CN117173923A - 智慧城市ai大数据多目标的信息融合协同跟踪定位方法 - Google Patents
智慧城市ai大数据多目标的信息融合协同跟踪定位方法 Download PDFInfo
- Publication number
- CN117173923A CN117173923A CN202311138472.9A CN202311138472A CN117173923A CN 117173923 A CN117173923 A CN 117173923A CN 202311138472 A CN202311138472 A CN 202311138472A CN 117173923 A CN117173923 A CN 117173923A
- Authority
- CN
- China
- Prior art keywords
- parking
- parking lot
- city
- map
- urban
- 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 33
- 230000004927 fusion Effects 0.000 title claims abstract description 27
- 230000000007 visual effect Effects 0.000 claims abstract description 3
- 238000004590 computer program Methods 0.000 claims description 8
- 238000004891 communication Methods 0.000 claims description 5
- 229920006395 saturated elastomer Polymers 0.000 claims description 5
- 238000012423 maintenance Methods 0.000 claims description 4
- 238000004458 analytical method Methods 0.000 claims description 3
- 238000007405 data analysis Methods 0.000 claims description 3
- 238000004088 simulation Methods 0.000 claims description 3
- 238000010276 construction Methods 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 230000008030 elimination Effects 0.000 description 2
- 238000003379 elimination reaction Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000001133 acceleration Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
Classifications
-
- 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
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A30/00—Adapting or protecting infrastructure or their operation
- Y02A30/60—Planning or developing urban green infrastructure
Landscapes
- Navigation (AREA)
Abstract
本发明公开了智慧城市AI大数据多目标的信息融合协同跟踪定位方法,包括以下步骤:根据汽车销售状况及汽车登记信息核实城市车辆保有量;导入城市地图并插入停车场位置;获取停车场车位数量及车辆停放数量;分析停车场的车位饱和度;查看城市道拥堵情况,提供相对便捷的停车场导航路线,并在城市地图上进行可视化展示。本发明通过提供停车场的车位饱和度,便于用户根据地图查看每个停车场的停放情况,如若车辆停放数量达到停车位的百分之九十五,则不选择该停车场,也避免了加重该停车场附近的拥堵,当选择的停车场车辆停放饱和量低于百分之九十五,城市地图上可以给出一条相对不会拥堵的导航,便于用户驾车前往停靠。
Description
技术领域
本发明涉及智慧城市停车技术领域,具体为一种智慧城市AI大数据多目标的信息融合协同跟踪定位方法。
背景技术
随着我国城镇化建设的加快,汽车行业的发展也变成了一个主流方向,与此同时停车也给城市交通带来了更多的挑战。自二十世纪末起,我国汽车的保有量的增长率达到了12%左右,私家车的增长率更高于这个数值。但是,停车场的数量以及车位数量十分有限,远远不能满足用户停车的需求。除此之外,人民生活水平得到了大幅度提高,对于大型超市(商场)的购物需求也趋于高标准、高质量、多样化水准,因此对于方便快捷寻找大型超市(商场)的停车场需求也越来越高。
