CN117351773B - 一种基于搬运机器人的智能双层车库万向车位分配系统 - Google Patents

一种基于搬运机器人的智能双层车库万向车位分配系统 Download PDF

Info

Publication number
CN117351773B
CN117351773B CN202311355254.0A CN202311355254A CN117351773B CN 117351773 B CN117351773 B CN 117351773B CN 202311355254 A CN202311355254 A CN 202311355254A CN 117351773 B CN117351773 B CN 117351773B
Authority
CN
China
Prior art keywords
parking
vehicle
garage
user
parking space
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.)
Active
Application number
CN202311355254.0A
Other languages
English (en)
Other versions
CN117351773A (zh
Inventor
闻震宇
丁松
朱涛
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.)
Shanghai Zhiyuanhui Intelligent Technology Co ltd
Original Assignee
Shanghai Zhiyuanhui Intelligent Technology 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 Shanghai Zhiyuanhui Intelligent Technology Co ltd filed Critical Shanghai Zhiyuanhui Intelligent Technology Co ltd
Priority to CN202311355254.0A priority Critical patent/CN117351773B/zh
Publication of CN117351773A publication Critical patent/CN117351773A/zh
Application granted granted Critical
Publication of CN117351773B publication Critical patent/CN117351773B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • E—FIXED CONSTRUCTIONS
    • E04—BUILDING
    • E04H—BUILDINGS OR LIKE STRUCTURES FOR PARTICULAR PURPOSES; SWIMMING OR SPLASH BATHS OR POOLS; MASTS; FENCING; TENTS OR CANOPIES, IN GENERAL
    • E04H6/00—Buildings for parking cars, rolling-stock, aircraft, vessels or like vehicles, e.g. garages
    • E04H6/42—Devices or arrangements peculiar to garages, not covered elsewhere, e.g. securing devices, safety devices, monitoring and operating schemes; centering devices
    • E—FIXED CONSTRUCTIONS
    • E04—BUILDING
    • E04H—BUILDINGS OR LIKE STRUCTURES FOR PARTICULAR PURPOSES; SWIMMING OR SPLASH BATHS OR POOLS; MASTS; FENCING; TENTS OR CANOPIES, IN GENERAL
    • E04H6/00—Buildings for parking cars, rolling-stock, aircraft, vessels or like vehicles, e.g. garages
    • E04H6/42—Devices or arrangements peculiar to garages, not covered elsewhere, e.g. securing devices, safety devices, monitoring and operating schemes; centering devices
    • E04H6/422—Automatically operated car-parks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • 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
    • 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
    • G08G1/14—Traffic control systems for road vehicles indicating individual free spaces in parking areas
    • G08G1/145—Traffic control systems for road vehicles indicating individual free spaces in parking areas where the indication depends on the parking areas
    • G08G1/146—Traffic control systems for road vehicles indicating individual free spaces in parking areas where the indication depends on the parking areas where the parking area is a limited parking space, e.g. parking garage, restricted space

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Architecture (AREA)
  • General Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Mathematical Physics (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Theoretical Computer Science (AREA)
  • Structural Engineering (AREA)
  • Civil Engineering (AREA)
  • Computational Mathematics (AREA)
  • Mathematical Optimization (AREA)
  • Mathematical Analysis (AREA)
  • Pure & Applied Mathematics (AREA)
  • Databases & Information Systems (AREA)
  • Software Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Algebra (AREA)
  • Traffic Control Systems (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开了一种基于搬运机器人的智能双层车库万向车位分配系统。该基于搬运机器人的智能双层车库万向车位分配系统，包括人机交互模块、用户信息采集模块、车库状况监测模块、车位分配模块和搬运存取模块。本发明根据用户泊车信息和车库当前状态信息得出车辆存取高峰期和非高峰期，在高峰期时使用实时分配方法对用户存入的待泊车辆进行车位分配，在非高峰时使用二次分配预测算法对待泊车辆进行车位分配，同时为已泊车辆分配新停车位，进而能够及时根据车辆存取需求的波动合理选择车位分配算法，解决了现有技术中停车场针对车辆存取需求波动难以及时调整车位分配算法的问题。

