CN114664112A - 面向车库的车位推荐方法、服务器和存储介质 - Google Patents
面向车库的车位推荐方法、服务器和存储介质 Download PDFInfo
- Publication number
- CN114664112A CN114664112A CN202210260399.1A CN202210260399A CN114664112A CN 114664112 A CN114664112 A CN 114664112A CN 202210260399 A CN202210260399 A CN 202210260399A CN 114664112 A CN114664112 A CN 114664112A
- Authority
- CN
- China
- Prior art keywords
- parking
- target
- parking space
- vehicle
- recommendation
- 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.)
- Granted
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
- G08G1/145—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
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/01—Protocols
- H04L67/12—Protocols specially adapted for proprietary or special-purpose networking environments, e.g. medical networks, sensor networks, networks in vehicles or remote metering networks
-
- 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
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/10—Internal combustion engine [ICE] based vehicles
- Y02T10/40—Engine management systems
Abstract
本发明公开一种面向车库的车位推荐方法、服务器和存储介质。面向车库的车位推荐方法包括:获取目的地推荐请求及用户相关信息,目的地推荐请求及用户相关信息是在车辆离车库的定位距离小于设定阈值时,由车辆所发出的;基于目的地推荐请求建立相关的推荐目标,并基于用户相关信息输入相关参数;对推荐目标进行迭代求解以获取与目的地推荐请求对应的车位。上述面向车库的车位推荐方法,根据车辆发送的目的地推荐请求,构建推荐目标,并对推荐目标进行迭代求解以获取与所述目的地推荐请求对应的车位,可以建立综合性的规划目标函数,为用户提供更全面、人性化的推荐车位方案。
Description
技术领域
本发明涉及车位推荐技术领域,特别涉及一种面向车库的车位推荐方法、服务器和存储介质。
背景技术
目前,不同于室外导航以最短路径、最短时间为规划目的,室内导航需要综合考虑用户期望的目的地,如商场、车位、居民楼等多类型终点附近车位,并提供各类型的推荐方案。然而,完全依赖单类性能指标并不一定能够推荐合适的车位给用户,无法能够满足用户的需求。
发明内容
本发明提供一种面向车库的车位推荐方法、服务器和存储介质。
本发明的一种面向车库的车位推荐方法,用于服务器,所述车位推荐方法包括:获取目的地推荐请求及用户相关信息,所述目的地推荐请求及所述用户相关信息是在车辆离车库的定位距离小于设定阈值时,由所述车辆所发出的;
基于所述目的地推荐请求建立相关的推荐目标,并基于所述用户相关信息输入相关参数;
对所述推荐目标进行迭代求解以获取与所述目的地推荐请求对应的车位。
上述车位推荐方法,根据车辆发送的目的地推荐请求,构建推荐目标,并对推荐目标进行迭代求解以获取与所述目的地推荐请求对应的车位,可以建立综合性的规划目标函数,为用户提供更全面、人性化的推荐车位方案。
基于所述目的地推荐请求建立相关的推荐目标,包括:
根据所述目的地推荐请求从多个预设目标中选择对应的至少一个预设目标作为所述推荐目标,并确定所述多个预设目标的权重。
如此,能够根据目的地推荐请求确定多个预设目标的权重,为用户在车库停车提供了不同的推荐模式,方便用户根据自身需求进行选择。
所述多个预设目标包括最易停车目标、步行距离最短目标、就近停车目标、就近楼层停车目标和用户常停车位目标中的至少两个。
如此,能够较好地解决用户的需求,根据用户需求调整相关的推荐目标。
所述最易停车目标通过以下步骤获取:
遍历车库地图中的每一条道路;
统计每一条道路上的总车位数量;
接入车库停车系统,匹配对应道路,并获取所述对应道路上已占用车位数量;
以所述道路的已占用车位数量占所述道路的总车位数量的比例作为车位的最易停车指标,所述最易停车目标为所有车位的最易停车指标的集合的极小值。
如此,最易停车目标能够用于表示某条道路是否较易停车,以便于为车位的选择提供依据。
所述步行距离最短目标通过以下步骤获取:
获取用户所选择的目的地类型及车辆所在当前楼层;
根据所述目的地类型,获取车库地图中对应的目的地位置;
遍历当前楼层下所述目的地位置所在停车区域的车位位置;
计算所述目的地位置和所述车位位置之间的距离,所述步行距离最短目标为所有所述距离的集合的极小值。
如此,步行距离最短目标能够用于提供从车位至目的地距离最短的车位,以便于为车位的选择提供依据。
所述就近停车目标通过以下步骤获取:
根据车辆的定位数据,在车库地图中匹配车辆所在道路;
遍历车辆所在道路上的所有车位;
根据车库停车系统,判断道路上是否存在空闲车位;
若车辆所在道路上存在空闲车位,则取最近的车位为就近停车目标;
若车辆所在道路上无空闲车位,而在其他道路上存在空闲车位,则取车辆当前位置与所述空闲车位之间的距离最小的车位为就近停车目标。
如此,就近停车目标能够用于提供距离车辆最近的车位,以便于为车位的选择提供依据。
所述就近楼层停车目标通过以下步骤获取:
根据车辆的定位数据,在车库地图中匹配车辆所在楼层;
根据车辆所在楼层和车位所在的楼层编号获取车位的就近楼层停车指标,所述就近楼层停车目标为所有车位的就近楼层停车指标的集合的极小值。
如此,就近楼层停车目标能够用于提供车辆当前楼层或临近楼层的车位,以便于为车位的选择提供依据。
所述用户常停车位目标通过以下步骤获取:
基于所述用户相关信息,获取车位泊入次数;
基于所述车位泊入次数,计算对应的常停车位指标,所述用户常停车位目标是所有常停车指标的集合的极小值。
如此,用户常停车位目标能够用于提供用户较常使用的车位,以便于为车位的选择提供依据。
基于所述目的地推荐请求建立相关的推荐目标,包括:
基于所述推荐目标、所述权重、所述用户相关信息和预设单目标优化函数获取单目标优化函数;
对所述推荐目标进行迭代求解,包括:
基于单目标遗传算法对所述单目标优化函数进行迭代求解。
如此,能够综合推荐目标,获得单目标优化函数,为最后获得与目的地推荐请求对应的车位提供依据。
基于单目标遗传算法对所述单目标优化函数进行迭代求解,包括:
基于设定的约束条件和遗传算法初始化参数对所述单目标优化函数进行迭代求解以使得所述单目标优化函数的输出最小,进而获取所述目的地推荐请求对应的车位。
如此,能够迭代出较为优异的单目标优化函数,从而获取对应的车位。
所述约束条件包括以下至少一种:
在地图中所指向的元素信息与车库停车系统所指向的元素信息相同;
指标中各类长度、距离、占比的非负约束;
车辆投影点偏离道路两个路口节点之间的线段的距离小于距离阈值。
如此,能够对单目标优化函数进行约束。
所述初始化参数包括待求解参数的估值及上下限区域。
如此,能够避免迭代结果陷入局部最优解。
本发明的一种服务器,所述服务器包括处理器和存储器,所述存储器存储有计算机程序,所述计算机程序被所述处理器执行的情况下,实现上述任一项实施方式所述的车位推荐方法的步骤。
上述服务器,根据车辆发送的目的地推荐请求,构建推荐目标,并对推荐目标进行迭代求解以获取与所述目的地推荐请求对应的车位,可以建立综合性的规划目标函数,为用户提供更全面、人性化的推荐车位方案。
本发明的一种计算机可读存储介质,其上存储有计算机程序,所述程序被处理器执行时,实现上述任一的面向车库的车位推荐方法的步骤。
上述计算机可读存储介质,根据车辆发送的目的地推荐请求,构建推荐目标,并对推荐目标进行迭代求解以获取与所述目的地推荐请求对应的车位,可以建立综合性的规划目标函数,为用户提供更全面、人性化的推荐车位方案。
本发明的附加方面和优点将在下面的描述中部分给出,部分将从下面的描述中变得明显,或通过本发明的实践了解到。
附图说明
本发明上述的和/或附加的方面和优点从下面结合附图对实施例的描述中将变得明显和容易理解,其中:
图1是本发明的面向车库的车位推荐方法的流程示意图;
图2是本发明的服务器的模块示意图;
图3是本发明的车辆的结构示意图;
图4是本发明的面向车库的车位推荐方法的场景图;
图5是本发明的整合数据的过程的示意图;
图6是本发明的面向车库的车位推荐方法的另一流程示意图;
图7是本发明的面向车库的车位推荐方法的又一流程示意图;
图8是本发明的面向车库的车位推荐方法的又一流程示意图;
图9是本发明的就近停车目标的场景图;
图10是本发明的面向车库的车位推荐方法的又一流程示意图;
图11是本发明的面向车库的车位推荐方法的又一流程示意图;
图12是本发明的面向车库的车位推荐方法的又一流程示意图。
具体实施方式
下面详细描述本发明的实施例,所述实施例的示例在附图中示出,其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的,旨在用于解释本发明,而不能理解为对本发明的限制。
在本发明的实施方式的描述中,术语“第一”、“第二”仅用于描述目的,而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个所述特征。在本发明的实施方式的描述中,“多个”的含义是两个或两个以上,除非另有明确具体的限定。
请参阅图1至图3,本发明实施方式提供的一种面向车库的车位推荐方法,用于服务器1000,车位推荐方法包括步骤:
S10,获取目的地推荐请求及用户相关信息,目的地推荐请求及用户相关信息是在车辆100离车库的定位距离小于设定阈值时,由车辆100所发出的;
S20,基于目的地推荐请求建立相关的推荐目标,并基于用户相关信息输入相关参数;
S30,对推荐目标进行迭代求解以获取与目的地推荐请求对应的车位。
上述车位推荐方法,根据车辆100发送的目的地推荐请求,构建推荐目标,并对推荐目标进行迭代求解以获取与所述目的地推荐请求对应的车位,可以建立综合性的规划目标函数,为用户提供更全面、人性化的推荐车位方案。
具体的,不同于室外导航以最短路径、最短时间为规划目的,室内导航需要综合考虑用户期望的目的地,如商场、车位、居民楼等多类型终点附近车位,并提供各类型的推荐方案。再者,对于智能化程度较高的车辆100而言,能够获取的用户个性化交互信息和环境信息数量大幅增加,建立一种多维度信息融合的推荐方法,能够充分利用采集到的数据,大幅提高用户体验。
在本发明实施方式的车位推荐方法,能够基于目的地推荐请求以及用户相关信息,匹配用户导航需求,提供多推荐目标的车位推荐方法,为用户提供多样化的导航服务,满足不同人群的需求,为用户提供更全面、人性化的决策规划方案。
车辆100包括但不限于燃油汽车、增程式电动车、纯电动汽车、混合动力汽车、氢能源汽车等,在此不做具体限制。
在车辆100进入车库之前,会对当前城市中车库入口列表进行检索,当车辆100离车库入口的定位距离小于设定阈值时,认为车辆100可能将要进入该车库,因此车辆100向服务器1000发送目的地推荐请求以及用户相关信息。其中,目的地推荐请求用于启动车位推荐功能,目的地推荐请求的内容能够让服务器1000获知车辆100在请求获得推荐车位即可,目的地推荐请求的具体内容在此不做限定。用户相关信息可以包括用户在该车库历史停车情况、车辆100定位、车辆100VIN码、推荐模式等信息,能够在后续推荐车位的步骤中用到的信息都可以包括于用户相关信息中,在此就不一一列举了。定位距离可以通过GPS(Global Positioning System,全球定位系统)、北斗定位系统等定位系统来确定。
可以理解的,通常情况下,车库内的信号较车库外的信号弱,因而在车辆100在进入车库之前,即在车辆100离车库的定位距离小于设定阈值时,车辆100就向服务器1000发出目的地推荐请求以及用户相关信息,能够较为便捷的发出信息并更快速地获得推荐的车位。
进一步的,在车辆100的GPS信号减弱或者消失时,可以认为车辆100已经进入车库。此时,车辆100可以将可视化界面打开,以显示服务器1000发送的车位所在的车库编号、位置等。
值得说明的是,车辆100可以对服务器1000下发的信号进行匹配判断,若服务器1000下发的车位编号、类型等与车辆100存储或检测到的信息不符,则车辆100重新发出目的地推荐请求以及用户相关信息,服务器1000重新获取目的地推荐请求以及用户相关信息以重新推荐车位。若车辆100多次请求皆未成功或服务器1000输出的数据多次出错,则车辆100输出相关提示至用户,以便于用户获悉推荐车位出错。车辆100输出相关提示至用户的方式有很多,可以是车辆100在车辆内的显示部件上显示,可以是车辆100的语音助手进行播报,可以是车辆100通过与车辆100绑定的移动终端进行提示,在此不做具体限制。车辆内的显示部件,包括但不限于中控屏幕、仪表屏幕、副驾屏幕、挡风玻璃的HUD、后排的显示屏幕、车窗的玻璃、或者座舱内使用的投影幕布等其他车辆座舱内的显示部件等。
推荐目标的种类有很多,在一个实施方式中,推荐目标可以包括最易停车目标、步行距离最短目标、就近停车目标、就近楼层停车目标、用户常停车位目标,这些均会影响用户选择停车车位的目标,在此不做具体限制。推荐目标的内容可以由厂家预设,也可以由用户设定,还可以由售后人员进行更新修改,在此不做具体限制。
根据用户相关信息,可以获得如用户更常去哪个车位停车、车辆100当前位置、车辆100用户是否更在意步行短、车辆100用户是否更在意更快挺到车位上等信息,根据上述信息,能够获得与用户相关信息对应的相关参数。输入相关参数,使得服务器1000能够根据这些相关参数,推荐与车辆100当前状态和用户使用习惯较为匹配的车位。
