CN114417167A - 一种停车时段推荐方法及装置 - Google Patents

Abstract

一种停车时段推荐方法及装置，用以对未来一段时间内停车场的空闲时段进行推荐。所述方法包括：接收用户对目标停车场的查询请求；针对所述查询请求对应的查询时段，通过所述目标停车场的历史参考时段中各预设时间段的历史停车数据，确定所述目标停车场在所述查询时段中各预设时间段的预估停车数据；所述历史参考时段为与所述查询时段具有同一周期属性的N个时段；N为正整数；在查询结果页面显示所述目标停车场在所述查询时段中各预设时间段的预估停车数据。

Description

一种停车时段推荐方法及装置

技术领域

本申请涉及道路交通领域，尤其涉及一种停车时段推荐方法及装置。

背景技术

停车难已经成为市民开车出行的痛点，根据统计，一辆车96％的时间里都是停着的。在城市的商业中心附近，平均每辆车35％的航行里程是与找停车位相关的。据广州市消委会2015年7月发布的《广州市民停车消费现状调查报告》显示，超过六成半的车主休闲出行时会担心目的地没有停车位，而超过四成半的车主出行时找不到停车位。并且车主在出行时寻找停车位所花费的时间平均长达18分钟。

目前行业内多是针对车主出行提供实时的车位预测或停车场推荐。但是此种预测方式的缺点是，一方面，由于车主在出发时无法准确了解目的地未来时间段的泊位供给情况，往往在出发时停车场有空余泊位，在到达该停车场后发现停车场已经饱和，需要长时间排队等候进入停车场或者去周边其他停车场停车，等待耗时长、步行距离远，大大降低车主的停车体验。另一方面，对于提前规划出行计划的车主，缺少长时间的车场利用率时段推荐，无法对车主出行安排提供支持。

因此，目前亟需一种方案，用以对未来一段时间内停车场的空闲时段进行推荐。

发明内容

本申请提供一种停车时段推荐方法及装置，用以对未来一段时间内停车场的空闲时段进行推荐。

第一方面，本申请实施例提供一种停车时段推荐方法，该方法包括：

接收用户对目标停车场的查询请求；针对所述查询请求对应的查询时段，通过所述目标停车场的历史参考时段中各预设时间段的历史停车数据，确定所述目标停车场在所述查询时段中各预设时间段的预估停车数据；所述历史参考时段为与所述查询时段具有同一周期属性的N个时段；N为正整数；在查询结果页面显示所述目标停车场在所述查询时段中各预设时间段的预估停车数据。

上述技术方案中，根据具有同一周期属性的历史停车数据确定查询时段中各预设时间段的预估停车数据，方便用户根据预估的未来一段时间内各预设时间段的预估停车数据合理选择出行时间，避免到达目标停车场时出现停车场饱和的情况发生。

可选地，所述通过所述目标停车场的历史参考时段中各预设时间段的历史停车数据，确定所述目标停车场在所述查询时段中各预设时间段的预估停车数据，包括：将所述目标停车场的历史参考时段中各预设时间段的历史停车场饱和度，通过指数平滑法模型，确定所述目标停车场在所述查询时段中各预设时间段的预估停车场饱和度；所述指数平滑法模型是通过历史数据训练得到的。

可选地，所述指数平滑法模型为：

其中，y_t为第t周期的真实值，

为第t周期的预估值，

为第t+1周期的预估值，α为平滑系数，α是通过历史数据训练得到的。

上述技术方案中，一方面，指数平滑法模型中任一周期的预估值包含的信息量是全部历史数据，并且在指数平滑法模型中对不同周期的真实值和预估值赋予不同的权重，近期数据的权重较大，远期数据的权重较小，可以使预估值能更准确地反映目标停车场未来的停车状况。另一方面，将通过历史数据训练得到的α用于对停车场饱和度的预测，可以使根据指数平滑法模型得到的预估值更准确。

可选地，所述历史停车场饱和度是通过如下方式得到的：获取所述目标停车场在各预设时间段的入场车流量和各预设时间段的出场车流量；根据所述目标停车场的总车位数、各预设时间段的入场车流量的平均值和各预设时间段的出场车流量的平均值，得到各预设时间段的历史停车场饱和度。

上述技术方案中，在预设时间段内可以获取目标停车场多次入场车流量和出场车流量的数据，根据各预设时间段的入场车流量和各预设时间段的出场车流量的平均值，以及目标停车场的总车位数得到各预设时间段的历史停车场饱和度，根据该历史停车场饱和度确定目标停车场在查询时段中各预设时间段的预估停车场饱和度，可以使预估数据能更准确地反映出该时间段目标停车场的停车状况。

可选地，所述通过所述目标停车场的历史参考时段中各预设时间段的历史停车数据，确定所述目标停车场在所述查询时段中各预设时间段的预估停车数据，包括：获取所述目标停车场在所述查询时段中已发生时刻的实际停车数据；通过所述目标停车场的历史参考时段中各预设时间段的历史停车数据，预估在所述查询时段中各预设时间段的初始预估停车数据；根据所述查询时段中已发生时刻的实际停车数据，对所述查询时段中各预设时间段的初始预估停车数据进行调整，得到所述查询时段中各预设时间段的预估停车数据。

上述技术方案中，考虑到由于突发事件对目标停车场停车状况的影响，根据目标停车场已经发生时刻的实际停车数据，对根据历史参考时段中各预设时间段的历史停车数据确定的预估停车数据进行调整，可以使调整后的预估停车数据更准确地反映出当突发事件发生时未来一段时间各预设时间段目标停车场的停车状况。

可选地，所述具有同一周期属性包括以下至少一种：星期维度属性、小时维度属性、节假日维度属性及天气维度属性。

上述技术方案中，考虑到星期维度属性、小时维度属性、节假日维度属性及天气维度属性等多种因素对目标停车场停车状况的影响，可以使预估停车数据更准确地反映出未来一段时间各预设时间段目标停车场的停车状况。

可选地，所述方法还包括：获取所述目标停车场当前时刻的实际空余泊位数；在查询结果页面显示所述目标停车场在所述查询时段中各预设时间段的预估停车数据，包括：在查询结果页面显示所述目标停车场在所述查询时段中各预设时间段的预估停车数据和所述当前时刻的实际空余泊位数。

上述技术方案中，将停车场的实际空余泊位数也显示在结果页面显示，方便用户获知目标停车场当前时刻的实际空余泊位数。

第二方面，本申请实施例提供一种停车时段推荐装置，包括：

接收模块，用于接收用户对目标停车场的查询请求；

处理模块，用于针对所述查询请求对应的查询时段，通过所述目标停车场的历史参考时段中各预设时间段的历史停车数据，确定所述目标停车场在所述查询时段中各预设时间段的预估停车数据；所述历史参考时段为与所述查询时段具有同一周期属性的N个时段；N为正整数；

显示模块，用于在查询结果页面显示所述目标停车场在所述查询时段中各预设时间段的预估停车数据。

可选地，所述处理模块，还用于将所述目标停车场的历史参考时段中各预设时间段的历史停车场饱和度，通过指数平滑法模型，确定所述目标停车场在所述查询时段中各预设时间段的预估停车场饱和度；所述指数平滑法模型是通过历史数据训练得到的。

可选地，所述指数平滑法模型为：

其中，y_t为第t周期的真实值，

为第t周期的预估值，

为第t+1周期的预估值，α为平滑系数，α是通过历史数据训练得到的。

可选地，所述历史停车场饱和度是通过如下方式得到的：获取所述目标停车场在各预设时间段的入场车流量和各预设时间段的出场车流量；根据所述目标停车场的总车位数、各预设时间段的入场车流量的平均值和各预设时间段的出场车流量的平均值，得到各预设时间段的历史停车场饱和度。

可选地，所述处理模块，还用于获取所述目标停车场在所述查询时段中已发生时刻的实际停车数据；通过所述目标停车场的历史参考时段中各预设时间段的历史停车数据，预估在所述查询时段中各预设时间段的初始预估停车数据；根据所述查询时段中已发生时刻的实际停车数据，对所述查询时段中各预设时间段的初始预估停车数据进行调整，得到所述查询时段中各预设时间段的预估停车数据。

可选地，所述具有同一周期属性包括以下至少一种：星期维度属性、小时维度属性、节假日维度属性及天气维度属性。

可选地，所述处理模块，还用于获取所述目标停车场当前时刻的实际空余泊位数；所述显示模块，还用于在查询结果页面显示所述目标停车场在所述查询时段中各预设时间段的预估停车数据和所述当前时刻的实际空余泊位数。

第三方面，本申请实施例还提供一种计算设备，包括：

存储器，用于存储程序指令；

处理器，用于调用所述存储器中存储的程序指令，按照获得的程序指令执行如第一方面的各种可能的设计中所述的方法。

第四方面，本申请实施例还提供一种计算机可读存储介质，其中存储有计算机可读指令，当计算机读取并执行所述计算机可读指令时，使得上述第一方面或第一方面的任一种可能的设计中所述的方法实现。

附图说明

为了更清楚地说明本申请实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简要介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域的普通技术人员来讲，在不付出创造性劳动性的前提下，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一种系统架构的示意图；

图2为本申请实施例提供的一种停车时段推荐方法的流程示意图；

图3为本申请实施例提供的一种针对突发情况的停车数据预测方法的示意图；

图4为本申请实施例提供的一种查询结果显示页面的示意图；

图5为本申请实施例提供的一种不同统计周期的相对误差的折线图；

图6为本申请实施例提供的一种停车时段推荐装置的示意图；

图7为本申请实施例提供的一种计算机设备的示意图。

具体实施方式

为了使本申请的目的、技术方案和优点更加清楚，下面将结合附图对本申请作进一步地详细描述，显然，所描述的实施例仅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它实施例，都属于本申请保护的范围。

在本申请的实施例中，多个是指两个或两个以上。“第一”、“第二”等词汇，仅用于区分描述的目的，而不能理解为指示或暗示相对重要性，也不能理解为指示或暗示顺序。

此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖但不排他的包含，例如，包含了一系列组件的产品或设备不必限于清楚地列出的那些组件，而是可包括没有清楚地列出的或对于这些产品或设备固有的其它组件。

图1为本发明实施例提供的一种系统架构。如图1所示，该系统架构可以包括停车场数据采集设备和停车时段推荐装置。

其中，停车场可分为路内泊位和路外停车场。路内泊位是指行车道路边缘沿白线划分出来的临时停泊区域，路内泊位采用地磁检测器、视频桩、高位视频枪等方式采集停车数据，并通过网络传输至停车时段预测装置。路外停车场是指在规划范围内可供车辆短期或者长期停放的区域，如公共停车场、商圈配建停车场以及社区内停车场。路外停车场可以通过出入口道闸系统和视频车位检测器等方式采集停车数据，并通过网络传输至停车时段推荐装置。

停车时段推荐装置可以获取停车场采集的停车数据，根据采集的历史停车数据预估未来时段中各预设时间段的停车数据，并将预估的未来时段中各预设时间段的停车数据以及推荐前往目标停车场的推荐时间段显示在查询结果页面中，以便用户合理选择出行时间。

需要说明的是，上述图1所示的系统架构仅是一种示例，本发明实施例对此不做具体限定。

基于上述描述，图2示例性地示出了本申请实施例提供的一种停车时段推荐方法，该方法可以由上述停车时段推荐装置执行。如图2所示，该方法包括以下步骤：

步骤201、接收用户对目标停车场的查询请求。

本申请实施例中，查询请求包括用户想要查询的目标停车场以及查询时段。用户可以在客户端页面通过点击地图上目的停车场的图标，然后选择想要查询的时段，或者在搜索框中输入目标停车场的名称以及想要查询的时段，查询目标停车场在查询时段中各预设时间段的预估停车数据。如果用户没有设定查询时段，则在查询结果页面中显示默认时间段各预设时段的预估停车数据，其中，默认时间段可以在客户端设置页面中进行设定。示例性的，查询时段可以是未来一星期，或者是未来一星期中具体的某一天，又或者是未来一星期中具体的某一天的上午，可以根据用户的实际需求确定，本申请对此不作具体限定。

步骤202、针对查询请求对应的查询时段，通过目标停车场的历史参考时段中各预设时间段的历史停车数据，确定目标停车场在查询时段中各预设时间段的预估停车数据。

步骤203、在查询结果页面显示目标停车场在查询时段中各预设时间段的预估停车数据。

本申请实施例中，历史参考时段为与查询时段具有同一周期属性的N个时段，N为正整数。预设时间段为向用户展示预估停车数据的单位时间段，可以在客户端设置页面中进行设定。以查询时段为未来一星期，预设时间段为一小时为例，即，用户查询目标停车场未来一星期的预估停车数据，那么，在查询结果页面会将目标停车场未来一星期的预估停车数据以小时为单位展示给用户。或者，预设时间段也可以根据停车场使用情况适应性调整，例如，可以在停车场使用高峰时期，以半小时为一个时间段，向用户展示目标停车场查询时段中对应每半小时的预估停车数据；在停车场使用低谷时期，以两个小时为一个时间段，向用户展示目标停车场查询时段中对应每两个小时的预估停车数据；在停车场使用平常时期，以每个小时为一个时间段，向用户展示目标停车场查询时段中对应每个小时的预估停车数据。停车数据可以包括目标停车场的剩余泊位数和停车场饱和度等可以用来表示停车场的停车状况的数据。

上述具有同一周期属性包括以下至少一种：星期维度属性、小时维度属性、节假日维度属性及天气维度属性。以星期维度属性为例，如果在客户端展示目标停车场未来一星期的预估停车数据，那么，未来一星期的预估空余泊位数和停车场饱和度可以根据该停车场上星期、上上星期、上上上星期等多个星期的历史空余泊位数和停车场饱和度确定。进一步地，加入小时维度属性，目标停车场下星期一上午8：00-9：00这一时段的预估停车数据，可以通过目标停车场上星期一、上上星期一、上上上星期一等多个星期一的上午8：00-9：00这一时段的历史停车数据确定。或者，目标停车场下星期六下午2：00-3：00这一时段的预估停车数据，可以通过目标停车场上星期六、上上星期六、上上上星期六等多个星期六的下午2：00-3：00这一时段的历史停车数据确定。需要说明的是，具体根据几个周期的各时段的历史停车数据，确定下一周期的各时段预估停车数据，可以根据实际情况做适应性调整。

在步骤201之前，获取各个停车场在各预设时间段的入场车流量和各预设时间段的出场车流量，根据目标停车场的总车位数、各预设时间段的入场车流量的平均值和各预设时间段的出场车流量的平均值，得到各预设时间段的历史停车场饱和度。例如，本申请实施例可以以固定的时间间隔获取各个停车场在该时刻的总车位数、入场车流量和出场车流量，然后，根据每个时间段内获取的多次数据计算各个停车场每个时间段的总车位数、入场车流量和出场车流量的平均值，再根据每个时间段的总车位数、入场车流量和出场车流量的平均值计算该时间段的停车场饱和度。具体的，停车场饱和度可以通过如下公式确定：

停车场饱和度＝已用车位数/总车位数

＝(入场车流量-出场车流量)/总车位数

在一种可能的实施方式中，还可以根据每个时间段的总车位数、入场车流量和出场车流量的平均值计算该时间段的空余泊位数。或者，停车场数据采集设备可以直接将计算好的每个时间段的空余泊位数传输给停车时段推荐装置。具体的，空余泊位数可以通过如下公式确定：

空余泊位数＝总车位数-(入场车流量-出场车流量)

进一步地，将目标停车场的历史参考时段中各预设时间段的历史空余泊位数和停车场饱和度，通过指数平滑法模型，确定目标停车场在查询时段中各预设时间段的预估空余泊位数和停车场饱和度。

指数平滑法模型为：

其中，y_t为第t周期的真实值，

为第t周期的预估值，

为第t+1周期的预估值，α为平滑系数。

在一种可能的实施方式中，上述指数平滑法模型是通过历史数据训练得到的，即可以将多天的各时间段的真实历史数据输入到指数平滑法模型中，训练得到使预估的停车数据更准确的α值，根据训练得到的α值计算各预设时间段的预估空余泊位数和停车场饱和度。或者，在另一种可能的实施方式中，α可以取几个不同的数值，分别计算不同的α值对应的各预设时间段的预估空余泊位数和停车场饱和度，再将几个不同的α值对应的各预设时间段的预估空余泊位数和停车场饱和度取平均值，得到最终的各预设时间段的预估空余泊位数和停车场饱和度。

需要说明的是，当历史数据周期数较多时(大于15周期)，可以选取第一周期的真实值或者第一周期之前一周期的真实值作为指数平滑法模型中第一周期的预估值；当历史数据周期数较少时(小于15周期)，可以选取前几周期(一般为前三周期)的真实值的平均值作为指数平滑法模型中第一周期的预估值。

在一种可能的实施方式中，考虑到突发情况对停车场停车状况的影响，例如，某商场当天举办活动，那么当天在该商场停车的车辆数会大于平时的停车数量。或者，因恶劣天气，导致当天在该商场停车的车辆数会小于平时的停车数量。对此，可以根据当天查询时段中已发生时刻的实际停车数据，对该查询时段中各预设时间段的初始预估停车数据进行调整，以得到该查询时段中各预设时间段更准确的预估停车数据。具体的，图3示例性的示出了针对突发情况对各预设时间段的停车数据预测方法，如图3所示，该方法包括以下步骤：

步骤301、获取目标停车场在查询时段中已发生时刻的实际停车数据。

步骤302、通过该目标停车场的历史参考时段中各预设时间段的历史停车数据，预估在查询时段中各预设时间段的初始预估停车数据。

步骤303、根据查询时段中已发生时刻的实际停车数据，对查询时段中各预设时间段的初始预估停车数据进行调整，得到目标停车场查询时段中各预设时间段的预估停车数据。

步骤303中，可以通过目标停车场当天已经发生的几个时间段的实际停车数据，确定下一个时间段的实时预估停车数据。根据下一个时间段的实时预估停车数据和下一时间段的初始预估停车数据的预设比例，确定目标停车场下一个时间段的新的预估停车数据。将该时段的新的预估停车数据刷新显示在查询结果页面中。其中，预设比例可以根据有突发情况发生的历史停车数据训练得到。实时预估停车数据和初始预估停车数据可以通过上述指数平滑法模型得到。

举例说明上述步骤，假设某商场星期六举办活动导致该商场的停车场停车数量远大于平日停车数量，当前时间为13：00。获取该停车场已发生的9：00-10：00、10：00-11：00、11：00-12：00、12：00-13：00的实际停车数据，根据这四个时间段的实际停车数据，确定接下来几个时间段，即当天13：00-14：00、14：00-15：00、15：00-16：00三个时间段的实际预估停车数据。通过该停车场上星期六、上上星期六、上上上星期六等七个星期六的13：00-14：00、14：00-15：00、15：00-16：00的历史停车数据，确定下一周六，即当天13：00-14：00、14：00-15：00、15：00-16：00的初始预估停车数据。以13：00-14：00的实际预估停车数据和初始预估停车数据分别占预测结果的80％和20％的比例，确定当天13：00-14：00的新的预估停车数据，以14：00-15：00的实际预估停车数据和初始预估停车数据分别占预测结果的80％和20％的比例，确定当天14：00-15：00的新的预估停车数据，以15：00-16：00的实际预估停车数据和初始预估停车数据分别占预测结果的80％和20％的比例，确定当天15：00-16：00的新的预估停车数据，将当天13：00-14：00、14：00-15：00、15：00-16：00的新的预估停车数据刷新显示在查询结果页面中。

在一种可能的实施方式中，考虑到节假日对停车场停车状况的影响，可以通过目标停车场多个已经过去的节假日的各个时间段的实际停车数据，确定下一个周期中的放假天数相同的节假日对应各个时间段的预估停车数据。例如，可以根据最近两年放假时间为3天的假期，如清明节、端午节、中秋节等多个假期的第一天上午8：00-9：00这一时段的实际停车数据，确定下一个放假时间为3天的节假日的第一天上午8：00-9：00这一时间段的预估停车数据。

在一种可能的实施方式中，获取目标停车场当前时刻的实际空余泊位数，在查询结果页面显示目标停车场在查询时段中各预设时间段的预估停车数据和当前时刻的实际空余泊位数，方便用户获知目标停车场当前时刻的实际空余泊位数。

图4示例性的示出了本申请实施例提供的一种查询结果显示页面。如图4所示，每个停车场的实际位置标记在地图中，用户可以点击目标停车场在地图中对应位置的图标，对该目标停车场的预估停车数据进行查询。其中，停车场图标的颜色可以用来表示停车场不同的饱和度状态，例如，红色表示该车场在查询时间段泊位已经饱和、橙色表示该停车场在查询时间段泊位较紧张、绿色表示该停车场在查询时段空余车位数较多。进一步的，还可以在图标周围设置一圈进度条，用进度条占整个圆周的百分比表示对应停车场的停车场饱和度。用户点击想要查询的停车场图标后，该目标停车场的预估停车数据显示在页面下方，具体的，可以以柱状图的形式显示每个时间段的预估停车场饱和度的趋势，每个柱子的高度代表该时间段的停车场饱和度，柱子越高，表示在该时间段停车场饱和度越高，停车场中停放的车辆数越多；柱子越低，表示在该时间段停车场越空闲，停车场中停放的数量越少。当用户点击某一时间段的柱子时，会在页面中显示该时间段具体的预估停车场饱和度和预估空余泊位数。或者，当用户向左或向右滑动屏幕时，可以调整查询结果显示页面中显示的具体时间段。在查询结果显示页面下方，还可以显示对应停车场的位置信息、距离用户当前位置的距离、停车场收费信息、停车场使用状态(例如，饱和、紧张和空闲)、导航图标(通过点击该导航图标，可以规划前往目标停车场的路线)、是否推荐前往等与停车场相关的信息。需要说明的是，上述查询结果显示页面仅是一种示例，本发明实施例对此不做具体限定。

在一种可能的实施方式中，本申请还可以根据用户指定的区域范围和时间段，在查询结果显示页面上向用户推荐一个或多个空余泊位较多的停车场，以供用户参考。

当用户需要提前规划出行，且对出行时间没有要求时，可以查询车场较为空间的时间前往，保障停车需求。例如，当天为周四，计划周末去超市购物，根据周六的停车场空闲时段趋势，发现上午10：00-11：00，该超市的停车场较为空闲，则可以选择该时段前往超市购物。或者，当车主当天计划出行时，可根据当天停车场的空闲时段趋势，选择合适的时间段前往。

在一种可能的实时方式中，还可以通过移动平均值法模型，确定目标停车场在查询时段中各预设时间段的预估空余泊位数和停车场饱和度。

移动平均值模型为：

其中N为跨越周期数，即参加平均的历史数据个数；y_t为第t周期的真实值，

为第t+1周期的预估值。

针对上述两种算法模型，本申请选取某路内停车场6月20日00：00到10：00的空余泊位数据作为样本，以15分钟为单位，分别使用移动平均值法和指数平滑法预估10:00-12:00的空余泊位数，分别得到10:15、10:30、10：45、11:00、11:15、11:30、11:4和12:00两种算法的预估空余泊位数以及预估空余泊位数和与真实空余泊位数的相对误差，如表1所示。

表1

由表1中可以看出，通过停车场空余泊位数的预估值和与真实空余泊位数的相对误差，发现采用指数平滑法预估的停车场空余泊位数与采用移动平均法预估的停车场空余泊位数相比，与真实空余泊位数的误差更小，预估结果更加精确，因此，本申请优选指数平滑法作为停车场空余泊位数的预估算法。

此外，本申请对最佳数据采集周期进行了验证，统计周期为3月1日到4月19日统计50天，以10天为基准递增。如图5为不同统计周期的最大相对误差、最小相对误差和平均相对误差的折线图，如图5所示，通过3个折线图可以看出，随着统计天数的增多，算法模型的最大相对误差、最小相对误差和平均相对误差都有一个下降的趋势。当统计天数达到50天时，算法模型的预测准确率达到90％，当统计天数持续增加时，算法准确度增长并不明显，因此可以50天作为数据采集周期，即通过50天的历史停车数据预估未来一段时间的预估停车数据，以星期维度属性为例，可以通过7个星期共49天的历史停车数据，确定下一星期的预估停车数据。

本申请实施例提供一种停车时段推荐方法，根据具有同一周期属性的历史停车数据确定查询时段中各预设时间段的预估停车数据，方便用户根据预估的未来一段时间内各预设时间段的预估停车数据合理选择出行时间，避免到达目标停车场时出现停车场饱和的情况发生。并且，考虑到星期维度属性、小时维度属性、节假日维度属性及天气维度属性等多种因素对目标停车场停车状况的影响，可以使预估停车数据更准确地反映出未来一段时间各预设时间段目标停车场的停车状况。

基于相同的技术构思，图6示例性地示出了本申请实施例提供的一种停车时段预测装置，该装置用于实现上述实施例中的停车时段预测方法。如图6所示，该装置600包括：

接收模块601，用于接收用户对目标停车场的查询请求；

处理模块602，用于针对所述查询请求对应的查询时段，通过所述目标停车场的历史参考时段中各预设时间段的历史停车数据，确定所述目标停车场在所述查询时段中各预设时间段的预估停车数据；所述历史参考时段为与所述查询时段具有同一周期属性的N个时段；N为正整数；

显示模块603，用于在查询结果页面显示所述目标停车场在所述查询时段中各预设时间段的预估停车数据。

可选地，所述处理模块602，还用于将所述目标停车场的历史参考时段中各预设时间段的历史停车场饱和度，通过指数平滑法模型，确定所述目标停车场在所述查询时段中各预设时间段的预估停车场饱和度；所述指数平滑法模型是通过历史数据训练得到的。

可选地，所述指数平滑法模型为：

其中，y_t为第t周期的真实值，

为第t周期的预估值，

为第t+1周期的预估值，α为平滑系数，α是通过历史数据训练得到的。

可选地，所述历史停车场饱和度是通过如下方式得到的：获取所述目标停车场在各预设时间段的入场车流量和各预设时间段的出场车流量；根据所述目标停车场的总车位数、各预设时间段的入场车流量的平均值和各预设时间段的出场车流量的平均值，得到各预设时间段的历史停车场饱和度。

可选地，所述处理模块602，还用于获取所述目标停车场在所述查询时段中已发生时刻的实际停车数据；通过所述目标停车场的历史参考时段中各预设时间段的历史停车数据，预估在所述查询时段中各预设时间段的初始预估停车数据；根据所述查询时段中已发生时刻的实际停车数据，对所述查询时段中各预设时间段的初始预估停车数据进行调整，得到所述查询时段中各预设时间段的预估停车数据。

可选地，所述具有同一周期属性包括以下至少一种：星期维度属性、小时维度属性、节假日维度属性及天气维度属性。

可选地，所述处理模块602，还用于获取所述目标停车场当前时刻的实际空余泊位数；所述显示模块603，还用于在查询结果页面显示所述目标停车场在所述查询时段中各预设时间段的预估停车数据和所述当前时刻的实际空余泊位数。

基于相同的技术构思，本申请实施例提供了一种计算机设备，如图7所示，包括至少一个处理器701，以及与至少一个处理器连接的存储器702，本申请实施例中不限定处理器701与存储器702之间的具体连接介质，图7中处理器701和存储器702之间通过总线连接为例。总线可以分为地址总线、数据总线、控制总线等。

在本申请实施例中，存储器702存储有可被至少一个处理器701执行的指令，至少一个处理器701通过执行存储器702存储的指令，可以执行上述停车时段推荐方法的步骤。

其中，处理器701是计算机设备的控制中心，可以利用各种接口和线路连接计算机设备的各个部分，通过运行或执行存储在存储器702内的指令以及调用存储在存储器702内的数据，从而进行资源设置。可选地，处理器701可包括一个或多个处理单元，处理器701可集成应用处理器和调制解调处理器，其中，应用处理器主要处理操作系统、用户界面和应用程序等，调制解调处理器主要处理无线通信。可以理解的是，上述调制解调处理器也可以不集成到处理器701中。在一些实施例中，处理器701和存储器702可以在同一芯片上实现，在一些实施例中，它们也可以在独立的芯片上分别实现。

处理器701可以是通用处理器，例如中央处理器(CPU)、数字信号处理器、专用集成电路(Application Specific Integrated Circuit，ASIC)、现场可编程门阵列或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件，可以实现或者执行本申请实施例中公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者任何常规的处理器等。结合本申请实施例所公开的方法的步骤可以直接体现为硬件处理器执行完成，或者用处理器中的硬件及软件模块组合执行完成。

存储器702作为一种非易失性计算机可读存储介质，可用于存储非易失性软件程序、非易失性计算机可执行程序以及模块。存储器702可以包括至少一种类型的存储介质，例如可以包括闪存、硬盘、多媒体卡、卡型存储器、随机访问存储器(Random AccessMemory，RAM)、静态随机访问存储器(Static Random Access Memory，SRAM)、可编程只读存储器(Programmable Read Only Memory，PROM)、只读存储器(Read Only Memory，ROM)、带电可擦除可编程只读存储器(Electrically Erasable Programmable Read-Only Memory，EEPROM)、磁性存储器、磁盘、光盘等等。存储器702是能够用于携带或存储具有指令或数据结构形式的期望的程序代码并能够由计算机存取的任何其他介质，但不限于此。本申请实施例中的存储器702还可以是电路或者其它任意能够实现存储功能的装置，用于存储程序指令和/或数据。

基于相同的技术构思，本申请实施例还提供一种计算机可读存储介质，计算机可读存储介质存储有计算机可执行程序，计算机可执行程序用于使计算机执行上述任一方式所列的停车时段推荐方法。

本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。

本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。

这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。

这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。

尽管已描述了本申请的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例作出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本申请范围的所有变更和修改。

显然，本领域的技术人员可以对本申请进行各种改动和变型而不脱离本申请的精神和范围。这样，倘若本申请的这些修改和变型属于本申请权利要求及其等同技术的范围之内，则本申请也意图包含这些改动和变型在内。

Claims (10)

1.一种停车时段推荐方法，其特征在于，所述方法包括：

接收用户对目标停车场的查询请求；

针对所述查询请求对应的查询时段，通过所述目标停车场的历史参考时段中各预设时间段的历史停车数据，确定所述目标停车场在所述查询时段中各预设时间段的预估停车数据；所述历史参考时段为与所述查询时段具有同一周期属性的N个时段；N为正整数；

在查询结果页面显示所述目标停车场在所述查询时段中各预设时间段的预估停车数据。

2.根据权利要求1所述的方法，其特征在于，所述通过所述目标停车场的历史参考时段中各预设时间段的历史停车数据，确定所述目标停车场在所述查询时段中各预设时间段的预估停车数据，包括：

将所述目标停车场的历史参考时段中各预设时间段的历史停车场饱和度，通过指数平滑法模型，确定所述目标停车场在所述查询时段中各预设时间段的预估停车场饱和度；所述指数平滑法模型是通过历史数据训练得到的。

3.根据权利要求2所述的方法，其特征在于，所述指数平滑法模型为：

其中，y_t为第t周期的真实值，

为第t周期的预估值，

为第t+1周期的预估值，α为平滑系数，α是通过历史数据训练得到的。

4.根据权利要求2所述的方法，其特征在于，所述历史停车场饱和度是通过如下方式得到的：

获取所述目标停车场在各预设时间段的入场车流量和各预设时间段的出场车流量；

根据所述目标停车场的总车位数、各预设时间段的入场车流量的平均值和各预设时间段的出场车流量的平均值，得到各预设时间段的历史停车场饱和度。

5.根据权利要求1所述的方法，其特征在于，所述通过所述目标停车场的历史参考时段中各预设时间段的历史停车数据，确定所述目标停车场在所述查询时段中各预设时间段的预估停车数据，包括：

获取所述目标停车场在所述查询时段中已发生时刻的实际停车数据；

通过所述目标停车场的历史参考时段中各预设时间段的历史停车数据，预估在所述查询时段中各预设时间段的初始预估停车数据；

根据所述查询时段中已发生时刻的实际停车数据，对所述查询时段中各预设时间段的初始预估停车数据进行调整，得到所述查询时段中各预设时间段的预估停车数据。

6.根据权利要求1所述的方法，其特征在于，所述具有同一周期属性包括以下至少一种：星期维度属性、小时维度属性、节假日维度属性及天气维度属性。

7.根据权利要求1-6任一项所述的方法，其特征在于，所述方法还包括：

获取所述目标停车场当前时刻的实际空余泊位数；

在查询结果页面显示所述目标停车场在所述查询时段中各预设时间段的预估停车数据，包括：

在查询结果页面显示所述目标停车场在所述查询时段中各预设时间段的预估停车数据和所述当前时刻的实际空余泊位数。

8.一种停车时段推荐装置，其特征在于，包括：

接收模块，用于接收用户对目标停车场的查询请求；

处理模块，用于针对所述查询请求对应的查询时段，通过所述目标停车场的历史参考时段中各预设时间段的历史停车数据，确定所述目标停车场在所述查询时段中各预设时间段的预估停车数据；所述历史参考时段为与所述查询时段具有同一周期属性的N个时段；N为正整数；

显示模块，用于在查询结果页面显示所述目标停车场在所述查询时段中各预设时间段的预估停车数据。

9.一种计算设备，其特征在于，包括：

存储器，用于存储程序指令；

处理器，用于调用所述存储器中存储的程序指令，按照获得的程序指令执行如权利要求1至7中任一项所述的方法。

10.一种计算机可读存储介质，其特征在于，包括计算机可读指令，当计算机读取并执行所述计算机可读指令时，使得计算机执行如权利要求1至7中任一项所述的方法。

Images