CN116386377A - 基于预测模型的停车位控制方法、装置、设备及存储介质 - Google Patents

基于预测模型的停车位控制方法、装置、设备及存储介质 Download PDF

Info

Publication number
CN116386377A
CN116386377A CN202310314872.4A CN202310314872A CN116386377A CN 116386377 A CN116386377 A CN 116386377A CN 202310314872 A CN202310314872 A CN 202310314872A CN 116386377 A CN116386377 A CN 116386377A
Authority
CN
China
Prior art keywords
parking
parking space
prediction
data
fixed
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
Application number
CN202310314872.4A
Other languages
English (en)
Inventor
欧剑凯
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shenzhen Kaihong Digital Industry Development Co Ltd
Original Assignee
Shenzhen Kaihong Digital Industry Development Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Shenzhen Kaihong Digital Industry Development Co Ltd filed Critical Shenzhen Kaihong Digital Industry Development Co Ltd
Priority to CN202310314872.4A priority Critical patent/CN116386377A/zh
Publication of CN116386377A publication Critical patent/CN116386377A/zh
Pending legal-status Critical Current

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
    • 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
    • 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

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本申请涉及车位规划技术领域，具体公开了一种基于预测模型的停车位控制方法、装置、设备及存储介质。其中方法包括：基于车牌识别设备，获得停车场的临时停车位空闲情况；在临时停车位无空闲时，获取固定停车位的停车车辆数据以及时间数据；并输入至预测模型，获得固定停车位在预设时间段内的停车预测结果；基于停车预测结果，生成固定停车位的控制信息，对入口准入设备进行控制，实现停车位控制。该方法在停车场临时停车位无空闲时，通过预测模型预测固定停车位的停车情况，根据停车情况确定固定停车位的控制信息，进而控制入口准入设备，控制用户的进入，可以将固定停车位开放使用，进而提高了停车位的利用率，缓解了停车场停车位紧张的情况。

Description

基于预测模型的停车位控制方法、装置、设备及存储介质
技术领域
本申请涉及车位规划技术领域，尤其涉及一种基于预测模型的停车位控制方法、装置、计算机设备及存储介质。
背景技术
随着各式车辆不断地走入千家万户，停车位的需求量也极大地增加，现有停车场的停车位数量在车辆数量较多时无法满足用户的停车需求，为了满足最大程度满足用户停车需求，许多停车场开始为固定用户提供停车位(如小区业主、单位员工车位等)，但这些停车位在固定用户不需要用到的时候却不能释放停车位资源，从而造成了停车位紧张。因此如何提高停车位的利用率，缓解停车位紧张成为了亟需解决的问题。
发明内容
本申请提供了一种基于预测模型的停车位控制方法、装置、计算机设备及存储介质，以提高停车位的利用率，缓解停车位紧张。
第一方面，本申请提供了一种基于预测模型的停车位控制方法，所述方法包括：
基于所述车牌识别设备，获得停车场的临时停车位空闲情况；
在所述临时停车位无空闲时，获取固定停车位的停车车辆数据以及停车时间数据；
将所述停车车辆数据以及所述停车时间数据输入至预测模型，获得所述固定停车位在预设时间段内的停车预测结果；
基于所述停车预测结果，生成所述固定停车位的控制信息，并基于所述控制信息，对所述入口准入设备进行控制，以实现停车位的控制。
进一步地，所述基于所述停车预测结果，生成所述固定停车位的控制信息，包括：
基于所述停车预测结果，确定可供使用的固定停车位；
获取所述固定停车位的编号以及可供使用的时间，生成所述固定停车位的开放时间以及开放时长；
基于所述固定停车位的开放时间以及开放时长，生成所述控制信息。
进一步地，所述基于所述控制信息，对所述入口准入设备进行控制，以实现停车位的控制，包括：
在所述控制信息为允许用户使用固定停车位时，控制所述入口准入设备开启并显示所述固定停车位的编号以及开放使用时长，以允许用户进入停车场使用所述固定停车位。
进一步地，所述将所述停车车辆数据以及所述停车时间数据输入至预测模型，获得所述固定停车位在预设时间段内的停车预测结果之前，还包括：
获取所述固定停车位的历史停车车辆数据以及历史停车时间数据；
基于所述历史停车车辆数据以及所述历史停车时间数据，对预训练模型进行训练，获得所述预测模型。
进一步地，所述基于所述历史停车车辆数据以及所述历史停车时间数据，对预训练模型进行训练，获得所述预测模型，包括：
将所述历史停车车辆数据以及所述历史停车时间数据输入至所述预训练模型，生成停车位预测数据，其中，所述停车位预测数据包括空闲停车位编号以及空闲时间；
基于所述停车情况数据库，获取与所述空闲时间对应的历史停车情况；
将所述停车位预测数据与所述历史停车情况进行比对，获得所述预训练模型的预测准确率；
在所述预测准确率达到预设的准确率阈值时，确定所述预训练模型为所述预测模型。
进一步地，所述将所述历史停车车辆数据以及所述历史停车时间数据输入至预训练模型，生成停车位预测数据，包括：
基于所述预训练模型的数据区分模块，对所述历史停车车辆数据按照预设时间段进行划分，获得至少一个停车数据集以及所述历史停车车辆数据与所述预设时间段的关联关系；
基于至少一个所述停车数据集以及所述关联关系，对所述预训练模型进行训练，生成所述停车位预测数据。
进一步地，所述将所述停车位预测数据与所述历史停车情况进行比对，获得所述预训练模型的预测准确率之后，还包括：
在所述预测准确率小于所述准确率阈值时，基于所述停车位预测数据与所述历史停车情况，确定错误预测数据；
基于所述错误预测数据以及所述历史停车情况，重新训练所述预训练模型，直至所述预测准确率不小于所述准确率阈值，确定所述预训练模型为所述预测模型。
进一步地，所述基于所述车牌识别设备，获得停车场的临时停车位空闲情况之后，还包括：
在所述临时停车位有空闲时，控制所述入口准入设备开启，以供用户进入所述停车场。
第二方面，本申请还提供了一种基于预测模型的停车位控制装置，所述装置包括：
车位空闲情况获得模块，用于基于所述车牌识别设备，获得停车场的临时停车位空闲情况；
数据获取模块，用于在所述临时停车位无空闲时，获取固定停车位的停车车辆数据以及停车时间数据；
预测结果获得模块，用于将所述停车车辆数据以及所述停车时间数据输入至预测模型，获得所述固定停车位在预设时间段内的停车预测结果；
停车位控制模块，用于基于所述停车预测结果，生成所述固定停车位的控制信息，并基于所述控制信息，对所述入口准入设备进行控制，以实现停车位的控制。
第三方面，本申请还提供了一种计算机设备，所述计算机设备包括存储器和处理器；所述存储器，用于存储计算机程序；所述处理器，用于执行所述计算机程序并在执行所述计算机程序时实现如上述的基于预测模型的停车位控制方法。
第四方面，本申请还提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时使所述处理器实现如上述的基于预测模型的停车位控制方法。
本申请公开了一种基于预测模型的停车位控制方法、装置、计算机设备及存储介质，基于所述车牌识别设备，获得停车场的临时停车位空闲情况；在所述临时停车位无空闲时，获取固定停车位的停车车辆数据以及停车时间数据；将所述停车车辆数据以及所述停车时间数据输入至预测模型，获得所述固定停车位在预设时间段内的停车预测结果；基于所述停车预测结果，生成所述固定停车位的控制信息，并基于所述控制信息，对所述入口准入设备进行控制，以实现停车位的控制。该方法在停车场临时停车位无空闲时，通过预测模型预测固定停车位的停车情况，根据停车情况确定固定停车位的控制信息，进而控制入口准入设备，控制用户的进入，可以将固定停车位开放使用，进而提高了停车位的利用率，缓解了停车场停车位紧张的情况。
附图说明
为了更清楚地说明本申请实施例技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1是本申请的实施例提供的一种基于预测模型的停车位控制方法的第一实施例示意流程图；
图2是本申请的实施例提供的一种基于预测模型的停车位控制方法的实例化场景模型设计图；
图3是本申请的实施例提供的一种基于预测模型的停车位控制方法的第二实施例示意流程图；
图4是本申请的实施例提供的一种基于预测模型的停车位控制方法的第三实施例示意流程图；
图5是本申请的实施例提供的一种基于预测模型的停车位控制方法的预测模型训练示意图；
图6是本申请的实施例提供的一种基于预测模型的停车位控制方法的第四实施例示意流程图；
图7为本申请的实施例提供的一种基于预测模型的停车位控制装置的示意性框图；
图8为本申请的实施例提供的一种计算机设备的结构示意性框图。
具体实施方式
下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
附图中所示的流程图仅是示例说明，不是必须包括所有的内容和操作/步骤，也不是必须按所描述的顺序执行。例如，有的操作/步骤还可以分解、组合或部分合并，因此实际执行的顺序有可能根据实际情况改变。
应当理解，在此本申请说明书中所使用的术语仅仅是出于描述特定实施例的目的而并不意在限制本申请。如在本申请说明书和所附权利要求书中所使用的那样，除非上下文清楚地指明其它情况，否则单数形式的“一”、“一个”及“该”意在包括复数形式。
还应当进理解，在本申请说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合，并且包括这些组合。
本申请的实施例提供了一种基于预测模型的停车位控制方法、装置、计算机设备及存储介质。其中，该基于预测模型的停车位控制方法可以应用于服务器中，通过预测模型预测固定停车位的停车情况，提高停车位的利用率，缓解停车位紧张。其中，该服务器可以为独立的服务器，也可以为服务器集群。
下面结合附图，对本申请的一些实施方式作详细说明。在不冲突的情况下，下述的实施例及实施例中的特征可以相互组合。
请参阅图1，图1是本申请的实施例提供的一种基于预测模型的停车位控制方法的示意流程图。该基于预测模型的停车位控制方法可应用于服务器中，用于通过预测模型预测固定停车位的停车情况，提高停车位的利用率，缓解停车位紧张。
如图1所示，该基于预测模型的停车位控制方法具体包括步骤S101至步骤S104。
S101、基于所述车牌识别设备，获得停车场的临时停车位空闲情况。
基于所述车牌识别设备，获得停车场的临时停车位空闲情况之后，还包括：在所述临时停车位有空闲时，控制所述入口准入设备开启，以供用户进入所述停车场。
在一个实施例中，如图2所示，停车场的实际车位中包括临时停车位以及固定停车位(即图2中的特殊停车位)，车牌识别设备记录进出停车场的车辆数据以及时间数据作为模型参数传入预测模型。
在一个实施例中，车牌识别设备可以识别车牌号，同时记录进出停车场的车辆数量，进而将停车场内已停车辆数量与停车场现有车位数进行比对，获得停车场的车位空闲情况，同时，将记录的数据发送至预测模型。
在一个实施例中，固定停车位的用户车牌会通过终端设备预先设置，车牌识别设备在识别到车牌时，会将车牌与固定用户车牌进行比对，在确定该车牌不是固定用户车牌时，记录临时停车车辆数量，将临时停车车辆数量与停车场的临时停车位进行比对，确定是否有空闲的临时停车位。
在一个实施例中，在临时停车位存在空闲车位时，控制入口准入设备开启，允许停车用户进入停车场。
S102、在所述临时停车位无空闲时，获取固定停车位的停车车辆数据以及停车时间数据。
在一个实施例中，固定停车位的用户车牌会通过终端设备预先设置，车牌识别设备在识别到固定用户车牌时，记录用户进入停车场的时间以及离开停车场的时间，并存储到停车情况数据库中。
在一个实施例中，在临时停车位无空闲，车牌识别设备识别到临时停车车牌时，开始从停车情况数据库中获取固定停车位的停车车辆数据以及停车时间数据，对固定停车位的使用情况进行预测。
其中，停车车辆数据包括至少一个车牌号，例如，某些住宅区停车场允许业主在一个车位里预留两个甚至两个以上的车牌号。停车时间数据包括固定用户车牌进入停车场的时间以及停车时长。
S103、将所述停车车辆数据以及所述停车时间数据输入至预测模型，获得所述固定停车位在预设时间段内的停车预测结果。
在一个实施例中，在训练LSTM(Long Short Term Memory，长短期记忆递归神经网络)模型时，将生活作息时间加入，并且增加生活作息时间的影响权重，使得最终产生的预测结果与人的实际生活状况的密切相关，增加的模型的预测准确率。LSTM一开始用于解决RNN结构中梯度消失问题而提出来的，梯度爆炸的问题可以通过直接对梯度的范数设置一个限制来解决。LSTM有两个传输状态，一个Ct，和一个ht。其中对于传递下去的Ct改变得很慢，通常输出的Ct是上一个状态传过来的Ct-1加上一些数值。而ht则在不同节点下往往会有很大的区别。这样就能解决梯度爆炸的问题，从而提高精准度。但没有结合生活实际，相对于传统的LSTM，将生活作息加入，并且增加其影响权重，最终产生的预测结果则与人的实际生活状况的关系将会非常密切。
在一个实施例中，添加特殊时间段开始之后一段时间，若某些特殊车牌没有进入停车场，将相应开放更多停车位给普通用户。
在一个实施例中，停车预测结果可以是某段时间内某固定停车位处于空闲状态，根据该预测结果可以将该固定停车位开放给临时用户使用，例如，停车预测结果为001号停车位在9点至13点将处于空闲状态，则将9点作为该固定停车位的开放时间，开放时长为4个小时。
在一个实施例中，将所述停车车辆数据以及所述停车时间数据输入至预测模型，获得所述固定停车位在预设时间段内的停车预测结果，可以实时获得预测结果，根据结果控制入口准入设备是否允许当前用户进入停车场。
S104、基于所述停车预测结果，生成所述固定停车位的控制信息，并基于所述控制信息，对所述入口准入设备进行控制，以实现停车位的控制。
基于所述控制信息，对所述入口准入设备进行控制，以实现停车位的控制，包括：在所述控制信息为允许用户使用固定停车位时，控制所述入口准入设备开启并显示所述固定停车位的编号以及开放使用时长，以允许用户进入停车场使用所述固定停车位。
在一个实施例中，预测模型接收数据后，处理数据，然后将得到的几种预测结果，例如，固定停车位的用户是否还会来停车、对应时间段上停车位是否空闲。
在一个实施例中，根据预测结果，获得最佳的停车位开放方案，例如，预测结果为某固定停车位在9点至10点处于空闲状态，那么可以生成在9点开放该停车位给临时用户，开放时长为1小时的开放方案。
在一个实施例中，终端设备根据开放方案生成控制信息，并将控制信号发给停车场入口准入设备，以实现对停车场的及时操作，从而实现对停车场停车位的实时控制。
在一个实施例中，入口准入设备显示可开放的停车位的编号信息以及开放时长信息，以告知用户，并可以通过短信等方式在固定停车位开放时长即将结束时提醒用户及时离开。
在一个实施例中，通过对不同的停车场的停车情况预测，得出不同的开放停车位方案，可以结合城市中所有停车场的预测结果，得到整个城市停车位的最佳开放方案，并将方案传给搭载预设操作系统的终端设备进行开放停车位的实际控制，使得停车位利用率最大化，缓解停车位紧张。
请参阅图3，图3是本申请的实施例提供的一种基于预测模型的停车位控制方法的示意流程图。该基于预测模型的停车位控制方法可应用于服务器中，用于通过预测模型预测固定停车位的停车情况，提高停车位的利用率，缓解停车位紧张。
如图3所示，该基于预测模型的停车位控制方法的所述基于所述停车预测结果，生成所述固定停车位的控制信息，具体包括步骤S201至步骤S203。
S201、基于所述停车预测结果，确定可供使用的固定停车位；
S202、获取所述固定停车位的编号以及可供使用的时间，生成所述固定停车位的开放时间以及开放时长；
S203、基于所述固定停车位的开放时间以及开放时长，生成所述控制信息。
在一个实施例中，停车预测结果可以是某段时间内某固定停车位处于空闲状态，根据该预测结果可以将该固定停车位开放给临时用户使用，例如，停车预测结果为001号停车位在9点至13点将处于空闲状态，则将9点作为该固定停车位的开放时间，开放时长为4个小时。
在一个实施例中，根据开放时间以及开放时长，终端设备生成001号停车位的控制信息，并将控制信息发送入口准入设备，在临时停车位无空闲且在001号停车位的可开放时段内时，控制入口准入设备开启并显示该车位的车位编号和开放时长，以告知用户。
请参阅图4，图4是本申请的实施例提供的一种基于预测模型的停车位控制方法的示意流程图。该基于预测模型的停车位控制方法可应用于服务器中，用于通过预测模型预测固定停车位的停车情况，提高停车位的利用率，缓解停车位紧张。
如图4所示，该基于预测模型的停车位控制方法的所述步骤S103之前，具体包括步骤S301至步骤S302。
S301、获取所述固定停车位的历史停车车辆数据以及历史停车时间数据；
S302、基于所述历史停车车辆数据以及所述历史停车时间数据，对预训练模型进行训练，获得所述预测模型。
在一个实施例中，根据历史数据对预训练模型进行训练，获得所需的预测模型，如图5所示，将历史停车车辆数据以及历史停车时间数据输入至预训练模型，预训练模型输出预测结果，将该预测结果与对应时间的停车情况进行比对，在预测错误的情况下，根据正确的停车情况对预训练模型进行重新训练，实现模型修正，直至预训练模型的预测准确率达到预设准确率阈值。
在一个实施例中，历史停车车辆数据以及历史停车时间数据可以从停车情况数据库中获取，历史停车车辆数据包括至少一个车牌号，历史停车时间数据记录了每个停车位预留的每个车牌号的停车时间数据。
在一个实施例中，经过多次训练，会生成成熟模型，之后就不再需要与实际下游数据进行对比，从而能大大提高预测的实时性，帮助人们解决出行停车的交通问题。
请参阅图6，图6是本申请的实施例提供的一种基于预测模型的停车位控制方法的示意流程图。该基于预测模型的停车位控制方法可应用于服务器中，用于通过预测模型预测固定停车位的停车情况，提高停车位的利用率，缓解停车位紧张。
如图6所示，该基于预测模型的停车位控制方法的所述步骤S302，具体包括步骤S401至步骤S404。
S401、将所述历史停车车辆数据以及所述历史停车时间数据输入至所述预训练模型，生成停车位预测数据，其中，所述停车位预测数据包括空闲停车位编号以及空闲时间；
S402、基于所述停车情况数据库，获取与所述空闲时间对应的历史停车情况；
S403、将所述停车位预测数据与所述历史停车情况进行比对，获得所述预训练模型的预测准确率；
S404、在所述预测准确率达到预设的准确率阈值时，确定所述预训练模型为所述预测模型。
将所述历史停车车辆数据以及所述历史停车时间数据输入至预训练模型，生成停车位预测数据，包括：基于所述预训练模型的数据区分模块，对所述历史停车车辆数据按照预设时间段进行划分，获得至少一个停车数据集以及所述历史停车车辆数据与所述预设时间段的关联关系；基于至少一个所述停车数据集以及所述关联关系，对所述预训练模型进行训练，生成所述停车位预测数据。
将所述停车位预测数据与所述历史停车情况进行比对，获得所述预训练模型的预测准确率之后，还包括：在所述预测准确率小于所述准确率阈值时，基于所述停车位预测数据与所述历史停车情况，确定错误预测数据；基于所述错误预测数据以及所述历史停车情况，重新训练所述预训练模型，直至所述预测准确率不小于所述准确率阈值，确定所述预训练模型为所述预测模型。
在一个实施例中，数据划分主要是对输入的数据按预设时间段进行区分，例如，某商场上班时间段9点至17点的停车情况、下班时间段的停车情况，或节假日的停车情况等。
在一个实施例中，数据划分后，根据划分结果，预测模型可获得停车位是否空闲与预设时间段之间的联系，例如，商场员工停车位为固定停车位，在上班时间段无空闲，而下班时间段基本空闲。
在一个实施例中，一个数据集群由多个特殊车牌和时间序列组成，他们共享一个共同的时间表。
在一个实施例中，为了使模型预测结果与人的实际生活状况的关系密切联系，将生活作息时间(即预设时间段)加入到模型训练过程中，并增加生活作息的影响权重，在预设时间段内，固定用户的车牌未进入停车场，则开放固定停车位给临时用户使用。
具体实施例中，将历史停车车辆数据以及停车时间数据输入至预训练模型，预训练模型给出预测结果，预测结果包括固定停车位编号以及停车位对应的空闲时间段，之后获取该车位预测的空闲时间段对应的真实停车情况，确定预测结果是否正确。例如，预测结果为001号车位可能于9点至13点空闲，那么在停车情况数据库中获得001号车位在9点至13点的停车情况，若处于空闲，则说明预测结果正确，若处于使用状态则说明预测结果错误，其中，使用状态以车牌识别设备识别到车牌进入且未识别到车牌驶出为准。当预测结果出错时，根据真实情况，对预训练模型进行重新训练，以实现模型修正。
请参阅图7，图7是本申请的实施例提供一种基于预测模型的停车位控制装置的示意性框图，该基于预测模型的停车位控制装置用于执行前述的基于预测模型的停车位控制方法。其中，该基于预测模型的停车位控制装置可以配置于服务器。
如图7所示，该基于预测模型的停车位控制装置500，包括：
车位空闲情况获得模块501，用于基于所述车牌识别设备，获得停车场的临时停车位空闲情况；
数据获取模块502，用于在所述临时停车位无空闲时，获取固定停车位的停车车辆数据以及停车时间数据；
预测结果获得模块503，用于将所述停车车辆数据以及所述停车时间数据输入至预测模型，获得所述固定停车位在预设时间段内的停车预测结果；
停车位控制模块504，用于基于所述停车预测结果，生成所述固定停车位的控制信息，并基于所述控制信息，对所述入口准入设备进行控制，以实现停车位的控制。
在一个实施例中，所述停车位控制模块504，包括：
停车位确定单元，用于基于所述停车预测结果，确定可供使用的固定停车位；
开放方案生成单元，用于获取所述固定停车位的编号以及可供使用的时间，生成所述固定停车位的开放时间以及开放时长；
控制信息生成单元，用于基于所述固定停车位的开放时间以及开放时长，生成所述控制信息。
在一个实施例中，所述停车位控制模块504，包括：
设备控制单元，用于在所述控制信息为允许用户使用固定停车位时，控制所述入口准入设备开启并显示所述固定停车位的编号以及开放使用时长，以允许用户进入停车场使用所述固定停车位。
在一个实施例中，所述基于预测模型的停车位控制装置500，还包括预测模型获得模块，所述预测模型获得模块，包括：
相关数据获取单元，用于获取所述固定停车位的历史停车车辆数据以及历史停车时间数据；
预训练模型训练单元，用于基于所述历史停车车辆数据以及所述历史停车时间数据，对预训练模型进行训练，获得所述预测模型。
在一个实施例中，所述预训练模型训练单元，包括：
预测数据获得子单元，用于将所述历史停车车辆数据以及所述历史停车时间数据输入至所述预训练模型，生成停车位预测数据，其中，所述停车位预测数据包括空闲停车位编号以及空闲时间；
历史停车情况获取子单元，用于基于所述停车情况数据库，获取与所述空闲时间对应的历史停车情况；
预测准确率获得子单元，用于将所述停车位预测数据与所述历史停车情况进行比对，获得所述预训练模型的预测准确率；
预测模型确定子单元，用于在所述预测准确率达到预设的准确率阈值时，确定所述预训练模型为所述预测模型。
在一个实施例中，所述预测数据获得子单元，包括：
关联关系确定子单元，用于基于所述预训练模型的数据区分模块，对所述历史停车车辆数据按照预设时间段进行划分，获得至少一个停车数据集以及所述历史停车车辆数据与所述预设时间段的关联关系；
预测数据生成子单元，用于基于至少一个所述停车数据集以及所述关联关系，对所述预训练模型进行训练，生成所述停车位预测数据。
在一个实施例中，所述预训练模型训练单元，还包括：
错误预测数据确定子单元，用于在所述预测准确率小于所述准确率阈值时，基于所述停车位预测数据与所述历史停车情况，确定错误预测数据；
模型重新训练子单元，用于基于所述错误预测数据以及所述历史停车情况，重新训练所述预训练模型，直至所述预测准确率不小于所述准确率阈值，确定所述预训练模型为所述预测模型。
在一个实施例中，所述基于预测模型的停车位控制装置500，还包括：
准入设备开启单元，用于在所述临时停车位有空闲时，控制所述入口准入设备开启，以供用户进入所述停车场。
需要说明的是，所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，上述描述的装置和各模块的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
上述的装置可以实现为一种计算机程序的形式，该计算机程序可以在如图8所示的计算机设备上运行。
请参阅图8，图8是本申请的实施例提供的一种计算机设备的结构示意性框图。该计算机设备可以是服务器。
参阅图8，该计算机设备包括通过系统总线连接的处理器、存储器和网络接口，其中，存储器可以包括非易失性存储介质和内存储器。
非易失性存储介质可存储操作系统和计算机程序。该计算机程序包括程序指令，该程序指令被执行时，可使得处理器执行任意一种基于预测模型的停车位控制方法。
处理器用于提供计算和控制能力，支撑整个计算机设备的运行。
内存储器为非易失性存储介质中的计算机程序的运行提供环境，该计算机程序被处理器执行时，可使得处理器执行任意一种基于预测模型的停车位控制方法。
该网络接口用于进行网络通信，如发送分配的任务等。本领域技术人员可以理解，图8中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
应当理解的是，处理器可以是中央处理单元(Central Processing Unit，CPU)，该处理器还可以是其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现场可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。其中，通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
其中，在一个实施例中，所述处理器用于运行存储在存储器中的计算机程序，以实现如下步骤：
基于所述车牌识别设备，获得停车场的临时停车位空闲情况；
在所述临时停车位无空闲时，获取固定停车位的停车车辆数据以及停车时间数据；
将所述停车车辆数据以及所述停车时间数据输入至预测模型，获得所述固定停车位在预设时间段内的停车预测结果；
基于所述停车预测结果，生成所述固定停车位的控制信息，并基于所述控制信息，对所述入口准入设备进行控制，以实现停车位的控制。
在一个实施例中，所述处理器在实现基于所述停车预测结果，生成所述固定停车位的控制信息时，用于实现：
基于所述停车预测结果，确定可供使用的固定停车位；
获取所述固定停车位的编号以及可供使用的时间，生成所述固定停车位的开放时间以及开放时长；
基于所述固定停车位的开放时间以及开放时长，生成所述控制信息。
在一个实施例中，所述处理器在实现基于所述控制信息，对所述入口准入设备进行控制，以实现停车位的控制时，用于实现：
在所述控制信息为允许用户使用固定停车位时，控制所述入口准入设备开启并显示所述固定停车位的编号以及开放使用时长，以允许用户进入停车场使用所述固定停车位。
在一个实施例中，所述处理器在实现将所述停车车辆数据以及所述停车时间数据输入至预测模型，获得所述固定停车位在预设时间段内的停车预测结果之前，还用于实现：
获取所述固定停车位的历史停车车辆数据以及历史停车时间数据；
基于所述历史停车车辆数据以及所述历史停车时间数据，对预训练模型进行训练，获得所述预测模型。
在一个实施例中，所述处理器在实现基于所述历史停车车辆数据以及所述历史停车时间数据，对预训练模型进行训练，获得所述预测模型时，用于实现：
将所述历史停车车辆数据以及所述历史停车时间数据输入至所述预训练模型，生成停车位预测数据，其中，所述停车位预测数据包括空闲停车位编号以及空闲时间；
基于所述停车情况数据库，获取与所述空闲时间对应的历史停车情况；
将所述停车位预测数据与所述历史停车情况进行比对，获得所述预训练模型的预测准确率；
在所述预测准确率达到预设的准确率阈值时，确定所述预训练模型为所述预测模型。
在一个实施例中，所述处理器在实现将所述历史停车车辆数据以及所述历史停车时间数据输入至预训练模型，生成停车位预测数据时，用于实现：
基于所述预训练模型的数据区分模块，对所述历史停车车辆数据按照预设时间段进行划分，获得至少一个停车数据集以及所述历史停车车辆数据与所述预设时间段的关联关系；
基于至少一个所述停车数据集以及所述关联关系，对所述预训练模型进行训练，生成所述停车位预测数据。
在一个实施例中，所述处理器在实现将所述停车位预测数据与所述历史停车情况进行比对，获得所述预训练模型的预测准确率之后，还用于实现：
在所述预测准确率小于所述准确率阈值时，基于所述停车位预测数据与所述历史停车情况，确定错误预测数据；
基于所述错误预测数据以及所述历史停车情况，重新训练所述预训练模型，直至所述预测准确率不小于所述准确率阈值，确定所述预训练模型为所述预测模型。
在一个实施例中，所述处理器在实现基于所述车牌识别设备，获得停车场的临时停车位空闲情况之后，还用于实现：
在所述临时停车位有空闲时，控制所述入口准入设备开启，以供用户进入所述停车场。
本申请的实施例中还提供一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序中包括程序指令，所述处理器执行所述程序指令，实现本申请实施例提供的任一项基于预测模型的停车位控制方法。
其中，所述计算机可读存储介质可以是前述实施例所述的计算机设备的内部存储单元，例如所述计算机设备的硬盘或内存。所述计算机可读存储介质也可以是所述计算机设备的外部存储设备，例如所述计算机设备上配备的插接式硬盘，智能存储卡(SmartMedia Card，SMC)，安全数字(Secure Digital，SD)卡，闪存卡(Flash Card)等。
以上所述，仅为本申请的具体实施方式，但本申请的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本申请揭露的技术范围内，可轻易想到各种等效的修改或替换，这些修改或替换都应涵盖在本申请的保护范围之内。因此，本申请的保护范围应以权利要求的保护范围为准。

Claims (11)

1.一种基于预测模型的停车位控制方法，其特征在于，所述停车位控制方法应用于停车位控制系统，所述停车位控制系统包括车牌识别设备、入口准入设备以及终端设备，所述车牌识别设备、所述入口准入设备以及所述终端设备均搭载预设的操作系统，基于所述操作系统，所述车牌识别设备、所述入口准入设备以及所诉终端设备通过分布式软总线连接，所述终端设备存储有停车情况数据库，所述停车情况数据库用于记录固定停车位的停车车辆数据以及停车时间数据；所述停车位控制方法包括：
基于所述车牌识别设备，获得停车场的临时停车位空闲情况；
在所述临时停车位无空闲时，获取固定停车位的停车车辆数据以及停车时间数据；
将所述停车车辆数据以及所述停车时间数据输入至预测模型，获得所述固定停车位在预设时间段内的停车预测结果；
基于所述停车预测结果，生成所述固定停车位的控制信息，并基于所述控制信息，对所述入口准入设备进行控制，以实现停车位的控制。
2.根据权利要求1所述的基于预测模型的停车位控制方法，其特征在于，所述基于所述停车预测结果，生成所述固定停车位的控制信息，包括：
基于所述停车预测结果，确定可供使用的固定停车位；
获取所述固定停车位的编号以及可供使用的时间，生成所述固定停车位的开放时间以及开放时长；
基于所述固定停车位的开放时间以及开放时长，生成所述控制信息。
3.根据权利要求1所述的基于预测模型的停车位控制方法，其特征在于，所述基于所述控制信息，对所述入口准入设备进行控制，以实现停车位的控制，包括：
在所述控制信息为允许用户使用固定停车位时，控制所述入口准入设备开启并显示所述固定停车位的编号以及开放使用时长，以允许用户进入停车场使用所述固定停车位。
4.根据权利要求1所述的基于预测模型的停车位控制方法，其特征在于，所述将所述停车车辆数据以及所述停车时间数据输入至预测模型，获得所述固定停车位在预设时间段内的停车预测结果之前，还包括：
获取所述固定停车位的历史停车车辆数据以及历史停车时间数据；
基于所述历史停车车辆数据以及所述历史停车时间数据，对预训练模型进行训练，获得所述预测模型。
5.根据权利要求4所述的基于预测模型的停车位控制方法，其特征在于，所述基于所述历史停车车辆数据以及所述历史停车时间数据，对预训练模型进行训练，获得所述预测模型，包括：
将所述历史停车车辆数据以及所述历史停车时间数据输入至所述预训练模型，生成停车位预测数据，其中，所述停车位预测数据包括空闲停车位编号以及空闲时间；
基于所述停车情况数据库，获取与所述空闲时间对应的历史停车情况；
将所述停车位预测数据与所述历史停车情况进行比对，获得所述预训练模型的预测准确率；
在所述预测准确率达到预设的准确率阈值时，确定所述预训练模型为所述预测模型。
6.根据权利要求5所述的基于预测模型的停车位控制方法，其特征在于，所述将所述历史停车车辆数据以及所述历史停车时间数据输入至预训练模型，生成停车位预测数据，包括：
基于所述预训练模型的数据区分模块，对所述历史停车车辆数据按照预设时间段进行划分，获得至少一个停车数据集以及所述历史停车车辆数据与所述预设时间段的关联关系；
基于至少一个所述停车数据集以及所述关联关系，对所述预训练模型进行训练，生成所述停车位预测数据。
7.根据权利要求5所述的基于预测模型的停车位控制方法，其特征在于，所述将所述停车位预测数据与所述历史停车情况进行比对，获得所述预训练模型的预测准确率之后，还包括：
在所述预测准确率小于所述准确率阈值时，基于所述停车位预测数据与所述历史停车情况，确定错误预测数据；
基于所述错误预测数据以及所述历史停车情况，重新训练所述预训练模型，直至所述预测准确率不小于所述准确率阈值，确定所述预训练模型为所述预测模型。
8.根据权利要求1-7任一项所述的基于预测模型的停车位控制方法，其特征在于，所述基于所述车牌识别设备，获得停车场的临时停车位空闲情况之后，还包括：
在所述临时停车位有空闲时，控制所述入口准入设备开启，以供用户进入所述停车场。
9.一种基于预测模型的停车位控制装置，其特征在于，包括：
车位空闲情况获得模块，用于基于所述车牌识别设备，获得停车场的临时停车位空闲情况；
数据获取模块，用于在所述临时停车位无空闲时，获取固定停车位的停车车辆数据以及停车时间数据；
预测结果获得模块，用于将所述停车车辆数据以及所述停车时间数据输入至预测模型，获得所述固定停车位在预设时间段内的停车预测结果；
停车位控制模块，用于基于所述停车预测结果，生成所述固定停车位的控制信息，并基于所述控制信息，对所述入口准入设备进行控制，以实现停车位的控制。
10.一种计算机设备，其特征在于，所述计算机设备包括存储器和处理器；
所述存储器，用于存储计算机程序；
所述处理器，用于执行所述计算机程序并在执行所述计算机程序时实现如权利要求1至8中任一项所述的基于预测模型的停车位控制方法。
11.一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存储有计算机程序，所述计算机程序被处理器执行时使所述处理器实现如权利要求1至8中任一项所述的基于预测模型的停车位控制方法。
CN202310314872.4A 2023-03-20 2023-03-20 基于预测模型的停车位控制方法、装置、设备及存储介质 Pending CN116386377A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310314872.4A CN116386377A (zh) 2023-03-20 2023-03-20 基于预测模型的停车位控制方法、装置、设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310314872.4A CN116386377A (zh) 2023-03-20 2023-03-20 基于预测模型的停车位控制方法、装置、设备及存储介质

Publications (1)

Publication Number Publication Date
CN116386377A true CN116386377A (zh) 2023-07-04

Family

ID=86970564

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310314872.4A Pending CN116386377A (zh) 2023-03-20 2023-03-20 基于预测模型的停车位控制方法、装置、设备及存储介质

Country Status (1)

Country Link
CN (1) CN116386377A (zh)

Similar Documents

Publication Publication Date Title
CN109131345B (zh) 交通工具和控制交通工具的方法和系统
CN111009151B (zh) 一种停车位推荐方法、存储介质及终端设备
CN109872535B (zh) 一种智慧交通通行预测方法、装置及服务器
US11507894B2 (en) System and method for ride order dispatching
CN113287124A (zh) 用于搭乘订单派遣的系统和方法
CN112686428B (zh) 基于地铁线网站点相似性的地铁客流预测方法及装置
CN111582590B (zh) 一种调度预测方法、装置、设备及存储介质
CN113335125A (zh) 车辆充电方法、装置、系统、充电模型训练方法
US11858372B2 (en) Method for processing a predetermined computing task by a distributed, vehicle-based computing system and a corresponding computing system
CN114118547A (zh) 电动车公共充电站排队等待时间估算方法及系统
CN116386377A (zh) 基于预测模型的停车位控制方法、装置、设备及存储介质
CN111445371A (zh) 运输路线生成方法、装置、计算机设备和存储介质
CN114066079B (zh) 一种基于多租户的网约车供需差预测方法及装置
CN114550492B (zh) 一种车辆信息的处理方法、装置、电子设备及存储介质
US11657446B2 (en) Information processing apparatus for generating a vehicle operation plan in a plurality of different rental modes
JP2019032905A (ja) 電力管理装置、電力管理システム、電力管理方法及びプログラム
US20220270488A1 (en) Systems and methods for order dispatching and vehicle repositioning
CN111489171B (zh) 基于二维码的乘车行程匹配方法、装置、电子设备及介质
CN114896482A (zh) 一种模型训练和补能意图识别方法、装置、设备及介质
CN110598931A (zh) 基于图卷积的节点电价预测方法及装置
US20220277329A1 (en) Systems and methods for repositioning vehicles in a ride-hailing platform
US20220236899A1 (en) Information processing apparatus, information processing method, and computer-readable recording medium storing information processing program
JP6085532B2 (ja) 電力管理装置、電力管理システム、電力管理方法、及びプログラム
US20160132837A1 (en) Action encouragement method, apparatus, and program for encouraging user to move to facility suitable for schedule or task
CN113391923B (zh) 系统资源数据分配方法和装置

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