可以理解的,在服务器1000进行获取与目的地推荐请求对应的车位时,还可以使用车库的地图数据、车库内车辆100流动信息、车位状态等信息。具体的,在某些实施方式中,请参阅图4,服务器1000包括系统后台,系统后台与已有地图采集资质的地图服务器实现通信,获得车库的地图数据,为整个车位推荐方法提供准确的地图信息。其中,地图信息包括底图数据、逻辑数据、功能数据等数据。系统后台同时与合作的停车系统服务器通讯,能够实现高并发的访问,并获得车库内车辆100流动信息、车位状态等。系统后台还可以从移动终端(如用户手机或用户车辆)同时获取用户相关信息,如车辆100信息、车辆100位置等;系统后台在整合上述信息后对上述信息进行分析,获得推荐车位所需的数据,在获取与目的地推荐请求对应的车位后,将推荐的车位下发至具体用户车辆100。
可以理解的,系统后台可以通过车辆100获取用户相关信息,系统后台也可以通过与车辆100绑定的移动终端获取用户相关信息,系统后台还可以通过车辆100以及与车辆100绑定的移动终端获取用户相关信息。此外,系统后台可以将获取的车位下发至车辆100,系统后台也可以将获取的车位下发至与车辆100绑定的移动终端,系统后台还可以将获取的车位下发至车辆100以及与车辆100绑定的移动终端。
具体的,地图服务器一般由具有地图采集资质的供应商或公司进行提供,对于目标场景进行信息采集和储存,支持访问及下载。地图服务器中提供的数据包含了车库环境中的各类元素,比如:道路(Links),路口(Joints),楼层(Floors),车位(Slots)等字段。对于每个字段而言,分别存在描述其特征的数据,比如ID、位置、所在楼层、甚至可能存在其包络轨迹等。
停车系统服务器一般为车库服务中心或第三方管理企业所提供,能够对车库内的车位占用情况、单个车辆100位置定位等数据进行查询及解析。本发明中默认系统服务能够与合作的停车系统服务器进行通讯、访问及查询。
用户相关信息一般由企业的车辆管理系统、车辆本地缓存两部分所提供。其中,车辆管理系统能够对车辆100的VIN码(Vehicle Identification Number,车辆100识别号)、定位数据进行获取,并与用户的个人信息所匹配;而车辆本地缓存能够储存用户常用车库、常用车位等个性化数据等。
在系统后台从地图服务器、停车系统服务器、车辆100或移动终端获得相关信息后,为了能够为用户提供个性化、综合性的数据,需要将停车系统数据、用户相关信息、地图数据储存成合理的数据体,供服务器1000查询并导入算法进行推荐。
其中,请参阅图5,以车位情况为例,各个服务器中对于车位编号的记录基本都是相似的,因而服务器1000在建表时,只需要分别查询地图服务器、停车系统服务器、车辆100或移动终端的侧编号信息,并把该编号车位的对应特征加入表中即可完成。
通过对地图服务器、停车系统服务器、车辆100或移动终端的车位数据进行整合,推荐算法能够对任意车位的编号、占用情况、停车次数等信息进行解析使用,为之后获取与目的地推荐请求对应的车位打下数据基础。
值得注意的是,由于车库可能因为改造、装修等因素导致新增或者减少部分车位编号,服务器1000在整合信息时,以地图数据中的车位编号数量为准,对于地图中未查询到的车位编号,将其的车位状态信息设置为“占用”,不予推荐。
在某些实施方式中,步骤20,包括步骤:
根据目的地推荐请求从多个预设目标中选择对应的至少一个预设目标作为推荐目标,并确定多个预设目标的权重。
如此,能够根据目的地推荐请求确定多个预设目标的权重,为用户在车库停车提供了不同的推荐模式,方便用户根据自身需求进行选择。
具体的,不同的预设目标的组合为用户在车库停车提供了不同的车位推荐模式,供客户按照不同的需求进行选择。然而,完全依靠单个预设目标不一定能够推荐合适的车位,比如,根据就近楼层性能目标的推荐策略,可能会得到当前楼层下随机的一个车位;再比如,根据最易停车目标,可能发现存在多条相同的路径,随机推荐一条路径中的任意一个车位给用户。因而可以发现,单目标决策方式虽然依照一定的逻辑模型去推荐,但并不一定能够完全满足用户的需求,鲁棒性较差。
选择对应的至少一个预设目标作为推荐目标,能够较好均衡需求,以供后续推荐更合理的车位。例如,结合就近停车目标和步行距离最短目标,服务器1000就能够推荐通往目的地的最近入口附近的车位。
推荐目标可以包括一个预设目标,也可以包括多个(两个或多于两个)预设目标。在推荐目标包括两个或两个以上预设目标时,各预设目标的权重可以相同,各预设目标的权重也可以不同。可以理解的,若推荐目标包括一个预设目标,则该预设目标的权重可以为1,其他不被包括的预设目标权重为0;若推荐目标包括两个预设目标,则上述两预设目标的权重可以为0.5和0.5,也可以为0.2和0.8,还可以为0.7和0.3,权重的具体数值可以根据用户选择模式不同进行调整,推荐目标包括多个预设目标时同理,在此不做具体赘述。
可以理解的,目的地推荐请求可以包括推荐模式信息。具体的,推荐模式信息用于表述用户对各个预设目标的关心程度,例如,若为步行最短的推荐模式,则推荐目标包括步行距离最短目标,即步行距离最短目标的权重可以为1或步行距离最短目标的权重大于其他预设目标的权重;若为优先考虑就近停车、其次考虑常停车位的推荐模式,则推荐目标可以包括就近停车目标以及用户常停车位目标,其中,就近停车目标的权重比用户常停车位目标的权重高,且用户常停车位目标的权重高于其他推荐目标的权重。值得说明的是,目的地推荐请求中包括的推荐模式信息,可以是在发出目的地推荐请求之前,提示用户在车辆100或与车辆100绑定的移动终端上选取的,也可以是用户提前设置的,还可以是厂家根据用户使用习惯设置的,推荐模式信息的获得方式在此不做具体限制。
进一步的,多个预设目标包括最易停车目标、步行距离最短目标、就近停车目标、就近楼层停车目标和用户常停车位目标中的至少两个。
如此,能够较好地解决用户的需求,根据用户需求调整相关的推荐目标。
具体的,采用不同的预设目标能够获得不同的推荐的车位,例如,预设目标为最易停车目标和最短步行距离目标,服务器1000会推荐能够通往目的地的最近入口附近的车位。
在某些实施方式中,请参阅图6,最易停车目标通过以下步骤获取:
S41,遍历车库地图中的每一条道路;
S43,统计每一条道路上的总车位数量;
S45,接入车库停车系统,匹配对应道路,并获取对应道路上已占用车位数量;
S47,以道路的已占用车位数量占道路的总车位数量的比例作为车位的最易停车指标,最易停车目标为所有车位的最易停车指标的集合的极小值。
如此,最易停车目标能够用于表示某条道路是否较易停车,以便于为车位的选择提供依据。
具体的,通过车场的停车系统,可以获得车场内车位的状态,并以此提供推荐路径的规划方案。然而,考虑到车场内车辆100流动情况变化迅速,尤其对于中大型车库的停车系统,难以做到车位状态的实时更新,也无法保证能够获取到当前时刻准确的车位数据;同时,也存在车位状态误判的情况,车位信息的置信度可能无法达到期望值;再者,用户在行驶过程中,可能存在其他车辆100已经停至系统推荐车位的情况,造成推荐车位失效,影响用户体验。因而,尽管车库的车位系统为我们提供了全局的车位信息,但实际的环境状态仍可能与在线获取的数据存在较大差异。
由于这种真实车位数据与在线数据的偏差,可能存在用户行驶车辆100至推荐车位后发现该车位不可用的情况。因而在决策推荐车位的过程中,可以提供最易停车目标,以为用户提供空闲车位较多的道路的选择,使得用户在指定的推荐车位不可用时,能够方便地泊入其他车位完成停车。
可以理解的,能够用某条道路上已占用车位与该条道路总车位数量的比值评判该条道路容易停车的程度。因此,将第i条道路Li上的车位总数定义为与车辆100对应的道路定义为Li,并记该道路上已占用车位数量为空闲车位为对于道路Li上的任一个车位k的最易停车指标都可以表示为:
因此,最易停车目标函数可以表示为
g1(X)=min(N)N={N0,N1,L,Nk,L}
其中,N为每个车位最易停车目标的集合。这种通过概率代替某个车位的实际状态的方式,能够成功规避因车位状态置信度不够导致的数据误差的问题。
值得说明的是,道路的总车位数量的获取方式有很多,可以在获取已占用车位数量时一同获取,也可以在获取已占用车位数量时获取空闲车位,根据已占用车位数量以及空闲车位的数量确定,在此就不一一列举了。
在某些实施方式中,请参阅图7,步行距离最短目标通过以下步骤获取:
S51,获取用户所选择的目的地类型及车辆100所在当前楼层;
S53,根据目的地类型,获取车库地图中对应的目的地位置;
S55,遍历当前楼层下目的地位置所在停车区域的车位位置;
S57,计算目的地位置和车位位置之间的距离,步行距离最短目标为所有距离的集合的极小值。
如此,步行距离最短目标能够用于提供从车位至目的地距离最短的车位,以便于为车位的选择提供依据。
具体的,对于有确定目的如商超购物、返回住宅等的用户而言,应该为其提供距离商超入口/电梯/步行通道最近的车位,使得用户离开车辆100与返回车辆100所需的路程尽可能短。可以基于车场地图和车库停车系统,获得距离目的地最近的空闲车位,并为给用户提供相应的规划路线。
获取用户所选择的目的地类型的方式有很多,可以通过与用户语音交互获得,也可以由用户向车辆100或与车辆100绑定的移动终端手动输入目的地、还可以由用户点击交互屏幕选择目的地、还可以是到该处车库自动获得预设的目的地类型等,在此不做具体赘述。
目的地类型可以包括车位、电梯、商场、洗衣房、充电桩等内容。可以理解的,用户需要去充电桩充电,通常情况无需指定特定充电桩,能够为用户导航至任一充电桩皆可,因而目的地类型用于指示用户想去的目的地的大概念,以便于后续根据目的地类型获得具体的目的地位置。例如,目的地类型为充电桩,则目的地位置为具体的充电桩位置。
可以理解的,步骤53可以省略,在步骤51中获取用户所选择的目的地类型的同时,获得目的地位置。在该种情况下,用户在选择目的地类型的同时指定了目的地位置。例如,用户在选择目的地类型为电梯时,指定了电梯的具体位置,此时,无需根据目的地类型获取目的地位置,即在获取目的地类型为电梯的同时获取目的地位置电梯的具体位置。
可以理解的,步行最短的车位应当在目的地位置附近区域,因而遍历当前楼层下目的地位置所在停车区域的车位位置,可以无需遍历当前楼层下全部停车区域的车位位置。
可以用目的地位置与车位之间的距离表示步行距离。因此,记第j个目的地的位置信息为遍历当前楼层下所在停车区域附近的车位,记第k个车位的位置为因此,用欧几里得范数表征在地图中当前楼层目的地所在区域中第k个车位位置到第j个目的地位置的距离
因而步行距离最短的目标函数可以表示为
g2(X)=min(L)L={0L0,0L1,L,1L0,1L1,L,jLk,L}
值得说明的是,考虑到用户能够自主穿越空闲车位、窄道的能力,无需完全步行在道路上,因此可以直接比较两者直线距离以代表车位与目的地位置之间的步行距离的长短。
在某些实施方式中,请参阅图8,就近停车目标通过以下步骤获取:
S61,根据车辆100的定位数据,在车库地图中匹配车辆100所在道路;
S62,遍历车辆100所在道路上的所有车位;
S63,根据车库停车系统,判断道路上是否存在空闲车位;
S64,若车辆100所在道路上存在空闲车位,则取最近的车位为就近停车目标;
S65,若车辆100所在道路上无空闲车位,而在其他道路上存在空闲车位,则取车辆100当前位置与空闲车位之间的距离最小的车位为就近停车目标。
如此,就近停车目标能够用于提供距离车辆100最近的车位,以便于为车位的选择提供依据。
具体的,对于需要临时停车或者短时间停留的用户而言,应为其提供距离车辆100最近的空闲车位,然而对于车辆100而言,需要沿着道路行驶,因而比较在车位远近时,需要根据车辆100所需通过的道路总长度作为标准。
可以理解的,最近的推荐停车位处于当前车辆100所在道路上,因而优先在车库停车系统中搜索当前道路上空闲车位,如果未找到,则搜索相邻道路上的车位,反复迭代,获得最终的搜索结果。
值得说明的是,可以通过如下步骤实现根据车辆100的定位数据,匹配车辆100所在道路:
遍历地图中车辆100所在楼层及所在区域的所有道路,获取各道路的两个顶点;
计算车辆100实际位置与各道路的两个顶点之间的距离;
在距离最小且小于距离偏差阈值,且投影点位置在对应的道路上时,确定车辆100在对应的道路上。
如此,能够实现在车辆100所在楼层对车辆100所在道路进行匹配,从而方便后续路径规划。
具体的,遍历地图中车辆100所在楼层及所在区域的所有道路,取出第i条道路Li索引,获得该条道路的两个顶点APi L与BPi L,计算P*到APi L与BPi L所在道路Li的距离若能够满足最小,且最小值小于所设定的距离偏差阈值Te,投影点也在该道路Li上时,则认为当前车辆100在第i条道路上。
具体的,偏差阈值Te可以根据车辆100的尺寸、对误差的容忍度等因素进行调整,在此不做具体限定。偏差阈值Te用于表示判断车辆100位于所匹配道路上的情况下,能够容忍的车辆100实际位置与所匹配的道路之间的最大距离,例如,偏差阈值Te为0.3m的情况下,车辆100实际位置P*与道路Li距离0.5m,则判断车辆100不位于道路Li上;偏差阈值Te为0.3m的情况下,车辆100实际位置P*与道路Li距离0.2m,则在投影点在道路上时,确定车辆100位于道路Li上。
其中ε是裕量,若ε为0,则代表投影点必须位于APi L与BPi L所连线段上。然而由于实际车辆100位置存在一定定位误差,难以准确匹配到道路上,增加裕量ε,允许投影点偏离线段部分距离,增加系统鲁棒性。
值得说明的是,若不限定投影点位置需要在对应的道路上,则可能会出现车辆100实际位置位于某条道路所在方向的直线上,实际上和某条道路相距甚远,则会出现匹配道路误差很大的问题。
此外,为了减少搜索的次数,可以在地图中进行划分,如上述将地图按照楼层划分,还可以在每层楼的地图中按照区域划分,使得在遍历地图中车辆100所在楼层及所在区域的所有道路时,仅需遍历该区域内的所有道路,无需遍寻该层楼内的所有道路。
获得就近停车目标分为三种情况,分别是:车辆100所在道路上存在空闲车位;车辆100所在道路上无在空闲车位,但相邻道路上存在空闲车位;车辆100所在道路和相邻道路上都不存在空闲车位,继续遍历下一级相邻车位,直至寻找到推荐车位。
首先,车辆100所在道路Li上存在空闲车位,则取最近的车位为目标车位,表达为:
