CN113935620A - 一种基于网格基础数据的停车场评估方法、装置及应用 - Google Patents

一种基于网格基础数据的停车场评估方法、装置及应用 Download PDF

Info

Publication number
CN113935620A
CN113935620A CN202111198065.8A CN202111198065A CN113935620A CN 113935620 A CN113935620 A CN 113935620A CN 202111198065 A CN202111198065 A CN 202111198065A CN 113935620 A CN113935620 A CN 113935620A
Authority
CN
China
Prior art keywords
grid
parking lot
data
score
parking
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
CN202111198065.8A
Other languages
English (en)
Inventor
朱淑敏
王强
马浩
郁强
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.)
CCI China Co Ltd
Original Assignee
CCI China Co Ltd
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 CCI China Co Ltd filed Critical CCI China Co Ltd
Priority to CN202111198065.8A priority Critical patent/CN113935620A/zh
Publication of CN113935620A publication Critical patent/CN113935620A/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
    • G06Q10/0639—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
    • 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
    • G06F16/29—Geographical information databases
    • 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
    • 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
    • G06Q50/10—Services
    • G06Q50/26—Government or public services

Landscapes

  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Engineering & Computer Science (AREA)
  • Strategic Management (AREA)
  • Theoretical Computer Science (AREA)
  • Economics (AREA)
  • Tourism & Hospitality (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Development Economics (AREA)
  • General Physics & Mathematics (AREA)
  • Educational Administration (AREA)
  • Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • Marketing (AREA)
  • Quality & Reliability (AREA)
  • Game Theory and Decision Science (AREA)
  • Operations Research (AREA)
  • Databases & Information Systems (AREA)
  • Remote Sensing (AREA)
  • Data Mining & Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本申请提出了一种基于网格基础数据的停车场评估方法、模型及应用，包括以下步骤：设定至少一网格区域，其中每一所述网格区域包括至少一停车场，每一所述停车场设定服务对象；确定待计算停车场，并获取待计算停车场所在的网格区域的实时停车泊位数以及网格基础数据；基于所述网格基础数据计算获取所述网格区域的复杂度得分，基于所述服务对象获取所述待计算停车场的服务对象得分；基于所述复杂度得分、所述服务对象得分以及所述实时停车泊位数计算得到所述待计算停车场的停车场得分，基于网格内的常住人口、暂住人口、企业、房屋以及地理信息等网格基础数据，综合分析得到停车泊位的得分，以实现时效性高、客观准确的停车诱导指导。

Description

一种基于网格基础数据的停车场评估方法、装置及应用
技术领域
本申请涉及停车诱导领域，特别是涉及一种基于网格基础数据的停车场评估方法、装置及应用。
背景技术
城市停车诱导系统(Parking Guidance Information System，PGIS)是指通过智能探测技术获取分散在各处的停车场实时物联网数据，实现对各个停车场停车数据的实时管理，引导驾驶人员实现便捷停车以解决城市停车难的智能系统，其可将生成的停车场的空余泊位数据下发到相应信息显示牌所在位置，以实现直观的停车诱导。
然而目前的停车诱导系统仅考虑停车场的空余泊位情况，而未能综合考虑停车场周边信息，导致其生成的停车诱导数据无法很好地满足城市交通管理以及驾驶人员便捷停车的需求。以位于道路维修路段某停车场示例说明，目前的停车诱导系统监测到该停车场有较多数量的空余泊位数据，则会向驾驶人员发送停车诱导信息，有停车需求的驾驶人员根据此时的停车诱导信息驱车前往该停车场，然而驱车路段由于正在维修或者其他因素而处于极度堵塞的情况，这样的停车诱导信息不仅会导致驾驶人员无法便捷停车，同时还会加大交通的堵塞情况。再比如，某些办公场所的停车场具有在上下班高峰期时难停车但空余泊位数量多的特点，但是目前的停车诱导系统并不考虑停车场的实际情况，而在上下班高峰期间向不知情的驾驶人员推送该停车场的停车诱导信息。
另外，目前的停车诱导系统将不同停车场的空余泊位数据反馈在道路的信息显示屏上，还会存在驾驶人员依据信息显示屏的指示前往并接近目标停车场时，却发现没有车位需要重新查找新的停车场的情况，或者需要等待较长时间才可进入该停车场的情况。换言之，目前的停车诱导系统未能考虑停车场地的实际情况，导致推送产生的停车诱导信息并无法很好地满足驾驶人员的停车需求以及交通有序管制的要求。
发明内容
本申请实施例提供了一种基于网格基础数据的停车场评估方法、模型及应用，将管辖地域划分城若干网格化单元，基于网格内的常住人口、暂住人口、企业、房屋以及地理信息等网格基础数据，综合分析得到停车泊位的得分，以实现时效性高、客观准确的停车诱导指导。
第一方面，本申请实施例提供了一种基于网格基础数据的停车场评估方法，所述方法包括：设定至少一网格区域，其中每一所述网格区域包括至少一停车场，每一所述停车场设定服务对象；确定待计算停车场，获取所述待计算停车场所在的网格区域的实时停车泊位数以及网格基础数据；基于所述网格基础数据计算获取所述网格区域的复杂度得分，基于所述服务对象获取所述待计算停车场的服务对象得分；基于所述复杂度得分、所述服务对象得分以及所述实时停车泊位数计算得到所述待计算停车场的停车场得分。
第二方面，本申请实施例提供了一种基于网格基础数据的停车场评估装置，包括：网格设定单元，用于设定至少一网格区域，其中每一所述网格区域包括至少一停车场，每一所述停车场设定服务对象；数据获取单元，用于确定待计算停车场，并获取所述待计算停车场所在的网格区域的实时停车泊位数以及网格基础数据；得分计算单元，用于基于所述网格基础数据计算获取所述网格区域的复杂度得分，基于所述服务对象获取所述待计算停车场的服务对象得分；基于所述复杂度得分、所述服务对象得分以及所述实时停车泊位数计算得到所述待计算停车场的停车场得分。
第三方面，本申请实施例提供了一种电子装置，包括存储器和处理器，其特征在于，所述存储器中存储有计算机程序，所述处理器被设置为运行提及的基于网格基础数据的停车场评估方法。
第四方面，本申请实施例提供一种计算机程序产品，包括软件代码部分，当所述计算机程序产品在计算机上被运行时，所述软件代码部分用于执行提及的基于网格基础数据的停车场评估方法。
第五方面，本申请实施例提供一种可读存储介质，所述可读存储介质中存储有计算机程序，所述计算机程序包括用于控制过程以执行过程的程序代码，所述过程包括所述的基于网格基础数据的停车场评估方法
本发明的主要贡献和创新点如下：将管理区域网格化并通过结合常住人口、暂住人口、企业、房屋以及地理信息等网格基础数据计算网格内的停车泊位的得分情况，基于停车泊位的得分情况实现综合停车诱导。且本方案将各类网格基础数据归一化，考虑网格内实际用车需求提供可量化的停车诱导指导，满足驾驶人员的停车需求以及交通管制的需求。
本申请的一个或多个实施例的细节在以下附图和描述中提出，以使本申请的其他特征、目的和优点更加简明易懂。
附图说明
此处所说明的附图用来提供对本申请的进一步理解，构成本申请的一部分，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：
图1是根据本申请实施例的基于网格基础数据的停车场评估方法的流程图；
图2是根据本申请一种实施例的基于网格基础数据的停车场评估方法的网络基础数据归集的逻辑流程图；
图3是根据本申请实施例的基于网格基础数据的停车场评估装置的结构框图；
图4是根据本申请实施例的电子装置的硬件结构示意图。
具体实施方式
这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本说明书一个或多个实施例相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本说明书一个或多个实施例的一些方面相一致的装置和方法的例子。
需要说明的是：在其他实施例中并不一定按照本说明书示出和描述的顺序来执行相应方法的步骤。在一些其他实施例中，其方法所包括的步骤可以比本说明书所描述的更多或更少。此外，本说明书中所描述的单个步骤，在其他实施例中可能被分解为多个步骤进行描述；而本说明书中所描述的多个步骤，在其他实施例中也可能被合并为单个步骤进行描述。
在介绍本方案的实施方案之前，首先对本方案所涉及的技术术语概念进行说明，本方案是基于网格化管理实现停车场得分的计算，其中网格化管理指的是根据属地管理、地理布局、现状管理等原则，将管辖地域划分成若干网格状的单元，并对每一网格实施动态、全方位管理的数字化管理模式，政府通过网格化管理可整合政务资源，为辖区内的居民提供主动、高效、有针对性的服务，从而提高公共管理、综合服务的效率。
另外，在本方案中将各类网格基础数据归一化处理以实现对特定的网格区域的复杂度计算，其中归一化处理是数据挖掘的一项基础工作，不同评价指标往往具有不同的量纲和量纲单位，这样的情况会影响到数据分析的结果，为了消除指标之间的量纲影响，需要进行数据标准化处理，以解决数据指标之间的可比性。在本方案中网格基础数据为影响停车难易程度的基础数据，包括但不限于该网格区域的常住人口、暂住人口、企业、房屋等基础信息，一般而言，常住人口较多的网格区域的用车需求量更多，对应的，该网格区域的停车难度大于其他网格区域；相类似的，企业较多的网格区域在白天的用车需求量远高于在夜间的用车需求量，本方案正是考虑到网格区域实际的用车需求以对停车场得分做出时效性更高、参考性更高的评估。
实施例一
如图1所示，本申请实施例提供了一种基于网格基础数据的停车场评估方法，具体地，参考图1，所述方法包括：
设定至少一网格区域，其中每一所述网格区域包括至少一停车场，每一所述停车场设定服务对象；
确定待计算停车场，获取所述待计算停车场所在的网格区域的实时停车泊位数以及网格基础数据；
基于所述网格基础数据计算获取所述网格区域的复杂度得分，基于所述服务对象获取所述待计算停车场的服务对象得分；
基于所述复杂度得分、所述服务对象得分以及所述实时停车泊位数计算得到所述待计算停车场的停车场得分。
值得说明的是，网格区域的设定可根据区域管理的实际需求进行划分，用户可将某个街道划分为特定的网格区域，也可将多个街道划分为特定的网格区域。本方案为了将网格区域的用车需求以及停车难度等信息转换为可量化的复杂度得分，具体的，本方案获取并归一化处理各类网格基础数据以得到所述网格区域的复杂度得分。
在“确定待计算停车场所在的网格区域的网格基础数据”中，网格基础数据包括但不限于常住人口数据、暂住人口数据、企业数据以及房屋数据。如前所述，常住人口较多的情况对应的网格区域的停车难度就越高；暂住人口相较常住人口而言对网格区域的停车难度的影响略低，但暂住人口的数量和网格区域的停车难度也是成正相关的关系；企业较多的情况对应的网格区域在工作日的工作时间的停车难度较高，房屋相较企业而言对网格区域的停车难度的影响略低。
所述网格基础数据可获取自各个相关部门，所述网格基础数据的来源不受限制。然而由于各个网格基础数据可能存在网格化程度和标准不一致的情况，故需要对所述网格基础数据进行归一标准化处理，以将所述网格基础数据归集到对应的网格区域内。
具体的，如图2所示，“获取待计算停车场所在的网格区域的网格基础数据”进一步包括：获取所述网格基础数据的行政区划字段，若所述行政区划字段和所述网格区域对应的网格区划匹配，将所述网格基础数据归集到所述网格区域内；若所述行政区划字段和所述网格区划不一致，获取所述网格基础数据的至少一地址字段，基于所述地址字段获取对应的匹配行政区划，若所述匹配行政区划和所述网格区划一致，将所述网格基础数据归集到所述网格区域内。
在本方案中，所述网格区域以自定义设定的网格区划进行划分，若所述网格基础数据对应的行政区划重合于对应的网格区划，则认为所述网格基础数据归集于所述网格区域。值得说明的是，所述网格区域的网格区划并不严格对应于所述网格基础数据的行政区划字段，所述网络基础数据的行政区划按照政府规定的行政区划进行区分，而所述网格区划为自定义的区划。
以“杭州市”为例，所述网络基础数据对应的行政区划分为：滨江区、上城区、余杭区、拱墅区等，而所述网格区划可以是滨江区内的几个街道的总和。进而会出现所述行政区划字段和所述网格区划不匹配的情况，此时进一步根据所述地址字段进行匹配。
且为了实现网格区划的匹配，本方案设定行政区划码表，所述行政区划码表如下表一所示，所述行政区划码表设定行政区划名称、行政区划简称、行政区划码、是否在用以及更新时间等信息，根据所述行政区划码表获取所述行政区划对应的行政区划码，根据所述行政区划码和所述网格区划进行匹配，此时所述网格区划也是代码的形式存在。
表一 行政区划码表
Figure BDA0003303840270000061
Figure BDA0003303840270000071
所述网格基础数据至少记载数据项名称、数据字段以及类型等数据信息，对应常住人员数据、暂住人口数据、企业数据以及房屋数据的所述数据项名称为常住人口、暂住人口、企业以及房屋，数据字段中记载地理数据，依据所述地理数据可获取行政区划字段和/或地址字段。
示例性的，在本方案的一实施例中，获取的网格基础数据如下表二所示：
表二 网格基础数据
Figure BDA0003303840270000072
在本方案中“若所述行政区划字段和所述网格区划不一致”包括所述网格基础数据不存在所述行政区域字段，以及所述行政区划字段和所述网格区划不一致的情况。此时，获取所述网格基础数据的地址字段，基于所述地址字段进行网格区域的匹配。
值得说明的是，同一个网格基础数据可能含有多个地址字段，示例性的，所述常住人口的地址字段包括：常住人口的现住地，企业的企业地址等。此时，若同一所述网格基础数据存在多个地址字段，依据字段优先级排序获取用于判断的地址字段。在“基于所述地址字段获取对应的匹配行政区划”中，依据所述地址字段通过兴趣点库确定所述匹配行政区划，其中兴趣点库内记载兴趣点和匹配行政区划的关系，通过地址字段匹配到对应的兴趣点，再根据所述兴趣点获取所述匹配行政区划。
另外，本方案在“获取待计算停车场所在的网格区域的网格基础数据”过程中还可进一步对数据治理情况进行判断，由于所述网络基础数据的数据质量不一样，导致部分数据能够不能落到相应的网格，网络基础数据包括能落到网格的数据，比如有详细地址信息(杭州市下城区豆腐巷水晶小区1幢1单元901室)或者有详细经纬度的数据)；以及不能落到网格的数据，比如地址不全的数据(杭州市下城区武林街道等)或者地址无法判断的数据(杭州市凤起路和中河高架路交叉口向西500米)。本方案可根据最终落入所述网格区域的网络基础数据的量计算数据治理情况。
具体的，本方案首先设定数据治理阈值，获取原始获取的网络基础数据的数据总量，以及归集到特定网络区域内的网络基础数据的归集数量；计算所述归集数量和所述数据总量的商值，若商值小于所述数据治理阈值，则对所述网络基础数据进行重新治理。
重新治理所述网络基础数据的治理方案可以选择以下几种方式：
1)要求相应的部门提供更加准确的地址数据或者坐标数据；
2)通过人工的方式对无法落到网格的数据进行人工普查；
3)通过购买第三方的兴趣点库方式(比如菜鸟驿站的兴趣点数据)，增加地址的匹配率。
在“基于所述网格基础数据计算获取所述网格区域的复杂度得分”包括步骤：归一化处理所述网格基础数据得到每个网络基础数据的归一值，获取每一所述网格基础数据对应的基础数据权重，所述归一值和所述基础数据权重代入复杂度得分计算公式中计算得到所述复杂度得分。
在本方案中利用归一化算法处理所述网格基础数据，所述归一化算法为为MIN-MAX标准化，具体的MIN-MAX标准化的描述如下：假设设定X为一组数，目前需要对X的具体一个数字A进行归一算法，其中minX，maxX为X的最小值，最大值；公式如下，计算A的归一值
Figure BDA0003303840270000091
将同一类网络基础数据作为X进行归一化处理，得到每个网络基础数据的归一值。
值得说明的是，考虑到网格区域的基础数据权重会根据不同的时间变化而变化。人们需要在周一至周五8点至16点参加工作，主要影响因素为企业的因素为主导，周一至周五的16点到22点和周末的8点至22点，人们外出娱乐休闲，主要影响因素为人口因素。而每天的22点到转日8点，人们在家休息，网格复杂度对停车影响几乎无。故，在获取所述网格基础数据对应的基础数据权重时还需要参考所述网络基础数据的获取时间。对应的，“获取每一所述网格基础数据对应的基础数据权重”包括步骤：基于每一所述网络基础数据的获取时间以及所述网络基础数据的类别获取所述基础数据权重。
本方案设定的基础数据权重表如下表三所示：
表三 基础数据权重对应表
Figure BDA0003303840270000092
Figure BDA0003303840270000101
在本方案中，复杂度得分计算公式为每个所述网络基础数据的归一值和对应的所述基础数据权重的乘积的总和的设定比例值。
具体的，在本方案的一实施例中，复杂度得分计算公式＝＝0.6*(常住人口的归一值*当时的权重+暂住人口的归一值*当时的权重+企业的归一值*当时的权重+房屋的归一值*当时的权重)。
示例性的，周一晚上19点的网格的复杂度得分＝0.6*(常住人口的归一值*0.4+暂住人口的归一值*0.3+企业的归一值*0.2+房屋的归一值*0.1)。
值得说明的是，0.6作为设定比例值是可以根据实际需求调整的，本方案将设定比例值设定为0.6是考虑到复杂度得分和服务对象得分的综合因素。
在“基于所述服务对象获取所述待计算停车场的服务对象得分”中，不同服务对象对应的服务对象得分是不同的，依据所述服务对象从预设的服务对象得分表中获取对应的服务对象得分。
一般而言，某公共停车场主要设置在城市出入口、外围环境、大型商业、文化娱乐(影剧院、体育场馆)、医院、机场、车站、码头等公共设施附件，面向社会开放，为各种出行者提供停车服务。根据现有的经验而言：根据服务对象，停车场的停车泊位的稀缺性可以分为：医院、学校>大型商业、文化娱乐(影剧院、体育场馆)>机场、车站、码头>其他。对应的，服务对象包括但不限于：公共服务场所、公共娱乐场所、公共交通场所及常规场所。公共服务场所为类似于医院、学校等场所，公共娱乐场所类似于大型商业、文化娱乐等场所，公共交通场所类似于机场、车站及码头等场所。
本方案设定服务对象得分表如表四所示：
表四 服务对象得分表
序号 服务对象 服务对象得分
1 医院、学校 0.4
2 大型商业、文化娱乐(影剧院、体育场馆) 0.3
3 机场、车站、码头 0.2
4 其他 0.1
在“基于所述复杂度得分、所述服务对象得分以及所述实时停车泊位数计算得到所述待计算停车场的停车场得分”中，所述停车场得分为所述实时停车泊位数和(1-所述服务对象得分-所述复杂度得分)的乘积。
设定Xpark为停车场的得分，Xberth为停车场的实时停车泊位数，Xarea为所属网格区域的复杂度得分，Xtype为停车场的服务对象得分，公式如下，计算停车场X的得分Xpark＝Xberth*(1-Xarea-Xtype)。
在获取了待计算停车场的停车场的得分后，可将所述待计算停车场的得分直接传送给驾驶人员；也可计算所述网格区域内的多个待计算停车场的停车场得分后排序给驾驶人员推送得分高的停车场。
也就是说，本方案额外包括步骤：遍历获取所述网格区域内每一停车场的停车场得分，依据所述停车场得分提供停车诱导方案。在一些实施例中，所述停车诱导方案选择为：依据所述停车场得分排序所述网格区域内所有的停车场，选取排序靠前的停车场推荐给驾驶人员。在另一些实施例中，所述停车诱导方案为：推送所有停车场的停车场得分给指定管理用户。
以“凤麒社区第一网格”为网格区域为例进行说明，该网格区域内有5个面对不同服务对象的停车场，每个停车场的停车场实时泊位数如下表五所示：
表五 凤麒社区第一网格的实时泊位情况
序号 停车名 服务对象 所属网格 泊位数
1 儿童医院停车场 医院 凤麒社区第一网格 40
2 社会性停车场 其他 凤麒社区第一网格 20
3 商业中心停车场 大型商业 凤麒社区第二网格 30
4 沃尔玛停车场 大型商业 凤麒社区第一网格 30
5 客运中心停车场 车站 凤麒社区第一网格 30
设定凤麒社区网格的基础数据如下表六所示：
表六 凤麒社区网格的基础数据
Figure BDA0003303840270000121
计算凤麒社区的周一晚上19点的网格复杂度得分情况：凤麒社区第一网格的复杂度得分＝0.6*(0.8*0.4+0.5*0.3+0.3*0.2+0.9*0.1)＝0.372；凤麒社区第二网格的复杂度得分＝0.6*(0.6*0.4+0.6*0.3+0.8*0.2+0.7*0.1)＝0.39。
计算得出这5个停车场的得分情况：
儿童医院停车得分＝40*(1-0.372-0.4)＝9.12
社会性停车场得分＝20*(1-0.372-0.1)＝10.56
商业中心停车场得分＝30*(1-0.39-0.3)＝9.3
沃尔玛停车场得分＝30*(1-0.372-0.3)＝9.84
客运中心停车场得分＝30*(1-0.372-0.2)＝12.84；
从停车场得分的情况来看，建议车主优先使用客运中心停车场进行停车。
实施例二
基于相同的构思，参考图3，本申请还提出了一种基于网格基础数据的停车场评估装置，包括：
网格设定单元301，用于设定至少一网格区域，其中每一所述网格区域包括至少一停车场，每一所述停车场设定服务对象；
数据获取单元302，用于确定待计算停车场，并获取所述待计算停车场所在的网格区域的实时停车泊位数以及网格基础数据；
得分计算单元303，用于基于所述网格基础数据计算获取所述网格区域的复杂度得分，基于所述服务对象获取所述待计算停车场的服务对象得分；基于所述复杂度得分、所述服务对象得分以及所述实时停车泊位数计算得到所述待计算停车场的停车场得分。
值得说明的是，基于网格基础数据的停车场评估装置的运行逻辑和使用方法同于实施例一提及的基于网格基础数据的停车场评估方法，重复内容在此不进行累赘说明。
实施例三
本实施例还提供了一种电子装置，参考图4，包括存储器404和处理器402，该存储器404中存储有计算机程序，该处理器402被设置为运行计算机程序以执行上述任一项基于网格基础数据的停车场评估方法实施例中的步骤。
具体地，上述处理器402可以包括中央处理器(CPU)，或者特定集成电路(ApplicationSpecificIntegratedCircuit，简称为ASIC)，或者可以被配置成实施本申请实施例的一个或多个集成电路。
其中，存储器404可以包括用于数据或指令的大容量存储器404。举例来说而非限制，存储器404可包括硬盘驱动器(HardDiskDrive，简称为HDD)、软盘驱动器、固态驱动器(SolidStateDrive，简称为SSD)、闪存、光盘、磁光盘、磁带或通用串行总线(UniversalSerialBus，简称为USB)驱动器或者两个或更多个以上这些的组合。在合适的情况下，存储器404可包括可移除或不可移除(或固定)的介质。在合适的情况下，存储器404可在数据处理装置的内部或外部。在特定实施例中，存储器404是非易失性(Non-Volatile)存储器。在特定实施例中，存储器404包括只读存储器(Read-OnlyMemory，简称为ROM)和随机存取存储器(RandomAccessMemory，简称为RAM)。在合适的情况下，该ROM可以是掩模编程的ROM、可编程ROM(ProgrammableRead-OnlyMemory，简称为PROM)、可擦除PROM(ErasableProgrammableRead-OnlyMemory，简称为EPROM)、电可擦除PROM(ElectricallyErasableProgrammableRead-OnlyMemory，简称为EEPROM)、电可改写ROM(ElectricallyAlterableRead-OnlyMemory，简称为EAROM)或闪存(FLASH)或者两个或更多个以上这些的组合。在合适的情况下，该RAM可以是静态随机存取存储器(StaticRandom-AccessMemory，简称为SRAM)或动态随机存取存储器(DynamicRandomAccessMemory，简称为DRAM)，其中，DRAM可以是快速页模式动态随机存取存储器404(FastPageModeDynamicRandomAccessMemory，简称为FPMDRAM)、扩展数据输出动态随机存取存储器(ExtendedDateOutDynamicRandomAccessMemory，简称为EDODRAM)、同步动态随机存取内存(SynchronousDynamicRandom-AccessMemory，简称SDRAM)等。
存储器404可以用来存储或者缓存需要处理和/或通信使用的各种数据文件，以及处理器402所执行的可能的计算机程序指令。
处理器402通过读取并执行存储器404中存储的计算机程序指令，以实现上述实施例中的任意一种基于网格基础数据的停车场评估方法。
可选地，上述电子装置还可以包括传输设备406以及输入输出设备408，其中，该传输设备406和上述处理器402连接，该输入输出设备408和上述处理器402连接。
传输设备406可以用来经由一个网络接收或者发送数据。上述的网络具体实例可包括电子装置的通信供应商提供的有线或无线网络。在一个实例中，传输设备包括一个网络适配器(Network Interface Controller，简称为NIC)，其可通过基站与其他网络设备相连从而可与互联网进行通讯。在一个实例中，传输设备406可以为射频(Radio Frequency，简称为RF)模块，其用于通过无线方式与互联网进行通讯。
输入输出设备408用于输入或输出信息。在本实施例中，输入的信息可以是网格区域、网格基础数据等，输出的信息可以是推荐的停车场、停车场得分等。
可选地，在本实施例中，上述处理器402可以被设置为通过计算机程序执行以下步骤：
S101、设定至少一网格区域，其中每一所述网格区域包括至少一停车场，每一所述停车场设定服务对象；
S102、确定待计算停车场，并获取所述待计算停车场所在的网格区域的实时停车泊位数以及网格基础数据；
S103、基于所述网格基础数据计算获取所述网格区域的复杂度得分，基于所述服务对象获取所述待计算停车场的服务对象得分；
S104、基于所述复杂度得分、所述服务对象得分以及所述实时停车泊位数计算得到所述待计算停车场的停车场得分。
需要说明的是，本实施例中的具体示例可以参考上述实施例及可选实施方式中所描述的示例，本实施例在此不再赘述。
通常，各种实施例可以以硬件或专用电路、软件、逻辑或其任何组合来实现。本发明的一些方面可以以硬件来实现，而其他方面可以以可以由控制器、微处理器或其他计算设备执行的固件或软件来实现，但是本发明不限于此。尽管本发明的各个方面可以被示出和描述为框图、流程图或使用一些其他图形表示，但是应当理解，作为非限制性示例，本文中描述的这些框、装置、系统、技术或方法可以以硬件、软件、固件、专用电路或逻辑、通用硬件或控制器或其他计算设备或其某种组合来实现。
本发明的实施例可以由计算机软件来实现，该计算机软件由移动设备的数据处理器诸如在处理器实体中可执行，或者由硬件来实现，或者由软件和硬件的组合来实现。包括软件例程、小程序和/或宏的计算机软件或程序(也称为程序产品)可以存储在任何装置可读数据存储介质中，并且它们包括用于执行特定任务的程序指令。计算机程序产品可以包括当程序运行时被配置为执行实施例的一个或多个计算机可执行组件。一个或多个计算机可执行组件可以是至少一个软件代码或其一部分。另外，在这一点上，应当注意，如图中的逻辑流程的任何框可以表示程序步骤、或者互连的逻辑电路、框和功能、或者程序步骤和逻辑电路、框和功能的组合。软件可以存储在诸如存储器芯片或在处理器内实现的存储块等物理介质、诸如硬盘或软盘等磁性介质、以及诸如例如DVD及其数据变体、CD等光学介质上。物理介质是非瞬态介质。
本领域的技术人员应该明白，以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
以上实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对本申请范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请的保护范围应以所附权利要求为准。

Claims (13)

1.一种基于网格基础数据的停车场评估方法，其特征在于，包括以下步骤：
设定至少一网格区域，其中每一所述网格区域包括至少一停车场，每一所述停车场设定服务对象；
确定待计算停车场，获取所述待计算停车场所在的网格区域的实时停车泊位数以及网格基础数据；
基于所述网格基础数据计算获取所述网格区域的复杂度得分，基于所述服务对象获取所述待计算停车场的服务对象得分；
基于所述复杂度得分、所述服务对象得分以及所述实时停车泊位数计算得到所述待计算停车场的停车场得分。
2.根据权利要求1所述的基于网格基础数据的停车场评估方法，其特征在于，所述网格基础数据包括但不限于常住人口数据、暂住人口数据、企业数据以及房屋数据；服务对象包括但不限于公共服务场所、公共娱乐场所、公共交通场所及常规场所。
3.根据权利要求1所述的基于网格基础数据的停车场评估方法，其特征在于，
“获取所述待计算停车场所在的网格区域的网格基础数据”进一步包括步骤：获取所述网格基础数据的行政区划字段，若所述行政区划字段和所述网格区域对应的网格区划匹配，将所述网格基础数据归集到所述网格区域内；若所述行政区划字段和所述网格区划不一致，获取所述网格基础数据的至少一地址字段，基于所述地址字段获取对应的匹配行政区划，若所述匹配行政区划和所述网格区划一致，将所述网格基础数据归集到所述网格区域内。
4.根据权利要求3所述的基于网格基础数据的停车场评估方法，其特征在于，若同一所述网格基础数据存在多个所述地址字段，依据字段优先级排序获取用于判断的所述地址字段。
5.根据权利要求3所述的基于网格基础数据的停车场评估方法，其特征在于，在“基于所述地址字段获取对应的匹配行政区划”中，依据所述地址字段通过兴趣点库确定所述匹配行政区划，其中所述兴趣点库内记载兴趣点和匹配行政区划的关系，通过所述地址字段匹配到对应的兴趣点，再根据所述兴趣点获取所述匹配行政区划。
6.根据权利要求1所述的基于网格基础数据的停车场评估方法，其特征在于，
“基于所述网格基础数据计算获取所述网格区域的复杂度得分”包括步骤：归一化处理所述网格基础数据得到每个网络基础数据的归一值，获取每一所述网格基础数据对应的基础数据权重，所述归一值和所述基础数据权重代入复杂度得分计算公式中计算得到所述复杂度得分。
7.根据权利要求1所述的基于网格基础数据的停车场评估方法，其特征在于，所述复杂度得分计算公式为每个所述网络基础数据的归一值和对应的所述基础数据权重的乘积的总和的设定比例值。
8.根据权利要求1所述的基于网格基础数据的停车场评估方法，其特征在于，所述停车场得分＝(1-所述服务对象得分-所述复杂度得分)*所述实时停车泊位数。
9.根据权利要求1所述的基于网格基础数据的停车场评估方法，其特征在于，遍历获取所述网格区域内每一停车场的停车场得分，依据所述停车场得分提供停车诱导方案。
10.一种基于网格基础数据的停车场评估装置，其特征在于，包括：
网格设定单元，用于设定至少一网格区域，其中每一所述网格区域包括至少一停车场，每一所述停车场设定服务对象；
数据获取单元，用于确定待计算停车场，并获取所述待计算停车场所在的网格区域的实时停车泊位数以及网格基础数据；
得分计算单元，用于基于所述网格基础数据计算获取所述网格区域的复杂度得分，基于所述服务对象获取所述待计算停车场的服务对象得分；基于所述复杂度得分、所述服务对象得分以及所述实时停车泊位数计算得到所述待计算停车场的停车场得分。
11.一种电子装置，包括存储器和处理器，其特征在于，所述存储器中存储有计算机程序，所述处理器被设置为运行所述计算机程序以执行权利要求1到9任一所述的基于网格基础数据的停车场评估方法。
12.一种计算机程序产品，其特征在于，包括软件代码部分，当所述计算机程序产品在计算机上被运行时，所述软件代码部分用于执行根据权利要求1-9任一项所述的基于网格基础数据的停车场评估方法。
13.一种可读存储介质，其特征在于，所述可读存储介质中存储有计算机程序，所述计算机程序包括用于控制过程以执行过程的程序代码，所述过程包括根据权利要求1至9任一项所述的基于网格基础数据的停车场评估方法。
CN202111198065.8A 2021-10-14 2021-10-14 一种基于网格基础数据的停车场评估方法、装置及应用 Pending CN113935620A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111198065.8A CN113935620A (zh) 2021-10-14 2021-10-14 一种基于网格基础数据的停车场评估方法、装置及应用

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111198065.8A CN113935620A (zh) 2021-10-14 2021-10-14 一种基于网格基础数据的停车场评估方法、装置及应用

Publications (1)

Publication Number Publication Date
CN113935620A true CN113935620A (zh) 2022-01-14

Family

ID=79279192

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111198065.8A Pending CN113935620A (zh) 2021-10-14 2021-10-14 一种基于网格基础数据的停车场评估方法、装置及应用

Country Status (1)

Country Link
CN (1) CN113935620A (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114691758A (zh) * 2022-06-01 2022-07-01 城云科技（中国）有限公司 一种盲点停车场库问题诊断方法、装置和应用
CN114897336A (zh) * 2022-05-05 2022-08-12 城云科技（中国）有限公司 基于多源数据的网格停车难易系数计算方法及其应用
CN116822772A (zh) * 2023-08-30 2023-09-29 北京阿帕科蓝科技有限公司 仓库位置确定方法、装置、计算机设备和存储介质

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111798694A (zh) * 2020-07-13 2020-10-20 城云科技（中国）有限公司 一种综合停车因素的停车场推荐方法和装置
US20210097861A1 (en) * 2019-09-29 2021-04-01 Baidu Online Network Technology (Beijing) Co., Ltd. Parking lot recommendation method and navigation server

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20210097861A1 (en) * 2019-09-29 2021-04-01 Baidu Online Network Technology (Beijing) Co., Ltd. Parking lot recommendation method and navigation server
CN111798694A (zh) * 2020-07-13 2020-10-20 城云科技（中国）有限公司 一种综合停车因素的停车场推荐方法和装置

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
梅振宇，等: "基于复杂性测度的泊位占有率序列动力学分析", 浙江大学学报（工学版）, vol. 52, no. 4, 31 December 2018 (2018-12-31), pages 727 - 734 *
高广银，等: "基于BP神经网络的停车诱导泊位预测", 计算机系统应用, vol. 26, no. 1, 31 December 2017 (2017-12-31), pages 236 - 239 *

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114897336A (zh) * 2022-05-05 2022-08-12 城云科技（中国）有限公司 基于多源数据的网格停车难易系数计算方法及其应用
CN114691758A (zh) * 2022-06-01 2022-07-01 城云科技（中国）有限公司 一种盲点停车场库问题诊断方法、装置和应用
CN116822772A (zh) * 2023-08-30 2023-09-29 北京阿帕科蓝科技有限公司 仓库位置确定方法、装置、计算机设备和存储介质

Similar Documents

Publication Publication Date Title
Zhao et al. A trajectory clustering approach based on decision graph and data field for detecting hotspots
Liu et al. Characterizing mixed-use buildings based on multi-source big data
CN113935620A (zh) 一种基于网格基础数据的停车场评估方法、装置及应用
US11935082B2 (en) Discovering neighborhood clusters and uses therefor
US9703804B2 (en) Systems and methods for ranking points of interest
CN110442715B (zh) 一种基于多元大数据的综合城市地理语义挖掘方法
Happle et al. Context-specific urban occupancy modeling using location-based services data
Tansley et al. Population-level spatial access to prehospital care by the national ambulance service in Ghana
JP2015521327A (ja) モバイルアプリケーションのユーザの関心プロファイル
CN110399445B (zh) 一种兴趣点的处理方法、装置及设备
CN103310281A (zh) 旅游路线提取系统和方法
CN114548811B (zh) 一种机场可达性的检测方法、装置、电子设备及存储介质
CN104636457B (zh) 一种位置搜索认知的方法及装置
CN108495254A (zh) 一种基于信令数据的交通小区人口特征估计方法
Mou et al. Urban function identification based on POI and taxi trajectory data
CN110348896B (zh) 划分地理网格的方法、商圈确定方法及设备
Wachtel et al. Planning for tourist urban evacuation routes: A framework for improving the data collection and evacuation processes
CN117114210B (zh) 无障碍公共设施布局优化方法、装置、设备及存储介质
Rosina et al. Using OpenStreetMap to improve population grids in Europe
D'Andrea et al. Smart profiling of city areas based on web data
KR102170304B1 (ko) 부동산에 관한 정보를 제공하는 방법, 시스템 및 비일시성의 컴퓨터 판독 가능 기록 매체
CN114862001B (zh) 一种基于区域功能增强特征的城市人群流量预测方法及系统
CN108171534B (zh) 一种车载广告公交线路推荐方法及装置
Reijsbergen Probabilistic modelling of station locations in bicycle-sharing systems
CN109635047B (zh) 地理网格的信息处理方法、装置、设备及可读存储介质

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