CN117496745A - 一种基于人工智能的车位引导数据分析系统及方法 - Google Patents
一种基于人工智能的车位引导数据分析系统及方法 Download PDFInfo
- Publication number
- CN117496745A CN117496745A CN202311297309.7A CN202311297309A CN117496745A CN 117496745 A CN117496745 A CN 117496745A CN 202311297309 A CN202311297309 A CN 202311297309A CN 117496745 A CN117496745 A CN 117496745A
- Authority
- CN
- China
- Prior art keywords
- parking space
- vehicle
- user
- path
- parked
- 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 45
- 238000013473 artificial intelligence Methods 0.000 title claims abstract description 21
- 238000007405 data analysis Methods 0.000 title claims abstract description 13
- 238000012544 monitoring process Methods 0.000 claims abstract description 22
- 238000007781 pre-processing Methods 0.000 claims abstract description 18
- 230000000875 corresponding effect Effects 0.000 claims description 25
- 230000008569 process Effects 0.000 claims description 17
- 238000004364 calculation method Methods 0.000 claims description 14
- 238000012545 processing Methods 0.000 claims description 9
- 238000001514 detection method Methods 0.000 claims description 7
- 238000006243 chemical reaction Methods 0.000 claims description 6
- 238000012163 sequencing technique Methods 0.000 claims description 3
- 230000000007 visual effect Effects 0.000 claims description 3
- 238000004140 cleaning Methods 0.000 claims description 2
- 230000002596 correlated effect Effects 0.000 claims description 2
- 238000007726 management method Methods 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000013459 approach Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000035800 maturation Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
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
- G08G1/141—Traffic control systems for road vehicles indicating individual free spaces in parking areas with means giving the indication of available parking spaces
- G08G1/142—Traffic control systems for road vehicles indicating individual free spaces in parking areas with means giving the indication of available parking spaces external to the vehicles
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/09—Arrangements for giving variable traffic instructions
- G08G1/0962—Arrangements for giving variable traffic instructions having an indicator mounted inside the vehicle, e.g. giving voice messages
- G08G1/0968—Systems involving transmission of navigation instructions to the vehicle
- G08G1/096805—Systems involving transmission of navigation instructions to the vehicle where the transmitted instructions are used to compute a route