其次,车辆100所在道路Li上无在空闲车位,但相邻道路上存在空闲车位,则车辆100到相邻道路上车位的距离为车辆100当前位置到路口的距离ds与空闲车位到路口距离de的总和,最近的车位表达为
再次,车辆100所在道路Li和相邻道路上都不存在空闲车位,继续遍历下一级相邻车位,直至寻找到推荐车位,此时车辆100到空闲车位的距离为车辆100当前位置到邻接路口的距离ds与空闲车位到邻接路口距离ds的总和,再加上所经过的道路长度总和其中表示在编号m的地图中路口与所在的道路,因而最近的车位表达为
综上,就近停车目标可以表示为:
为方便理解,请参阅图9,其中,一级路口为临近车辆100位置的路口,二级路口为临近一级路口的路口。以车辆100从当前位置行驶至目标车位为例,车辆100至相邻的一级路口的距离为ds,从一级路口至目标车位的距离为de,图中所示为车辆100所在道路上无空闲车位,但相邻道路上存在空闲车位的情况,此时,就近停车目标为车辆100当前位置到路口的距离ds与空闲车位到路口距离de的总和。
在某些实施方式中,请参阅图10,就近楼层停车目标通过以下步骤获取:
S71,根据车辆100的定位数据,在车库地图中匹配车辆100所在楼层;
S73,根据车辆100所在楼层和车位所在的楼层编号获取车位的就近楼层停车指标,就近楼层停车目标为所有车位的就近楼层停车指标的集合的极小值。
如此,就近楼层停车目标能够用于提供车辆100当前楼层或临近楼层的车位,以便于为车位的选择提供依据。
具体的,对于车库而言,可供车辆100通行的上下层通道往往设置较少,在车辆100流动的高峰期,该通道路口处容易出现堵塞的情况。因而需要将推荐车位的楼层考虑成一部分影响因素。
对于用户车辆100而言,能够在当前楼层进行停车理论上为最优解,而不同楼层车位的优先级会随着楼层差的增大而减小。定义车辆100当前所在楼层编号为F*,定义编号为k的车位所在的楼层编号为则对于任意一个车位的就近楼层停车指标可以表示为:
在某些实施方式中,请参阅图11,用户常停车位目标通过以下步骤获取:
S81,基于用户相关信息,获取车位泊入次数;
S83,基于车位泊入次数,计算对应的常停车位指标,用户常停车位目标是所有常停车指标的集合的极小值。
如此,用户常停车位目标能够用于提供用户较常使用的车位,以便于为车位的选择提供依据。
具体的,对于用户经常往返的场所,如公司、住宅等,应考虑常用车位指标,一方面,用户对于常用的车位附近场景较为熟悉,便于快速进行行动;另一方面,用户会优化考虑泊入如Vip车位、个人购买的车位等常用车位。可以理解的,用户相关信息内可以包括车位泊入次数的相关信息,用户相关信息能够存储于车辆100或服务器1000,在进行车辆100推荐时,根据该数据分析获得车位泊入次数。
容易想到的,如果一个车位的泊入次数为0,则代表用户未泊入过该车位;随着泊入次数的增加,用户对该车位的熟悉程度将不断增加,且在初始几次泊入的过程中,熟悉程度将快速增加。定义对于车位k的泊入次数为可以用以下表达式说明用户常停车位情况:
在某些实施方式中,S20,包括步骤:
基于推荐目标、权重、用户相关信息和预设单目标优化函数获取单目标优化函数;
S30,包括步骤:
基于单目标遗传算法对单目标优化函数进行迭代求解。
如此,能够综合推荐目标,获得单目标优化函数,为最后获得与目的地推荐请求对应的车位提供依据。
具体的,不同的预设目标为用户在车库停车提供了不同的车位推荐模式,供其按照不同的需求进行选择。可以理解的,若仅罗列上述多个预设目标,则求解后会得到推荐车位解集,而非单个车位,为了将多个预设目标归一化,可以采用加权平方和的方式将多目标问题转化为单目标优化函数,规避因Pareto问题(帕累托问题)带来的多解问题,在推荐目标包括五个预设目标时,表达式如下所示:
其中,gi*、gimax、gimin和wi分别为第i个预设目标函数期望值、极大值、极小值以及权重。可以理解的,各预设目标的权重可以根据用户选择的车位推荐模式进行调整,例如用户选择最易停车和就近停车模式,则最易停车目标和就近停车目标的权重可以分别为0.5和0.5,可以理解的,用户还可以选择优先最易停车,则最易停车目标的权重较就近停车目标的权重大。
可以理解的,在求解过程中会用到参数,而参数的具体数值可以根据地图服务器、停车系统提供的数据值、数据的置信度及相关设计经验,对于单目标遗传算法中强约束参数值进行设定,从而通过单目标遗传算法进行优化,以使得函数输出值能够更加贴近用户使用体验。具体的,搭建单目标遗传算法,令种群规模为n,父代在区域范围内均匀分布,定义最大迭代次数为m,最大迭代误差为e,交叉概率为pc,变异概率为pv。
值得说明的是,采用单目标遗传算法使得计算量较小,且输出为全局最优解而非一个解集,能够综合考虑各个预设目标和各自约束值。
进一步的,基于单目标遗传算法对单目标优化函数进行迭代求解,包括步骤:
基于设定的约束条件和遗传算法初始化参数对单目标优化函数进行迭代求解以使得单目标优化函数的输出最小,进而获取目的地推荐请求对应的车位。
如此,能够迭代出较为优异的单目标优化函数,从而获取对应的车位。
具体的,约束条件包括以下至少一种:
在地图中所指向的元素信息与车库停车系统所指向的元素信息相同;
指标中各类长度、距离、占比的非负约束;
车辆100投影点偏离道路两个路口节点之间的线段的距离小于距离阈值。
如此,能够对单目标优化函数进行约束。
具体的,需要保证在地图中所指向的元素信息与车库停车系统所指向的元素信息相同,以使得将地图中车位与车库停车系统中车位对应。即对于元素集合X而言,在地图中所指向的元素信息M(X)与车库提供的车位系统所指向的元素信息S(X)应相同,可以用如下公式表达:
M(X)-S(X)=0
其次,各种长度、距离、占比等数值不应该为负数,因此添加指标中各类长度、距离、占比的非负约束。
再次,为了保证车辆100投影点位于两个路口节点之间,即保证车辆100位于当前道路上,而非车辆100位于当前道路延长线上,需要限定车辆100投影点偏离道路两个路口节点之间的线段的距离小于距离阈值,即对于车辆100投影点与道路的两个路口节点坐标APi L与BPi L,应满足:
其中ε是裕量,若ε为0,则代表投影点必须位于APi L与BPi L所连线段上。然而由于实际车辆100位置存在一定定位误差,难以准确匹配到道路上,增加裕量ε,允许投影点偏离线段部分距离,增加系统鲁棒性。值得说明的是,在叙述就近停车目标的内容中具体解释了上述公式,再次就不具体赘述了。
可以理解的,将上述约束条件和目标函数整理,可以获得如下单目标优化表达式:
在某个实施方式中,MinimizeG(X)相当于第三行为等式约束,可以用于表示在地图中所指向的元素信息与车库停车系统所指向的元素信息相同的约束,第四行单边约束,可以用于表示指标中各类长度、距离、占比的非负约束,第五行的双边约束,可以用于表示车辆100投影点偏离道路两个路口节点之间的线段的距离小于距离阈值的约束。当然,单目标优化表达式还可以包括其他约束以及目标函数表达,其根据需要进行调整,在此不做具体限制。
进一步的,初始化参数包括待求解参数的估值及上下限区域。
如此,能够避免迭代结果陷入局部最优解。
具体的,在进行单目标遗传算法迭代过程中,可能会因“早熟”现象导致迭代结果陷入局部最优解,在优化分析时,给定待求解参数的估值及上下限区域,以提高计算准确率及效率。其中,参数的初始化值可以根据项目所用的数据规模大小、数据特征等因素设定,交叉、变异的概率可以根据经验值设定,在某个实施方式中,交叉以及变异的概率为3%-5%。迭代误差根据所需精度、和所用到的数据精度所设定,如所设定的距离误差值可以定为0.0001m;上下限区域根据实际情况进行限定。
