CN117807283A - 基于大数据的停车订单分析方法和系统 - Google Patents
基于大数据的停车订单分析方法和系统 Download PDFInfo
- Publication number
- CN117807283A CN117807283A CN202410233009.0A CN202410233009A CN117807283A CN 117807283 A CN117807283 A CN 117807283A CN 202410233009 A CN202410233009 A CN 202410233009A CN 117807283 A CN117807283 A CN 117807283A
- Authority
- CN
- China
- Prior art keywords
- parking
- spot
- user
- peripheral
- information
- 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 56
- 230000002093 peripheral effect Effects 0.000 claims abstract description 156
- 238000000034 method Methods 0.000 claims description 31
- 238000004364 calculation method Methods 0.000 claims description 15
- 238000011156 evaluation Methods 0.000 claims description 15
- 238000012545 processing Methods 0.000 claims description 9
- 238000007781 pre-processing Methods 0.000 claims description 5
- 230000002159 abnormal effect Effects 0.000 claims description 3
- 238000012163 sequencing technique Methods 0.000 claims description 3
- 238000007405 data analysis Methods 0.000 abstract description 4
- 238000007726 management method Methods 0.000 description 11
- 238000010586 diagram Methods 0.000 description 7
- 238000004590 computer program Methods 0.000 description 5
- 238000012544 monitoring process Methods 0.000 description 5
- 238000005070 sampling Methods 0.000 description 5
- 230000009286 beneficial effect Effects 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 238000012986 modification Methods 0.000 description 4
- 230000004048 modification Effects 0.000 description 4
- 230000006399 behavior Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000003860 storage Methods 0.000 description 3
- 230000004075 alteration Effects 0.000 description 2
- 238000013475 authorization Methods 0.000 description 2
- 238000013500 data storage Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000009826 distribution Methods 0.000 description 2
- 238000011835 investigation Methods 0.000 description 2
- 238000013468 resource allocation Methods 0.000 description 2
- 239000002699 waste material Substances 0.000 description 2
- 230000007547 defect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000005065 mining Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000013439 planning Methods 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000000630 rising effect Effects 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
- 239000011800 void material Substances 0.000 description 1
Landscapes
- Traffic Control Systems (AREA)
Abstract
本发明公开了基于大数据的停车订单分析方法和系统,涉及数据分析技术领域。该基于大数据的停车订单分析方法和系统,基于当前停车需求用户的停车需求信息与停车用户信息库的停车用户信息进行匹配分析获得停车需求用户的初始推荐停车点;基于初始推荐停车点的停车点预测信息、当前信息、网络搜索信息进行分析,获得初始推荐停车点的停车鉴定评分,用于判断初始推荐停车点当前是否推荐停车;对于评估初始推荐停车点当前不推荐停车的情况,结合初始推荐停车点的周边停车点当前状态信息、周边停车点的停车预测信息与周边停车点的位置密集信息分析,获得周边停车点的推荐选取数值,用于在周边停车点选取推荐停车点。
Description
技术领域
本发明涉及数据分析技术领域,具体为基于大数据的停车订单分析方法和系统。
背景技术
随着城市化的不断推进,城市交通问题日益凸显,车辆增加、道路拥堵、停车难等问题成为制约城市交通效率和居民生活质量的重要因素,尤其是在繁忙区域和高峰时段,停车位资源的有限性和不合理分配导致了停车拥堵和浪费。
针对交通管理的挑战,智能交通系统逐渐兴起,这些系统通过信息技术、感知设备和大数据分析等手段,旨在提高交通效率、减缓拥堵,并优化交通资源的利用,大数据技术的发展为处理和分析大规模数据提供了强大工具,在城市交通管理领域,大数据分析能够帮助从海量的交通数据中挖掘有价值的信息,以支持更智能、高效的决策。
例如公告号为:CN107609067B公开的基于大数据的智慧停车车位推荐方法和系统,包括后台系统和移动终端,后台系统包括数据存储模块、匹配模块、当前评估模块、未来评估模块和推荐模块,数据存储模块中存储有停车场数据信息、道路数据信息、用户数据信息,移动终端用来采集用户的位置信息、预期停车时长、预期停车费用、下一目的地、最终选择以及评分并将这些数据发送给后台系统,移动终端还用来接收显示最终推荐结果。该基于大数据的智慧停车车位推荐方法和系统,能够解决现有推荐系统不考虑将未来状态因素的影响而给车主带来麻烦的问题。然而上述基于大数据的智慧停车车位推荐方法和系统针对停车车位的推荐匹配缺乏具体的数据计算模型。
因此,针对以上问题,亟待需要基于大数据的停车订单分析方法和系统。
发明内容
针对现有技术的不足,本发明提供了基于大数据的停车订单分析方法和系统,解决了城市停车资源分配不均匀,停车点利用率不均衡的问题。
为实现以上目的,本发明通过以下技术方案予以实现:基于当前停车需求用户的停车需求信息与停车用户信息库的停车用户信息进行匹配分析获得停车需求用户的初始推荐停车点;基于初始推荐停车点的停车点预测信息、当前信息、网络搜索信息进行分析,获得初始推荐停车点的停车鉴定评分,用于判断初始推荐停车点当前是否推荐停车;对于评估初始推荐停车点当前不推荐停车的情况,结合初始推荐停车点的周边停车点当前状态信息、周边停车点的停车预测信息与周边停车点的位置密集信息分析,获得周边停车点的推荐选取数值,用于在周边停车点选取推荐停车点。
进一步地,获得停车需求用户的初始推荐停车点具体为:获取目标城市的历史停车订单;基于历史停车订单分析得到停车订单相关信息,所述停车订单相关信息包括:车辆信息、停车点位置、停车时长、停车费用;对停车订单相关信息进行预处理,所述预处理包括:处理缺失值与异常值、数据标准化;基于预处理后的停车订单相关信息构建目标城市的停车用户信息库,所述停车用户信息库具体包括:停车用户身份信息、停车用户位置信息、停车用户常选停车点、停车用户平均单次停车费用、停车用户平均单次停车时长、停车用户车辆信息;获得当前停车需求用户的停车需求信息,所述当前停车需求用户的停车需求信息具体包括:预期停车时长、预期支付金额、当前停车需求用户地理位置特征值;提取当前停车需求用户的停车需求信息对应的停车用户信息库中的停车用户信息,所述停车用户信息包括:停车用户平均单次停车时长、停车用户平均单次停车费用、停车用户地理位置特征值;结合当前停车需求用户的停车需求信息与停车用户信息库中的停车用户信息分析计算,得到用户匹配偏差值,选取用户匹配偏差值最小的停车用户信息库中的停车用户作为匹配用户;基于匹配用户在停车用户信息库中的停车用户常选停车点作为停车需求用户的初始推荐停车点。
进一步地,所述判断初始推荐停车点当前是否推荐停车具体为:获得停车鉴定评分阈值,所述停车鉴定评分阈值表示为停车点在用户选择前往停车情况下用户可接受最大等待时长对应的停车鉴定评分;将初始推荐停车点的停车鉴定评分与停车鉴定评分阈值进行对比分析,当初始推荐停车点的停车鉴定评分大于停车鉴定评分阈值时,判断初始推荐停车点当前前往停车存在等待风险,不推荐当前停车需求用户前往停车;当初始推荐停车点的停车鉴定评分小于等于停车鉴定评分阈值时,判断初始推荐停车点符合当前停车需求用户停车需求,推荐当前停车需求用户前往停车,获取当前停车需求用户地理位置与初始推荐停车点地理位置,自动为当前停车需求用户提供停车路线。
进一步地,所述获得初始推荐停车点的停车鉴定评分具体为:通过初始推荐停车点的停车点预测信息分析,获得初始推荐停车点的停车预期状态评估值;获取初始推荐停车点的当前信息,所述当前信息具体包括:初始推荐停车点的当前停车空位数量、到达时长;结合初始推荐停车点的停车预期状态评估值、初始推荐停车点的当前停车空位数量、到达时长与网络搜索信息进行分析计算,得到初始推荐停车点的停车鉴定评分。
进一步地,所述初始推荐停车点的停车点预测信息具体包括:停车点周边道路拥堵指数、停车点高峰停车等待时长、停车点平峰停车空位比率;所述网络搜索信息具体包括:初始推荐停车点的导航软件当前搜索次数。
进一步地,所述获得初始推荐停车点的停车预期状态评估值具体为:获得初始推荐停车点的地理位置信息;基于初始推荐停车点的地理位置信息获得初始推荐停车点的停车点预测信息;对停车点周边道路拥堵指数、停车点高峰停车等待时长、停车点平峰停车空位比率分别赋予权重进行加权求和计算,得到初始推荐停车点的停车预期状态评估值。
进一步地,所述初始推荐停车点的停车鉴定评分计算公式为:;式中/>表示为初始推荐停车点的停车鉴定评分,/>表示为停车预期状态评估值,/>表示为当前停车空位数量,/>表示为到达时长,表示为初始推荐停车点的导航软件当前搜索次数,/>表示为当前停车空位数量的权重因子,/>表示为到达时长的权重因子,/>表示为初始推荐停车点的导航软件当前搜索次数的权重因子,/>表示为预设的停车空位数量,/>表示为预设的到达时长,/>表示为预设的导航软件当前搜索次数。
进一步地,所述在周边停车点选取推荐停车点具体为:获得初始推荐停车点的周边停车点地理位置信息,并为初始推荐停车点的周边停车点进行编号:,/>表示为初始推荐停车点的周边停车点总数;获得各个周边停车点的推荐选取数值,并为各个周边停车点的推荐选取数值依照从大到小的顺序进行排序;选取推荐选取数值最大的周边停车点作为推荐停车点,根据推荐停车点的地理位置信息及当前停车需求用户地理位置自动化生成停车路线。