现有的停车场导航存在以下问题:无法在地图上展示相应停车场的车辆停放情况,用户驾驶车辆到达停车场后极易发生车位已满无法停放的情况,而停车位已满代表此处相对拥堵,随着后续车辆的汇入,会更大的增加车辆拥堵情况,为此,没有标注车辆停放饱和度的停车场,不便于在城市中使用,给城市车辆停放带来了非常大的不便。
发明内容
本发明的目的在于提供智慧城市AI大数据多目标的信息融合协同跟踪定位方法,以解决上述背景技术中提出的问题。
为实现上述目的,本发明提供如下技术方案:智慧城市AI大数据多目标的信息融合协同跟踪定位方法,包括以下步骤:
根据汽车销售状况及汽车登记信息核实城市车辆保有量;
导入城市地图并插入停车场位置;
获取停车场车位数量及车辆停放数量;
其中,根据大数据可以得到城市地图,定位每个停车场的位置,并将其坐标标注在城市地图上;
分析停车场的车位饱和度;
查看城市道拥堵情况,提供相对便捷的停车场导航路线,并在城市地图上进行可视化展示;
其中,用户登录所述城市地图后,可以查看城市的所有收录停车场坐标,选择其中一个停车场,可以查看该停车场的车位数量及车位饱和度,且地图上会显示用户与停车场坐标之间的导航路线,该导航路线为AI分析出的最佳行驶路线,AI经过对多条路线的模拟,分析出一条不拥堵,可以快速通过的行驶路线。
优选的,所述汽车销售状况包括城市新车与二手车的销售状况,根据城市新车与二手车的销售状况,与城市汽车登记状况进行融合去重,核实出城市中现有的汽车保有量,依据汽车保有量可以建设相应的停车场。
优选的,基于大数据得到所述城市地图及停车场位置,包括:
建设现有城市地图,根据停车场位置坐标,将现有建设的停车场位置添加至城市地图中。
优选的,获取所述停车场中包含的停车位数量,获取相应所述停车场内的车辆停放数量。
优选的,所述停车场中车辆停放数量达到停车位的百分之九十五后,则停车场达到饱和状态,通过AI分析每个停车场的车位饱和度,并标注于相应的停车场,将其与停车场共同展示在建设的城市地图中。
优选的,根据所述城市地图内街道的拥堵密度,及停车场车位饱和度,查看出相对不会拥堵的路段及空放车辆量多的停车场,配合现有的停车状态,为用户选择最佳停车场与最佳导航路线。
本发明还提供智慧城市AI大数据多目标的信息融合协同跟踪定位装置,包括:
信息获取模块,其用于获取城市现有车辆保有量。
地图展示模块,其用于展示城市地图及停车场。
信息检索模块,其用于检索停车场的停车位数量与车辆停放数量。
数据分析模块,其用于分析停车场中车辆与车位的占比。
地图导航模块,其用于显示用户与停车场之间的最优路线。
本发明还提供一种电子设备,所述电子设备,包括:
处理器、存储器,所述存储器与处理器进行通信连接;
所述存储器用于储存至少一个所述处理器执行的可执行指令,所述处理器用于执行所述可执行指令以实现如上述的智慧城市AI大数据多目标的信息融合协同跟踪定位方法。
本发明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中存储有计算机程序,所述计算机程序被处理器执行时实现如上述的智慧城市AI大数据多目标的信息融合协同跟踪定位方法。
与现有技术相比,本发明的有益效果是:
通过检索城市汽车销售情况与二手市场汽车销售情况,与城市汽车登记状况进行融合去重,核实出城市中现有的汽车保有量,依据汽车保有量可以建设相应的停车场,根据大数据获取城市地图,利用跟踪定位的方式在城市地图上插入停车场坐标,停车场兴建后及时添加位置信息,停车场废弃后及时抹除停车场坐标,便于通用户使用,并在停车场上标注车位总数,通过AI分析每个停车场的车位饱和度,并标注于相应的停车场上,当车辆停放数量达到停车位的百分之九十五后,则停车场达到饱和状态,用户驾驶汽车在需要停靠停车场时,根据可视化地图查看每个停车场的停放情况,如若车辆停放数量达到停车位的百分之九十五,则不选择该停车场,无需驾车前往,也避免了加重目的地的拥堵,当选择的停车场车辆停放饱和量低于百分之九十五,城市地图上可以给出一条相对不会拥堵的导航,便于用户驾车前往停靠,该方法便于改善拥堵的城市停车状况,便于建设舒适度更高的城市生活。
附图说明
图1为本发明实施例提供的智慧城市AI大数据多目标的信息融合协同跟踪定位方法的主流程图;
图2为本发明实施例提供的智慧城市AI大数据多目标的信息融合协同跟踪定位装置的结构框图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,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,都属于本发明保护的范围。
本实施方式的方法的执行主体为终端,所述终端可以为手机、平板电脑、掌上电脑PDA、笔记本或台式机等设备,当然,还可以为其他具有相似功能的设备,本实施方式不加以限制。
请参阅图1,本发明提供智慧城市AI大数据多目标的信息融合协同跟踪定位方法,所述方法应用于智慧城市车辆停车场车位查询,包括:
步骤101,根据汽车销售状况及汽车登记信息核实城市车辆保有量。
其中,汽车销售状况包括城市新车与二手车的销售状况,根据城市新车与二手车的销售状况,与城市汽车登记状况进行融合去重,核实出城市中现有的汽车保有量,依据汽车保有量可以建设相应的停车场。
其中,通过信息获取模块查询城市4S店汽车销售数据与二手市场汽车销售数据,加以融合城市汽车登记数据,对重复的数据进行去重,获取到城市的车辆保有量,便于后续停车场的建设。
步骤102,导入城市地图并插入停车场位置。
其中,根据大数据可以得到城市地图,定位每个停车场的位置,并将其坐标标注在城市地图上。
具体的,基于大数据得到城市地图及停车场位置,建设现有城市地图,根据停车场位置坐标,将现有建设的停车场位置添加至城市地图中。
步骤103,获取停车场车位数量及车辆停放数量。
具体的,获取所述停车场中包含的停车位数量,获取相应所述停车场内的车辆停放数量。
步骤104,分析停车场的车位饱和度。
具体的,所述停车场中车辆停放数量达到停车位的百分之九十五后,则停车场达到饱和状态,车位饱和度通过AI进行分析,并可视化标注于相应的停车场,将其与停车场共同展示在建设的城市地图中;
其中,所述车位饱和度的AI分析步骤包括:
获取停车场的车位数量以及现车位使用数量;
计算当前车位使用数量与车位数量的百分比,若车位使用数量达到车位数量的百分之九十五后,则停车场达到饱和状态;
反之则停车场处于非饱和状态每个停车场的车位饱和度。
其中,用户根据可视化地图查看每个停车场的停放情况,如若车辆停放数量达到停车位的百分之九十五,则不选择该停车场,无需驾车前往,也避免了加重目的地的拥堵。
步骤105,查看城市道拥堵情况,提供相对便捷的停车场导航路线,并在城市地图上进行可视化展示。
其中,用户登录所述城市地图后,可以查看城市的所有收录停车场坐标,选择其中一个停车场,可以查看该停车场的车位数量及车位饱和度,且地图上会显示用户与停车场坐标之间的导航路线,该导航路线为AI分析出的最佳行驶路线,AI经过对多条路线的模拟,分析出一条不拥堵,可以快速通过的行驶路线。
其中,所述导航路线为AI分析出的最佳行驶路线中,所述导航路线的分析步骤包括:
获取所述城市地图内街道的拥堵密度,及停车场的车位饱和度;
获取所述城市地图中当前通畅路段,及所述停车场内空位多的停车场;
获取用户的停车需求,并通过AI为用户选择最佳停车场与最佳导航路线;
其中,所述停车需求为用户的目的地。
具体的,根据所述城市地图内街道的拥堵密度,及停车场车位饱和度,查看出相对不会拥堵的路段及空放车辆量多的停车场,配合现有的停车状态,为用户选择最佳停车场与最佳导航路线。
在本实施例中,检索城市4S店汽车销售情况与二手市场汽车销售情况,与城市汽车登记状况进行融合去重,核实出城市中现有的汽车保有量,依据汽车保有量可以建设相应的停车场,在城市地图上标注停车场位置,并在停车场上标注车位总数,通过AI分析每个停车场的车位饱和度,并标注于相应的停车场上,当车辆停放数量达到停车位的百分之九十五后,则停车场达到饱和状态,用户驾驶汽车在需要停靠停车场时,选择其中一个停车场,可以查看该停车场的车位数量及车位饱和度,如若车辆停放数量达到停车位的百分之九十五,则不选择该停车场,无需驾车前往,也避免了加重目的地的拥堵,当选择的停车场车辆停放饱和量低于百分之九十五,城市地图上可以给出一条相对不会拥堵的导航,便于用户驾车前往停靠。
为了更好的对上述实施例进行理解,如图2所示,本发明还提供了智慧城市AI大数据多目标的信息融合协同跟踪定位装置,包括:
信息获取模块21,其用于获取城市现有车辆保有量;
地图展示模块22,其用于展示城市地图及停车场;
信息检索模块23,其用于检索停车场的停车位数量与车辆停放数量;
数据分析模块24,其用于分析停车场中车辆与车位的占比;
地图导航模块25,其用于显示用户与停车场之间的最优路线。
在本实施例中,通过信息获取模块查询城市4S店汽车销售数据与二手市场汽车销售数据,加以融合城市汽车登记数据,对重复的数据进行去重,获取到城市的车辆保有量,便于后续停车场的建设,将大数据中得到的城市地图转载,标注城市地图上的停车场坐标,收录每个停车场的停车位数量及实时车辆停放数据,通过AI分析每个停车场的车位饱和度数据,并标注于相应的停车场,便于用户查看每个停车场的车位数量及车位饱和度,选择其中一个停车场,地图上会显示用户与停车场坐标之间的导航,该导航为通过AI分析出的最佳行驶路线,避免拥堵。
在上述实施例的基础上,本发明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中存储有计算机程序,所述计算机程序被处理器执行时实现如上述的智慧城市AI大数据多目标的信息融合协同跟踪定位方法。
在上述实施例的基础上,本发明还提供一种电子设备,所述电子设备包括:
处理器、存储器,所述处理器与存储器进行通信连接;
在本实施例中,所述存储器可以按任何适当的方式实现,例如:所述存储器可以为只读存储器、机械硬盘、固态硬盘、或U盘等;所述存储器用于储存至少一个所述处理器执行的可执行指令;
在本实施例中,所述处理器可以按任何适当的方式实现,例如,处理器可以采取例如微处理器或处理器以及存储可由该(微)处理器执行的计算机可读程序代码(例如软件或固件)的计算机可读介质、逻辑门、开关、专用集成电路(ApplicationSpecificIntegratedCircuit,ASIC)、可编程逻辑控制器和嵌入微控制器的形式等等;所述处理器用于执行所述可执行指令以实现如上述的智慧城市AI大数据多目标的信息融合协同跟踪定位方法。
在上述实施例的基础上,本发明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中存储有计算机程序,所述计算机程序被处理器执行时实现如上述的智慧城市AI大数据多目标的信息融合协同跟踪定位方法。
本领域普通技术人员可以意识到,结合本文中所公开的实施例描述的各示例的模块及方法步骤,能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本发明的范围。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的装置、设备和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。
在本申请所提供的几个实施例中,应该理解到,所揭露的设备、装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,所述模块的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个模块或单元可以结合或者可以集成到另一个装置,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或设备的间接耦合或通信连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的模块可以是或者也可以不是物理上分开的,作为模块显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本发明各个实施例中的各功能模块可以集成在一个处理模块中,也可以是各个模块单独物理存在,也可以两个或两个以上模块集成在一个模块中。
所述功能如果以软件功能模块的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机、服务器、或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储服务器、随机存取存储服务器、磁碟或者光盘等各种可以存储程序指令的介质。
另外,还需要说明的是,本案中各技术特征的组合方式并不限本案权利要求中所记载的组合方式或是具体实施例所记载的组合方式,本案所记载的所有技术特征可以以任何方式进行自由组合或结合,除非相互之间产生矛盾。
需要注意的是,以上列举的仅为本发明的具体实施例,显然本发明不限于以上实施例,随之有着许多的类似变化。本领域的技术人员如果从本发明公开的内容直接导出或联想到的所有变形,均应属于本发明的保护范围。
以上仅为本发明的较佳实施例而已,并非用于限定本发明的保护范围。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (9)
1.一种智慧城市AI大数据多目标的方法,其特征在于,包括以下步骤:
根据汽车销售状况及汽车登记信息核实城市车辆保有量;
导入城市地图并插入停车场位置;
其中,根据大数据可以得到城市地图,定位每个停车场的位置,并将其坐标标注在城市地图上;
获取停车场车位数量及车辆停放数量;
分析停车场的车位饱和度;
查看城市道拥堵情况,提供相对便捷的停车场导航路线,并在城市地图上进行可视化展示;
其中,用户登录所述城市地图后,可以查看城市的所有收录停车场坐标,选择其中一个停车场,可以查看该停车场的车位数量及车位饱和度,且地图上会显示用户与停车场坐标之间的导航路线,该导航路线为AI分析出的最佳行驶路线,AI经过对多条路线的模拟,分析出一条不拥堵,可以快速通过的行驶路线。
2.根据权利要求1所述的智慧城市AI大数据多目标的信息融合协同跟踪定位方法,其特征在于,所述汽车销售状况包括城市新车与二手车的销售状况,所述汽车保有量是通过城市新车与二手车的销售状况以及城市汽车登记状况进行融合去重,核实得出城市中现有的汽车保有量。
3.根据权利要求1所述的智慧城市AI大数据多目标的信息融合协同跟踪定位方法,其特征在于,所述导入城市地图并插入停车场位置,包括:
建设现有城市地图,根据停车场位置坐标,将现有建设的停车场位置添加至城市地图中。
4.根据权利要求1所述的智慧城市AI大数据多目标的信息融合协同跟踪定位方法,其特征在于,通过停车场管理处获取所述停车场中包含的停车位数量,并获取相应所述停车场内的实时车辆停放数量。
5.根据权利要求3所述的智慧城市AI大数据多目标的信息融合协同跟踪定位方法,其特征在于,所述停车场中车辆停放数量达到停车位的百分之九十五后,则停车场达到饱和状态,车位饱和度通过AI进行分析,并可视化标注于相应的停车场,将其与停车场共同展示在建设的城市地图中;
其中,所述车位饱和度的AI分析步骤包括:
获取停车场的车位数量以及现车位使用数量;
计算当前车位使用数量与车位数量的百分比,若车位使用数量达到车位数量的百分之九十五后,则停车场达到饱和状态;
反之则停车场处于非饱和状态每个停车场的车位饱和度。
6.根据权利要求1所述的智慧城市AI大数据多目标的信息融合协同跟踪定位方法,其特征在于,所述导航路线为AI分析出的最佳行驶路线中,所述导航路线的分析步骤包括:
获取所述城市地图内街道的拥堵密度,及停车场的车位饱和度;
获取所述城市地图中当前通畅路段,及所述停车场内空位多的停车场;
获取用户的停车需求,并通过AI为用户选择最佳停车场与最佳导航路线;
其中,所述停车需求为用户的目的地。
7.一种智慧城市AI大数据多目标的信息融合协同跟踪定位装置,其特征在于,包括:
信息获取模块,其用于获取城市现有车辆保有量;
地图展示模块,其用于展示城市地图及停车场;
信息检索模块,其用于检索停车场的停车位数量与车辆停放数量;
数据分析模块,其用于计算停车场中车辆与车位的占比;
地图导航模块,其用于显示用户与停车场之间的最优路线。
8.一种电子设备,其特征在于,所述电子设备,包括:
处理器、存储器,所述存储器与处理器进行通信连接;
所述存储器用于储存至少一个所述处理器执行的可执行指令,所述处理器用于执行所述可执行指令以实现如权利要求1至6任一项所述的智慧城市AI大数据多目标的信息融合协同跟踪定位方法。
9.一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中存储有计算机程序,所述计算机程序被处理器执行时实现如权利要求1至6任一项所述的智慧城市AI大数据多目标的信息融合协同跟踪定位方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311138472.9A CN117173923A (zh) | 2023-09-05 | 2023-09-05 | 智慧城市ai大数据多目标的信息融合协同跟踪定位方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311138472.9A CN117173923A (zh) | 2023-09-05 | 2023-09-05 | 智慧城市ai大数据多目标的信息融合协同跟踪定位方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117173923A true CN117173923A (zh) | 2023-12-05 |
Family
ID=88939093
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311138472.9A Pending CN117173923A (zh) | 2023-09-05 | 2023-09-05 | 智慧城市ai大数据多目标的信息融合协同跟踪定位方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117173923A (zh) |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102881184A (zh) * | 2011-07-10 | 2013-01-16 | 方文淋 | 一种停车场停车位远程查询预订系统 |
CN103247193A (zh) * | 2013-05-15 | 2013-08-14 | 北京志鹏恒益科技有限公司 | 一种停车场车位信息查询方法及系统 |
CN103258438A (zh) * | 2013-04-25 | 2013-08-21 | 山东省科学院自动化研究所 | 智能出行与最佳车位导航系统及其导航方法 |
CN105206104A (zh) * | 2015-11-09 | 2015-12-30 | 乐山师范学院 | 一种智能停车场管理方法 |
CN108777076A (zh) * | 2018-06-04 | 2018-11-09 | 厦门中卡科技股份有限公司 | 一种城市停车管理系统 |
CN109118820A (zh) * | 2018-09-26 | 2019-01-01 | 重庆英传智能科技研究院有限公司 | 一种城市停车诱导信息动态仿真方法及系统 |
CN113192332A (zh) * | 2021-04-29 | 2021-07-30 | 重庆天智慧启科技有限公司 | 一种智慧城市运营管理系统及方法 |
CN113362642A (zh) * | 2021-06-25 | 2021-09-07 | 厦门市政智慧城市科技有限公司 | 一种停车场信息智能交汇方法、系统及设备 |
CN116258342A (zh) * | 2023-03-07 | 2023-06-13 | 斯润天朗(北京)科技有限公司 | 停车管理服务系统 |
-
2023
- 2023-09-05 CN CN202311138472.9A patent/CN117173923A/zh active Pending
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102881184A (zh) * | 2011-07-10 | 2013-01-16 | 方文淋 | 一种停车场停车位远程查询预订系统 |
CN103258438A (zh) * | 2013-04-25 | 2013-08-21 | 山东省科学院自动化研究所 | 智能出行与最佳车位导航系统及其导航方法 |
CN103247193A (zh) * | 2013-05-15 | 2013-08-14 | 北京志鹏恒益科技有限公司 | 一种停车场车位信息查询方法及系统 |
CN105206104A (zh) * | 2015-11-09 | 2015-12-30 | 乐山师范学院 | 一种智能停车场管理方法 |
CN108777076A (zh) * | 2018-06-04 | 2018-11-09 | 厦门中卡科技股份有限公司 | 一种城市停车管理系统 |
CN109118820A (zh) * | 2018-09-26 | 2019-01-01 | 重庆英传智能科技研究院有限公司 | 一种城市停车诱导信息动态仿真方法及系统 |
CN113192332A (zh) * | 2021-04-29 | 2021-07-30 | 重庆天智慧启科技有限公司 | 一种智慧城市运营管理系统及方法 |
CN113362642A (zh) * | 2021-06-25 | 2021-09-07 | 厦门市政智慧城市科技有限公司 | 一种停车场信息智能交汇方法、系统及设备 |
CN116258342A (zh) * | 2023-03-07 | 2023-06-13 | 斯润天朗(北京)科技有限公司 | 停车管理服务系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US7197394B2 (en) | Method, system and article of manufacture for identifying regularly traveled routes | |
US8554473B2 (en) | Energy efficient routing using an impedance factor | |
CN107945562B (zh) | 停车场信息的推荐方法、服务器设备及可读介质 | |
CN107644542B (zh) | 一种基于车位信息的导航方法及远程信息处理装置 | |
CN107389085B (zh) | 一种道路通行属性的确定方法、装置、计算机及存储介质 | |
JP7245925B2 (ja) | 自律車両サービスの立ち往生およびスコーピング分析 | |
CN111915893B (zh) | 一种道路瓶颈点识别方法、装置、电子设备及存储介质 | |
JP5270418B2 (ja) | 駐車容易性情報作成システム及びその方法、並びに駐車容易性情報を作成するためのコンピュータプログラム及びそのコンピュータプログラムを記録した記録媒体 | |
CN112307335A (zh) | 车辆服务信息的推送方法、装置、设备及车辆 | |
CN115083161B (zh) | 车辆停留点的评估方法、装置、电子设备及可读存储介质 | |
CN113984075A (zh) | 导航方法、装置、导航设备及计算机可读存储介质 | |
CN109993971B (zh) | 一种提升交通事故地点定位准确率的方法 | |
CN110555432A (zh) | 一种兴趣点处理方法、装置、设备和介质 | |
CN109544981B (zh) | 图像处理方法、装置、设备和介质 | |
CN117173923A (zh) | 智慧城市ai大数据多目标的信息融合协同跟踪定位方法 | |
CN109817015B (zh) | 虚拟停车场划分方法及相关产品 | |
US20220412767A1 (en) | Spotfinder | |
CN104121917A (zh) | 一种自动发现新建桥梁的方法和装置 | |
CN110648008A (zh) | 路况预测方法和装置 | |
JP4223309B2 (ja) | 経路誘導装置、経路誘導方法およびコンピュータプログラム | |
TWI676971B (zh) | 停車格使用程度分析方法 | |
CN114596704A (zh) | 交通事件处理方法、装置、设备及存储介质 | |
CN105448044B (zh) | 一种确定司机疲劳状态的方法与设备 | |
CN108197150B (zh) | 一种城市停车难区域的分析方法及系统 | |
Elattar et al. | Evaluating the Fulfilment Rate of Charging Demand for Electric Vehicles Using Open-Source Data. |
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 |