请参阅图12,图12所示的是本发明具体实施例的流程图。
根据停车系统数据、地图数据、用户相关信息分析多预设目标优化问题,其中,该步骤可以由获取到车辆100发出的目的地推荐请求时启动,多预设目标可以包括最易停车目标、步行距离最短目标、就近停车目标等;
根据多预设目标优化问题,构建单目标优化函数,可以通过加权平方和的方式构建单目标优化函数;
分析约束条件,如指标中各类长度、距离、占比的非负约束、在地图中所指向的元素信息与车库停车系统所指向的元素信息相同约束等;
进行单目标遗传算法迭代优化;
判断是否满足约束条件,若否,则刷新数据重新配置参数;
若是,则记录参数组Xi、目标函数值G(Xi)以及迭代次数i++,其中,Xi可以用于表述输出的车位,目标函数值G(Xi)用于表示车位所对应的值;
判断迭代次数是否到达m次,若否则继续迭代;
若是,则获得m次迭代中最小的目标函数值G(Xi);
根据最小的目标函数值G(Xi),输出与最小的目标函数值G(Xi)对应的车位。
值得说明的是,最小的目标函数值可以为一个,也可以为多个并列最小,在只有一个最小目标函数值时,输出的车位为一个,在有多个最小目标函数值时,输出的车位可以为多个。
综上所述,本发明实施方式的车位推荐方法至少可以实现如下技术效果:
首先,多预设目标车位推荐方法:提供了最易停车目标、步行距离最短目标、就近停车目标、就近楼层停车目标和用户常停车位目标,为用户提供了多元化的、适合车库使用的目的地推荐模型;
其次,基于遗传算法的车位综合性推荐算法:对于上述多个预设目标进行统一,建立了综合性的单目标推荐模型,该方法能够规避不适合用户的车位,较为全面地根据用户个人情况进行推荐;本发明还利用遗传算法对该优化模型进行求解,避免了多解问题和“早熟”现象,获得可靠度高的全局最优解。
再次,针对室内车库导航痛点问题,为用户提供了一种鲁棒性高(多目标融合能规避奇异解问题)、可拓展性强、目的地类别多(车位/电梯/入口等)的综合性推荐方法。
又次,综合用户车辆本地数据、地图服务器、停车系统服务器等多端数据,为推荐算法提供了全面的数据支持及综合考量。
本发明的一种服务器1000,包括处理器200和存储器300。存储器300存储有计算机程序,计算机程序被处理器200执行的情况下,实现上述任一实施方式所述的车位推荐方法的步骤。
上述服务器1000,根据车辆100发送的目的地推荐请求,构建推荐目标,并对推荐目标进行迭代求解以获取与所述目的地推荐请求对应的车位,可以建立综合性的规划目标函数,为用户提供更全面、人性化的推荐车位方案。
本发明的一种计算机可读存储介质,其上存储有计算机程序,程序被处理器200执行时,实现上述任一实施方式的车位推荐方法的步骤。
上述存储介质,根据车辆100发送的目的地推荐请求,构建推荐目标,并对推荐目标进行迭代求解以获取与所述目的地推荐请求对应的车位,可以建立综合性的规划目标函数,为用户提供更全面、人性化的推荐车位方案。
计算机可读存储介质可设在车辆100,也可设在云端服务器1000。车辆100能够与云端服务器1000进行通讯来获取到相应的程序。可以理解,计算机程序包括计算机程序代码。计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。计算机可读存储介质可以包括:能够携带计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、以及软件分发介质等。
计算机可读存储介质可以是任何可以包含、存储、通信、传播或传输程序以供指令执行系统、装置或设备或结合这些指令执行系统、装置或设备而使用的装置。计算机可读存储介质的更具体的示例(非穷尽性列表)包括以下:具有一个或多个布线的电连接部(电子装置),便携式计算机盘盒(磁装置),随机存取存储器(RAM),只读存储器(ROM),可擦除可编辑只读存储器(EPROM或闪速存储器),光纤装置,以及便携式光盘只读存储器(CDROM)。另外,计算机可读存储介质甚至可以是可在其上打印所述程序的纸或其他合适的介质,因为可以例如通过对纸或其他介质进行光学扫描,接着进行编辑、解译或必要时以其他合适方式进行处理来以电子方式获得所述程序,然后将其存储在计算机存储器300中。
需要说明的是,上述对车位推荐方法的实施方式和有益效果的说明,也适应于本发明实施方式的服务器1000和计算机可读介质,为避免冗余,在此不再详细展开。
在本说明书的描述中,参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外,在不相互矛盾的情况下,本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为,表示包括一个或更多个用于实现特定逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分,并且本发明的优选实施方式的范围包括另外的实现,其中可以不按所示出或讨论的顺序,包括根据所涉及的功能按基本同时的方式或按相反的顺序,来执行功能,这应被本发明的实施例所属技术领域的技术人员所理解。
尽管上面已经示出和描述了本发明的实施例,可以理解的是,上述实施例是示例性的,不能理解为对本发明的限制,本领域的普通技术人员在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。
Claims (14)
1.一种面向车库的车位推荐方法,用于服务器,其特征在于,所述车位推荐方法包括:
获取目的地推荐请求及用户相关信息,所述目的地推荐请求及所述用户相关信息是在车辆离车库的定位距离小于设定阈值时,由所述车辆所发出的;
基于所述目的地推荐请求建立相关的推荐目标,并基于所述用户相关信息输入相关参数;
对所述推荐目标进行迭代求解以获取与所述目的地推荐请求对应的车位。
2.根据权利要求1所述的车位推荐方法,其特征在于,基于所述目的地推荐请求建立相关的推荐目标,包括:
根据所述目的地推荐请求从多个预设目标中选择对应的至少一个预设目标作为所述推荐目标,并确定所述多个预设目标的权重。
3.根据权利要求2所述的车位推荐方法,其特征在于,所述多个预设目标包括最易停车目标、步行距离最短目标、就近停车目标、就近楼层停车目标和用户常停车位目标中的至少两个。
4.根据权利要求3所述的车位推荐方法,其特征在于,所述最易停车目标通过以下步骤获取:
遍历车库地图中的每一条道路;
统计每一条道路上的总车位数量;
接入车库停车系统,匹配对应道路,并获取所述对应道路上已占用车位数量;
以所述道路的已占用车位数量占所述道路的总车位数量的比例作为车位的最易停车指标,所述最易停车目标为所有车位的最易停车指标的集合的极小值。
5.根据权利要求3所述的车位推荐方法,其特征在于,所述步行距离最短目标通过以下步骤获取:
获取用户所选择的目的地类型及车辆所在当前楼层;
根据所述目的地类型,获取车库地图中对应的目的地位置;
遍历当前楼层下所述目的地位置所在停车区域的车位位置;
计算所述目的地位置和所述车位位置之间的距离,所述步行距离最短目标为所有所述距离的集合的极小值。