- G08G1/096811—Systems involving transmission of navigation instructions to the vehicle where the transmitted instructions are used to compute a route where the route is computed offboard
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明公开了一种基于人工智能的车位引导数据分析系统及方法,属于车位引导技术领域。本发明系统包括数据采集模块、数据预处理与数据库建立模块、车位推荐与路径规划模块、待停车车辆监测与概率计算模块以及引导路径生成与车辆引导模块;所述数据采集模块采集停车场内部状态数据和图片信息;所述数据预处理与数据库建立模块对采集到数据进行预处理并建立车位使用情况数据库;所述车位推荐与路径规划模块用于推荐所有空闲车位并生成相应的引导路径;所述待停车车辆监测与概率计算模块实时监测是否存在待停车车辆,并计算待停车车辆去目标车位停车的概率;所述引导路径生成与车辆引导模块用于生成用户车辆的引导路径。
Description
技术领域
本发明涉及车位引导技术领域,具体为一种基于人工智能的车位引导数据分析系统及方法。
背景技术
随着科学技术的迅速发展,人工智能技术在各个领域的应用正带来革命性的变化,特别是在交通领域,车辆数量持续增加导致停车问题日益突出,传统的停车管理方式已经无法满足需求。因此,人工智能技术的成熟和普及为解决停车问题提供了新的途径。
现有车位引导系统在一定程度上可以满足当前的需求,但还存在一定的缺陷,具体体现在:现有的车位引导系统只能给出当前时刻的空闲车位,当停车高峰期时,可能会出现一个车位被两个及以上的用户选为目标车位的情况,最终导致停车场混乱和用户不满意的情况发生。
发明内容
本发明的目的在于提供一种基于人工智能的车位引导数据分析系统及方法,以解决上述背景技术中提出的问题。
为了解决上述技术问题,本发明提供如下技术方案:
一种基于人工智能的车位引导数据分析方法,方法包括以下步骤:
S100.利用摄像头和传感器设备采集停车场内部各个车位的状态数据,包括空闲或占用状态以及位置信息,对采集到的状态数据进行预处理,建立车位使用情况数据库;
S200.实时采集进入停车场的用户车辆图片信息,记录当前用户车辆的位置坐标,获取当前时刻空闲车位的位置坐标,计算当前用户车辆位置与所有空闲车位之间的路程,向用户推荐所有空闲车位,并生成相应的引导路径;
S300.实时记录用户车辆行驶轨迹,并将用户车辆行驶轨迹与所有空闲车位的引导路径进行对比,计算用户车辆行驶路径与引导路径的相似度,选取相似度最大的作为目标路径,并将目标路径的终点作为目标车位;
S400.在用户车辆前往目标车位过程中,监测待检测区域内是否有待停车车辆;若没有待停车车辆,则对用户车辆进行目标车位的引导,若有待停车车辆,则转到步骤S500;
S500.计算待停车车辆去目标车位停车的概率P,当P≥Q时,计算待停车车辆距目标车位的路程和用户车辆距目标车位的路程,当用户车辆距目标车位的路程大于待停车车辆距目标车位的路程时,则对用户进行其他空闲车位的推荐。
进一步的,步骤S100包括:
S101.在停车场内部安装摄像头和传感器设备,摄像头可以用于拍摄停车场内部的实时图像,传感器可以用于检测车位的占用状态;启动摄像头和传感器设备,开始采集停车场内部图像数据以及各个车位的状态数据;
S102.对采集到的停车场内部图像数据和各个车位的状态数据进行预处理;将预处理后的图像数据和车位状态数据进行关联,并提取车位位置信息来匹配相应的图像数据和车位状态数据;
S103.将处理后的图像数据和车位状态数据转化为适合数据库存储的格式,包括将图像转换为图像文件格式,如JPEG、PNG等,将车位状态数据转化为数据库表的字段信息,从而建立车位使用情况数据库。
通过对车位使用情况数据库中的数据进行实时监控,可以随时了解停车场内部的车位状况,当有车辆占用某个车位或者释放某个车位时,系统可以及时发送通知给相关人员,以便及时做出相应处理,这样可以提高车位的利用率和管理效率。
进一步的,步骤S200包括:
S201.使用摄像头来捕捉进入停车场的用户车辆图片信息,得到用户车辆当前位置坐标,并记录当前时间戳;通过时间戳在车位使用情况数据库中查找当前时刻空闲车位信息,得到当前时刻空闲车位的位置坐标;
S202.基于用户车辆当前位置坐标和当前时刻空闲车位的位置坐标,得到用户车辆前往所有空闲车位的最短路径,计算当前用户车辆位置与所有空闲车位之间最短路径的路程;然后根据路程从小到大对空闲车位进行排序,让用户能够清楚的了解去每个空闲车位的距离,在向用户推荐所有空闲车位,根据用户的偏好进行选择车位,并生成相应的引导路径。
通过上述步骤能够实现实时采集用户车辆图片信息、记录位置坐标和时间戳,获取当前时刻空闲车位的位置坐标,计算用户车辆与所有空闲车位之间的路程,并向用户推荐空闲车位并生成引导路径,这样可以方便用户找到空闲车位,提高停车场的利用效率和用户体验。
进一步的,步骤S300包括:
S301.实时记录用户车辆行驶轨迹,并将用户车辆行驶轨迹转化向量形式记为向量A,获取所有空闲车位的引导路径,转化向量形式记为向量B,计算用户车辆行驶路径与引导路径的相似度,具体计算公式为:
S302.比较计算得到的相似度值,并将相似度值从大到小的顺序进行排序,选取相似度最大的引导路径作为目标路径,并从目标路径中提取终点作为目标车位。
通过上述步骤能够实时记录用户车辆行驶轨迹,与所有空闲车位的引导路径进行对比,计算相似度并选取最佳路径作为目标路径,然后提取目标路径的终点作为目标车位,这样可以帮助用户更准确地找到合适的停车位,并提高停车场的利用效率和用户体验。
进一步的,步骤S400包括:
S401.在用户车辆前往目标车位行驶过程中,实时监测目标车位;以目标车位为圆心,以R为半径的圆形区域定义为待检测区域,其中R的范围是根据监测目标车位的摄像头视野范围来确定;待检测区域的确定能够可以减少处理和分析图像数据所需的计算资源,提高系统的运行效率;
S402.利用摄像头来采集待检测区域内的图像数据,基于图像数据来获取待检测区域内的车辆的位置坐标和行驶路线,从而判断待检测区域内是否存在待停车车辆;
