CN114519940B - 一种应用于智慧停车的大数据分析方法及设备 - Google Patents

Abstract

本申请实施例公开了一种应用于智慧停车的大数据分析方法及设备。根据当前停车场中的通道交点，确定通道交点对应的第一坐标，以及根据用户选定的空余车位的信息，确定空余车位的中心点对应的第二坐标；获取停车场入口到空余车位的路线；根据每一条路线对应的通道交点的第一坐标与第二坐标，确定路线中各通道的长度；根据通道的长度与预设车速，得到通过通道的第一预测时长；根据通道上的车辆数量，确定参考延时时长，根据参考延时时长与第一预测时长，得到通过通道的第二预测时长；根据每一条路线中各通道对应的第二预测时长，得到路线对应的停车时长；基于最短停车时长对应的路线引导用户前往空余车位。通过上述方法，减少停车时长。

Description

一种应用于智慧停车的大数据分析方法及设备

技术领域

本申请涉及大数据技术领域，尤其涉及一种应用于智慧停车的大数据分析方法及设备。

背景技术

大型停车场，例如大型购物中心、写字楼等场所建立的地下多层停车场，通常被划分为多个分区。当用户到达大型停车场入口时，用户无法得知停车场的使用状态及空闲车位信息，就会盲目的兜圈以寻找车位，不但造成了停车场的拥堵，而且会消耗更多的能源。

现有技术通过距离远近帮助用户进行停车位选择，通常将停车场入口到最近空闲停车位的路线，作为最佳停车路线。而现实生活中，最近停车路线并不意味着最短停车时长。例如，最短停车路线上的车辆较多，已经造成了车辆拥堵，此时去往该停车位的距离虽然短，但由于拥堵会造成较长的停车时长。因此，由于停车场的交通情况时刻变化，在最短停车路径上车辆较多时，反而会造成停车时间更长。

发明内容

本申请实施例提供了一种应用于智慧停车的大数据分析方法及设备，用于解决如下技术问题：现有技术容易因停车场内车辆拥堵，而造成停车时间过长。

本申请实施例采用下述技术方案：

本申请实施例提供一种应用于智慧停车的大数据分析方法。包括，根据当前停车场中的通道交点，确定出通道交点对应的第一坐标，以及根据用户选定的空余车位的信息，确定空余车位的中心点对应的第二坐标；获取从停车场入口到达空余车位的路线；其中，到达空余车位的路线至少包括一条，且各条路线至少包括一个通道；根据每一条路线对应的通道交点的第一坐标，以及第二坐标，确定出路线中各通道的长度；根据通道的长度，以及预设车速，得到通过通道的第一预测时长；根据通道上的车辆数量，确定出参考延时时长，根据参考延时时长以及第一预测时长，得到通过通道的第二预测时长；根据每一条路线中各通道对应的第二预测时长，得到路线对应的停车时长；将最短的停车时长对应的路线，发送至当前用户的车载终端，以引导用户根据路线前往空余车位。

本申请实施例通过停车场中的通道交点，对停车场进行规划，确定出多条通道，从而对每一条通道进行分析，确定各通道对应的通行时长。以及，本申请实施例通过各通道的参考延时时长与第一预测时长，得到通过该通道的第二预测时长，并将每一条路线对应的多个通道的第二预测时长进行统计，得到每一条路线的停车时长，从而根据车辆数据分析得到停车时长。不仅能够根据时间的变化实时更新各路线的停车时长，使用户根据最新数据选择停车路线，能够确保选择出的路线停车时长最短，为用户节约停车时间。

在本申请的一种实现方式中，根据每一条路线对应的通道交点的第一坐标，以及第二坐标，确定出路线中各通道的长度，具体包括：根据从停车场入口前往空余车位的路线方向，确定出路线中的第一坐标；对相邻两个第一坐标进行横坐标差值计算或纵坐标差值计算；确定相邻两个第一坐标位置所在的直线，并计算出直线的斜率；根据得到的坐标差值以及斜率，计算出相邻两个第一坐标之间的通道长度；确定出路线中最后一个第一坐标，对第二坐标与最后一个第一坐标进行横坐标差值计算或纵坐标差值计算，得到路线中最后一个通道交点与空余车位之间的通道长度。

本申请实施例通过相邻两个第一坐标之间的坐标差值计算，以及斜率计算，不仅能够对水平或垂直的通道进行路线长度计算。也能够在通道为斜线的情况下，提高对路线长度计算的准确率。此外，因为空余车位的坐标会因车辆变动而发生变动，而通道的坐标固定不动，因此本申请实施例将通往空余车位的最后一个通道，单独进行长度计算，以提高对路线长度计算的准确度。

在本申请的一种实现方式中，根据通道上的车辆数量，确定出参考延时时长，具体包括：根据通道上的车辆数量，以及获取到的前后相邻车辆之间的车间距，得到通道上，不同行驶方向的车辆分别对应的平均车间距；其中，车辆数量包括，正向行驶的车辆的数量与反向行驶的车辆的数量；车间距为前后相邻车辆的车头之间的距离；将得到的平均车间距、车辆的数量，与历史车辆数据进行比对，得到通道对应的参考延时时长；其中，历史车辆数据，至少包括通道在不同车辆数量、不同平均车间距的情况下，分别对应的参考延时时长。

在本申请的一种实现方式中，获取从停车场入口到达空余车位的路线，具体包括：获取从停车场入口，行驶至空余车位的所有可行通道交点的集合；基于可行通道交点的集合，得到可行通道集合；根据可行通道交点的集合与可行通道集合，绘制从停车场入口行驶至空余车位的路线有向图；根据路线有向图，得到从停车场入口行驶至空余车位的所有路线。

在本申请的一种实现方式中，用户选定的空余车位的信息，确定空余车位的中心点对应的第二坐标，具体包括：根据车辆定位信息确定车辆当前所在停车场的地图信息，其中，地图信息包括车辆当前位置信息，地图信息至少包括车辆对应的当前坐标点，以及空余车位的坐标点，并为用户提供目标车位选择的选项信息；在预设时长内，接收用户发送的目标车位信息，确定目标车位对应的第二坐标，以规划路径指引车辆前往目标车位；若在预设时长内没有接收到用户发送的目标车位信息，将距离用户最近的空余车位作为用户的目标车位。

本申请实施例通过接收用户发送的选择的空余车位，能够在选择空余车位时，考虑到用户的停车偏好。对用户选择的目标车位进行停车路线规划，提高用户的满意度。此外，在用户没有做车位选择的情况下，选择距离用户最近的车位作为目标车位，以节约用户的停车时长。

在本申请的一种实现方式中，将距离用户最近的空余车位作为用户的目标车位，具体包括：将用户的当前位置坐标作为车位查找中心；以车位查找中心为圆心，以预设第一长度为半径，确定出预设区域范围，以在预设区域范围内查找空余车位；在范围内查找到多个空余车位的情况下，获取从车位查找中心前往各空余车位的多条路线，并将距离最短的路线所对应的空余车位，作为目标车位；在预设区域范围内没有查找到空余车位的情况下，增加半径的长度，并在扩大后的范围内重新查找空余车位。

在本申请的一种实现方式中，将最短的停车时长对应的路线，发送至当前用户的车载终端之后，方法还包括：确定路线对应的车辆数据；在车辆数量大于预设车辆数量的情况下，确定路线发生临时拥堵；其中，车辆数据至少包括车辆数量、车间距，以及车辆单位时间行驶距离中的一项或多项；将获取到的车辆数据输入时长预测模型，以获取拥堵时长；以用户的当前位置为中心，确定出距离当前位置最近的空余车位；获取从当前位置前往距离当前位置最近的空余车位的多条路线；计算出多条路线分别对应的停车时长，以得到最短的停车时长；其中，停车时长为从当前位置到达空余车位的时长；将最短的停车时长与拥堵时长进行比对，若拥堵时长小于最短停车时长，则为用户发送继续等待信息，否则将最短的停车时长对应的路线发送至用户的车载终端。

本申请实施例在用户前往空余车位的行驶过程中，若发生临时拥堵状况，能够对拥堵时长进行预测。并同时以当前位置为起点，重新寻找最近的空余车位，并规划出去往新的空余车位的所需时长。将规划出的所需时长与等待时长进行比对，得到最短的时长所对应的方案，从而为用户提供指引，以使得用户以最短时间完成停车，进而避免较多车辆同时等待通行的拥堵状况，缓解停车场内的交通状况。

在本申请的一种实现方式中，根据用户选定的空余车位的信息，确定空余车位的中心点对应的第二坐标之前，方法还包括：在当前停车场均不存在空余车位的情况下，获取停车场对应的预设时长内的历史车辆数量；将预设时长划分为N个相同的第一时间段，并确定各时间段内的车辆数量，根据N-1个第一时间段分别对应的车辆数量，对第N个第一时间段内的车辆数量进行预测，得到预测结果，并将预测结果与第N个第一时间段内的实际结果进行比对，确定出数量差值；计算数量差值与各预设差值的接近率，并确定出接近率最高的一个预设差值；其中，接近率为数量差值与各预设差值的比值；根据历史车辆数据，预测在车辆等待时长为第一时间段后，停车场内的车辆数量，将预测车辆数量与接近率最高的一个预设差值进行计算，得到最终预测车辆数量；根据最终预测车辆数量与停车场的车位数量，得到等待第一时间段后的预测空余车位数量；根据当前用户的排队序号，与空余车位的数量，预测出当前用户的排队时长。

在本申请的一种实现方式中，根据当前用户的排队序号，与空余车位的数量，预测出当前用户的排队时长，具体包括：对排队序号对应的数值，与等待第一时间段后的预测空余车位数量对应的数值，进行比值计算；将得到的比值与等待时长进行乘积计算，以得到当前用户的排队时长。

本申请实施例提供一种应用于智慧停车的大数据分析设备，包括：至少一个处理器；以及，与至少一个处理器通信连接的存储器；其中，存储器存储有可被至少一个处理器执行的指令，指令被至少一个处理器执行，以使至少一个处理器能够：根据当前停车场中的通道交点，确定出通道交点对应的第一坐标，以及根据用户选定的空余车位的信息，确定空余车位的中心点对应的第二坐标；获取从停车场入口到达空余车位的路线；其中，到达空余车位的路线至少包括一条，且各条路线至少包括一个通道；根据每一条路线对应的通道交点的第一坐标，以及第二坐标，确定出路线中各通道的长度；根据通道的长度，以及预设车速，得到通过通道的第一预测时长；根据通道上的车辆数量，确定出参考延时时长，根据参考延时时长以及第一预测时长，得到通过通道的第二预测时长；根据每一条路线中各通道对应的第二预测时长，得到路线对应的停车时长；将最短的停车时长对应的路线，发送至当前用户的车载终端，以引导用户根据路线前往空余车位。

本申请实施例采用的上述至少一个技术方案能够达到以下有益效果：本申请实施例通过停车场中的通道交点，对停车场进行规划，确定出多条通道，从而对每一条通道进行分析，确定各通道对应的通行时长。以及，本申请实施例通过各通道的参考延时时长与第一预测时长，得到通过该通道的第二预测时长，并将每一条路线对应的多个通道的第二预测时长进行统计，得到每一条路线的停车时长，从而根据车辆数据分析得到停车时长。不仅能够根据时间的变化实时更新各路线的停车时长，使用户根据最新数据选择停车路线，也能够确保选择出的路线停车时长最短，为用户节约停车时间。

附图说明

为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例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，下面描述中的附图仅仅是本申请中记载的一些实施例，对于本领域普通技术人员来讲，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。在附图中：

图1为本申请实施例提供的一种应用于智慧停车的大数据分析方法流程图；

图2为本申请实施例提供的一种大型停车场路线示意图；

图3为本申请实施例提供的一种前往空余车位的路线有向图；

图4为本申请实施例提供的一种应用于智慧停车的大数据分析设备的结构示意图。

具体实施方式

本申请实施例提供一种应用于智慧停车的大数据分析方法及设备。

为了使本技术领域的人员更好地理解本申请中的技术方案，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，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。基于本说明书实施例，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，都应当属于本申请保护的范围。

大型停车场，例如大型购物中心、写字楼等场所建立的地下多层停车场，通常被划分为多个分区，当用户到达大型停车场入口时，用户无法得知停车场的使用状态及空闲车位信息，就会盲目的兜圈以寻找车位，不但造成了停车场的拥堵，而且会消耗更多的能源。

现有技术通过距离远近帮助用户进行停车位选择，通常将停车场入口到最近空闲停车位的路线，作为最佳停车路线。而现实生活中，最近停车路线并不意味着最短停车时长。

例如，最短停车路线上的车辆较多，已经造成了车辆拥堵，此时去往该停车位的距离虽然短，但由于拥堵会造成较长的停车时长。此外，在停车位相邻的情况下，较多车辆往同一方向行驶，也会造成停车拥堵。

因此，由于停车场的交通情况是时刻变化的，在最短停车路径上车辆较多时，反而会造成停车时间更长。

为了解决上述问题，本申请实施例提供一种应用于智慧停车的大数据分析方法及设备。根据停车场中的通道交点，对停车场进行规划，确定出多条通道，从而对每一条通道进行分析，确定各通道对应的通行时长。以及，本申请实施例通过各通道的参考延时时长与第一预测时长，得到通过该通道的第二预测时长，并将每一条路线对应的多个通道的第二预测时长进行统计，得到每一条路线的停车时长，从而根据车辆数据分析得到停车时长。不仅能够根据时间的变化实时更新各路线的停车时长，使用户根据最新数据选择停车路线，也能够确保选择出的路线停车时长最短，为用户节约停车时间。

下面通过附图对本申请实施例提出的技术方案进行详细的说明。

图1为本申请实施例提供的一种应用于智慧停车的大数据分析方法流程图。如图1所示，应用于智慧停车的大数据分析方法包括如下步骤：

S101、服务器根据当前停车场中的通道交点，确定出通道交点对应的第一坐标，以及根据用户选定的空余车位的信息，确定空余车位的中心点对应的第二坐标。

在本申请的一个实施例中，大型停车场的面积较大，因此会对大型停车场进行分区管理。为了方便车辆前往各区域，会设定较多的通道。例如，直行通道，在直行一定距离后，会有左转通道或者右转通道等。各通道之间相互连接，以方便车辆前往不同的停车位置。

在本申请的一个实施例中，通过当前停车场的地图，获取当前停车场的区域划分与路线位置。将两条及两条以上的通道的交点设定为第一坐标。

例如，当前直行的通道的尽头，为一条向右转的通道，此时两条通道的交点即可作为第一坐标。

图2为本申请实施例提供的一种大型停车场路线示意图。如图2所示，图中的多个矩形框为停车位，图中的字母H所对应的点为通道的交点，即为第一坐标点。通过图2可以看出，用户在停车场入口处前往同一车位的路线，可以有一条或多条，且每一条路线包含一个或多个通道。

在本申请的一个实施例中，根据车辆定位信息确定车辆当前所在停车场的地图信息，其中，地图信息包括车辆当前位置信息，地图信息至少包括车辆对应的当前坐标点，以及空余车位的坐标点，并为用户提供目标车位选择的选项信息。在预设时长内，接收用户发送的目标车位信息，确定目标车位对应的第二坐标，以规划路径指引车辆前往目标车位。若在预设时长内没有接收到用户发送的目标车位信息，将距离用户最近的空余车位作为用户的目标车位。

具体地，在用户到达停车入口时，若当前停车场有空余车位，服务器会将当前停车场的平面地图发送给用户。例如，可以将地图发送至用户的车载终端，或者手机APP中。用户根据接收到地图，获取当前停车场内的空余车位的位置，此时，用户可以自主选择一个空余车位作为目标车位。服务器在接收到用户发送的目标车位后，会确定出该车位的坐标位置。并将该坐标位置作为第二坐标。通过用户的当前位置坐标以及该目标车位的第二坐标，对停车路径进行规划。

具体地，用户需要在预设时长内自主选择目标车位，例如，用户需要在30s内完成目标车位的选择，并进行提交。若服务器在30s内没有接收到用户发送的目标车位信息，则会自动选择距离该用户最近的空余车位作为目标车位，并确定出该目标车位的坐标位置，规划出路径以引导用户前往该目标车位。

