CN116205530A - 一种城市智慧停车规划方法及系统 - Google Patents
一种城市智慧停车规划方法及系统 Download PDFInfo
- Publication number
- CN116205530A CN116205530A CN202310131059.3A CN202310131059A CN116205530A CN 116205530 A CN116205530 A CN 116205530A CN 202310131059 A CN202310131059 A CN 202310131059A CN 116205530 A CN116205530 A CN 116205530A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- parking
- planning
- index
- road vehicle
- 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
- 238000000034 method Methods 0.000 title claims abstract description 40
- 230000003068 static effect Effects 0.000 claims abstract description 64
- 238000007726 management method Methods 0.000 claims abstract description 36
- 230000006855 networking Effects 0.000 claims abstract description 8
- 238000012549 training Methods 0.000 claims description 63
- 238000004458 analytical method Methods 0.000 claims description 48
- 238000012360 testing method Methods 0.000 claims description 46
- 238000001507 sample dispersion Methods 0.000 claims description 21
- 239000006185 dispersion Substances 0.000 claims description 11
- 238000012216 screening Methods 0.000 claims description 9
- 230000006978 adaptation Effects 0.000 claims description 8
- 230000002776 aggregation Effects 0.000 claims description 8
- 238000004220 aggregation Methods 0.000 claims description 8
- 238000005457 optimization Methods 0.000 claims description 8
- 230000004044 response Effects 0.000 claims description 8
- 238000004891 communication Methods 0.000 claims description 5
- 238000013139 quantization Methods 0.000 claims description 4
- 238000013480 data collection Methods 0.000 claims 1
- 230000000694 effects Effects 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 238000011161 development Methods 0.000 description 2
- 238000011835 investigation Methods 0.000 description 2
- 230000003044 adaptive effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000009472 formulation Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
-
- 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
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/065—Traffic control systems for road vehicles by counting the vehicles in a section of the road or in a parking area, i.e. comparing incoming count with outgoing count
-
- 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
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Theoretical Computer Science (AREA)
- General Health & Medical Sciences (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Computing Systems (AREA)
- Medical Informatics (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明提供了一种城市智慧停车规划方法及系统，涉及智能控制技术领域，方法包括：连接车联网系统，基于目标城市的第一规划区域分别进行道路车辆数据以及多个停车管理系统的停车数据采集，得到标识第一规划区域的车辆动态指数、标识第一规划区域的多个车辆静态指数，由多个车辆静态指数进行计算，得到停车静态指数，将车辆动态指数和停车静态指数进行比对，获取指数比对结果后，得到第一规划指数生成停车规划方案，本发明解决了现有技术中人工统计停车车辆的规划不足，使得最终造成车辆停车无序的技术问题，实现了对城市停车的合理化精准规划，进而提高城市停车的有序性。
Description
技术领域
本发明涉及智能控制技术领域，具体涉及一种城市智慧停车规划系统。
背景技术
由于人工采集手段的局限，传统停车需求特征分析往往以一天的调查数据为样本进行分析，并默认一天的调查数据可以代表停车场的需求，于是将由此获得的停车需求特征指标作为停车需求预测、配建指标制定、以及停车管理的重要依据。由于数据的粒度和广度很难达到研究的深度要求，导致所获得的停车特征信息比较粗糙。
本发明解决了现有技术中人工统计停车车辆的规划不足，使得最终造成车辆停车无序的技术问题，实现了对城市停车的合理化精准规划，进而提高城市停车的有序性。
发明内容
本申请提供了一种城市智慧停车规划方法，用于针对解决现有技术中存在的人工统计停车车辆的规划不足，使得最终造成车辆停车无序的技术问题。
鉴于上述问题，本申请提供了一种城市智慧停车规划方法及系统。
第一方面，本申请提供了一种城市智慧停车规划方法，所述方法包括：获取目标城市的第一规划区域；连接所述车联网系统，基于所述第一规划区域进行道路车辆数据采集，得到标识所述第一规划区域的车辆动态指数；连接所述第一规划区域的多个停车管理系统进行停车数据采集，得到标识所述第一规划区域的多个车辆静态指数，其中，所述多个车辆静态指数与所述多个停车管理系统一一对应；根据所述多个车辆静态指数进行计算，得到停车静态指数；根据所述车辆动态指数和所述停车静态指数进行比对，获取指数比对结果；按照所述指数比对结果，获取第一规划指数，以所述第一规划指数，生成停车规划方案。
第二方面，本申请提供了一种城市智慧停车规划系统，所述系统包括：规划区域模块，所述规划区域模块用于获取目标城市的第一规划区域；动态指数模块，所述动态指数模块用于连接所述车联网系统，基于所述第一规划区域进行道路车辆数据采集，得到标识所述第一规划区域的车辆动态指数；静态指数模块，所述静态指数模块用于连接所述第一规划区域的多个停车管理系统进行停车数据采集，得到标识所述第一规划区域的多个车辆静态指数，其中，所述多个车辆静态指数与所述多个停车管理系统一一对应；计算模块，所述计算模块用于根据所述多个车辆静态指数进行计算，得到停车静态指数；比对模块，所述比对模块用于根据所述车辆动态指数和所述停车静态指数进行比对，获取指数比对结果；方案生成模块，所述方案生成模块用于按照所述指数比对结果，获取第一规划指数，以所述第一规划指数，生成停车规划方案。
本申请中提供的一个或多个技术方案，至少具有如下技术效果或优点：本申请提供的一种城市智慧停车规划方法，涉及智能控制技术领域，解决了现有技术中对人工统计停车车辆的规划不足，使得最终造成车辆停车无序的技术问题，实现了对城市停车的合理化精准规划，进而提高城市停车的有序性。
附图说明
图1为本申请提供了一种城市智慧停车规划方法流程示意图；
图2为本申请提供了一种城市智慧停车规划方法中车辆动态指数输出流程示意图；
图3为本申请提供了一种城市智慧停车规划方法中停车静态指数流程示意图；
图4为本申请提供了一种城市智慧停车规划方法中第一规划区域流程示意图；
图5为本申请提供了一种城市智慧停车规划系统结构示意图。
附图标记说明：规划区域模块1，动态指数模块2，静态指数模块3，计算模块4，比对模块5，方案生成模块6。
具体实施方式
本申请通过提供一种城市智慧停车规划方法，用于解决现有技术中人工统计停车车辆的规划不足，使得最终造成车辆停车无序的技术问题。
实施例一
如图1所示，本申请实施例提供了一种城市智慧停车规划方法，该方法应用于智慧停车管理系统，智慧停车管理系统与车联网系统通信连接，该方法包括：
步骤S100：获取目标城市的第一规划区域；
具体而言，本申请实施例提供的一种城市智慧停车规划方法应用于智慧停车管理系统，该智慧停车管理系统与车联网系统通信连接，该车联网系统用于进行道路车辆的参数采集。
随着目标城市内的车辆日益增多，车辆在需要停车时就需要一固定区域，为避免乱停乱放影响城市交通及城市道路，因此需要对车辆停泊区域进行规划，将对城市进行车辆停泊区域的适应性筛选后，得到多个规划区域，取其任意一规划区域作为第一规划区域，为后期生成停车规划方案作为重要参考依据。
步骤S200：连接所述车联网系统，基于所述第一规划区域进行道路车辆数据采集，得到标识所述第一规划区域的车辆动态指数；
具体而言，将智慧停车管理系统与车联网系统进行通信连接，该车联网系统可以在以上所获第一规划区域的基础上，通过图像采集装置对第一规划区域中的道路上的全部车辆进行数据采集，并对第一规划区域内正在行驶的车辆进行标识，即图像采集装置每间隔5s对道路上的车辆进行实时采集，以此判断当前道路车辆是否为动态车辆，若为动态车辆则在对其进行标识后，获得标识后的第一规划区域的车辆动态指数，即第一规划区域内正在行驶的全部车辆，进而为生成停车规划方案做保障。
步骤S300：连接所述第一规划区域的多个停车管理系统进行停车数据采集，得到标识所述第一规划区域的多个车辆静态指数，其中，所述多个车辆静态指数与所述多个停车管理系统一一对应；
具体而言，同时智慧停车管理系统还与第一规划区域的多个停车管理系统相连接，从而通过多个停车管理系统对第一规划区域内的停车数据进行采集，且个车辆静态指数与多个停车管理系统为一一对应的关系，其车辆静态指数是指图像采集装置每间隔5s对道路上的车辆进行实时采集，以此判断当前道路车辆是否为静态车辆，若为静态车辆则在对其进行标识后，获得标识后的第一规划区域的车辆静态指数，即通过车联网系统中对所标识的第一规划区域内车辆静态指数所对应的多个停车管理系统中的停车数据进行提取，从而获得标识后的第一规划区域的车辆静态指数，为后续生成停车规划方案夯实基础。
步骤S400：根据所述多个车辆静态指数进行计算，得到停车静态指数；
具体而言，通过与第一规划区域的多个停车管理系统相连接，对第一规划区域中的停车数据进行采集，其第一规划区域中的停车数据可以包含第一规划区域的车辆车位饱和率以及第一规划区域的车辆停车的流动率，车辆车位的饱和率是指第一规划区域内的车位上停车的数量除以第一规划区域内的所有车位的数量所得，车辆停车流动率是指在一固定时间内停车位上的车辆变动与车辆总数的比率，进一步的，对车辆车位的饱和率与车辆停车流动率进行车辆的静态指数分析，即利用指数体系分析车辆车位的饱和率与车辆停车流动率的变动对多个车辆静态指数的影响方向和程度，从而对应得到停车静态指数，对生成停车规划方案有着推进的作用。
步骤S500：根据所述车辆动态指数和所述停车静态指数进行比对，获取指数比对结果；
具体而言，将与车联网系统进行连接后所获的第一规划区域的车辆动态指数、与第一规划区域的多个停车管理系统的多个停车管理系统进行连接后所获的第一规划区域的车辆静态指数，再将二者进行指数比对，该指数比对是将车辆动态指数中所包含的实时道路车辆密度、实时道路车辆属性以及实时道路车流量与车辆静态指数中所包含的实时车辆车位饱和率、实时车辆车位属性以及实时车辆停车流动率进行一一对应的进行指数比较，示例性的，若在第一规划区域内车辆动态指数中的实时道路车辆密度小于车辆静态指数中的实时车辆车位饱和率、实时道路车辆属性与实时车辆车位属性相吻合、同时实时道路车流量与实时车辆停车流动率相近，当前的指数比对结果越大，则可以视为在第一规划区域内较为容易对车辆进行停泊，并对后期生成停车规划方案有着深远的影响。
步骤S600：按照所述指数比对结果，获取第一规划指数，以所述第一规划指数，生成停车规划方案。
具体而言，以车辆动态指数和停车静态指数进行比对后所获的指数比对结果为基础，根据指数比对结果的大小，对第一规划区域的车辆进行有序停车，当指数比对结果越大时，则视为在第一规划区域进行停车时较为容易，当指数比对结果越小时，则视为在第一规划区域进行停车时较为拥堵，从而根据指数比对结果对第一规划区域的停车进行第一规划指数的对应生成，第一规划指数是指对第一规划区域内的车辆与第一规划区域内的车位进行车辆合理化停泊规划，从而对应生成第一规划区域的停车规划方案，实现了对城市停车的合理化精准规划，进而提高城市停车的有序性。
进一步而言，如图2所示，本申请步骤S200还包括：
步骤S210：对所述第一规划区域进行道路车辆数据进行实时采集，得到道路车辆数据集；
步骤S220根据所述道路车辆数据集，得到实时道路车辆密度、实时道路车辆属性以及实时道路车辆流量；
步骤S230：根据所述实时道路车辆密度、所述实时道路车辆属性以及所述实时道路车辆流量输入动态指数分析模型中，根据所述动态指数分析模型，输出所述车辆动态指数。
具体而言，通过车联网系统对第一规划区域内道路上的车辆进行实时采集，得到第一规划区域道路上的车辆数量、车辆属性、车辆行驶以及停泊等状态的道路车辆数据，再将所采集到的道路车辆数据集中的实时道路车辆密度、实时道路车辆属性以及实时道路车辆流量进行提取，并进一步对动态指数分析模型进行搭建，首先对第一规划区域中的道路车辆密度、道路车辆属性以及道路车辆流量根据对停车规划的影响，对应设置不同占比的权重，从而基于不同的权重分配与第一规划区域中的道路车辆密度、道路车辆属性以及道路车辆流量数据集进行训练，完成对动态指数分析模型的搭建，最终将实时道路车辆密度、实时道路车辆属性以及实时道路车辆流量输入至所搭建的动态指数分析模型中，根据动态指数分析模型输出车辆动态指数，达到为后期实现生成停车规划方案提供重要依据的技术效果。
进一步而言，本申请步骤S230包括：
步骤S231：获取道路车辆训练样本数据集，其中，所述车辆训练样本数据集包括样本道路车辆密度、样本道路车辆属性以及样本道路车辆流量；
步骤S232：将所述训练样本数据集输入权重分配层中进行权重分配，获取权重分配结果，其中，所述权重分配层与所述动态指数分析模型的输入层连接；
步骤S233：基于所述权重分配结果和所述训练样本数据集进行训练，搭建所述动态指数分析模型。
具体而言，对道路车辆训练样本数据集进行离散度分析，并对车辆训练数据集的样本离散度是否大于预设样本离散度进行判断，若车辆训练数据集的样本离散度大于预设样本离散度，则对道路车辆训练样本数据集进行样本筛选，得到筛选样本数据集，进一步将所筛选出的样本数据集记作道路车辆训练样本数据集，其车辆训练样本数据集中包括样本道路车辆密度、样本道路车辆属性以及样本道路车辆流量，样本道路车辆密度是指第一规划区域中车辆的密集程度，样本道路车辆属性是指车辆为运营车辆或是非运营车辆，由于运营车辆存在固定停车区域，可以在停车规划时不对运营车辆进行规划，样本道路车辆流量是指在一固定时间内第一规划区域内的车辆变动与车辆总数的比率，再将所获车辆训练样本数据集输入至权重分配层中对样本道路车辆密度、样本道路车辆属性以及样本道路车辆流量进行权重分配，其权重分配是根据对第一规划区域中停车规划影响的程度对样本道路车辆密度、样本道路车辆属性以及样本道路车辆流量进行分配，示例性的，样本道路车辆密度、样本道路车辆属性以及样本道路车辆流量权重占比可以为第一影响系数：第二影响系数：第三影响系数为4:2:4，同时该权重分配层与动态指数分析模型的输入层进行连接，从而将权重分配层中分配好的数据通过输入层输入至动态指数分析模型中，并在权重分配结果与训练样本数据集的基础上，对包含权重占比的样本道路车辆密度、样本道路车辆属性以及样本道路车辆流量进行训练，其训练过程为：将训练样本数据集中每一组训练数据输入动态指数分析模型，通过这组训练数据与对应的监督数据进行动态指数分析模型的输出监督调整，当动态指数分析模型的输出结果与监督数据一致，则当前组训练结束，将训练数据集中全部的训练数据均训练结束，则动态指数分析模型训练完成，其中，训练数据集中的每组训练数据均包括样本道路车辆密度、样本道路车辆属性以及样本道路车辆流量，监督数据集为与训练数据集一一对应的监督数据，从而完成对动态指数分析模型的搭建，以保证在生成停车规划方案时的高效性。
进一步而言，本申请步骤S230包括：
步骤S234：获取道路车辆训练测试数据集；
步骤S235：将所述道路车辆训练测试数据集输入所述动态指数分析模型中进行测试，得到模型测试结果，其中，所述模型测试结果为测试正确样本数占测试总数量的比值；
步骤S236：若所述模型测试结果中的比值小于预设比值，生成优化指令；
步骤S237：以所述优化指令对所述动态指数分析模型进行模型性能优化。
具体而言，为了保证动态指数分析模型的准确性，将道路车辆训练样本数据集中包含的样本道路车辆密度、样本道路车辆属性以及样本道路车辆流量对应设置训练测试道路车辆密度、训练测试道路车辆属性以及训练测试道路车辆流量，同时将训练测试道路车辆密度、训练测试道路车辆属性以及训练测试道路车辆流量进行整合后，生成道路车辆训练测试数据集，可以通过道路车辆训练测试数据集进行动态指数分析模型的测试处理，从而得到动态指数分析模型的测试结果，其模型测试结果为测试正确样本数占测试总数量的比值，举例而言，测试准确率可以设定为80％，当测试数据集的测试准确率满足80％时，则动态指数分析模型构建完成，当测试数据集的测试准确率不满足80％时，则对应生成优化指令，该优化指令是对模型测试结果中测试正确样本数进行优化提升，在此基础上对动态指数分析模型进行模型性能优化，最终达到对生成停车规划方案提供参考的技术效果。
进一步而言，如图3所示，本申请步骤S300还包括：
步骤S310：连接所述第一规划区域的多个停车管理系统进行停车数据采集，获取车辆占位率和停车流动率；
步骤S320：根据所述车辆占位率和所述停车流动率进行静态指数分析，得到所述停车静态指数。
具体而言，当与第一规划区域的多个停车管理系统进行连接后，从该系统中对第一规划区域中的停车数据进行采集，同时将所采集到的停车数据中包含的车辆展位率与停车流动率进行提取，车辆车位的占位率是指第一规划区域内的车位上停车的数量除以第一规划区域内的所有车位的数量所得，车辆停车流动率是指在一固定时间内停车位上的车辆变动与车辆总数的比率，进一步的，对车辆车位的占位率与车辆停车流动率进行车辆的静态指数分析，即利用指数体系分析车辆车位的占位率与车辆停车流动率的变动对多个车辆静态指数的影响方向和程度，从而对应获得停车静态指数，以此达到生成停车规划方案的技术效果。
进一步而言，本申请步骤S231包括：
步骤S2311：对所述道路车辆训练样本数据集进行离散度分析，获取样本离散度；
步骤S2312：判断所述样本离散度是否大于预设样本离散度，若所述样本离散度大于所述预设样本离散度，获取特征聚合指令；
步骤S2313：根据所述特征聚合指令对所述道路车辆训练样本数据集进行样本筛选，得到筛选样本数据集。
具体而言，将道路车辆训练样本数据集中的样本道路车辆密度、样本道路车辆属性以及样本道路车辆流量进行离散度分析，即对样本道路车辆密度、样本道路车辆属性以及样本道路车辆流量进行分散程度的测度，该分散程度反映了样本道路车辆密度、样本道路车辆属性以及样本道路车辆流量远离其中心值的程度，因此也称为离中趋势。从集中趋势和分散程度两个方面才能完整的说明样本道路车辆密度、样本道路车辆属性以及样本道路车辆流量的变动趋势，即车辆训练样本数据集的变动趋势，并将其记作样本离散度，进一步对所获样本离散度是否大于预设样本离散度进行判断，其中预设样本离散度由相关技术人员根据样本离散度的数据进行预设，当样本离散度大于预设样本离散度，则视为车辆训练样本数据集离中趋势过大，从而对应生成特征聚合指令，其特征聚合指令可以对道路车辆训练样本数据集进行样本筛选，即根据其离中趋势进行筛选，从而得到筛选样本数据集，达到对生成停车规划方案提供参考的技术效果。
进一步而言，如图4所示，本申请步骤S100还包括：
步骤S110：获取所述目标城市的区域量化值；
步骤S120：以所述第一规划区域的量化值作为变量，以所述区域量化值作为适应总量，以预设规划粒度为适应目标，获取响应量化值；
步骤S130：根据所述响应量化值对所述目标城市进行区域划分，得到所述第一规划区域。
具体而言，首先对当前目标城市的区域进行量化，即根据目标城市的经济发展状况、商圈位置等，对区域面积进行设定，同时以区域量化值作为变量，即以当前目标城市中的经济发展状况、商圈位置对第一规划区域的半径进行评估，从而以区域量化值作为适应总量，即总区域，同时以预设规划粒度作为适应目标，其预设规划粒度是指根据车流量、车位、车辆饱和度等对目标停车区域进行预设，从而对响应量化值进行获取，同时根据响应量化值对目标城市进行区域面积的划分，从而将划分好的区域记作第一规划区域，为后期实现生成停车规划方案提供重要依据的技术效果。
实施例二
基于与前述实施例中一种城市智慧停车规划方法相同的发明构思，如图5所示，本申请提供了一种城市智慧停车规划系统，系统包括：
规划区域模块1，所述规划区域模块1用于获取目标城市的第一规划区域；
动态指数模块2，所述动态指数模块2用于连接所述车联网系统，基于所述第一规划区域进行道路车辆数据采集，得到标识所述第一规划区域的车辆动态指数；
静态指数模块3，所述静态指数模块3用于连接所述第一规划区域的多个停车管理系统进行停车数据采集，得到标识所述第一规划区域的多个车辆静态指数，其中，所述多个车辆静态指数与所述多个停车管理系统一一对应；
计算模块4，所述计算模块4用于根据所述多个车辆静态指数进行计算，得到停车静态指数；
比对模块5，所述比对模块5用于根据所述车辆动态指数和所述停车静态指数进行比对，获取指数比对结果；
方案生成模块6，所述方案生成模块6用于按照所述指数比对结果，获取第一规划指数，以所述第一规划指数，生成停车规划方案。
进一步而言，系统还包括：
实时采集模块，实时采集模块用于对所述第一规划区域进行道路车辆数据进行实时采集，得到道路车辆数据集；
实时道路车辆模块，实时道路车辆模块用于根据所述道路车辆数据集，得到实时道路车辆密度、实时道路车辆属性以及实时道路车辆流量；
输入模块，输入模块用于根据所述实时道路车辆密度、所述实时道路车辆属性以及所述实时道路车辆流量输入动态指数分析模型中，根据所述动态指数分析模型，输出所述车辆动态指数。
进一步而言，系统还包括：
数据集模块，数据集模块用于获取道路车辆训练样本数据集，其中，所述车辆训练样本数据集包括样本道路车辆密度、样本道路车辆属性以及样本道路车辆流量；
权重分配模块，权重分配模块用于将所述训练样本数据集输入权重分配层中进行权重分配，获取权重分配结果，其中，所述权重分配层与所述动态指数分析模型的输入层连接；
训练模块，训练模块用于基于所述权重分配结果和所述训练样本数据集进行训练，搭建所述动态指数分析模型。
进一步而言，系统还包括：
训练测试模块，训练测试模块用于获取道路车辆训练测试数据集；
测试模块，测试模块用于将所述道路车辆训练测试数据集输入所述动态指数分析模型中进行测试，得到模型测试结果，其中，所述模型测试结果为测试正确样本数占测试总数量的比值；
指令生成模块，指令生成模块用于若所述模型测试结果中的比值小于预设比值，生成优化指令；
性能优化模块，性能优化模块用于以所述优化指令对所述动态指数分析模型进行模型性能优化。
进一步而言，系统还包括：
停车数据采集模块，停车数据采集模块用于连接所述第一规划区域的多个停车管理系统进行停车数据采集，获取车辆占位率和停车流动率；
静态指数分析模块，静态指数分析模块用于根据所述车辆占位率和所述停车流动率进行静态指数分析，得到所述停车静态指数。
进一步而言，系统还包括：
离散度分析模块，离散度分析模块用对所述道路车辆训练样本数据集进行离散度分析，获取样本离散度；
判断模块，判断模块用于判断所述样本离散度是否大于预设样本离散度，若所述样本离散度大于所述预设样本离散度，获取特征聚合指令；
筛选模块，筛选模块用于根据所述特征聚合指令对所述道路车辆训练样本数据集进行样本筛选，得到筛选样本数据集。
进一步而言，系统还包括：
区域量化值模块，区域量化值模块用于获取所述目标城市的区域量化值；
量化值获取模块，量化值获取模块用于以所述第一规划区域的量化值作为变量，以所述区域量化值作为适应总量，以预设规划粒度为适应目标，获取响应量化值；
区域划分模块，区域划分模块用于根据所述响应量化值对所述目标城市进行区域划分，得到所述第一规划区域。
本说明书通过前述对一种城市智慧停车规划方法的详细描述，本领域技术人员可以清楚的知道本实施例中一种城市智慧停车规划方法及系统，对于实施例公开的装置而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。
对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本申请。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本申请的精神或范围的情况下，在其它实施例中实现。因此，本申请将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
Claims (8)
1.一种城市智慧停车规划方法，其特征在于，所述方法应用于智慧停车管理系统，所述智慧停车管理系统与车联网系统通信连接，所述方法包括：
获取目标城市的第一规划区域；
连接所述车联网系统，基于所述第一规划区域进行道路车辆数据采集，得到标识所述第一规划区域的车辆动态指数；
连接所述第一规划区域的多个停车管理系统进行停车数据采集，得到标识所述第一规划区域的多个车辆静态指数，其中，所述多个车辆静态指数与所述多个停车管理系统一一对应；
根据所述多个车辆静态指数进行计算，得到停车静态指数；
根据所述车辆动态指数和所述停车静态指数进行比对，获取指数比对结果；
按照所述指数比对结果，获取第一规划指数，以所述第一规划指数，生成停车规划方案。
2.如权利要求1所述的方法，其特征在于，基于所述第一规划区域进行道路车辆数据采集，得到标识所述第一规划区域的车辆动态指数，方法包括：
对所述第一规划区域进行道路车辆数据进行实时采集，得到道路车辆数据集；
根据所述道路车辆数据集，得到实时道路车辆密度、实时道路车辆属性以及实时道路车辆流量；
根据所述实时道路车辆密度、所述实时道路车辆属性以及所述实时道路车辆流量输入动态指数分析模型中，根据所述动态指数分析模型，输出所述车辆动态指数。
3.如权利要求2所述的方法，其特征在于，所述方法还包括：
获取道路车辆训练样本数据集，其中，所述车辆训练样本数据集包括样本道路车辆密度、样本道路车辆属性以及样本道路车辆流量；
将所述训练样本数据集输入权重分配层中进行权重分配，获取权重分配结果，其中，所述权重分配层与所述动态指数分析模型的输入层连接；
基于所述权重分配结果和所述训练样本数据集进行训练，搭建所述动态指数分析模型。
4.如权利要求3所述的方法，其特征在于，搭建所述动态指数分析模型之后，方法还包括：
获取道路车辆训练测试数据集；
将所述道路车辆训练测试数据集输入所述动态指数分析模型中进行测试，得到模型测试结果，其中，所述模型测试结果为测试正确样本数占测试总数量的比值；
若所述模型测试结果中的比值小于预设比值，生成优化指令；
以所述优化指令对所述动态指数分析模型进行模型性能优化。
5.如权利要求1所述的方法，其特征在于，连接所述第一规划区域的多个停车管理系统进行停车数据采集，得到标识所述第一规划区域的多个车辆静态指数，方法还包括：
连接所述第一规划区域的多个停车管理系统进行停车数据采集，获取车辆占位率和停车流动率；
根据所述车辆占位率和所述停车流动率进行静态指数分析，得到所述停车静态指数。
6.如权利要求3所述的方法，其特征在于，所述获道路车辆训练样本数据集之后，方法还包括：
对所述道路车辆训练样本数据集进行离散度分析，获取样本离散度；
判断所述样本离散度是否大于预设样本离散度，若所述样本离散度大于所述预设样本离散度，获取特征聚合指令；
根据所述特征聚合指令对所述道路车辆训练样本数据集进行样本筛选，得到筛选样本数据集。
7.如权利要求1所述的方法，其特征在于，所述获取目标城市的第一规划区域，方法包括：
获取所述目标城市的区域量化值；
以所述第一规划区域的量化值作为变量，以所述区域量化值作为适应总量，以预设规划粒度为适应目标，获取响应量化值；
根据所述响应量化值对所述目标城市进行区域划分，得到所述第一规划区域。
8.一种城市智慧停车规划系统，其特征在于，所述智慧停车管理系统与车联网系统通信连接，所述系统包括：
规划区域模块，所述规划区域模块用于获取目标城市的第一规划区域；
动态指数模块，所述动态指数模块用于连接所述车联网系统，基于所述第一规划区域进行道路车辆数据采集，得到标识所述第一规划区域的车辆动态指数；
静态指数模块，所述静态指数模块用于连接所述第一规划区域的多个停车管理系统进行停车数据采集，得到标识所述第一规划区域的多个车辆静态指数，其中，所述多个车辆静态指数与所述多个停车管理系统一一对应；
计算模块，所述计算模块用于根据所述多个车辆静态指数进行计算，得到停车静态指数；
比对模块，所述比对模块用于根据所述车辆动态指数和所述停车静态指数进行比对，获取指数比对结果；
方案生成模块，所述方案生成模块用于按照所述指数比对结果，获取第一规划指数，以所述第一规划指数，生成停车规划方案。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310131059.3A CN116205530B (zh) | 2023-02-17 | 2023-02-17 | 一种城市智慧停车规划方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310131059.3A CN116205530B (zh) | 2023-02-17 | 2023-02-17 | 一种城市智慧停车规划方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116205530A true CN116205530A (zh) | 2023-06-02 |
| CN116205530B CN116205530B (zh) | 2023-09-22 |
Family
ID=86514235
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310131059.3A Active CN116205530B (zh) | 2023-02-17 | 2023-02-17 | 一种城市智慧停车规划方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116205530B (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117274886A (zh) * | 2023-08-04 | 2023-12-22 | 中铁城市规划设计研究院有限公司 | 一种现状停车供需资源关系的数据分析方法 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111161433A (zh) * | 2019-11-13 | 2020-05-15 | 广东飞企互联科技股份有限公司 | 一种基于智慧园区停车管理系统 |
| US20200272950A1 (en) * | 2017-09-15 | 2020-08-27 | Router Technologies (Hangzhou) Inc. | Parking space service and management system and method based on parking space state information |
| US20200334584A1 (en) * | 2017-10-31 | 2020-10-22 | Grand Performance Online Pty Ltd | Autonomous and integrated system, method and computer program for dynamic optimisation and allocation of resources for defined spaces and time periods |
| CN112885134A (zh) * | 2021-01-24 | 2021-06-01 | 成都智慧赋能科技有限公司 | 一种基于大数据的智慧城市交通管理方法 |
| CN114781768A (zh) * | 2022-06-23 | 2022-07-22 | 深圳云停智能交通技术研究院有限公司 | 基于城市资源数据的停车场设施规划方法、装置及设备 |
| CN114863715A (zh) * | 2022-05-05 | 2022-08-05 | 一汽解放汽车有限公司 | 停车数据确定方法、装置、电子设备及存储介质 |
-
2023
- 2023-02-17 CN CN202310131059.3A patent/CN116205530B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20200272950A1 (en) * | 2017-09-15 | 2020-08-27 | Router Technologies (Hangzhou) Inc. | Parking space service and management system and method based on parking space state information |
| US20200334584A1 (en) * | 2017-10-31 | 2020-10-22 | Grand Performance Online Pty Ltd | Autonomous and integrated system, method and computer program for dynamic optimisation and allocation of resources for defined spaces and time periods |
| CN111161433A (zh) * | 2019-11-13 | 2020-05-15 | 广东飞企互联科技股份有限公司 | 一种基于智慧园区停车管理系统 |
| CN112885134A (zh) * | 2021-01-24 | 2021-06-01 | 成都智慧赋能科技有限公司 | 一种基于大数据的智慧城市交通管理方法 |
| CN114863715A (zh) * | 2022-05-05 | 2022-08-05 | 一汽解放汽车有限公司 | 停车数据确定方法、装置、电子设备及存储介质 |
| CN114781768A (zh) * | 2022-06-23 | 2022-07-22 | 深圳云停智能交通技术研究院有限公司 | 基于城市资源数据的停车场设施规划方法、装置及设备 |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117274886A (zh) * | 2023-08-04 | 2023-12-22 | 中铁城市规划设计研究院有限公司 | 一种现状停车供需资源关系的数据分析方法 |
| CN117274886B (zh) * | 2023-08-04 | 2024-03-19 | 中铁城市规划设计研究院有限公司 | 一种现状停车供需资源关系的数据分析方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116205530B (zh) | 2023-09-22 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108198425A (zh) | 一种电动汽车行驶工况的构建方法 | |
| CN114783183B (zh) | 一种基于交通态势算法的监控方法与系统 | |
| CN110836675B (zh) | 一种基于决策树的自动驾驶搜索决策方法 | |
| CN109697854A (zh) | 多维度的城市道路交通状态评估方法 | |
| CN116205530B (zh) | 一种城市智慧停车规划方法及系统 | |
| CN108345987B (zh) | 一种道路基础设施建设项目影响评价决策支持系统及方法 | |
| CN109934403A (zh) | 基于数学模型的电动汽车居民区域充电负荷分析预测方法 | |
| CN112419711B (zh) | 基于改进gmdh算法的封闭式停车场停车需求预测方法 | |
| CN114187766B (zh) | 一种基于饱和率的道路服务水平评价方法 | |
| CN108573600B (zh) | 一种驾驶员行为诱导与局部交通流优化方法 | |
| Caceres et al. | Estimating traffic flow profiles according to a relative attractiveness factor | |
| CN114976306A (zh) | 一种基于车联云的动力锂电池智能化梯次利用方法 | |
| CN116524712A (zh) | 融合时空关联数据的高速公路拥堵预测方法、系统及装置 | |
| CN110659774B (zh) | 大数据方法驱动的停车需求预测方法 | |
| Kim et al. | Data-driven parking decisions: Proposal of parking availability prediction model | |
| CN108596381B (zh) | 基于od数据的城市停车需求预测方法 | |
| CN116011995A (zh) | 车辆保养信息推送方法、装置、电子设备及存储介质 | |
| CN114360243B (zh) | 一种基于舒适性的车辆优化方法及系统 | |
| CN114463978B (zh) | 一种基于轨道交通信息处理终端的数据监测方法 | |
| CN111785024A (zh) | 一种分区域分时域的城市车辆工况构建方法 | |
| DE102020211161A1 (de) | Verfahren zum Ermitteln von zu installierenden Ladestationen, sowie Ladeinfrastruktursystem, Computerprogramm und elektronisch lesbarer Datenträger | |
| CN117235556B (zh) | 一种面向交通管理者的多模式交通复合网络构建方法 | |
| CN109785622B (zh) | 一种基于车载电子标签技术的拥堵区域识别方法 | |
| CN113962654B (zh) | 基于仿真的公交排班优化方法、系统及可存储介质 | |
| CN115331426B (zh) | 一种城市片区道路网交通承载力计算方法 |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |