CN114333310A - 基于大数据的智慧停车车位推荐方法和系统 - Google Patents
基于大数据的智慧停车车位推荐方法和系统 Download PDFInfo
- Publication number
- CN114333310A CN114333310A CN202111612057.3A CN202111612057A CN114333310A CN 114333310 A CN114333310 A CN 114333310A CN 202111612057 A CN202111612057 A CN 202111612057A CN 114333310 A CN114333310 A CN 114333310A
- Authority
- CN
- China
- Prior art keywords
- parking
- information
- personnel
- destination
- guidance
- 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 20
- 238000012163 sequencing technique Methods 0.000 claims description 19
- 230000001360 synchronised effect Effects 0.000 claims description 6
- 238000010586 diagram Methods 0.000 description 3
- 230000006978 adaptation Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
Images
Landscapes
- Navigation (AREA)
Abstract
本发明公开了基于大数据的智慧停车车位推荐方法和系统,通过人员分析模块、车辆分析模块、推荐生成模块以及泊车反馈模块的设置,实现了根据使用者所要前往的目的地的多个子区域的人员密集程度进行分析,从而引导使用者前往人员密集程度交底的目的地子区域方位的停车场进行泊车,可以有效的避免现有情况中多出入口的较大公共场所部分方位人员过于密集、对应道路较为堵塞的问题,可以有效的改善这些公共场所的人流车流倾斜问题,从而提升出行以及泊车体验。
Description
技术领域
本发明涉及公共资源调度相关领域,具体是基于大数据的智慧停车车位推荐方法和系统。
背景技术
随着生活水平的提高,在城市生活的日常休息时,更多的人选择采用自驾的方式进行外出购物、游园等休闲行为,但随之而来的是交通的堵塞,停车困难,以及游览时的人流拥挤等问题。
现有技术中的停车推荐方法少数通过停车场的管理系统进行网络同步展示余量,再由用户选择实现,更多的则是由用户根据需要前往的目的地直接选择停车场的方式实现。
现有技术的推荐方法在使用时存在使用者大量前往相同的区域的问题,从而造成在商场、公园等公共场所的某一方向道路交通堵塞,停车位难以满足需求的问题,且停车位的不足会进一步增加交通堵塞的情况,同时这样的选择方式也会导致在公共场所的某一方向的局部(一般指公共场所多个入口的某一入口方向)人流量较大,降低了游览的体验。
发明内容
本发明的目的在于提供基于大数据的智慧停车车位推荐方法和系统,以解决上述背景技术中提出的问题。
为实现上述目的,本发明提供如下技术方案:
一种基于大数据的智慧停车车位推荐系统,包括:
人员分析模块,用于接收人员目的地,获取所述人员目的地的人员分布情况,并对所述人员分布情况进行区块分析,生成引导目的地信息,所述引导目的地信息的数量为多个,所述区块分析用于对所述人员目的地进行分区域的人员密集分析;
车辆分析模块,用于获取多个所述引导目的地信息周边的停车场信息,并对所述停车场信息进行车位分析,生成可泊车列表,所述停车场信息包括停车场位置信息以及车位余量信息,所述车位分析用于对停车场的车位余量进行判断并排序;
推荐生成模块,用于根据所述引导目的地信息以及所述可泊车列表生成泊车推荐列表,输出所述泊车推荐列表并接收反馈信息,所述泊车推荐列表包括多个引导目的地信息以及与所述引导目的地信息相对应的可泊车列表;
泊车反馈模块,用于响应所述反馈信息,获取所述可泊车列表中的停车场位置信息,并根据所述位置信息生成引导路线。
作为本发明的进一步方案:所述人员分析模块包括:
目的地获取单元,用于获取所述人员目的地,所述人员目的地表示使用者需要前往的目的地对象;
网络同步单元,用于通过互联网同步所述人员目的地的人员分布情况,所述人员分布情况包括与所述人员目的地对应预设的子区域以及所述子区域的人员分布状态,所述子区域对应所述人员目的地的多个出入口设置;
区块分析单元,根据所述子区域以及所述人员分布状态进行区块分析,生成引导目的地信息,所述引导目的地信息包括所述子区域的人员密度,用于表征所述子区域的拥挤程度。
作为本发明的再进一步方案:所述推荐生成模块包括:
引导排序单元,用于获取多个引导目的地信息,并根据人员密度对所述引导目的地信息进行排序,生成泊车推荐列表,所述人员密度小的所述引导目的地信息具有高排序优先级;
引导输出单元,用于根据所述泊车推荐列表输出所述引导目的地信息,所述泊车推荐列表用于提供使用者选择需要前往的所述子区域;
反馈接收单元,用于接收反馈信息,所述反馈信息用于表征所述使用者对所述引导目的地的选择。
作为本发明的再进一步方案:所述泊车反馈模块包括:
列表获取单元,用于接收所述反馈信息,并获取与所述反馈信息中引导目的地信息对应的可泊车列表;
泊车选择单元,获取所述可泊车列表中所述车位余量信息对排序最高的所述停车场信息;
泊车输出单元,读取所述停车场信息中的停车场位置信息,根据所述停车场位置信息以及当前位置信息生成引导路线,所述当前位置信息用于表示使用者的当前所处位置。
作为本发明的再进一步方案:当所述推荐生成模块生成所述反馈信息时,所述反馈信息通过网络同步,所述反馈信息用于更新所述车位余量信息,所述车辆分析模块预设有更新时间间隔,用于控制所述车辆分析模块以预设的所述更新时间间隔更新所述可泊车列表。
作为本发明的再进一步方案:所述推荐生成模块还包括车位预警单元;
所述车位预警模块,用于根据预设的预警阈值对所述可泊车列表中的多个所述停车场的车位余量信息进行判定,并根据判定结果生成预警标记,所述预警阈值对数量为多个,所述预警标记用于表征所述停车场中车位余量的多少。
作为本发明的再进一步方案:所述泊车输出单元包括交通分析单元;
所述交通分析单元,用于通过网络获取多条引导路线的交通状态,并根据所述交通状态进行交通时耗分析,选取交通时耗最短的所述路线引导。
本发明实施例旨在提供一种基于大数据的智慧停车车位推荐方法,包括以下步骤:
接收人员目的地,获取所述人员目的地的人员分布情况,并对所述人员分布情况进行区块分析,生成引导目的地信息,所述引导目的地信息的数量为多个,所述区块分析用于对所述人员目的地进行分区域的人员密集分析;
获取多个所述引导目的地信息周边的停车场信息,并对所述停车场信息进行车位分析,生成可泊车列表,所述停车场信息包括停车场位置信息以及车辆分布信息,所述车位分析用于对停车场的车位余量进行判断;
根据所述引导目的地信息以及所述可泊车列表生成泊车推荐列表,输出所述泊车推荐列表并接收反馈信息,所述泊车推荐列表包括多个引导目的地信息以及与所述引导目的地信息相对应的可泊车列表;
响应所述反馈信息,获取所述可泊车列表中的停车场位置信息,并根据所述位置信息生成引导路线。
作为本发明的进一步方案:所述接收人员目的地,获取所述人员目的地的人员分布情况,并对所述人员分布情况进行区块分析,生成引导目的地信息的步骤具体包括:
获取所述人员目的地,所述人员目的地表示使用者需要前往的目的地对象;
通过互联网同步所述人员目的地的人员分布情况,所述人员分布情况包括与所述人员目的地对应预设的子区域以及所述子区域的人员分布状态,所述子区域对应所述人员目的地的多个出入口设置;
所述子区域以及所述人员分布状态进行区块分析,生成引导目的地信息,所述引导目的地信息包括所述子区域的人员密度,用于表征所述子区域的拥挤程度。
作为本发明的再进一步方案:所述根据所述引导目的地信息以及所述可泊车列表生成泊车推荐列表,输出所述泊车推荐列表并接收反馈信息的步骤具体包括内容:
获取多个引导目的地信息,并根据人员密度对所述引导目的地信息进行排序,生成泊车推荐列表,所述人员密度小的所述引导目的地信息具有高排序优先级;
根据所述泊车推荐列表输出所述引导目的地信息,所述泊车推荐列表用于提供使用者选择需要前往的所述子区域;
接收反馈信息,所述反馈信息用于表征所述使用者对所述引导目的地的选择。
与现有技术相比,本发明的有益效果是:通过人员分析模块、车辆分析模块、推荐生成模块以及泊车反馈模块的设置,实现了根据使用者所要前往的目的地的多个子区域的人员密集程度进行分析,从而引导使用者前往人员密集程度交底的目的地子区域方位的停车场进行泊车,可以有效的避免现有情况中多出入口的较大公共场所部分方位人员过于密集、对应道路较为堵塞的问题,可以有效的改善这些公共场所的人流车流倾斜问题,达到了均衡调控的目的,从而提升出行以及泊车体验。
附图说明
图1为基于大数据的智慧停车车位推荐系统的组成框图。
图2为基于大数据的智慧停车车位推荐系统中人员分析模块的组成框图。
图3为基于大数据的智慧停车车位推荐系统中推荐生成模块的组成框图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
以下结合具体实施例对本发明的具体实现方式进行详细描述。
如图1所述,为本发明一个实施例提供的一种基于大数据的智慧停车车位推荐系统,包括:
人员分析模块100,用于接收人员目的地,获取所述人员目的地的人员分布情况,并对所述人员分布情况进行区块分析,生成引导目的地信息,所述引导目的地信息的数量为多个,所述区块分析用于对所述人员目的地进行分区域的人员密集分析。
车辆分析模块300,用于获取多个所述引导目的地信息周边的停车场信息,并对所述停车场信息进行车位分析,生成可泊车列表,所述停车场信息包括停车场位置信息以及车位余量信息,所述车位分析用于对停车场的车位余量进行判断并排序。
推荐生成模块500,用于根据所述引导目的地信息以及所述可泊车列表生成泊车推荐列表,输出所述泊车推荐列表并接收反馈信息,所述泊车推荐列表包括多个引导目的地信息以及与所述引导目的地信息相对应的可泊车列表。
泊车反馈模块700,用于响应所述反馈信息,获取所述可泊车列表中的停车场位置信息,并根据所述位置信息生成引导路线。
本实施例中,在使用时,人员分析模块100通过智能设备(例如智能手机、平板、车载导航等)获取使用者输入的人员目的地,也就是使用者想要前往的目的地,例如商场公园等,这种场所一般具有较大的面积且配备有多个方向的多个出入口,因此其内部在不同出入口附近的人员密集程度也是不相同的,人员分析模块100通过根据出入口设置的多个区域进行人员密度的分析排序,从而提供给使用者一个更加精准的进入目的地的出入口地址,可以有效的避免现有出行方式中,在大型商场以及公园等场所个别出入口附近交通严重堵塞停车难,但部分出入口却无人通行的问题,可以有效的提升出行体验;车辆分析模块300则是对不同出入口附近的车库进行余量的分析,用于在用户通过推荐生成模块500选择目标出入口后用于系统生成引导停车的路线,车辆分析模块300可以对同一出入口附近的多个停车区域进行余量的排序,进而可以让系统选择停车余量最多的停车场,可以在一定程度上避免在前往停车场的过程中余量用尽;推荐生成模块500与人员分析模块100均是通过智能设备进行输出并接收反馈的,通过排序输出多个引导目的地供用户选择(即泊车推荐列表);本实施例中的数据采集均是通过传感器以及停车场管理系统以及商场等场合的安保系统、扫描系统等实现数据的采集统计并通过互联网进行同步的。
如图2所示,作为本发明另一个优选的实施例,所述人员分析模块100包括:
目的地获取单元101,用于获取所述人员目的地,所述人员目的地表示使用者需要前往的目的地对象。
网络同步单元102,用于通过互联网同步所述人员目的地的人员分布情况,所述人员分布情况包括与所述人员目的地对应预设的子区域以及所述子区域的人员分布状态,所述子区域对应所述人员目的地的多个出入口设置。
区块分析单元103,根据所述子区域以及所述人员分布状态进行区块分析,生成引导目的地信息,所述引导目的地信息包括所述子区域的人员密度,用于表征所述子区域的拥挤程度。
本实施例中,对人员分析模块100进行了具体的分功能单元,并对其中的内容做了解释说明,其中,这里的子区域其范围是预先设置的,其划分是一定的,由公园以及商场等区域的结构分布决定,同时也受附近的停车场分布影响。
如图3所示,作为本发明另一个优选的实施例,所述推荐生成模块500包括:
引导排序单元501,用于获取多个引导目的地信息,并根据人员密度对所述引导目的地信息进行排序,生成泊车推荐列表,所述人员密度小的所述引导目的地信息具有高排序优先级。
引导输出单元502,用于根据所述泊车推荐列表输出所述引导目的地信息,所述泊车推荐列表用于提供使用者选择需要前往的所述子区域。
反馈接收单元503,用于接收反馈信息,所述反馈信息用于表征所述使用者对所述引导目的地的选择。
本实施例中,对推荐生成模块进行了功能性的划分,并对执行规则进行了进一步的说明,泊车推荐列表在排序时,人员密度越小的子区域,其排序越靠前,也就是优先等级越高,表明其区域内不会过于拥挤。
作为本发明另一个优选的实施例,所述泊车反馈模块700包括:
列表获取单元,用于接收所述反馈信息,并获取与所述反馈信息中引导目的地信息对应的可泊车列表。
泊车选择单元,获取所述可泊车列表中所述车位余量信息对排序最高的所述停车场信息。
泊车输出单元,读取所述停车场信息中的停车场位置信息,根据所述停车场位置信息以及当前位置信息生成引导路线,所述当前位置信息用于表示使用者的当前所处位置。
进一步的来说,当所述推荐生成模块500生成所述反馈信息时,所述反馈信息通过网络同步,所述反馈信息用于更新所述车位余量信息,所述车辆分析模块300预设有更新时间间隔,用于控制所述车辆分析模块以预设的所述更新时间间隔更新所述可泊车列表。
更进一步的来说,所述推荐生成模块500还包括车位预警单元;
所述车位预警模块,用于根据预设的预警阈值对所述可泊车列表中的多个所述停车场的车位余量信息进行判定,并根据判定结果生成预警标记,所述预警阈值对数量为多个,所述预警标记用于表征所述停车场中车位余量的多少。
本实施例中,反馈信息在生成时,会通过网络进行同步,从而确保车辆分析模块300能够实时的进行数据对更新,用于更新可泊车列表,从而实现动态的选择,当使用者在前往停车场的过程中若不再具有车位余量,则可以实时的知晓并进行重新的选择;车位预警单元的作用是根据车位余量对停车场进行标记,例如预警阈值为20、5,则当车位余量大于20时,进行标记,表示使用者可以放心的选择前往,当车位余量小于5时,则通过预警提示使用者尽量避免选择前往,因为在前往的过程中可能会出现车位停满的情况。
作为本发明另一个优选的实施例,所述泊车输出单元包括交通分析单元;
所述交通分析单元,用于通过网络获取多条引导路线的交通状态,并根据所述交通状态进行交通时耗分析,选取交通时耗最短的所述路线引导。
本实施例中,交通分析单元的作用是在生成路线引导时,通过拉取交通实时状况以及道路路况用于判断,从而从多条可选择路线中选择最佳的路线引导用于输出。
本发明还提供了一种基于大数据的智慧停车车位推荐方法,其包括步骤:
接收人员目的地,获取所述人员目的地的人员分布情况,并对所述人员分布情况进行区块分析,生成引导目的地信息,所述引导目的地信息的数量为多个,所述区块分析用于对所述人员目的地进行分区域的人员密集分析。
获取多个所述引导目的地信息周边的停车场信息,并对所述停车场信息进行车位分析,生成可泊车列表,所述停车场信息包括停车场位置信息以及车辆分布信息,所述车位分析用于对停车场的车位余量进行判断。
根据所述引导目的地信息以及所述可泊车列表生成泊车推荐列表,输出所述泊车推荐列表并接收反馈信息,所述泊车推荐列表包括多个引导目的地信息以及与所述引导目的地信息相对应的可泊车列表。
响应所述反馈信息,获取所述可泊车列表中的停车场位置信息,并根据所述位置信息生成引导路线。
作为本发明另一个优选的实施例,所述接收人员目的地,获取所述人员目的地的人员分布情况,并对所述人员分布情况进行区块分析,生成引导目的地信息的步骤具体包括:
获取所述人员目的地,所述人员目的地表示使用者需要前往的目的地对象。
通过互联网同步所述人员目的地的人员分布情况,所述人员分布情况包括与所述人员目的地对应预设的子区域以及所述子区域的人员分布状态,所述子区域对应所述人员目的地的多个出入口设置。
所述子区域以及所述人员分布状态进行区块分析,生成引导目的地信息,所述引导目的地信息包括所述子区域的人员密度,用于表征所述子区域的拥挤程度。
作为本发明另一个优选的实施例,所述根据所述引导目的地信息以及所述可泊车列表生成泊车推荐列表,输出所述泊车推荐列表并接收反馈信息的步骤具体包括内容:
获取多个引导目的地信息,并根据人员密度对所述引导目的地信息进行排序,生成泊车推荐列表,所述人员密度小的所述引导目的地信息具有高排序优先级。
根据所述泊车推荐列表输出所述引导目的地信息,所述泊车推荐列表用于提供使用者选择需要前往的所述子区域。
接收反馈信息,所述反馈信息用于表征所述使用者对所述引导目的地的选择。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的程序可存储于一非易失性计算机可读取存储介质中,该程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用,均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限,RAM以多种形式可得,诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
本领域技术人员在考虑说明书及实施例处的公开后,将容易想到本公开的其它实施方案。本申请旨在涵盖本公开的任何变型、用途或者适应性变化,这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的,本公开的真正范围和精神由权利要求指出。
应当理解的是,本公开并不局限于上面已经描述并在附图中示出的精确结构,并且可以在不脱离其范围进行各种修改和改变。本公开的范围仅由所附的权利要求来限制。
Claims (10)
1.一种基于大数据的智慧停车车位推荐系统,其特征在于,包括:
人员分析模块,用于接收人员目的地,获取所述人员目的地的人员分布情况,并对所述人员分布情况进行区块分析,生成引导目的地信息,所述引导目的地信息的数量为多个,所述区块分析用于对所述人员目的地进行分区域的人员密集分析;
车辆分析模块,用于获取多个所述引导目的地信息周边的停车场信息,并对所述停车场信息进行车位分析,生成可泊车列表,所述停车场信息包括停车场位置信息以及车位余量信息,所述车位分析用于对停车场的车位余量进行判断并排序;
推荐生成模块,用于根据所述引导目的地信息以及所述可泊车列表生成泊车推荐列表,输出所述泊车推荐列表并接收反馈信息,所述泊车推荐列表包括多个引导目的地信息以及与所述引导目的地信息相对应的可泊车列表;
泊车反馈模块,用于响应所述反馈信息,获取所述可泊车列表中的停车场位置信息,并根据所述位置信息生成引导路线。
2.根据权利要求1所述的基于大数据的智慧停车车位推荐系统,其特征在于,所述人员分析模块包括:
目的地获取单元,用于获取所述人员目的地,所述人员目的地表示使用者需要前往的目的地对象;
网络同步单元,用于通过互联网同步所述人员目的地的人员分布情况,所述人员分布情况包括与所述人员目的地对应预设的子区域以及所述子区域的人员分布状态,所述子区域对应所述人员目的地的多个出入口设置;
区块分析单元,根据所述子区域以及所述人员分布状态进行区块分析,生成引导目的地信息,所述引导目的地信息包括所述子区域的人员密度,用于表征所述子区域的拥挤程度。
3.根据权利要求2所述的基于大数据的智慧停车车位推荐系统,其特征在于,所述推荐生成模块包括:
引导排序单元,用于获取多个引导目的地信息,并根据人员密度对所述引导目的地信息进行排序,生成泊车推荐列表,所述人员密度小的所述引导目的地信息具有高排序优先级;
引导输出单元,用于根据所述泊车推荐列表输出所述引导目的地信息,所述泊车推荐列表用于提供使用者选择需要前往的所述子区域;
反馈接收单元,用于接收反馈信息,所述反馈信息用于表征所述使用者对所述引导目的地的选择。
4.根据权利要求1所述的基于大数据的智慧停车车位推荐系统,其特征在于,所述泊车反馈模块包括:
列表获取单元,用于接收所述反馈信息,并获取与所述反馈信息中引导目的地信息对应的可泊车列表;
泊车选择单元,获取所述可泊车列表中所述车位余量信息对排序最高的所述停车场信息;
泊车输出单元,读取所述停车场信息中的停车场位置信息,根据所述停车场位置信息以及当前位置信息生成引导路线,所述当前位置信息用于表示使用者的当前所处位置。
5.根据权利要求1所述的基于大数据的智慧停车车位推荐系统,其特征在于,当所述推荐生成模块生成所述反馈信息时,所述反馈信息通过网络同步,所述反馈信息用于更新所述车位余量信息,所述车辆分析模块预设有更新时间间隔,用于控制所述车辆分析模块以预设的所述更新时间间隔更新所述可泊车列表。
6.根据权利要求5所述的基于大数据的智慧停车车位推荐系统,其特征在于,所述推荐生成模块还包括车位预警单元;
所述车位预警模块,用于根据预设的预警阈值对所述可泊车列表中的多个所述停车场的车位余量信息进行判定,并根据判定结果生成预警标记,所述预警阈值对数量为多个,所述预警标记用于表征所述停车场中车位余量的多少。
7.根据权利要求4所述的基于大数据的智慧停车车位推荐系统,其特征在于,所述泊车输出单元包括交通分析单元;
所述交通分析单元,用于通过网络获取多条引导路线的交通状态,并根据所述交通状态进行交通时耗分析,选取交通时耗最短的所述路线引导。
8.一种基于大数据的智慧停车车位推荐方法,其特征在于,包括以下步骤:
接收人员目的地,获取所述人员目的地的人员分布情况,并对所述人员分布情况进行区块分析,生成引导目的地信息,所述引导目的地信息的数量为多个,所述区块分析用于对所述人员目的地进行分区域的人员密集分析;
获取多个所述引导目的地信息周边的停车场信息,并对所述停车场信息进行车位分析,生成可泊车列表,所述停车场信息包括停车场位置信息以及车辆分布信息,所述车位分析用于对停车场的车位余量进行判断;
根据所述引导目的地信息以及所述可泊车列表生成泊车推荐列表,输出所述泊车推荐列表并接收反馈信息,所述泊车推荐列表包括多个引导目的地信息以及与所述引导目的地信息相对应的可泊车列表;
响应所述反馈信息,获取所述可泊车列表中的停车场位置信息,并根据所述位置信息生成引导路线。
9.根据权利要求8所述的基于大数据的智慧停车车位推荐方法,其特征在于,所述接收人员目的地,获取所述人员目的地的人员分布情况,并对所述人员分布情况进行区块分析,生成引导目的地信息的步骤具体包括:
获取所述人员目的地,所述人员目的地表示使用者需要前往的目的地对象;
通过互联网同步所述人员目的地的人员分布情况,所述人员分布情况包括与所述人员目的地对应预设的子区域以及所述子区域的人员分布状态,所述子区域对应所述人员目的地的多个出入口设置;
所述子区域以及所述人员分布状态进行区块分析,生成引导目的地信息,所述引导目的地信息包括所述子区域的人员密度,用于表征所述子区域的拥挤程度。
10.根据权利要求9所述的基于大数据的智慧停车车位推荐方法,其特征在于,所述根据所述引导目的地信息以及所述可泊车列表生成泊车推荐列表,输出所述泊车推荐列表并接收反馈信息的步骤具体包括内容:
获取多个引导目的地信息,并根据人员密度对所述引导目的地信息进行排序,生成泊车推荐列表,所述人员密度小的所述引导目的地信息具有高排序优先级;
根据所述泊车推荐列表输出所述引导目的地信息,所述泊车推荐列表用于提供使用者选择需要前往的所述子区域;
接收反馈信息,所述反馈信息用于表征所述使用者对所述引导目的地的选择。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111612057.3A CN114333310A (zh) | 2021-12-27 | 2021-12-27 | 基于大数据的智慧停车车位推荐方法和系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111612057.3A CN114333310A (zh) | 2021-12-27 | 2021-12-27 | 基于大数据的智慧停车车位推荐方法和系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114333310A true CN114333310A (zh) | 2022-04-12 |
Family
ID=81013369
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111612057.3A Pending CN114333310A (zh) | 2021-12-27 | 2021-12-27 | 基于大数据的智慧停车车位推荐方法和系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114333310A (zh) |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105716622A (zh) * | 2016-04-12 | 2016-06-29 | 玉环看知信息科技有限公司 | 一种导航方法及导航服务器 |
JP2016157378A (ja) * | 2015-02-26 | 2016-09-01 | 三菱重工メカトロシステムズ株式会社 | 交通流制御装置、端末装置、交通流制御システム、交通流制御方法及びプログラム |
CN107687862A (zh) * | 2017-09-05 | 2018-02-13 | 上海博泰悦臻网络技术服务有限公司 | 景区游览导航方法及系统、车载终端及车辆 |
CN108961104A (zh) * | 2018-06-29 | 2018-12-07 | 深圳春沐源控股有限公司 | 景区车位管理方法及景区车位管理装置 |
CN110703697A (zh) * | 2018-07-09 | 2020-01-17 | 上海擎感智能科技有限公司 | 车辆智能生活服务交互方法、车机及存储介质 |
US20200208990A1 (en) * | 2017-07-18 | 2020-07-02 | Volkswagen Aktiengesellschaft | Method for Determining a Destination Different from an Intended Location, System, and Motor Vehicle Equipped with a System |
CN111539760A (zh) * | 2019-02-07 | 2020-08-14 | 丰田自动车株式会社 | 信息处理装置、信息处理方法和非暂时性存储介质 |
CN111829542A (zh) * | 2020-06-30 | 2020-10-27 | 广州三星通信技术研究有限公司 | 导航方法和导航装置 |
CN112860987A (zh) * | 2020-12-31 | 2021-05-28 | 华为技术有限公司 | 导航方法、装置和系统 |
CN113139138A (zh) * | 2020-01-19 | 2021-07-20 | 百度在线网络技术(北京)有限公司 | 信息推荐方法和装置、电子设备、存储介质 |
CN113722613A (zh) * | 2020-05-26 | 2021-11-30 | 丰田自动车株式会社 | 信息处理装置、信息处理系统、信息处理方法以及车辆 |
-
2021
- 2021-12-27 CN CN202111612057.3A patent/CN114333310A/zh active Pending
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2016157378A (ja) * | 2015-02-26 | 2016-09-01 | 三菱重工メカトロシステムズ株式会社 | 交通流制御装置、端末装置、交通流制御システム、交通流制御方法及びプログラム |
CN105716622A (zh) * | 2016-04-12 | 2016-06-29 | 玉环看知信息科技有限公司 | 一种导航方法及导航服务器 |
US20200208990A1 (en) * | 2017-07-18 | 2020-07-02 | Volkswagen Aktiengesellschaft | Method for Determining a Destination Different from an Intended Location, System, and Motor Vehicle Equipped with a System |
CN107687862A (zh) * | 2017-09-05 | 2018-02-13 | 上海博泰悦臻网络技术服务有限公司 | 景区游览导航方法及系统、车载终端及车辆 |
CN108961104A (zh) * | 2018-06-29 | 2018-12-07 | 深圳春沐源控股有限公司 | 景区车位管理方法及景区车位管理装置 |
CN110703697A (zh) * | 2018-07-09 | 2020-01-17 | 上海擎感智能科技有限公司 | 车辆智能生活服务交互方法、车机及存储介质 |
CN111539760A (zh) * | 2019-02-07 | 2020-08-14 | 丰田自动车株式会社 | 信息处理装置、信息处理方法和非暂时性存储介质 |
CN113139138A (zh) * | 2020-01-19 | 2021-07-20 | 百度在线网络技术(北京)有限公司 | 信息推荐方法和装置、电子设备、存储介质 |
CN113722613A (zh) * | 2020-05-26 | 2021-11-30 | 丰田自动车株式会社 | 信息处理装置、信息处理系统、信息处理方法以及车辆 |
CN111829542A (zh) * | 2020-06-30 | 2020-10-27 | 广州三星通信技术研究有限公司 | 导航方法和导航装置 |
CN112860987A (zh) * | 2020-12-31 | 2021-05-28 | 华为技术有限公司 | 导航方法、装置和系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Hitge et al. | Comparison of travel time between private car and public transport in Cape Town | |
CN104169990B (zh) | 用于提供关于空闲停车位的驻车信息的方法 | |
CN105283912B (zh) | 停车场引导装置、停车场引导方法 | |
CN109191896A (zh) | 个性化停车位推荐方法和系统 | |
JP4796167B2 (ja) | イベント判断装置 | |
CN110836675B (zh) | 一种基于决策树的自动驾驶搜索决策方法 | |
CN108960590A (zh) | 车辆租赁方法、装置、计算机设备和存储介质 | |
CN110288849A (zh) | 一种基于混合交通模式的出行路线推荐方法 | |
Zhang et al. | Prioritizing bicycle paths in Belo Horizonte City, Brazil: Analysis based on user preferences and willingness considering individual heterogeneity | |
Hou et al. | A combined modal split and traffic assignment model with capacity constraints for siting remote park-and-ride facilities | |
Liu et al. | Effects and feasibility of shared mobility with shared autonomous vehicles: An investigation based on data-driven modeling approach | |
CN116431923A (zh) | 一种针对城市道路的交通出行预测方法、设备及介质 | |
Chepuri et al. | Travel time reliability analysis on selected bus route of mysore using GPS data | |
Mattioli | Towards a mobility biography approach to long-distance travel and mobility links | |
Qin et al. | Analysis of the effect of demand-driven dynamic parking pricing on on-street parking demand | |
Bharti et al. | Travel time reliability as a level of service measure for urban and inter-urban corridors in India | |
CN114333310A (zh) | 基于大数据的智慧停车车位推荐方法和系统 | |
CN116167536B (zh) | 一种基于时间段学习优化的智慧停车管理方法 | |
Guido et al. | A low dimensional model for bike sharing demand forecasting | |
Kita et al. | Quantifying perceived quality of traffic service and its aggregation structure | |
CN114297530A (zh) | 一种基于大数据的行程规划方法及系统 | |
Żochowska et al. | Selected aspects of the methodology of a household interview survey on an urban agglomeration scale with regard to its services | |
Rahman et al. | The impacts of transport infrastructure development on travel route switch behavior in Bangladesh | |
Celiński et al. | Sustainable development of the transport system through rationalization of transport tasks using a specialised travel planner | |
CN114566037B (zh) | 一种基于多源数据的柔性公交多车型车队配置方法 |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20220412 |