CN114187775B - 基于大数据的停车位推荐的方法、装置、设备及存储介质 - Google Patents

基于大数据的停车位推荐的方法、装置、设备及存储介质 Download PDF

Info

Publication number
CN114187775B
CN114187775B CN202111480285.XA CN202111480285A CN114187775B CN 114187775 B CN114187775 B CN 114187775B CN 202111480285 A CN202111480285 A CN 202111480285A CN 114187775 B CN114187775 B CN 114187775B
Authority
CN
China
Prior art keywords
parking space
parking
candidate
target
information
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.)
Active
Application number
CN202111480285.XA
Other languages
English (en)
Other versions
CN114187775A (zh
Inventor
刘榆厚
王炜
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.)
Guangdong Flying Cloud Computing Co ltd
Original Assignee
Guangdong Flying Cloud Computing 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 Guangdong Flying Cloud Computing Co ltd filed Critical Guangdong Flying Cloud Computing Co ltd
Priority to CN202111480285.XA priority Critical patent/CN114187775B/zh
Publication of CN114187775A publication Critical patent/CN114187775A/zh
Application granted granted Critical
Publication of CN114187775B publication Critical patent/CN114187775B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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
    • G08G1/141—Traffic control systems for road vehicles indicating individual free spaces in parking areas with means giving the indication of available parking spaces
    • G08G1/144—Traffic control systems for road vehicles indicating individual free spaces in parking areas with means giving the indication of available parking spaces on portable or mobile units, e.g. personal digital assistant [PDA]
    • 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
    • G06F16/2457—Query processing with adaptation to user needs
    • G06F16/24578—Query processing with adaptation to user needs using ranking
    • 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
    • G06F16/248—Presentation of query results
    • 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
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/95—Retrieval from the web
    • G06F16/953—Querying, e.g. by the use of web search engines
    • G06F16/9535—Search customisation based on user profiles and personalisation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/95—Retrieval from the web
    • G06F16/953—Querying, e.g. by the use of web search engines
    • G06F16/9537—Spatial or temporal dependent retrieval, e.g. spatiotemporal queries
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/95—Retrieval from the web
    • G06F16/953—Querying, e.g. by the use of web search engines
    • G06F16/9538—Presentation of query results
    • 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
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management

Abstract

本申请公开了一种基于大数据的停车位推荐的方法、装置、设备及存储介质，应用于停车场管理平台中，其中所述方法包括：获取用户在车位选择页面中输入的车位需求信息；基于所述车位需求信息确定候选车位列表，所述候选车位列表包括各候选车位的车位基本信息；经由客户端页面预先加载的、当前停车场的地图中展示所述候选车位列表，并确定所述用户从所述候选车位列表中选择的目标车位；经由所述客户端页面预先加载的当前停车场的地图中显示所述目标车位。避免车主在停车场内盲目寻找停车位的情况发生，节省了车主的时间以及降低车辆能源消耗。