进一步地,所述获得各个周边停车点的推荐选取数值具体为:获取周边停车点当前状态信息,所述周边停车点当前状态信息具体包括:前往路程、单位时间内收取费用、当前停车空位;获取周边停车点的停车预测信息,所述周边停车点的停车预测信息包括:周边停车点的周边道路拥堵指数、周边停车点的高峰停车等待时长、周边停车点的平峰停车空位比率;通过周边停车点的停车预测信息分析,获得各个周边停车点的停车预期状态评估值;获得周边停车点的位置密集信息,所述周边停车点的位置密集信息包括:周边停车点的商场占比、周边停车点的客流量距离;结合前往路程、单位时间内收取费用、当前停车空位、周边停车点的商场占比、周边停车点的客流量距离与各个周边停车点的停车预期状态评估值分析计算,得到各个周边停车点的推荐选取数值,所述各个周边停车点的推荐选取数值计算公式为:;式中/>表示为第/>个周边停车点的推荐选取数值,/>表示为第/>个周边停车点的停车预期状态评估值,/>表示为第/>个周边停车点的前往路程,/>表示为第/>个周边停车点的单位时间内收取费用,/>表示为第/>个周边停车点的当前停车空位,/>表示为周边停车点的商场占比,表示为周边停车点的客流量距离,/>表示为预设的周边停车点的前往路程,/>表示为预设的周边停车点的单位时间内收取费用,/>表示为预设的周边停车点的当前停车空位,/>表示为预设的周边停车点的商场占比,/>表示为预设的周边停车点的客流量距离,/>表示为前往路程的权重因子,/>表示为单位时间内收取费用的权重因子,/>表示为当前停车空位的权重因子,/>表示为周边停车点的商场占比的权重因子,/>表示为周边停车点的前往路程的权重因子。
基于大数据的停车订单分析系统,应用上述的基于大数据的停车订单分析方法,包括:匹配模块,用于基于当前停车需求用户的停车需求信息与停车用户信息库的停车用户信息进行匹配分析获得停车需求用户的初始推荐停车点;停车预测模块,用于基于初始推荐停车点的停车点预测信息、当前信息、网络搜索信息进行分析,获得初始推荐停车点的停车鉴定评分,判断初始推荐停车点当前是否推荐停车;停车点推荐模块,用于对于评估初始推荐停车点当前不推荐停车的情况,结合初始推荐停车点的周边停车点当前状态信息、周边停车点的停车预测信息与周边停车点的位置密集信息分析,获得周边停车点的推荐选取数值,在周边停车点选取推荐停车点。
本发明具有以下有益效果:
(1)、该基于大数据的停车订单分析方法和系统,通过停车预期状态评估值和停车鉴定评分的综合分析,可以为用户提供更准确、实用的停车推荐,从而提升用户停车体验,用户能够更容易地找到合适的停车点,减少寻找停车位的时间和精力;通过对停车点未来停车状况的评估,系统能够更好地规划和优化城市停车资源的利用,有助于减少城市交通拥堵和提高停车点的整体利用率;匹配分析用户停车需求,能够提供个性化的停车推荐服务,考虑用户的偏好和需求,有助于满足不同用户的差异化需求,提高停车服务的个性化程度;通过提供实时的停车推荐,系统可以显著减少用户在城市中寻找停车位的时间,有助于减少交通拥堵、减轻用户的停车压力,并促进城市交通的流畅性;当初始推荐停车点不适合时,结合周边停车点的信息进行推荐,考虑了用户当前位置附近的其他停车选择。这样的综合考虑有助于提高停车推荐的灵活性和准确性。
(2)、该基于大数据的停车订单分析方法和系统,采取数据处理技术手段,对于停车点停车情况的预测结合了停车点周边道路拥堵指数、停车点高峰停车等待时长、停车点平峰停车空位比率;对于用户实时停车的停车点推荐先后通过利用停车用户信息库比对用户信息推荐用户偏好停车点,又针对现实中拥堵等待的问题提供了周边停车点的各个推荐选取数值对比,帮助城市停车点的高效利用,解决了城市停车点使用不均衡,资源分配不均,由于停车点位置匮乏导致交通拥堵的问题。
当然,实施本发明的任一产品并不一定需要同时达到以上所述的所有优点。
附图说明
图1为本发明基于大数据的停车订单分析方法流程图。
图2为本发明基于大数据的停车订单分析系统结构图。
具体实施方式
本申请实施例通过基于大数据的停车订单分析方法和系统,解决了城市停车资源分配不均匀,停车点利用率不均衡的问题。
本申请实施例中的问题,总体思路如下:通过目标城市的停车点预测信息,建立停车预测模型,预测每个停车点的未来停车状况,并为每个停车点生成相应的停车预期状态评估值;结合当前城市的停车需求用户信息和停车用户信息库,对停车需求用户进行匹配分析,了解他们的停车需求;基于匹配分析的结果,为停车需求用户提供初始推荐停车点,结合初始推荐停车点的停车预期状态评估值和当前信息,对该停车点进行停车鉴定评分的计算,综合考虑预测指数和实际情况;根据停车鉴定评分,判断初始推荐停车点是否适合当前停车需求用户停车,如果不适合,进行进一步的分析;如果初始推荐停车点不适合,结合周边停车点当前状态信息和其停车预期状态评估值,为用户提供周边停车点的推荐选取数值,最终,将初始推荐停车点和周边停车点的推荐选取数值提供给用户,以帮助用户找到最合适的停车点。
请参阅图1,本发明实施例提供一种技术方案:基于大数据的停车订单分析方法,包括以下步骤:基于当前停车需求用户的停车需求信息与停车用户信息库的停车用户信息进行匹配分析获得停车需求用户的初始推荐停车点;基于初始推荐停车点的停车点预测信息、当前信息、网络搜索信息进行分析,获得初始推荐停车点的停车鉴定评分,用于判断初始推荐停车点当前是否推荐停车;对于评估初始推荐停车点当前不推荐停车的情况,结合初始推荐停车点的周边停车点当前状态信息、周边停车点的停车预测信息与周边停车点的位置密集信息分析,获得周边停车点的推荐选取数值,用于在周边停车点选取推荐停车点。
具体地,获得停车需求用户的初始推荐停车点具体为:获取目标城市的历史停车订单;基于历史停车订单分析得到停车订单相关信息,包括:车辆信息、停车点位置、停车时长、停车费用;对停车订单相关信息进行预处理,包括:处理缺失值与异常值、数据标准化;基于预处理后的停车订单相关信息构建目标城市的停车用户信息库,包括:停车用户身份信息、停车用户位置信息、停车用户常选停车点、停车用户平均单次停车费用、停车用户平均单次停车时长、停车用户车辆信息;获得当前停车需求用户的停车需求信息,包括:预期停车时长、预期支付金额、当前停车需求用户地理位置特征值;提取当前停车需求用户的停车需求信息对应的停车用户信息库中的停车用户信息,包括:停车用户平均单次停车时长、停车用户平均单次停车费用、停车用户地理位置特征值;结合当前停车需求用户的停车需求信息与停车用户信息库中的停车用户信息分析计算,得到用户匹配偏差值,计算公式为:,式中/>表示为用户匹配偏差值,/>表示为预期停车时长,/>表示为预期支付金额,/>表示为当前停车需求用户地理位置特征值,/>表示为停车用户平均单次停车时长,/>表示为停车用户平均单次停车费用,/>表示为停车用户地理位置特征值,/>表示为预设的预期停车时长,/>表示为预设的预期支付金额,/>表示为预设的当前停车需求用户地理位置特征值,表示为预设的停车用户平均单次停车时长,/>表示为预设的停车用户平均单次停车费用,/>表示为预设的停车用户地理位置特征值,/>表示为停车时长的权重因子,表示为停车费用的权重因子,/>表示为用户地理位置特征值的权重因子;选取用户匹配偏差值最小的停车用户信息库中的停车用户作为匹配用户;基于匹配用户在停车用户信息库中的停车用户常选停车点作为停车需求用户的初始推荐停车点。
