CN117496751A - 一种车位推荐方法、装置、计算机设备及介质 - Google Patents
一种车位推荐方法、装置、计算机设备及介质 Download PDFInfo
- Publication number
- CN117496751A CN117496751A CN202311440489.XA CN202311440489A CN117496751A CN 117496751 A CN117496751 A CN 117496751A CN 202311440489 A CN202311440489 A CN 202311440489A CN 117496751 A CN117496751 A CN 117496751A
- Authority
- CN
- China
- Prior art keywords
- temperature
- vehicle
- historical
- parking
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 41
- 230000007613 environmental effect Effects 0.000 claims abstract description 30
- 230000015654 memory Effects 0.000 claims description 26
- 238000012549 training Methods 0.000 claims description 10
- 238000004590 computer program Methods 0.000 claims description 3
- 238000012545 processing Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 241001464837 Viridiplantae Species 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000002085 persistent effect Effects 0.000 description 2
- 239000007787 solid Substances 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 238000013527 convolutional neural network Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 235000019800 disodium phosphate Nutrition 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000003709 image segmentation Methods 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000000306 recurrent effect Effects 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/0464—Convolutional networks [CNN, ConvNet]
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01D—MEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
- G01D21/00—Measuring or testing not otherwise provided for
- G01D21/02—Measuring two or more variables by means not covered by a single other subclass
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/044—Recurrent networks, e.g. Hopfield networks
-
- 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
- G08G1/048—Detecting movement of traffic to be counted or controlled with provision for compensation of environmental or other condition, e.g. snow, vehicle stopped at detector
-
- 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