Description

基于大数据的停车位推荐的方法、装置、设备及存储介质
技术领域
本申请涉及数据处理技术领域，尤其涉及一种停车场车位推荐的方法、一种停车场车位推荐的装置、一种电子设备以及一种计算机可读存储介质。
背景技术
人们在用汽车出门办事时，停车是一件非常必须的首要事情。虽然现有的停车场设立了停车场标识和空闲车位数来提示车主停车，但其不足的是，车主无法在出行前提前查询办事目的地附近哪个地方有停车场、停车场内有多少空闲车位、空闲车位如何分布等信息，导致车主在到达办事目的地后，经常会在目的地附近盲目到处找停车场、在停车场内又盲目到处找停车位，浪费了车主大量的时间，给车主带来了极大的苦恼。
发明内容
本申请提供一种基于大数据的停车位推荐的方法、装置、设备及存储介质，以解决在停车场中找车位难、停车耗费时间的问题。
第一方面，本申请实施例提供了一种基于大数据的停车位推荐的方法，所述方法应用于停车场管理平台中，所述方法包括：
获取用户在车位选择页面中输入的车位需求信息；
基于所述车位需求信息确定候选车位列表，所述候选车位列表包括各候选车位的车位基本信息；
经由客户端页面预先加载的、当前停车场的地图中展示所述候选车位列表，并确定所述用户从所述候选车位列表中选择的目标车位；
经由所述客户端页面预先加载的当前停车场的地图中显示所述目标车位。
可选地，所述方法还包括：
确定所述目标车位中一个或多个车位设备的推荐配置参数；
在展示所述目标车位时，展示所述推荐配置参数。
可选地，所述确定所述目标车位中一个或多个车位设备的推荐配置参数，包括：
获取所述目标车位在过去一段时间内的历史停车记录，所述历史停车记录包括所述目标车位中一个或多个车位设备的历史配置参数；
分别统计各车位设备的历史配置参数的使用频次；
针对各车位设备，将使用频次最高的历史配置参数作为当前的推荐配置参数。
可选地，所述确定所述目标车位中一个或多个车位设备的推荐配置参数，包括：
获取实时环境数据；
将所述实时环境数据以及所述目标车位的车位基本信息发送至预先生成的参数配置模型中，其中，所述参数配置模型为根据过去一段时间内各车位的历史配置参数生成的深度学习模型；
获取所述参数配置模型输出的一个或多个车位设备的推荐配置参数。
可选地，所述基于所述车位需求信息确定候选车位列表，包括：
基于所述车位需求信息确定空闲车位列表，所述空闲车位列表中包括各空闲车位的车位基本信息；
将所述车位需求信息以及所述空闲车位列表输入至预先生成的车位选择模型中，并获得所述车位选择模型输出的各空闲车位与所述车位需求信息的匹配度；
基于所述匹配度，从所述空闲车位列表中选取候选车位列表。
可选地，所述方法还包括：
当检测到所述用户对所述目标车位的停车操作或预订操作时，生成对应的停车订单或车位预订订单；
将所述停车订单或所述车位预订订单存入对应的订单数据库中；
将所述目标车位的状态设置为已占用状态。
可选地，所述方法还包括：
获取所述目标车位中各车位设备发送的实时配置参数；
获取实时时间信息以及实时环境数据；
将所述实时时间信息、所述实时环境数据以及所述实时配置参数关联记录在停车记录数据库中。
第二方面，本申请实施例还提供了一种基于大数据的停车位推荐的装置，所述装置应用于停车场管理平台中，所述装置包括：
车位需求信息获取模块，用于获取用户在车位选择页面中输入的车位需求信息；
候选车位列表确定模块，用于基于所述车位需求信息确定候选车位列表，所述候选车位列表包括各候选车位的车位基本信息；
目标车位确定模块，用于展示所述候选车位列表，并确定所述用户从所述候选车位列表中选择的目标车位；
目标车位显示模块，用于显示所述目标车位。
第三方面，本申请实施例还提供了一种电子设备，所述电子设备包括：
一个或多个处理器；
存储装置，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，使得所述一个或多个处理器实现上述第一方面的方法。
第四方面，本申请实施例还提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现上述第一方面的方法。
本申请所提供的技术方案，具有如下有益效果：
在本实施例中，当获得用户在车位选择页面中输入的车位需求信息时，可以基于该车位需求信息确定候选车位列表，并经由客户端页面预先加载的、当前停车场的地图中展示该候选车位列表，以实现将候选车位列表直观地显示给用户。当检测到用户从候选车位列表中选择的目标车位以后，还会经由客户端页面预先加载的当前停车场的地图中显示该目标车位，以实现停车场车位的管理，提高智慧停车场的智能化程度，便于用户能够快速确定并查找目标停车位，避免用户盲目寻找车位导致的时间耗费以及能源消耗，提升了用户体验。
附图说明
图1是本申请实施例一提供的一种基于大数据的停车位推荐的方法实施例的流程图；
图2是本申请实施例二提供的一种基于大数据的停车位推荐的方法实施例的流程图；
图3是本申请实施例三提供的一种基于大数据的停车位推荐的装置实施例的结构框图；
图4是本申请实施例四提供的一种电子设备的结构示意图。
具体实施方式
下面结合附图和实施例对本申请作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释本申请，而非对本申请的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本申请相关的部分而非全部结构。