本实施方案中,预期停车时长表示用户在停车前估计的停车时间,用户可以手动输入或选择停车时长,或者系统可以根据用户历史停车数据和停留时间模式来进行预测提供;预期支付金额表示用户在停车前估计愿意支付的停车费用,用户可以手动输入期望支付金额,或者系统可以根据历史停车费用数据和用户行为模式来进行估算获得;当前停车需求用户地理位置特征值表示当前有停车需求的用户的地理位置信息,包括经纬度或其他地理特征,通过用户授权应用获取其地理位置;停车用户平均单次停车时长表示在某一停车场或区域内,用户平均每次停车的实际停留时间,通过停车场管理系统记录用户停车入场和出场的时间,然后计算平均停车时长获得;停车用户平均单次停车费用表示在某一停车场或区域内,用户平均每次停车的实际支付费用,通过停车场管理系统记录用户每次停车的支付信息,然后计算平均停车费用获得;停车用户地理位置特征值表示停车场或区域内的停车用户的地理位置信息,包括经纬度或其他地理特征,通过用户授权应用获取其地理位置信息;权重因子的设置通过相关领域专业人员基于实验验证及专业知识了解设置。
具体地,判断初始推荐停车点当前是否推荐停车具体为:获得停车鉴定评分阈值,停车鉴定评分阈值表示停车点在用户选择前往停车情况下用户可接受最大等待时长对应的停车鉴定评分;将初始推荐停车点的停车鉴定评分与停车鉴定评分阈值进行对比分析,当初始推荐停车点的停车鉴定评分大于停车鉴定评分阈值时,判断初始推荐停车点当前前往停车存在等待风险,不推荐当前停车需求用户前往停车;当初始推荐停车点的停车鉴定评分小于等于停车鉴定评分阈值时,判断初始推荐停车点符合当前停车需求用户停车需求,推荐当前停车需求用户前往停车,获取当前停车需求用户地理位置与初始推荐停车点地理位置,自动为当前停车需求用户提供停车路线。
本实施方案中,通过考虑用户可接受的最大等待时长,可以帮助用户选择合适的停车点,避免了长时间等待的不便,提升了用户整体停车体验,将初始推荐停车点的停车鉴定评分与停车鉴定评分阈值进行对比,能够辨别出存在等待风险的停车点,并及时向用户提供这方面的信息,帮助用户避免选择可能会导致长时间等待的停车点;通过判断初始推荐停车点的停车鉴定评分是否符合用户可接受的等待时长,系统能够更精准地匹配用户的停车需求,增加用户选择推荐停车点的可能性。
具体地,获得初始推荐停车点的停车鉴定评分具体为:通过初始推荐停车点的停车点预测信息分析,获得初始推荐停车点的停车预期状态评估值;获取初始推荐停车点的当前信息,包括:初始推荐停车点的当前停车空位数量、到达时长;结合初始推荐停车点的停车预期状态评估值、初始推荐停车点的当前停车空位数量、到达时长与网络搜索信息进行分析计算,得到初始推荐停车点的停车鉴定评分。
本实施方案中,通过获取初始推荐停车点的当前停车空位数量和到达时长,系统可以提供用户实时的停车点预测信息,帮助用户做出更明智的停车决策;结合当前停车空位数量、到达时长以及停车预期状态评估值进行分析计算,能够为初始推荐停车点提供更客观的停车鉴定评分,使用户更准确地了解停车点的实际情况,提高找到合适停车位的成功率,减少在寻找停车位上的时间和努力。
具体地,初始推荐停车点的停车点预测信息包括:停车点周边道路拥堵指数、停车点高峰停车等待时长、停车点平峰停车空位比率;网络搜索信息包括初始推荐停车点的导航软件当前搜索次数。
停车点周边道路拥堵指数的获取方式为:获取停车点周边道路路程、停车点周边道路高峰期拥堵时长、停车点周边道路负载车辆数量;根据停车点周边道路路程、停车点周边道路高峰期拥堵时长、停车点周边道路负载车辆数量分析计算,得到停车点周边道路拥堵指数,计算公式为:
,式中/>表示为停车点周边道路拥堵指数,/>表示为停车点周边道路拥堵指数的采样周期的编号,,/>表示为停车点周边道路拥堵指数的采样周期个数,/>表示为停车点周边道路编号,/>,/>表示为停车点周边道路总数,/>表示为第/>个停车点周边道路拥堵指数的采样周期的第/>条停车点周边道路的路程,/>表示为第/>个停车点周边道路拥堵指数的采样周期的第/>条停车点周边道路的高峰期拥堵时长,/>表示为第/>个停车点周边道路拥堵指数的采样周期的第/>条停车点周边道路的负载车辆数量,/>表示为停车点周边道路的路程的权重因子,/>表示为停车点周边道路高峰期拥堵时长的权重因子,/>表示为停车点周边道路负载车辆数量的权重因子,/>表示为预设的停车点周边道路的路程,/>表示为预设的高峰期拥堵时长,/>表示为预设的负载车辆数量。
本实施方案中,初始推荐停车点的导航软件当前搜索次数通过利用导航软件实时监控用户的搜索行为,包括搜索停车点的次数和位置获取;停车点高峰停车等待时长表示在停车点的高峰时段,用户需要等待停车位的平均时长,通过停车场管理系统或停车APP记录每个停车点高峰时段的停车等待时间,并计算平均值获得;停车点平峰停车空位比率表示在停车点的平峰时段,停车位的空余比率,平峰时段是指停车需求相对较低的时段,比如深夜或清晨,通过停车场管理系统或停车APP记录每个停车点平峰时段的停车空位数量,并与总停车位数相除以得到空位比率获得;停车点周边道路路程表示从停车点到周边主要目的地的道路距离,反映了停车点的便利性,路程越短越方便用户,通过地图应用或导航系统测量停车点到周边主要目的地的实际道路距离获得;停车点周边道路高峰期拥堵时长表示在停车点周边道路的高峰时段,道路交通拥堵的平均时长,拥堵时长越长,意味着用户在高峰时段到达或离开停车点的时间成本越高,通过交通管理部门或交通监测设备记录停车点周边道路高峰时段的交通拥堵情况,并计算平均拥堵时长获得;停车点周边道路负载车辆数量表示停车点周边道路在某一时段的平均车辆数量,反映停车点周边交通流量的密度,影响用户进出停车点的便利性,通过交通管理部门或交通监测设备统计停车点周边道路在不同时段的车辆流量,并计算平均值获得;权重因子的设置结合了周边道路拥堵指数计算的具体需求,由相关领域专业人员进行设置调整。
