CN117576943A - 一种停车场车辆信息智能分析管理系统 - Google Patents
一种停车场车辆信息智能分析管理系统 Download PDFInfo
- Publication number
- CN117576943A CN117576943A CN202311782865.3A CN202311782865A CN117576943A CN 117576943 A CN117576943 A CN 117576943A CN 202311782865 A CN202311782865 A CN 202311782865A CN 117576943 A CN117576943 A CN 117576943A
- Authority
- CN
- China
- Prior art keywords
- parking lot
- vehicle
- information
- parking
- reference coefficient
- 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
- 238000004458 analytical method Methods 0.000 title claims abstract description 38
- 238000007726 management method Methods 0.000 claims description 26
- 230000008859 change Effects 0.000 claims description 22
- 230000007306 turnover Effects 0.000 claims description 13
- 238000013468 resource allocation Methods 0.000 claims description 9
- 238000012216 screening Methods 0.000 claims description 4
- 238000012163 sequencing technique Methods 0.000 claims description 2
- 230000000694 effects Effects 0.000 abstract description 7
- 238000012545 processing Methods 0.000 abstract description 2
- 230000000875 corresponding effect Effects 0.000 description 41
- 239000011159 matrix material Substances 0.000 description 14
- 238000000034 method Methods 0.000 description 5
- 238000012544 monitoring process Methods 0.000 description 5
- 230000006872 improvement Effects 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 2
- 238000004140 cleaning Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000003631 expected effect Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 230000008092 positive effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000007619 statistical method Methods 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
- G08G1/145—Traffic control systems for road vehicles indicating individual free spaces in parking areas where the indication depends on the parking areas
- G08G1/148—Management of a network of 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
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
本申请公开了一种停车场车辆信息智能分析管理系统,涉及停车场技术领域,包括:S1,获取车辆的目的地,根据车辆的目的地确定目标停车场的停车场信息;S2,根据目标停车场的停车场信息,获取目标停车场对应的用户反馈信息;S3,基于用户反馈信息,将目标停车场按照用户反馈信息中的反馈内容,确定停车的第一参考系数;S4,针对车辆与目标停车场的距离,预估车辆到达的时间,获取车辆到达时间内的历史车辆记录,基于历史车辆记录,获取第二参考系数;S5,根据目标停车场的基础设施信息,获取第三参考系数;S6,基于第一参考系数、第二参考系数、第三参考系数,获取车辆的停车策略;能够提高停车场中车辆的管理效果,提高车辆信息的处理效率。
Description
技术领域
本发明涉及停车场技术领域,尤其涉及一种停车场车辆信息智能分析管理系统。
背景技术
随着城市化建设的不断进行,城市人口越来越多,越来越多的人们享受到城市化在出行与生活方面带来的便利;同时,由于人们生活水平的提高,私家车也越来越多,进而使得停车位越来越紧张,尤其是电车,在考虑停车的同时,还要考虑车辆的充电问题,由于电车充电时间周期较长,进而许多停车场直接在车位上设置充电桩,便于电车边停车边充电。
如中国专利(CN202210951745.0)公开了一种基于物联网的智能停车场共享管理系统及方法,该系统包括车位闲置率分析模块,所述车位闲置率分析模块获取导航信息目的地第一单位距离内的停车场,对获取的各个停车场按从小到大的顺序进行编号,并根据获取的停车场对应的历史停车数据,分析每个停车场不同时间对应的闲置率,将普通车位对应的闲置率记为第一闲置率,将带充电桩的车位对应的闲置率记为第二闲置率,所述第一单位距离为数据库中预制的常数。
现有技术中,通过对带有充电桩的车位进行预约,让电车可以去对应带有充电桩的车位;但是停车场对应车位分布是不同的,仅通过预约容易找不到车位,同时电车电量核定的,对于不同电车和客户需求,对应的充电桩和车位都应该进行调整。
发明内容
本申请实施例通过提供一种停车场车辆信息智能分析管理系统,解决了现有技术中不能根据用户实际需求调整车位选择的问题,提高了停车场信息管理的效果。
本申请实施例提供了一种停车场车辆信息智能分析管理系统,包括:
S1,获取车辆的目的地,根据车辆的目的地确定目标停车场的停车场信息;
S2,根据目标停车场的停车场信息,获取目标停车场对应的用户反馈信息;
S3,基于用户反馈信息,将目标停车场按照用户反馈信息中的反馈内容,确定停车的第一参考系数;
S4,针对车辆与目标停车场的距离,预估车辆到达的时间,获取车辆到达时间内的历史车辆记录,基于历史车辆记录,获取第二参考系数;
S5,根据目标停车场的基础设施信息,获取第三参考系数;
S6,基于第一参考系数、第二参考系数、第三参考系数,获取车辆的停车策略。
步骤S3中第一参考系数的获取方式包括:
S301,获取目标停车场的停车场信息,停车场信息含有多个数据项;
S302,基于获取的停车场信息,确定每个停车场信息中不同数据项之间的相关性;
S303,基于停车场信息中不同数据项之间的相关性,获取每个数据项对应的用户反馈信息;
S304,基于相关性和用户反馈信息,对不同的数据项设置权重,对加权后的数据项进行分析,生成数据项分析结果;
S305,基于加权后的数据项分析结果,将历史停车记录中权重最高的信息作为第一参考系数。
步骤S4中第二参考系数的获取方式包括:
S401,基于车辆与目标停车场之间的距离,预估车辆到达时间;
S402,在预估的车辆达到时间内,获取相应的历史车辆记录;历史车辆记录包括车辆的进入和离开时间、停车位的使用状况;
S403,根据历史车辆记录,确定车辆目的地;基于车辆目的地和预估的车辆到达时间,进一步筛选相似的历史车辆记录;
S404,对于预估的到达时间内的历史车辆记录,获取对应的用户反馈信息;
S405,基于历史车辆记录和用户反馈信息,确定第二参考系数。
步骤S5中第三参考系数的获取方式包括:
S501,获取目标停车场的基础设施信息;
S502,根据目标停车场的基础设施信息,获取对应的车位特征和使用特征;
S503,根据车位特征和使用特征,确定第三参考系数。
步骤S6的实现方式包括:S601,将第一参考系数、第二参考系数、第三参考系数进行综合汇总;
S602,基于第二参考系数,预测未来一端时间内目标停车场的需求预测状况;
S603,基于第三参考系数,确定目标停车场的基础设置情况,确定目标停车场的资源分配状况;
S604,基于第一参考系数,确定用户反馈信息和历史车辆记录;根据用户反馈信息和历史车辆记录,获取第一参考系数对应的需求预测状况和资源分配状况,确定目标停车场的停车策略。
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:
通过对目标停车场设置相应的第一参考系数、第二参考系数、第三参考系数,使得停车场在对用户信息进行管理时,能够根据用户的需求、停车场车辆的变化情况与用户的车辆进行匹配,为用户规划合适的停车位,减少用于寻找车位时寻找的时间,使得用户可以更快找到符合需求的车位,提高用户寻找车位的效率,停车场的管理运行更加的有效和合理。
附图说明
图1为一种停车场车辆信息智能分析管理系统的流程示意图;
图2为一种停车场车辆信息智能分析管理系统的步骤S3的流程示意图;
图3为一种停车场车辆信息智能分析管理系统的步骤S4的流程示意图;
图4为一种停车场车辆信息智能分析管理系统的步骤S5的流程示意图;
图5为一种停车场车辆信息智能分析管理系统的步骤S6的流程示意图。
具体实施方式
为了便于理解本发明,下面将参照相关附图对本申请进行更全面的描述;附图中给出了本发明的较佳实施方式,但是,本发明可以以许多不同的形式来实现,并不限于本文所描述的实施方式;相反地,提供这些实施方式的目的是使对本发明的公开内容理解的更加透彻全面。
需要说明的是,本文所使用的术语“垂直”、“水平”、“上”、“下”、“左”、“右”以及类似的表述只是为了说明的目的,并不表示是唯一的实施方式。
除非另有定义,本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同;本文中在本发明的说明书中所使用的术语只是为了描述具体的实施方式的目的,不是旨在于限制本发明;本文所使用的术语“和/或”包括一个或多个相关的所列项目的任意的和所有的组合。
实施例一
如图1所示,一种停车场车辆信息智能分析管理系统包括:
S1,获取车辆的目的地,根据车辆的目的地确定目标停车场的停车场信息;
S2,根据目标停车场的停车场信息,获取目标停车场对应的用户反馈信息;
S3,基于用户反馈信息,将目标停车场按照用户反馈信息中的反馈内容,确定停车的第一参考系数;
S4,针对车辆与目标停车场的距离,预估车辆到达的时间,获取车辆到达时间内的历史车辆记录,基于历史车辆记录,获取第二参考系数;
S5,根据目标停车场的基础设施信息,获取第三参考系数;
S6,基于第一参考系数、第二参考系数、第三参考系数,获取车辆的停车策略。
其中,第一参考系数包括:根据当前停车场的停车进入量、实时车位、停车场收费标准、行车时长、行车距离以及停车场至目的地的距离设置权重,基于用户反馈信息将历史停车记录中出现最多的信息设置为第一参考系数。
第二参考系数包括:获取车辆的目的地,根据车辆预测到达的时间,确定预测到达时间内的历史车辆记录,基于历史车辆记录和预测到达时间对应的用户反馈信息获取第二参考系数,第二参考系数用于确定预测到达时间内停车场内部的变化情况。
第三参考系数包括:基于停车场的基础设施信息,获取第三参考系数,第三参考系数用于确定当前停车场内存在的车位类型,来获取停车场相关的车辆类型带来的特征情况,第三参考系数包括停车场车位的大小、使用状况、车位上设施的类型,如充电桩设置的车位、车位大小的分布情况。
优选的,所述第三参考系数还包括获取停车场的第一变量、第二变量;第一变量为不变变量,是指在特定研究或系统环境中保持恒定或基本不变的因素;第二变量为可变变量;是指在研究或系统环境中易于变化的因素。
第一变量包括:停车场内车辆的数量、可用停车位的数量、车辆停放的位置、停车场内的光照强度、停车场内的温度、车辆进出的速度、停车场的收费标准、停车场内充电桩的使用情况、停车场内的清洁状况、停车场内的安全状况。
第二变量包括:停车场的地理位置、停车场的总面积、停车场的结构类型、停车场的出入口数量和位置、停车位的大小和数量、停车场的消防设施和安全设施、停车场的支付方式、停车场的开放时间。
在目标停车场进行确定时还包括:
获取停车场内对应的停车信息,停车信息包括:车辆进出入信息,车辆的历史停车记录,停车场的车位使用状况;获取实时的车辆信息,根据停车场对应的停车信息,确定车辆预约车位;基于预约车位的反馈情况,确定车辆的移动路径。
首先获取停车场内的停车信息,并实时识别当前驶入和驶出的车辆信息,基于驶入车辆的历史停车记录和历史停车记录中的反馈信息,确定驶入车辆对应选择的车位,并基于反馈信息选择停车场中符合车主偏好的车位,并根据导航将车主引导至车位,以实现对实时车辆信息的处理。
优选的,在获取到车辆信息时,获取车辆与停车场的空闲车位的第一距离,并获取与最近空车车位的第二距离,当车辆的剩余空位的第一距离大于第二距离时,选择第二距离对应的车位作为车辆移动的车位。
在本实施例中,通过对用户反馈信息进行提取,并基于用户即将到达时间内的反馈信息和实施变化信息,来调整用户对目标停车场的选择,同时在确定目标停车场后,基于停车场对应的设施信息,选择车辆最终停放的车位,提高了车辆停放的效率,提高了用户对停车场的反馈效果。
实施例二
为了使得用户反馈信息对车辆选择停车场产生正面效果,如图2所示,步骤S3中第一参考系数的获取方式为:
S301,获取目标停车场的停车场信息,停车场信息含有多个数据项;停车场信息包括:目标停车场的停车进入量、实时车位、停车场收费标准、行车时长、行车距离以及停车场至目的地的最短距离。
停车进入量为记录每次车辆进入停车场的时间、车牌等信息;实时车位为通过停车场管理系统实时更新车位占用情况;收费标准为收集停车场的计费规则,如每小时费用、最高费用等;行车时长为记录车辆在停车场内的停留时间;行车距离为通过GPS或其他定位技术记录车辆行驶的距离;停车场至目的地最短距离为获取停车场到用户最终目的地的距离数据。
S302,基于获取的停车场信息,确定每个停车场信息中不同数据项之间的相关性。
例如,获取在停车进入量多的情况与行车时长对应的情况,识别出在停车进入量多的情况下,停车的用户行驶的距离;或者是获取停车场至目的地距离可以识别出用户在行驶时偏好在什么位置停车,根据停车场信息中每个数据项之间的相关性,能够知道客户实际使用时的偏好及停车习惯。
对于每个数据项之间的相关性的获取方式包括:
依次对比停车场信息中每个数据项,将每个数据项之间的相关性系数组成作为相关性矩阵,其中相关性矩阵中每个元素均表示相应变量之间的相关性系数。
例如,依次获取目标停车场的停车进入量与实时车位、停车场收费标准、行车时长、行车距离以及停车场至目的地的距离之间的相关性矩阵;在对数据项进行计算时选择单位时间内停车场信息的平均值进行相关性的计算,例如在停车进入量比较多的时间段,单位时间设置为1分钟一次,停车进入量少的时间段设置为5分钟一次,实时分析当前停车场信息中对于用户停车影响程度最大的数据项。
其中,相关性系数通过皮尔逊相关系数计算获得,每个数据项之间的相关性系数取值范围为-1到1,当相关性系数接近1时表示强烈的正相关,当相关性系数接近-1时表示强烈的负相关,当相关性系数接近0时表示弱相关或者无相关。
例如,对于相关性矩阵的展示方式为下表所示:
在上述表中将每个数据项之间的相关性系数进行组成,形成单位时间内对应的相关性矩阵,以表示停车场信息中包含的变量之间的相关性。
S303,基于停车场信息中不同数据项之间的相关性,获取每个数据项对应的用户反馈信息。
基于获取的停车场信息中不同数据项之间的相关性,比较每个相关性矩阵的大小;计算每个相关性矩阵的绝对值,以获取相关性对应的强度;对于每个相关性矩阵,计算所有相关性系数的平均值,比较平均值的大小,选择单位时间内相关性强度最高的相关性矩阵;获取相关性强度最高的相关性矩阵对应的反馈信息。
通过相关性强度最高的相关性矩阵和反馈信息,可以知道目标停车场经常发生的状况,从而可以帮助识别目标停车场是否符合客户需求。
S304,基于相关性和用户反馈信息,对不同的数据项设置权重,对加权后的数据项进行分析,生成数据项分析结果。
将用户反馈信息进行归一化处理,如将如1-5星评价、1-10的评分等,统一到一个固定的尺度区间,如0-1之间。
假设有以下数据项和用户反馈信息:
数据项:停车进入量(A)、实时车位(B)、停车费用(C)、用户评分(D);
用户反馈信息(1-5星评价):A=4星,B=5星,C=3星,D=4星;
按照以下步骤设置权重:
将用户反馈归一化:A=0.8,B=1.0,C=0.6,D=0.8;
假设计算得到的相关性矩阵显示A和B高度相关,C和D中度相关,基于这个信息和用户反馈,可以决定给高度相关的数据项一个较低的权重,以避免冗余,而给用户评价较高的数据项一个较高的权重。
例如,如果A和B的相关性是0.8,则它们的权重可以是:(0.8+(1-0.8))/2=0.5,以此类推。
最终,我们可以得到加权的数据项,然后将加权处理后的相关性矩阵输出作为数据项分析结果。
S305,基于加权后的数据项分析结果,将历史停车记录中权重最高的信息作为第一参考系数。
此时通过对数据项分析结果中的相关性矩阵中加权后值最大的数据与历史停车记录进行比对,选择中权重最大对应的数据,并将对应数据的特征信息作为第一参考系数。
在本实施例中,通过对停车场信息中不同数据项之间进行关联,确定数据项之间的相关性,识别出停车场在不同情况下对应的状况,并基于用户反馈信息对停车场信息进行加权处理,使得用户在停车时可以识别出当前停车场的显著特征,辅助用户选择合适的停车场。
实施例三
为了确定在用户到达目标停车场时停车场对应的状况,在获取到预估时间后,对于预估时间内车辆的变化情况进行识别,以确定目标停车场不会出现大量突然行驶进入的车辆,并根据此时不同用户在这个时间段内的反馈情况与历史停车记录中的相同信息进行核实,来更好的预防过多车辆驶入产生的拥堵等问题;通过对第二参考系数的设定,来调整每个预估时间段内第二参考系数的变化情况,以预测停车场信息的变化。
如图3所示,步骤S4中第二参考系数的获取方式包括:
S401,基于车辆与目标停车场之间的距离,预估车辆到达时间;
S402,在预估的车辆达到时间内,获取相应的历史车辆记录;历史车辆记录包括车辆的进入和离开时间、停车位的使用状况;
S403,根据历史车辆记录,确定车辆目的地;基于车辆目的地和预估的车辆到达时间,进一步筛选相似的历史车辆记录;如筛选出相同时间段、相同目的地的车辆历史记录,以确定不同停车记录之间的相关性。
S404,对于预估的到达时间内的历史车辆记录,获取对应的用户反馈信息,如停车位满意度、费用合理性、停车场服务。
S405,基于历史车辆记录和用户反馈信息,确定第二参考系数;第二参考系数可以反应预估车辆到达时间内目标停车场的到达情况。
通过对预估达到时间内的历史车辆记录的变化情况,可以确定目标停车场对应的变化情况,以预防车辆到达时无法找到对应停车位的问题,同时根据第二参考系数还可以实时调整当前选择的停车场,以提高停车的效果。
优选的,获取第二参考系数时还包括:获取历史车辆记录的平均停留时间、停车位周转率、用户满意度评分、费用变化;基于历史车辆记录的不同,设置相应权重,计算出每个历史车辆记录的综合得分,根据历史车辆记录的综合得分,确定第二参考系数。
平均停留时间:计算预测到达时间内历史车辆在停车场的平均停留时间。这可以帮助了解在该时间段内停车场的繁忙程度。
停车位周转率:分析预测到达时间内停车位的周转率(即停车位被使用的频率)。高周转率可能意味着停车场在该时间段内较为拥挤。
用户满意度评分:根据用户反馈信息,计算预测到达时间内用户对停车场的平均满意度评分。这可以反映停车场在该时间段内的服务质量。
费用变化:分析预测到达时间内停车费用的变化情况。如果费用在该时间段内有显著变化,这可能影响用户的停车选择。
通过预估车辆到达时间和获取历史车辆记录,车辆可以更加准确地了解目标停车场的情况,包括停车位的可用性、停车费用等。这有助于车辆在选择停车场时做出更明智的决策,从而提高停车效率。通过分析用户反馈信息,车辆可以了解用户对停车场的满意度和服务质量。这有助于车辆在选择停车场时避开那些用户评价较差的停车场,从而提供更好的用户体验。通过分析历史车辆记录和预测到达时间内的停车场内部变化情况,车辆可以更加准确地预测停车费用。这有助于车辆在选择停车场时选择费用更合理的停车场,从而降低停车成本。车辆可以更加准确地了解停车场的交通状况和潜在风险。这有助于车辆在行驶过程中提前做出调整,提升行车安全性。通过综合分析历史车辆记录、用户反馈信息以及其他相关因素,车辆可以为用户提供更加个性化的服务。
实施例四
为了确定当前进入的停车场符合用户的需求,获取当前停车场内的具体设施状况,以确定停车场具体设施是否符合用户需求,以提高用户停车的预期效果,通过比对目标停车场内的基础设施信息,来确定当前停车场的实际使用状况,以匹配用户停车的实际需求,从而提高停车的效果。
具体的,如图4所示,步骤S5的实现方式包括:
S501,获取目标停车场的基础设施信息,基础设施信息包括停车场内各种车位的大小、每个车位的使用频率、控制时间和车位上设置的设施类型,如充电桩、残疾人车位标识。
S502,根据目标停车场的基础设施信息,获取对应的车位特征和使用特征,车位特征为不同类型车位的特征,如大小、设施类型;使用特征为车位使用情况的特征,如使用频率、空置率。
S503,根据车位特征和使用特征,确定第三参考系数。
对于第三参考系数的获取方式,根据车位特征和使用特征的相关性进行确定,将相关性最高的车位特征和使用特征作为第三参考系数。
例如停车场已经安装了传感器和摄像头,可以收集以下数据:
车位大小、车位是否被占用、占用车位的车辆类型、车位上的设施(如充电桩)、车位的使用频率和时长。
优选的,根据停车场获取的数据信息,第三参考系数的选择方式还包括:
基于目标停车场的使用特征,确定每个车位在单位时间内的车位利用率;
基于车位的车位利用率,确定每个车位的车位周转率,基于每个车位的车位周转率,确定对应车位与车辆类型的车位匹配度;根据车位匹配度对车位进行排序,将车位周转率和车位利用率的乘积的均值作为第三参考系数;基于目标停车场每个车位的车位特征,确定每个车位的设施使用率,基于每个设施使用率调整第三参考系数。
车位利用率:通过计算每个车位在特定时间段内被占用的时间比例,可以得到车位利用率。这个指标可以帮助停车场了解哪些车位最受欢迎,哪些车位可能需要调整定价或进行促销。
车位周转率:周转率指的是车位在24小时内被占用的次数。这个指标可以帮助识别那些经常被短暂占用的车位,这些车位可能适合用于短时停车或者调整定价策略以吸引更长时间的停车。
车辆类型与车位匹配度:通过分析占用车位的车辆类型(如小型车、SUV、货车等)和车位大小的关系,可以了解不同类型车辆对车位的需求。这有助于优化车位分配策略,确保每种车辆类型都能找到合适的车位。
设施使用率:对于配备充电桩的车位,可以通过监测充电桩的使用情况来了解这类车位的受欢迎程度。如果充电桩使用频繁,可能需要增加更多充电车位以满足需求。
通过获取每个车位特征、使用特征与车辆之间的相关性,并基于当前用户的实际需求,确定当前权重最高的特征,以实现对第三参考系数的调整。
优选的,为了提高第三参考系数对目标停车场对应信息的提取效果,将第三参考系数分为第一变量和第二变量,以确定不同停车场在不同时间下可能发生的变化。
具体的,针对第一变量与第二变量对停车场实现方式的调整包括:
对第一变量和第二变量进行描述性分析,确定目标停车场的基本状况和运行状态;
基于历史车辆记录,获取目标停车场的运行状态的变化趋势;
基于目标停车场的变化趋势和用户需求,确定用户的停车策略。
对收集到的第一变量和第二变量进行描述性分析,以了解停车场的基本情况和运行状态。例如,可以计算平均停车位使用率、平均停车时间、充电桩使用率等。
基于历史数据,使用统计方法或机器学习算法建立预测模型。这些模型可以帮助预测未来某时间段的停车位需求、充电桩需求等。
结合预测模型和业务目标(如最大化收入、最小化空置率),建立优化模型来制定定价策略、车位分配策略等。
根据停车位的需求预测、成本考虑和市场竞争情况,动态调整停车费用。例如,在高峰期可以提高价格以抑制需求,而在低谷期可以降低价格以吸引客户。
基于车辆类型和停车位特征的匹配程度,以及充电桩的使用情况,智能分配停车位,以提高客户满意度和车位利用率。
通过分析清洁状况和安全状况的数据,及时发现并解决问题,提升用户体验。
例如:某商业区停车场。
该停车场在周末下午经常出现停车位紧张的情况。通过分析历史数据,发现周末下午的停车位需求比平时高出50%。因此,停车场决定在周末下午提高停车费用,并通过预订系统提前分配停车位。
通过监测充电桩的使用情况,发现电动汽车用户在晚上8点至10点是充电高峰期。为了满足这部分用户的需求,停车场在这个时间段内为电动汽车用户提供折扣,并预留部分充电桩。
通过分析安全监控摄像头的录像,发现某个区域的盗窃事件发生率较高。停车场加强了这个区域的安保措施,并通知用户注意个人财物安全。
实施例五
当确定第一参考系数、第二参考系数、第三参考系数时,根据第一参考系数、第二参考系数、第三参考系数对应的数据不同,选择最符合当前状况的停车策略,以提高停车场信息的管理方式。
如图5所示,步骤S6具体的实现方式包括:
S601,将第一参考系数、第二参考系数、第三参考系数进行综合汇总;
S602,基于第二参考系数,预测未来一端时间内目标停车场的需求预测状况;
S603,基于第三参考系数,确定目标停车场的基础设置情况,确定目标停车场的资源分配状况;
S604,基于第一参考系数,确定用户反馈信息和历史车辆记录;根据用户反馈信息和历史车辆记录,获取第一参考系数对应的需求预测状况和资源分配状况,确定目标停车场的停车策略。
将第一参考系数(历史车辆记录和用户反馈信息)、第二参考系数(预测到达时间内停车场内部的变化情况)和第三参考系数(停车场基础设施信息和相关变量)的数据进行汇总和整合。对整合后的数据进行综合分析,包括趋势分析、关联性分析、预测模型等,以全面了解停车场的运行状况和需求变化。
结合第二参考系数实现需求预测,预测未来一段时间内停车场的需求变化,包括停车位需求、充电设施需求等。
根据第三参考系数实现资源分配,了解停车场的基础设施情况和可用资源,如停车位数量、充电桩数量等,并进行合理分配。
综合考虑第一参考系数中的用户反馈和历史车辆记录,以及需求预测和资源分配情况,制定对应的停车策略,以平衡供需关系并优化收入。
实时监测第一参考系数、第二参考系数和第三参考系数的变化情况,以及停车场的实际运行数据。
根据监控结果和实际需求,及时调整停车策略,如动态调整定价、重新分配停车位或调整充电桩的使用规则等;及时处理用户反馈,对停车策略进行持续改进和优化,提高用户满意度。
假设某停车场通过分析第一参考系数发现,用户普遍对停车费用敏感,且更喜欢预订停车位。同时,第二参考系数预测未来一周内将有大量电动汽车用户需要预约停车位和充电服务。根据第三参考系数,停车场了解到自身拥有充足的停车位和充电桩资源。基于这些信息,停车场可以采取以下调整措施:
提前预订服务:推出提前预订服务,允许用户在到达停车场前预订停车位和充电服务,以满足他们的需求并提高满意度。
动态定价策略:根据预测的需求变化和剩余停车位情况,动态调整停车费用。在需求高峰期适当提高价格,而在需求低谷期降低价格以吸引更多用户。
资源分配优化:根据预测的电动汽车用户需求,合理分配充电桩资源,确保他们能够快速充电并减少等待时间。
用户反馈处理:针对用户反馈中关于停车费用和预订服务的意见进行及时响应和改进措施的实施确保用户的满意度持续提高。
用户在获取到停车策略时,可以通过安装的APP和其他终端设备进行指向,根据获取停车场内的设施等信息,通过导航辅助用户找到适合用户需求的车位,以减少用户寻找车位时消耗的时间,避免停车时出现的拥堵和无车位的情况,进而提高停车场管理的准确性。
以上所述仅为本发明的优选实施方式,并不用于限制本发明,对于本领域技术人员来说,本发明可以有各种更改和变化。凡在本发明精神和原则内,所做的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.一种停车场车辆信息智能分析管理系统,其特征在于,包括:S1,获取车辆的目的地,根据车辆的目的地确定目标停车场的停车场信息;
S2,根据目标停车场的停车场信息,获取目标停车场对应的用户反馈信息;
S3,基于用户反馈信息,将目标停车场按照用户反馈信息中的反馈内容,确定停车的第一参考系数;
S4,针对车辆与目标停车场的距离,预估车辆到达的时间,获取车辆到达时间内的历史车辆记录,基于历史车辆记录,获取第二参考系数;
S5,根据目标停车场的基础设施信息,获取第三参考系数;
S6,基于第一参考系数、第二参考系数、第三参考系数,获取车辆的停车策略。
2.如权利要求1所述的一种停车场车辆信息智能分析管理系统,其特征在于,所述第三参考系数还包括获取停车场的第一变量、第二变量;第一变量为不变变量;第二变量为可变变量。
3.如权利要求1所述的一种停车场车辆信息智能分析管理系统,其特征在于,步骤S3中第一参考系数的获取方式包括:
S301,获取目标停车场的停车场信息,停车场信息含有多个数据项;
S302,基于获取的停车场信息,确定每个停车场信息中不同数据项之间的相关性;
S303,基于停车场信息中不同数据项之间的相关性,获取每个数据项对应的用户反馈信息;
S304,基于相关性和用户反馈信息,对不同的数据项设置权重,对加权后的数据项进行分析,生成数据项分析结果;
S305,基于加权后的数据项分析结果,将历史停车记录中权重最高的信息作为第一参考系数。
4.如权利要求3所述的一种停车场车辆信息智能分析管理系统,其特征在于,所述停车场信息包括:目标停车场的停车进入量、实时车位、停车场收费标准、行车时长、行车距离以及停车场至目的地的最短距离。
5.如权利要求1所述的一种停车场车辆信息智能分析管理系统,其特征在于,步骤S4中第二参考系数的获取方式包括:
S401,基于车辆与目标停车场之间的距离,预估车辆到达时间;
S402,在预估的车辆达到时间内,获取相应的历史车辆记录;
S403,根据历史车辆记录,确定车辆目的地;基于车辆目的地和预估的车辆到达时间,进一步筛选相似的历史车辆记录;
S404,对于预估的到达时间内的历史车辆记录,获取对应的用户反馈信息;
S405,基于历史车辆记录和用户反馈信息,确定第二参考系数。
6.如权利要求1所述的一种停车场车辆信息智能分析管理系统,其特征在于,获取第二参考系数时还包括:获取历史车辆记录的平均停留时间、停车位周转率、用户满意度评分、费用变化;基于历史车辆记录的不同,设置相应权重,计算出每个历史车辆记录的综合得分,根据历史车辆记录的综合得分,确定第二参考系数。
7.如权利要求1所述的一种停车场车辆信息智能分析管理系统,其特征在于,步骤S5中第三参考系数的获取方式包括:
S501,获取目标停车场的基础设施信息;
S502,根据目标停车场的基础设施信息,获取对应的车位特征和使用特征;
S503,根据车位特征和使用特征,确定第三参考系数。
8.如权利要求2所述的一种停车场车辆信息智能分析管理系统,其特征在于,针对第一变量与第二变量对停车场实现方式的调整包括:
对第一变量和第二变量进行描述性分析,确定目标停车场的基本状况和运行状态;
基于历史车辆记录,获取目标停车场的运行状态的变化趋势;
基于目标停车场的变化趋势和用户需求,确定用户的停车策略。
9.如权利要求1所述的一种停车场车辆信息智能分析管理系统,其特征在于,步骤S6的实现方式包括:S601,将第一参考系数、第二参考系数、第三参考系数进行综合汇总;
S602,基于第二参考系数,预测未来一端时间内目标停车场的需求预测状况;
S603,基于第三参考系数,确定目标停车场的基础设置情况,确定目标停车场的资源分配状况;
S604,基于第一参考系数,确定用户反馈信息和历史车辆记录;根据用户反馈信息和历史车辆记录,获取第一参考系数对应的需求预测状况和资源分配状况,确定目标停车场的停车策略。
10.如权利要求7所述的一种停车场车辆信息智能分析管理系统,其特征在于,所述的第三参考系数的获取方式还包括:
基于目标停车场的使用特征,确定每个车位在单位时间内的车位利用率;
基于车位的车位利用率,确定每个车位的车位周转率,基于每个车位的车位周转率,确定对应车位与车辆类型的车位匹配度;根据车位匹配度对车位进行排序,将车位周转率和车位利用率的乘积的均值作为第三参考系数;基于目标停车场每个车位的车位特征,确定每个车位的设施使用率,基于每个设施使用率调整第三参考系数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311782865.3A CN117576943A (zh) | 2023-12-22 | 2023-12-22 | 一种停车场车辆信息智能分析管理系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311782865.3A CN117576943A (zh) | 2023-12-22 | 2023-12-22 | 一种停车场车辆信息智能分析管理系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117576943A true CN117576943A (zh) | 2024-02-20 |
Family
ID=89891922
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311782865.3A Pending CN117576943A (zh) | 2023-12-22 | 2023-12-22 | 一种停车场车辆信息智能分析管理系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117576943A (zh) |
-
2023
- 2023-12-22 CN CN202311782865.3A patent/CN117576943A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP7432649B2 (ja) | ライドシェアリング(相乗り)を管理するためのシステムと方法 | |
CN109416879B (zh) | 一种优先短停的泊位分级动态定价方法 | |
Huang et al. | Vehicle relocation in one-way station-based electric carsharing systems: A comparative study of operator-based and user-based methods | |
US10482766B2 (en) | Automated parking lot space assignment | |
CN107527520B (zh) | 基于大数据的智慧停车云平台 | |
CN109034566B (zh) | 一种基于公交站点上下客流的智能调度方法及装置 | |
CN107103383B (zh) | 一种基于打车热点的动态拼车调度方法 | |
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 | |
US20210140777A1 (en) | Routing With Environmental Awareness | |
US20230060713A1 (en) | Methods for recommending parking lots in smart cities, internet of things systems, and storage medium thereof | |
EP3332365A1 (en) | Systems and methods for adjusting ride-sharing schedules and routes | |
JP7428124B2 (ja) | 情報処理装置、情報処理方法、およびプログラム | |
CN114038231B (zh) | 停车场利用率调度方法、系统、设备以及存储介质 | |
CN113393137B (zh) | 一种基于车联网的调度共享系统 | |
CN115472011B (zh) | 基于预约数据的公交智能线路规划算法 | |
WO2019203804A1 (en) | Intelligent itinerary option sorting | |
US20220327483A1 (en) | Processing route information | |
CN110046535B (zh) | 基于机器学习的智能出行时间预测系统、方法及存储介质 | |
CN117576943A (zh) | 一种停车场车辆信息智能分析管理系统 | |
CN114387816B (zh) | 基于消费者行为预测分析的商城车流引导系统及方法 | |
CN111160597A (zh) | 基于出租车司机综合满意度的智能调度方法 | |
WO2019203805A1 (en) | Filtering for efficient routing data | |
Azevedo et al. | On the mobile intelligence of autonomous vehicles | |
CN117807283B (zh) | 基于大数据的停车订单分析方法和系统 |
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 |