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Molecular Biology (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Biomedical Technology (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Health & Medical Sciences (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明涉及计算机领域，提供了一种车位推荐方法、装置、计算机设备及介质。其中，车位推荐方法，包括：获取待停车车辆的停车时段，以及目标停车区域中至少一个空闲车位在停车时段内的环境信息；根据各环境信息，预测在停车时段的结束时刻，各空闲车位对应的待停车车辆的车内温度；根据各车内温度，在各空闲车位中选择待停车车辆的目标车位。通过本发明，根据空闲车位的环境信息预测得到停车结束时刻的车内温度，根据预测得到的温度选择合适的停车车位，使得在停车结束时刻待停车车辆的车内温度更加舒适，提高用户的停车满意度。
Description
技术领域
本发明涉及计算机领域，尤其涉及一种车位推荐方法、装置、计算机设备及介质。
背景技术
随着居民汽车拥有量的增加，对停车位的需求也越来越大。在大型停车场中，往往存在多个空闲停车车位。不同的车位所处的周边环境会存在差异，在车辆停靠一段时间后，处于不同车位上的车内环境也会有所不同。因此，如何根据车位周边环境选择最终的停车车位，以使得车内环境更加舒适这一需求也越来越迫切。
发明内容
为选择停车场内的车位，使得车内环境更加舒适，本发明提出了一种车位推荐方法、装置、计算机设备及介质。
第一方面，本发明提供了一种车位推荐方法，该方法包括：
获取待停车车辆的停车时段，以及目标停车区域中至少一个空闲车位在停车时段内的环境信息；
根据各环境信息，预测在停车时段的结束时刻，各空闲车位对应的待停车车辆的车内温度；
根据各车内温度，在各空闲车位中选择待停车车辆的目标车位。
考虑到由于车位所处环境的不同，在停车时段的结束时刻，不同位置处的车位会导致待停车车辆的车内温度不同，从而导致车内舒适度不同。因此，通过上述方法，根据空闲车位的环境信息对停车结束时刻的车内温度进行预测，根据预测得到的温度选择合适的停车车位，使得在停车结束时刻待停车车辆的车内温度更加舒适，提高用户的停车满意度。
在一种可选的实施方式中，环境信息包括温度和日照强度，根据环境信息，预测在停车时段的结束时刻，空闲车位对应的待停车车辆的车内温度，包括：
根据停车时段，确定空闲车位的遮阳时段和遮阳时段对应的遮阳面积；
将温度、日照强度和遮阳面积，输入至预构建的温度预测模型中，预测空闲车位对应的待停车车辆的车内温度。
通过上述实施方式，利用空闲车位所处的温度信息、日照强度信息，以及遮阳面积，对待停车车辆在停车时段的结束时刻的车内温度进行预测，以便用户通过预测得到的温度进行车位的选择。
在一种可选的实施方式中，根据停车时段，确定空闲车位的遮阳时段和遮阳时段对应的遮阳面积，包括：
获取停车时段对应的空闲车位的历史遥感影像；
根据历史遥感影像，确定空闲车位的遮阳时段和遮阳时段对应的遮阳面积。
通过上述实施方式，根据历史遥感影像对空闲车位在停车时段的遮阳面积进行获取，全面了解各个停车车位的遮阳情况。
在一种可选的实施方式中，根据历史遥感影像，确定遮阳时段对应的遮阳面积，包括：
根据历史遥感影像，检测遮阳时段对应的第一阴影和第二阴影；
分别计算第一阴影的面积、第二阴影的面积；
将第一阴影的面积与第二阴影的面积求和，得到遮阳面积。
在一种可选的实施方式中，温度预测模型的构建步骤包括：
获取历史温度、历史日照强度、历史遮阳面积和历史车内温度；
根据历史温度、历史日照强度、历史遮阳面积和历史车内温度，训练初始温度预测模型，得到温度预测模型。
在一种可选的实施方式中，根据历史温度、历史日照强度、历史遮阳面积和历史车内温度，训练初始温度预测模型，得到温度预测模型，包括：
将历史温度、历史日照强度、历史遮阳面积作为初始温度预测模型的输入，将历史车内温度作为初始温度预测模型的输出，训练初始温度预测模型，得到温度预测模型。
在一种可选的实施方式中，环境信息包括灾害事件概率，根据各车内温度，在各空闲车位中选择待停车车辆的目标车位，包括：
根据各灾害事件概率和各车内温度，确定目标车位。
通过上述实施例，在选择目标车位时，除了考虑在停车时段的结束时刻不同车位处的车内温度，还考虑了车位的灾害事件概率，从车内温度和降雨对车辆的影响两个角度选择目标车位，为在保障车内温度舒适的同时，避免降雨等极端灾害对车辆的损害。
第二方面，本发明还提供了一种车位推荐装置，该装置包括：
获取模块，用于获取待停车车辆的停车时段，以及目标停车区域中至少一个空闲车位在停车时段内的环境信息；
预测模块，用于根据各环境信息，预测在停车时段的结束时刻，各空闲车位对应的待停车车辆的车内温度；
选择模块，用于根据各车内温度，在各空闲车位中选择待停车车辆的目标车位。
考虑到由于车位所处环境的不同，在停车时段的结束时刻，不同位置处的车位会导致待停车车辆的车内温度不同，从而导致车内舒适度不同。因此，通过上述装置，根据空闲车位的环境信息对停车结束时刻的车内温度进行预测，根据预测得到的温度选择合适的停车车位，使得在停车结束时刻待停车车辆的车内温度更加舒适，提高用户的停车满意度。
第三方面，本发明还提供了一种计算机设备，包括存储器和处理器，存储器和处理器之间互相通信连接，存储器中存储有计算机指令，处理器通过执行计算机指令，从而执行第一方面或第一方面的任一实施方式的车位推荐方法的步骤。
第四方面，本发明还提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现第一方面或第一方面的任一实施方式的车位推荐方法的步骤。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案，下面将对具体实施方式或现有技术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发明的一些实施方式，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是根据一示例性实施例提出的一种车位推荐方法的流程图；
图2为根据一示例性实施例提出的一种车位推荐装置的结构示意图；
图3是根据一示例性实施例提出的一种计算机设备的硬件结构示意图。
具体实施方式
下面将结合附图对本发明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。
此外，下面所描述的本发明不同实施方式中所涉及的技术特征只要彼此之间未构成冲突就可以相互结合。
为选择停车场内的车位，使得车内环境更加舒适，本发明提出了一种车位推荐方法、装置、计算机设备及介质。
图1是根据一示例性实施例提出的一种车位推荐方法的流程图。如图1所示，车位推荐方法包括如下步骤S101至S103。
步骤S101：获取待停车车辆的停车时段，以及目标停车区域中至少一个空闲车位在停车时段内的环境信息。
在一可选实施例中，待停车车辆的停车时段是根据待停车车辆的用户根据需要设置，在此不做据限制。停车时段包括停车时段的初始时刻和停车时段的结束时刻。
在一可选实施例中，目标停车区域可以是从导航系统中选择的停车区域，当待停车车辆的用户在导航系统中输入目的地后，导航系统会自动计算目的地附近的停车区域，此时可以选择最近的停车区域作为目标停车区域，也可以由待停车车辆的用户自行确定目标停车区域，在此不做具体限制。
在一可选实施例中，空闲车位可以从目标停车区域提供的空余车位分布情况中获取，在此不做具体限制。
在一可选实施例中，环境信息可以为空闲车位的温度，也可以为空闲车位的遮挡信息，如是否有附近建筑物或附近绿植遮挡阳光等的遮挡信息。当然，环境信息还可以包括空闲车位是否有降雨遮挡能力等信息。
步骤S102：根据各环境信息，预测在停车时段的结束时刻，各空闲车位对应的待停车车辆的车内温度。
在一可选实施例中，可以将环境信息输入至预构建的温度预测模型中，预测得到待停车车辆在不同空闲车位的车内温度。
步骤S103：根据各车内温度，在各空闲车位中选择待停车车辆的目标车位。
在一可选实施例中，可以根据天气状况，根据不同的车内温度选择目标车位。示例性地，当天气炎热时，需要有绿荫遮挡的车位来避免由于阳光直射而造成的车内温度上升，而当天气严寒时，又需要有太阳照射的车位来提高车内温度，避免车内温度给用户造成不适。
考虑到由于车位所处环境的不同，在停车时段的结束时刻，不同位置处的车位会导致待停车车辆的车内温度不同，从而导致车内舒适度不同。因此，通过上述方法，根据空闲车位的环境信息对停车结束时刻的车内温度进行预测，根据预测得到的温度选择合适的停车车位，使得在停车结束时刻待停车车辆的车内温度更加舒适，提高用户的停车满意度。
在一示例中，环境信息包括温度和日照强度，在上述步骤S102中，通过如下步骤预测在停车时段的结束时刻，空闲车位对应的待停车车辆的车内温度：
步骤a1：根据停车时段，确定空闲车位的遮阳时段和遮阳时段对应的遮阳面积。
在一可选实施例中，遮阳面积可以为由于空闲车位附近的建筑物遮挡阳光给空闲车位带来的遮阳面积，也可以为空闲车位附近的绿植遮挡阳光带来的遮阳面积，在此不做具体限制。
步骤a2：将温度、日照强度和遮阳面积，输入至预构建的温度预测模型中，预测空闲车位对应的待停车车辆的车内温度。
在一可选实施例中，温度可以为设置在空闲车位的温度传感器获得。温度可以为空闲车位所在位置的地表温度，也可以为空闲车位所在位置的大气温度。
在一可选实施例中，温度预测模型可以通过深度学习算法，如卷积神经网络、循环神经网络等构建得到。
在本发明实施例中，利用空闲车位所处的温度信息、日照强度信息，以及遮阳面积，对待停车车辆在停车时段的结束时刻的车内温度进行预测，以便用户通过预测得到的温度进行车位的选择。
在一示例中，在上述步骤a1中，通过如下步骤确定空闲车位的遮阳时段和遮阳时段对应的遮阳面积：
步骤b1：停车时段对应的空闲车位的历史遥感影像。
在一可选实施例中，历史遥感影像包含了空闲车位所所在位置附近的数字高程信息。
步骤b2：述历史遥感影像，确定空闲车位的遮阳时段和遮阳时段对应的遮阳面积。
在一可选实施例中，通过如下内容确定遮阳时段对应的遮阳面积：
首先，根据历史遥感影像，检测遮阳时段对应的第一阴影和第二阴影。
然后，分别计算第一阴影的面积、第二阴影的面积。
在本发明实施例中，第一阴影为规则阴影，第二阴影为不规则阴影。通过影像分割和面向对象分类技术提取初步阴影信息；进一步的，根据初步阴影信息，通过面积差值方法，检测得到第一阴影，通过条件约束方法，检测得到第二阴影；对第一阴影和第二阴影，使用外接矩形与最大内圆的方法计算有效阴影长度，从而得到第一阴影的面积和第二阴影的面积。
最后，将第一阴影的面积与第二阴影的面积求和，得到遮阳面积。在本发明实施例中，根据历史遥感影像对空闲车位在停车时段的遮阳面积进行获取，全面了解各个停车车位的遮阳情况。
在一示例中，在上述步骤a2中，温度预测模型通过如下方式构建：
首先，获取历史温度、历史日照强度、历史遮阳面积和历史车内温度。
然后，根据历史温度、历史日照强度、历史遮阳面积和历史车内温度，训练初始温度预测模型，得到温度预测模型。
在一可选实施例中，将历史温度、历史日照强度、历史遮阳面积作为初始温度预测模型的输入，将历史车内温度作为初始温度预测模型的输出，训练初始温度预测模型，得到温度预测模型。
在一示例中，考虑到台风暴雨等气象灾害也会对车辆造成损害，因此，在本发明实施例中，环境信息还包括灾害事件概率。灾害事件概率表征的是在降雨等极端气象发生时，当车辆停靠在该空闲车位时，发生灾害事件的可能性。其中，灾害事件包括发生山体灾害、泄洪灾害、地势低洼积水灾害等等。灾害事件概率可以通过历史时期灾害事件的发生次数确定，在此不做具体限制。空闲车位的灾害事件概率越大，表明停靠在该空闲车位时，待停车车辆发生灾害事件的可能性越大，待停车车辆受到损害越大。在上述步骤S103中，根据各灾害事件概率和各车内温度，确定目标车位。
在一可选实施例中，通过如下方式结合各灾害事件概率和各车内温度，确定目标车位：
首先，获取停车时段的气象数据。示例性地，气象数据包括降雨量、风速、风向等数据，在此不做具体限制。
然后，当气象数据满足预设条件时，根据灾害事件概率，对空闲车位进行筛选，得到筛选后的空闲车位。示例性地，预设条件可以为降雨量大于预设降雨量。当停车时段的降雨量大于预设降雨量时，根据灾害事件概率，对空闲车位进行筛选，选择灾害事件概率较小的预设数量的空闲车位作为筛选后的空闲车位。
最后，根据筛选后的空闲车位的车内温度，确定目标车位。
在本发明实施例中，在选择目标车位时，除了考虑在停车时段的结束时刻不同车位处的车内温度，还考虑了车位的灾害事件概率，从车内温度和降雨对车辆的影响两个角度选择目标车位，为在保障车内温度舒适的同时，避免降雨等极端灾害对车辆的损害。
基于相同发明构思，本发明实施例还提供一种车位推荐装置，如图2所示，该装置包括：
获取模块201，用于获取待停车车辆的停车时段，以及目标停车区域中至少一个空闲车位在停车时段内的环境信息；详细内容参见上述实施例中步骤S101的描述，在此不再赘述。
预测模块202，用于根据各环境信息，预测在停车时段的结束时刻，各空闲车位对应的待停车车辆的车内温度；详细内容参见上述实施例中步骤S102的描述，在此不再赘述。
选择模块203，用于根据各车内温度，在各空闲车位中选择待停车车辆的目标车位。详细内容参见上述实施例中步骤S103的描述，在此不再赘述。
考虑到由于车位所处环境的不同，在停车时段的结束时刻，不同位置处的车位会导致待停车车辆的车内温度不同，从而导致车内舒适度不同。因此，通过上述装置，根据空闲车位的环境信息对停车结束时刻的车内温度进行预测，根据预测得到的温度选择合适的停车车位，使得在停车结束时刻待停车车辆的车内温度更加舒适，提高用户的停车满意度。
在一示例中，环境信息包括温度和日照强度，预测模块202包括：
第一确定子模块，用于根据停车时段，确定空闲车位的遮阳时段和遮阳时段对应的遮阳面积；详细内容参见上述实施例中的描述，在此不再赘述。
预测子模块，用于将温度、日照强度和遮阳面积，输入至预构建的温度预测模型中，预测空闲车位对应的待停车车辆的车内温度。详细内容参见上述实施例中的描述，在此不再赘述。
在一示例中，第一确定子模块包括：
第一获取单元，用于获取停车时段对应的空闲车位的历史遥感影像；详细内容参见上述实施例中的描述，在此不再赘述。
确定单元，用于根据历史遥感影像，确定空闲车位的遮阳时段和遮阳时段对应的遮阳面积。详细内容参见上述实施例中的描述，在此不再赘述。
在一示例中，确定单元包括：
检测子单元，用于根据历史遥感影像，检测遮阳时段对应的第一阴影和第二阴影；详细内容参见上述实施例中的描述，在此不再赘述。
计算子单元，用于分别计算第一阴影的面积、第二阴影的面积；详细内容参见上述实施例中的描述，在此不再赘述。
求和子单元，用于将第一阴影的面积与第二阴影的面积求和，得到遮阳面积。详细内容参见上述实施例中的描述，在此不再赘述。
在一示例中，预测子模块包括：
第二获取单元，用于获取历史温度、历史日照强度、历史遮阳面积和历史车内温度；详细内容参见上述实施例中的描述，在此不再赘述。
训练单元，用于根据历史温度、历史日照强度、历史遮阳面积和历史车内温度，训练初始温度预测模型，得到温度预测模型。详细内容参见上述实施例中的描述，在此不再赘述。
在一示例中，在训练单元中，将历史温度、历史日照强度、历史遮阳面积作为初始温度预测模型的输入，将历史车内温度作为初始温度预测模型的输出，训练初始温度预测模型，得到温度预测模型。详细内容参见上述实施例中的描述，在此不再赘述。
在一示例中，环境信息包括灾害事件概率，选择模块203包括：
第二确定子模块，用于根据各灾害事件概率和各车内温度，确定目标车位。详细内容参见上述实施例中的描述，在此不再赘述。
上述装置的具体限定以及有益效果可以参见上文中对于车位推荐方法的限定，在此不再赘述。上述各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。
图3是根据一示例性实施例提出的一种计算机设备的硬件结构示意图。如图3所示，该设备包括一个或多个处理器310以及存储器320，存储器320包括持久内存、易失内存和硬盘，图3中以一个处理器310为例。该设备还可以包括：输入装置330和输出装置340。
处理器310、存储器320、输入装置330和输出装置340可以通过总线或者其他方式连接，图3中以通过总线连接为例。
处理器310可以为中央处理器(Central Processing Unit，CPU)。处理器310还可以为其他通用处理器、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、分立硬件组件等芯片，或者上述各类芯片的组合。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。
存储器320作为一种非暂态计算机可读存储介质，包括持久内存、易失内存和硬盘，可用于存储非暂态软件程序、非暂态计算机可执行程序以及模块，如本申请实施例中车位推荐方法对应的程序指令/模块。处理器310通过运行存储在存储器320中的非暂态软件程序、指令以及模块，从而执行服务器的各种功能应用以及数据处理，即实现上述任意一种车位推荐方法。
存储器320可以包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需要的应用程序；存储数据区可存储根据需要使用的数据等。此外，存储器320可以包括高速随机存取存储器，还可以包括非暂态存储器，例如至少一个磁盘存储器件、闪存器件、或其他非暂态固态存储器件。在一些实施例中，存储器320可选包括相对于处理器310远程设置的存储器，这些远程存储器可以通过网络连接至数据处理装置。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
输入装置330可接收输入的数字或字符信息，以及产生与用户设置以及功能控制有关的信号输入。输出装置340可包括显示屏等显示设备。
一个或者多个模块存储在存储器320中，当被一个或者多个处理器310执行时，执行如图1所示的方法。
上述产品可执行本发明实施例所提供的方法，具备执行方法相应的功能模块和有益效果。未在本实施例中详尽描述的技术细节，具体可参见如图1所示的实施例中的相关描述。
本发明实施例还提供了一种非暂态计算机存储介质，计算机存储介质存储有计算机可执行指令，该计算机可执行指令可执行上述任意方法实施例中的方法。其中，存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory，ROM)、随机存储记忆体(RandomAccess Memory，RAM)、快闪存储器(Flash Memory)、硬盘(Hard Disk Drive，缩写：HDD)或固态硬盘(Solid-State Drive，SSD)等；存储介质还可以包括上述种类的存储器的组合。
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。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括要素的过程、方法、物品或者设备中还存在另外的相同要素。
以上仅是本发明的具体实施方式，使本领域技术人员能够理解或实现本发明。对这些实施例的多种修改对本领域的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发明的精神或范围的情况下，在其它实施例中实现。因此，本发明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申请的原理和新颖特点相一致的最宽的范围。
Claims (10)
1.一种车位推荐方法，其特征在于，所述方法包括：
获取待停车车辆的停车时段，以及目标停车区域中至少一个空闲车位在所述停车时段内的环境信息；
根据各所述环境信息，预测在所述停车时段的结束时刻，各所述空闲车位对应的待停车车辆的车内温度；
根据各所述车内温度，在各所述空闲车位中选择所述待停车车辆的目标车位。
2.根据权利要求1所述的方法，其特征在于，所述环境信息包括温度和日照强度，根据所述环境信息，预测在所述停车时段的结束时刻，所述空闲车位对应的待停车车辆的车内温度，包括：
根据所述停车时段，确定所述空闲车位的遮阳时段和所述遮阳时段对应的遮阳面积；
将所述温度、所述日照强度和所述遮阳面积，输入至预构建的温度预测模型中，预测所述空闲车位对应的待停车车辆的车内温度。
3.根据权利要求2所述的方法，其特征在于，根据所述停车时段，确定所述空闲车位的遮阳时段和所述遮阳时段对应的遮阳面积，包括：
获取所述停车时段对应的空闲车位的历史遥感影像；
根据所述历史遥感影像，确定所述空闲车位的遮阳时段和所述遮阳时段对应的遮阳面积。
4.根据权利要求3所述的方法，其特征在于，根据所述历史遥感影像，确定所述遮阳时段对应的遮阳面积，包括：
根据所述历史遥感影像，检测所述遮阳时段对应的第一阴影和第二阴影；
分别计算所述第一阴影的面积、所述第二阴影的面积；
将所述第一阴影的面积与所述第二阴影的面积求和，得到所述遮阳面积。
5.根据权利要求2所述的方法，其特征在于，所述温度预测模型的构建步骤包括：
获取历史温度、历史日照强度、历史遮阳面积和历史车内温度；
根据所述历史温度、所述历史日照强度、所述历史遮阳面积和所述历史车内温度，训练初始温度预测模型，得到所述温度预测模型。
6.根据权利要求5所述的方法，其特征在于，根据所述历史温度、所述历史日照强度、所述历史遮阳面积和所述历史车内温度，训练初始温度预测模型，得到所述温度预测模型，包括：
将所述历史温度、所述历史日照强度、所述历史遮阳面积作为所述初始温度预测模型的输入，将所述历史车内温度作为所述初始温度预测模型的输出，训练所述初始温度预测模型，得到所述温度预测模型。
7.根据权利要求1所述的方法，其特征在于，所述环境信息包括灾害事件概率，根据各所述车内温度，在各所述空闲车位中选择所述待停车车辆的目标车位，包括：
根据各所述灾害事件概率和各所述车内温度，确定所述目标车位。
8.一种车位推荐装置，其特征在于，所述装置包括：
获取模块，用于获取待停车车辆的停车时段，以及目标停车区域中至少一个空闲车位在所述停车时段内的环境信息；
预测模块，用于根据各所述环境信息，预测在所述停车时段的结束时刻，各所述空闲车位对应的待停车车辆的车内温度；
选择模块，用于根据各所述车内温度，在各所述空闲车位中选择所述待停车车辆的目标车位。
9.一种计算机设备，其特征在于，包括存储器和处理器，所述存储器和所述处理器之间互相通信连接，所述存储器中存储有计算机指令，所述处理器通过执行所述计算机指令，从而执行权利要求1-7中任一项所述的车位推荐方法的步骤。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1-7中任一项所述的车位推荐方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311440489.XA CN117496751A (zh) | 2023-11-01 | 2023-11-01 | 一种车位推荐方法、装置、计算机设备及介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311440489.XA CN117496751A (zh) | 2023-11-01 | 2023-11-01 | 一种车位推荐方法、装置、计算机设备及介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN117496751A true CN117496751A (zh) | 2024-02-02 |
Family
ID=89684108
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311440489.XA Pending CN117496751A (zh) | 2023-11-01 | 2023-11-01 | 一种车位推荐方法、装置、计算机设备及介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117496751A (zh) |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20100013575A (ko) * | 2008-07-31 | 2010-02-10 | 순천대학교 산학협력단 | 주차 지원 및 차량 제어 시스템 |
| DE102015200492A1 (de) * | 2015-01-14 | 2016-07-14 | Robert Bosch Gmbh | Verfahren zur Auswahl einer Parkposition für ein Fahrzeug |
| CN106796757A (zh) * | 2014-06-17 | 2017-05-31 | 大陆汽车有限公司 | 用于确定用于机动车辆的停车指示的方法及用于机动车辆的停车指示器 |
| KR20190067962A (ko) * | 2017-12-08 | 2019-06-18 | 현대자동차주식회사 | 차량 및 그 제어 방법 |
| JP2019151246A (ja) * | 2018-03-05 | 2019-09-12 | アイシン・エィ・ダブリュ株式会社 | 駐車支援装置及びコンピュータプログラム |
| CN111240317A (zh) * | 2018-11-29 | 2020-06-05 | 福特全球技术公司 | 用于减少车辆蒸发排放的系统及方法 |
| US20220024450A1 (en) * | 2020-07-27 | 2022-01-27 | Hyundai Mobis Co., Ltd. | Method and apparatus for controlling parking of vehicle |
| CN115934868A (zh) * | 2021-09-19 | 2023-04-07 | 华为技术有限公司 | 地图数据处理方法和装置 |
-
2023
- 2023-11-01 CN CN202311440489.XA patent/CN117496751A/zh active Pending
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20100013575A (ko) * | 2008-07-31 | 2010-02-10 | 순천대학교 산학협력단 | 주차 지원 및 차량 제어 시스템 |
| CN106796757A (zh) * | 2014-06-17 | 2017-05-31 | 大陆汽车有限公司 | 用于确定用于机动车辆的停车指示的方法及用于机动车辆的停车指示器 |
| DE102015200492A1 (de) * | 2015-01-14 | 2016-07-14 | Robert Bosch Gmbh | Verfahren zur Auswahl einer Parkposition für ein Fahrzeug |
| KR20190067962A (ko) * | 2017-12-08 | 2019-06-18 | 현대자동차주식회사 | 차량 및 그 제어 방법 |
| JP2019151246A (ja) * | 2018-03-05 | 2019-09-12 | アイシン・エィ・ダブリュ株式会社 | 駐車支援装置及びコンピュータプログラム |
| CN111240317A (zh) * | 2018-11-29 | 2020-06-05 | 福特全球技术公司 | 用于减少车辆蒸发排放的系统及方法 |
| US20220024450A1 (en) * | 2020-07-27 | 2022-01-27 | Hyundai Mobis Co., Ltd. | Method and apparatus for controlling parking of vehicle |
| CN115934868A (zh) * | 2021-09-19 | 2023-04-07 | 华为技术有限公司 | 地图数据处理方法和装置 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US11210552B2 (en) | Systems, methods, and computer readable media for predictive analytics and change detection from remotely sensed imagery | |
| CN107703564B (zh) | 一种降雨预测方法、系统及电子设备 | |
| US20200371230A1 (en) | Method and apparatus for predicting severe convection weather | |
| Carneiro et al. | Review on photovoltaic power and solar resource forecasting: current status and trends | |
| CN108875746B (zh) | 一种车牌识别方法、装置、系统及存储介质 | |
| US10267950B2 (en) | System, method and program product for providing populace centric weather forecasts | |
| US11346979B2 (en) | Automated global weather notification system | |
| CN106803128B (zh) | 光伏发电的预测方法和装置 | |
| US20160148383A1 (en) | Estimating rainfall precipitation amounts by applying computer vision in cameras | |
| Becciu et al. | Semi-probabilistic design of rainwater tanks: A case study in Northern Italy | |
| JP4818079B2 (ja) | 気象予測データ解析装置及び気象予測データ解析方法 | |
| DE102021121822A1 (de) | Systeme und verfahren zum erhöhen der solarleistungserzeugung während eines fahrzeugparkens | |
| CN107153891B (zh) | 区域转移调度方法、装置、设备及存储介质 | |
| CN115358060A (zh) | 一种支持新能源发电功率高精度预测的高效算法框架 | |
| CN116106988A (zh) | 天气预测方法、装置、电子设备及存储介质 | |
| CN114185114A (zh) | 降水预报落区的订正方法、装置、电子设备及介质 | |
| CN117496751A (zh) | 一种车位推荐方法、装置、计算机设备及介质 | |
| CN115685394B (zh) | 数据处理方法、设备及介质 | |
| CN113222276B (zh) | 覆冰情况预测方法、装置、计算机设备和存储介质 | |
| Brabec et al. | Generalized additive models for nowcasting cloud shading | |
| US20120092347A1 (en) | Electronic device and method for displaying weather information thereon | |
| CN113962495A (zh) | 一种风电场功率预测方法、装置及电子设备 | |
| CN117075230B (zh) | 一种降雨数据修正方法、装置、计算机设备及介质 | |
| CN113011637A (zh) | 空气质量的预测方法、装置、设备及存储介质 | |
| CN116629459B (zh) | 一种基于遥感和降水对水域淹没范围进行预测的方法 |
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 |