CN114154713A - 一种车场收入预警方法、装置、电子设备及存储介质 - Google Patents
一种车场收入预警方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN114154713A CN114154713A CN202111451918.4A CN202111451918A CN114154713A CN 114154713 A CN114154713 A CN 114154713A CN 202111451918 A CN202111451918 A CN 202111451918A CN 114154713 A CN114154713 A CN 114154713A
- Authority
- CN
- China
- Prior art keywords
- abnormal
- income
- indexes
- yard
- parking lot
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 39
- 230000002159 abnormal effect Effects 0.000 claims abstract description 149
- 230000006870 function Effects 0.000 claims abstract description 24
- 238000012545 processing Methods 0.000 claims description 18
- 230000005856 abnormality Effects 0.000 claims description 13
- 238000004590 computer program Methods 0.000 claims description 9
- 238000007781 pre-processing Methods 0.000 claims description 4
- 230000004888 barrier function Effects 0.000 claims description 2
- 238000004364 calculation method Methods 0.000 claims description 2
- 239000002699 waste material Substances 0.000 abstract description 4
- 230000000694 effects Effects 0.000 description 8
- 238000010586 diagram Methods 0.000 description 7
- 230000002354 daily effect Effects 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 230000003203 everyday effect Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 230000001932 seasonal effect Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
- 230000003442 weekly effect Effects 0.000 description 1
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
- 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
- G06Q10/06311—Scheduling, planning or task assignment for a person or group
- G06Q10/063114—Status monitoring or status determination for a person or group
-
- 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
- G06Q30/00—Commerce
- G06Q30/06—Buying, selling or leasing transactions
- G06Q30/0601—Electronic shopping [e-shopping]
- G06Q30/0633—Lists, e.g. purchase orders, compilation or processing
- G06Q30/0635—Processing of requisition or of purchase orders
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
- G08B21/18—Status alarms
- G08B21/185—Electrical failure alarms
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Development Economics (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Game Theory and Decision Science (AREA)