Description

一种基于搬运机器人的智能双层车库万向车位分配系统
技术领域
本发明涉及车位分配技术领域，尤其涉及一种基于搬运机器人的智能双层车库万向车位分配系统。
背景技术
随着机器人技术和智能算法融入到车库管理中，车库管理的效率和用户体验不断提高。通过搬运机器人实现自动停车、检索和分配车位，利用先进的感知和导航技术，优化车位利用率，并提供实时数据分析，以实现更智能、便捷和安全的停车体验。
首先，搬运机器人通过视觉和传感器感知车库内的车辆和可用车位。然后，智能算法使用这些数据来进行车位分配，考虑车库内的交通情况、车位大小、车主需求等因素。一旦分配完成，机器人会引导车辆到达指定车位，并确保安全停放。在车主需要取车时，机器人将车辆安全地交还给车主。这些系统还可以提供实时监控、支付集成和用户界面，以提供全面的停车服务。
例如公开号为：CN115830848A公开的一种基于LSTM模型的共享停车位智能分配系统及方法，包括：采集目标区域若干停车场的历史停车数据，以及环境数据；根据环境数据分别将单个停车场的历史数据划分为若干数据集；针对若干数据集分别构建基于LSTM模型的剩余停车泊位预测模型；采集待停放车辆的信息、环境参数以及目标区域内停车场的实时数据，将其划分到对应的数据集中，并通过其对应的剩余停车泊位预测模型对停车泊位的数量进行预测；根据预测的剩余停车泊位数量给待停放车辆分配停车泊位。
例如公告号为：CN109859518B公告的一种代客泊车环境下智能防拥塞的停车位分配系统及方法，包括：步骤1：车辆驶入停车场并停至下客区域时，通过人机交互模块分别向车位分配模块和用户信息采集模块发送泊车请求和用户信息；步骤2：用户类型及泊车习惯分析模块对用户信息采集模块发送的信息以及自己存储的持卡车辆的信息名单，分析出车辆的类型以及该用户的停泊习惯，并将该信息发送至车位分配模块；步骤3：车位分配模块根据车位使用频率分析模块提供的该停车场的停泊高峰日、每天的停泊高峰时段、停车场内的热门车位和冷门车位，车位状态检测模块发送的当前停车场内车位的状态信息以及停车场内道路状况监测模块发送停车场内的实时道路信息进行智能决策。
但本申请发明人在实现本申请实施例中发明技术方案的过程中，发现上述技术至少存在如下技术问题：
现有技术中，由于传统停车场管理往往采用静态的车位分配方法，不够灵活，难以适应车辆存取需求的快速变化，存在停车场针对车辆存取需求波动难以及时调整车位分配算法的问题。
发明内容
本申请实施例通过提供一种基于搬运机器人的智能双层车库万向车位分配系统，解决了现有技术中停车场针对车辆存取需求波动难以及时调整车位分配算法的问题，实现了能够及时根据车辆存取需求的波动合理选择车位分配算法。
本申请实施例提供了一种基于搬运机器人的智能双层车库万向车位分配系统，包括：人机交互模块、用户信息采集模块、车库状况监测模块、车位分配模块和搬运存取模块；所述用户信息采集模块和车库状况监测模块均与人机交互模块连接，用户信息采集模块和车库状况监测模块均与车位分配模块连接，人机交互模块和车位分配模块均与搬运存取模块连接；其中，所述人机交互模块：用于当用户将待泊车辆驶入泊车房后，与用户设备建立连接后获取用户设备数据，将车库状况监测模块获取的车库当前状态信息显示给用户，并将用户信息采集模块从用户设备数据中读取的用户泊车信息展示给用户，还用于接收用户输入的泊车选择信息；所述用户信息采集模块：用于从人机交互模块的用户设备数据中提取用户泊车信息，将用户泊车信息返回给人机交互模块；所述车库状况监测模块：用于实时监测车库中的车库当前状态信息，将车库当前状态信息发送给人机交互模块；所述车位分配模块：用于根据用户信息采集模块发来的用户泊车信息以及车库状况监测模块发来的车库当前状态信息，为待泊车辆分配泊车位；所述搬运存取模块：用于当用户的泊车选择信息为存入车辆时，通过搬运机器人根据车位分配模块为待泊车辆分配的泊车位，将待泊车辆搬运到指定车位，还用于当用户输入的泊车选择信息为提取车辆时，通过搬运机器人将对应的车辆从指定车位搬运到泊车房。
进一步的，所述车库状况监测模块包括历史存放记录单元、车位状态监测单元和高峰期检测单元；所述历史存放记录单元：用于存储用户泊车信息、车库当前状态信息和分配泊车位的结果；所述车位状态监测单元：用于监测车库内各个车位的空闲与被占用的状态，并将车位状态信息发送到人机交互模块；所述高峰期检测单元：用于根据当前车库状态和时段存取指数，判断是否车库处于车辆存取的高峰期，若是处于高峰期，将采取实时分配方法为待泊车辆分配泊车位，并根据时段存入指数和时段提取指数决定存车与提车的前后顺序，否则，将采用二次分配预测模型为待泊车辆分配泊车位。
进一步的，所述车位分配模块包括高峰期分配单元、自学习单元和非高峰期分配单元；所述高峰期分配单元：用于在车库的车辆存取高峰期内，根据车库当前状态信息，选择车库存取车辆高峰期对应的实时分配方法为待泊车辆分配泊车位；所述自学习单元：用于根据用户泊车信息、车库当前状态信息、泊车选择信息和分配泊车位的结果学习出二次分配预测模型；所述非高峰期分配单元：用于在车库的存取非高峰期内，结合用户泊车信息、车库当前状态信息和泊车选择信息根据二次分配预测模型为待泊车辆分配车位，同时为已泊车辆分配新停车位。
进一步的，所述实时分配方法具体指：当车库处于车辆存取的高峰期时，获取用户输入的泊车选择信息、当前的用户泊车信息和车库当前状态信息；提取用户输入的泊车选择信息中的存车时间TI、预计提车时间TJ、历史存车时间Ti、历史预计提车时间Tj和历史实际提车时间To，得出为该用户车辆分配的车位距离泊车房的远近优先指数，i为存车时间的次数编号，i＝1,2,...,I，I为存车时间的总次数，j为预计提车时间的次数编号，j＝1,2,...,J，J为预计提车时间的总次数，o为实际提车时间的次数编号，o＝1,2,...,O-1，O为历史实际提车时间的总次数，所述远近优先指数FY通过远近优先指数公式计算得出，具体的远近优先指数公式为：
e为自然常数，α1为预计停车时长的权重影响因子，α2为当前预计停车时长与历史平均实际停车时长的权重影响因子，δ1为远近优先指数的修正系数；提取用户泊车信息中的用户会员等级和用户车辆类型数据Lk，得出为该用户车辆分配的车位在智能双层车库中的上层优先指数，/>当/>时表示用户为非会员，当/>时表示用户为会员，k＝1,2,3,4,5,6，k＝1,k＝2,k＝3,k＝4,k＝5,k＝6依次分别表示用户车辆类型为A00、A0、A、B、C、D级，所述上层优先指数FS通过上层优先指数公式计算得出，具体的上层优先指数公式为：/>βk为第k种车辆类型的权重影响因子，δ2为上层优先指数的修正系数；提取车库当前状态信息中的车库车位总数Q总、交换车位总数Q交、当前空闲车位总数R、当前空闲车位坐标(xr,yr,zr)、当前已占车位总数D、当前已占车位坐标(xd,yd,zd)、各个空闲车位适配车辆类型数据Wk、泊车房总数B和泊车房坐标(xb,yb,zb)，得出每个空闲车位距离泊车房的车位远近指数，Q总＝R+D+Q交，将下层记为1，将上层记为2，故zr＝1,2,zd＝1,2,zb＝1，r为当前空闲车位的编号，r＝1,2,...,R，d为当前已占车位的编号，d＝1,2,...,D，b为泊车房的编号，b＝1,2,...,B，所述空闲车位远近指数CY通过车位远近指数公式计算得出，具体的空闲车位远近指数公式为：
δ3为空闲车位远近指数的修正系数；选取最接近用户待泊车辆对应远近优先指数FY的空闲车位远近指数CY，锁定该车位坐标中zr＝1,zr＝2分别对应的下层车位和上层车位；当用户待泊车辆对应分配车位需要满足的上层优先指数FS超过0.5时，确定该上层车位为分配给调车辆的车位，并标记为已占车位，同时释放下层车位为空闲车位，若上层优先指数FS不超过0.5时，将确定该下层车位为分配给调车辆的车位，并标记为已占车位，同时释放上层车位为空闲车位。
进一步的，所述二次分配预测模型的具体获取流程为：获取温度、降水量、风速数据和特殊节假日数据；从用户泊车信息中提取各个用户的历史平均实际停车时长和停车频率；从车库当前状态信息中提取车位空闲数据和车位已占数据；从泊车选择信息中提取用户的泊车选择数据，包括存入时间、停放时间长、提取时间以及分配泊车位的结果；对获取的数据进行预处理和特征信息提取，选择时间序列模型对特征信息进行学习，得出二次分配预测模型。
进一步的，所述存取高峰期的具体判断流程为：获取用户泊车信息、车库当前状态信息、泊车选择信息的历史数据，包括车辆存车时间、实际提车时间、车辆存入数量和车辆提取数量；将一天的时间分成多个时间段，每个时间段为单位时间设定用于判断高峰期的阈值N；将每个时间段的时段存取指数CQ与阈值N进行比较，如果时段存取指数CQ高于阈值N，则判定并标记该时间段为高峰期，否则判定该时间段为非高峰期。
进一步的，所述时段存取指数的具体获得流程为：获取每个单位时间内对应的车辆存入数量/>和车辆提取数量/>u为一天内时间段的编号，u＝1,2,...,U，U为一天内时间段总数；通过时段存取指数公式计算出时段存取指数/>具体的时段存取指数公式为：/>λ1和λ2分别为车辆存入数量和车辆提取数量对应的契合权重占比值。
进一步的，所述时段存入指数的具体获得流程为：获取每个单位时间内对应的车辆存入数量/>通过时段存入指数公式计算出时段存入指数/>具体的时段存入指数公式为：/>μ1和μ2分别为车辆时段存入频率和车辆存入平均频率对应的契合权重占比值，/>为远近优先指数的修正系数。
进一步的，所述时段提取指数的具体获得流程为：获取每个单位时间内对应的车辆提取数量/>通过时段提取指数公式计算出时段提取指数/>具体的时段提取指数公式为：/>σ1和σ2分别为车辆时段提取频率和车辆提取平均频率对应的契合权重占比值，/>为远近优先指数的修正系数。
进一步的，所述根据时段存入指数和时段提取指数决定存车与提车的前后顺序具体指：当时段存入指数超过时段提取指数/>一定数值时，设置存车的优先级高于提车的优先级；当时段存入指数/>不超过时段提取指数/>一定数值时，设置提车的优先级高于存车的优先级。
