CN114999200A - 一种应用于智能汽车的辅助停车方法及系统 - Google Patents
一种应用于智能汽车的辅助停车方法及系统 Download PDFInfo
- Publication number
- CN114999200A CN114999200A CN202210568390.7A CN202210568390A CN114999200A CN 114999200 A CN114999200 A CN 114999200A CN 202210568390 A CN202210568390 A CN 202210568390A CN 114999200 A CN114999200 A CN 114999200A
- Authority
- CN
- China
- Prior art keywords
- parking
- determining
- parking lot
- user
- destination
- 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
- 238000007726 management method Methods 0.000 claims abstract description 14
- 230000000694 effects Effects 0.000 claims description 50
- 238000005070 sampling Methods 0.000 claims description 25
- 238000003062 neural network model Methods 0.000 claims description 6
- 238000004458 analytical method Methods 0.000 claims description 5
- 238000000605 extraction Methods 0.000 claims description 4
- 238000013507 mapping Methods 0.000 claims description 4
- 230000037361 pathway Effects 0.000 claims 2
- 239000002131 composite material Substances 0.000 claims 1
- 230000009286 beneficial effect Effects 0.000 description 5
- 238000010586 diagram Methods 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000001514 detection method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000010191 image analysis Methods 0.000 description 1
- 238000012806 monitoring device Methods 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/09—Arrangements for giving variable traffic instructions
- G08G1/0962—Arrangements for giving variable traffic instructions having an indicator mounted inside the vehicle, e.g. giving voice messages
- G08G1/0968—Systems involving transmission of navigation instructions to the vehicle
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
- G08G1/0125—Traffic data processing
- G08G1/0129—Traffic data processing for creating historical data or processing based on historical data
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
- G08G1/0137—Measuring and analyzing of parameters relative to traffic conditions for specific applications
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/042—Detecting movement of traffic to be counted or controlled using inductive or magnetic detectors
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/09—Arrangements for giving variable traffic instructions
- G08G1/0962—Arrangements for giving variable traffic instructions having an indicator mounted inside the vehicle, e.g. giving voice messages
- G08G1/0968—Systems involving transmission of navigation instructions to the vehicle
- G08G1/096833—Systems involving transmission of navigation instructions to the vehicle where different aspects are considered when computing the route
-
- 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
- G08G1/143—Traffic control systems for road vehicles indicating individual free spaces in parking areas with means giving the indication of available parking spaces inside the vehicles
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Mathematical Physics (AREA)
- Navigation (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明提供一种应用于智能汽车的辅助停车方法,包括:获取用户的目的地;基于目的地,确定目标停车场;实时获取用户的定位信息;基于定位信息和目标停车场的位置,确定是否进入停车引导模式;当进入停车引导模式时,接入目标停车场的智能管理平台并获取当前目标停车场内的停车情况以及停车场内的车辆运动情况;基于当前目标停车场内的停车情况和车辆运动情况,规划停车路径;输出停车路径。本发明的应用于智能汽车的辅助停车方法,直接根据当前目标停车场内的停车情况和车辆运动情况,规划停车路径;实现了停车场内停车的路径导航,避免用户在节假日等停车场内停车位紧张时,在停车场内浪费时间寻找车位,使用户更快捷便利地进行停车。
Description
技术领域
本发明涉及智能汽车技术领域,特别涉及一种应用于智能汽车的辅助停车方法及系统。
背景技术
目前,随着科技的发展,人们生活水平的提高;驾车出行是每个家庭在节假日出行的首先出行方式,由于节假日出行,往往会遇到停车困难的情形;需要人们自己在停车场内寻找车位,极其不便。
发明内容
本发明目的之一在于提供了一种应用于智能汽车的辅助停车方法,直接根据当前目标停车场内的停车情况和车辆运动情况,规划停车路径;实现了停车场内停车的路径导航,避免用户在节假日等停车场内停车位紧张时,在停车场内浪费时间寻找车位,使用户更快捷便利地进行停车。
本发明实施例提供的一种应用于智能汽车的辅助停车方法,包括:
获取用户的目的地;
基于目的地,确定目标停车场;
实时获取用户的定位信息;
基于定位信息和目标停车场的位置,确定是否进入停车引导模式;
当进入停车引导模式时,接入目标停车场的智能管理平台并获取当前目标停车场内的停车情况以及停车场内的车辆运动情况;
基于当前目标停车场内的停车情况和车辆运动情况,规划停车路径;
输出停车路径。
优选的,获取用户的目的地,包括:
获取用户的导航信息;
解析导航信息,确定导航终点;
将导航终点作为目的地;
和/或,
获取用户在目的地输入界面输入的目的地。
优选的,基于目的地,确定目标停车场,包括:
获取目的地附近区域内的停车场分布图;
基于停车场分布图,确定距离目的地最近的停车场为目标停车场。
优选的,基于定位信息和目标停车场的位置,确定是否进入停车引导模式,包括:
解析定位信息,确定用户的当前位置;
基于当前位置和目标停车场的位置,确定用户距离目标停车场的第一距离;
当第一距离小于预设的触发阈值时,进入触发判定;
当进入触发判定时,每隔预设的第一时间对当前位置进行采样,获取多个采样位置;
确定各个采样位置与目标停车场的位置之间的第一距离值;
确定相邻两个采样位置的第一距离值的差值;差值为前一个采样位置对应的第一距离值减去后一个采样位置对应的第一距离值;
当差值大于零的数目大于差值小于等于零的数目时,触发进入停车引导模式,否则,不触发。
优选的,基于当前目标停车场内的停车情况和车辆运动情况,规划停车路径,包括:
确定至少一个目标通道;
获取预设的目标停车场的停车位设置图;
解析停车情况,在停车位设置图内确定目标停车场内的各个空闲车位的第一位置;
在停车位设置图中,确定各个目标通道对应的第二位置;
基于第一位置和第二位置,确定各个空闲车位距离各个目标通道的第二距离;
基于第二距离,确定各个空闲车位的第一优先值;
解析车辆运动情况,确定待停车的车辆;
将待停车的车辆映射至停车位设置图内,确定待停车的车辆的第三位置以及运动方向;
基于第三位置、运动方向,确定各个空闲车位被使用的概率;
基于各个空闲车位被使用的概率,确定各个空闲车位的第二优先值;
基于第一优先值和第二优先值,确定综合优先值;
将综合优先值最大的空闲车位作为目标车位;
获取用户进入目标停车场的入口位置;
基于入口位置和目标车位,规划停车路径。
优选的,确定至少一个目标通道,包括:
获取目标停车场内的各个用于人员出入的通道的第四位置;
再次解析目的地,当目的地属于预设类型的目的地时,确定第五位置;
基于各个用于人员出入的通道的第四位置和第五位置,确定至少一个目标通道;
当目的地不属于预设的类型的目的地时,接收目标停车场的智能管理平台发送的基于用户进入目的地对应的建筑后的活动区域的预测分析,确定通往活动区域最近的至少一个目标通道;
其中,活动区域,通过如下步骤预测:
获取用户的用户画像;
基于用户画像,获取用户在目的地对应的建筑内的活动轨迹;
提取与当前时刻对应的历史时刻时,用户所在的第六位置;
基于活动轨迹,确定用户进入建筑后首要目标的第七位置;
基于第六位置和第七位置,确定活动区域;
当未获取用户在目的地对应的建筑内的活动轨迹时,基于预设的时间与活动区域的对照预测表,确定活动区域。
优选的,基于第六位置和第七位置,确定活动区域,包括:
获取基于预设的建筑内的区域划分规则划分的区域;
基于第六位置和第七位置对应的区域,确定各个区域在活动轨迹中出现的次数;
将次数最多的区域作为活动区域。
优选的,基于第三位置、运动方向,确定各个空闲车位被使用的概率,包括:
基于第三位置、运动方向,确定各个待停车车辆到空闲车位的路径信息以及各个路径信息上的停车位使用情况;
对各个路径信息以及各个路径信息上的停车位使用情况进行特征提取,确定多个特征值;
将多个特征值,输入预设的神经网络模型,确定空闲车位被使用的概率。
本发明还提供一种应用于智能汽车的辅助停车系统,包括:
第一获取模块,用于获取用户的目的地;
确定模块,用于基于目的地,确定目标停车场;
定位模块,用于实时获取用户的定位信息;
触发模块,用于基于定位信息和目标停车场的位置,确定是否进入停车引导模式;
第二获取模块,用于当进入停车引导模式时,接入目标停车场的智能管理平台并获取当前目标停车场内的停车情况以及停车场内的车辆运动情况;
规划模块,用于基于当前目标停车场内的停车情况和车辆运动情况,规划停车路径;
输出模块,用于输出停车路径。
优选的,第一获取模块获取用户的目的地,执行如下操作:
获取用户的导航信息;
解析导航信息,确定导航终点;
将导航终点作为目的地;
和/或,
获取用户在目的地输入界面输入的目的地。
本发明的其它特征和优点将在随后的说明书中阐述,并且,部分地从说明书中变得显而易见,或者通过实施本发明而了解。本发明的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。
下面通过附图和实施例,对本发明的技术方案做进一步的详细描述。
附图说明
附图用来提供对本发明的进一步理解,并且构成说明书的一部分,与本发明的实施例一起用于解释本发明,并不构成对本发明的限制。在附图中:
图1为本发明实施例中一种应用于智能汽车的辅助停车方法的示意图;
图2为本发明实施例中一种应用于智能汽车的辅助停车系统的示意图。
具体实施方式
以下结合附图对本发明的优选实施例进行说明,应当理解,此处所描述的优选实施例仅用于说明和解释本发明,并不用于限定本发明。
本发明实施例提供了一种应用于智能汽车的辅助停车方法,如图1所示,包括:
步骤S1:获取用户的目的地;
步骤S2:基于目的地,确定目标停车场;
步骤S3:实时获取用户的定位信息;
步骤S4:基于定位信息和目标停车场的位置,确定是否进入停车引导模式;
步骤S5:当进入停车引导模式时,接入目标停车场的智能管理平台并获取当前目标停车场内的停车情况以及停车场内的车辆运动情况;
步骤S6:基于当前目标停车场内的停车情况和车辆运动情况,规划停车路径;
步骤S7:输出停车路径。
上述技术方案的工作原理及有益效果为:
本发明的辅助停车方法主要应用在智能汽车上,通过对用户的目的地进行分析,进而确定目标停车场;根据用户的位置与目标停车场的位置之间的变化及相对关系,确定是否进入停车引导模式;当进入停车引导模式后,接入目标停车场的智能管理平台,获取停车场内的停车情况以及停车场内的车辆运动情况,根据停车场内的实际情况规划停车路径并将停车路径输出;其中,智能管理平台为目标停车场使用的,具有智能管理停车场内的停车位以及停车场内各个预设位置的图像采集设备采集的图像等功能;停车路径的输出可以通过智能汽车内的显示屏进行显示输出和/或通过智能汽车内设置的扬声器进行语音输出。例如:用户在家里出发时输入目的地,然后根据用户的定位实时判断是否进入停车引导模式,当进入时,显示屏输出停车引导,本发明的辅助停车方法直接根据当前目标停车场内的停车情况和车辆运动情况,规划停车路径;实现了停车场内停车的路径导航,避免用户在节假日等停车场内停车位紧张时,在停车场内浪费时间寻找车位,使用户更快捷便利地进行停车。
在一个实施例中,获取用户的目的地,包括:
获取用户的导航信息;
解析导航信息,确定导航终点;
将导航终点作为目的地;
和/或,
获取用户在目的地输入界面输入的目的地。
上述技术方案的工作原理及有益效果为:
本实施提供两种获取用户的目的地的方式,第一种为通过车载导航或连接到智能汽车的智能手机上的导航APP,获取用户的导航信息,将导航信息对应的导航终点作为用户的目的地;第二种为通过智能汽车的显示屏上显示的目的地输入界面上直接输入目的地。
为了实现目标停车场的确定,在一个实施例中,基于目的地,确定目标停车场,包括:
获取目的地附近区域内的停车场分布图;
基于停车场分布图,确定距离目的地最近的停车场为目标停车场。一般大型商业中心地下会设置地下的停车场;当用户导航为该大型商业中心时,距离最近的停车场就是其设置在地下的停车场;该停车场为目标停车场;
在一个实施例中,基于定位信息和目标停车场的位置,确定是否进入停车引导模式,包括:
解析定位信息,确定用户的当前位置;
基于当前位置和目标停车场的位置,确定用户距离目标停车场的第一距离;
当第一距离小于预设的触发阈值(例如500米)时,进入触发判定;
当进入触发判定时,每隔预设的第一时间(例如:3秒)对当前位置进行采样,获取多个采样位置;
确定各个采样位置与目标停车场的位置之间的第一距离值;
确定相邻两个采样位置的第一距离值的差值;差值为前一个采样位置对应的第一距离值减去后一个采样位置对应的第一距离值;
当差值大于零的数目大于差值小于等于零的数目时,触发进入停车引导模式,否则,不触发。当进入距离目标停车场的触发阈值对应的距离范围内时,对用户的位置进行采样,根据采样位置与目标停车场之间的距离的差值的变化趋势,确定用户是否往目标停车场移动,进而判断出是否进入停车引导模式,提高了智能性。
在一个实施例中,基于当前目标停车场内的停车情况和车辆运动情况,规划停车路径,包括:
确定至少一个目标通道;目标通道为目标停车场内供人员出入的通道;例如:直升电梯、电动扶梯等设施;在一个停车场内往往设置有多个可供人员出入的通道,确定其中一个或几个作为目标通道;
获取预设的目标停车场的停车位设置图;停车位设置图为预先根据目标停车场内部结构和停车位的划分构建;
解析停车情况,在停车位设置图内确定目标停车场内的各个空闲车位的第一位置;停车情况为停车场内的停车位的使用情况,当停车位上有车辆停留时,为已占用状态;无车辆停留,则为空闲;停车位上是否有车辆可以通过地磁传感器检测、高位摄像头拍摄后进行图像分析等手段进行检测
在停车位设置图中,确定各个目标通道对应的第二位置;即将目标通道在停车位设置图中标示出;
基于第一位置和第二位置,确定各个空闲车位距离各个目标通道的第二距离;
基于第二距离,确定各个空闲车位的第一优先值;通过比较空闲车位距离各个目标通道的第二距离,确定最短距离,查询预设的距离与优先值对应表,确定第一优先值;
解析车辆运动情况,确定待停车的车辆;当车辆从停车位驶出,该车辆不会被判定为待停车的车辆;只有进入停车场后正在寻找车位的车辆才会被判定为待停车车辆;例如:车辆的运动情况的具体表现可以为各个车辆的运动轨迹;通过运动轨迹的起始点,确定是否为待停车的车辆;当起始点为停车为时,确定为不是待停车车辆,当起始点为停车场出入口时,确定为待停车的车辆;
将待停车的车辆映射至停车位设置图内,确定待停车的车辆的第三位置以及运动方向;
基于第三位置、运动方向,确定各个空闲车位被使用的概率;即通过概率,可以对应标示出用户进入目标停车场后,该空闲车位是否已被使用;当空闲车位的被使用的概率高时,不能作为停车路径规划的终点;
基于各个空闲车位被使用的概率,确定各个空闲车位的第二优先值;采用概率,然后通过查询概率与优先值对应表,确定概率对应的第二优先值;
基于第一优先值和第二优先值,确定综合优先值;综合优先值为第一优先值与第二优先值的和值;
将综合优先值最大的空闲车位作为目标车位;
获取用户进入目标停车场的入口位置;通过用户当前位置规划处用户移动到停车场内的路径;基于各个路径,确定用户进入停车场的最短路径;将最短路径对应的入口位置作为用户进入目标停车场的入口位置;
基于入口位置和目标车位,规划停车路径。停车路径的起点为入口位置,终点为目标车位,路径根据停车场内的道路设置进行规划,使停车路径为最短及有效。
在一个实施例中,确定至少一个目标通道,包括:
获取目标停车场内的各个用于人员出入的通道的第四位置;
再次解析目的地,当目的地属于预设类型的目的地时,确定第五位置;
基于各个用于人员出入的通道的第四位置和第五位置,确定至少一个目标通道;
当目的地不属于预设的类型的目的地时,接收目标停车场的智能管理平台发送的基于用户进入目的地对应的建筑后的活动区域的预测分析,确定通往活动区域最近的至少一个目标通道;
其中,活动区域,通过如下步骤预测:
获取用户的用户画像;
基于用户画像,获取用户在目的地对应的建筑内的活动轨迹;
提取与当前时刻对应的历史时刻时,用户所在的第六位置;
基于活动轨迹,确定用户进入建筑后首要目标的第七位置;其中,首要目标,主要通过对用户的轨迹进行分析确定,例如:当用户进入商场后进入的第一家店铺,首要目标就为该家店铺;
基于第六位置和第七位置,确定活动区域;
当未获取用户在目的地对应的建筑内的活动轨迹时,基于预设的时间与活动区域的对照预测表,确定活动区域。
上述技术方案的工作原理及有益效果为:
预设类型,例如:目的地为大型商业中心的具体店铺的名字;通过该具体店铺名字可以确定其属于大型商业中心的哪个区域,大型商业中心的区域划分一般有购物区、休闲区、美食区等;当目的地为预设类型时,可以直接确定出距离最近的通道,例如:电梯A可以从地下停车场直接通往目的地B;当用户输入的目的地刚好为目的地B时,目标通道可以确定为电梯A;当用户的目的地的类型不是预设类型,例如:直接是以大型商业中心的名字为目的地时;通过目标停车场的智能管理平台发送的活动区域的预测分析确定出目标通道;具体的分析,可以通过用户的用户画像调用出大型商业中心内各个视频监控设备拍摄的画像,进而分析出用户的活动轨迹;然后对活动轨迹进行分析,对用户的行为进行预测,确定此次用户的首要目标对应的活动区域;当通过用户画像没有调取到活动轨迹时,即用户未进入过目的地对应的建筑时,通过预设的时间与活动区域的对照预测表,确定活动区域;例如:当用户是5:00至7:00时,可以预测用户的活动区域为美食区。其中,用户画像为用户的识别信息,具体包括:用户的用户名、人脸信息、图像信息等;
在一个实施例中,基于第六位置和第七位置,确定活动区域,包括:
获取基于预设的建筑内的区域划分规则划分的区域;
基于第六位置和第七位置对应的区域,确定各个区域在活动轨迹中出现的次数;
将次数最多的区域作为活动区域。
上述技术方案的工作原理及有益效果为:
通过对用户的历史活动轨迹中出现的首要目标以及当前时刻对应的历史时刻所在位置所处区域的统计分析,确定活动区域,实现用户的活动区域的预测;例如:用户的活动轨迹为10条;活动轨迹中有5条的首要目标位于美食区、3条的首要目标位于休闲区、2条的首要目标位于购物区;有5条活动轨迹中存在有与当前时刻(例如:下午5:00)对应的历史时刻(例如:下午5:00);用户的位置分别位于休闲区(3条)、购物区(2条);统计后的数据为:美食区5次、休闲区6次、购物区4次;因此将休闲区作为活动区域。
在一个实施例中,基于第三位置、运动方向,确定各个空闲车位被使用的概率,包括:
基于第三位置、运动方向,确定各个待停车车辆到空闲车位的路径信息以及各个路径信息上的停车位使用情况;
对各个路径信息以及各个路径信息上的停车位使用情况进行特征提取,确定多个特征值;
将多个特征值,输入预设的神经网络模型,确定空闲车位被使用的概率。
上述技术方案的工作原理及有益效果为:
通过神经网络模型,对待停车的车辆的运动方向以及第三位置,结合停车场内的停车为的设置及道路设置进行分析,实现对空闲车位被使用概率的确定;神经网络模型为事先基于大量数据训练收敛获得;例如:当空闲车位位于停车场一条支路的末端时,该支路上存在一个待停车的车辆,该支路位于车辆的行驶方向上只有一个空闲车位,该空闲车位被使用的概率为100%,当存在两个停车位时,距离待停车的车辆的距离较近的空闲车位的被使用概率高于距离待停车的车辆的距离较远的空闲车位的被使用的概率;当两个空闲车位为相邻时,两者的概率都为50%;当两者距离大于4个车位时,距离较近的车位被使用的概率为95%,距离较远的空闲车位被使用的概率为5%。
此外,对确定为停车路径终点的空闲车位进行状态追踪,当空闲车位被使用时,重新进行停车引导。
本发明还提供一种应用于智能汽车的辅助停车系统,如图2所示,包括:
第一获取模块1,用于获取用户的目的地;
确定模块2,用于基于目的地,确定目标停车场;
定位模块3,用于实时获取用户的定位信息;
触发模块4,用于基于定位信息和目标停车场的位置,确定是否进入停车引导模式;
第二获取模块5,用于当进入停车引导模式时,接入目标停车场的智能管理平台并获取当前目标停车场内的停车情况以及停车场内的车辆运动情况;
规划模块6,用于基于当前目标停车场内的停车情况和车辆运动情况,规划停车路径;
输出模块7,用于输出停车路径。
在一个实施例中,第一获取模块1获取用户的目的地,执行如下操作:
获取用户的导航信息;
解析导航信息,确定导航终点;
将导航终点作为目的地;
和/或,
获取用户在目的地输入界面输入的目的地。
在一个实施例中,确定模块2基于目的地,确定目标停车场,执行如下操作:
获取目的地附近区域内的停车场分布图;
基于停车场分布图,确定距离目的地最近的停车场为目标停车场。
在一个实施例中,触发模块4基于定位信息和目标停车场的位置,确定是否进入停车引导模式,执行如下操作:
解析定位信息,确定用户的当前位置;
基于当前位置和目标停车场的位置,确定用户距离目标停车场的第一距离;
当第一距离小于预设的触发阈值时,进入触发判定;
当进入触发判定时,每隔预设的第一时间对当前位置进行采样,获取多个采样位置;
确定各个采样位置与目标停车场的位置之间的第一距离值;
确定相邻两个采样位置的第一距离值的差值;差值为前一个采样位置对应的第一距离值减去后一个采样位置对应的第一距离值;
当差值大于零的数目大于差值小于等于零的数目时,触发进入停车引导模式,否则,不触发。
在一个实施例中,规划模块6基于当前目标停车场内的停车情况和车辆运动情况,规划停车路径,执行如下操作:
确定至少一个目标通道;
获取预设的目标停车场的停车位设置图;
解析停车情况,在停车位设置图内确定目标停车场内的各个空闲车位的第一位置;
在停车位设置图中,确定各个目标通道对应的第二位置;
基于第一位置和第二位置,确定各个空闲车位距离各个目标通道的第二距离;
基于第二距离,确定各个空闲车位的第一优先值;
解析车辆运动情况,确定待停车的车辆;
将待停车的车辆映射至停车位设置图内,确定待停车的车辆的第三位置以及运动方向;
基于第三位置、运动方向,确定各个空闲车位被使用的概率;
基于各个空闲车位被使用的概率,确定各个空闲车位的第二优先值;
基于第一优先值和第二优先值,确定综合优先值;
将综合优先值最大的空闲车位作为目标车位;
获取用户进入目标停车场的入口位置;
基于入口位置和目标车位,规划停车路径。
在一个实施例中,规划模块6确定至少一个目标通道,执行如下操作:
获取目标停车场内的各个用于人员出入的通道的第四位置;
再次解析目的地,当目的地属于预设类型的目的地时,确定第五位置;
基于各个用于人员出入的通道的第四位置和第五位置,确定至少一个目标通道;
当目的地不属于预设的类型的目的地时,接收目标停车场的智能管理平台发送的基于用户进入目的地对应的建筑后的活动区域的预测分析,确定通往活动区域最近的至少一个目标通道;
其中,活动区域,通过如下步骤预测:
获取用户的用户画像;
基于用户画像,获取用户在目的地对应的建筑内的活动轨迹;
提取与当前时刻对应的历史时刻时,用户所在的第六位置;
基于活动轨迹,确定用户进入建筑后首要目标的第七位置;
基于第六位置和第七位置,确定活动区域;
当未获取用户在目的地对应的建筑内的活动轨迹时,基于预设的时间与活动区域的对照预测表,确定活动区域。
在一个实施例中,基于第六位置和第七位置,确定活动区域,包括:
获取基于预设的建筑内的区域划分规则划分的区域;
基于第六位置和第七位置对应的区域,确定各个区域在活动轨迹中出现的次数;
将次数最多的区域作为活动区域。
在一个实施例中,基于第三位置、运动方向,确定各个空闲车位被使用的概率,包括:
基于第三位置、运动方向,确定各个待停车车辆到空闲车位的路径信息以及各个路径信息上的停车位使用情况;
对各个路径信息以及各个路径信息上的停车位使用情况进行特征提取,确定多个特征值;
将多个特征值,输入预设的神经网络模型,确定空闲车位被使用的概率。
显然,本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样,倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内,则本发明也意图包含这些改动和变型在内。
Claims (10)
1.一种应用于智能汽车的辅助停车方法,其特征在于,包括:
获取用户的目的地;
基于所述目的地,确定目标停车场;
实时获取所述用户的定位信息;
基于所述定位信息和所述目标停车场的位置,确定是否进入停车引导模式;
当进入所述停车引导模式时,接入所述目标停车场的智能管理平台并获取当前所述目标停车场内的停车情况以及停车场内的车辆运动情况;
基于当前所述目标停车场内的停车情况和所述车辆运动情况,规划停车路径;
输出所述停车路径。
2.如权利要求1所述的应用于智能汽车的辅助停车方法,其特征在于,所述获取用户的目的地,包括:
获取用户的导航信息;
解析所述导航信息,确定导航终点;
将所述导航终点作为所述目的地;
和/或,
获取用户在目的地输入界面输入的所述目的地。
3.如权利要求1所述的应用于智能汽车的辅助停车方法,其特征在于,所述基于所述目的地,确定目标停车场,包括:
获取所述目的地附近区域内的停车场分布图;
基于所述停车场分布图,确定距离所述目的地最近的所述停车场为所述目标停车场。
4.如权利要求1所述的应用于智能汽车的辅助停车方法,其特征在于,所述基于所述定位信息和所述目标停车场的位置,确定是否进入停车引导模式,包括:
解析所述定位信息,确定所述用户的当前位置;
基于所述当前位置和所述目标停车场的位置,确定用户距离所述目标停车场的第一距离;
当所述第一距离小于预设的触发阈值时,进入触发判定;
当进入所述触发判定时,每隔预设的第一时间对所述当前位置进行采样,获取多个采样位置;
确定各个所述采样位置与所述目标停车场的位置之间的第一距离值;
确定相邻两个所述采样位置的第一距离值的差值;所述差值为前一个所述采样位置对应的第一距离值减去后一个所述采样位置对应的第一距离值;
当所述差值大于零的数目大于所述差值小于等于零的数目时,触发进入停车引导模式,否则,不触发。
5.如权利要求1所述的应用于智能汽车的辅助停车方法,其特征在于,所述基于当前所述目标停车场内的停车情况和所述车辆运动情况,规划停车路径,包括:
确定至少一个目标通道;
获取预设的所述目标停车场的停车位设置图;
解析所述停车情况,在所述停车位设置图内确定所述目标停车场内的各个空闲车位的第一位置;
在所述停车位设置图中,确定各个所述目标通道对应的第二位置;
基于所述第一位置和所述第二位置,确定各个所述空闲车位距离各个所述目标通道的第二距离;
基于所述第二距离,确定各个所述空闲车位的第一优先值;
解析所述车辆运动情况,确定待停车的车辆;
将所述待停车的车辆映射至所述停车位设置图内,确定所述待停车的车辆的第三位置以及运动方向;
基于所述第三位置、所述运动方向,确定各个所述空闲车位被使用的概率;
基于各个所述空闲车位被使用的概率,确定各个所述空闲车位的第二优先值;
基于所述第一优先值和所述第二优先值,确定综合优先值;
将所述综合优先值最大的所述空闲车位作为所述目标车位;
获取所述用户进入所述目标停车场的入口位置;
基于所述入口位置和所述目标车位,规划所述停车路径。
6.如权利要求5所述的应用于智能汽车的辅助停车方法,其特征在于,所述确定至少一个目标通道,包括:
获取所述目标停车场内的各个用于人员出入的通道的第四位置;
再次解析所述目的地,当所述目的地属于预设类型的目的地时,确定第五位置;
基于各个用于人员出入的通道的第四位置和所述第五位置,确定至少一个目标通道;
当所述目的地不属于预设的类型的目的地时,接收所述目标停车场的智能管理平台发送的基于所述用户进入所述目的地对应的建筑后的活动区域的预测分析,确定通往所述活动区域最近的至少一个目标通道;
其中,所述活动区域,通过如下步骤预测:
获取所述用户的用户画像;
基于所述用户画像,获取所述用户在所述目的地对应的建筑内的活动轨迹;
提取与当前时刻对应的历史时刻时,所述用户所在的第六位置;
基于所述活动轨迹,确定所述用户进入所述建筑后首要目标的第七位置;
基于所述第六位置和所述第七位置,确定所述活动区域;
当未获取所述用户在所述目的地对应的建筑内的活动轨迹时,基于预设的时间与活动区域的对照预测表,确定所述活动区域。
7.如权利要求6所述的应用于智能汽车的辅助停车方法,其特征在于,所述基于所述第六位置和所述第七位置,确定所述活动区域,包括:
获取基于预设的所述建筑内的区域划分规则划分的区域;
基于所述第六位置和所述第七位置对应的区域,确定各个区域在活动轨迹中出现的次数;
将所述次数最多的所述区域作为所述活动区域。
8.如权利要求5所述的应用于智能汽车的辅助停车方法,其特征在于,所述基于所述第三位置、所述运动方向,确定各个所述空闲车位被使用的概率,包括:
基于所述第三位置、所述运动方向,确定各个所述待停车车辆到所述空闲车位的路径信息以及各个所述路径信息上的停车位使用情况;
对各个所述路径信息以及各个所述路径信息上的停车位使用情况进行特征提取,确定多个特征值;
将多个所述特征值,输入预设的神经网络模型,确定所述空闲车位被使用的概率。
9.一种应用于智能汽车的辅助停车系统,其特征在于,包括:
第一获取模块,用于获取用户的目的地;
确定模块,用于基于所述目的地,确定目标停车场;
定位模块,用于实时获取所述用户的定位信息;
触发模块,用于基于所述定位信息和所述目标停车场的位置,确定是否进入停车引导模式;
第二获取模块,用于当进入所述停车引导模式时,接入所述目标停车场的智能管理平台并获取当前所述目标停车场内的停车情况以及停车场内的车辆运动情况;
规划模块,用于基于当前所述目标停车场内的停车情况和所述车辆运动情况,规划停车路径;
输出模块,用于输出所述停车路径。
10.如权利要求9所述的应用于智能汽车的辅助停车系统,其特征在于,所述第一获取模块获取用户的目的地,执行如下操作:
获取用户的导航信息;
解析所述导航信息,确定导航终点;
将所述导航终点作为所述目的地;
和/或,
获取用户在目的地输入界面输入的所述目的地。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210568390.7A CN114999200A (zh) | 2022-05-23 | 2022-05-23 | 一种应用于智能汽车的辅助停车方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210568390.7A CN114999200A (zh) | 2022-05-23 | 2022-05-23 | 一种应用于智能汽车的辅助停车方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114999200A true CN114999200A (zh) | 2022-09-02 |
Family
ID=83026826
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210568390.7A Pending CN114999200A (zh) | 2022-05-23 | 2022-05-23 | 一种应用于智能汽车的辅助停车方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114999200A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115547096A (zh) * | 2022-09-26 | 2022-12-30 | 重庆长安汽车股份有限公司 | 车辆的引导路线规划方法及装置 |
CN117275278A (zh) * | 2022-12-30 | 2023-12-22 | 广东三鼎智慧信息科技有限公司 | 一种停车场的车位调度方法、系统及存储介质 |
CN117496745A (zh) * | 2023-10-09 | 2024-02-02 | 上海软杰智能设备有限公司 | 一种基于人工智能的车位引导数据分析系统及方法 |
CN118379899A (zh) * | 2024-04-25 | 2024-07-23 | 镁佳(武汉)科技有限公司 | 停车指引方法、装置、计算机设备、存储介质及程序产品 |
Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2011179933A (ja) * | 2010-02-26 | 2011-09-15 | Aisin Aw Co Ltd | ナビゲーション装置、及びナビゲーション用プログラム |
DE102011122191A1 (de) * | 2011-12-23 | 2012-06-28 | Daimler Ag | Verfahren und Vorrichtung zur Unterstützung eines Fahrers bei einer Parkplatzsuche |
DE102013100953A1 (de) * | 2012-01-31 | 2013-08-01 | Deutsche Telekom Ag | Verfahren und System zum Auffinden freier Parkplatzpositionen in einem Großraum |
CN105118325A (zh) * | 2015-09-07 | 2015-12-02 | 广东欧珀移动通信有限公司 | 一种车库导航的方法及终端 |
CN107274716A (zh) * | 2017-08-08 | 2017-10-20 | 重庆邮电大学 | 一种室内外融合导航的停车系统与方法 |
CN109191896A (zh) * | 2018-10-17 | 2019-01-11 | 南京邮电大学 | 个性化停车位推荐方法和系统 |
CN109523827A (zh) * | 2018-12-24 | 2019-03-26 | 广东电网有限责任公司 | 一种地下车场停车系统 |
CN111815047A (zh) * | 2020-07-06 | 2020-10-23 | 王伟 | 一种基于用户行为分析的路径规划方法 |
CN112037560A (zh) * | 2019-06-03 | 2020-12-04 | 北京国驿技术有限公司 | 智能化封闭式停车场运行模式下车位优化分配模型建立方法 |
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 |
CN112750327A (zh) * | 2020-12-29 | 2021-05-04 | 深圳市顺易通信息科技有限公司 | 一种车辆导航方法及相关设备 |
CN113506457A (zh) * | 2021-07-08 | 2021-10-15 | 湖南大学 | 基于大型停车场场景下寻找停车位的装置和方法 |
CN113658446A (zh) * | 2021-08-20 | 2021-11-16 | 展讯通信(上海)有限公司 | 路径规划方法及装置、计算机可读存储介质、终端 |
CN114463452A (zh) * | 2020-11-10 | 2022-05-10 | 汉海信息技术(上海)有限公司 | 区域画像生成方法、装置、电子设备和计算机可读介质 |
-
2022
- 2022-05-23 CN CN202210568390.7A patent/CN114999200A/zh active Pending
Patent Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2011179933A (ja) * | 2010-02-26 | 2011-09-15 | Aisin Aw Co Ltd | ナビゲーション装置、及びナビゲーション用プログラム |
DE102011122191A1 (de) * | 2011-12-23 | 2012-06-28 | Daimler Ag | Verfahren und Vorrichtung zur Unterstützung eines Fahrers bei einer Parkplatzsuche |
DE102013100953A1 (de) * | 2012-01-31 | 2013-08-01 | Deutsche Telekom Ag | Verfahren und System zum Auffinden freier Parkplatzpositionen in einem Großraum |
CN105118325A (zh) * | 2015-09-07 | 2015-12-02 | 广东欧珀移动通信有限公司 | 一种车库导航的方法及终端 |
CN107274716A (zh) * | 2017-08-08 | 2017-10-20 | 重庆邮电大学 | 一种室内外融合导航的停车系统与方法 |
CN109191896A (zh) * | 2018-10-17 | 2019-01-11 | 南京邮电大学 | 个性化停车位推荐方法和系统 |
CN109523827A (zh) * | 2018-12-24 | 2019-03-26 | 广东电网有限责任公司 | 一种地下车场停车系统 |
CN112037560A (zh) * | 2019-06-03 | 2020-12-04 | 北京国驿技术有限公司 | 智能化封闭式停车场运行模式下车位优化分配模型建立方法 |
CN111815047A (zh) * | 2020-07-06 | 2020-10-23 | 王伟 | 一种基于用户行为分析的路径规划方法 |
CN114463452A (zh) * | 2020-11-10 | 2022-05-10 | 汉海信息技术(上海)有限公司 | 区域画像生成方法、装置、电子设备和计算机可读介质 |
CN112750327A (zh) * | 2020-12-29 | 2021-05-04 | 深圳市顺易通信息科技有限公司 | 一种车辆导航方法及相关设备 |
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 |
CN113506457A (zh) * | 2021-07-08 | 2021-10-15 | 湖南大学 | 基于大型停车场场景下寻找停车位的装置和方法 |
CN113658446A (zh) * | 2021-08-20 | 2021-11-16 | 展讯通信(上海)有限公司 | 路径规划方法及装置、计算机可读存储介质、终端 |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115547096A (zh) * | 2022-09-26 | 2022-12-30 | 重庆长安汽车股份有限公司 | 车辆的引导路线规划方法及装置 |
CN117275278A (zh) * | 2022-12-30 | 2023-12-22 | 广东三鼎智慧信息科技有限公司 | 一种停车场的车位调度方法、系统及存储介质 |
CN117496745A (zh) * | 2023-10-09 | 2024-02-02 | 上海软杰智能设备有限公司 | 一种基于人工智能的车位引导数据分析系统及方法 |
CN118379899A (zh) * | 2024-04-25 | 2024-07-23 | 镁佳(武汉)科技有限公司 | 停车指引方法、装置、计算机设备、存储介质及程序产品 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114999200A (zh) | 一种应用于智能汽车的辅助停车方法及系统 | |
US11741838B2 (en) | Target addressing system | |
CN109308546B (zh) | 乘客公交出行下车站点预测方法及系统 | |
CN108230725B (zh) | 停车推荐方法和装置 | |
CN111310994A (zh) | 一种基于数据校准的公交路线预测方法及系统 | |
CN107545757B (zh) | 基于车牌识别的城市道路流速测量装置和方法 | |
CN111311467A (zh) | 一种基于人脸识别的公交路线预测方法及系统 | |
CN102622877A (zh) | 利用路况信息及行驶速度的公交到站判断系统及判断方法 | |
CN107833161A (zh) | 一种基于大数据的旅游交通管理系统 | |
CN115222158A (zh) | 一种基于物联网的智慧城市停车场管理方法、系统及装置 | |
CN112908014A (zh) | 停车场寻车方法及装置 | |
CN115759493A (zh) | 一种无人化智能感知服务系统 | |
Li et al. | Estimating crowd flow and crowd density from cellular data for mass rapid transit | |
CN111126689A (zh) | 一种地铁车站客流流线管控方法、装置、设备及存储介质 | |
CN112990759B (zh) | 基于数字孪生的数据处理系统 | |
KR102393619B1 (ko) | 딥러닝을 이용한 주차지도 제작 및 주차장내 차량위치확인 시스템 | |
KR102163706B1 (ko) | 주차 구역 지정 기반의 주차 관리 시스템 및 그 방법 | |
CN116486332A (zh) | 客流量监测方法、装置、设备及存储介质 | |
CN113860104B (zh) | 一种基于计算机视觉的电梯群控性能指标计算系统和方法 | |
CN112101677B (zh) | 一种公共交通出行路径规划方法、装置、设备及存储介质 | |
WO2021187704A1 (ko) | 딥러닝과 rtt신호를 이용한 주차지도 제작 및 주차장내 차량위치확인 시스템 | |
KR100572666B1 (ko) | 이동 단말기의 과금정보를 이용한 교통정보 획득방법 | |
KR100642580B1 (ko) | 통화기록정보를 이용한 교통정보 생성 방법 | |
KR102591427B1 (ko) | 장애인용 대중교통 탑승 지원 장치 및 방법 | |
JP7495337B2 (ja) | 移動評価装置、方法およびプログラム |
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 |