- Tourism & Hospitality (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Educational Administration (AREA)
- Emergency Management (AREA)
- Traffic Control Systems (AREA)
Abstract
本申请提供了一种车场收入预警方法、装置、电子设备，涉及车场管理技术领域，具体为：根据预先拟合的四个指标预测函数，获取四个车场收入指标的预测值，四个车场收入指标包括：临停收入、出入车流、未支付订单占比以及异常放行次数；根据四个指标的预测值分别判断四个指标的实际值是否为异常值，由此得到四个指标的状态；根据四个指标的状态及指标之间的相关性，得到车场的可能故障；根据四个指标的状态，得到车场收入的异常等级；将车场收入的异常等级以及车场的可能故障发送至对应的车场。本申请能够对自动检测车场收入异常，解决现有技术费时费力的技术问题。
Description
技术领域
本申请涉及车场管理技术领域，尤其是涉及一种车场收入预警方法、装置、电子设备及存储介质。
背景技术
当车场因为各种异常原因(车场围栏损坏，收费规则过期等)出现收入骤减时，车场管理人员如果不查看车场收入报表，是无法及时得知收入出现异常的。由于车场收入减少的发生多是突发的偶然事件，若车场管理人员每日查看收入报表会造成时间和人力的浪费。
发明内容
有鉴于此，本申请提供了一种车场收入预警方法、装置、电子设备及存储介质，以解决现有技术中车场管理人员通过查看收入报表发现收入异常，存在费时费力的技术问题。
一方面，本申请实施例提供了一种车场收入预警方法，包括：
根据预先拟合的四个指标预测函数，获取四个车场收入指标的预测值，四个车场收入指标包括：临停收入、出入车流、未支付订单占比以及异常放行次数；
根据四个指标的预测值分别判断四个指标的实际值是否为异常值，由此得到四个指标的状态；
根据四个指标的状态及指标之间的相关性，得到车场的可能故障；
根据四个指标的状态，得到车场收入的异常等级；
将车场收入的异常等级以及车场的可能故障发送至对应的车场。
进一步的，所述方法还包括：利用历史时间段内车场数据，通过时间序列模型拟合得到四个指标预测函数；具体包括：
获取历史时间段内车场数据，包括每日的临停收入、出入车流、未支付订单占比以及异常放行次数；
对获取的历史时间段内车场数据进行预处理；
基于预处理后的四个车场收入指标的历史车场数据，利用时间序列模型分别拟合出四个指标的预测函数。
进一步的，预处理包括：缺失值处理、异常值处理、0值处理和新开车场的数据处理。
进一步的，所述异常值处理，包括：
采用将极小值以极小值出现日期之前的历史数据的1％分位数填充；
将极大值以极大值出现日期之前的历史数据的99％分位数填充。
进一步的，根据四个指标的预测值分别判断四个指标的实际值是否为异常值，由此得到四个指标的状态；包括：
当临停收入的实际值小于临停收入的预测值的95％，则临停收入的实际值为异常值，临停收入为异常状态；
当出入车流的实际值小于出入车流的预测值的95％，则出入车流的实际值为异常值，临停收入为异常状态；
当未支付订单占比的实际值大于未支付订单占比的预测值的105％，则未支付订单占比的实际值为异常值，未支付订单占比为异常状态；
当异常放行次数的实际值大于异常放行次数的预测值的105％，则异常放行次数的实际值为异常值，异常放行次数为异常状态。
进一步的，根据四个指标的状态及指标之间的相关性，得到车场的可能故障，包括：
若临停收入异常且出入车流正常，则可能故障为计费规则失效；
若临停收入异常且未支付订单占比异常，则可能故障为网络或支付系统故障；
若临停收入异常且异常放行次数异常，则可能故障为围栏或道闸故障。
进一步的，根据四个指标的状态得到车场收入异常等级，包括：
若临停收入、出入车流、未支付订单占比和异常放行次数均为异常状态，则车场收入的异常等级为严重异常；
若临停收入、出入车流、未支付订单占比和异常放行次数中的任3个指标均为异常状态，则车场收入的异常等级为一般异常；
若临停收入、出入车流、未支付订单占比和异常放行次数中的任意2个指标均为异常状态，则车场收入的异常等级为轻微异常。
另一方面，本申请实施例提供了一种车场收入预警装置，包括：
计算单元，用于根据预先拟合的四个指标预测函数，获取四个车场收入指标的预测值，四个车场收入指标包括：临停收入、出入车流、未支付订单占比以及异常放行次数；
判断单元，用于分别判断四个指标预测值是否为异常值，得到四个指标的状态；
故障推断单元，用于根据四个指标的状态及指标之间的相关性，得到车场的可能故障；
异常等级确定单元，用于根据四个指标的状态，得到车场收入的异常等级；
发送单元，用于将车场收入的异常等级以及车场的可能故障发送至对应的车场。
另一方面，本申请实施例提供了一种电子设备，包括：存储器、处理器和存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现本申请实施例的车场收入预警方法。
另一方面，本申请实施例提供了一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器运行时实现本申请实施例的车场收入预警方法。
本申请通过检测车场收入相关的指标进行时间序列上的预测，当指标实际值不在预测的置信区间内，就会给车场发出预警，减少车场损失。本专利可以及时检测到收入异常的车场，一旦发现异常，及时向车场管理人员发出预警，既可以及时发现异常，又避免了人力的浪费。