实施例一
图1为本申请实施例一提供的一种基于大数据的停车位推荐的方法实施例的流程图，本实施例可以应用于停车场管理平台(下称平台)中。其中，该停车场管理平台可以是专用于管理一个停车场品牌的平台，也可以是通用的管理多个停车场品牌的平台，本实施例对此不作限制。例如，该停车场管理平台可以是停车场品牌方为了实现所拥有的停车场的智能化管理开发的专用平台，只适用于本品牌的停车场的管理。或者，该停车场管理平台也可以是第三方管理平台，将停车场在该停车场管理平台中进行注册后则可以采用该停车场管理平台进行该停车场的智能化管理。
如图1所示，本实施例可以包括如下步骤：
步骤110，获取用户在车位选择页面中输入的车位需求信息。
在一种示例性的使用场景中，用户可以在终端设备(例如智能手机、平板电脑、台式机等)中安装当前停车场管理平台对应的停车场管理应用程序，当打开该停车场管理应用程序之后，进入车位选择页面进行智能选车位操作。
在另一种示例性的使用场景中，可以在停车场入口区域放置集成有停车场管理平台的停车场管理功能的机器人或类似装置。当用户需要停车时，则可以触发该机器人或类似装置进入车位选择页面进行智能选车位操作。
在其他示例中，本实施例提供的方法还可以以软件开发工具包(SoftwareDevelopment Kit，简称SDK)的形式运行在服务器等设备上，以SDK的形式提供接入接口，便于其他终端或应用程序接入该停车场管理功能。
停车场管理应用程序可以获取用户在车位选择页面中输入的车位需求信息，并将该车位需求信息发送至停车场管理平台。
示例性地，车位需求信息用于反映用户对于车位的喜好信息或需求信息，可以包括但不限于：车辆类型、车辆型号、用户想要去的目的地信息、用户的其他特殊要求(如不想要边角或拐角位置的停车位等)等。
该步骤通过在车位选择页面中提供车位需求选项，能够让用户根据个人喜好和实际情况选择满意的车位，这种个性化的车位需求选项可以极大地方便用户，有效地提升用户的使用体验。
步骤120，基于所述车位需求信息确定候选车位列表，所述候选车位列表包括各候选车位的车位基本信息。
其中，候选车位列表中可以包括一个或多个候选车位以及每个候选车位的车位基本信息。示例性地，车位基本信息可以包括车位标识(如车位编号)、车位所在位置、车位适用车型、车位面积、车位高度等。候选车位是指当前停车场中与车位需求信息的匹配程度较高的空闲停车位。
在一种实施例中，步骤120进一步可以包括如下步骤：
步骤120-1，基于所述车位需求信息确定空闲车位列表，所述空闲车位列表中包括各空闲车位的车位基本信息。
其中，空闲车位列表可以包括停车场管理平台中、所有与当前车辆的实时位置的距离在设定范围内的停车场的空闲车位。在实现时，停车场管理平台中可以管理已注册的所有停车场的车位的信息，包括管理各车位的状态信息，该状态信息可以包括已占用状态、不可使用状态以及空闲状态等。停车场管理平台可以获得处于空闲状态的车位信息，组成空闲车位列表。
步骤120-2，将所述车位需求信息以及所述空闲车位列表输入至预先生成的车位选择模型中，并获得所述车位选择模型输出的各空闲车位与所述车位需求信息的匹配度。
其中，车位选择模型的输入是空闲车位列表以及用户输入的车位需求信息，输出是各空闲车位与车位需求信息的匹配度。
在一种实现中，车位选择模型可以为多层感知机，也可以是采用其他算法训练的模型，如卷积神经网络等。采用多层感知机，可以具有较高的处理效率。
车位选择模型可以包括需求特征提取模块、车位特征提取模块和匹配度检测模块。需求特征提取模块用于对车位需求信息进行特征提取得到需求特征信息，车位特征提取模块用于对空闲车位的车位基本信息进行特征提取得到车位特征信息，匹配度检测模块用于根据需求特征信息和车位特征信息确定匹配度。
在一种实现中，可以采用如下方式训练车位选择模型：
获取当前平台中各停车场的历史停车记录，并从该历史停车记录中提取出各车位的车位基本信息以及使用该车位的车辆的车辆属性信息(如车辆的型号、类型、品牌等)。然后将提取的车位基本信息和对应的车辆属性信息组成一个训练数据，最终得到所有车位的训练数据组成的训练数据集。
接着基于该训练数据集，采用设定的损失函数以及模型训练算法进行模型训练，得到车位选择模型。本实施例对损失函数以及模型训练算法不作具体限定。
步骤120-3，基于所述匹配度，从所述空闲车位列表中选取候选车位列表。
在实现时，当获得各空闲车位与车位需求信息的匹配度以后，则可以按照匹配度对各空闲车位进行排序，并选取匹配度排序在前的若干空闲车位组成取候选车位列表。
在其他实施例中，还可以选择匹配度大于设定匹配度阈值的空间车位组成候选车位列表。
步骤130，经由客户端页面预先加载的、当前停车场的地图中展示所述候选车位列表，并确定所述用户从所述候选车位列表中选择的目标车位。
得到候选车位列表以后，则可以将该候选车位列表发送至应用程序客户端中。在该应用程序客户端中，预先加载有当前停车场的地图数据，该地图数据中可以包括各停车位的位置、面积、通道数据等。当客户端接收到该候选车位列表时，可以根据各候选车位的车位基本信息在该地图数据中找到对应的候选车位，并将找到的多个候选车位以高亮等信息展现给用户。在展示候选车位列表时，还可以展示各候选车位的车位基本信息。
用户可以在该候选车位列表中进行选择，该选择操作可以为，用户点击候选车位列表中的某个候选车位。客户端捕获到该点击操作时，可以将该点击操作对应的候选车位作为目标车位。