S403.对于待检测区域不存在待停车车辆,则对用户车辆进行目标车位的引导;对于待检测区域存在待停车车辆,则转到步骤S500。
通过上述步骤能够实时监测待检测区域内是否有待停车车辆,采集图像数据并获取待检测区域内车辆的位置和行驶路线,根据判断结果对用户车辆进行引导或转到相应的步骤,这样可以帮助用户更高效地找到目标车位,防止目标车位被其他待停车车辆占用,导致用户车辆无法快速停车,并优化停车场管理流程。
进一步的,步骤S500包括:
S501.获取待检测区域内待停车车辆的位置和待检测区域内空闲车位的位置,从而得到每辆待停车车辆去所有空闲车位的最短路径,计算每辆待停车车辆去所有空闲车位最短路径的路程;根据每辆待停车车辆去所有空闲车位最短路径的路程,计算每辆待停车车辆去目标车位停车的概率P,计算公式为:
其中N为待检测区域空闲车位的个数,取正整数;Li表示待停车车辆去除目标车位以外的第i个空闲车位的最短路径的路程,且i取1到N-1的整数;L表示待停车车辆去目标车位最短路径的路程;当待停车车辆去目标车位最短路径的路程越小,则计算出来的概率P就越大,说明待停车车辆去目标车位停车的可能性较大;当待停车车辆去目标车位最短路径的路程越大,则计算出来的概率P就越小,说明待停车车辆去目标车位停车的可能性较小;当P小于概率阈值Q时,对用户车辆进行目标车位的的引导;当P大于等于概率阈值Q时,转到步骤S502;
S502.获取计算的概率P≥Q的待停车车辆的位置坐标,获取待停车车辆距目标车位的最短路径的路程d1,并获取当前时刻用户车辆的位置坐标,计算当前时刻用户车辆距目标车位的最短路径的路程d2,比较d1和d2的大小;
S503.当d1≤d2时,说明目标车位可能会被检测区域内待停车车辆所占,所以获取用户车辆待检测区域内当前时刻的空闲车位,并获得前往空闲车位的路径,同时获取空闲车位待检测区域内的待停车车辆,并计算空闲车位待检测区域内的待停车车辆去空闲车位的概率,选取概率最低的空闲车位作为用户车辆的备选目标车位,并提供引导路径,说明备选车位被待停车车辆选中的概率低,因此用户车辆可以去备选目标车位停车;当d1>d2时,说明待停车车辆路程目标车位较远,用户车辆可以到达目标车位,则对用户车辆进行目标车位的引导。
通过以上步骤计算待停车车辆去目标车位停车的概率P,并根据概率和路程的比较,选择合适的车位进行引导或推荐给用户,这样可以防止目标车位被占用,用户车辆无法停车的情况发生,提高了停车场的利用效率,同时满足用户的需求,优化停车体验。
一种基于人工智能的车位引导数据分析系统,系统包括数据采集模块、数据预处理与数据库建立模块、车位推荐与路径规划模块、待停车车辆监测与概率计算模块以及引导路径生成与车辆引导模块;
数据采集模块通过摄像头和传感器设备采集停车场内各个车位的状态数据,包括空闲或占用状态以及位置信息,并实时采集进入停车场的用户车辆图片信息;
数据预处理与数据库建立模块对采集到的状态数据进行预处理,包括数据清洗、去噪、标准化操作,然后将处理后的数据存储到车位使用情况数据库中;同时,将摄像头采集到的图像数据与车位状态数据进行关联和处理,提取车位位置信息来匹配相应的图像数据和车位状态数据;
车位推荐与路径规划模块根据当前时刻空闲车位的位置坐标和用户车辆的位置坐标,计算用户车辆位置与所有空闲车位之间的路程,并向用户推荐所有空闲车位,生成相应的引导路径;还记录用户车辆行驶轨迹,并将用户车辆行驶轨迹与所有空闲车位的引导路径进行对比,计算相似度并选取最相似的路径作为目标路径,目标路径的终点作为目标车位;
待停车车辆监测与概率计算模块在用户车辆前往目标车位过程中,监测待检测区域内是否有待停车车辆;计算待停车车辆去目标车位停车的概率,并与预设阈值进行比较;当概率大于等于阈值时,计算待停车车辆距目标车位和用户车辆距目标车位的路程,根据路程比较决定是否对用户进行其他空闲车位的推荐;
引导路径生成与车辆引导模块根据用户车辆的目标路径,生成具体的行驶路线和指示信息,帮助用户前往目标车位;该模块还通过系统提示或导航设备向用户提供引导信息,包括语音提示、屏幕显示等方式,以便用户更方便地找到目标车位;当需要切换至其他空闲车位时,该模块可以提供相应的备选目标车位和引导路径。
进一步的,数据采集模块包括摄像头和传感器设备单元和车辆图片信息采集单元;摄像头和传感器设备单元用于采集停车场内部各个车位的状态数据,包括空闲或占用状态以及位置信息;车辆图片信息采集单元实时采集进入停车场的用户车辆图片信息;
数据预处理与数据库建立模块包括数据预处理单元和图像数据关联与处理单元;数据预处理单元对采集到的状态数据进行预处理,建立车位使用情况数据库;图像数据关联与处理单元将摄像头采集到的图像数据与车位状态数据进行关联和处理,提取车位位置信息来匹配相应的图像数据和车位状态数据。
进一步的,车位推荐与路径规划模块包括空闲车位检测与推荐单元和相似度计算与路径选择单元;
空闲车位检测与推荐单元根据当前时刻空闲车位的位置坐标和用户车辆的位置坐标,计算用户车辆位置与所有空闲车位之间的路程,并向用户推荐所有空闲车位,生成相应的引导路径;相似度计算与路径选择单元记录用户车辆行驶轨迹,并将用户车辆行驶轨迹与所有空闲车位的引导路径进行对比,计算用户车辆行驶路径与引导路径的相似度,选取相似度最大的作为目标路径,并将目标路径的终点作为目标车位。
进一步的,待停车车辆监测与概率计算模块包括待停车车辆监测单元和概率计算与比较单元;待停车车辆监测单元在用户车辆前往目标车位过程中,监测待检测区域内是否有待停车车辆;概率计算与比较单元计算待停车车辆去目标车位停车的概率P,当P≥Q时,计算待停车车辆距目标车位的路程和用户车辆距目标车位的路程,根据路程比较决定是否对用户进行其他空闲车位的推荐;
引导路径生成与车辆引导模块包括引导路径生成单元和车辆引导单元;引导路径生成根据用户车辆的目标路径,生成引导路径,包括具体的行驶路线和指示信息;车辆引导单元通过系统提示或者导航设备向用户提供引导信息,帮助用户前往目标车位,若需要切换至其他空闲车位,提供相应的备选目标车位和引导路径。
与现有技术相比,本发明所达到的有益效果是:通过实时采集和分析停车位的状态数据,系统可以快速准确地推荐空闲车位给用户,从而提高停车场的利用率,减少用户寻找停车位的时间;基于人工智能算法和路径规划技术,系统可以根据用户车辆的位置和目标停车位的位置,生成具体的行驶路径和指示信息,帮助用户更快找到目标车位,并避免走错路线;通过监测待检测区域内是否有待停车车辆,系统可以及时发现可能影响用户停车的情况,如其他车辆正在等待停车,从而调整用户的引导策略,避免用户在繁忙区域无法成功停车的情况;通过为用户提供准确的空闲车位推荐、详细的引导路径和实时的停车信息,系统可以大大提升用户的停车体验,减少用户的停车困扰和不必要的时间浪费。
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是本发明一种基于人工智能的车位引导数据分析方法的流程示意图。
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。
请参阅图1,本发明提供技术方案:
一种基于人工智能的车位引导数据分析方法,方法包括以下步骤:
S100.利用摄像头和传感器设备采集停车场内部各个车位的状态数据,包括空闲或占用状态以及位置信息,对采集到的状态数据进行预处理,建立车位使用情况数据库;
S101.在停车场内部安装摄像头和传感器设备,摄像头可以用于拍摄停车场内部的实时图像,传感器可以用于检测车位的占用状态;启动摄像头和传感器设备,开始采集停车场内部图像数据以及各个车位的状态数据;
S102.对采集到的停车场内部图像数据和各个车位的状态数据进行预处理;将预处理后的图像数据和车位状态数据进行关联,并提取车位位置信息来匹配相应的图像数据和车位状态数据;
S103.将处理后的图像数据和车位状态数据转化为适合数据库存储的格式,包括将图像转换为图像文件格式,如JPEG、PNG等,将车位状态数据转化为数据库表的字段信息,从而建立车位使用情况数据库。
通过对车位使用情况数据库中的数据进行实时监控,可以随时了解停车场内部的车位状况,当有车辆占用某个车位或者释放某个车位时,系统可以及时发送通知给相关人员,以便及时做出相应处理,这样可以提高车位的利用率和管理效率。
S200.实时采集进入停车场的用户车辆图片信息,记录当前用户车辆的位置坐标,获取当前时刻空闲车位的位置坐标,计算当前用户车辆位置与所有空闲车位之间的路程,向用户推荐所有空闲车位,并生成相应的引导路径;
S201.使用摄像头来捕捉进入停车场的用户车辆图片信息,得到用户车辆当前位置坐标,并记录当前时间戳;通过时间戳在车位使用情况数据库中查找当前时刻空闲车位信息,得到当前时刻空闲车位的位置坐标;
S202.基于用户车辆当前位置坐标和当前时刻空闲车位的位置坐标,得到用户车辆前往所有空闲车位的最短路径,计算当前用户车辆位置与所有空闲车位之间最短路径的路程;然后根据路程从小到大对空闲车位进行排序,让用户能够清楚的了解去每个空闲车位的距离,在向用户推荐所有空闲车位,根据用户的偏好进行选择车位,并生成相应的引导路径。
通过上述步骤能够实现实时采集用户车辆图片信息、记录位置坐标和时间戳,获取当前时刻空闲车位的位置坐标,计算用户车辆与所有空闲车位之间的路程,并向用户推荐空闲车位并生成引导路径,这样可以方便用户找到空闲车位,提高停车场的利用效率和用户体验。
假设用户车辆当前位置坐标为(x1,y1)=(100,200),停车场内有三个空闲车位,它们的位置坐标分别为:
空闲车位1:(x21,y21)=(150,300),
空闲车位2:(x22,y22)=(220,250),
空闲车位3:(x23,y23)=(180,280);
按照以下步骤进行计算:
计算用户车辆与空闲车位1之间的路程:
横向路程:(x21-x1)=(150-100)=50,
纵向路程:(y21-y1)=(300-200)=100,
路径路程:50+100=150;
计算用户车辆与空闲车位2之间的路程:
横向路程:(x22-x1)=(220-100)=120,
纵向路程:(y22-y1)=(250-200)=50,
路径路程:110+50=170;
计算用户车辆与空闲车位3之间的路程:
横向路程:(x23-x1)=(180-100)=80,
纵向路程:(y23-y1)=(280-200)=80,
路径路程:80+80=160;
根据计算结果,可以得到以下推荐顺序和引导路径:
推荐空闲车位1,路程为150,生成引导路径1。
推荐空闲车位2,路程为170,生成引导路径2。
推荐空闲车位3,路程为160,生成引导路径3。
S300.实时记录用户车辆行驶轨迹,并将用户车辆行驶轨迹与所有空闲车位的引导路径进行对比,计算用户车辆行驶路径与引导路径的相似度,选取相似度最大的作为目标路径,并将目标路径的终点作为目标车位;
S301.实时记录用户车辆行驶轨迹,并将用户车辆行驶轨迹转化向量形式记为向量A,获取所有空闲车位的引导路径,转化向量形式记为向量B,计算用户车辆行驶路径与引导路径的相似度,具体计算公式为:
S302.比较计算得到的相似度值,并将相似度值从大到小的顺序进行排序,选取相似度最大的引导路径作为目标路径,并从目标路径中提取终点作为目标车位。
通过上述步骤能够实时记录用户车辆行驶轨迹,与所有空闲车位的引导路径进行对比,计算相似度并选取最佳路径作为目标路径,然后提取目标路径的终点作为目标车位,这样可以帮助用户更准确地找到合适的停车位,并提高停车场的利用效率和用户体验。
根据以上内容,假设有三条引导路径可供选择,它们的相似度值分别为:
引导路径1:相似度值=0.85,
引导路径2:相似度值=0.92,
引导路径3:相似度值=0.88;
比较相似度值并排序:
引导路径2(相似度值0.92)最大;
引导路径3(相似度值0.88)次大;
引导路径1(相似度值0.85)最小。
因此选取相似度最大的引导路径作为目标路径:
目标路径:引导路径2
从目标路径中提取终点作为目标车位,即目标车位为空闲车位2。
S400.在用户车辆前往目标车位过程中,监测待检测区域内是否有待停车车辆;若没有待停车车辆,则对用户车辆进行目标车位的引导,若有待停车车辆,则转到步骤S500;
S401.在用户车辆前往目标车位行驶过程中,实时监测目标车位;以目标车位为圆心,以R为半径的圆形区域定义为待检测区域,其中R的范围是根据监测目标车位的摄像头视野范围来确定;待检测区域的确定能够可以减少处理和分析图像数据所需的计算资源,提高系统的运行效率;
S402.利用摄像头来采集待检测区域内的图像数据,基于图像数据来获取待检测区域内的车辆的位置坐标和行驶路线,从而判断待检测区域内是否存在待停车车辆;
S403.对于待检测区域不存在待停车车辆,则对用户车辆进行目标车位的引导;对于待检测区域存在待停车车辆,则转到步骤S500。
通过上述步骤能够实时监测待检测区域内是否有待停车车辆,采集图像数据并获取待检测区域内车辆的位置和行驶路线,根据判断结果对用户车辆进行引导或转到相应的步骤,这样可以帮助用户更高效地找到目标车位,防止目标车位被其他待停车车辆占用,导致用户车辆无法快速停车,并优化停车场管理流程。
S500.计算待停车车辆去目标车位停车的概率P,当P≥Q时,计算待停车车辆距目标车位的路程和用户车辆距目标车位的路程,当用户车辆距目标车位的路程大于待停车车辆距目标车位的路程时,则对用户进行其他空闲车位的推荐。
S501.获取待检测区域内待停车车辆的位置和待检测区域内空闲车位的位置,从而得到每辆待停车车辆去所有空闲车位的最短路径,计算每辆待停车车辆去所有空闲车位最短路径的路程,且i取1到N-1的整数;根据每辆待停车车辆去所有空闲车位最短路径的路程,计算每辆待停车车辆去目标车位停车的概率P,计算公式为:
其中N为待检测区域空闲车位的个数,取正整数;Li表示待停车车辆去除目标车位以外的第i个空闲车位的最短路径的路程;L表示待停车车辆去目标车位最短路径的路程;当待停车车辆去目标车位最短路径的路程越小,则计算出来的概率P就越大,说明待停车车辆去目标车位停车的可能性较大;当待停车车辆去目标车位最短路径的路程越大,则计算出来的概率P就越小,说明待停车车辆去目标车位停车的可能性较小;当P小于概率阈值Q时,对用户车辆进行目标车位的的引导;当P大于等于概率阈值Q时,转到步骤S502;
假设待检测区域内有3个空闲车位(N=3),并且只有一辆待停车车辆,目标车位为A,其他空闲车位分别为B和C;获取待停车车辆与A、B和C的最短路径的路程,记为L1、L2和L3;假设L1=150,L2=350,L3=200;根据公式计算概率P=0.79,假设概率阈值Q=0.5,由于P大于概率阈值Q,说明待停车车辆很有可能去目标车位停测,则转到步骤S502。
S502.获取计算的概率P≥Q的待停车车辆的位置坐标,获取待停车车辆距目标车位的最短路径的路程d1,并获取当前时刻用户车辆的位置坐标,计算当前时刻用户车辆距目标车位的最短路径的路程d2,比较d1和d2的大小;
S503.当d1≤d2时,说明目标车位可能会被检测区域内待停车车辆所占,所以获取用户车辆待检测区域内当前时刻的空闲车位,并获得前往空闲车位的路径,同时获取空闲车位待检测区域内的待停车车辆,并计算空闲车位待检测区域内的待停车车辆去空闲车位的概率,选取概率最低的空闲车位作为用户车辆的备选目标车位,并提供引导路径,说明备选车位被待停车车辆选中的概率低,因此用户车辆可以去备选目标车位停车;当d1>d2时,说明待停车车辆路程目标车位较远,用户车辆可以到达目标车位,则对用户车辆进行目标车位的引导。
通过以上步骤计算待停车车辆去目标车位停车的概率P,并根据概率和路程的比较,选择合适的车位进行引导或推荐给用户,这样可以防止目标车位被占用,用户车辆无法停车的情况发生,提高了停车场的利用效率,同时满足用户的需求,优化停车体验。
需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。
最后应说明的是:以上所述仅为本发明的优选实施例而已,并不用于限制本发明,尽管参照前述实施例对本发明进行了详细的说明,对于本领域的技术人员来说,其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换。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 (10)
1.一种基于人工智能的车位引导数据分析方法,其特征在于:所述方法包括以下步骤:
S100.利用摄像头和传感器设备采集停车场内部各个车位的状态数据,包括空闲或占用状态以及位置信息,对采集到的状态数据进行预处理,建立车位使用情况数据库;
S200.实时采集进入停车场的用户车辆图片信息,记录当前用户车辆的位置坐标,获取当前时刻空闲车位的位置坐标,计算当前用户车辆位置与所有空闲车位之间的路程,向用户推荐所有空闲车位,并生成相应的引导路径;
S300.实时记录用户车辆行驶轨迹,并将用户车辆行驶轨迹与所有空闲车位的引导路径进行对比,计算用户车辆行驶路径与引导路径的相似度,选取相似度最大的作为目标路径,并将目标路径的终点作为目标车位;
S400.在用户车辆前往目标车位过程中,监测待检测区域内是否有待停车车辆;若没有待停车车辆,则对用户车辆进行目标车位的引导,若有待停车车辆,则转到步骤S500;
S500.计算待停车车辆去目标车位停车的概率P,当P≥Q时,计算待停车车辆距目标车位的路程和用户车辆距目标车位的路程,当用户车辆距目标车位的路程大于待停车车辆距目标车位的路程时,则对用户进行其他空闲车位的推荐。
2.根据权利要求1所述的一种基于人工智能的车位引导数据分析方法,其特征在于:所述步骤S100包括:
S101.在停车场内部安装摄像头和传感器设备,摄像头可以用于拍摄停车场内部的实时图像,传感器可以用于检测车位的占用状态;启动摄像头和传感器设备,开始采集停车场内部图像数据以及各个车位的状态数据;
S102.对采集到的停车场内部图像数据和各个车位的状态数据进行预处理;将预处理后的图像数据和车位状态数据进行关联,并提取车位位置信息来匹配相应的图像数据和车位状态数据;
S103.将处理后的图像数据和车位状态数据转化为适合数据库存储的格式,包括将图像转换为图像文件格式,将车位状态数据转化为数据库表的字段信息,从而建立车位使用情况数据库。
3.根据权利要求2所述的一种基于人工智能的车位引导数据分析方法,其特征在于:所述步骤S200包括:
S201.使用摄像头来捕捉进入停车场的用户车辆图片信息,得到用户车辆当前位置坐标,并记录当前时间戳;通过时间戳在车位使用情况数据库中查找当前时刻空闲车位信息,得到当前时刻空闲车位的位置坐标;
S202.基于用户车辆当前位置坐标和当前时刻空闲车位的位置坐标,得到用户车辆前往所有空闲车位的最短路径,计算当前用户车辆位置与所有空闲车位之间最短路径的路程;然后根据路程从小到大对空闲车位进行排序,向用户推荐所有空闲车位,并生成相应的引导路径。
4.根据权利要求3所述的一种基于人工智能的车位引导数据分析方法,其特征在于:所述步骤S300包括:
S301.实时记录用户车辆行驶轨迹,并将用户车辆行驶轨迹转化向量形式记为向量A,获取所有空闲车位的引导路径,转化向量形式记为向量B,计算用户车辆行驶路径与引导路径的相似度,具体计算公式为:
S302.比较计算得到的相似度值,并将相似度值从大到小的顺序进行排序,选取相似度最大的引导路径作为目标路径,并从目标路径中提取终点作为目标车位。
5.根据权利要求4所述的一种基于人工智能的车位引导数据分析方法,其特征在于:所述步骤S400包括:
S401.在用户车辆前往目标车位行驶过程中,实时监测目标车位;以目标车位为圆心,以R为半径的圆形区域定义为待检测区域,其中R的范围是根据监测目标车位的摄像头视野范围来确定;
S402.利用摄像头来采集待检测区域内的图像数据,基于图像数据来获取待检测区域内的车辆的位置坐标和行驶路线,从而判断待检测区域内是否存在待停车车辆;
S403.对于待检测区域不存在待停车车辆,则对用户车辆进行目标车位的引导;对于待检测区域存在待停车车辆,则转到步骤S500。
6.根据权利要求5所述的一种基于人工智能的车位引导数据分析方法,其特征在于:所述步骤S500包括:
S501.获取待检测区域内待停车车辆的位置和待检测区域内空闲车位的位置,从而得到每辆待停车车辆去所有空闲车位的最短路径,计算每辆待停车车辆去所有空闲车位最短路径的路程;根据每辆待停车车辆去所有空闲车位最短路径的路程,计算每辆待停车车辆去目标车位停车的概率P,计算公式为:
其中N为待检测区域空闲车位的个数,取正整数;Li表示待停车车辆去除目标车位以外的第i个空闲车位的最短路径的路程,且i取1到N-1的整数;L表示待停车车辆去目标车位最短路径的路程;当P小于概率阈值Q时,对用户车辆进行目标车位的的引导;当P大于等于概率阈值Q时,转到步骤S502;
S502.获取计算的概率P≥Q的待停车车辆的位置坐标,获取待停车车辆距目标车位的最短路径的路程d1,并获取当前时刻用户车辆的位置坐标,计算当前时刻用户车辆距目标车位的最短路径的路程d2,比较d1和d2的大小;
S503.当d1≤d2时,获取用户车辆待检测区域内当前时刻的空闲车位,并获得前往空闲车位的路径,同时获取空闲车位待检测区域内的待停车车辆,并计算空闲车位待检测区域内的待停车车辆去空闲车位的概率,选取概率最低的空闲车位作为用户车辆的备选目标车位,并提供引导路径;当d1>d2时,则对用户车辆进行目标车位的引导。
7.一种基于人工智能的车位引导数据分析系统,其特征在于:所述系统包括数据采集模块、数据预处理与数据库建立模块、车位推荐与路径规划模块、待停车车辆监测与概率计算模块以及引导路径生成与车辆引导模块;
所述数据采集模块通过摄像头和传感器设备采集停车场内各个车位的状态数据,包括空闲或占用状态以及位置信息,并实时采集进入停车场的用户车辆图片信息;
所述数据预处理与数据库建立模块对采集到的状态数据进行预处理,包括数据清洗、去噪、标准化操作,然后将处理后的数据存储到车位使用情况数据库中;同时,将摄像头采集到的图像数据与车位状态数据进行关联和处理,提取车位位置信息来匹配相应的图像数据和车位状态数据;
所述车位推荐与路径规划模块根据当前时刻空闲车位的位置坐标和用户车辆的位置坐标,计算用户车辆位置与所有空闲车位之间的路程,并向用户推荐所有空闲车位,生成相应的引导路径;还记录用户车辆行驶轨迹,并将用户车辆行驶轨迹与所有空闲车位的引导路径进行对比,计算相似度并选取最相似的路径作为目标路径,目标路径的终点作为目标车位;
所述待停车车辆监测与概率计算模块在用户车辆前往目标车位过程中,监测待检测区域内是否有待停车车辆;计算待停车车辆去目标车位停车的概率,并与预设阈值进行比较;当概率大于等于阈值时,计算待停车车辆距目标车位和用户车辆距目标车位的路程,根据路程比较决定是否对用户进行其他空闲车位的推荐;
所述引导路径生成与车辆引导模块根据用户车辆的目标路径,生成具体的行驶路线和指示信息,帮助用户前往目标车位;该模块还通过系统提示或导航设备向用户提供引导信息,当需要切换至其他空闲车位时,该模块可以提供相应的备选目标车位和引导路径。
8.根据权利要求6所述的一种基于人工智能的车位引导数据分析系统,其特征在于:所述数据采集模块包括摄像头和传感器设备单元和车辆图片信息采集单元;所述摄像头和传感器设备单元用于采集停车场内部各个车位的状态数据,包括空闲或占用状态以及位置信息;所述车辆图片信息采集单元实时采集进入停车场的用户车辆图片信息;
所述数据预处理与数据库建立模块包括数据预处理单元和图像数据关联与处理单元;所述数据预处理单元对采集到的状态数据进行预处理,建立车位使用情况数据库;所述图像数据关联与处理单元将摄像头采集到的图像数据与车位状态数据进行关联和处理,提取车位位置信息来匹配相应的图像数据和车位状态数据。
9.根据权利要求6所述的一种基于人工智能的车位引导数据分析系统,其特征在于:所述车位推荐与路径规划模块包括空闲车位检测与推荐单元和相似度计算与路径选择单元;
所述空闲车位检测与推荐单元根据当前时刻空闲车位的位置坐标和用户车辆的位置坐标,计算用户车辆位置与所有空闲车位之间的路程,并向用户推荐所有空闲车位,生成相应的引导路径;所述相似度计算与路径选择单元记录用户车辆行驶轨迹,并将用户车辆行驶轨迹与所有空闲车位的引导路径进行对比,计算用户车辆行驶路径与引导路径的相似度,选取相似度最大的作为目标路径,并将目标路径的终点作为目标车位。
10.根据权利要求6所述的一种基于人工智能的车位引导数据分析系统,其特征在于:所述待停车车辆监测与概率计算模块包括待停车车辆监测单元和概率计算与比较单元;所述待停车车辆监测单元在用户车辆前往目标车位过程中,监测待检测区域内是否有待停车车辆;所述概率计算与比较单元计算待停车车辆去目标车位停车的概率P,当P≥Q时,计算待停车车辆距目标车位的路程和用户车辆距目标车位的路程,根据路程比较决定是否对用户进行其他空闲车位的推荐;
所述引导路径生成与车辆引导模块包括引导路径生成单元和车辆引导单元;所述引导路径生成根据用户车辆的目标路径,生成引导路径,包括具体的行驶路线和指示信息;所述车辆引导单元通过系统提示或者导航设备向用户提供引导信息,帮助用户前往目标车位,若需要切换至其他空闲车位,提供相应的备选目标车位和引导路径。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311297309.7A CN117496745B (zh) | 2023-10-09 | 2023-10-09 | 一种基于人工智能的车位引导数据分析系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311297309.7A CN117496745B (zh) | 2023-10-09 | 2023-10-09 | 一种基于人工智能的车位引导数据分析系统及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117496745A true CN117496745A (zh) | 2024-02-02 |
CN117496745B CN117496745B (zh) | 2024-06-14 |
Family
ID=89677241
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311297309.7A Active CN117496745B (zh) | 2023-10-09 | 2023-10-09 | 一种基于人工智能的车位引导数据分析系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117496745B (zh) |
Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101349566A (zh) * | 2007-07-19 | 2009-01-21 | 康佳集团股份有限公司 | 一种车辆实时导航方法及系统 |
US20090085771A1 (en) * | 2007-09-27 | 2009-04-02 | Jui-Hung Wu | Auto-parking device |
CN101726300A (zh) * | 2008-10-17 | 2010-06-09 | 财团法人车辆研究测试中心 | 目标导航的方法及装置 |
CN106568456A (zh) * | 2016-11-21 | 2017-04-19 | 北京工业大学 | 基于gps/北斗定位和云计算平台的不停车收费方法 |
WO2018021870A1 (ko) * | 2016-07-29 | 2018-02-01 | 현대엠엔소프트 주식회사 | 내비게이션 시스템 및 내비게이션 시스템의 위치 보정 방법 |
CN110045734A (zh) * | 2019-04-04 | 2019-07-23 | 百度在线网络技术(北京)有限公司 | 基于路径规划的参数权重确定方法、装置和计算机设备 |
CN110573837A (zh) * | 2017-06-30 | 2019-12-13 | Oppo广东移动通信有限公司 | 导航方法、装置、存储介质以及服务器 |
US20200001862A1 (en) * | 2018-06-27 | 2020-01-02 | Baidu Usa Llc | Planning parking trajectory generation for self-driving vehicles using optimization method |
CN112365712A (zh) * | 2020-11-05 | 2021-02-12 | 包赛花 | 基于ai的智慧停车场停车引导方法及人工智能服务器 |
US20210223055A1 (en) * | 2020-01-21 | 2021-07-22 | Baidu Online Network Technology (Beijing) Co., Ltd. | Navigation method and apparatus based on electronic map, device and medium |
CN114999200A (zh) * | 2022-05-23 | 2022-09-02 | 田萍 | 一种应用于智能汽车的辅助停车方法及系统 |
US20220300641A1 (en) * | 2021-03-16 | 2022-09-22 | Here Global B.V. | Method, apparatus, and computer program product for quantifying the linkability of trajectory data |
KR102501084B1 (ko) * | 2022-10-27 | 2023-02-17 | 주식회사 지케이정보통신 | 인공지능 기반 이동 경로 추적을 통한 안전 관리 방법 및 장치 |
CN116659537A (zh) * | 2023-07-27 | 2023-08-29 | 高德软件有限公司 | 导航路线确定方法、装置、电子设备及存储介质 |
-
2023
- 2023-10-09 CN CN202311297309.7A patent/CN117496745B/zh active Active
Patent Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101349566A (zh) * | 2007-07-19 | 2009-01-21 | 康佳集团股份有限公司 | 一种车辆实时导航方法及系统 |
US20090085771A1 (en) * | 2007-09-27 | 2009-04-02 | Jui-Hung Wu | Auto-parking device |
CN101726300A (zh) * | 2008-10-17 | 2010-06-09 | 财团法人车辆研究测试中心 | 目标导航的方法及装置 |
WO2018021870A1 (ko) * | 2016-07-29 | 2018-02-01 | 현대엠엔소프트 주식회사 | 내비게이션 시스템 및 내비게이션 시스템의 위치 보정 방법 |
CN106568456A (zh) * | 2016-11-21 | 2017-04-19 | 北京工业大学 | 基于gps/北斗定位和云计算平台的不停车收费方法 |
CN110573837A (zh) * | 2017-06-30 | 2019-12-13 | Oppo广东移动通信有限公司 | 导航方法、装置、存储介质以及服务器 |
US20200001862A1 (en) * | 2018-06-27 | 2020-01-02 | Baidu Usa Llc | Planning parking trajectory generation for self-driving vehicles using optimization method |
CN110045734A (zh) * | 2019-04-04 | 2019-07-23 | 百度在线网络技术(北京)有限公司 | 基于路径规划的参数权重确定方法、装置和计算机设备 |
US20210223055A1 (en) * | 2020-01-21 | 2021-07-22 | Baidu Online Network Technology (Beijing) Co., Ltd. | Navigation method and apparatus based on electronic map, device and medium |
CN112365712A (zh) * | 2020-11-05 | 2021-02-12 | 包赛花 | 基于ai的智慧停车场停车引导方法及人工智能服务器 |
US20220300641A1 (en) * | 2021-03-16 | 2022-09-22 | Here Global B.V. | Method, apparatus, and computer program product for quantifying the linkability of trajectory data |
CN114999200A (zh) * | 2022-05-23 | 2022-09-02 | 田萍 | 一种应用于智能汽车的辅助停车方法及系统 |
KR102501084B1 (ko) * | 2022-10-27 | 2023-02-17 | 주식회사 지케이정보통신 | 인공지능 기반 이동 경로 추적을 통한 안전 관리 방법 및 장치 |
CN116659537A (zh) * | 2023-07-27 | 2023-08-29 | 高德软件有限公司 | 导航路线确定方法、装置、电子设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN117496745B (zh) | 2024-06-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20190180610A1 (en) | Vehicle type identification method and device based on mobile phone data | |
CN111818313B (zh) | 一种基于监控视频的车辆实时追踪方法及装置 | |
CN109741628B (zh) | 一种智能停车路线规划方法 | |
CN112132071A (zh) | 识别交通拥堵的处理方法、装置、设备及存储介质 | |
CN111476160A (zh) | 损失函数优化方法、模型训练方法、目标检测方法及介质 | |
CN113313006A (zh) | 基于无人机的城市违建监管方法、系统和存储介质 | |
CN116884266A (zh) | 一种基于大数据的智慧城市停车管理方法及管理系统 | |
CN117496745B (zh) | 一种基于人工智能的车位引导数据分析系统及方法 | |
CN116823572B (zh) | 人口流动数据的获取方法、装置及计算机可读存储介质 | |
CN116137109B (zh) | 一种基于云计算的机械停车设备控制系统及方法 | |
EP3913599A1 (en) | Sign position identification system and program | |
CN115600734A (zh) | 数据处理方法、装置及电子设备 | |
CN108775904A (zh) | 针对停车场内充电区域的导航方法 | |
CN111898434B (zh) | 一种视频侦测分析系统 | |
CN113989770A (zh) | 交通道路标牌识别方法、装置、设备及存储介质 | |
Hammoudi et al. | Towards a model of car parking assistance system using camera networks: Slot analysis and communication management | |
CN113963310A (zh) | 一种公交站的人流量检测方法、装置及电子设备 | |
CN113421452A (zh) | 一种基于视觉分析的露天停车场推荐系统 | |
CN113421067A (zh) | 一种共享自行车品牌识别与数量管理方法及系统 | |
CN112529366A (zh) | 一种基于机器视觉的工程远程监理协同管控系统 | |
CN117079493B (zh) | 基于物联网的智慧停车管理方法和系统 | |
CN114022772B (zh) | 流动摊贩空间分布的预测方法、系统、装置和存储介质 | |
CN111829544B (zh) | 互动式实景导航方法 | |
CN116403412B (zh) | 一种车辆拥堵检测方法以及终端 | |
CN115862377B (zh) | 一种智能预约停车方法及系统 |
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 |