6.根据权利要求3所述的车位推荐方法,其特征在于,所述就近停车目标通过以下步骤获取:
根据车辆的定位数据,在车库地图中匹配车辆所在道路;
遍历车辆所在道路上的所有车位;
根据车库停车系统,判断道路上是否存在空闲车位;
若车辆所在道路上存在空闲车位,则取最近的车位为就近停车目标;
若车辆所在道路上无空闲车位,而在其他道路上存在空闲车位,则取车辆当前位置与所述空闲车位之间的距离最小的车位为就近停车目标。
7.根据权利要求3所述的车位推荐方法,其特征在于,所述就近楼层停车目标通过以下步骤获取:
根据车辆的定位数据,在车库地图中匹配车辆所在楼层;
根据车辆所在楼层和车位所在的楼层编号获取车位的就近楼层停车指标,所述就近楼层停车目标为所有车位的就近楼层停车指标的集合的极小值。
8.根据权利要求3所述的车位推荐方法,其特征在于,所述用户常停车位目标通过以下步骤获取:
基于所述用户相关信息,获取车位泊入次数;
基于所述车位泊入次数,计算对应的常停车位指标,所述用户常停车位目标是所有常停车指标的集合的极小值。
9.根据权利要求2所述的车位推荐方法,其特征在于,基于所述目的地推荐请求建立相关的推荐目标,包括:
基于所述推荐目标、所述权重、所述用户相关信息和预设单目标优化函数获取单目标优化函数;
对所述推荐目标进行迭代求解,包括:
基于单目标遗传算法对所述单目标优化函数进行迭代求解。
10.根据权利要求9所述的车位推荐方法,其特征在于,基于单目标遗传算法对所述单目标优化函数进行迭代求解,包括:
基于设定的约束条件和遗传算法初始化参数对所述单目标优化函数进行迭代求解以使得所述单目标优化函数的输出最小,进而获取所述目的地推荐请求对应的车位。
11.根据权利要求10所述的车位推荐方法,其特征在于,所述约束条件包括以下至少一种:
在地图中所指向的元素信息与车库停车系统所指向的元素信息相同;
指标中各类长度、距离、占比的非负约束;
车辆投影点偏离道路两个路口节点之间的线段的距离小于距离阈值。
12.根据权利要求10所述的车位推荐方法,其特征在于,所述初始化参数包括待求解参数的估值及上下限区域。
13.一种服务器,其特征在于,所述服务器包括处理器和存储器,所述存储器存储有计算机程序,所述计算机程序被所述处理器执行的情况下,实现权利要求1-12任一项所述的车位推荐方法的步骤。
14.一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计算机程序,所述计算机程序被处理器执行时实现权利要求1-12任一项所述的车位推荐方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210260399.1A CN114664112B (zh) | 2022-03-16 | 2022-03-16 | 面向车库的车位推荐方法、服务器和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210260399.1A CN114664112B (zh) | 2022-03-16 | 2022-03-16 | 面向车库的车位推荐方法、服务器和存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114664112A true CN114664112A (zh) | 2022-06-24 |
CN114664112B CN114664112B (zh) | 2023-09-12 |
Family
ID=82028614
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210260399.1A Active CN114664112B (zh) | 2022-03-16 | 2022-03-16 | 面向车库的车位推荐方法、服务器和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114664112B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116389568A (zh) * | 2023-05-31 | 2023-07-04 | 广东鑫兴科技有限公司 | 共享停车的信息推送方法、装置、电子设备及存储介质 |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105303873A (zh) * | 2015-09-07 | 2016-02-03 | 广东欧珀移动通信有限公司 | 一种停车位推荐方法及移动终端 |
CN108831185A (zh) * | 2018-06-19 | 2018-11-16 | 深圳市元征科技股份有限公司 | 一种停车场推荐方法、系统及设备和存储介质 |
CN110246362A (zh) * | 2019-05-31 | 2019-09-17 | 深圳市赛亿科技开发有限公司 | 一种停车场车位智能分配方法及系统 |
KR102048020B1 (ko) * | 2018-12-18 | 2019-12-04 | 주식회사 트위니 | 주차장 안내 내비게이션 방법 및 시스템 |
CN111047903A (zh) * | 2019-12-06 | 2020-04-21 | 珠海格力电器股份有限公司 | 停车位查找方法、系统、存储介质、电子设备及导航方法 |
CN111063202A (zh) * | 2019-12-11 | 2020-04-24 | 南京市德赛西威汽车电子有限公司 | 一种基于电子地图的智能泊车管理方法 |
CN111627246A (zh) * | 2020-06-12 | 2020-09-04 | 桂林电子科技大学 | 基于图像识别与用户偏好的智能车位推荐方法 |
CN112185162A (zh) * | 2020-09-18 | 2021-01-05 | 厦门路桥信息股份有限公司 | 停车位预约推荐方法及系统 |
CN112396862A (zh) * | 2021-01-19 | 2021-02-23 | 武汉中科通达高新技术股份有限公司 | 停车管理方法及装置 |
CN113240936A (zh) * | 2021-05-12 | 2021-08-10 | 北京百度网讯科技有限公司 | 停车区域推荐方法、装置、电子设备和介质 |
CN113851016A (zh) * | 2021-10-29 | 2021-12-28 | 中国联合网络通信集团有限公司 | 泊车管理方法、装置、电子设备及存储介质 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR101428373B1 (ko) * | 2013-03-19 | 2014-08-07 | 현대자동차주식회사 | 주차가능구획 판단 장치 및 방법 |
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 |
CN108470444B (zh) * | 2018-03-21 | 2019-03-08 | 特斯联(北京)科技有限公司 | 一种基于遗传算法优化的城市区域交通大数据分析系统与方法 |