步骤140，经由所述客户端页面预先加载的当前停车场的地图中显示所述目标车位。
在一种实现中，当客户端确定用户选定的目标车位以后，则可以在当前停车场的地图中高亮显示该目标车位，并对其他未被选中的候选车位取消高亮显示。与此同时，客户端还可以将该目标车位的车位标识通知停车场管理平台。
在进一步的实施例中，客户端中还可以包含导航功能，当确定目标车位以后，则可以获取当前车辆的车辆实时位置信息，并基于当前停车场的地图数据，生成从该车辆实时位置到目标车位的导航路径，以及显示该导航路径，并将当前车辆导航至该目标车位中。
其中，生成导航路径以及进行导航的实现方式，可以采用通用的地图导航方式，本实施例对此不作限定。
在本实施例中，当获得用户在车位选择页面中输入的车位需求信息时，可以基于该车位需求信息确定候选车位列表，并经由客户端页面预先加载的、当前停车场的地图中展示该候选车位列表，以实现将候选车位列表直观地显示给用户。当检测到用户从候选车位列表中选择的目标车位以后，还会经由客户端页面预先加载的当前停车场的地图中显示该目标车位，以实现停车场车位的管理，提高智慧停车场的智能化程度，便于用户能够快速确定并查找目标停车位，避免用户盲目寻找车位导致的时间耗费，提升了用户体验。
实施例二
图2为本申请实施例二提供的一种基于大数据的停车位推荐的方法实施例的流程图，本实施例在实施例一的基础上进行更具体的说明，如图2所示，本实施例可以包括如下步骤：
步骤210，获取用户在车位选择页面中输入的车位需求信息。
步骤220，基于所述车位需求信息确定候选车位列表，所述候选车位列表包括各候选车位的车位基本信息。
步骤230，经由客户端页面预先加载的、当前停车场的地图中展示所述候选车位列表，并确定所述用户从所述候选车位列表中选择的目标车位。
步骤240，确定所述目标车位中一个或多个车位设备的推荐配置参数。
在该步骤中，停车场管理平台确定目标车位以后，则可以进一步确定该目标车位中一个或多个车位设备的推荐配置参数。
示例性地，目标车位内的车位设备可以包括但不限于：用于监测当前车位中是否停放车辆的车辆监测设备、用于对停放在当前车位的车辆加锁的车锁设备、用于对停放在当前车位的车辆进行充电的充电设备、用于对停放在当前车位的车辆进行充气的加气设备、用于对停放在当前车位的车辆进行加油的加油设备、用于对停放在当前车位的车辆进行清洁的清扫设备等。
推荐配置参数可以为与车位设备对应的运行参数，在一种实施例中，当前车位可以具有主控模块和通信模块，该通信模块用于与车辆的通信模块进行通信，以获得车辆实时的车辆使用参数的参数值，并将该参数值返回主控模块，主控模块根据各项参数值确定各车位设备的推荐配置参数。
在另一种实施例中，可以基于大数据分析方式确定目标车位中一个或多个车位设备的推荐配置参数，则步骤240可以包括如下步骤：
步骤240-1，获取所述目标车位在过去一段时间内的历史停车记录，所述历史停车记录包括所述目标车位中一个或多个车位设备的历史配置参数。
在该实施例中，当确定目标车位以后，则可以从历史停车记录库中查找该目标车位的车位标识(例如，该车位标识可以表示为停车场名称-车位编号)，以获得目标车位的所有历史使用记录，然后从中提取过去一段时间内的历史使用记录。
示例性地，该历史使用记录可以包括目标车位中一个或多个车位设备的历史配置参数、该历史使用记录对应的记录时间以及该记录时间对应的环境信息，该环境信息例如可以包括天气、室外温度等信息。
在其他的实施例中，在得到目标车位过去一段时间内的所有历史使用记录以后，还可以结合各历史使用记录当时的记录时间以及环境信息，来筛选出与当前实时时间与实时环境数据类似的历史使用记录，作为后续步骤240-2及步骤240-3的数据基础。例如，当前时间是下午5点，室外温度是30°，天气晴朗，则可以从历史使用记录中筛选出所有在下午5点左右，室外温度在30°左右，天气是晴天的使用记录。
步骤240-2，分别统计各车位设备的历史配置参数的使用频次。
当得到目标车位的历史使用记录以后，可以基于每条历史使用记录中记录的各车位设备的历史配置参数，以各车位设备的各历史配置参数为维度进行统计，得到每种车位设备的每种历史配置参数的使用频次。
步骤240-3，针对各车位设备，将使用频次最高的历史配置参数作为当前的推荐配置参数。
在该步骤中，当得到各车位设备的各种历史配置参数的使用频次以后，针对每种车位设备，可以选取使用频次最高的历史配置参数作为该车位设备当前的推荐配置参数。
在又一种实施例中，步骤240可以包括如下步骤：
步骤240-4，获取实时环境数据。
示例性地，实时环境可以包括天气、温度等环境数据。在实现时，可以从官方的天气应用程序或者其他第三方的天气应用程序中获取目标车位所在地的实时环境数据。
步骤240-5，将所述实时环境数据以及所述目标车位的车位基本信息发送至预先生成的参数配置模型中，其中，所述参数配置模型为根据过去一段时间内各车位的历史配置参数生成的深度学习模型。
步骤240-6，获取所述参数配置模型输出的一个或多个车位设备的推荐配置参数。
在该步骤中，当得到实时环境数据以后，则可以将该实时环境数据以及目标车位的车位基本信息(如所在位置、面积、高度、适用车型等)输入至预先生成的参数配置模型中，由参数配置模型进行处理，输出一个或多个车位设备的推荐配置参数。