附图说明
为了更清楚地说明本申请具体实施方式或现有技术中的技术方案，下面将对具体实施方式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，下面描述中的附图是本申请的一些实施方式，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为本申请实施例提供的车场收入预警方法的流程图；
图2为本申请实施例提供的缺失值处理的示意图；
图3为本申请实施例提供的异常值处理的示意图；
图4为本申请实施例提供的趋势性、节假日特征和周期性的示意图；
图5为本申请实施例提供的预测效果示意图；
图6为本申请实施例提供的车场收入预警装置的结构功能图；
图7为本申请实施例提供的电子设备的结构图。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚，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，所描述的实施例是本申请一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本申请实施例的组件可以以各种不同的配置来布置和设计。
因此，以下对在附图中提供的本申请的实施例的详细描述并非旨在限制要求保护的本申请的范围，而是仅仅表示本申请的选定实施例。基于本申请中的实施例，本领域普通技术人员在没有作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。
首先对本申请实施例的设计思想进行简单介绍。
当车场因为各种异常原因(车场围栏损坏，收费规则过期等)出现收入骤减时，车场管理人员如果不查看车场收入报表，是无法及时得知收入出现异常的。由于车场收入减少的发生多是突发的偶然事件，若车场管理人员每日查看收入报表会造成时间和人力的浪费。
为解决上述技术问题，考虑到车场收入具有趋势性、季节性、周期性、节假日效应的时间序列特性，本申请实施例采用基于prophet的时间序列预测方法，综合趋势性、季节性、周期性、节假日效应以及部分异常值(剩余项)等多种因素对车场收入的影响，还加入可配置的时间影响因子，可以最大化地排除一些干扰因素，对车场收入做出合理精准预测。
本申请通过检测车场收入相关的指标并进行时间序列上的预测，当指标实际值不在预测的置信区间内，则可以及时检测到收入异常的车场，一旦发现异常，及时向车场管理人员发出预警，既可以及时发现异常，又避免了人力的浪费，减少车场损失。
在介绍了本申请实施例的应用场景和设计思想之后，下面对本申请实施例提供的技术方案进行说明。
如图1所示，本申请实施例提供一种车场收入预警方法，包括如下步骤：
步骤101：利用历史时间段内车场数据，通过时间序列模型拟合得到四个指标预测函数；
该步骤具体包括：
步骤101-1：获取历史时间段内车场数据，包括每日的临停收入、出入车流、未支付订单占比以及异常放行次数；
步骤102-1：对获取的历史时间段内车场数据进行预处理；
在对历史时间段内车场数据进行分析前，需要对车场数据进行预处理，提升车场数据的完整性和合理性。该步骤具体包括：
步骤2A：缺失值处理；
缺失值产生的原因可能有网络原因，数据传输失败等原因，导致车场某日的数据不存在。本申请None值的占比很小(不到1％)为保证时间序列的完整性，采用对缺失值使用None值填充，而时间序列预测方法Prophet会根据历史数据的趋势性、季节性、周期性、节假日等特性对None值预测一个合理的值，而不会影响到最终的预测效果。
图2是某车场的部分数据，2021-08-10的数据不存在，以None值填充。
步骤2B：异常值处理；
在本申请实施例中，异常值是指极大值或极小值，异常值的存在会干扰预测的效果，本申请使用盖帽法剔除异常值，异常值盖帽到1％或者99％分位数以内，具体为：采用将极小值以极小值出现日期之前的历史数据的1％分位数填充；将极大值以极大值出现日期之前的历史数据的99％分位数填充。
图3是某车场的部分数据，2021-08-12的数据存在异常，是极大值异常，故采用99％分位数填充。
步骤2C：0值处理；
0值处理：不同的指标0值表示含义不同，需要不同的处理方式。
以指标未支付订单占比和出入车流为例，未支付订单占比为0是未支付订单为0导致的，符合实际场景。出入车流为0的数据90％以上为数据缺失的，可以采用步骤2A的缺失值处理方式以None值填充。
步骤2D：新开车场的处理；
新开车场在试运行阶段，各个指标数据不太稳定，经分析后新开车场1个月后数据趋于稳定，故对于只有1个月数据的车场视为新车场，另需1个月的数据作为历史数据，故新车场稳定运行2个月后预测数据才较为准确。
步骤2E：特殊日期设置；
设置突发事件(自然灾害等)导致的收入减少日期序列。
步骤101-3：利用预处理后的临停收入、出入车流、未支付订单占比以及异常放行次数四个历史车场数据，利用时间序列算法(prophet)分别拟合出四个指标预测函数；
时间序列模型可分解为三个主要组成部分：趋势，季节性和节假日。它们按如下公式组合：
y(t)＝g(t)+s(t)+h(t)+εt
其中，g(t)为拟合时间序列中的分段线性增长或逻辑增长等非周期变化的函数；s(t)为周期变化函数，如：每周/每年的季节性；h(t)为非规律性的节假日效应(用户造成)；εt为误差项，用来反映未在模型中体现的异常变动。图4依次是趋势性、节假日特征、周期性的示意图。
利用预处理后的临停收入历史数据，拟合出临停收入的预测函数y1(t)：
