CN115938155A - 一种路侧停车位的智能检测方法 - Google Patents
一种路侧停车位的智能检测方法 Download PDFInfo
- Publication number
- CN115938155A CN115938155A CN202211576826.3A CN202211576826A CN115938155A CN 115938155 A CN115938155 A CN 115938155A CN 202211576826 A CN202211576826 A CN 202211576826A CN 115938155 A CN115938155 A CN 115938155A
- Authority
- CN
- China
- Prior art keywords
- parking
- parking space
- value
- available
- target
- 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
Images
Landscapes
- Traffic Control Systems (AREA)
Abstract
本发明提供了一种路侧停车位的智能检测方法。包括:获取目标车辆的行驶方向、目标泊车地点以及预计到达时间,进行数据预处理,并上传至车辆智能检测数据库;基于目标车辆的预计到达时间与当前时间差小于预设时间值时,获取目标泊车地点的车位可用值;对车辆智能检测数据库中目标泊车地点在对应时间差内对应的历史可用车位变化情况进行训练,得到车位预测模型并将所述车位可用值输入,得到可用车位变化值,从而预测修正车位可用值;基于修正后的车位可用值对目标车辆进行预测提醒。通过对车辆对应的泊车参数进行处理,提前预测车辆到达泊车地点时对应的车位可用情况,减少大量车位找寻时间以及加快了停车速度,从而降低道路交通拥堵的风险。
Description
技术领域
本发明涉及智能检测领域,特别涉及一种路侧停车位的智能检测方法。
背景技术
目前,随着我国社会经济、城镇化的快速发展,机动车保有量快速增长,且城市车辆处于停放状态的时间占比超过95%,因此汽车停放问题成为了亟待解决的难题。路侧停车位由于施划简单、可操作性强、成本低的特点,成为大中城市缓解停车难问题的重要手段。
然而,即便如此,仍然会在很多时候发生停车难的困境,加之找寻停车位时间延长,可能会导致道路通行能力降低,加剧了道路交通拥堵的风险。
因此,本发明提供了一种路侧停车位的智能检测方法。
发明内容
本发明提供了一种路侧停车位的智能检测方法,用以通过对车辆对应的泊车参数进行处理,并对得到的处理结果进行判断,提前预测车辆到达泊车地点时对应的车位可用情况,从而减少大量车位找寻时间以及加快了停车速度,从而降低道路交通拥堵的风险。
本发明提供一种路侧停车位的智能检测方法,包括:
步骤1:获取目标车辆的行驶方向、目标泊车地点以及预计到达时间,进行数据预处理,并上传至车辆智能检测数据库;
步骤2:基于目标车辆的预计到达时间与当前时间差小于预设时间值时,获取目标泊车地点的车位可用值;
步骤3:对车辆智能检测数据库中目标泊车地点在对应时间差内对应的历史可用车位变化情况进行训练,得到车位预测模型;
步骤4:将所述车位可用值输入到车位预测模型中,得到可用车位变化值,并预测修正后的车位可用值;
步骤5:基于得到的修正后的车位可用值对目标车辆进行预测提醒。
在一种可能实现的方式中,获取目标车辆的行驶方向、目标泊车地点以及预计到达时间,进行数据预处理,并上传至车辆智能检测数据库,包括:
步骤11:获取目标车辆的行驶方向、目标泊车地点以及预计到达时间的数据,并进行数据标准化处理,得到标准化数据;
其中,所述行驶方向与目标泊车地点是在预设行驶坐标上显示的,并用坐标表示法表示;
步骤12:基于不同数据类型对标准化数据进行分类,并基于分类结果上传至车辆智能检测数据库中对应数据表中。
在一种可能实现的方式中,基于目标车辆的预计到达时间与当前时间差小于预设时间值时,获取目标泊车地点的车位可用值,包括:
步骤21:获取所述目标车辆的预计到达时间,并计算预计到达时间与当前时间的差值;
步骤22:将所述预计到达时间与当前时间的差值与预设时间差值进行比较;
若所述差值大于预设时间差值,则基于预设时间段之后再次进行差值计算以及差值比较;
