的地距离、停车费用两个筛选条件，故采用5221权重：

车位大小(越大越好)：P2<P4<P1＝P3

P1得5分，P2得3分，P3得5分，P4得4分

与目的地距离(越小越好)：P1<P4<P2<P3

P1得2分，P2得1分，P3得1分，P4得1分

停车费用(越少越好)：P2＝P3<P4<P1

P1得1分，P2得2分，P3得2分，P4得1分

交通情况：

P1得1分，P2得1分，P3得1分，P4得1分

综合得分：

P1得9分，P2得7分，P3得9分，P4得7分

故优先推荐P1和P3停车场。

经过驾驶员X考虑，选择a路线和P1停车场，之后线上预约车位并开始驱车前往即可。

另外，本发明还提供一种电子设备，包括：一个或多个处理器、存储器；其中，所述存储器用于存储一个或多个程序，当所述一个或多个程序被所述一个或多个处理器执行时，一个或多个处理器实现实施例2所述的基于智慧城市的智能车停车方法。

本发明还提供一种计算机可读介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现实施例2所述的基于智慧城市的智能车停车方法。

本领域技术人员可以理解，上述实施方式中各种方法/模块的全部或部分功能可以通过硬件的方式实现，也可以通过计算机程序的方式实现。当上述实施方式中全部或部分功能通过计算机程序的方式实现时，该程序可以存储于一计算机可读存储介质中，存储介质可以包括：只读存储器、随机存储器、磁盘、光盘、硬盘等，通过计算机执行该程序以实现上述功能。例如，将程序存储在设备的存储器中，当通过处理器执行存储器中程序，即可实现上述全部或部分功能。

另外，当上述实施方式中全部或部分功能通过计算机程序的方式实现时，该程序也可以存储在服务器、另一计算机、磁盘、光盘、闪存盘或移动硬盘等存储介质中，通过下载或复制保存到本地设备的存储器中，或对本地设备的系统进行版本更新，当通过处理器执行存储器中的程序时，即可实现上述实施方式中全部或部分功能。

以上应用了具体个例对本发明进行阐述，只是用于帮助理解本发明，并不用以限制本发明。对于本发明所属技术领域的技术人员，依据本发明的思想，还可以做出若干简单推演、变形或替换。

Claims (10)

1.一种基于智慧城市的智能车停车系统，其特征在于，包括智慧城市管理中心、驾驶员状态识别模块、行车路线选择系统、筛选停车场系统、数据交互模块；其中，所述智慧城市管理中心包括智慧城市管理中心导航模块、智慧城市管理中心停车模块；所述智慧城市管理中心导航模块能实时获取地图云服务器数据以及城市道路实时拥堵情况；所述智慧城市管理中心停车模块能实时获取各个停车场的位置信息、收费信息、空车位分布信息、车位大小信息；

所述驾驶员状态识别模块，采用神经网络模型对安装在汽车内的眼动仪采集的数据、方向盘传感器采集的数据、踏板传感器采集的数据以及摄像头采集的驾驶员手口动作信息进行处理，从而判断驾驶员为稳健型还是路怒型；

所述行车路线选择系统，用于根据用户输入的目的地以及驾驶员状态识别模块的识别结果，筛选并按优先级顺序推送至少一条适合驾驶员的行车路线；若驾驶员状态识别模块的识别结果为稳健型驾驶员，则将距离近、用时少作为优先推荐的参数；若驾驶员状态识别模块的识别结果为路怒型驾驶员，则将路口少作为唯一的优先推荐参数；

所述筛选停车场系统，用于根据用户选择的行车路线以及驾驶员的类型、筛选条件，筛选并按优先级顺序推送不同行车路线上的停车场，驾驶员通过筛选停车场系统选出心仪停车场，并接收该停车场具体信息，之后在线上进行停车位选择及预约停车位操作；所述驾驶员的类型包括新手、老司机；所述筛选条件包括车位大小、交通情况、停车费用、与目的地距离；

所述数据交互模块，用于实现用户终端与车载终端的数据交互，智慧城市管理中心与行车路线选择系统、筛选停车场系统的数据交互，以及行车路线选择系统、筛选停车场系统与车载终端的数据交互。

2.根据权利要求1所述的一种基于智慧城市的智能车停车系统，其特征在于，所述行车路线选择系统对于稳健型驾驶员推送路线时，分别按照距离近、用时少对地图云服务器推荐的路线进行排序，采用总分满分为10分，距离近占5分，用时少占5分，第一得满分，以一分为公差进行递减，最低为一分，计算总分的方式，优先推送高分路线；行车路线选择系统对于路怒型驾驶员推送路线时，按照路口数量对地图云服务器推荐的路线进行排序，采用总分满分为10分，第一得满分，以一分为公差进行递减，最低为一分，计算总分的方式，优先推送高分路线。

3.根据权利要求1所述的一种基于智慧城市的智能车停车系统，其特征在于，若驾驶员的类型为新手时，则筛选停车场系统的筛选条件为车位大小，交通情况、停车费用、与目的地距离中的一个或多个；筛选机制为：采用积分制，总分满分为10分，对各停车场筛选条件分别进行排名，第一得满分，以一分为公差进行递减，最低为一分，优先推送高分停车场；若筛选条件为四个，则按照4222权重，其中车位大小占4分，交通情况、停车费用、与目的地距离则各占2分；若筛选条件为三个，则按照5221权重，其中车位大小占5分，所选中的两个筛选条件各占2分，未被选中的筛选条件占1分；若筛选条件为两个，则按照5311权重，其中车位大小占5分，所选中的筛选条件占3分，未被选中的两个筛选条件各占1分的方式，优先推送高分停车场；

若驾驶员的类型为老司机时，筛选停车场系统的筛选条件为交通情况、停车费用、与目的地距离中的一个或多个；若筛选条件为三个，则按照等权重，交通情况、停车费用、与目的地距离三个筛选条件各占3分；若筛选条件为两个，则按照442权重，所选中的两个筛选条件各占4分，未被选中的筛选条件占2分；若筛选条件为一个，则按照622权重，所选中的那个筛选条件占6分，未被选中的两个筛选条件各占2分的方式，优先推送高分停车场。

4.根据权利要求1所述的一种基于智慧城市的智能车停车系统，其特征在于，所述筛选停车场系统包括停车场筛选模块、停车场推送模块、信息接收模块、停车位选择模块、在线预约模块、支付模块；其中，所述停车场筛选模块，用于对行车路线上的停车场进行筛选；停车场推送模块，用于根据驾驶员的类型、筛选条件按照优先级顺序推送不同行车路线上的停车场；所述信息接收模块，用于接收所选择的停车场的具体信息，包括停车费、空车位信息；所述停车位选择模块，用于对所选择的停车场中的空余停车位进行选择；所述在线预约模块，用于对所选择的空余停车位进行在线预约；所述支付模块，用于支付停车费。

5.根据权利要求1所述的一种基于智慧城市的智能车停车系统，其特征在于，在停车场停车位放置光敏传感器，根据光敏传感器所发信号判断出停车位是否有车，从而得到停车场空车位分布信息，所述空车位分布信息分别传至地图云服务器和车辆终端的车载信息娱乐系统，后经MOST总线传至车辆显示终端。

6.一种基于智慧城市的智能车停车方法，其特征在于，该方法包括以下步骤：

步骤S1、驾驶员开车过程中，驾驶员状态识别模块采用神经网络模型对安装在汽车内的眼动仪采集的数据、方向盘传感器采集的数据、踏板传感器采集的数据以及摄像头采集的驾驶员手口动作信息进行处理，从而判断驾驶员为稳健型还是路怒型，之后通过CAN网络将驾驶员状态识别结果传至行车路线选择系统；

步骤S2、驾驶员通过手持终端与车载终端连接后进行数据交互，在手持终端输入目的地后进入行车路线选择系统；

步骤S3、行车路线选择系统将车辆当前位置经车联网传至地图云服务器，地图云服务器经规划后将所规划行车路线经车联网传回行车路线选择系统；

步骤S4、行车路线选择系统又将行车路线通过车联网传至智慧城市管理中心，并根据驾驶员状态，再经过与城市道路实时拥堵情况的对比筛选后，又通过车联网将最佳路线传至行车路线选择系统，并最终传至车辆显示终端；所述最佳路线为经过行车路线选择系统筛选后的驾驶员的心仪行车路线，其不止一条；

步骤S5、驾驶员进入筛选停车场系统，根据驾驶员的类型以及筛选条件的选择对停车场进行筛选，系统筛选后由驾驶员选出心仪停车场，并接收该停车场具体信息，之后在线上进行停车位选择及预约停车位操作；所述驾驶员的类型包括新手、老司机；所述筛选条件包括车位大小、交通情况、停车费用、与目的地距离。

7.根据权利要求6所述的一种基于智慧城市的智能车停车方法，其特征在于，步骤S4行车路线选择系统对于稳健型驾驶员推送路线时，将距离近、用时少作为优先推荐的参数，分别按照距离近、用时少对地图云服务器所规划的行车路线进行排序，采用总分满分为10分，距离近占5分，用时少占5分，第一得满分，以一分为公差进行递减，最低为一分，计算总分的方式，优先推送高分路线；行车路线选择系统对于路怒型驾驶员推送路线时，将路口少作为唯一的优先推荐参数，按照路口数量对地图云服务器所规划的行车路线进行排序，采用总分满分为10分，第一得满分，以一分为公差进行递减，最低为一分，计算总分的方式，优先推送高分路线。

8.根据权利要求6所述的一种基于智慧城市的智能车停车方法，其特征在于，步骤S5驾驶员进入筛选停车场系统后，若驾驶员的类型为新手时，则筛选停车场系统的筛选条件为车位大小，交通情况、停车费用、与目的地距离中的一个或多个；筛选机制为：采用积分制，总分满分为10分，对各停车场筛选条件分别进行排名，第一得满分，以一分为公差进行递减，最低为一分，优先推送高分停车场；若筛选条件为四个，则按照4222权重，其中车位大小占4分，交通情况、停车费用、与目的地距离则各占2分；若筛选条件为三个，则按照5221权重，其中车位大小占5分，所选中的两个筛选条件各占2分，未被选中的筛选条件占1分；若筛选条件为两个，则按照5311权重，其中车位大小占5分，所选中的筛选条件占3分，未被选中的两个筛选条件各占1分的方式，优先推送高分停车场；

若驾驶员的类型为老司机时，筛选停车场系统的筛选条件为交通情况、停车费用、与目的地距离中的一个或多个；若筛选条件为三个，则按照等权重，交通情况、停车费用、与目的地距离三个筛选条件各占3分；若筛选条件为两个，则按照442权重，所选中的两个筛选条件各占4分，未被选中的筛选条件占2分；若筛选条件为一个，则按照622权重，所选中的那个筛选条件占6分，未被选中的两个筛选条件各占2分的方式，优先推送高分停车场。

9.一种电子设备，包括：一个或多个处理器、存储器；其中，所述存储器用于存储一个或多个程序，当所述一个或多个程序被所述一个或多个处理器执行时，一个或多个处理器实现权利要求6至8任一所述的基于智慧城市的智能车停车方法。

10.一种计算机可读介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现权利要求6至8任一所述的基于智慧城市的智能车停车方法。

Images