CN109754638B (zh) * | 2019-02-19 | 2020-09-22 | 浙江大学城市学院 | 一种基于分布式技术的停车位分配方法 |
-
2022
- 2022-03-16 CN CN202210260399.1A patent/CN114664112B/zh active Active
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105303873A (zh) * | 2015-09-07 | 2016-02-03 | 广东欧珀移动通信有限公司 | 一种停车位推荐方法及移动终端 |
CN108831185A (zh) * | 2018-06-19 | 2018-11-16 | 深圳市元征科技股份有限公司 | 一种停车场推荐方法、系统及设备和存储介质 |
KR102048020B1 (ko) * | 2018-12-18 | 2019-12-04 | 주식회사 트위니 | 주차장 안내 내비게이션 방법 및 시스템 |
CN110246362A (zh) * | 2019-05-31 | 2019-09-17 | 深圳市赛亿科技开发有限公司 | 一种停车场车位智能分配方法及系统 |
CN111047903A (zh) * | 2019-12-06 | 2020-04-21 | 珠海格力电器股份有限公司 | 停车位查找方法、系统、存储介质、电子设备及导航方法 |
CN111063202A (zh) * | 2019-12-11 | 2020-04-24 | 南京市德赛西威汽车电子有限公司 | 一种基于电子地图的智能泊车管理方法 |
CN111627246A (zh) * | 2020-06-12 | 2020-09-04 | 桂林电子科技大学 | 基于图像识别与用户偏好的智能车位推荐方法 |
CN112185162A (zh) * | 2020-09-18 | 2021-01-05 | 厦门路桥信息股份有限公司 | 停车位预约推荐方法及系统 |
CN112396862A (zh) * | 2021-01-19 | 2021-02-23 | 武汉中科通达高新技术股份有限公司 | 停车管理方法及装置 |
CN113240936A (zh) * | 2021-05-12 | 2021-08-10 | 北京百度网讯科技有限公司 | 停车区域推荐方法、装置、电子设备和介质 |
CN113851016A (zh) * | 2021-10-29 | 2021-12-28 | 中国联合网络通信集团有限公司 | 泊车管理方法、装置、电子设备及存储介质 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116389568A (zh) * | 2023-05-31 | 2023-07-04 | 广东鑫兴科技有限公司 | 共享停车的信息推送方法、装置、电子设备及存储介质 |
CN116389568B (zh) * | 2023-05-31 | 2023-10-20 | 广东鑫兴科技有限公司 | 共享停车的信息推送方法、装置、电子设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN114664112B (zh) | 2023-09-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10290073B2 (en) | Providing guidance for locating street parking | |
US10769950B1 (en) | System and method for identifying available parking locations | |
US10639995B2 (en) | Methods, circuits, devices, systems and associated computer executable code for driver decision support | |
CN111413959B (zh) | 任意点至任意点的全局路径规划、泊车方法及系统 | |
US20070083326A1 (en) | Optimal route calculation based upon cohort analysis | |
US20040143560A1 (en) | Path searching system using multiple groups of cooperating agents and method thereof | |
US20110246404A1 (en) | Method for Allocating Trip Sharing | |
CN111123198B (zh) | 一种楼宇内的用户定位导航方法及系统 | |
CN114495552B (zh) | 一种快速停车找车导航方法及其系统 | |
CN113506457B (zh) | 基于大型停车场场景下寻找停车位的装置和方法 | |
CN107452226B (zh) | 一种中途停车推荐路侧停车位的方法及系统 | |
CN114664112A (zh) | 面向车库的车位推荐方法、服务器和存储介质 | |
CN113971893B (zh) | 一种车位推荐方法、装置及存储介质 | |
WO2020035383A1 (en) | Method and system of recommending a place to park | |
US20220004942A1 (en) | Grouping of addresses based on semantic connections and viewpoints for route optimization | |
CN107886717A (zh) | 一种停车诱导方法、装置、计算设备及存储介质 | |
CN114218483A (zh) | 停车推荐方法及其应用 | |
CN112382118B (zh) | 车位智能预约管理系统、方法、存储介质、计算机设备 | |
JP2023155476A (ja) | 情報処理システム、情報処理装置、情報処理方法及び情報処理プログラム | |
US20240144398A1 (en) | Charging service providing server, and method for vehicle charging | |
CN113810849B (zh) | 机场的停车控制方法及系统、控制设备、介质 | |
CN116194935A (zh) | 用于确定地理区域中的车辆的导航简档的方法和设备 | |
CN111854768B (zh) | 地图路线的确定方法和系统、终端和计算机可读存储介质 | |
Schmoll et al. | Scaling the dynamic resource routing problem | |
CN115691211B (zh) | 车位推荐方法、装置、车辆及存储介质 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |