CN114882729B - 停车管理方法以及系统 - Google Patents
停车管理方法以及系统 Download PDFInfo
- Publication number
- CN114882729B CN114882729B CN202210429829.8A CN202210429829A CN114882729B CN 114882729 B CN114882729 B CN 114882729B CN 202210429829 A CN202210429829 A CN 202210429829A CN 114882729 B CN114882729 B CN 114882729B
- Authority
- CN
- China
- Prior art keywords
- parking
- parking lot
- time
- lot number
- timeout
- 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
Links
- 238000007726 management method Methods 0.000 title claims abstract description 34
- 238000000034 method Methods 0.000 claims abstract description 23
- 238000012216 screening Methods 0.000 claims abstract description 6
- 238000004422 calculation algorithm Methods 0.000 claims description 27
- 238000007621 cluster analysis Methods 0.000 claims description 22
- 238000012545 processing Methods 0.000 claims description 6
- 238000011161 development Methods 0.000 description 5
- 238000004458 analytical method Methods 0.000 description 3
- 238000010276 construction Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 238000003064 k means clustering Methods 0.000 description 3
- 239000002699 waste material Substances 0.000 description 3
- 230000001276 controlling effect Effects 0.000 description 2
- 238000007405 data analysis Methods 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- 230000001133 acceleration Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000009412 basement excavation Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 238000005728 strengthening Methods 0.000 description 1
- 235000013311 vegetables Nutrition 0.000 description 1
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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/762—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using clustering, e.g. of similar faces in social networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Multimedia (AREA)
- Computing Systems (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Health & Medical Sciences (AREA)
- Databases & Information Systems (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Traffic Control Systems (AREA)
Abstract
本申请公开一种停车管理方法以及系统。方法包括：根据每个停车场编号对应的每个停车时间段内的多个停车时长，获得每个停车场编号对应的每个停车时间段内的推荐停车时长；根据每个停车场编号对应的每个停车时间段内的多个超时时长，获得每个停车场编号对应的每个停车时间段内的平均超时时长；根据推荐停车时长与平均超时时长，动态调整每个停车场编号对应的停车时长，获得每个停车场编号对应的动态停车时长；根据每个停车场编号对应的动态停车时长，对每个停车场中的停靠车辆进行驶离提醒；根据每个停车场编号对应的动态停车时长与多个停车泊位状态，对每个停车场中的多个停车泊位进行筛选，向用户推荐停车区域内的多个停车场中的空闲泊位标号。
Description
技术领域
本申请涉及停车管理技术领域，特别是涉及一种停车管理方法以及系统。
背景技术
随着社会经济人口的快速发展和城市机动化进程的不断加快日益突出，车辆增长特别是私家车的快速发展导致泊位需求增长迅速。从机动车泊位的现状和机动车快速发展的态势，泊位和车辆的供需倒挂将日趋严重，单纯从强化停车场规划和增加停车场建设远远不能满足城市发展的需求。从而，随着科学技术的发展，智慧城市建设也越来越受到人们的重视。在智慧城市建设中，学校门口、医院、菜市场、公厕等场所长期存在临时停车需求大、停车资源不足的问题，且缺乏有限的监管手段，导致路段容易出现乱停车、长时占用有限泊位、引起道路拥堵等问题。
传统方法在进行限时停车管理时，仅是针对某一个具体的停车场的单一环境进行停车管理，容易导致多个停车场之间出现时段性与区域性的供求矛盾和供需不平衡的问题，造成了泊位的利用率低，从而造成资源的浪费。
申请内容
本申请的目的是解决传统方法导致的泊位利用率低的技术问题。为实现上述目的，本申请提供一种停车管理方法以及系统。
本申请提供一种停车管理方法，包括：
实时获取停车区域内的停车信息，所述停车区域包括多个停车场，所述停车信息包括多个停车场编号，每个所述停车场编号对应多个停车泊位、多个停车泊位状态、多个停车时间段、多个停车时长以及多个超时时长；
根据每个所述停车场编号对应的每个所述停车时间段内的所述多个停车时长，获得每个所述停车场编号对应的每个所述停车时间段内的推荐停车时长；