本申请实施例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：
1、通过根据用户泊车信息和车库当前状态信息得出车辆存取高峰期和非高峰期，在高峰期时使用实时分配方法对用户存入的待泊车辆进行车位分配，在非高峰时使用二次分配预测算法对待泊车辆进行车位分配，同时为已泊车辆分配新停车位，从而分别针对车辆存取高峰期和非高峰期采用不同的车位分配算法，进而能够及时根据车辆存取需求的波动合理选择车位分配算法，有效解决了现有技术中停车场针对车辆存取需求波动难以及时调整车位分配算法的问题。
2、通过车库状况监测模块的历史存放记录单元、车位状态监测单元和高峰期检测单元的精确监测、高峰期判断以及时段存取指数计算，以及车位分配模块的高峰期分配单元、自学习单元和非高峰期分配单元的智能分配策略，车库管理系统实现了高效的车位分配和资源最大化利用，从而提高了车库运营效率、减少了用户等待时间，进而实现了提高用户满意度和车库整体性能的目标。
3、通过智能搬运机器人的精准搬运和车位分配系统的优化策略，实现了车库内车辆高效存取的动态平衡，从而最大化提升了车库资源的利用率，进而实现了提高车库的收益和运营管理效率。
附图说明
图1为本申请实施例提供的基于搬运机器人的智能双层车库万向车位分配系统的结构示意图；
图2为本申请实施例提供的基于搬运机器人的智能双层车库万向车位分配系统中车库状况监测模块的结构示意图；
图3为本申请实施例提供的基于搬运机器人的智能双层车库万向车位分配系统中车位分配模块的结构示意图。
具体实施方式
本申请实施例通过提供一种基于搬运机器人的智能双层车库万向车位分配系统，解决了现有技术中停车场针对车辆存取需求波动难以及时调整车位分配算法的问题，通过根据用户泊车信息和车库当前状态信息得出车辆存取高峰期和非高峰期，在高峰期时使用实时分配方法对用户存入的待泊车辆进行车位分配，在非高峰时使用二次分配预测算法对待泊车辆进行车位分配，同时为已泊车辆分配新停车位，从而分别针对车辆存取高峰期和非高峰期采用不同的车位分配算法，进而能够及时根据车辆存取需求的波动合理选择车位分配算法。
本申请实施例中的技术方案为解决上述停车场针对车辆存取需求波动难以及时调整车位分配算法的问题，总体思路如下：
首先，用户将车辆驶入泊车房，通过人机交互模块与系统互动。此模块不仅向用户展示车库当前状态，包括空余车位信息，还从用户设备数据中提取泊车信息，如车辆大小、VIP等级、用户ID等，用户无需手动选择停车位，使停车变得更加便捷。
车库状况监测模块负责实时监测车库内的状态，包括历史存放记录单元用于存储各种信息，车位状态监测单元监测车位的占用情况并将信息反馈给用户，以及高峰期检测单元，它根据车库状态和时段存取指数判断是否处于高峰期。高峰期时，系统采用实时分配方法为待泊车辆分配停车位，并根据存取指数决定存车和提车的次序；反之，在非高峰时段，采用二次分配预测模型为车辆分配停车位，同时为已泊车辆分配新的停车位，采取动态分配策略以更好地应对不同时间段的停车需求，减少拥堵和等待。
车位分配模块包括高峰期分配单元、自学习单元和非高峰期分配单元。高峰期分配单元根据车库当前状态选择实时分配方法，自学习单元通过学习用户信息、车库状态和分配结果得出二次分配预测模型，而非高峰期分配单元使用该模型为待泊车辆分配车位，提高资源利用率。
最后，搬运存取模块负责将车辆搬运到指定车位或从车位搬运至泊车房，以满足用户的存车和提车需求，提高了用户体验，降低了拥堵和资源浪费，达到了及时根据车辆存取需求的波动合理选择车位分配算法。
为了更好的理解上述技术方案，下面将结合说明书附图以及具体的实施方式对上述技术方案进行详细的说明。
如图1所示，为本申请实施例提供的基于搬运机器人的智能双层车库万向车位分配系统的结构示意图，本申请实施例提供的基于搬运机器人的智能双层车库万向车位分配系统包括：人机交互模块、用户信息采集模块、车库状况监测模块、车位分配模块和搬运存取模块；用户信息采集模块和车库状况监测模块均与人机交互模块连接，用户信息采集模块和车库状况监测模块均与车位分配模块连接，人机交互模块和车位分配模块均与搬运存取模块连接；其中，人机交互模块：用于当用户将待泊车辆驶入泊车房后，与用户设备建立连接后获取用户设备数据，将车库状况监测模块获取的车库当前状态信息显示给用户，并将用户信息采集模块从用户设备数据中读取的用户泊车信息展示给用户，还用于接收用户输入的泊车选择信息；用户信息采集模块：用于从人机交互模块的用户设备数据中提取用户泊车信息，将用户泊车信息返回给人机交互模块；车库状况监测模块：用于实时监测车库中的车库当前状态信息，将车库当前状态信息发送给人机交互模块；车位分配模块：用于根据用户信息采集模块发来的用户泊车信息以及车库状况监测模块发来的车库当前状态信息，为待泊车辆分配泊车位；搬运存取模块：用于当用户的泊车选择信息为存入车辆时，通过搬运机器人根据车位分配模块为待泊车辆分配的泊车位，将待泊车辆搬运到指定车位，还用于当用户输入的泊车选择信息为提取车辆时，通过搬运机器人将对应的车辆从指定车位搬运到泊车房。