在一种实现中，参数配置模型也可以为多层感知机或是采用其他算法训练的基于大数据分析的模型，如卷积神经网络等。
参数配置模型可以包括环境特征提取模块、车位特征提取模块和分类模块。环境特征提取模块用于对实时环境数据进行特征提取得到环境特征信息，车位特征提取模块用于对目标车位的车位基本信息进行特征提取得到车位特征信息，分类模块用于根据环境特征信息和车位特征信息确定各车位设备的配置参数的分类类型，该分类类型可以是该车位设备历史上出现过的每个配置参数值。
在一种实现中，可以采用如下方式训练参数配置模型：
获取当前平台中各停车场的历史停车记录，并从该历史停车记录中提取出各车位内的车位设备的历史配置参数以及使用该车位的车辆的车辆属性信息。然后将提取的历史配置参数、车位的车位基本信息和对应的车辆属性信息组成一个训练数据，最终得到所有车位的训练数据组成的训练数据集。
接着基于该训练数据集，采用设定的损失函数以及模型训练算法进行模型训练，得到参数配置模型。本实施例对损失函数以及模型训练算法不作具体限定。
步骤250，在经由所述客户端页面预先加载的当前停车场的地图中显示所述目标车位时，展示所述推荐配置参数。
当得到目标车位的推荐配置参数以后，可以将该推荐配置参数发送至客户端，以由客户端在展示该目标车位时，同时将该推荐配置参数展示给用户。用户可以在使用该目标车位时参考各推荐配置参数设置对应的车位设备。
步骤260，当检测到所述用户对所述目标车位的停车操作或预订操作时，生成对应的停车订单或车位预订订单。
在一种实现中，当车辆监测设备检测到车辆已经停放在目标停车位时，则判定为检测到用户对所述目标车位的停车操作，此时可以生成停车订单，该停车订单可以包括订单号、车辆基本信息、停车开始时间、计费规则、停车时长等。
在另一种实施例中，用户还可以预约该目标停车位，也就是用户目前还不能在目标停车位中停车，但可以预约在指定停车时间下使用该停车位。具体的，当在客户端页面中显示目标车位和/或目标车位内各车位设备的推荐配置参数时，还可以显示“预订”功能按钮，当用户触发该“预订”功能按钮时，则进入预订页面，用户需要在该预订页面中填写预订信息，该预订信息可以包括车辆到达停车位的预计时间、使用时长等。在其他实现中还需要用户预付定金或者全部金额。这一系列操作都可以统一称为预订操作。当检测到该预订操作时，则可以生成车位预订订单，该车位预订订单可以包括但不限于：订单号、车辆基本信息、停车开始时间、计费规则、停车时长等。
步骤270，将所述停车订单或所述车位预订订单存入对应的订单数据库中。
在该步骤中，可以将生成的停车订单存入停车订单数据库中，将车位预订订单存入预订数据库中，以便于对订单进行统一的订单管理。
步骤280，将所述目标车位的状态设置为已占用状态。
当目标车位被预订或者被使用以后，则可以设置该目标车位的状态由空闲状态变更为已占用状态。
步骤290，获取所述目标车位中各车位设备发送的实时配置参数。
在一种实现中，各车位设备可以主动获取本设备的实时配置参数并将该实时配置参数发送至本车位的主控模块中，由该主控模块将接收的信息发送至停车场管理平台中。而各车位设备获取本设备的实时配置参数的时机，可以包括但不限于如下几种时机的至少一种：设备开启并设置推荐配置参数以后、预设的配置参数上报周期到达时、设备的配置参数发生变更时(例如，用户在使用过程中调整车位设备的配置参数)，等等。
步骤2110，获取实时时间信息以及实时环境数据。
在一种实现中，实时时间信息可以是本地的时钟信息，也可以是服务器的时钟信息，本实施例对此不作限定。该实时时间信息可以包括日期信息和时钟信息。
可以从官方的天气应用程序或者其他第三方的天气应用程序中获取目标车位所在地的实时环境数据。
步骤2120，将所述实时时间信息、所述实时环境数据以及所述实时配置参数关联记录在停车记录数据库中。
在该步骤中，平台可以将获得的实时时间信息、实时环境数据以及实时配置参数关联记录在历史停车记录库，以便于后续可以根据该历史停车记录库中的历史停车记录对车位选择模型和参数配置模型进行迭代更新。
在本实施例中，在确定目标车位以后，可以确定该目标车位中一个或多个车位设备的推荐配置参数，并向用户展示该推荐配置参数，以便于用户在使用车位后可以参考该推荐配置参数进行相关车位设备的配置，提升用户的使用体验，以此实现停车场车位的智能化管理。
实施例三
图3为本申请实施例三提供的一种基于大数据的停车位推荐的装置实施例的结构框图，所述装置可以应用于停车场管理平台中，可以包括如下模块：
车位需求信息获取模块310，用于获取用户在车位选择页面中输入的车位需求信息；
候选车位列表确定模块320，用于基于所述车位需求信息确定候选车位列表，所述候选车位列表包括各候选车位的车位基本信息；
目标车位确定模块330，用于展示所述候选车位列表，并确定所述用户从所述候选车位列表中选择的目标车位；
目标车位显示模块340，用于显示所述目标车位。
在一种实施例中，所述装置还包括：
推荐配置参数确定模块，用于确定所述目标车位中一个或多个车位设备的推荐配置参数；
推荐配置参数展示模块，用于在展示所述目标车位时，展示所述推荐配置参数。
在一种实施例中，所述推荐配置参数确定模块具体用于：
获取所述目标车位在过去一段时间内的历史停车记录，所述历史停车记录包括所述目标车位中一个或多个车位设备的历史配置参数；
分别统计各车位设备的历史配置参数的使用频次；
针对各车位设备，将使用频次最高的历史配置参数作为当前的推荐配置参数。