若所述差值小于或等于预设时间差值,则基于目标泊车地点的当前车位可用情况,得到目标泊车地点的第一初始车位可用值;
其中,所述第一初始车位可用值是基于当前目标车辆的行驶方向、当前目标车辆的当下位置以及所述当下位置与最终目的地的距离,得到最优范围内的车位可用情况对应的值。
在一种可能实现的方式中,基于目标车辆的预计到达时间与当前时间差小于预设时间值时,获取目标泊车地点的车位可用值之后,还包括,判断目标泊车地点现在是否为泊车高峰期,具体包括:
步骤201:基于目标车辆的预设到达时间,判断所述预设到达时间是否为预设泊车地点的泊车高峰期;
若所述到达时间为预设泊车地点的泊车高峰期,则基于高峰期车位变化情况进行判断;
若所述到达时间不是预设泊车地点的泊车高峰期,则基于非高峰期车位变化情况进行判断;
步骤202:当判断结果与高峰期车位变化情况有关时,按照所述目标车辆的当下位置与预设目标泊车地点之间的第一线路所涉及到的历史拥堵路段以及预设目标泊车地点对应停车场在高峰期的历史被占用概率,得到第一车位可用值;
当判断结果与低峰期车位变化情况有关时,按照所述目标车辆的当下位置与预设目标泊车地点之间的第二线路的畅通程度以及预设目标泊车地点对应停车场在低峰期的历史被占用概率,得到第一车位可用值。
在一种可能实现的方式中,对车辆智能检测数据库中目标泊车地点在对应时间差内对应的历史可用车位变化情况进行训练,得到车位预测模型,包括:
步骤31:从所述车辆智能检测数据库中,获取车辆检测数据库中目标泊车地点在历史到达时间与历史车位检测时间的时间差内对应的历史可用车位变化值;
步骤32:基于所述历史可用车位变化值以及历史预计到达时间与历史车位检测时间的时间差,对初始车位预测模型进行训练,得到车位预测模型。
在一种可能实现的方式中,将所述车位可用值输入到车位预测模型中,得到可用车位变化值,并预测修正后的车位可用值,包括:
步骤41:基于目标车辆对应的预计到达时间与当前时间的差值输入到车位预测模型中,得到第一可用车位变化值;
步骤42:基于第一车位可用值、第一可用车位变化值,并基于目标车辆的车型大小得到修正后的第一车位可用值;
其中,目标车辆的车型大小如果超过单个停车位的预设长宽,则基于目标车辆的实际长宽,获取多个连续的停车位。
在一种可能实现的方式中,基于得到的修正后的车位可用值对目标车辆进行预测提醒,包括:
步骤51:获取修正后的第一车位可用值,并判断修正后的第一车位可用值是否为空值;
步骤52:基于第一车位可用值的判断结果判断目标泊车地点是否可以进行泊车,并进行可泊车情况提醒。
在一种可能实现的方式中,基于第一车位可用值的判断结果判断目标泊车地点是否可以进行泊车,并进行可泊车情况提醒,包括:
基于第一车位可用值的判断结果进行目标泊车地点的泊车判断;
若第一车位可用值不为空,则可以进行泊车,确定目标泊车地点有效,并基于对应泊车结果对目标车辆进行预测提醒;
若第一车位可用值为空,则不可以进行泊车,确定目标泊车地点无效,并基于目标泊车地点在预设范围内进行扩大,得到第二目标泊车地点;
基于第二目标泊车地点,得到对应的第二车位可用值,并基于目标车辆对应的预计到达时间与当前时间的差值输入到车位预测模型中,得到第二可用车位变化值,再基于第二车位可用值、第二可用车位变化值,并基于目标车辆的车型大小得到修正后的第二车位可用值,并重新判断,再次进行预测提醒。
在一种可能实现的方式中,基于得到的修正后的车位可用值对目标车辆进行预测提醒之后,还包括:
步骤01:基于第一预设时间段之后对目标车辆的预计到达时间进行再次判断,得到调整后的预计到达时间;
步骤02:基于调整后的预计到达时间,并基于车辆智能检测数据库对目标泊车地点的车位可用值再次进行确定;
步骤03:基于确定结果,对修正后的车位可用值进行再次修正,得到第二修正车位可用值;
步骤04:基于所述第二修正车位可用值对预测评估结果进行调整,得到调整后的预测评估结果;
步骤05:基于调整后的预测评估结果与之前的预测评估结果进行对比,若对比结果存在差异,则进行再次提醒;反之,则不进行提醒。
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路侧停车位的智能检测方法的流程图;
图2为本发明实施例中一种路侧停车位的智能检测方法中将所述车位可用值输入到车位预测模型中,得到可用车位变化值,并预测修正后的车位可用值的流程图;
图3为本发明实施例中一种路侧停车位的智能检测方法中预设时间段后重新进行判断并预测提醒的流程图。
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。
实施例1:
本发明实施例提供了一种路侧停车位的智能检测方法,如图1所示,包括:
步骤1:获取目标车辆的行驶方向、目标泊车地点以及预计到达时间,进行数据预处理,并上传至车辆智能检测数据库;
步骤2:基于目标车辆的预计到达时间与当前时间差小于预设时间值时,获取目标泊车地点的车位可用值;
步骤3:对车辆智能检测数据库中目标泊车地点在对应时间差内对应的历史可用车位变化情况进行训练,得到车位预测模型;
步骤4:将所述车位可用值输入到车位预测模型中,得到可用车位变化值,并预测修正后的车位可用值;
步骤5:基于得到的修正后的车位可用值对目标车辆进行预测提醒。
该实施例中,数据预处理是基于获取到的目标车辆的行驶方向、目标泊车地点以及预计到达时间进行标准化处理,比如,将预计到达时间转化为24小时计时制,行驶方向按照先经度后维度的方式进行方向确定,目标泊车地点也按照先经度后维度的方式进行地点确定。
该实施例中,车辆智能检测数据库是基于有效时间内的所有车辆行驶及停车数据信息构成的数据库,可以按照区域分为多个不同的数据库,比如,按照省、市、区等进行多层次划分,划分为多个不同的智能检测数据库。
该实施例中,车位可用值是基于当前目标车辆的行驶方向、当前目标车辆的当下位置以及所述当下位置与最终目的地的距离,得到的车位可用情况对应的值。
该实施例中,历史可用车位变化情况是基于车辆智能检测数据库中目标泊车地点在对应时间差内历史车位变化的情况,其中对应的时间差是指目标车辆的预计到达时间与当前时间的差值,比如,可以根据标准化处理后的数据对应的分钟数来进行统一计算。
该实施例中,车位预测模型是基于历史可用车位变化值以及历史预计到达时间与历史车位检测时间的时间差,对初始车位预测模型进行训练得到的。
该实施例中,可用车位变化值是基于车位预测模型的处理计算,在预计到达时间与当前到达时间的时间差内,得到的目标泊车地点可用车位的减少或增加值。
该实施例中,预测提醒是基于预设到达时间,目标泊车地点的可用车位情况进行预测,并基于预测结果对目标车辆进行提醒。
上述技术方案的有益效果是:对车辆对应的泊车参数进行处理,并对得到的处理结果进行判断,提前预测车辆到达泊车地点时对应的车位可用情况,从而减少大量车位找寻时间以及加快了停车速度,从而降低道路交通拥堵的风险。
实施例2:
基于实施例1的基础上,获取目标车辆的行驶方向、目标泊车地点以及预计到达时间,进行数据预处理,并上传至车辆智能检测数据库,包括:
步骤11:获取目标车辆的行驶方向、目标泊车地点以及预计到达时间的数据,并进行数据标准化处理,得到标准化数据;
其中,所述行驶方向与目标泊车地点是在预设行驶坐标上显示的,并用坐标表示法表示;
步骤12:基于不同数据类型对标准化数据进行分类,并基于分类结果上传至车辆智能检测数据库中对应数据表中。
该实施例中,数据标准化处理是对获取的目标车辆的行驶方向、目标泊车地点以及预计到达时间的数据按照不同的数据情况,进行不同形式的标准化处理,比如,将预计到达时间转化为24小时计时制,行驶方向按照先经度后维度的方式进行方向确定,目标泊车地点也按照先经度后维度的方式进行地点确定。
该实施例中,行驶方向与目标泊车地点是在预设行驶坐标上显示的,并用坐标表示法表示,比如,坐标表示法可以采用经度纬度的方式进行表示。
该实施例中,车辆智能检测数据库是基于有效时间内的所有车辆行驶及停车数据信息构成的数据库,可以按照区域分为多个不同的数据库,比如,按照省、市、区等进行多层次划分,划分为多个不同的智能检测数据库。
所述技术方案的有益效果是:通过对目标车辆的对应数据进行标准化处理,从而使得处理后的数据更易进行比较计算,加快了智能检测的速度,从而更快的预测车辆到达泊车地点时对应的车位可用情况。
实施例3:
基于实施例2的基础上,基于目标车辆的预计到达时间与当前时间差小于预设时间值时,获取目标泊车地点的车位可用值,包括:
步骤21:获取所述目标车辆的预计到达时间,并计算预计到达时间与当前时间的差值;
步骤22:将所述预计到达时间与当前时间的差值与预设时间差值进行比较;
若所述差值大于预设时间差值,则基于预设时间段之后再次进行差值计算以及差值比较;
若所述差值小于或等于预设时间差值,则基于目标泊车地点的当前车位可用情况,得到目标泊车地点的第一初始车位可用值;
其中,所述第一初始车位可用值是基于当前目标车辆的行驶方向、当前目标车辆的当下位置以及所述当下位置与最终目的地的距离,得到最优范围内的车位可用情况对应的值。
该实施例中,预设时间差值可以基于目标车辆与目标泊车地点的距离及目标车辆的速度等进行调整。
该实施例中,预计到达时间是指目标车辆从当前车辆所在位置到目标泊车地点对应的预设路线,在当前车速情况下时预计可到达的时间。
该实施例中,第一初始车位可用值是基于当前目标车辆的行驶方向、当前目标车辆的当下位置以及所述当下位置与最终目的地的距离,得到最优范围内的车位可用情况对应的值。
所述技术方案的有益效果是:通过获取小于预设时间值时,目标车辆对应的泊车地点,并提前预测车辆到达泊车地点时对应的车位可用情况,从而减少大量车位找寻时间以及加快了停车速度,从而降低道路交通拥堵的风险。
实施例4:
基于实施例3的基础上,基于目标车辆的预计到达时间与当前时间差小于预设时间值时,获取目标泊车地点的车位可用值之后,还包括,判断目标泊车地点现在是否为泊车高峰期,具体包括:
步骤201:基于目标车辆的预设到达时间,判断所述预设到达时间是否为预设泊车地点的泊车高峰期;
若所述到达时间为预设泊车地点的泊车高峰期,则基于高峰期车位变化情况进行判断;
若所述到达时间不是预设泊车地点的泊车高峰期,则基于非高峰期车位变化情况进行判断;
步骤202:当判断结果与高峰期车位变化情况有关时,按照所述目标车辆的当下位置与预设泊车地点之间的第一线路所涉及到的历史拥堵路段以及预设到达位置对应停车场在高峰期的历史被占用概率,得到第一车位可用值;
当判断结果与低峰期车位变化情况有关时,按照所述目标车辆的当下位置与预设泊车地点之间的第二线路的畅通程度以及预设目标泊车地点对应停车场在低峰期的历史被占用概率,得到第一车位可用值。
该实施例中,泊车高峰期是在车辆智能检测数据库中筛选的在目标泊车地点泊车数量高于一定比例时,所对应的时间段,比如,九点到十八点,某一办公楼附近泊车数量占车位总量的98%以上,则九点到十八点为当前泊车地点的泊车高峰期。
该实施例中,历史拥堵路段是在预设时间与当前时间对应的时间差范围内,当下位置到目标泊车地点在泊车高峰期会发生车辆拥堵的路段。
该实施例中,历史被占有概率是指因为车辆高峰期的情况,在预设时间与当前时间的时间范围内,目标泊车地点的车位被占有的概率。
该实施例中,第一线路是在高峰期时从当下位置到预设泊车地点所对应的最佳出行线路。
该实施例中,第二线路是在低峰期时从当下位置到预设泊车地点所对应的最佳出行线路。
该实施例中,第一车位可用值是基于泊车高峰期的判断情况对第一初始车位可用值进行判断得到的车位可用情况对应的值。
上述技术方案的有益效果是:通过对泊车高峰期进行判断,从而更准确的预测车辆到达泊车地点时对应的车位可用值,从而能够减少大量车位找寻时间以及加快了停车速度,从而降低道路交通拥堵的风险。
实施例5:
基于实施例1的基础上,对车辆智能检测数据库中目标泊车地点在对应时间差内对应的历史可用车位变化情况进行训练,得到车位预测模型,包括:
步骤31:从所述车辆智能检测数据库中,获取车辆检测数据库中目标泊车地点在历史到达时间与历史车位检测时间的时间差内对应的历史可用车位变化值;
步骤32:基于所述历史可用车位变化值以及历史预计到达时间与历史车位检测时间的时间差,对初始车位预测模型进行训练,得到车位预测模型。
该实施例中,历史预计到达时间是基于车辆监测数据库中筛选由当下位置到预设泊车地点时,当前车速对应的车辆的实际到达时间。
该实施例中,历史车位检测时间是基于车辆监测数据库中筛选由当下位置到预设泊车地点时,对应的相同车速的车辆进行车位检测的时间。
该实施例中,历史可用车位变化值是基于车辆监测数据库中车辆在实际到达时间与进行车位检测的时间对应的时间差内目标泊车地点的车位变化值,比如,当前时间目标泊车地点的可用车位有26个,当前时间与预设到达时间的差值为8分钟,在车辆检测数据库中,在当前时间与预设到达时间的差值范围内目标泊车地点的平均车位变化值为2.4,则历史可用车位变化值为2.4,预计到达时剩余的可用车位值为23.6个。
该实施例中,初始车位预测模型是基于车辆进行泊车是对应的所有参数构建的初始模型。
该实施例中,车位预测模型是基于历史可用车位变化值以及历史预计到达时间与历史车位检测时间的时间差,对初始车位预测模型进行训练得到的。
所述技术方案的有益效果是:通过对车辆智能检测数据库中对应的历史泊车情况进行训练,得到车位预测模型,从而对某一时间差内目标泊车地点的车位变化情况进行预测,从而得到更为准确的车辆到达泊车地点时对应的车位可用情况,减少大量车位找寻时间以及加快了停车速度。
实施例6:
基于实施例4的基础上,将所述车位可用值输入到车位预测模型中,得到可用车位变化值,并预测修正后的车位可用值,如图2所示,包括:
步骤41:基于目标车辆对应的预计到达时间与当前时间的差值输入到车位预测模型中,得到第一可用车位变化值;
步骤42:基于第一车位可用值、第一可用车位变化值,并基于目标车辆的车型大小得到修正后的第一车位可用值;
其中,目标车辆的车型大小如果超过单个停车位的预设长宽,则基于目标车辆的实际长宽,获取多个连续的停车位。
该实施例中,车位预测模型是基于历史可用车位变化值以及历史预计到达时间与历史车位检测时间的时间差,对初始车位预测模型进行训练得到的。
该实施例中,第一车位可用值是基于当前目标车辆的行驶方向、当前目标车辆的当下位置以及所述当下位置与最终目的地的距离,及高峰期影响处理后得到最优范围内的车位可用情况对应的值。
该实施例中,第一可用车位变化值是基于第一车位可用值,并基于车位预测模型进行处理计算得到的预计到达时间与当前时间的时间差内对应的车位减少或增加值。
该实施例中,目标车辆的车型大小如果超过单个停车位的预设长宽,则基于目标车辆的实际长宽,获取多个连续的停车位。
上述技术方案的有益效果是:通过对车位可用值进行处理,进而提前预测车辆到达泊车地点时对应的车位可用情况,从而减少大量车位找寻时间以及加快了停车速度,降低道路交通拥堵的风险。
实施例7:
基于实施例6的基础上,基于得到的修正后的车位可用值对目标车辆进行预测提醒,包括:
步骤51:获取修正后的第一车位可用值,并判断修正后的第一车位可用值是否为空值;
步骤52:基于第一车位可用值的判断结果判断目标泊车地点是否可以进行泊车,并进行可泊车情况提醒。
该实施例中,第一车位可用值是基于当前目标车辆的行驶方向、当前目标车辆的当下位置以及所述当下位置与最终目的地的距离,及高峰期影响处理后得到最优范围内的车位可用情况对应的值。
该实施例中,第一车位可用值的判断结果为空值或者非空值,空值是指目标泊车地点没有可泊车的车位,非空值是指目标泊车地点有可泊车的车位。
该实施例中,可泊车情况提醒是基于目标泊车地点有可用车位时,对目标车辆进行可泊车提醒。
上述技术方案的有益效果是:基于车位可用值的情况对目标车辆进行预测提醒,可以使得车辆及时获取目标泊车地点的车位可用情况,从而减少了大量车位找寻时间以及加快了停车速度,从而降低道路交通拥堵的风险。
实施例8:
基于实施例7的基础上,基于第一车位可用值的判断结果判断目标泊车地点是否可以进行泊车,并进行可泊车情况提醒,包括:
基于第一车位可用值的判断结果进行目标泊车地点的泊车判断;
若第一车位可用值不为空,则可以进行泊车,确定目标泊车地点有效,并基于对应泊车结果对目标车辆进行预测提醒;
若第一车位可用值为空,则不可以进行泊车,确定目标泊车地点无效,并基于目标泊车地点在预设范围内进行扩大,得到第二目标泊车地点;
基于第二目标泊车地点,得到对应的第二车位可用值,并基于目标车辆对应的预计到达时间与当前时间的差值输入到车位预测模型中,得到第二可用车位变化值,再基于第二车位可用值、第二可用车位变化值,并基于目标车辆的车型大小得到修正后的第二车位可用值,并重新判断,再次进行预测提醒。
该实施例中,第一车位可用值的判断结果为空值或者非空值,空值是指目标泊车地点没有可泊车的车位,非空值是指目标泊车地点有可泊车的车位。
该实施例中,对预设范围进行扩大是基于目标车辆的行驶方向、目标泊车地点以及预计到达时间等因素,将目标泊车地点的范围扩大,比如,原有目标泊车地点为最终抵达目的地同方向方圆50米的范围内的泊车地点,则扩大后的预设范围可为同方向方圆100米的范围内的泊车地点。
该实施例中,第二目标泊车地点是基于当前目标车辆的行驶方向、当前目标车辆的当下位置以及所述当下位置与最终目的地的距离,得到的次优范围泊车地点。
该实施例中,第二车位可用值是基于当前目标车辆的行驶方向、当前目标车辆的当下位置以及所述当下位置与最终目的地的距离,及高峰期影响处理后得到次优范围内的车位可用情况对应的值。
该实施例中,车位预测模型是基于历史可用车位变化值以及历史预计到达时间与历史车位检测时间的时间差,对初始车位预测模型进行训练得到的。
该实施例中,第二可用车位变化值是基于第二车位可用值,并基于车位预测模型进行处理计算得到的预计到达时间与当前时间的时间差内对应的车位减少或增加值。
上述技术方案的有益效果是:通过对目标泊车地点的车位可用值进行判断,及时对无可用车位的情况进行调整,并重新预测,可以使得车辆到达时能够及时找到可用车位,从而减少大量车位找寻时间以及加快了停车速度,从而降低道路交通拥堵的风险。
实施例9:
基于实施例8的基础上,基于得到的修正后的车位可用值对目标车辆进行预测提醒之后,还包括,预设时间段后重新进行判断并预测提醒,如图3所示,具体包括:
步骤01:基于第一预设时间段之后对目标车辆的预计到达时间进行再次判断,得到调整后的预计到达时间;
步骤02:基于调整后的预计到达时间,并基于车辆智能检测数据库对目标泊车地点的车位可用值再次进行确定;
步骤03:基于确定结果,对修正后的车位可用值进行再次修正,得到第二修正车位可用值;
步骤04:基于所述第二修正车位可用值对预测评估结果进行调整,得到调整后的预测评估结果;
步骤05:基于调整后的预测评估结果与之前的预测评估结果进行对比,若对比结果存在差异,则进行再次提醒;反之,则不进行提醒。
该实施例中,第二修正车位可用值是基于第一预设时间段后对目标泊车地点进行再次判断时,基于判断结果对之前修正后的车位可用值进行再次修正对应的车位可用值。
上述技术方案的有益效果是:通过对预设时间段后的车位可用情况再进行修正预测,可以使得车辆到达时能够及时找到可用车位,从而减少大量车位找寻时间以及加快了停车速度,从而降低道路交通拥堵的风险。
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 (9)
1.一种路侧停车位的智能检测方法,其特征在于,包括:
步骤1:获取目标车辆的行驶方向、目标泊车地点以及预计到达时间,进行数据预处理,并上传至车辆智能检测数据库;
步骤2:基于目标车辆的预计到达时间与当前时间差小于预设时间值时,获取目标泊车地点的车位可用值;
步骤3:对车辆智能检测数据库中目标泊车地点在对应时间差内对应的历史可用车位变化情况进行训练,得到车位预测模型;
步骤4:将所述车位可用值输入到车位预测模型中,得到可用车位变化值,并预测修正后的车位可用值;
步骤5:基于得到的修正后的车位可用值对目标车辆进行预测提醒。
2.如权利要求1所述的一种路侧停车位的智能检测方法,其特征在于,获取目标车辆的行驶方向、目标泊车地点以及预计到达时间,进行数据预处理,并上传至车辆智能检测数据库,包括:
步骤11:获取目标车辆的行驶方向、目标泊车地点以及预计到达时间的数据,并进行数据标准化处理,得到标准化数据;
其中,所述行驶方向与目标泊车地点是在预设行驶坐标上显示的,并用坐标表示法表示;
步骤12:基于不同数据类型对标准化数据进行分类,并基于分类结果上传至车辆智能检测数据库中对应数据表中。
3.如权利要求2所述的一种路侧停车位的智能检测方法,其特征在于,基于目标车辆的预计到达时间与当前时间差小于预设时间值时,获取目标泊车地点的车位可用值,包括:
步骤21:获取所述目标车辆的预计到达时间,并计算预计到达时间与当前时间的差值;
步骤22:将所述预计到达时间与当前时间的差值与预设时间差值进行比较;
若所述差值大于预设时间差值,则基于预设时间段之后再次进行差值计算以及差值比较;
若所述差值小于或等于预设时间差值,则基于目标泊车地点的当前车位可用情况,得到目标泊车地点的第一初始车位可用值;
其中,所述第一初始车位可用值是基于当前目标车辆的行驶方向、当前目标车辆的当下位置以及所述当下位置与最终目的地的距离,得到最优范围内的车位可用情况对应的值。
4.如权利要求3所述的一种路侧停车位的智能检测方法,其特征在于,基于目标车辆的预计到达时间与当前时间差小于预设时间值时,获取目标泊车地点的车位可用值之后,还包括,判断目标泊车地点现在是否为泊车高峰期,具体包括:
步骤201:基于目标车辆的预设到达时间,判断所述预设到达时间是否为预设泊车地点的泊车高峰期;
若所述到达时间为预设泊车地点的泊车高峰期,则基于高峰期车位变化情况进行判断;
若所述到达时间不是预设泊车地点的泊车高峰期,则基于非高峰期车位变化情况进行判断;
步骤202:当判断结果与高峰期车位变化情况有关时,按照所述目标车辆的当下位置与预设目标泊车地点之间的第一线路所涉及到的历史拥堵路段以及预设目标泊车地点对应停车场在高峰期的历史被占用概率,得到第一车位可用值;
当判断结果与低峰期车位变化情况有关时,按照所述目标车辆的当下位置与预设目标泊车地点之间的第二线路的畅通程度以及预设目标泊车地点对应停车场在低峰期的历史被占用概率,得到第一车位可用值。
5.如权利要求1所述的一种路侧停车位的智能检测方法,其特征在于,对车辆智能检测数据库中目标泊车地点在对应时间差内对应的历史可用车位变化情况进行训练,得到车位预测模型,包括:
步骤31:从所述车辆智能检测数据库中,获取车辆检测数据库中目标泊车地点在历史到达时间与历史车位检测时间的时间差内对应的历史可用车位变化值;
步骤32:基于所述历史可用车位变化值以及历史预计到达时间与历史车位检测时间的时间差,对初始车位预测模型进行训练,得到车位预测模型。
6.如权利要求4所述的一种路侧停车位的智能检测方法,其特征在于,将所述车位可用值输入到车位预测模型中,得到可用车位变化值,并预测修正后的车位可用值,包括:
步骤41:基于目标车辆对应的预计到达时间与当前时间的差值输入到车位预测模型中,得到第一可用车位变化值;
步骤42:基于第一车位可用值、第一可用车位变化值,并基于目标车辆的车型大小得到修正后的第一车位可用值;
其中,目标车辆的车型大小如果超过单个停车位的预设长宽,则基于目标车辆的实际长宽,获取多个连续的停车位。
7.如权利要求6所述的一种路侧停车位的智能检测方法,其特征在于,基于得到的修正后的车位可用值对目标车辆进行预测提醒,包括:
步骤51:获取修正后的第一车位可用值,并判断修正后的第一车位可用值是否为空值;
步骤52:基于第一车位可用值的判断结果判断目标泊车地点是否可以进行泊车,并进行可泊车情况提醒。
8.如权利要求7所述的一种路侧停车位的智能检测方法,其特征在于,基于第一车位可用值的判断结果判断目标泊车地点是否可以进行泊车,并进行可泊车情况提醒,包括:
基于第一车位可用值的判断结果进行目标泊车地点的泊车判断;
若第一车位可用值不为空,则可以进行泊车,确定目标泊车地点有效,并基于对应泊车结果对目标车辆进行预测提醒;
若第一车位可用值为空,则不可以进行泊车,确定目标泊车地点无效,并基于目标泊车地点在预设范围内进行扩大,得到第二目标泊车地点;
基于第二目标泊车地点,得到对应的第二车位可用值,并基于目标车辆对应的预计到达时间与当前时间的差值输入到车位预测模型中,得到第二可用车位变化值,再基于第二车位可用值、第二可用车位变化值,并基于目标车辆的车型大小得到修正后的第二车位可用值,并重新判断,再次进行预测提醒。
9.如权利要求8所述的一种路侧停车位的智能检测方法,其特征在于,基于得到的修正后的车位可用值对目标车辆进行预测提醒之后,还包括:
步骤01:基于第一预设时间段之后对目标车辆的预计到达时间进行再次判断,得到调整后的预计到达时间;
步骤02:基于调整后的预计到达时间,并基于车辆智能检测数据库对目标泊车地点的车位可用值再次进行确定;
步骤03:基于确定结果,对修正后的车位可用值进行再次修正,得到第二修正车位可用值;
步骤04:基于所述第二修正车位可用值对预测评估结果进行调整,得到调整后的预测评估结果;
步骤05:基于调整后的预测评估结果与之前的预测评估结果进行对比,若对比结果存在差异,则进行再次提醒;反之,则不进行提醒。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211576826.3A CN115938155A (zh) | 2022-12-07 | 2022-12-07 | 一种路侧停车位的智能检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211576826.3A CN115938155A (zh) | 2022-12-07 | 2022-12-07 | 一种路侧停车位的智能检测方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115938155A true CN115938155A (zh) | 2023-04-07 |
Family
ID=86655242
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211576826.3A Pending CN115938155A (zh) | 2022-12-07 | 2022-12-07 | 一种路侧停车位的智能检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115938155A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117351773A (zh) * | 2023-10-19 | 2024-01-05 | 上海智远慧智能技术股份有限公司 | 一种基于搬运机器人的智能双层车库万向车位分配系统 |
-
2022
- 2022-12-07 CN CN202211576826.3A patent/CN115938155A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117351773A (zh) * | 2023-10-19 | 2024-01-05 | 上海智远慧智能技术股份有限公司 | 一种基于搬运机器人的智能双层车库万向车位分配系统 |
CN117351773B (zh) * | 2023-10-19 | 2024-03-15 | 上海智远慧智能技术股份有限公司 | 一种基于搬运机器人的智能双层车库万向车位分配系统 |
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 | |
US20210375128A1 (en) | System and method for detection and quantification of irregular traffic congestion | |
CN102737504B (zh) | 一种基于驾驶特性的公交车到站时间实时估计方法 | |
CN107273520B (zh) | 一种基于货车监控数据的装卸货地点识别方法 | |
CN111815948B (zh) | 基于工况特征的车辆行驶工况预测方法 | |
CN108062601A (zh) | 一种停车场动态定价方法和装置 | |
CN112767683B (zh) | 一种基于反馈机制的路径诱导方法 | |
US6865475B2 (en) | Method for determining traffic related information | |
CN109859516B (zh) | 一种出租汽车异常聚集识别方法及装置 | |
CN106781460B (zh) | 一种路段交通状态确定方法及装置 | |
CN109493606B (zh) | 一种高速公路上违停车辆的识别方法及系统 | |
CN110400461B (zh) | 一种路网变更检测方法 | |
CN102087789B (zh) | 基于交通状态参数的交通状态判别系统和方法 | |
CN108573600B (zh) | 一种驾驶员行为诱导与局部交通流优化方法 | |
CN115938155A (zh) | 一种路侧停车位的智能检测方法 | |
CN111931079A (zh) | 推荐网约车上车点的方法及系统 | |
CN115099267A (zh) | 一种路面平整度维护方法、系统、检测终端、服务器 | |
CN113724497A (zh) | 一种目标道路实时交通流量预测方法和装置 | |
CN115060278A (zh) | 基于多目标遗传算法的车辆智能换电导航方法和系统 | |
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 | |
CN117079457A (zh) | 一种基于gps数据的交通拥堵预测方法 | |
CN115083198B (zh) | 一种多车运力资源调度方法及装置 | |
CN116343498A (zh) | 一种基于大数据公交路线拥堵点提醒系统 | |
CN107657814B (zh) | 一种路况信息生成方法和装置 | |
CN112382087B (zh) | 交通堵塞预测方法 |
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 |