根据每个所述停车场编号对应的每个所述停车时间段内的多个超时时长，获得每个所述停车场编号对应的每个所述停车时间段内的平均超时时长；
根据所述推荐停车时长与所述平均超时时长，动态调整每个所述停车场编号对应的停车时长，获得每个所述停车场编号对应的动态停车时长；
根据每个所述停车场编号对应的动态停车时长，对每个所述停车场中的停靠车辆进行驶离提醒；
根据每个所述停车场编号对应的动态停车时长与所述多个停车泊位状态，对每个所述停车场中的所述多个停车泊位进行筛选，向用户推荐所述停车区域内的所述多个停车场中的空闲泊位标号。
在一个实施例中，所述根据每个所述停车场编号对应的每个所述停车时间段内的所述多个停车时长，获取每个所述停车场编号对应的每个所述停车时间段内的推荐停车时长，包括：
判断所述停车场编号对应的所述停车场是否为所述停车区域内的新建停车场；
若所述停车场编号对应的所述停车场不是所述新建停车场，则实时获取所述停车场编号对应的每个所述停车时间段内的所述多个停车时长；
根据聚类分析算法，对所述多个停车时长进行分类，获得停车时长的个数最多的第一聚类中心值，所述第一聚类中心值为所述推荐停车时长。
在一个实施例中，所述停车信息还包括多个停车场类别，所述根据每个所述停车场编号对应的每个所述停车时间段内的所述多个停车时长，获取每个所述停车场编号对应的每个所述停车时间段内的推荐停车时长，还包括：
若所述停车场编号对应的所述停车场不是所述新建停车场，则实时获取所述停车区域内同一个停车场类别对应的多个所述停车场编号对应的每个所述停车时间段内的所述多个停车时长；
根据所述聚类分析算法，对所述多个停车时长进行分类，获得停车时长的个数最多的第二聚类中心值，所述第二聚类中心值为所述推荐停车时长。
在一个实施例中，所述根据每个所述停车场编号对应的每个所述停车时间段内的所述多个停车时长，获取每个所述停车场编号对应的每个所述停车时间段内的推荐停车时长，还包括：
若所述停车场编号对应的所述停车场为所述新建停车场，则实时获取所述停车区域内所有停车场编号对应的每个所述停车时间段内的所述多个停车时长；
根据所述聚类分析算法，分别对所述停车区域内每个所述停车场编号对应的每个所述停车时间段内的所述多个停车时长进行分类，获得多个第三聚类中心值，所述第三聚类中心值对应的停车时长的个数最多；
根据所述多个第三聚类中心值，计算所述新建停车场对应的所述推荐停车时长；
其中，所述推荐停车时长为：
c表示同停车场类别参数，co表示非同停车场类别参数，n表示所述停车区域内所有停车场的个数，k为与所述新建停车场相同类别的停车场的个数，wi表示第i个所述停车场编号对应的停车场的影响因子且取值为1/n，ti表示所述第i个所述停车场编号对应的停车场的第三聚类中心值。
在一个实施例中，所述根据每个所述停车场编号对应的每个所述停车时间段内的多个超时时长，获得每个所述停车场编号对应的每个所述停车时间段内的平均超时时长，包括：
若所述停车场编号对应的所述停车场不是所述新建停车场，则实时获取所述停车场编号对应的每个所述停车时间段内的所述多个超时时长，并根据所述多个超时时长，获得每个所述停车场编号对应的每个所述停车时间段内的所述平均超时时长。
在一个实施例中，所述根据每个所述停车场编号对应的每个所述停车时间段内的多个超时时长，获得每个所述停车场编号对应的每个所述停车时间段内的平均超时时长，还包括：
若所述停车场编号对应的所述停车场为所述新建停车场，则实时获取所述停车区域内所有停车场编号对应的每个所述停车时间段内的所述多个超时时长，并根据所述多个超时时长，获得每个所述停车场编号对应的每个所述停车时间段内的所述平均超时时长。
在一个实施例中，本申请提供一种停车管理系统，包括：
数据获取模块，用于实时获取停车区域内的停车信息，所述停车区域包括多个停车场，所述停车信息包括多个停车场编号，每个所述停车场编号对应多个停车泊位、多个停车泊位状态、多个停车时间段、多个停车时长以及多个超时时长；
推荐停车时长获取模块，用于根据每个所述停车场编号对应的每个所述停车时间段内的所述多个停车时长，获得每个所述停车场编号对应的每个所述停车时间段内的推荐停车时长；
平均超时时长获取模块，用于根据每个所述停车场编号对应的每个所述停车时间段内的多个超时时长，获得每个所述停车场编号对应的每个所述停车时间段内的平均超时时长；
动态停车时长获取模块，用于根据所述推荐停车时长与所述平均超时时长，动态调整每个所述停车场编号对应的停车时长，获得每个所述停车场编号对应的动态停车时长；
驶离提醒模块，用于根据每个所述停车场编号对应的动态停车时长，对每个所述停车场中的停靠车辆进行驶离提醒；
泊位推荐模块，用于根据每个所述停车场编号对应的动态停车时长与所述多个停车泊位状态，对每个所述停车场中的所述多个停车泊位进行筛选，向用户推荐所述停车区域内的所述多个停车场中的空闲泊位标号。
在一个实施例中，所述推荐停车时长获取模块包括：
判断模块，用于判断所述停车场编号对应的所述停车场是否为所述停车区域内的新建停车场；
第一停车时长获取模块，用于若所述停车场编号对应的所述停车场不是所述新建停车场，则实时获取所述停车场编号对应的每个所述停车时间段内的所述多个停车时长；
第一推荐时长获取模块，用于根据聚类分析算法，对所述多个停车时长进行分类，获得停车时长的个数最多的第一聚类中心值，所述第一聚类中心值为所述推荐停车时长。
在一个实施例中，所述推荐停车时长获取模块还包括：
第二停车时长获取模块，用于若所述停车场编号对应的所述停车场不是所述新建停车场，则实时获取所述停车区域内同一个停车场类别对应的多个所述停车场编号对应的每个所述停车时间段内的所述多个停车时长；
第二推荐时长获取模块，用于根据所述聚类分析算法，对所述多个停车时长进行分类，获得停车时长的个数最多的第二聚类中心值，所述第二聚类中心值为所述推荐停车时长。
在一个实施例中，所述推荐停车时长获取模块还包括：
第三停车时长获取模块，用于若所述停车场编号对应的所述停车场为所述新建停车场，则实时获取所述停车区域内所有停车场编号对应的每个所述停车时间段内的所述多个停车时长；
第三聚类中心值获取模块，用于根据所述聚类分析算法，分别对所述停车区域内每个所述停车场编号对应的每个所述停车时间段内的所述多个停车时长进行分类，获得多个第三聚类中心值，所述第三聚类中心值对应的停车时长的个数最多；
第三推荐时长获取模块，用于根据所述多个第三聚类中心值，计算所述新建停车场对应的所述推荐停车时长；
其中，所述推荐停车时长为：
c表示同停车场类别参数，co表示非同停车场类别参数，n表示所述停车区域内所有停车场的个数，k为与所述新建停车场相同类别的停车场的个数，wi表示第i个所述停车场编号对应的停车场的影响因子且取值为1/n，ti表示所述第i个所述停车场编号对应的停车场的第三聚类中心值。
在一个实施例中，所述平均超时时长获取模块包括：
第一超时模块，用于若所述停车场编号对应的所述停车场不是所述新建停车场，则实时获取所述停车场编号对应的每个所述停车时间段内的所述多个超时时长，并根据所述多个超时时长，获得每个所述停车场编号对应的每个所述停车时间段内的所述平均超时时长。
在一个实施例中，所述平均超时时长获取模块还包括：
第二超时模块，用于若所述停车场编号对应的所述停车场为所述新建停车场，则实时获取所述停车区域内所有停车场编号对应的每个所述停车时间段内的所述多个超时时长，并根据所述多个超时时长，获得每个所述停车场编号对应的每个所述停车时间段内的所述平均超时时长。
上述停车管理方法以及系统中，基于停车区域内的实时历史停车信息，分析预测每个停车场在每个停车时间段内的推荐停车时长与平均超时时长，并基于推荐停车时长与平均超时时长计算动态停车时长，为用户实时提供合适的动态停车时长，并以动态停车时长为依据，对每个停车场中的停靠车辆进行驶离提醒以及向用户空闲泊位标号，使得多个停车场之间可以时刻处于动态调整状态，进而使得多个停车场之间实现联动，解决了传统方法的时段性与区域性的供求矛盾和供需不平衡的问题，提高了停车泊位的利用率，避免了资源的浪费。因此，通过本申请提供的停车管理方法，可实现依据按需规划、区分配时、统一规范以及智能监管的功能，及时做出规范停车和驶离提醒，解决市民临时停车需求的同时，达到无序停车现象的治理。
附图说明
图1是本申请提供的停车管理方法的步骤流程示意图。
图2是本申请提供的停车管理系统的结构示意图。
具体实施方式
下面通过附图和实施例，对本申请的技术方案做进一步的详细描述。
请参见图1，本申请提供一种停车管理方法，包括：
S10，实时获取停车区域内的停车信息，停车区域包括多个停车场，停车信息包括多个停车场编号，每个停车场编号对应多个停车泊位、多个停车泊位状态、多个停车时间段、多个停车时长以及多个超时时长；
S20，根据每个停车场编号对应的每个停车时间段内的多个停车时长，获得每个停车场编号对应的每个停车时间段内的推荐停车时长；
S30，根据每个停车场编号对应的每个停车时间段内的多个超时时长，获得每个停车场编号对应的每个停车时间段内的平均超时时长；
S40，根据推荐停车时长与平均超时时长，动态调整每个停车场编号对应的停车时长，获得每个停车场编号对应的动态停车时长；
S50，根据每个停车场编号对应的动态停车时长，对每个停车场中的停靠车辆进行驶离提醒；
S60，根据每个停车场编号对应的动态停车时长与多个停车泊位状态，对每个停车场中的多个停车泊位进行筛选，向用户推荐停车区域内的多个停车场中的空闲泊位标号。
在S10中，停车区域可以理解为能够进行停车的范围区域，可以理解为某一个区域内，例如可以为一个区或者一个县或者一个街道等某个特定的范围内，可以根据实际需求进行限定。停车信息可以理解为包括关于停车事件的多个信息，具体包括停车场所在城市编号、所在县区编号、停车场类别、停车场编号、停车泊位标号、停车时长以及超时时长等信息。停车场类别可以分为学校停车场类别、医院停车场类别、商场停车场类别或者超市停车场类别等。在一个实施例中，停车信息的数据可以以[城市编号；县区编号；停车场类别；停车场编号；停车泊位标号；停车时长]的形式进行存储。其中，停车时长可以以15分钟即为0.25h为最小单位。例如：张家口市桥东区第二医院停车场第5泊位停车2.5h，则表示为：[1；0；2；5；2.5]；张家口市经开区区第五医院停车场第2泊位停车1.5h，则表示为：[1；2；5；2；1.5]。
在S20中，一个停车场编号对应一个停车场，一个停车场对应多个停车泊位、对应多个停车时间段。在每个停车时间段内，一个停车泊位对应至少一个停车时长，进而每个停车时间段对应着多个停车时长。通过对历史停车信息进行分析处理，获得每个停车场对应的每个停车时间段对应的推荐停车时长。例如：根据学校停车场类别的每个停车时间段内的停车时长的历史数据，预测获得学校停车场类别的每个停车时间段内的推荐停车时长，进而可以基于推荐停车时长对用户的停车时间进行限制。其中，各个停车时间段可以包括一天中6时至9时、9时至12时、12时至15时、15时至18时、18时至21时、21时至次日6时等时段。获取的历史停车信息可以是一个月或者半年内的停车时长。
在S30中，一个停车场编号对应一个停车场，一个停车场对应多个停车泊位、对应多个停车时间段。在每个停车时间段内，一个停车泊位对应一个超时时长或者多个超时时长，进而每个停车时间段对应着多个超时时长。通过对历史超时时长停车信息进行分析处理，获得每个停车场对应的每个停车时间段内的平均超时时长。例如：根据学校停车场类别的每个停车时间段内的超时时长的历史数据，预测获得学校停车场类别的每个停车时间段内的平均超时时长，进而可以基于平均超时时长对用户的停车时间进行限制。
在S40中，根据每个停车场的历史停车数据信息，对每个停车场的每个停车时间段内的平均超时时长与推荐停车时长进行预测，并基于预测的平均超时时长与推荐停车时长，实时动态调整每个停车场对应的停车时长。由于历史停车信息随着时间的变化会发生调整，进而使得推荐停车时长与平均超时时长也会实时发生变化，实现动态调整每个停车场对应的停车时长，获得对应的动态停车时长。
在S50中，根据实时停车信息数据获得的动态停车时长，可以根据每个停车场的实时停车信息对动态停车时长进行调整，进而可以实时为用户提供合适的动态停车时长，并以动态停车时长为依据对停靠车辆进行驶离提醒，从而使得整个停车场一直处于动态调整状态。
在S60中，以每个停车场的动态停车时长为参考，并基于每个停车泊位的状态，可以对整个停车场的泊位进行筛选，为用户推荐多个合适的空闲泊位标号。用户也可以根据自身需求对推荐的空闲泊位标号进行选择，找到合适的停车泊位进行停靠。
本申请提供的停车管理方法，基于停车区域内的实时历史停车信息，分析预测每个停车场在每个停车时间段内的推荐停车时长与平均超时时长，并基于推荐停车时长与平均超时时长计算动态停车时长，为用户实时提供合适的动态停车时长，并以动态停车时长为依据，对每个停车场中的停靠车辆进行驶离提醒以及向用户空闲泊位标号，使得多个停车场之间可以时刻处于动态调整状态，进而使得多个停车场之间实现联动，解决了传统方法的时段性与区域性的供求矛盾和供需不平衡的问题，提高了停车泊位的利用率，避免了资源的浪费。因此，通过本申请提供的停车管理方法，可实现依据按需规划、区分配时、统一规范以及智能监管的功能，及时做出规范停车和驶离提醒，解决市民临时停车需求的同时，达到无序停车现象的治理。
在一个实施例中，S20，根据每个停车场编号对应的每个停车时间段内的多个停车时长，获取每个停车场编号对应的每个停车时间段内的推荐停车时长，包括：
S210，判断停车场编号对应的停车场是否为停车区域内的新建停车场；
S220，若停车场编号对应的停车场不是新建停车场，则实时获取停车场编号对应的每个停车时间段内的多个停车时长；
S230，根据聚类分析算法，对多个停车时长进行分类，获得第一聚类中心值，第一聚类中心值对应的停车时长的个数最多，第一聚类中心值为推荐停车时长。
本实施例中，一个停车场编号对应一个停车场，通过停车场编号可以判断出对应的停车场是否为新建停车场。新建停车场可以理解为新构建的停车场，不存在历史停车数据。如果不是新建停车场，则为历史停车场，可以实时调用历史停车信息数据进行分析预测。通过获取停车场编号对应的停车场中各个停车时间段内的多个停车时长对推荐停车时长进行分析预测。根据聚类分析算法对多个停车时长进行分类。
聚类分析算法可采用K均值聚类算法(k-means clustering algorithm)。通过K均值聚类算法将每个停车时间段内的多个停车时长分为K组，随机选取K个对象作为初始的聚类中心，计算每个对象与各个种子聚类中心之间的距离，把每个对象分配给距离它最近的聚类中心。聚类中心以及分配给它们的对象就代表一个聚类。聚类的聚类中心会根据聚类中现有的对象被重新计算。不断重复计算，直到满足无对象被重新分配给不同的聚类，聚类中心不再发生变化，误差平方和局部最小时停止，获得聚类中心值，并将停车数量最多的聚类中心值作为推荐停车时长。由于一个车辆对应一个停车时长、多个车辆对应多个停车时长，停车数量多也可以理解为停车时长的个数多，对应着大多数车辆的停车情况，进而将对应停车数量最多的聚类中心值作为推荐停车时长，可以概括多数车辆的停车历史数据。
通过本实施例中提供的方法步骤，对存在历史停车信息数据的停车场进行聚类预测分析，获得停车数量最多的时长聚类中心值，作为停车场对应停车时间段的推荐停车时长，能够覆盖大多数车辆的历史停车时长，为后续进行停车的用户提供参考依据，有针对性的设置每个停车场的限时停车泊位和停车时长，并及时做出规范停车和驶离提醒，从而达到解决市民临时停车需求的同时，达到无序停车现象的治理的目的。
在一个实施例中，停车信息还包括多个停车场类别。S20，根据每个停车场编号对应的每个停车时间段内的多个停车时长，获取每个停车场编号对应的每个停车时间段内的推荐停车时长，还包括：
S240，若停车场编号对应的停车场不是新建停车场，则实时获取停车区域内同一个停车场类别对应的多个停车场编号对应的每个停车时间段内的多个停车时长；
S250，根据聚类分析算法，对多个停车时长进行分类，获得第二聚类中心值，第二聚类中心值对应的停车时长的个数最多，第二聚类中心值为推荐停车时长。
本实施例中，多个停车场类别包括学校停车场类别、医院停车场类别以及超市停车场类别等。同一个停车场类别可以理解为同为学校停车场类别，同为医院停车场类别，或者同为超市停车场类别。对于同一个停车场类别的停车场具有相似的特性，通过对同一个停车场类别的停车场进行分析预测，可以获得相同停车场类别的停车场的推荐时长。例如：对于同为学校停车场类别的停车场进行推荐停车时长预测时，可以根据停车区域内其他多个学校停车场类别的停车场的历史停车信息进行分析与挖掘获得推荐停车时长。根据聚类分析算法，对多个停车时长进行分类，获得停车时长的个数最多的聚类中心值作为推荐停车时长。停车时长的个数最多的聚类中心值也可以理解为停车数量最多的聚类中心值。
通过本实施例中提供的方法步骤，对同一个停车场类别的所有停车场的历史停车数据进行分析与挖掘，对同一个类别的停车场的推荐停车时长进行预测。通过本实施例中提供的方法步骤，不仅仅局限于某一个特定的停车场，而是将所有相同类别的停车场的所有数据一起进行挖掘与分析，可以对停车场的推荐停车时长进行更好地的预测，具有针对性的为用户提供参考依据，有针对性的设置每个停车场的限时停车泊位和停车时长，并及时做出规范停车和驶离提醒，从而达到解决市民临时停车需求的同时，达到无序停车现象的治理的目的。
在一个实施例中，S20，根据每个停车场编号对应的每个停车时间段内的多个停车时长，获取每个停车场编号对应的每个停车时间段内的推荐停车时长，还包括：
S260，若停车场编号对应的停车场为新建停车场，则实时获取停车区域内所有停车场编号对应的每个停车时间段内的多个停车时长；
S270，根据聚类分析算法，分别对停车区域内每个停车场编号对应的每个停车时间段内的多个停车时长进行分类，获得多个第三聚类中心值，第三聚类中心值对应的停车时长的个数最多；
根据多个第三聚类中心值，计算新建停车场对应的推荐停车时长；
其中，推荐停车时长为：
c表示同停车场类别参数，co表示非同停车场类别参数，n表示停车区域内所有停车场的个数，k为与新建停车场相同类别的停车场的个数，wi表示第i个停车场编号对应的停车场的影响因子且取值为1/n，ti表示第i个停车场编号对应的停车场的第三聚类中心值。
本实施例中，新建停车场不存在历史停车信息，则需要根据停车区域内所有停车场编号对应的停车场的历史停车信息的数据进行分析与挖掘，为用户提供合理的推荐停车时长。通过对停车区域内所有停车场的历史停车数据进行实时调取进行分析与挖掘。根据聚类分析算法对每个停车场的多个停车时长进行分类，获得停车时长的个数最多的聚类中心值作为第三聚类中心值，一个停车场在一个停车时间段内对应一个第三聚类中心值，进而可以获得所有停车场对应的多个第三聚类中心值。根据所有停车场对应的多个第三聚类中心值构建新建停车场对应的推荐停车时长公式，计算获得推荐停车时长。公式中表示基于所有停车场中相同停车场类别的数据分析获得的停车时长，/>表示基于所有停车场中除去相同停车场类别的停车场的数据分析获得的停车时长，进而获得基于所有停车场数据的新建停车场对应的推荐停车时长，充分考虑了某一个区域内所有停车场的所有实时历史停车信息的数据，可以对新建停车场的推荐停车时长进行更好地的预测，有针对性的设置新建停车场的限时停车时长，及时做出规范停车和驶离提醒，从而达到解决市民临时停车需求的同时，达到无序停车现象的治理的目的。
在一个实施例中，S30，根据每个停车场编号对应的每个停车时间段内的多个超时时长，获得每个停车场编号对应的每个停车时间段内的平均超时时长，包括：
S310，若停车场编号对应的停车场不是新建停车场，则实时获取停车场编号对应的每个停车时间段内的多个超时时长，并根据多个超时时长，获得每个停车场编号对应的每个停车时间段内的平均超时时长；
S320，若停车场编号对应的停车场为新建停车场，则实时获取停车区域内所有停车场编号对应的每个停车时间段内的多个超时时长，并根据多个超时时长，获得每个停车场编号对应的每个停车时间段内的平均超时时长。
本实施例中，针对停车场是否为新建停车场，可以选择不同的方法获得平均超时时长，并基于平均超时时长与推荐停车时长获得动态停车时长。平均超时时长可以理解为对多个超时时长计算平均值获得。通过平均超时时长可以为推荐停车时长提供一个动态调整范围。例如：推荐停车时长为t，平均超时时长为t^，则动态停车时长为t±tΛ。通过平均超时时长与推荐停车时长可以提供一个动态停车时长的范围，可以适用于不同的应用需求。
通过本申请提供的停车管理方法，基于实时历史停车信息的数据进行分析与挖掘，预测出各个停车场类别的推荐停车时长与平均超时时长，获得停车场对应的动态停车时长。每个停车场可以实时根据历史数据的更新进行动态调整，有针对性的设置停车场的停车时长，及时做出规范停车和驶离提醒。
在一个实施例中，S10，实时获取停车区域内的停车信息，停车区域包括多个停车场，停车信息包括多个停车场编号，每个停车场编号对应多个停车泊位、多个停车泊位状态、多个停车时间段、多个停车时长以及多个超时时长之前，停车管理方法还包括：
根据高位视频采集设备获取多个视频帧图像，并根据多个视频帧图像，获得每个停车场的停车泊位信息；
获取实际停车泊位信息，根据停车泊位信息与实际停车泊位信息，对高位视频采集设备的拍摄角度进行校验，并根据校验后的高位视频采集设备获得多个校验后的视频帧图像；
根据多个校验后的视频帧图像，获得每个停车场的停车信息，并根据每个停车场的停车信息，获得停车区域内的停车信息。
本实施例中，停车区域可以理解为某一个区或者一个县或者一个街道等某个特定的范围区域。停车区域内包括有多个停车场。在实时获取停车信息之前，通过本实施例中的方法对高位视频采集设备进行校验。根据校验之后的高位视频采集设备，获取校验后的视频帧图像，并根据校验后的视频帧图像进行停车信息的提取。
多个视频帧图像可以为连续的多个视频帧。高位视频采集设备用于监测城市道路的正常运转。高位视频采集设备采集的信息包含：道路实际场景中停车泊位信息、车辆实时行驶图像和视频信息等。
停车泊位信息来源于高位视频采集设备采集的视频帧图像。停车泊位信息的准确度由高位视频采集设备来决定。实际停车泊位信息可以理解为现场的限时停车区域内的停车泊位的泊位线、停车泊位的面积以及每个停车泊位的坐标位置等实际信息。根据经视频帧图像获得的停车泊位信息与实际停车泊位信息进行对比，可以获知高位视频采集设备采集的多个视频帧图像是否准确，从而实现对高位视频采集设备的拍摄角度进行校验。
通过对高位视频采集设备的拍摄角度进行校验，能够解决实际应用场景中存在的相机偏移问题，可以实现更好的停车管理。通过校验后的高位视频采集设备，获得多个校验之后的视频帧图像。通过多个校验之后的视频帧图像，可以获得更加准确地图像信息，用于实现限时停车管理。
采用YOLOV4，SSD等深度学习算法对多个校验之后的视频帧图像进行检测识别，获得停车信息，例如：停车泊位状态、停车时间段、停车时长、停车超时时长等信息。
通过本申请提供的停车管理方法，利用基于高位视频的图像识别及大数据分析方法，有针对性的实时调整停车泊位以及停车时长，并及时做出规范停车和驶离提醒，实现按需规划、区分配时、统一规范，保障良好的停车秩序，并为相关部门提供执法依据，辅助监管部门进行停车治理。
请参见图2，本申请提供一种停车管理系统100。停车管理系统100包括数据获取模块10、推荐停车时长获取模块20、平均超时时长获取模块30、动态停车时长获取模块40、驶离提醒模块50以及泊位推荐模块60。数据获取模块10，用于实时获取停车区域内的停车信息，停车区域包括多个停车场，停车信息包括多个停车场编号，每个停车场编号对应多个停车泊位、多个停车泊位状态、多个停车时间段、多个停车时长以及多个超时时长。推荐停车时长获取模块20用于根据每个停车场编号对应的每个停车时间段内的多个停车时长，获得每个停车场编号对应的每个停车时间段内的推荐停车时长。
平均超时时长获取模块30用于根据每个停车场编号对应的每个停车时间段内的多个超时时长，获得每个停车场编号对应的每个停车时间段内的平均超时时长。动态停车时长获取模块40用于根据推荐停车时长与平均超时时长，动态调整每个停车场编号对应的停车时长，获得每个停车场编号对应的动态停车时长。驶离提醒模块50用于根据每个停车场编号对应的动态停车时长，对每个停车场中的停靠车辆进行驶离提醒。泊位推荐模块60用于根据每个停车场编号对应的动态停车时长与多个停车泊位状态，对每个停车场中的多个停车泊位进行筛选，向用户推荐停车区域内的多个停车场中的空闲泊位标号。
本实施例中，数据获取模块10的相关描述可参考上述实施例中S10的相关描述。推荐停车时长获取模块20的相关描述可参考上述实施例中S20的相关描述。平均超时时长获取模块30的相关描述可参考上述实施例中S30的相关描述。动态停车时长获取模块40的相关描述可参考上述实施例中S40的相关描述。驶离提醒模块50的相关描述可参考上述实施例中S50的相关描述。泊位推荐模块60的相关描述可参考上述实施例中S60的相关描述。
在一个实施例中，推荐停车时长获取模块10包括判断模块(图中未标注)、第一停车时长获取模块(图中未标注)以及第一推荐时长获取模块(图中未标注)。判断模块用于判断停车场编号对应的停车场是否为停车区域内的新建停车场。第一停车时长获取模块用于若停车场编号对应的停车场不是新建停车场，则实时获取停车场编号对应的每个停车时间段内的多个停车时长。第一推荐时长获取模块用于根据聚类分析算法，对多个停车时长进行分类，获得停车时长的个数最多的第一聚类中心值，第一聚类中心值为推荐停车时长。
本实施例中，判断模块的相关描述可参考上述实施例中S210的相关描述。第一停车时长获取模块的相关描述可参考上述实施例中S220的相关描述。第一推荐时长获取模块的相关描述可参考上述实施例中S230的相关描述。
在一个实施例中，推荐停车时长获取模块20还包括第二停车时长获取模块(图中未标注)与第二推荐时长获取模块(图中未标注)。第二停车时长获取模块用于若停车场编号对应的停车场不是新建停车场，则实时获取停车区域内同一个停车场类别对应的多个停车场编号对应的每个停车时间段内的多个停车时长。第二推荐时长获取模块用于根据聚类分析算法，对多个停车时长进行分类，获得停车时长的个数最多的第二聚类中心值，第二聚类中心值为推荐停车时长。
本实施例中，第二停车时长获取模块的相关描述可参考上述实施例中S240的相关描述。第二推荐时长获取模块的相关描述可参考上述实施例中S250的相关描述。
在一个实施例中，推荐停车时长获取模块20还包括第三停车时长获取模块(图中未标注)、第三聚类中心值获取模块(图中未标注)以及第三推荐时长获取模块(图中未标注)。第三停车时长获取模块用于若停车场编号对应的停车场为新建停车场，则实时获取停车区域内所有停车场编号对应的每个停车时间段内的多个停车时长。第三聚类中心值获取模块用于根据聚类分析算法，分别对停车区域内每个停车场编号对应的每个停车时间段内的多个停车时长进行分类，获得多个第三聚类中心值，第三聚类中心值对应的停车时长的个数最多。第三推荐时长获取模块用于根据多个第三聚类中心值，计算新建停车场对应的推荐停车时长。
其中，推荐停车时长为：
c表示同停车场类别参数，co表示非同停车场类别参数，n表示停车区域内所有停车场的个数，k为与新建停车场相同类别的停车场的个数，wi表示第i个停车场编号对应的停车场的影响因子且取值为1/n，ti表示第i个停车场编号对应的停车场的第三聚类中心值。
本实施例中，第三停车时长获取模块的相关描述可参考上述实施例中S260的相关描述。第三聚类中心值获取模块相关描述可参考上述实施例中S270的相关描述。第三推荐时长获取模块相关描述可参考上述实施例中S280的相关描述。
在一个实施例中，平均超时时长获取模块30包括第一超时模块(图中未标注)。第一超时模块用于若停车场编号对应的停车场不是新建停车场，则实时获取停车场编号对应的每个停车时间段内的多个超时时长，并根据多个超时时长，获得每个停车场编号对应的每个停车时间段内的平均超时时长。
本实施例中，第一超时模块的相关描述可参考上述实施例中S310的相关描述。
在一个实施例中，平均超时时长获取模块30还包括第二超时模块(图中未标注)。第二超时模块用于若停车场编号对应的停车场为新建停车场，则实时获取停车区域内所有停车场编号对应的每个停车时间段内的多个超时时长，并根据多个超时时长，获得每个停车场编号对应的每个停车时间段内的平均超时时长。
本实施例中，第二超时模块的相关描述可参考上述实施例中S320的相关描述。
在一个实施例中，停车管理系统100还包括显示模块(图中未标注)。通过显示模块，可以用于显示城市编号、县区编号、停车场类别、停车场编号、停车泊位标号以及动态停车时长等停车信息。
在一个实施例中，停车管理系统100还包括停车证据查询展示模块(图中未标注)、查看全路段视频监控模块(图中未标注)等信息，为相关部门提供执法依据，辅助监管部门进行停车治理。
上述各个实施例中，公开的过程中的步骤的特定顺序或层次是示例性方法的实例。基于设计偏好，应该理解，过程中的步骤的特定顺序或层次可以在不脱离本公开的保护范围的情况下得到重新安排。所附的方法权利要求以示例性的顺序给出了各种步骤的要素，并且不是要限于所述的特定顺序或层次。
本领域技术人员还可以了解到本申请实施例列出的各种说明性逻辑块(illustrative logical block)，模块和步骤可以通过电子硬件、电脑软件，或两者的结合进行实现。为清楚展示硬件和软件的可替换性(interchangeability)，上述的各种说明性部件(illustrative components)，模块和步骤已经通用地描述了它们的功能。这样的功能是通过硬件还是软件来实现取决于特定的应用和整个系统的设计要求。本领域技术人员可以对于每种特定的应用，可以使用各种方法实现所述的功能，但这种实现不应被理解为超出本申请实施例保护的范围。本申请实施例中所描述的各种说明性的逻辑块，或模块都可以通过通用处理器，数字信号处理器，专用集成电路(ASIC)，现场可编程门阵列或其它可编程逻辑装置，离散门或晶体管逻辑，离散硬件部件，或上述任何组合的设计来实现或操作所描述的功能。通用处理器可以为微处理器，可选地，该通用处理器也可以为任何传统的处理器、控制器、微控制器或状态机。处理器也可以通过计算装置的组合来实现，例如数字信号处理器和微处理器，多个微处理器，一个或多个微处理器联合一个数字信号处理器核，或任何其它类似的配置来实现。
本申请实施例中所描述的方法或算法的步骤可以直接嵌入硬件、处理器执行的软件模块、或者这两者的结合。软件模块可以存储于RAM存储器、闪存、ROM存储器、EPROM存储器、EEPROM存储器、寄存器、硬盘、可移动磁盘、CD-ROM或本领域中其它任意形式的存储媒介中。示例性地，存储媒介可以与处理器连接，以使得处理器可以从存储媒介中读取信息，并可以向存储媒介存写信息。可选地，存储媒介还可以集成到处理器中。处理器和存储媒介可以设置于ASIC中，ASIC可以设置于用户终端中。可选地，处理器和存储媒介也可以设置于用户终端中的不同的部件中。
以上所述的具体实施方式，对本申请的目的、技术方案和有益效果进行了进一步详细说明，所应理解的是，以上所述仅为本申请的具体实施方式而已，并不用于限定本申请的保护范围，凡在本申请的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本申请的保护范围之内。
Claims (10)
1.一种停车管理方法，其特征在于，包括：
实时获取停车区域内的停车信息，所述停车区域包括多个停车场，所述停车信息包括多个停车场编号，每个所述停车场编号对应多个停车泊位、多个停车泊位状态、多个停车时间段、多个停车时长以及多个超时时长；
根据每个所述停车场编号对应的每个所述停车时间段内的所述多个停车时长，获得每个所述停车场编号对应的每个所述停车时间段内的推荐停车时长，包括：
判断所述停车场编号对应的所述停车场是否为所述停车区域内的新建停车场；
若所述停车场编号对应的所述停车场不是所述新建停车场，则实时获取所述停车场编号对应的每个所述停车时间段内的所述多个停车时长；
根据聚类分析算法，对所述多个停车时长进行分类，获得停车时长的个数最多的第一聚类中心值，所述第一聚类中心值为所述推荐停车时长；
根据每个所述停车场编号对应的每个所述停车时间段内的多个超时时长，获得每个所述停车场编号对应的每个所述停车时间段内的平均超时时长；
根据所述推荐停车时长与所述平均超时时长，动态调整每个所述停车场编号对应的停车时长，获得每个所述停车场编号对应的动态停车时长；
根据每个所述停车场编号对应的动态停车时长，对每个所述停车场中的停靠车辆进行驶离提醒；
根据每个所述停车场编号对应的动态停车时长与所述多个停车泊位状态，对每个所述停车场中的所述多个停车泊位进行筛选，向用户推荐所述停车区域内的所述多个停车场中的空闲泊位标号。
2.根据权利要求1所述的停车管理方法，其特征在于，所述停车信息还包括多个停车场类别，所述根据每个所述停车场编号对应的每个所述停车时间段内的所述多个停车时长，获取每个所述停车场编号对应的每个所述停车时间段内的推荐停车时长，还包括：
若所述停车场编号对应的所述停车场不是所述新建停车场，则实时获取所述停车区域内同一个停车场类别对应的多个所述停车场编号对应的每个所述停车时间段内的所述多个停车时长；
根据所述聚类分析算法，对所述多个停车时长进行分类，获得停车时长的个数最多的第二聚类中心值，所述第二聚类中心值为所述推荐停车时长。
3.根据权利要求1所述的停车管理方法，其特征在于，所述根据每个所述停车场编号对应的每个所述停车时间段内的所述多个停车时长，获取每个所述停车场编号对应的每个所述停车时间段内的推荐停车时长，还包括：
若所述停车场编号对应的所述停车场为所述新建停车场，则实时获取所述停车区域内所有停车场编号对应的每个所述停车时间段内的所述多个停车时长；
根据所述聚类分析算法，分别对所述停车区域内每个所述停车场编号对应的每个所述停车时间段内的所述多个停车时长进行分类，获得多个第三聚类中心值，所述第三聚类中心值对应的停车时长的个数最多；
根据所述多个第三聚类中心值，计算所述新建停车场对应的所述推荐停车时长；
其中，所述推荐停车时长为：
c＝n/2k，cο＝n/2(n-k)；
c表示同停车场类别参数，co表示非同停车场类别参数，n表示所述停车区域内所有停车场的个数，k为与所述新建停车场相同类别的停车场的个数，wi表示第i个所述停车场编号对应的停车场的影响因子且取值为1/n，ti表示所述第i个所述停车场编号对应的停车场的第三聚类中心值。
4.根据权利要求1所述的停车管理方法，其特征在于，所述根据每个所述停车场编号对应的每个所述停车时间段内的多个超时时长，获得每个所述停车场编号对应的每个所述停车时间段内的平均超时时长，包括：
若所述停车场编号对应的所述停车场不是所述新建停车场，则实时获取所述停车场编号对应的每个所述停车时间段内的所述多个超时时长，并根据所述多个超时时长，获得每个所述停车场编号对应的每个所述停车时间段内的所述平均超时时长。
5.根据权利要求4所述的停车管理方法，其特征在于，所述根据每个所述停车场编号对应的每个所述停车时间段内的多个超时时长，获得每个所述停车场编号对应的每个所述停车时间段内的平均超时时长，还包括：
若所述停车场编号对应的所述停车场为所述新建停车场，则实时获取所述停车区域内所有停车场编号对应的每个所述停车时间段内的所述多个超时时长，并根据所述多个超时时长，获得每个所述停车场编号对应的每个所述停车时间段内的所述平均超时时长。
6.一种停车管理系统，其特征在于，包括：
数据获取模块，用于实时获取停车区域内的停车信息，所述停车区域包括多个停车场，所述停车信息包括多个停车场编号，每个所述停车场编号对应多个停车泊位、多个停车泊位状态、多个停车时间段、多个停车时长以及多个超时时长；
推荐停车时长获取模块，用于根据每个所述停车场编号对应的每个所述停车时间段内的所述多个停车时长，获得每个所述停车场编号对应的每个所述停车时间段内的推荐停车时长；所述推荐停车时长获取模块包括：判断模块，用于判断所述停车场编号对应的所述停车场是否为所述停车区域内的新建停车场；第一停车时长获取模块，用于若所述停车场编号对应的所述停车场不是所述新建停车场，则实时获取所述停车场编号对应的每个所述停车时间段内的所述多个停车时长；第一推荐时长获取模块，用于根据聚类分析算法，对所述多个停车时长进行分类，获得停车时长的个数最多的第一聚类中心值，所述第一聚类中心值为所述推荐停车时长；
平均超时时长获取模块，用于根据每个所述停车场编号对应的每个所述停车时间段内的多个超时时长，获得每个所述停车场编号对应的每个所述停车时间段内的平均超时时长；
动态停车时长获取模块，用于根据所述推荐停车时长与所述平均超时时长，动态调整每个所述停车场编号对应的停车时长，获得每个所述停车场编号对应的动态停车时长；
驶离提醒模块，用于根据每个所述停车场编号对应的动态停车时长，对每个所述停车场中的停靠车辆进行驶离提醒；
泊位推荐模块，用于根据每个所述停车场编号对应的动态停车时长与所述多个停车泊位状态，对每个所述停车场中的所述多个停车泊位进行筛选，向用户推荐所述停车区域内的所述多个停车场中的空闲泊位标号。
7.根据权利要求6所述的停车管理系统，其特征在于，所述推荐停车时长获取模块还包括：
第二停车时长获取模块，用于若所述停车场编号对应的所述停车场不是所述新建停车场，则实时获取所述停车区域内同一个停车场类别对应的多个所述停车场编号对应的每个所述停车时间段内的所述多个停车时长；
第二推荐时长获取模块，用于根据所述聚类分析算法，对所述多个停车时长进行分类，获得停车时长的个数最多的第二聚类中心值，所述第二聚类中心值为所述推荐停车时长。
8.根据权利要求6所述的停车管理系统，其特征在于，所述推荐停车时长获取模块还包括：
第三停车时长获取模块，用于若所述停车场编号对应的所述停车场为所述新建停车场，则实时获取所述停车区域内所有停车场编号对应的每个所述停车时间段内的所述多个停车时长；
第三聚类中心值获取模块，用于根据所述聚类分析算法，分别对所述停车区域内每个所述停车场编号对应的每个所述停车时间段内的所述多个停车时长进行分类，获得多个第三聚类中心值，所述第三聚类中心值对应的停车时长的个数最多；
第三推荐时长获取模块，用于根据所述多个第三聚类中心值，计算所述新建停车场对应的所述推荐停车时长；
其中，所述推荐停车时长为：
c＝n/2k，cο＝n/2(n-k)；
c表示同停车场类别参数，co表示非同停车场类别参数，n表示所述停车区域内所有停车场的个数，k为与所述新建停车场相同类别的停车场的个数，wi表示第i个所述停车场编号对应的停车场的影响因子且取值为1/n，ti表示所述第i个所述停车场编号对应的停车场的第三聚类中心值。
9.根据权利要求6所述的停车管理系统，其特征在于，所述平均超时时长获取模块包括：
第一超时模块，用于若所述停车场编号对应的所述停车场不是所述新建停车场，则实时获取所述停车场编号对应的每个所述停车时间段内的所述多个超时时长，并根据所述多个超时时长，获得每个所述停车场编号对应的每个所述停车时间段内的所述平均超时时长。
10.根据权利要求9所述的停车管理系统，其特征在于，所述平均超时时长获取模块还包括：
第二超时模块，用于若所述停车场编号对应的所述停车场为所述新建停车场，则实时获取所述停车区域内所有停车场编号对应的每个所述停车时间段内的所述多个超时时长，并根据所述多个超时时长，获得每个所述停车场编号对应的每个所述停车时间段内的所述平均超时时长。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210429829.8A CN114882729B (zh) | 2022-04-22 | 2022-04-22 | 停车管理方法以及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210429829.8A CN114882729B (zh) | 2022-04-22 | 2022-04-22 | 停车管理方法以及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN114882729A CN114882729A (zh) | 2022-08-09 |
| CN114882729B true CN114882729B (zh) | 2023-12-08 |
Family
ID=82672299
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210429829.8A Active CN114882729B (zh) | 2022-04-22 | 2022-04-22 | 停车管理方法以及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114882729B (zh) |
Citations (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106205186A (zh) * | 2016-07-11 | 2016-12-07 | 深圳市金立通信设备有限公司 | 一种推荐停车位置的方法及终端 |
| CN106875318A (zh) * | 2017-03-15 | 2017-06-20 | 许斌 | 一种停车位动态管理方法 |
| CN106971604A (zh) * | 2017-04-12 | 2017-07-21 | 青岛海信网络科技股份有限公司 | 一种停车位资源配置方法和装置 |
| CN110232832A (zh) * | 2019-05-10 | 2019-09-13 | 深圳市轱辘汽车维修技术有限公司 | 一种停车位推荐方法及装置 |
| CN111009151A (zh) * | 2019-12-10 | 2020-04-14 | 珠海格力电器股份有限公司 | 一种停车位推荐方法、存储介质及终端设备 |
| CN111402616A (zh) * | 2020-02-20 | 2020-07-10 | 西安电子科技大学 | 智能停车控制方法、系统、存储介质、计算机程序、终端 |
| CN111984753A (zh) * | 2020-08-19 | 2020-11-24 | 北京嘀嘀无限科技发展有限公司 | 一种提醒用户的方法和系统 |
| CN112382125A (zh) * | 2020-11-12 | 2021-02-19 | 中国船舶重工集团公司第七0三研究所 | 一种城市街道路边短时停车管理系统 |
| CN112466149A (zh) * | 2020-11-16 | 2021-03-09 | 深圳市前海亿车科技有限公司 | 提高实时停车空余泊位统计准确度的停车管理方法及系统 |
| CN112820134A (zh) * | 2020-12-30 | 2021-05-18 | 深圳市前海亿车科技有限公司 | 一种局部区域预约停车的方法、系统及介质 |
| 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 |
| CN114049788A (zh) * | 2021-11-12 | 2022-02-15 | 城云科技（中国）有限公司 | 停车盲点识别方法、装置及电子装置、计算机程序产品 |
| CN114139794A (zh) * | 2021-11-25 | 2022-03-04 | 合肥工业大学设计院(集团)有限公司 | 基于停车大数据的区域公共停车场充电需求预测方法 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110675651B (zh) * | 2019-09-29 | 2021-08-17 | 百度在线网络技术（北京）有限公司 | 停车场推荐方法和装置 |
-
2022
- 2022-04-22 CN CN202210429829.8A patent/CN114882729B/zh active Active
Patent Citations (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106205186A (zh) * | 2016-07-11 | 2016-12-07 | 深圳市金立通信设备有限公司 | 一种推荐停车位置的方法及终端 |
| CN106875318A (zh) * | 2017-03-15 | 2017-06-20 | 许斌 | 一种停车位动态管理方法 |
| CN106971604A (zh) * | 2017-04-12 | 2017-07-21 | 青岛海信网络科技股份有限公司 | 一种停车位资源配置方法和装置 |
| CN110232832A (zh) * | 2019-05-10 | 2019-09-13 | 深圳市轱辘汽车维修技术有限公司 | 一种停车位推荐方法及装置 |
| CN111009151A (zh) * | 2019-12-10 | 2020-04-14 | 珠海格力电器股份有限公司 | 一种停车位推荐方法、存储介质及终端设备 |
| CN111402616A (zh) * | 2020-02-20 | 2020-07-10 | 西安电子科技大学 | 智能停车控制方法、系统、存储介质、计算机程序、终端 |
| CN111984753A (zh) * | 2020-08-19 | 2020-11-24 | 北京嘀嘀无限科技发展有限公司 | 一种提醒用户的方法和系统 |
| CN112382125A (zh) * | 2020-11-12 | 2021-02-19 | 中国船舶重工集团公司第七0三研究所 | 一种城市街道路边短时停车管理系统 |
| CN112466149A (zh) * | 2020-11-16 | 2021-03-09 | 深圳市前海亿车科技有限公司 | 提高实时停车空余泊位统计准确度的停车管理方法及系统 |
| CN112820134A (zh) * | 2020-12-30 | 2021-05-18 | 深圳市前海亿车科技有限公司 | 一种局部区域预约停车的方法、系统及介质 |
| 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 |
| CN114049788A (zh) * | 2021-11-12 | 2022-02-15 | 城云科技（中国）有限公司 | 停车盲点识别方法、装置及电子装置、计算机程序产品 |
| CN114139794A (zh) * | 2021-11-25 | 2022-03-04 | 合肥工业大学设计院(集团)有限公司 | 基于停车大数据的区域公共停车场充电需求预测方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN114882729A (zh) | 2022-08-09 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109927709B (zh) | 一种车辆行驶路线工况确定方法、能量管理方法及系统 | |
| CN109887283B (zh) | 一种基于卡口数据的道路拥堵预测方法、系统及装置 | |
| CN101710448B (zh) | 基于全方位计算机视觉的道路交通状态检测装置 | |
| CN110728842A (zh) | 基于路口车辆合理行驶范围的异常行驶预警方法 | |
| Wang et al. | A big data approach for smart transportation management on bus network | |
| CN105513370B (zh) | 基于稀疏车牌识别数据挖掘的交通小区划分方法 | |
| WO2016203422A1 (en) | System and method for recognition of parking stalls available for a vehicle | |
| Wang et al. | Travel time estimation method for urban road based on traffic stream directions | |
| CN111598069B (zh) | 一种基于深度学习的高速公路车辆换道区域分析方法 | |
| Kuffer et al. | Do we underestimate the global slum population? | |
| CN114781768B (zh) | 基于城市资源数据的停车场设施规划方法、装置及设备 | |
| CN113868492A (zh) | 一种基于电警、卡口数据的可视化od分析方法及应用 | |
| CN114360264A (zh) | 一种基于交通流量进行调节的智慧城市交通管理方法 | |
| CN114882729B (zh) | 停车管理方法以及系统 | |
| CN112216112B (zh) | 基于与物联融合场景的北斗定位诱导泊车系统及方法 | |
| CN112652164B (zh) | 一种交通时段划分方法、装置及设备 | |
| CN111882873B (zh) | 轨迹异常检测方法、装置、设备及介质 | |
| CN117218836B (zh) | 一种基于智慧城市的城市规划项目综合管理信息平台 | |
| CN116168538B (zh) | 一种平面道路车辆通行空间识别方法 | |
| CN115810271B (zh) | 一种基于刷卡数据判断客流走廊位置的方法 | |
| CN115860536A (zh) | 一种道路口拥挤率评价方法 | |
| CN109255953B (zh) | 基于区域的活动车辆分布展示方法及系统 | |
| CN110849379B (zh) | 一种用于导航地图的出入口通行状态符号表达方法 | |
| CN114519941B (zh) | 基于高位视频的限时停车管理方法以及装置 | |
| CN111540196A (zh) | 基于高点视频的车流量预警方法、设备、存储介质及装置 |
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 |