y1(t)＝h1(t)+s1(t)+h1(t)+ε1t
利用预处理后的出入车流历史数据，拟合出出入车流的预测函数y2(t)：
y2(t)＝g2(t)+s2(t)+h2(t)+ε21
利用预处理后的未支付订单占比历史数据，拟合出未支付订单占比的预测函数y3(t)：
y3(t)＝g3(t)+s3(t)+h3(t)+ε3t
利用预处理后的异常放行次数历史数据，拟合出异常放行次数的预测函数y4(t)：
y4(t)＝g4(t)+s4(t)+h4(t)+ε4t
步骤102：根据四个指标预测函数，分别预测指定天数的临停收入、出入车流、未支付订单占比以及异常放行次数；
以临停收入为例，以过去一年的历史数据，拟合临停收入的预测函数，根据预测函数预测最新一天的数据。
步骤103：根据四个指标的预测值分别判断四个指标的实际值是否为异常值，由此得到四个指标的状态；
临停收入、出入车流、未支付订单占比以及异常放行次数
设置预测值的置信区间为95％，在置信区间外的即为异常值。对于临停收入和出入车流，当实际值低于置信区间最小值，判定为异常值。对于未支付订单占比以及异常放行次数，当实际值高于置信区间最大值，判定为异常值。
预测效果图见图5：曲线表示收入时间序列拟合值，黑色的点表示原始的收入离散点，灰色区域是置信区间。在灰色区域外的即为异常点。模型预测时使用盖帽法剔除了异常点，可避免异常点对预测效果的影响。
步骤104：根据四个指标的状态及指标之间的相关性，得到车场的可能故障；
车场当日临停收入是当日所有车辆停车费的总和，故影响临停收入的因子有单笔停车费用和车流量。
停车费用多为线上支付，故影响订单支付金额的重要因子是订单的支付状态，未支付订单占比越大，车场当日发生异常的概率越大。
车流量受车场日常经营状态、异常放行、季节和节假日等因子影响，其中车场日常经营状态、季节、节假日等因子在时间序列中已经考虑进去，故异常放行次数是影响车流量突然变化的另一个重要因子。
综合以上分析，得出车场收入异常判断规则如下：
若临停收入异常、车流正常，则判定为车场收入异常，此类异常多为计费规则失效导致的。
若临停收入异常、未支付订单占比异常，则判定为车场异常，此类异常多为网络或支付系统故障导致的。
若临停收入异常、异常放行次数异常，判定为车场异常，此类异常多为围栏、道闸等硬件设备故障导致的。
步骤105：根据四个指标的状态，得到车场收入的异常等级；
其中，车场收入异常等级共3个级别，分别为严重异常、一般异常、轻微一场，异常程度逐次降低，异常等级设定规则如下：
若临停收入、出入车流、未支付订单占比和异常放行次数均为异常状态，则车场收入的异常等级为严重异常；
若临停收入、出入车流、未支付订单占比和异常放行次数中的任3个指标均为异常状态，则车场收入的异常等级为一般异常；
若临停收入、出入车流、未支付订单占比和异常放行次数中的任意2个指标均为异常状态，则车场收入的异常等级为轻微异常。
步骤106：将车场收入的异常等级以及车场的可能故障发送至对应的车场。
在该步骤中，将可视化报表和预警消息及时推送给车场管理系统，车场管理人员可以通过预警消息及时获取异常，也可以根据报表查看异常明细或追溯历史异常状态。
基于上述实施例，本申请实施例提供了一种车场收入预警装置，参阅图6所示，本申请实施例提供的车场收入预警装置200至少包括：
计算单元201，用于根据预先拟合的四个指标预测函数，获取四个车场收入指标的预测值，四个车场收入指标包括：临停收入、出入车流、未支付订单占比以及异常放行次数；
判断单元202，用于分别判断四个指标预测值是否为异常值，得到四个指标的状态；
故障推断单元203，用于根据四个指标的状态及指标之间的相关性，得到车场的可能故障；
异常等级确定单元204，用于根据四个指标的状态，得到车场收入的异常等级；
发送单元205，用于将车场的异常等级以及车场的可能故障发送至对应的车场。
需要说明的是，本申请实施例提供的车场收入预警装置200解决技术问题的原理与本申请实施例提供的车场收入预警方法相似，因此，本申请实施例提供的车场收入预警装置200的实施可以参见本申请实施例提供的车场收入预警方法的实施，重复之处不再赘述。
基于上述实施例，本申请实施例还提供了一种电子设备，参阅图7所示，本申请实施例提供的电子设备300至少包括：处理器301、存储器302和存储在存储器302上并可在处理器301上运行的计算机程序，处理器301执行计算机程序时实现本申请实施例提供的车场收入预警方法。
本申请实施例提供的电子设备300还可以包括连接不同组件(包括处理器301和存储器302)的总线303。其中，总线303表示几类总线结构中的一种或多种，包括存储器总线、外围总线、局域总线等。
存储器302可以包括易失性存储器形式的可读介质，例如随机存储器(RandomAccess Memory，RAM)3021和/或高速缓存存储器3022，还可以进一步包括只读存储器(ReadOnly Memory，ROM)3023。
存储器302还可以包括具有一组(至少一个)程序模块3024的程序工具3025，程序模块3024包括但不限于：操作子系统、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。
电子设备300也可以与一个或多个外部设备304(例如键盘、遥控器等)通信，还可以与一个或者多个使得用户能与电子设备300交互的设备通信(例如手机、电脑等)，和/或，与使得电子设备300与一个或多个其它电子设备300进行通信的任何设备(例如路由器、调制解调器等)通信。这种通信可以通过输入/输出(Input/Output，I/O)接口305进行。并且，电子设备300还可以通过网络适配器306与一个或者多个网络(例如局域网(Local AreaNetwork，LAN)，广域网(Wide Area Network，WAN)和/或公共网络，例如因特网)通信。如图7所示，网络适配器306通过总线303与电子设备300的其它模块通信。应当理解，尽管图7中未示出，可以结合电子设备300使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理器、外部磁盘驱动阵列、磁盘阵列(Redundant Arrays of IndependentDisks，RAID)子系统、磁带驱动器以及数据备份存储子系统等。
需要说明的是，图7所示的电子设备300仅仅是一个示例，不应对本申请实施例的功能和使用范围带来任何限制。
本申请实施例还提供了一种计算机可读存储介质，该计算机可读存储介质存储有计算机指令，该计算机指令被处理器执行时实现本申请实施例提供的车辆重识别方法。具体地，该可执行程序可以内置或者安装在电子设备300中，这样，电子设备300就可以通过执行内置或者安装的可执行程序实现本申请实施例提供的车场收入预警方法。
本申请实施例提供的车场收入预警还可以实现为一种程序产品，该程序产品包括程序代码，当该程序产品可以在电子设备300上运行时，该程序代码用于使电子设备300执行本申请实施例提供的车场收入预警方法。
本申请实施例提供的程序产品可以采用一个或多个可读介质的任意组合，其中，可读介质可以是可读信号介质或者可读存储介质，而可读存储介质可以是但不限于是电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合，具体地，可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式盘、硬盘、RAM、ROM、可擦式可编程只读存储器(Erasable Programmable Read Only Memory，EPROM)、光纤、便携式紧凑盘只读存储器(Compact Disc Read-Only Memory，CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。
本申请实施例提供的程序产品可以采用CD-ROM并包括程序代码，还可以在计算设备上运行。然而，本申请实施例提供的程序产品不限于此，在本申请实施例中，可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。
应当注意，尽管在上文详细描述中提及了装置的若干单元或子单元，但是这种划分仅仅是示例性的并非强制性的。实际上，根据本申请的实施方式，上文描述的两个或更多单元的特征和功能可以在一个单元中具体化。反之，上文描述的一个单元的特征和功能可以进一步划分为由多个单元来具体化。
此外，尽管在附图中以特定顺序描述了本申请方法的操作，但是，这并非要求或者暗示必须按照该特定顺序来执行这些操作，或是必须执行全部所示的操作才能实现期望的结果。附加地或备选地，可以省略某些步骤，将多个步骤合并为一个步骤执行，和/或将一个步骤分解为多个步骤执行。
最后应说明的是：以上各实施例仅用以说明本申请的技术方案，而非对其限制；尽管参照前述各实施例对本申请进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本申请各实施例技术方案的范围。
Claims (10)
1.一种车场收入预警方法，其特征在于，包括：
根据预先拟合的四个指标预测函数，获取四个车场收入指标的预测值，四个车场收入指标包括：临停收入、出入车流、未支付订单占比以及异常放行次数；
根据四个指标的预测值分别判断四个指标的实际值是否为异常值，由此得到四个指标的状态；
根据四个指标的状态及指标之间的相关性，得到车场的可能故障；
根据四个指标的状态，得到车场收入的异常等级；
将车场收入的异常等级以及车场的可能故障发送至对应的车场。
2.根据权利要求1所述的车场收入预警方法，其特征在于，所述方法还包括：利用历史时间段内车场数据，通过时间序列模型拟合得到四个指标预测函数；具体包括：
获取历史时间段内车场数据，包括每日的临停收入、出入车流、未支付订单占比以及异常放行次数；
对获取的历史时间段内车场数据进行预处理；
基于预处理后的四个车场收入指标的历史车场数据，利用时间序列模型分别拟合出四个指标预测函数。
3.根据权利要求2所述的车场收入预警方法，其特征在于，预处理包括：缺失值处理、异常值处理、0值处理和新开车场的数据处理。
4.根据权利要求3所述的车场收入预警方法，其特征在于，所述异常值处理，包括：
采用将极小值以极小值出现日期之前的历史数据的1％分位数填充；
将极大值以极大值出现日期之前的历史数据的99％分位数填充。
5.根据权利要求1-4任一项所述的车场收入预警方法，其特征在于，根据四个指标的预测值分别判断四个指标的实际值是否为异常值，由此得到四个指标的状态；包括：
当临停收入的实际值小于临停收入的预测值的95％，则临停收入的实际值为异常值，临停收入为异常状态；
当出入车流的实际值小于出入车流的预测值的95％，则出入车流的实际值为异常值，临停收入为异常状态；
当未支付订单占比的实际值大于未支付订单占比的预测值的105％，则未支付订单占比的实际值为异常值，未支付订单占比为异常状态；
当异常放行次数的实际值大于异常放行次数的预测值的105％，则异常放行次数的实际值为异常值，异常放行次数为异常状态。
6.根据权利要求5所述的车场收入预警方法，其特征在于，根据四个指标的状态及指标之间的相关性，得到车场的可能故障，包括：
若临停收入异常且出入车流正常，则可能故障为计费规则失效；
若临停收入异常且未支付订单占比异常，则可能故障为网络或支付系统故障；
若临停收入异常且异常放行次数异常，则可能故障为围栏或道闸故障。
7.根据权利要求5所述的车场收入预警方法，其特征在于，根据四个指标的状态，得到车场收入的异常等级，包括：
若临停收入、出入车流、未支付订单占比和异常放行次数均为异常状态，则车场收入的异常等级为严重异常；
若临停收入、出入车流、未支付订单占比和异常放行次数中的任3个指标均为异常状态，则车场收入的异常等级为一般异常；
若临停收入、出入车流、未支付订单占比和异常放行次数中的任意2个指标均为异常状态，则车场收入的异常等级为轻微异常。
8.一种车场收入预警装置，其特征在于，包括：
计算单元，用于根据预先拟合的四个指标预测函数，获取四个车场收入指标的预测值，四个车场收入指标包括：临停收入、出入车流、未支付订单占比以及异常放行次数；
判断单元，用于根据四个指标的预测值分别判断四个指标的实际值是否为异常值，由此得到四个指标的状态；
故障推断单元，用于根据四个指标的状态及指标之间的相关性，得到车场的可能故障；
异常等级确定单元，用于根据四个指标的状态，得到车场收入的异常等级；
发送单元，用于将车场的异常等级以及车场的可能故障发送至对应的车场。
9.一种电子设备，其特征在于，包括：存储器、处理器和存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如权利要求1-7任一项所述的车场收入预警方法。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器运行时实现如权利要求1-7任一项所述的车场收入预警方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111451918.4A CN114154713A (zh) | 2021-12-01 | 2021-12-01 | 一种车场收入预警方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111451918.4A CN114154713A (zh) | 2021-12-01 | 2021-12-01 | 一种车场收入预警方法、装置、电子设备及存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN114154713A true CN114154713A (zh) | 2022-03-08 |
Family
ID=80455326
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111451918.4A Pending CN114154713A (zh) | 2021-12-01 | 2021-12-01 | 一种车场收入预警方法、装置、电子设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114154713A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116342151A (zh) * | 2023-04-12 | 2023-06-27 | 余珊 | 金融支付装置金额篡改检测系统 |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108346185A (zh) * | 2018-01-23 | 2018-07-31 | 北京悦畅科技有限公司 | 一种检测停车场缴费机故障的方法和装置 |
| CN108932755A (zh) * | 2018-07-19 | 2018-12-04 | 广东艾科智泊科技股份有限公司 | 一种停车场异常事件的通知方法及装置 |
| CN109242990A (zh) * | 2018-10-23 | 2019-01-18 | 北京悦畅科技有限公司 | 一种停车场的停车收费方法和装置 |
| CN112149860A (zh) * | 2019-06-28 | 2020-12-29 | 中国电力科学研究院有限公司 | 一种自动异常检测方法和系统 |
| CN112702184A (zh) * | 2019-10-23 | 2021-04-23 | 中国电信股份有限公司 | 故障预警方法及装置、计算机可存储介质 |
| CN113189503A (zh) * | 2021-01-28 | 2021-07-30 | 南斗六星系统集成有限公司 | 一种电动汽车电池多级故障预警方法及系统 |
| US20210284181A1 (en) * | 2020-12-18 | 2021-09-16 | Beijing Baidu Netcom Science Technology Co., Ltd. | Abnormal data collecting method, apparatus, storage medium and product for automatic parking |
-
2021
- 2021-12-01 CN CN202111451918.4A patent/CN114154713A/zh active Pending