需要说明的是，本申请实施例中的第二坐标，为空余车位的中心点位置对应的坐标。在应用中，也可以根据实际情况，对第二坐标的位置进行更改，例如，可以将目标车位的左下角对应的点作为第二坐标，或者可以将目标车位与通道交界线的任一点，作为第二坐标。本申请实施例对此不做限制。

本申请实施例通过接收用户发送的选择的空余车位，能够在选择空余车位时，考虑到用户的停车偏好。对用户选择的目标车位进行停车路线规划，提高用户的满意度。此外，在用户没有做车位选择的情况下，选择距离用户最近的车位作为目标车位，以节约用户的停车时长。

在本申请的一个实施例中，将用户的当前位置坐标作为车位查找中心。以车位查找中心为圆心，以预设第一长度为半径，确定出预设区域范围，以在预设区域范围内查找空余车位。在范围内查找到多个空余车位的情况下，获取从车位查找中心前往各空余车位的多条路线，并将距离最短的路线所对应的空余车位，作为目标车位。在预设区域范围内没有查找到空余车位的情况下，增加半径的长度，并在扩大后的范围内重新查找空余车位。

具体地，获取用户的当前位置坐标作为车位查找中心，以当前位置为圆心，预设长度为半径，例如，预设长度可以为20m，在区域圆内寻找空余车位。若在该区域圆内寻找到多个空余车位，可以计算出与用户当前位置的直径距离最短的车位，并将该车位作为目标车位。若在该区域圆内没有查找到空余车位，则需要增加预设半径的长度，以增加区域圆的面积，从而扩大搜寻范围。例如，可以将预设半径增加至30m，重新在扩大后的区域圆内搜索空余车位。

例如，用户的当前位置为停车场任一入口位置，则以该停车场入口为圆心，在半径为20m的区域圆内搜索空余车位，并将空余车位的横坐标与入口位置的横坐标进行差值计算，将空余车位的纵坐标与入口位置的纵坐标进行差值计算，以计算出该入口位置与空余车位的直径距离。并将直径距离最短的空余车位作为目标车位。

S102、获取从停车场入口到达空余车位的路线。其中，到达空余车位的路线至少包括一条，且各条路线至少包括一个通道。

在本申请的一个实施例中，通过当前停车场的监拍装置，对待停车辆的前方与后方分别进行图像获取。对获取到的待停车辆的图像进行背景提取，并通过预置车牌检测模型，在背景提取后的图像中，确定出第一车牌图像。其中，背景提取至少包括对前方图片与后方图片进行腐蚀运算以及膨胀运算。

本申请实施例通过确定出当前待停车辆的车牌号，对该车辆进行记录，并将选定出的空余车位标注为已停车辆状态，并将该车辆的车牌与该空余车位进行匹配记录。

具体地，将第一车牌图像水平方向上各行的像素点的灰度值相加，得到水平方向的灰度值集合。根据灰度值集合绘制折线图，获取折线图的最大波峰值与最小波谷值，根据波峰值与波谷值之间的差值，确定第一车牌图像的纵向分割区间。将第一车牌图像对应的垂直方向上各行的像素点的灰度值相加，得到垂直方向的灰度值集合。根据垂直方向的灰度值集合绘制折线图，并根据折线图的波谷值以及波峰值，确定第一车牌图像的横向划分区间。

进一步地，根据纵向分割区间与横向划分区间，将第一车牌图像划分为多个字符图像。确定每一个字符图像的左边界坐标点集合，将字符图像中每一行的第一个像素点平移至对应的左边界坐标点，将字符图像中的每一行的其它像素点依次向左平移，以得到各字符图像对应的字符正视图。根据预置规则，将多个字符正视图中的空白图像去除，得到第二车牌图像。对第二车牌图像进行识别，以确定待停车辆的车牌牌号。

具体地，根据公式

H＝2W；7D₁＜H≤10D₁；

在多个字符正视图像中，确定出两侧的空白图像。

根据公式

2.58D₂≤H≤4.5D₂；

在多个字符正视图像中，确定出中间的空白图像。将两侧的空白图像与中间的空白图像删除，得到第二车牌图像。其中，H为车牌中字符的标准高度，W为车牌中字符的标准宽度，D₂为左边起第二个字符与第三个字符之间的标准间距，D₁为除第二个字符与第三个字符间距之外，其它相邻字符之间的标准间距。

进一步地，将第二车牌图像中的多个待识别字符，从左至右依次输入预置分类器，得到待识别字符分别对应的字符类型。其中，字符类型包括汉字类型、字母类型以及数字类型。将待识别字符与预置字符模板库中的字符进行比较，计算二者之间的像素差距值。其中，预置字符模板库与待识别字符的字符类型相对应，字符模板库包括汉字模板库、字母模板库以及数字模板库。按照输入预置分类器的顺序，在预置字符模板中，分别确定出与待识别字符的像素差距最小的模板字符。按顺序将像素差距最小的模板字符进行排列，以得到待停车辆的车牌牌号。

本申请实施例通过获取待停车辆的车牌信息，能够将该车辆与空余车位记性匹配，从而标注出每个车位对应的车辆信息。一方面可以根据车辆信息记录车辆的停车时间，对车辆进行收费计算。另一方面，也可以在发生突发状况的情况下，可以根据获取到的车辆信息，及时对相应的用户进行联系。

在本申请的一个实施例中，获取从停车场入口，行驶至空余车位的所有可行通道交点的集合。基于可行通道交点的集合，得到可行通道集合。根据可行通道交点的集合与可行通道集合，绘制从停车场入口行驶至所述空余车位的路线有向图。根据路线有向图，得到从停车场入口行驶至空余车位的所有路线。

具体地，根据已获取到的用户当前位置坐标，以及空余车位的坐标，进行路径规划。根据从当前位置前往该空余车位会途径的第一坐标点，可以获知可通行通道集合。并根据会途径的第一坐标点以及可通行通道集合，绘制出前往该空余车位的有向图。

例如，图3为本申请实施例提供的一种前往空余车位的路线有向图。如图3所示，当前位置为A点，空余车位位置为M点。图3中的坐标点B、C、D、E均为前往空余车位时会途径的第一坐标点，此时从当前位置A到空余车位M第一坐标点集合为{A,B,C,D,E,M}，可通行通道包括AB、BC、CM、BD、DM、AE、ED、EM。若前往空余车位的路线为A→B→D→M，则此时与该路线相对应的第一坐标点集合为{A,B,D,M}，相对应的路段集合为{AB,BD,DM}。

S103、根据每一条路线对应的通道交点的第一坐标，以及第二坐标，确定出路线中各通道的长度。

在本申请的一个实施例中，根据从停车场入口前往空余车位的路线方向，确定出路线中的第一坐标。对相邻两个第一坐标进行横坐标差值计算或纵坐标差值计算。确定相邻两个第一坐标位置所在的直线，并计算出直线的斜率。根据得到的坐标差值以及斜率，计算出相邻两个第一坐标之间的通道长度。确定出路线中最后一个第一坐标，对第二坐标与最后一个第一坐标进行横坐标差值计算或纵坐标差值计算，得到路线中最后一个通道交点与空余车位之间的通道长度。

具体地，停车场内的通道可能为直线通道，也可以为斜线通道，因此，为了计算出通道的长度，需要根据通道两端的坐标进行计算。获取通道两端对应的两个第一坐标点的横纵坐标。对两个坐标的横坐标进行差值计算，或者对两个坐标点的纵坐标进行差值计算。对两个坐标点进行连接，得到唯一直线。计算出该直线与水平坐标轴的夹角角度。并根据该夹角角度，以及坐标差值，可以得到两个坐标点之间的直线距离，即可得到该通道的长度。

例如，本申请实施例可以将整个停车场地图的最左侧端点所对应的垂线作为纵轴，将停车场最下端的端点所对应的水平线作为横轴，建立坐标系。通过该坐标系，可以确定出各空余车位的坐标位置、各通道交点的坐标位置以及用户的坐标位置，从而根据坐标位置计算出通道长度。

本申请实施例通过相邻两个第一坐标之间的坐标差值计算，以及斜率计算，不仅能够对水平或垂直的通道进行路线长度计算。也能够在通道为斜线的情况下，提高对路线长度计算的准确率。

S104、根据通道的长度，以及预设车速，得到通过通道的第一预测时长。

在本申请的一个实施例中，可以对前一星期内，该停车场内的车辆行驶速度进行统计，以获取平均速度。将该平均速度作为预设速度。

例如，预设速度可以为15km/h。根据通道的长度以及该预设速度，即可得到以预设速度行驶的情况下，通过该通道的第一预测时长。

S105、根据通道上的车辆数量，确定出参考延时时长，根据参考延时时长以及第一预测时长，得到通过通道的第二预测时长。

在本申请的一个实施例中，根据通道上的车辆数量，以及获取到的前后相邻车辆之间的车间距，得到通道上，不同行驶方向的车辆分别对应的平均车间距。其中，车辆数量包括，正向行驶的车辆的数量与反向行驶的车辆的数量。车间距为前后相邻车辆的车头之间的距离。将得到的平均车间距、车辆的数量，与历史车辆数据进行比对，得到通道对应的参考延时时长。其中，历史车辆数据，至少包括通道在不同车辆数量、不同平均车间距的情况下，分别对应的参考延时时长。

具体地，对当前通道上的车辆按照其行驶方向进行划分，并统计出正反两个方向分别对应的车辆的数量。对每一个方向对应的车辆之间的车间距进行统计，并根据该方向的车辆的数量，得到平均车间距。

在本申请的一个实施例中，在当前通道拥堵的情况下，得到的平均车间距会比较小，在当前通道车辆较少的情况下，得到的车间距会比较大。因此，通过车间距的大小，可以对当前通道的拥堵状况进行分析，以得到参考延时时长。

具体地，将获取到的平均车间距、车辆的数量，与历史车辆数据进行比对。查找出与当前获取到的平均车间距、车辆数量最接近的车辆数据，并确定出该车辆数据对应的延时时长。以将该延时时长作为当前通道对应的参考延时时长。

在本申请的一个实施例中，根据当前通道对应的第一预测时长，以及当前通道对应的参考延时时长，进行相加计算即可得到通过该通道的第二预测时长。根据各通道对应的第二预测时长，即可对比得出通行时间较短的通道。

S106、根据每一条路线中各通道对应的第二预测时长，得到路线对应的停车时长。

在本申请的一个实施例中，去往同一空余车位的路线会有多条，且每一条路线是由一条或多条通道组成的。因此，计算出通过每一个通道的第二预测时长后，将每一条路线分别对应的通道进行统计，并将每一个通道的第二预测时长进行相加计算，即可得到每一条路线的停车时长。

例如，假设去往同一空余车位的路线有三条，第一条路线对应有3个通道，这三个通道对应的第二预测时长分别为1min，0.5min，0.5min。则第一条路线对应的停车时长为2min。第二条路线对应有3个通道，这三个通道对应的第二预测时长分别为1min，1min，1min。则第二条路线对应的停车时长为3min。第三条路线对应有2个通道，这三个通道对应的第二预测时长分别为1min，1.5min。则第三条路线对应的停车时长为2.5min。

S107、将最短的停车时长对应的路线，发送至当前用户的车载终端，以引导用户根据路线前往空余车位。

在本申请的一个实施例中，在计算出各条路线分别对应的停车时长后，确定出最短停车时长对应的路线。

例如，第一条路线对应的停车时长为2min，第二条路线对应的停车时长为3min，第三条路线对应的停车时长为2.5min。经过对比计算，可以得到第一条路线的停车时长最短，因此将第一条路线发送至用户的车载终端，以引导用户根据该路线前往空余车位。

在本申请的一个实施例中，确定所述路线对应的车辆数据。在车辆数量大于预设车辆数量的情况下，确定路线发生临时拥堵。其中，车辆数据至少包括车辆数量、车间距，以及车辆单位时间行驶距离中的一项或多项。将获取到的车辆数据输入时长预测模型，以获取拥堵时长。以用户的当前位置为中心，确定出距离当前位置最近的空余车位。获取从当前位置前往距离当前位置最近的空余车位的多条路线。计算出多条路线分别对应的停车时长，以得到最短的停车时长。其中，停车时长为从当前位置到达空余车位的时长。将最短的停车时长与拥堵时长进行比对，若拥堵时长小于最短停车时长，则为用户发送继续等待信息，否则将最短的停车时长对应的路线发送至用户的车载终端。

具体地，在用户根据最短停车路线前往空余车位的过程中，可能会遇到发生临时拥堵的状况，例如，前方司机由于停车转向占用通道，需要通过该通道的用户需要停车等待。此时，服务器获取当前路线中的车辆数量、车间距以及车辆单位时间行驶距离中的一项或多项。将获得的数据输入预设时长预测模型中，即可获取当前临时拥堵的时长。

进一步地，服务器会同时以当前位置为起点，重新确定出与当前距离最近的空余车位，并重新规划路线，计算从当前位置以不同路线前往该空余车位的时长。并将时长最短的时长与拥堵的时长做比对，将时长最短的方案发送给用户。例如，得到当前的临时拥堵时长为2min，而重新规划的去往新的空余车位的时长为3min，则会提醒用户继续等待。

本申请实施例通过各通道的参考延时时长与第一预测时长，得到通过该通道的第二预测时长，并将每一条路线对应的多个通道的第二预测时长进行统计，得到每一条路线的停车时长，从而根据车辆数据分析得到停车时长。不仅能够根据时间的变化实时更新各路线的停车时长，使用户根据最新数据选择停车路线，也能够确保选择出的路线停车时长最短，为用户节约停车时间。

在本申请的一个实施例中，在当前停车场均不存在空余车位的情况下，获取停车场对应的预设时长内的历史车辆数量。将预设时长划分为N个相同的第一时间段，并确定各时间段内的车辆数量，根据N-1个第一时间段分别对应的车辆数量，对第N个第一时间段内的车辆数量进行预测，得到预测结果，并将预测结果与第N个第一时间段内的实际结果进行比对，确定出数量差值。其中，第一时间段为待停车辆的等待时长。计算数量差值与各预设差值的接近率，并确定出接近率最高的一个预设差值。其中，接近率为数量差值与各预设差值的比值。根据历史车辆数据，预测在车辆等待时长为第一时间段后，停车场内的车辆数量，将预测车辆数量与接近率最高的一个预设差值进行计算，得到最终车辆数量。

具体地，在当前停车场不存在空余车位的情况下，可以根据该停车场的历史停车数据对排队等待时长进行预测。例如，可以选取前一星期内的历史车辆数据，将这一星期划分为N个相同的第一时间段，N可以为7，则第一时间段对应为每天，或者N可以为168，则第一时间段对应为小时。以N为168为例，通过前167个小时分别对应的车辆数据，对第168个小时内的车辆数据进行预测。并将预测的结果与实际的结果进行比对，确定出其差值。例如，预测的车辆数据为982辆，而实际的车辆数据为1000辆，其数量差值为18。

进一步地，根据多个预设差值，计算数量差值分别与多个预设差值之间的比值，以得到与数量差值最接近的预设差值。例如，预设差值可以为10、20、30，经过计算后，预设差值为20时，与数量差值最为接近。

在本申请的一个实施例中，将预测出的车辆数据与预设差值进行计算，即可得到最终预测车辆数量。例如，将预测出的982与预设差值20进行计算，即可得到最终预测车辆数量1002，提高了与实际车辆数据的准确率。

需要说明的是，在实际对车辆数据进行预测的过程中，为了确定预测的准确性，会进行多次预测。每一次预测出的车辆数量可能会存在不同的误差。因此，通过确定出一个与误差最为接近的预设值。在将该预设值与预测的车辆数量进行计算，即可较大程度上降低误差。

在本申请的一个实施例中，根据最终预测车辆数量与停车场的车位数量，得到等待第一时间段后的预测空余车位数量。根据当前用户的排队序号，与空余车位的数量，预测出当前用户的排队时长。

具体地，根据最终预测车辆数量与停车场的车位数之间的差值，可以得到预测空余车位的数量。对排队序号对应的数值，与等待第一时间段后的预测空余车位数量对应的数值，进行比值计算。将得到的比值与所述等待时长进行乘积计算，以得到当前用户的排队时长。

例如，假设得到的最终预测车辆数量为1002，而停车场实际的车位数量为1010，从而可以得到等待第一时间段后的预测空余车位数量为8个。假设当前用户的排队序号为3号，通过将排队序号与预测空余车位数量进行比值计算，在将计算出的比值与第一时间段对应的时长进行乘积计算，即可得到用户的等待时长为22.5min。

图4为本申请实施例提供的一种应用于智慧停车的大数据分析设备的结构示意图。如图4所示，设备包括：

至少一个处理器；以及，

与所述至少一个处理器通信连接的存储器；其中，

所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够：

根据当前停车场中的通道交点，确定出所述通道交点对应的第一坐标，以及根据用户选定的空余车位的信息，确定所述空余车位的中心点对应的第二坐标；

获取从停车场入口到达所述空余车位的路线；其中，到达所述空余车位的路线至少包括一条，且各条路线至少包括一个通道；

根据每一条所述路线对应的所述通道交点的第一坐标，以及所述第二坐标，确定出所述路线中各所述通道的长度；

根据所述通道的长度，以及预设车速，得到通过所述通道的第一预测时长；

根据所述通道上的车辆数量，确定出参考延时时长，根据所述参考延时时长以及所述第一预测时长，得到通过所述通道的第二预测时长；

根据每一条所述路线中各通道对应的所述第二预测时长，得到所述路线对应的停车时长；

将最短的所述停车时长对应的所述路线，发送至当前用户的车载终端，以引导所述用户根据所述路线前往所述空余车位。

本申请中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于装置、设备、非易失性计算机存储介质实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。

上述对本申请特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下，在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外，在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中，多任务处理和并行处理也是可以的或者可能是有利的。

以上所述仅为本申请的实施例而已，并不用于限制本申请。对于本领域技术人员来说，本申请的实施例可以有各种更改和变化。凡在本申请实施例的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本申请的权利要求范围之内。

Claims (9)

1.一种应用于智慧停车的大数据分析方法，其特征在于，所述方法包括：

根据当前停车场中的通道交点，确定出所述通道交点对应的第一坐标，以及根据用户选定的空余车位的信息，确定所述空余车位的中心点对应的第二坐标；

获取从停车场入口到达所述空余车位的路线；其中，到达所述空余车位的路线至少包括一条，且各条路线至少包括一个通道；

根据每一条所述路线对应的所述通道交点的第一坐标，以及所述第二坐标，确定出所述路线中各所述通道的长度；

根据所述通道的长度，以及预设车速，得到通过所述通道的第一预测时长；

根据所述通道上的车辆数量，确定出参考延时时长，根据所述参考延时时长以及所述第一预测时长，得到通过所述通道的第二预测时长；

根据每一条所述路线中各通道对应的所述第二预测时长，得到所述路线对应的停车时长；

将最短的所述停车时长对应的所述路线，发送至当前用户的车载终端，以引导所述用户根据所述路线前往所述空余车位;

确定所述路线对应的车辆数据；在车辆数量大于预设车辆数量的情况下，确定所述路线发生临时拥堵；其中，所述车辆数据至少包括车辆数量、车间距，以及车辆单位时间行驶距离中的一项或多项；

将获取到的车辆数据输入时长预测模型，以获取拥堵时长；

以所述用户的当前位置为中心，确定出距离所述当前位置最近的空余车位；

获取从所述当前位置前往距离当前位置最近的空余车位的多条路线；

计算出所述多条路线分别对应的停车时长，以得到最短的停车时长；其中，所述最短的停车时长为从所述当前位置到达空余车位的时长；

将所述最短的停车时长与所述拥堵时长进行比对，若所述拥堵时长小于所述最短停车时长，则为所述用户发送继续等待信息，否则将所述最短的停车时长对应的路线发送至用户的车载终端。

2.根据权利要求1所述的一种应用于智慧停车的大数据分析方法，其特征在于，所述根据每一条所述路线对应的所述通道交点的第一坐标，以及所述第二坐标，确定出所述路线中各所述通道的长度，具体包括：

根据从所述停车场入口前往所述空余车位的路线方向，确定出所述路线中的第一坐标；

对相邻两个第一坐标进行横坐标差值计算或纵坐标差值计算；确定所述相邻两个第一坐标位置所在的直线，并计算出所述直线的斜率；

根据得到的坐标差值以及所述斜率，计算出所述相邻两个第一坐标之间的通道长度；

确定出所述路线中最后一个所述第一坐标，对所述第二坐标与最后一个所述第一坐标进行横坐标差值计算或纵坐标差值计算，得到所述路线中最后一个通道交点与所述空余车位之间的通道长度。

3.根据权利要求1所述的一种应用于智慧停车的大数据分析方法，其特征在于，所述根据所述通道上的车辆数量，确定出参考延时时长，具体包括：

根据所述通道上的车辆数量，以及获取到的前后相邻车辆之间的车间距，

得到所述通道上，不同行驶方向的车辆分别对应的平均车间距；其中，所述车辆数量包括，正向行驶的车辆的数量与反向行驶的车辆的数量；所述车间距为所述前后相邻车辆的车头之间的距离；

将得到的所述平均车间距、所述车辆的数量，与历史车辆数据进行比对，得到所述通道对应的参考延时时长；其中，所述历史车辆数据，至少包括所述通道在不同车辆数量、不同平均车间距的情况下，分别对应的参考延时时长。

4.根据权利要求1所述的一种应用于智慧停车的大数据分析方法，其特征在于，所述获取从停车场入口到达所述空余车位的路线，具体包括：

获取从所述停车场入口，行驶至所述空余车位的所有可行通道交点的集合；

基于所述可行通道交点的集合，得到可行通道集合；

根据所述可行通道交点的集合与所述可行通道集合，绘制从所述停车场入口行驶至所述空余车位的路线有向图；

根据所述路线有向图，得到从所述停车场入口行驶至所述空余车位的所有路线。

5.根据权利要求1所述的一种应用于智慧停车的大数据分析方法，其特征在于，所述根据用户选定的空余车位的信息，确定所述空余车位的中心点对应的第二坐标，具体包括：

根据车辆定位信息确定所述车辆当前所在停车场的地图信息，其中，所述地图信息包括所述车辆当前位置信息，所述地图信息至少包括所述车辆对应的当前坐标点，以及空余车位的坐标点，并为用户提供目标车位选择的选项信息；

在预设时长内，接收用户发送的目标车位信息，确定所述目标车位对应的第二坐标，以规划路径指引所述车辆前往所述目标车位；

若在所述预设时长内没有接收到所述用户发送的目标车位信息，将距离所述用户最近的空余车位作为所述用户的目标车位。

6.根据权利要求5所述的一种应用于智慧停车的大数据分析方法，其特征在于，所述将距离所述用户最近的空余车位作为所述用户的目标车位，具体包括：

将所述用户的当前位置坐标作为车位查找中心；

以所述车位查找中心为圆心，以预设第一长度为半径，确定出预设区域范围，以在所述预设区域范围内查找空余车位；

在所述范围内查找到多个空余车位的情况下，获取从所述车位查找中心前往各所述空余车位的多条路线，并将距离最短的路线所对应的空余车位，作为目标车位；

在所述预设区域范围内没有查找到空余车位的情况下，增加所述半径的长度，并在扩大后的范围内重新查找空余车位。

7.根据权利要求1所述的一种应用于智慧停车的大数据分析方法，其特征在于，所述根据用户选定的空余车位的信息，确定所述空余车位的中心点对应的第二坐标之前，所述方法还包括：

在当前停车场均不存在空余车位的情况下，获取所述停车场对应的预设时长内的历史车辆数量；

将所述预设时长划分为N个相同的第一时间段，并确定各时间段内的车辆数量，根据N-1个第一时间段分别对应的车辆数量，对第N个第一时间段内的车辆数量进行预测，得到预测结果，并将所述预测结果与第N个第一时间段内的实际结果进行比对，确定出数量差值；

计算所述数量差值与各预设差值的接近率，并确定出接近率最高的一个预设差值；其中，所述接近率为所述数量差值与各所述预设差值的比值；

根据所述历史车辆数据，预测在车辆等待时长为所述第一时间段后，所述停车场内的车辆数量，将预测车辆数量与所述接近率最高的一个预设差值进行计算，得到最终预测车辆数量；

根据所述最终预测车辆数量与所述停车场的车位数量，得到等待所述第一时间段后的预测空余车位数量；

根据当前用户的排队序号，与所述空余车位的数量，预测出所述当前用户的排队时长。

8.根据权利要求7所述的一种应用于智慧停车的大数据分析方法，其特征在于，所述根据当前用户的排队序号，与所述空余车位的数量，预测出所述当前用户的排队时长，具体包括：

对所述排队序号对应的数值，与等待所述第一时间段后的预测空余车位数量对应的数值，进行比值计算；

将得到的比值与所述等待时长进行乘积计算，以得到所述当前用户的排队时长。

9.一种应用于智慧停车的大数据分析设备，包括：

至少一个处理器；以及，

与所述至少一个处理器通信连接的存储器；其中，

所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够：

根据当前停车场中的通道交点，确定出所述通道交点对应的第一坐标，以及根据用户选定的空余车位的信息，确定所述空余车位的中心点对应的第二坐标；

获取从停车场入口到达所述空余车位的路线；其中，到达所述空余车位的路线至少包括一条，且各条路线至少包括一个通道；

根据每一条所述路线对应的所述通道交点的第一坐标，以及所述第二坐标，确定出所述路线中各所述通道的长度；

根据所述通道的长度，以及预设车速，得到通过所述通道的第一预测时长；

根据所述通道上的车辆数量，确定出参考延时时长，根据所述参考延时时长以及所述第一预测时长，得到通过所述通道的第二预测时长；

根据每一条所述路线中各通道对应的所述第二预测时长，得到所述路线对应的停车时长；

将最短的所述停车时长对应的所述路线，发送至当前用户的车载终端，以引导所述用户根据所述路线前往所述空余车位；

确定所述路线对应的车辆数据；在车辆数量大于预设车辆数量的情况下，确定所述路线发生临时拥堵；其中，所述车辆数据至少包括车辆数量、车间距，以及车辆单位时间行驶距离中的一项或多项；

将获取到的车辆数据输入时长预测模型，以获取拥堵时长；

以所述用户的当前位置为中心，确定出距离所述当前位置最近的空余车位；

获取从所述当前位置前往距离当前位置最近的空余车位的多条路线；

计算出所述多条路线分别对应的停车时长，以得到最短的停车时长；其中，所述最短的停车时长为从所述当前位置到达空余车位的时长；

将所述最短的停车时长与所述拥堵时长进行比对，若所述拥堵时长小于所述最短停车时长，则为所述用户发送继续等待信息，否则将所述最短的停车时长对应的路线发送至用户的车载终端。

Images