在另一种实施例中，所述推荐配置参数确定模块具体用于：
获取实时环境数据；
将所述实时环境数据以及所述目标车位的车位基本信息发送至预先生成的参数配置模型中，其中，所述参数配置模型为根据过去一段时间内各车位的历史配置参数生成的深度学习模型；
获取所述参数配置模型输出的一个或多个车位设备的推荐配置参数。
在一种实施例中，所述候选车位列表确定模块320具体用于：
基于所述车位需求信息确定空闲车位列表，所述空闲车位列表中包括各空闲车位的车位基本信息；
将所述车位需求信息以及所述空闲车位列表输入至预先生成的车位选择模型中，并获得所述车位选择模型输出的各空闲车位与所述车位需求信息的匹配度；
基于所述匹配度，从所述空闲车位列表中选取候选车位列表。
在一种实施例中，所述装置还包括：
订单生成模块，用于当检测到所述用户对所述目标车位的停车操作或预订操作时，生成对应的停车订单或车位预订订单；
订单存储模块，用于将所述停车订单或所述车位预订订单存入对应的订单数据库中；
状态变更模块，用于将所述目标车位的状态设置为已占用状态。
在一种实施例中，所述装置还包括：
实时配置参数获取模块，用于获取所述目标车位中各车位设备发送的实时配置参数；
实时时间及环境数据获取模块，用于获取实时时间信息以及实时环境数据；
实时数据存储模块，用于将所述实时时间信息、所述实时环境数据以及所述实时配置参数关联记录在停车记录数据库中。
本申请实施例所提供的一种基于大数据的停车位推荐的装置可执行本申请实施例一或实施例二中的一种基于大数据的停车位推荐的方法，具备执行方法相应的功能模块和有益效果。
实施例四
图4为本申请实施例四提供的一种电子设备的结构示意图，如图4所示，该电子设备包括处理器410、存储器420、输入装置430和输出装置440；电子设备中处理器410的数量可以是一个或多个，图4中以一个处理器410为例；电子设备中的处理器410、存储器420、输入装置430和输出装置440可以通过总线或其他方式连接，图4中以通过总线连接为例。
存储器420作为一种计算机可读存储介质，可用于存储软件程序、计算机可执行程序以及模块，如本申请实施例中的上述实施例一或实施例二对应的程序指令/模块。处理器410通过运行存储在存储器420中的软件程序、指令以及模块，从而执行电子设备的各种功能应用以及数据处理，即实现上述的方法实施例一或实施例二中提到的方法。
存储器420可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序；存储数据区可存储根据终端的使用所创建的数据等。此外，存储器420可以包括高速随机存取存储器，还可以包括非易失性存储器，例如至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。在一些实例中，存储器420可进一步包括相对于处理器410远程设置的存储器，这些远程存储器可以通过网络连接至设备/终端/服务器。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
输入装置430可用于接收输入的数字或字符信息，以及产生与电子设备的用户设置以及功能控制有关的键信号输入。输出装置440可包括显示屏等显示设备。
实施例五
本申请实施例五还提供一种包含计算机可执行指令的存储介质，所述计算机可执行指令在由计算机处理器执行时用于执行上述方法实施例一或实施例二的方法。
当然，本申请实施例所提供的一种包含计算机可执行指令的存储介质，其计算机可执行指令不限于如上所述的方法操作，还可以执行本申请任意实施例所提供的方法中的相关操作。
实施例六
本申请实施例六还提供一种计算机程序产品，该计算机程序产品包括计算机可执行指令，所述计算机可执行指令在由计算机处理器执行时用于执行上述方法实施例一或实施例二的方法。
当然，本申请实施例所提供的一种计算机程序产品，其计算机可执行指令不限于如上所述的方法操作，还可以执行本申请任意实施例所提供的方法中的相关操作。
通过以上关于实施方式的描述，所属领域的技术人员可以清楚地了解到，本申请可借助软件及必需的通用硬件来实现，当然也可以通过硬件实现，但很多情况下前者是更佳的实施方式。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如计算机的软盘、只读存储器(Read-Only Memory,ROM)、随机存取存储器(RandomAccess Memory,RAM)、闪存(FLASH)、硬盘或光盘等，包括若干指令用以使得一台电子设备(可以是个人计算机，服务器，或者网络设备等)执行本申请各个实施例所述的方法。
值得注意的是，上述装置的实施例中，所包括的各个单元和模块只是按照功能逻辑进行划分的，但并不局限于上述的划分，只要能够实现相应的功能即可；另外，各功能单元的具体名称也只是为了便于相互区分，并不用于限制本申请的保护范围。
注意，上述仅为本申请的较佳实施例及所运用技术原理。本领域技术人员会理解，本申请不限于这里所述的特定实施例，对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本申请的保护范围。因此，虽然通过以上实施例对本申请进行了较为详细的说明，但是本申请不仅仅限于以上实施例，在不脱离本申请构思的情况下，还可以包括更多其他等效实施例，而本申请的范围由所附的权利要求范围决定。