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108346185A (zh) * | 2018-01-23 | 2018-07-31 | 北京悦畅科技有限公司 | 一种检测停车场缴费机故障的方法和装置 |
| CN108932755A (zh) * | 2018-07-19 | 2018-12-04 | 广东艾科智泊科技股份有限公司 | 一种停车场异常事件的通知方法及装置 |
| CN109242990A (zh) * | 2018-10-23 | 2019-01-18 | 北京悦畅科技有限公司 | 一种停车场的停车收费方法和装置 |
| CN112149860A (zh) * | 2019-06-28 | 2020-12-29 | 中国电力科学研究院有限公司 | 一种自动异常检测方法和系统 |
| CN112702184A (zh) * | 2019-10-23 | 2021-04-23 | 中国电信股份有限公司 | 故障预警方法及装置、计算机可存储介质 |
| US20210284181A1 (en) * | 2020-12-18 | 2021-09-16 | Beijing Baidu Netcom Science Technology Co., Ltd. | Abnormal data collecting method, apparatus, storage medium and product for automatic parking |
| CN113189503A (zh) * | 2021-01-28 | 2021-07-30 | 南斗六星系统集成有限公司 | 一种电动汽车电池多级故障预警方法及系统 |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116342151A (zh) * | 2023-04-12 | 2023-06-27 | 余珊 | 金融支付装置金额篡改检测系统 |
| CN116342151B (zh) * | 2023-04-12 | 2024-02-02 | 西安你左我右网络科技有限公司 | 金融支付装置金额篡改检测系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112162878B (zh) | 数据库故障发现方法、装置、电子设备及存储介质 | |
| US20240142063A1 (en) | Method for troubleshooting potential safety hazards of compressor in smart gas pipeline network and internet of things system thereof | |
| CN109255523A (zh) | 基于kks编码规则和大数据架构的分析指标计算平台 | |
| CN110912737A (zh) | 一种基于混合模型的动态感知性能预告警方法 | |
| CN1496499A (zh) | 用于公用事业企业管理的系统和方法 | |
| CN114154713A (zh) | 一种车场收入预警方法、装置、电子设备及存储介质 | |
| CN117439256A (zh) | 一种基于物联网的电站设备管理方法及系统 | |
| CN113905215A (zh) | 一种公交安全驾驶监控系统 | |
| CN115499302A (zh) | 业务系统的监测方法、装置、可读存储介质及电子设备 | |
| CN113723827B (zh) | 地铁机电设备运行风险诊断及运维管控方法与系统 | |
| CN116882756B (zh) | 基于区块链的电力安全管控方法 | |
| CN111428356A (zh) | 一种新研发退化设备的维护方法及系统 | |
| CN109493571B (zh) | 一种基于辐射环境监测数据的报警系统 | |
| CN111667180A (zh) | 电力业务管理方法、装置及电子设备 | |
| CN110895742A (zh) | 电力调度机器人风险评估方法及其系统 | |
| US20200111054A1 (en) | Automated claims auditing | |
| CN112381386B (zh) | 一种车辆稽查布控方法、装置、电子设备和存储介质 | |
| CN114779747A (zh) | 车辆故障原因确定系统及方法 | |
| CN111651493B (zh) | 旅客提升设备的全寿命周期正向指导和反馈优化管理方法 | |
| CN112434858A (zh) | 一种轨道交通客流预测方法及系统 | |
| Dodonov et al. | Survivability of Organizational Management Systems and the Maintenance of Critical Infrastructure Security. | |
| CN117150032B (zh) | 一种水电站发电机组的智能维护系统及方法 | |
| CN115019551B (zh) | 场库的余位的校正方法、余位预测模型的训练方法和装置 | |
| CN115391406B (zh) | 一种用于排水系统的数据流检修优化方法及系统 | |
| CN117521632A (zh) | 一种电力技术文档数据识别审核系统 |
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 |