进一步的，如图2所示，为本申请实施例提供的基于搬运机器人的智能双层车库万向车位分配系统中车库状况监测模块的结构示意图，车库状况监测模块包括历史存放记录单元、车位状态监测单元和高峰期检测单元；历史存放记录单元：用于存储用户泊车信息、车库当前状态信息和分配泊车位的结果；车位状态监测单元：用于监测车库内各个车位的空闲与被占用的状态，并将车位状态信息发送到人机交互模块；高峰期检测单元：用于根据当前车库状态和时段存取指数，判断是否车库处于车辆存取的高峰期，若是处于高峰期，将采取实时分配方法为待泊车辆分配泊车位，并根据时段存入指数和时段提取指数决定存车与提车的前后顺序，否则，将采用二次分配预测模型为待泊车辆分配泊车位。
在本实施例中，高峰期检测单元是车库状况监测模块的智能决策中心。它根据当前车库状态和时段存取指数，判断车库是否处于车辆存取的高峰期。如果高峰期确认，系统将采取实时分配方法，迅速为待泊车辆分配合适的泊车位，并根据时段存入指数和时段提取指数来决定车辆的存车和提车的前后顺序，以最大程度地提高停车效率。如果不处于高峰期，系统将智能地采用二次分配预测模型，为待泊车辆分配泊车位，同时为已泊车辆重新分配停车位，以优化整个车库资源的利用。
进一步的，如图3所示，为本申请实施例提供的基于搬运机器人的智能双层车库万向车位分配系统中车位分配模块的结构示意图，车位分配模块包括高峰期分配单元、自学习单元和非高峰期分配单元；高峰期分配单元：用于在车库的车辆存取高峰期内，根据车库当前状态信息，选择车库存取车辆高峰期对应的实时分配方法为待泊车辆分配泊车位；自学习单元：用于根据用户泊车信息、车库当前状态信息、泊车选择信息和分配泊车位的结果学习出二次分配预测模型；非高峰期分配单元：用于在车库的存取非高峰期内，结合用户泊车信息、车库当前状态信息和泊车选择信息根据二次分配预测模型为待泊车辆分配车位，同时为已泊车辆分配新停车位。
在本实施例中，非高峰期分配单元能够结合用户泊车信息和车库当前状态，以及学习出的二次分配预测模型，为待泊车辆分配车位，有助于在非高峰时段充分利用车库资源，提高资源利用率。
进一步的，实时分配方法具体指：当车库处于车辆存取的高峰期时，获取用户输入的泊车选择信息、当前的用户泊车信息和车库当前状态信息；提取用户输入的泊车选择信息中的存车时间TI、预计提车时间TJ、历史存车时间Ti、历史预计提车时间Tj和历史实际提车时间To，得出为该用户车辆分配的车位距离泊车房的远近优先指数，i为存车时间的次数编号，i＝1,2,...,I，I为存车时间的总次数，j为预计提车时间的次数编号，j＝1,2,...,J，J为预计提车时间的总次数，o为实际提车时间的次数编号，o＝1,2,...,O-1，O为历史实际提车时间的总次数，远近优先指数FY通过远近优先指数公式计算得出，具体的远近优先指数公式为：
e为自然常数，α1为预计停车时长的权重影响因子，α2为当前预计停车时长与历史平均实际停车时长的权重影响因子，δ1为远近优先指数的修正系数；提取用户泊车信息中的用户会员等级和用户车辆类型数据Lk，得出为该用户车辆分配的车位在智能双层车库中的上层优先指数，/>当/>时表示用户为非会员，当/>时表示用户为会员，k＝1,2,3,4,5,6，k＝1,k＝2,k＝3,k＝4,k＝5,k＝6依次分别表示用户车辆类型为A00、A0、A、B、C、D级，上层优先指数FS通过上层优先指数公式计算得出，具体的上层优先指数公式为：/>βk为第k种车辆类型的权重影响因子，δ2为上层优先指数的修正系数；提取车库当前状态信息中的车库车位总数Q总、交换车位总数Q交、当前空闲车位总数R、当前空闲车位坐标(xr,yr,zr)、当前已占车位总数D、当前已占车位坐标(xd,yd,zd)、各个空闲车位适配车辆类型数据Wk、泊车房总数B和泊车房坐标(xb,yb,zb)，得出每个空闲车位距离泊车房的车位远近指数，Q总＝R+D+Q交，将下层记为1，将上层记为2，故zr＝1,2,zd＝1,2,zb＝1，r为当前空闲车位的编号，r＝1,2,...,R，d为当前已占车位的编号，d＝1,2,...,D，b为泊车房的编号，b＝1,2,...,B，空闲车位远近指数CY通过车位远近指数公式计算得出，具体的空闲车位远近指数公式为：
δ3为空闲车位远近指数的修正系数；选取最接近用户待泊车辆对应远近优先指数FY的空闲车位远近指数CY，锁定该车位坐标中zr＝1,zr＝2分别对应的下层车位和上层车位；当用户待泊车辆对应分配车位需要满足的上层优先指数FS超过0.5时，确定该上层车位为分配给调车辆的车位，并标记为已占车位，同时释放下层车位为空闲车位，若上层优先指数FS不超过0.5时，将确定该下层车位为分配给调车辆的车位，并标记为已占车位，同时释放上层车位为空闲车位。
进一步的，二次分配预测模型的具体获取流程为：获取温度、降水量、风速数据和特殊节假日数据；从用户泊车信息中提取各个用户的历史平均实际停车时长和停车频率；从车库当前状态信息中提取车位空闲数据和车位已占数据；从泊车选择信息中提取用户的泊车选择数据，包括存入时间、停放时间长、提取时间以及分配泊车位的结果；对获取的数据进行预处理和特征信息提取，选择时间序列模型对特征信息进行学习，得出二次分配预测模型。
在本实施例中，特殊节假日数据通常伴随着更多人的出行活动，易导致存取高峰期的发生，会带来更多的车辆存取需求，同时一些特殊事件对应的日期，如体育比赛、演唱会、大型会议等，可能会吸引大量车辆进入车库，导致对应的日期存取高峰期
进一步的，存取高峰期的具体判断流程为：获取用户泊车信息、车库当前状态信息、泊车选择信息的历史数据，包括车辆存车时间、实际提车时间、车辆存入数量和车辆提取数量；将一天的时间分成多个时间段，每个时间段为单位时间设定用于判断高峰期的阈值N；将每个时间段的时段存取指数CQ与阈值N进行比较，如果时段存取指数CQ高于阈值N，则判定并标记该时间段为高峰期，否则判定该时间段为非高峰期。
在本实施例中，存取高峰期的具体判断流程可以根据历史数据离线进行，也可以实时更新以反映当前的高峰期情况，且周期性地计算时段存取指数并与阈值比较，便于及时判断当前是否处于高峰期
进一步的，时段存取指数的具体获得流程为：获取每个单位时间内对应的车辆存入数量/>和车辆提取数量/>u为一天内时间段的编号，u＝1,2,...,U，U为一天内时间段总数；通过时段存取指数公式计算出时段存取指数/>具体的时段存取指数公式为：/>λ1和λ2分别为车辆存入数量和车辆提取数量对应的契合权重占比值。
在本实施例中，通过时段存取指数以更好地分析不同时间段内的存车和提车需求，有助于优化车位资源分配，确保在高需求时间段内优先满足存车需求，而在低需求时间段内优先满足提车需求，从而更有效地利用资源。
进一步的，时段存入指数的具体获得流程为：获取每个单位时间内对应的车辆存入数量/>通过时段存入指数公式计算出时段存入指数/>具体的时段存入指数公式为：/>μ1和μ2分别为车辆时段存入频率和车辆存入平均频率对应的契合权重占比值，/>为远近优先指数的修正系数。
在本实施例中，通过获取每个单位时间内的车辆存入数量，时段存入指数能够准确地反映不同时间段内的存车需求，有助于车库管理系统更好地理解用户行为模式，从而更好地满足用户的需求。
进一步的，时段提取指数的具体获得流程为：获取每个单位时间内对应的车辆提取数量/>通过时段提取指数公式计算出时段提取指数/>具体的时段提取指数公式为：/>σ1和σ2分别为车辆时段提取频率和车辆提取平均频率对应的契合权重占比值，/>为远近优先指数的修正系数。
在本实施例中，时段提取指数的计算是基于实时数据的，因此可以动态地适应不同时间段内的变化，从而能够及时调整运营策略以应对高峰期和非高峰期的不同需求，提高车库运营的效率。
进一步的，根据时段存入指数和时段提取指数决定存车与提车的前后顺序具体指：当时段存入指数超过时段提取指数/>一定数值时，设置存车的优先级高于提车的优先级；当时段存入指数/>不超过时段提取指数/>一定数值时，设置提车的优先级高于存车的优先级。
在本实施例中，通过确保在高存入需求期间更多地分配车位给存车，系统可以防止车库拥堵，减少等待时间，提高车库效率。在低存入需求期间，提高提车的优先级有助于迅速释放车位，为更多车辆提供方便的提车体验。
上述本申请实施例中的技术方案，至少具有如下的技术效果或优点：相对于公开号为：CN115830848A公开的一种基于LSTM模型的共享停车位智能分配系统及方法，本申请实施例通过根据用户泊车信息和车库当前状态信息得出车辆存取高峰期和非高峰期，在高峰期时使用实时分配方法对用户存入的待泊车辆进行车位分配，在非高峰时使用二次分配预测算法对待泊车辆进行车位分配，同时为已泊车辆分配新停车位，从而分别针对车辆存取高峰期和非高峰期采用不同的车位分配算法，进而能够及时根据车辆存取需求的波动合理选择车位分配算法；相对于公告号为：CN109859518B公告的一种代客泊车环境下智能防拥塞的停车位分配系统及方法，本申请实施例通过车库状况监测模块的历史存放记录单元、车位状态监测单元和高峰期检测单元的精确监测、高峰期判断以及时段存取指数计算，以及车位分配模块的高峰期分配单元、自学习单元和非高峰期分配单元的智能分配策略，车库管理系统实现了高效的车位分配和资源最大化利用，从而提高了车库运营效率、减少了用户等待时间，进而实现了提高用户满意度和车库整体性能的目标。
本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的系统、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
尽管已描述了本发明的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例作出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本发明范围的所有变更和修改。
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)

1.一种基于搬运机器人的智能双层车库万向车位分配系统，其特征在于，包括人机交互模块、用户信息采集模块、车库状况监测模块、车位分配模块和搬运存取模块；
所述用户信息采集模块和车库状况监测模块均与人机交互模块连接，用户信息采集模块和车库状况监测模块均与车位分配模块连接，人机交互模块和车位分配模块均与搬运存取模块连接；
其中，所述人机交互模块：用于当用户将待泊车辆驶入泊车房后，与用户设备建立连接后获取用户设备数据，将车库状况监测模块获取的车库当前状态信息显示给用户，并将用户信息采集模块从用户设备数据中读取的用户泊车信息展示给用户，还用于接收用户输入的泊车选择信息；
所述用户信息采集模块：用于从人机交互模块的用户设备数据中提取用户泊车信息，将用户泊车信息返回给人机交互模块；
所述车库状况监测模块：用于实时监测车库中的车库当前状态信息，将车库当前状态信息发送给人机交互模块；
所述车位分配模块：用于根据用户信息采集模块发来的用户泊车信息以及车库状况监测模块发来的车库当前状态信息，为待泊车辆分配泊车位；
所述搬运存取模块：用于当用户的泊车选择信息为存入车辆时，通过搬运机器人根据车位分配模块为待泊车辆分配的泊车位，将待泊车辆搬运到指定车位，还用于当用户输入的泊车选择信息为提取车辆时，通过搬运机器人将对应的车辆从指定车位搬运到泊车房；
所述车位分配模块包括高峰期分配单元、自学习单元和非高峰期分配单元；
所述高峰期分配单元：用于在车库的车辆存取高峰期内，根据车库当前状态信息，选择车库存取车辆高峰期对应的实时分配方法为待泊车辆分配泊车位；
所述自学习单元：用于根据用户泊车信息、车库当前状态信息、泊车选择信息和分配泊车位的结果学习出二次分配预测模型；
所述非高峰期分配单元：用于在车库的存取非高峰期内，结合用户泊车信息、车库当前状态信息和泊车选择信息根据二次分配预测模型为待泊车辆分配车位，同时为已泊车辆分配新停车位。
2.如权利要求1所述基于搬运机器人的智能双层车库万向车位分配系统，其特征在于：所述车库状况监测模块包括历史存放记录单元、车位状态监测单元和高峰期检测单元；
所述历史存放记录单元：用于存储用户泊车信息、车库当前状态信息和分配泊车位的结果；
所述车位状态监测单元：用于监测车库内各个车位的空闲与被占用的状态，并将车位状态信息发送到人机交互模块；
所述高峰期检测单元：用于根据当前车库状态和时段存取指数，判断是否车库处于车辆存取的高峰期，若是处于高峰期，将采取实时分配方法为待泊车辆分配泊车位，并根据时段存入指数和时段提取指数决定存车与提车的前后顺序，否则，将采用二次分配预测模型为待泊车辆分配泊车位。
3.如权利要求2所述基于搬运机器人的智能双层车库万向车位分配系统，其特征在于，所述实时分配方法具体指：
当车库处于车辆存取的高峰期时，获取用户输入的泊车选择信息、当前的用户泊车信息和车库当前状态信息；
提取用户输入的泊车选择信息中的存车时间TI、预计提车时间TJ、历史存车时间Ti、历史预计提车时间Tj和历史实际提车时间To，得出为该用户车辆分配的车位距离泊车房的远近优先指数，i为存车时间的次数编号，i＝1,2,...,I，I为存车时间的总次数，j为预计提车时间的次数编号，j＝1,2,...,J，J为预计提车时间的总次数，o为实际提车时间的次数编号，o＝1,2,...,O-1，O为历史实际提车时间的总次数，所述远近优先指数FY通过远近优先指数公式计算得出，具体的远近优先指数公式为：
e为自然常数，α1为预计停车时长的权重影响因子，α2为当前预计停车时长与历史平均实际停车时长的权重影响因子，δ1为远近优先指数的修正系数；
提取用户泊车信息中的用户会员等级和用户车辆类型数据Lk，得出为该用户车辆分配的车位在智能双层车库中的上层优先指数，/>当/>时表示用户为非会员，当时表示用户为会员，k＝1,2,3,4,5,6，k＝1,k＝2,k＝3,k＝4,k＝5,k＝6依次分别表示用户车辆类型为A00、A0、A、B、C、D级，所述上层优先指数FS通过上层优先指数公式计算得出，具体的上层优先指数公式为：/>βk为第k种车辆类型的权重影响因子，δ2为上层优先指数的修正系数；
提取车库当前状态信息中的车库车位总数Q总、交换车位总数Q交、当前空闲车位总数R、当前空闲车位坐标(xr,yr,zr)、当前已占车位总数D、当前已占车位坐标(xd,yd,zd)、各个空闲车位适配车辆类型数据Wk、泊车房总数B和泊车房坐标(xb,yb,zb)，得出每个空闲车位距离泊车房的车位远近指数，Q总＝R+D+Q交，将下层记为1，将上层记为2，故zr＝1,2,zd＝1,2,zb＝1，r为当前空闲车位的编号，r＝1,2,...,R，d为当前已占车位的编号，d＝1,2,...,D，b为泊车房的编号，b＝1,2,...,B，所述空闲车位远近指数CY通过车位远近指数公式计算得出，具体的空闲车位远近指数公式为：
δ3为空闲车位远近指数的修正系数；
选取最接近用户待泊车辆对应远近优先指数FY的空闲车位远近指数CY，锁定该车位坐标中zr＝1,zr＝2分别对应的下层车位和上层车位；
当用户待泊车辆对应分配车位需要满足的上层优先指数FS超过0.5时，确定该上层车位为分配给调车辆的车位，并标记为已占车位，同时释放下层车位为空闲车位，若上层优先指数FS不超过0.5时，将确定该下层车位为分配给调车辆的车位，并标记为已占车位，同时释放上层车位为空闲车位。
4.如权利要求3所述基于搬运机器人的智能双层车库万向车位分配系统，其特征在于，所述二次分配预测模型的具体获取流程为：
获取温度、降水量、风速数据和特殊节假日数据；
从用户泊车信息中提取各个用户的历史平均实际停车时长和停车频率；
从车库当前状态信息中提取车位空闲数据和车位已占数据；
从泊车选择信息中提取用户的泊车选择数据，包括存入时间、停放时间长、提取时间以及分配泊车位的结果；
对获取的数据进行预处理和特征信息提取，选择时间序列模型对特征信息进行学习，得出二次分配预测模型。
5.如权利要求4所述基于搬运机器人的智能双层车库万向车位分配系统，其特征在于，所述存取高峰期的具体判断流程为：
获取用户泊车信息、车库当前状态信息、泊车选择信息的历史数据，包括车辆存车时间、实际提车时间、车辆存入数量和车辆提取数量；
将一天的时间分成多个时间段，每个时间段为单位时间设定用于判断高峰期的阈值N；
将每个时间段的时段存取指数CQ与阈值N进行比较，如果时段存取指数CQ高于阈值N，则判定并标记该时间段为高峰期，否则判定该时间段为非高峰期。
6.如权利要求5所述基于搬运机器人的智能双层车库万向车位分配系统，其特征在于，所述时段存取指数的具体获得流程为：
获取每个单位时间内对应的车辆存入数量/>和车辆提取数量/>u为一天内时间段的编号，u＝1,2,...,U，U为一天内时间段总数；
通过时段存取指数公式计算出时段存取指数具体的时段存取指数公式为：λ1和λ2分别为车辆存入数量和车辆提取数量对应的契合权重占比值。
7.如权利要求6所述基于搬运机器人的智能双层车库万向车位分配系统，其特征在于，所述时段存入指数的具体获得流程为：
获取每个单位时间内对应的车辆存入数量/>
通过时段存入指数公式计算出时段存入指数具体的时段存入指数公式为：μ1和μ2分别为车辆时段存入频率和车辆存入平均频率对应的契合权重占比值，/>为远近优先指数的修正系数。
8.如权利要求7所述基于搬运机器人的智能双层车库万向车位分配系统，其特征在于，所述时段提取指数的具体获得流程为：
获取每个单位时间内对应的车辆提取数量/>
通过时段提取指数公式计算出时段提取指数具体的时段提取指数公式为：σ1和σ2分别为车辆时段提取频率和车辆提取平均频率对应的契合权重占比值，/>为远近优先指数的修正系数。
9.如权利要求8所述基于搬运机器人的智能双层车库万向车位分配系统，其特征在于，所述根据时段存入指数和时段提取指数决定存车与提车的前后顺序具体指：
当时段存入指数超过时段提取指数/>一定数值时，设置存车的优先级高于提车的优先级；
当时段存入指数不超过时段提取指数/>一定数值时，设置提车的优先级高于存车的优先级。
CN202311355254.0A 2023-10-19 2023-10-19 一种基于搬运机器人的智能双层车库万向车位分配系统 Active CN117351773B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202311355254.0A CN117351773B (zh) 2023-10-19 2023-10-19 一种基于搬运机器人的智能双层车库万向车位分配系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202311355254.0A CN117351773B (zh) 2023-10-19 2023-10-19 一种基于搬运机器人的智能双层车库万向车位分配系统

Publications (2)

Publication Number Publication Date
CN117351773A CN117351773A (zh) 2024-01-05
CN117351773B true CN117351773B (zh) 2024-03-15

Family

ID=89357147

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202311355254.0A Active CN117351773B (zh) 2023-10-19 2023-10-19 一种基于搬运机器人的智能双层车库万向车位分配系统

Country Status (1)

Country Link
CN (1) CN117351773B (zh)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107644266A (zh) * 2017-09-08 2018-01-30 北京首钢自动化信息技术有限公司 一种车辆出入库动态调整管理方法
CN109859518A (zh) * 2018-12-20 2019-06-07 江苏大学 一种代客泊车环境下智能防拥塞的停车位分配系统及方法
FR3096166A1 (fr) * 2019-05-17 2020-11-20 Continental Automotive Procédé et système d’allocation dynamique de places de stationnement
CN115938155A (zh) * 2022-12-07 2023-04-07 深圳市豪位科技有限公司 一种路侧停车位的智能检测方法
CN116645829A (zh) * 2023-05-26 2023-08-25 上海莱陆科技有限公司 泊车方法、泊车管理系统及泊车机器人

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107644266A (zh) * 2017-09-08 2018-01-30 北京首钢自动化信息技术有限公司 一种车辆出入库动态调整管理方法
CN109859518A (zh) * 2018-12-20 2019-06-07 江苏大学 一种代客泊车环境下智能防拥塞的停车位分配系统及方法
FR3096166A1 (fr) * 2019-05-17 2020-11-20 Continental Automotive Procédé et système d’allocation dynamique de places de stationnement
CN115938155A (zh) * 2022-12-07 2023-04-07 深圳市豪位科技有限公司 一种路侧停车位的智能检测方法
CN116645829A (zh) * 2023-05-26 2023-08-25 上海莱陆科技有限公司 泊车方法、泊车管理系统及泊车机器人

Also Published As

Publication number Publication date
CN117351773A (zh) 2024-01-05

Similar Documents

Publication Publication Date Title
CN109255947B (zh) 一种车位管理方法、装置和终端设备
CN109598950B (zh) 一种智能网联车辆的匝道协同汇入控制方法及系统
US6453298B2 (en) Method of operating a vehicle redistribution system based upon predicted ride demands
US6317720B1 (en) Shared vehicle deployment and reallocation using predicted and current demand location and transit data
CN107103383B (zh) 一种基于打车热点的动态拼车调度方法
CN107341553A (zh) 一种车辆调度方法及装置，电子设备
CN109859518B (zh) 一种代客泊车环境下智能防拥塞的停车位分配系统及方法
CN105320559A (zh) 一种云计算系统的调度方法和装置
CN111268522A (zh) 一种基于大数据分析的电梯调度方法和系统
CN108062601A (zh) 一种停车场动态定价方法和装置
CN112092670B (zh) 一种充电桩排队和充电管理方法
CN110647398A (zh) 一种面向边缘计算的基于任务关键度和时效性的交叉口控制任务调度方法
CN115495222A (zh) 基于深度学习和大数据的云计算系统
CN113450242B (zh) 一种路径偏离式公交调度系统及存储介质和设备
CN117351773B (zh) 一种基于搬运机器人的智能双层车库万向车位分配系统
CN113554894A (zh) 一种智能化垂直升降停车系统
CN117371596A (zh) 一种基于多源数据的智慧城市用公共交通综合调控系统
CN109686087A (zh) 巡逻机器人的管理方法及装置
CN113140108A (zh) 一种网联智能交通系统中的云端交通态势预测方法
CN115131983B (zh) 一种基于停车影响因子的泊车引导方法
CN115204433A (zh) 一种面向自动驾驶汽车的共享泊位预约匹配方法
CN114372759A (zh) 一种垃圾收运车最佳卸料口排队管理方法和系统
CN111833595B (zh) 共享汽车辅助车辆配置方法、电子设备及存储介质
CN112598164A (zh) 一种智能立体车库存取车路径优化方法
CN110706513A (zh) 车位预约管理系统、方法、社区平台及存储介质

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