Claims (7)

1.一种基于大数据的停车位推荐的方法，其特征在于，所述方法应用于停车场管理平台中，所述方法包括：
获取用户在车位选择页面中输入的车位需求信息；
基于所述车位需求信息确定候选车位列表，所述候选车位列表包括各候选车位的车位基本信息；
经由客户端页面预先加载的、当前停车场的地图中展示所述候选车位列表，并确定所述用户从所述候选车位列表中选择的目标车位；
经由所述客户端页面预先加载的当前停车场的地图中显示所述目标车位；
确定所述目标车位中一个或多个车位设备的推荐配置参数，所述推荐配置参数为与车位设备对应的运行参数；所述车位设备包括：用于对停放在当前车位的车辆进行充电的充电设备；
在展示所述目标车位时，展示所述推荐配置参数；
所述确定所述目标车位中一个或多个车位设备的推荐配置参数，包括：
获取实时环境数据；
将所述实时环境数据以及所述目标车位的车位基本信息发送至预先生成的参数配置模型中，其中，所述参数配置模型为根据过去一段时间内各车位的历史配置参数生成的深度学习模型；
获取所述参数配置模型输出的一个或多个车位设备的推荐配置参数；
采用如下方式训练参数配置模型：
获取当前平台中各停车场的历史停车记录，并从该历史停车记录中提取出各车位内的车位设备的历史配置参数以及使用该车位的车辆的车辆属性信息；
将提取的历史配置参数、车位的车位基本信息和对应的车辆属性信息组成一个训练数据，最终得到所有车位的训练数据组成的训练数据集；
基于该训练数据集，采用设定的损失函数以及模型训练算法进行模型训练，得到参数配置模型。
2.根据权利要求1所述的方法，其特征在于，所述基于所述车位需求信息确定候选车位列表，包括：
基于所述车位需求信息确定空闲车位列表，所述空闲车位列表中包括各空闲车位的车位基本信息；
将所述车位需求信息以及所述空闲车位列表输入至预先生成的车位选择模型中，并获得所述车位选择模型输出的各空闲车位与所述车位需求信息的匹配度；
基于所述匹配度，从所述空闲车位列表中选取候选车位列表。
3.根据权利要求1所述的方法，其特征在于，所述方法还包括：
当检测到所述用户对所述目标车位的停车操作或预订操作时，生成对应的停车订单或车位预订订单；
将所述停车订单或所述车位预订订单存入对应的订单数据库中；
将所述目标车位的状态设置为已占用状态。
4.根据权利要求3所述的方法，其特征在于，所述方法还包括：
获取所述目标车位中各车位设备发送的实时配置参数；
获取实时时间信息以及实时环境数据；
将所述实时时间信息、所述实时环境数据以及所述实时配置参数关联记录在停车记录数据库中。
5.一种基于大数据的停车位推荐的装置，其特征在于，所述装置应用于停车场管理平台中，所述装置包括：
车位需求信息获取模块，用于获取用户在车位选择页面中输入的车位需求信息；
候选车位列表确定模块，用于基于所述车位需求信息确定候选车位列表，所述候选车位列表包括各候选车位的车位基本信息；
目标车位确定模块，用于展示所述候选车位列表，并确定所述用户从所述候选车位列表中选择的目标车位；
目标车位显示模块，用于显示所述目标车位；
推荐配置参数确定模块，用于确定所述目标车位中一个或多个车位设备的推荐配置参数，所述推荐配置参数为与车位设备对应的运行参数；所述车位设备包括：用于对停放在当前车位的车辆进行充电的充电设备；
推荐配置参数展示模块，用于在展示所述目标车位时，展示所述推荐配置参数；
所述推荐配置参数确定模块具体用于：
获取实时环境数据；
将所述实时环境数据以及所述目标车位的车位基本信息发送至预先生成的参数配置模型中，其中，所述参数配置模型为根据过去一段时间内各车位的历史配置参数生成的深度学习模型；
获取所述参数配置模型输出的一个或多个车位设备的推荐配置参数；
采用如下方式训练参数配置模型：
获取当前平台中各停车场的历史停车记录，并从该历史停车记录中提取出各车位内的车位设备的历史配置参数以及使用该车位的车辆的车辆属性信息；
将提取的历史配置参数、车位的车位基本信息和对应的车辆属性信息组成一个训练数据，最终得到所有车位的训练数据组成的训练数据集；
基于该训练数据集，采用设定的损失函数以及模型训练算法进行模型训练，得到参数配置模型。
6.一种电子设备，其特征在于，所述电子设备包括：
一个或多个处理器；
存储装置，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，使得所述一个或多个处理器实现如权利要求1-4任一项所述的方法。
7.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1-4任一项所述的方法。
CN202111480285.XA 2021-12-06 2021-12-06 基于大数据的停车位推荐的方法、装置、设备及存储介质 Active CN114187775B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111480285.XA CN114187775B (zh) 2021-12-06 2021-12-06 基于大数据的停车位推荐的方法、装置、设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111480285.XA CN114187775B (zh) 2021-12-06 2021-12-06 基于大数据的停车位推荐的方法、装置、设备及存储介质

Publications (2)

Publication Number Publication Date
CN114187775A CN114187775A (zh) 2022-03-15
CN114187775B true CN114187775B (zh) 2023-05-09

Family

ID=80603491

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111480285.XA Active CN114187775B (zh) 2021-12-06 2021-12-06 基于大数据的停车位推荐的方法、装置、设备及存储介质

Country Status (1)

Country Link
CN (1) CN114187775B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115222158B (zh) * 2022-09-07 2023-01-06 成都秦川物联网科技股份有限公司 一种基于物联网的智慧城市停车场管理方法、系统及装置

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103915869B (zh) * 2014-03-10 2016-04-27 贾英昊 一种基于移动设备的电动汽车智能充电系统及方法
JP2018106375A (ja) * 2016-12-26 2018-07-05 ダイハツ工業株式会社 駐車場誘導システム
CN107025804A (zh) * 2017-05-31 2017-08-08 上海喜泊客信息技术有限公司 停车位预约方法、系统及存储介质
TW202125462A (zh) * 2019-12-26 2021-07-01 台灣新光保全股份有限公司 停車位監控系統
CN113284359B (zh) * 2021-07-22 2022-03-29 腾讯科技（深圳）有限公司 车位推荐方法、装置、设备及计算机可读存储介质

Also Published As

Publication number Publication date
CN114187775A (zh) 2022-03-15

Similar Documents

Publication Publication Date Title
CN106205186B (zh) 一种推荐停车位置的方法及终端
KR102121361B1 (ko) 사용자가 위치되는 지리적 위치의 유형을 식별하기 위한 방법 및 디바이스
EP1939797A1 (en) Method and apparatus for automatically determining a semantic classification of context data
CN107450798A (zh) 一种应用程序的启动方法、装置及移动终端
CN112100305B (zh) 一种基于多源数据的轨迹确定方法、装置、设备及介质
Uddin et al. Finding regions of interest from trajectory data
CN110232104B (zh) 一种数据显示方法、装置、存储介质及计算机设备
Pianese et al. Discovering and predicting user routines by differential analysis of social network traces
CN108230113A (zh) 用户画像生成方法、装置、设备及可读存储介质
CN111930868A (zh) 一种基于多维数据采集的大数据行为轨迹分析方法
Shao et al. Estimating taxi demand-supply level using taxi trajectory data stream
CN114187775B (zh) 基于大数据的停车位推荐的方法、装置、设备及存储介质
US20240077325A1 (en) Method for predicting the destination location of a vehicle
CN103488525A (zh) 确定与情景相关的用户偏好
CN111179634A (zh) 基于Wi-Fi位置指纹的室内停车系统
US20190075541A1 (en) Determining High Value Geographic Locations
Lu et al. An intelligent system for taxi service: Analysis, prediction and visualization
CN112182295B (zh) 基于行为预测的业务处理方法、装置及电子设备
CN111104915A (zh) 一种同行分析方法、装置、设备和介质
CN110704745A (zh) 一种车载终端的信息搜索方法和装置
CN105518738A (zh) 重新发现历史数据
CN113449130A (zh) 一种图像检索方法、装置、一种计算机可读存储介质和计算设备
CN113420235A (zh) 地图查询方法、装置及电子设备
Castro et al. Predicting Crime by Exploiting Supervised Learning on Heterogeneous Data.
US20240143741A1 (en) Computer-implemented methods and apparatuses for defining context-based rules for identifying occurrences of situations in security monitoring systems

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
CB02 Change of applicant information
CB02 Change of applicant information

Address after: 514000 21st Floor, Feixiang Cloud Computing Cyberport Garden Office Building, Dongsheng Village, Meijiang District, Meizhou City, Guangdong Province

Applicant after: GUANGDONG FLYING CLOUD COMPUTING Co.,Ltd.

Address before: 514000 room 701-706, D2 office building, Meizhou Donghui City, Kedu Avenue, Sanjiao Town, Meijiang district, Meizhou City, Guangdong Province

Applicant before: GUANGDONG FLYING CLOUD COMPUTING Co.,Ltd.

GR01 Patent grant
GR01 Patent grant