具体地,获得初始推荐停车点的停车预期状态评估值具体为:获得初始推荐停车点的地理位置信息;基于初始推荐停车点的地理位置信息获得初始推荐停车点的停车点预测信息;对停车点周边道路拥堵指数、停车点高峰停车等待时长、停车点平峰停车空位比率分别赋予权重进行加权求和计算,得到初始推荐停车点的停车预期状态评估值,计算公式为:,式中/>表示为停车点的停车预期状态评估值,用于评估停车点的未来停车状况,/>表示为停车点周边道路拥堵指数,/>表示为停车预期状态评估值的采样周期的编号,/>,/>表示为停车预期状态评估值的采样周期个数,/>表示为第/>个停车预期状态评估值的采样周期的停车点高峰停车等待时长,/>表示为第/>个停车预期状态评估值的采样周期的停车点平峰停车空位比率,/>表示为停车点周边道路拥堵指数的权重因子,/>表示为停车点高峰停车等待时长的权重因子,/>表示为停车点平峰停车空位比率的权重因子,/>表示为预设的停车点周边道路拥堵指数,/>表示为预设的停车点高峰停车等待时长,/>表示为预设的停车点平峰停车空位比率。
本实施方案中,停车点周边道路拥堵指数、停车点高峰停车等待时长、停车点平峰停车空位比率相对应的权重因子的设置涉及停车预测具体的需求和用户体验的优化目标:如果用户更注重避免交通拥堵,特别是在高峰时段,可以赋予这个指标较大的权重,有助于用户选择不仅停车方便而且交通畅通的停车点;如果用户的时间比较宝贵,可以考虑赋予高峰停车等待时长较大的权重如果用户更注重停车的可用性和避免找不到停车位的情况,可以给予平峰停车空位比率较大的权重,有助于用户在不同时间段找到更容易停车的地方;当设置权重时,可以考虑使用专业知识、实地调查、用户反馈等多方面信息,利用用户调查或历史数据来确定用户对不同指标的相对偏好,进而进行调整设置。
具体地,初始推荐停车点的停车鉴定评分计算公式为:;式中/>表示为初始推荐停车点的停车鉴定评分,用于判断初始推荐停车点当前是否推荐停车,/>表示为停车预期状态评估值,表示为当前停车空位数量,/>表示为到达时长,/>表示为初始推荐停车点的导航软件当前搜索次数,/>表示为当前停车空位数量的权重因子,/>表示为到达时长的权重因子,表示为初始推荐停车点的导航软件当前搜索次数的权重因子,/>表示为预设的停车空位数量,/>表示为预设的到达时长,/>表示为预设的导航软件当前搜索次数。
本实施方案中,当前停车空位数量指在初始推荐停车点附近的停车场或停车区域中,当前可用的停车位数量,反映了停车点的实时停车容量;到达时长表示用户从当前位置到达初始推荐停车点所需的时间,包括行车时间、交通状况等因素,影响用户选择停车点的速度和便利性。停车场通常配备有传感器和监控系统,能够实时监测停车位的占用情况,这些系统可以提供当前停车空位数量的准确信息;到达时长可以通过交通导航系统或地图应用来获取;初始推荐停车点的当前停车空位数量、到达时长与初始推荐停车点的导航软件当前搜索次数相对应的权重因子的设置需要根据具体的业务需求、用户体验以及数据的实际情况来进行调整,如果用户更注重停车位的实际可用性,那么可以给停车空位数量分配较高的权重;如果用户更注重到达速度,那么到达时长可能需要较高的权重,根据历史停车数据的分析,了解用户的实际行为偏好,从而调整权重因子。
具体地,在周边停车点选取推荐停车点具体为:获得初始推荐停车点的周边停车点地理位置信息,并为初始推荐停车点的周边停车点进行编号:,/>表示初始推荐停车点的周边停车点总数;获得各个周边停车点的推荐选取数值,并为各个周边停车点的推荐选取数值依照从大到小的顺序进行排序;选取推荐选取数值最大的周边停车点作为推荐停车点,根据推荐停车点的地理位置信息及当前停车需求用户地理位置自动生成停车路线。
本实施方案中,通过获得周边停车点的地理位置信息和推荐选取数值,系统可以为用户提供更准确、更合适的停车推荐,从而提高停车的便利性和舒适度,用户不再需要手动搜索周边停车点或者依靠自己的经验来选择停车位置,系统可以根据用户当前的停车需求和地理位置自动生成最佳停车路线,节省用户的时间和精力;选取推荐选取数值最大的周边停车点作为推荐停车点,意味着用户更有可能在该停车点找到合适的停车位,从而提高停车效率,减少因找车位而产生的时间浪费;根据用户当前停车需求和地理位置,系统可以提供个性化的停车推荐和路线规划,更好地满足用户的需求,提升用户体验,优化停车效率和资源利用,从而增强用户对停车服务的满意度和依赖性。
具体地,获得各个周边停车点的推荐选取数值具体为:获取周边停车点当前状态信息,包括:前往路程、单位时间内收取费用、当前停车空位;获取周边停车点的停车预测信息,包括:周边停车点的周边道路拥堵指数、周边停车点的高峰停车等待时长、周边停车点的平峰停车空位比率;通过周边停车点的停车预测信息分析,获得各个周边停车点的停车预期状态评估值;获得周边停车点的位置密集信息,包括:周边停车点的商场占比、周边停车点的客流量距离;结合前往路程、单位时间内收取费用、当前停车空位、周边停车点的商场占比、周边停车点的客流量距离与各个周边停车点的停车预期状态评估值分析计算,得到各个周边停车点的推荐选取数值,所述各个周边停车点的推荐选取数值计算公式为:;式中/>表示为第/>个周边停车点的推荐选取数值,用于在周边停车点选取推荐停车点,/>表示为第/>个周边停车点的停车预期状态评估值,/>表示为第/>个周边停车点的前往路程,/>表示为第/>个周边停车点的单位时间内收取费用,/>表示为第/>个周边停车点的当前停车空位,/>表示为周边停车点的商场占比,/>表示为周边停车点的客流量距离,/>表示为预设的周边停车点的前往路程,/>表示为预设的周边停车点的单位时间内收取费用,/>表示为预设的周边停车点的当前停车空位,/>表示为预设的周边停车点的商场占比,/>表示为预设的周边停车点的客流量距离,/>表示为前往路程的权重因子,/>表示为单位时间内收取费用的权重因子,/>表示为当前停车空位的权重因子,/>表示为周边停车点的商场占比的权重因子,/>表示为周边停车点的前往路程的权重因子。
本实施方案中,周边停车点的商场占比表示停车点周围商场所占的比例,可以通过在一定范围内统计商场的数量来计算,了解停车点周围商场的占比可以帮助分析停车点的吸引力和使用率,它的获取方式还包括通过商业地图数据或商场数据库来统计停车点周围商场的数量,或利用地理信息系统技术,在停车点周围的特定范围内搜索商场,并计算商场的数量;周边停车点的客流量距离描述了停车点周围客流量的分布情况,即离停车点距离越近的地方客流量越高,距离越远的地方客流量越低,有助于了解停车点周围的交通状况和人群密集程度,获取方式包括利用移动设备或者GPS数据,统计在停车点周围不同距离范围内的人流量或通过交通管理部门或商场管理方提供的数据,了解停车点周围不同距离范围内的客流量分布情况设置;前往路程指用户从当前位置到达停车点所需的行车距离,反映了用户需要花费的时间和油费等成本,直接关系到用户的行车体验;单位时间内收取费用表示在停车场停车单位时间内需要支付的费用,通常以小时计费,关系到用户的停车成本;当前停车空位指停车场或停车区域当前可用的停车位数量,关系到用户在停车点找到停车位的可能性;获取这些信息的方式可以通过地图和导航应用利用实时交通数据和路况信息来计算到达停车点的时间获取;当前停车空位数量通常通过停车场的传感器和监控系统提供实时数据获取;单位时间内收取费用可以通过停车场的收费系统获取,这可能包括定价策略、计费周期等信息;权重的设置需要根据具体情境和用户的偏好来确定:如果用户更注重节省时间,赋予前往路程更高的权重;如果用户更注重费用,赋予单位时间内收取费用更高的权重。
基于大数据的停车订单分析系统,应用上述的基于大数据的停车订单分析方法,包括:匹配模块,用于基于当前停车需求用户的停车需求信息与停车用户信息库的停车用户信息进行匹配分析获得停车需求用户的初始推荐停车点;停车预测模块,用于基于初始推荐停车点的停车点预测信息、当前信息、网络搜索信息进行分析,获得初始推荐停车点的停车鉴定评分,判断初始推荐停车点当前是否推荐停车;停车点推荐模块,用于对于评估初始推荐停车点当前不推荐停车的情况,结合初始推荐停车点的周边停车点当前状态信息、周边停车点的停车预测信息与周边停车点的位置密集信息分析,获得周边停车点的推荐选取数值,在周边停车点选取推荐停车点。
综上,本申请至少具有以下效果:通过对停车点未来停车状况的评估,能够更好地规划和优化城市停车资源的利用,有助于减少城市交通拥堵和提高停车点的整体利用率;结合用户的偏好和需求提供个性化停车推荐服务有助于满足不同用户的差异化需求,提高停车服务的个性化程度,结合周边停车点的信息,考虑了用户当前位置附近的其他停车选择进行,有助于提高停车推荐的灵活性和准确性,优化城市停车管理,提高用户停车体验,减少交通拥堵,促进城市智能化发展。
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。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方法、系统的流程图、结构图来描述的。应理解可由计算机程序指令实现流程图和结构图中的每一流程和模块的结合。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结构图一个模块或多个模块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结构图一个模块或多个模块中指定的功能。
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结构图一个模块或多个模块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 (10)
1.基于大数据的停车订单分析方法,其特征在于,包括以下步骤:
基于当前停车需求用户的停车需求信息与停车用户信息库的停车用户信息进行匹配分析获得停车需求用户的初始推荐停车点;
基于初始推荐停车点的停车点预测信息、当前信息、网络搜索信息进行分析,获得初始推荐停车点的停车鉴定评分,用于判断初始推荐停车点当前是否推荐停车;
对于评估初始推荐停车点当前不推荐停车的情况,结合初始推荐停车点的周边停车点当前状态信息、周边停车点的停车预测信息与周边停车点的位置密集信息分析,获得周边停车点的推荐选取数值,用于在周边停车点选取推荐停车点。
2.根据权利要求1所述的基于大数据的停车订单分析方法,其特征在于,所述获得停车需求用户的初始推荐停车点具体为:
获取目标城市的历史停车订单;
基于历史停车订单分析得到停车订单相关信息,所述停车订单相关信息包括:车辆信息、停车点位置、停车时长、停车费用;
对停车订单相关信息进行预处理,所述预处理包括:处理缺失值与异常值、数据标准化;
基于预处理后的停车订单相关信息构建目标城市的停车用户信息库,所述停车用户信息库具体包括:停车用户身份信息、停车用户位置信息、停车用户常选停车点、停车用户平均单次停车费用、停车用户平均单次停车时长、停车用户车辆信息;
获得当前停车需求用户的停车需求信息,所述当前停车需求用户的停车需求信息具体包括:预期停车时长、预期支付金额、当前停车需求用户地理位置特征值;
提取当前停车需求用户的停车需求信息对应的停车用户信息库中的停车用户信息,所述停车用户信息包括:停车用户平均单次停车时长、停车用户平均单次停车费用、停车用户地理位置特征值;
结合当前停车需求用户的停车需求信息与停车用户信息库中的停车用户信息分析计算,得到用户匹配偏差值,选取用户匹配偏差值最小的停车用户信息库中的停车用户作为匹配用户;
基于匹配用户在停车用户信息库中的停车用户常选停车点作为停车需求用户的初始推荐停车点。
3.根据权利要求1所述的基于大数据的停车订单分析方法,其特征在于,所述判断初始推荐停车点当前是否推荐停车具体为:
获得停车鉴定评分阈值,所述停车鉴定评分阈值表示为停车点在用户选择前往停车情况下用户可接受最大等待时长对应的停车鉴定评分;
将初始推荐停车点的停车鉴定评分与停车鉴定评分阈值进行对比分析,当初始推荐停车点的停车鉴定评分大于停车鉴定评分阈值时,判断初始推荐停车点当前前往停车存在等待风险,不推荐当前停车需求用户前往停车;
当初始推荐停车点的停车鉴定评分小于等于停车鉴定评分阈值时,判断初始推荐停车点符合当前停车需求用户停车需求,推荐当前停车需求用户前往停车,获取当前停车需求用户地理位置与初始推荐停车点地理位置,自动为当前停车需求用户提供停车路线。
4.根据权利要求1所述的基于大数据的停车订单分析方法,其特征在于,所述获得初始推荐停车点的停车鉴定评分具体为:
通过初始推荐停车点的停车点预测信息分析,获得初始推荐停车点的停车预期状态评估值;
获取初始推荐停车点的当前信息,所述当前信息具体包括:初始推荐停车点的当前停车空位数量、到达时长;
结合初始推荐停车点的停车预期状态评估值、初始推荐停车点的当前停车空位数量、到达时长与网络搜索信息进行分析计算,得到初始推荐停车点的停车鉴定评分。
5.根据权利要求4所述的基于大数据的停车订单分析方法,其特征在于,所述初始推荐停车点的停车点预测信息具体包括:停车点周边道路拥堵指数、停车点高峰停车等待时长、停车点平峰停车空位比率;
所述网络搜索信息具体包括:初始推荐停车点的导航软件当前搜索次数。
6.根据权利要求4所述的基于大数据的停车订单分析方法,其特征在于,所述获得初始推荐停车点的停车预期状态评估值具体为:
获得初始推荐停车点的地理位置信息;
基于初始推荐停车点的地理位置信息获得初始推荐停车点的停车点预测信息;
对停车点周边道路拥堵指数、停车点高峰停车等待时长、停车点平峰停车空位比率分别赋予权重进行加权求和计算,得到初始推荐停车点的停车预期状态评估值。
7.根据权利要求4所述的基于大数据的停车订单分析方法,其特征在于,所述初始推荐停车点的停车鉴定评分计算公式为:
;
式中表示为初始推荐停车点的停车鉴定评分,/>表示为停车预期状态评估值,/>表示为当前停车空位数量,/>表示为到达时长,/>表示为初始推荐停车点的导航软件当前搜索次数,/>表示为当前停车空位数量的权重因子,/>表示为到达时长的权重因子,/>表示为初始推荐停车点的导航软件当前搜索次数的权重因子,/>表示为预设的停车空位数量,/>表示为预设的到达时长,/>表示为预设的导航软件当前搜索次数。
8.根据权利要求1所述的基于大数据的停车订单分析方法,其特征在于,所述在周边停车点选取推荐停车点具体为:
获得初始推荐停车点的周边停车点地理位置信息,并为初始推荐停车点的周边停车点进行编号:,/>表示为初始推荐停车点的周边停车点总数;
获得各个周边停车点的推荐选取数值,并为各个周边停车点的推荐选取数值依照从大到小的顺序进行排序;
选取推荐选取数值最大的周边停车点作为推荐停车点,根据推荐停车点的地理位置信息及当前停车需求用户地理位置自动化生成停车路线。
9.根据权利要求8所述的基于大数据的停车订单分析方法,其特征在于,所述获得各个周边停车点的推荐选取数值具体为:
获取周边停车点当前状态信息,所述周边停车点当前状态信息具体包括:前往路程、单位时间内收取费用、当前停车空位;
获取周边停车点的停车预测信息,所述周边停车点的停车预测信息包括:周边停车点的周边道路拥堵指数、周边停车点的高峰停车等待时长、周边停车点的平峰停车空位比率;
通过周边停车点的停车预测信息分析,获得各个周边停车点的停车预期状态评估值;
获得周边停车点的位置密集信息,所述周边停车点的位置密集信息包括:周边停车点的商场占比、周边停车点的客流量距离;
结合前往路程、单位时间内收取费用、当前停车空位、周边停车点的商场占比、周边停车点的客流量距离与各个周边停车点的停车预期状态评估值分析计算,得到各个周边停车点的推荐选取数值,所述各个周边停车点的推荐选取数值计算公式为:
;
式中表示为第/>个周边停车点的推荐选取数值,/>表示为第/>个周边停车点的停车预期状态评估值,/>表示为第/>个周边停车点的前往路程,表示为第/>个周边停车点的单位时间内收取费用,/>表示为第/>个周边停车点的当前停车空位,/>表示为周边停车点的商场占比,/>表示为周边停车点的客流量距离,/>表示为预设的周边停车点的前往路程,/>表示为预设的周边停车点的单位时间内收取费用,/>表示为预设的周边停车点的当前停车空位,/>表示为预设的周边停车点的商场占比,/>表示为预设的周边停车点的客流量距离,/>表示为前往路程的权重因子,/>表示为单位时间内收取费用的权重因子,/>表示为当前停车空位的权重因子,/>表示为周边停车点的商场占比的权重因子,表示为周边停车点的前往路程的权重因子。
10.基于大数据的停车订单分析系统,应用权利要求1-9任意一项所述的基于大数据的停车订单分析方法,其特征在于,包括:
匹配模块,用于基于当前停车需求用户的停车需求信息与停车用户信息库的停车用户信息进行匹配分析获得停车需求用户的初始推荐停车点;
停车预测模块,用于基于初始推荐停车点的停车点预测信息、当前信息、网络搜索信息进行分析,获得初始推荐停车点的停车鉴定评分,判断初始推荐停车点当前是否推荐停车;
停车点推荐模块,用于对于评估初始推荐停车点当前不推荐停车的情况,结合初始推荐停车点的周边停车点当前状态信息、周边停车点的停车预测信息与周边停车点的位置密集信息分析,获得周边停车点的推荐选取数值,在周边停车点选取推荐停车点。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410233009.0A CN117807283A (zh) | 2024-03-01 | 2024-03-01 | 基于大数据的停车订单分析方法和系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410233009.0A CN117807283A (zh) | 2024-03-01 | 2024-03-01 | 基于大数据的停车订单分析方法和系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117807283A true CN117807283A (zh) | 2024-04-02 |
Family
ID=90422306
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410233009.0A Pending CN117807283A (zh) | 2024-03-01 | 2024-03-01 | 基于大数据的停车订单分析方法和系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117807283A (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107609067A (zh) * | 2017-08-30 | 2018-01-19 | 重庆电子工程职业学院 | 基于大数据的智慧停车车位推荐方法和系统 |
GB201813149D0 (en) * | 2018-08-13 | 2018-09-26 | Continental Automotive Gmbh | Method and system of recommending a place to park |
CN108986525A (zh) * | 2017-05-31 | 2018-12-11 | 丰田自动车株式会社 | 停车管理系统、停车管理方法以及非暂态计算机可读介质 |
US20210065549A1 (en) * | 2019-09-04 | 2021-03-04 | Denso Corporation | Parking/stopping position guidance system and database generation device |
CN114419924A (zh) * | 2022-03-28 | 2022-04-29 | 穗企通科技(广州)有限责任公司 | 一种基于智慧城市的ai应用控制管理系统 |
CN116959288A (zh) * | 2023-08-23 | 2023-10-27 | 昭通亮风台信息科技有限公司 | 一种基于历史数据的停车场推荐方法、装置和分布式系统 |
-
2024
- 2024-03-01 CN CN202410233009.0A patent/CN117807283A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108986525A (zh) * | 2017-05-31 | 2018-12-11 | 丰田自动车株式会社 | 停车管理系统、停车管理方法以及非暂态计算机可读介质 |
CN107609067A (zh) * | 2017-08-30 | 2018-01-19 | 重庆电子工程职业学院 | 基于大数据的智慧停车车位推荐方法和系统 |
GB201813149D0 (en) * | 2018-08-13 | 2018-09-26 | Continental Automotive Gmbh | Method and system of recommending a place to park |
US20210065549A1 (en) * | 2019-09-04 | 2021-03-04 | Denso Corporation | Parking/stopping position guidance system and database generation device |
CN114419924A (zh) * | 2022-03-28 | 2022-04-29 | 穗企通科技(广州)有限责任公司 | 一种基于智慧城市的ai应用控制管理系统 |
CN116959288A (zh) * | 2023-08-23 | 2023-10-27 | 昭通亮风台信息科技有限公司 | 一种基于历史数据的停车场推荐方法、装置和分布式系统 |
Non-Patent Citations (2)
Title |
---|
JUWON JUNG 等: ""Route Recommendation with Dynamic User Preference on Road Networks"", 《2019 IEEE INTERNATIONAL CONFERENCE ON BIG DATA AND SMART COMPUTING (BIGCOMP)》, 2 March 2019 (2019-03-02), pages 1 - 7 * |
程晓荣;李紫君;: "基于多指数决策的停车场选择模型研究", 计算机应用与软件, no. 06, 15 June 2017 (2017-06-15), pages 24 - 27 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11830363B2 (en) | Prescheduling a rideshare with an unknown pick-up location | |
CN108120999B (zh) | 车载导航设备及停车场引导方法 | |
CN112422671A (zh) | 一种停车场推荐方法及系统 | |
CN112598169B (zh) | 交通运行态势评估方法、系统及装置 | |
KR101860939B1 (ko) | 주차장 정보 제공 시스템 및 방법 | |
CN110444008B (zh) | 一种车辆调度方法及装置 | |
EP4135358A1 (en) | Method, apparatus, and computer program product for predicting electric vehicle charge point utilization | |
CN114218483A (zh) | 停车推荐方法及其应用 | |
CN111861643A (zh) | 一种乘车位置的推荐方法、装置、电子设备及存储介质 | |
CN113971893B (zh) | 一种车位推荐方法、装置及存储介质 | |
CN115050210B (zh) | 基于时序预测的停车场智能诱导方法、系统及装置 | |
CN114038231A (zh) | 停车场利用率调度方法、系统、设备以及存储介质 | |
CN111860904A (zh) | 上车点排序的方法及装置 | |
CN114511938A (zh) | 一种智慧停车管理方法和平台 | |
CN114566041A (zh) | 多源数据融合城市拥堵路段多模式出行诱导方法及设备 | |
CN112150045B (zh) | 基于车辆位置统计判断城市共享车辆供需关系的方法及其监测系统 | |
CN114428916A (zh) | 停车场推荐方法以及相关装置 | |
CN111723835A (zh) | 车辆移动轨迹区分方法、装置和电子设备 | |
CN112257936B (zh) | 一种接单区域的推荐方法、装置、电子设备及存储介质 | |
KR101755182B1 (ko) | 부동산 건물 가격평가 제공 시스템 | |
CN117807283A (zh) | 基于大数据的停车订单分析方法和系统 | |
CN114492169B (zh) | 考虑用户市场响应潜力的电动汽车用户画像方法及系统 | |
GB2584862A (en) | System and method for populating a database with occupancy data of parking facilities | |
CN110341528B (zh) | 一种路灯充电桩智能提醒方法与系统 | |
Kaltsidis et al. | A decision support system for taxi drivers |
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 |