CN112802358A - 基于人工智能的车位导航方法、装置、终端设备及介质 - Google Patents

Abstract

本申请适用于大数据技术领域，提供了一种基于人工智能的车位导航方法、装置、终端设备及介质，方法包括：确定车主输入的目标地点，并根据目标地点确定包含多个空闲车位的目标停车场；分别获取目标停车场中每个空闲车位的目标因素；根据每个空闲车位的目标因素构建决策矩阵，并通过所述决策矩阵计算每个空闲车位的车位评分；将车位评分的最大值对应的空闲车位，确定为目标空闲车位。采用上述方法根据空闲车位的多个目标因素，从目标停车场中的多个空闲车位中确定目标空闲车位，可提高车主对推荐的目标空闲车位的满意度。

Description

基于人工智能的车位导航方法、装置、终端设备及介质

技术领域

本申请属于大数据技术领域，尤其涉及一种基于人工智能的车位导航方法、装置、终端设备及介质。

背景技术

近年来，随着经济的快速发展，城市化进度加快，汽车数量也随之快速增加，汽车数量的疯涨同时带了一定的城市交通问题。在人口密集的城市，停车问题也越来越影响人们的出行质量，停车位一位难求。

目前，车位引导***只能简单的推荐每个停车场的空闲车位。然而，车位引导***没有对每个空闲车位的优劣进行分析，以至于推荐的空闲车位不符合车主要求。

发明内容

本申请实施例提供了一种基于人工智能的车位导航方法、装置、终端设备及介质，可以解决车位引导***没有对每个空闲车位的优劣进行分析，以至于推荐的空闲车位不符合车主要求的问题。

第一方面，本申请实施例提供了一种基于人工智能的车位导航方法，包括：

确定车主输入的目标地点，并根据所述目标地点确定包含多个空闲车位的目标停车场；

分别获取所述目标停车场中每个空闲车位的目标因素；

根据所述每个空闲车位的所述目标因素构建决策矩阵，并通过所述决策矩阵计算所述每个空闲车位的车位评分；

将所述车位评分的最大值对应的空闲车位，确定为目标空闲车位。

在一实施例中，所述根据所述目标地点确定包含多个空闲车位的目标停车场，包括：

确定在所述目标地点预设范围内的多个停车场；

从所述多个停车场中确定包含所述空闲车位的待确定停车场；

若所述待确定停车场的数量为多个，则将距离所述目标地点最近的待确定停车场确定为目标停车场；或者，将空闲车位的数量最多的待确定停车场确定为目标停车场。

在一实施例中，所述停车场包括用于检测空闲车位的多个超声波传感器；所述从所述多个停车场中确定包含所述空闲车位的待确定停车场，包括：

针对任一停车场，分别使用所述停车场中的所述多个超声波传感器进行空闲车位检测，获得多个车位检测结果；

在信息汇聚中心中对所述多个车位检测结果进行汇聚，生成所述停车场的车位信息；

根据所述车位信息确定包含所述空闲车位的待确定停车场。

在一实施例中，所述目标因素包括所述目标停车场的入口与所述空闲车位之间的行驶距离；所述分别获取所述目标停车场中每个空闲车位的目标因素，包括：

获取所述目标停车场中的路线分布信息；

根据所述路线分布信息，分别统计从所述目标停车场的入口至所述空闲车位的多种行驶路线；

分别计算每种行驶路线中所经过的车道距离；

将所述车道距离的最小值，确定为所述目标停车场的入口与所述空闲车位之间的行驶距离。

在一实施例中，所述根据所述每个空闲车位的所述目标因素构建决策矩阵，并通过所述决策矩阵计算所述每个空闲车位的车位评分，包括：

建立所述每个空闲车位与所述目标因素之间的决策矩阵；

基于互补标度，分别对所述决策矩阵中的每个目标因素进行修正，得到所述每个目标因素对应的目标修正数值；

根据所述目标修正数值和预设的权重公式，计算所述每个目标因素的因素权重值；

分别基于所述因素权重值和所述每个目标因素，计算所述每个空闲车位的车位评分。

在一实施例中，在所述基于互补标度，分别对所述决策矩阵中的每个目标因素进行修正，得到所述每个目标因素对应的目标修正数值之前，还包括：

分别对所述决策矩阵中的所述每个目标因素进行归一化处理，得到由归一化后的目标因素构成的决策矩阵。

在一实施例中，所述目标因素包括效益型因素类别或成本型因素类别；所述分别基于所述因素权重值和所述每个目标因素信息，计算所述每个空闲车位的车位评分，包括：

针对任一空闲车位，根据预设的目标因素类别，分别确定所述空闲车位中所述每个目标因素的分类类别；

分别通过所述效益型因素类别对应的公式，计算所述空闲车位中属于效益型因素类别的各个目标因素的效益评分，以及通过所述成本型因素类别对应的公式，计算所述空闲车位中属于成本型因素类别的各个目标因素的成本评分；

将所述效益评分和所述成本评分加和，得到所述空闲车位的车位评分。

第二方面，本申请实施例提供了一种基于人工智能的车位导航装置，包括：

第一确定模块，用于确定车主输入的目标地点，并根据所述目标地点确定包含多个空闲车位的目标停车场；

获取模块，用于分别获取所述目标停车场中每个空闲车位的目标因素；

构建模块，用于根据所述每个空闲车位的所述目标因素构建决策矩阵，并通过所述决策矩阵计算所述每个空闲车位的车位评分；

第二确定模块，用于将所述车位评分的最大值对应的空闲车位，确定为目标空闲车位。

第三方面，本申请实施例提供了一种终端设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如上述第一方面中任一项所述的方法。

第四方面，本申请实施例提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现如上述第一方面任一项所述的方法。

第五方面，本申请实施例提供了一种计算机程序产品，当计算机程序产品在终端设备上运行时，使得终端设备执行上述第一方面中任一项所述的方法。

本申请实施例与现有技术相比存在的有益效果是：在确定目标地点附近包含空闲车位的目标停车场后，根据目标停车场的入口与空闲车位之间行驶路线信息的必要目标因素，以及空闲车位的其余目标因素，构建决策矩阵来计算每个空闲车位的车位评分。之后，将车位评分的最大值对应的空闲车位，确定为目标空闲车位推送给车主。以实现车主可快速找到空闲车位的目的，同时为车主推荐更适合的目标空闲车位，提高车主对推荐的目标空闲车位的满意度。

附图说明

为了更清楚地说明本申请实施例中的技术方案，下面将对实施例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，下面描述中的附图仅仅是本申请的一些实施例，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是本申请一实施例提供的一种基于人工智能的车位导航方法的实现流程图；

图2是本申请一实施例提供的一种基于人工智能的车位导航方法的S101的一种实现方式示意图；

图3是本申请一实施例提供的一种基于人工智能的车位导航方法的S1012的一种实现方式示意图；

图4是本申请一实施例提供的一种基于人工智能的车位导航方法的S102的一种实现方式示意图；

图5是本申请一实施例提供的一种基于人工智能的车位导航方法中应用场景示意图；

图6是本申请一实施例提供的一种基于人工智能的车位导航方法的S103的一种实现方式示意图；

图7是本申请一实施例提供的一种基于人工智能的车位导航方法的S1034的一种实现方式示意图；

图8是本申请一实施例提供的一种基于人工智能的车位导航装置的结构框图；

图9是本申请一实施例提供的一种终端设备的结构框图。

具体实施方式

以下描述中，为了说明而不是为了限定，提出了诸如特定***结构、技术之类的具体细节，以便透彻理解本申请实施例。然而，本领域的技术人员应当清楚，在没有这些具体细节的其它实施例中也可以实现本申请。在其它情况中，省略对众所周知的***、装置、电路以及方法的详细说明，以免不必要的细节妨碍本申请的描述。

应当理解，当在本申请说明书和所附权利要求书中使用时，术语“包括”指示所描述特征、整体、步骤、操作、元素和/或组件的存在，但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。

还应当理解，在本申请说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合，并且包括这些组合。

另外，在本申请说明书和所附权利要求书的描述中，术语“第一”、“第二”、“第三”等仅用于区分描述，而不能理解为指示或暗示相对重要性。

本申请实施例提供的基于人工智能的车位导航方法可以应用于手机、平板电脑、笔记本电脑、超级移动个人计算机(ultra-mobile personal computer，UMPC)等终端设备上，本申请实施例对终端设备的具体类型不作任何限制。

请参阅图1，图1示出了本申请实施例提供的一种基于人工智能的车位导航方法的实现流程图，该方法包括如下步骤：

S101、确定车主输入的目标地点，并根据所述目标地点确定包含多个空闲车位的目标停车场。

在应用中，上述目标地点可以为车主在终端设备中输入的地点，具体的，可以为车主在地图软件中输入的地点。终端设备可根据地图软件中的“附近”功能，在目标地点附近搜索停车场。其中，在确定附近的停车场具有一个或多个后，可将具有空闲车位的停车场均作为目标停车场；或者，从多个包含空闲车位的停车场中，将距离目标地点最近的停车场作为目标停车场，对此不作限定。其中，确定停车场是否具有空闲车位，可以为终端设备通过车位引导***获取各个停车场的车位信息动态变化，终端设备根据车位信息变化情况确定停车场内是否具有空闲车位。

示例性的，每个停车场内均预置有多个超声波传感器，用于向停车场内的每个车位发送超声波，检测该车位是否存在障碍物以判断该车位是否有车。其中，超声波传感器主要可利用相位检测法、声波幅度检测法等方式进行检测。例如，超声波传感器向车位发送超声波，若车位存在障碍物(车子)，则根据反射回的超声波进行测量的距离应当远小于车位未存在障碍物(车子)的距离。

S102、分别获取所述目标停车场中每个空闲车位的目标因素。

在应用中，上述目标因素至少包括所述目标停车场的入口与所述空闲车位之间的行驶路线信息。具体的，上述目标停车场的入口与所述空闲车位之间的行驶路线信息包括但不限于：目标停车场的入口与空闲车位之间行驶路线的行驶距离，以及行驶路线中目标停车场各车位的占用情况，其均为行驶路线信息。另外，上述目标因素还可包括：空闲车位与目标地点之间的步行距离、空闲车位的周边停车情况、空闲车位的数量、停车场流量、空闲车位与停车场出口(包括停车场的电梯、步行通道)的步行距离等因素。需要补充的是，上述目标因素仅为“一个或多个但不是所有的示例”，本实施例中，对影响空闲车位评分的因素不作限定。

可以理解的是，对于目标停车场的入口与空闲车位之间的行驶路线信息，因车主需将车停在空闲车位时，必须由目标停车场的入口驶向空闲车位。若行驶路线太过复杂，则会影响车主的出行质量(增加车主寻找空闲车位的时间)。基于此，目标停车场的入口与空闲车位之间的行驶路线信息可为评判该空闲车位是否为最佳空闲车位的必要目标因素之一。若行驶路线信息为行驶距离，终端设备可以获取目标停车场的各个车位分布，并统计从目标停车场的入口至每个空闲车位的多条行驶路线。之后，基于每条行驶路线的行驶距离，将行驶距离最短的行驶路线，确定为目标停车场的入口与空闲车位之间的行驶距离。以此，得到目标停车场的入口与每个空闲车位之间行驶路线的行驶距离。

需要补充的是，上述空闲车位与目标地点之间的步行距离具体可通过地图软件进行确定。上述行驶路线中车位占用情况、空闲车位的周边停车情况具体可根据超声波传感器获取每条行驶路线中车位占用情况，以及每个空闲车位的周边停车情况。可以理解的是，上述步行距离、行驶距离、行驶路线中车位占用情况、空闲车位的周边停车情况，均可通过数字进行表示。例如，步行距离s1米，行驶距离s2米，车位占用情况可以为已占用m1个车位，停车情况可以为共有m2个车位停车。

S103、根据所述每个空闲车位的所述目标因素构建决策矩阵，并通过所述决策矩阵计算所述每个空闲车位的车位评分。

在应用中，上述决策矩阵可用于根据每个空闲车位的目标因素对应的数值进行计算，得到每个空闲车位的评分值。具体的，终端设备在获取所有的选择项(多个空闲车位)，以及对做出决定具有重要影响的目标因素后，可将这两组信息(空闲车位和目标因素)列在一张表格上。例如，把所有的选择项放在一列，把对作决定具有重要影响的因素放在一行。具体如下表1所示：

表1：

之后，根据上述表1中各个目标因素的数据值，建立所有空闲车位的决策矩阵。具体的，决策矩阵

其中，决策矩阵中各目标因素的数值以aij进行表示，其中，i表示决策矩阵中的第i行(即表1中第i行的空闲车位)，j表示决策矩阵中的第j行(即表1中第j列的目标因素)。基于上述表1建立的决策矩阵，终端设备可对该决策矩阵进归一化处理，统一决策矩阵中各空闲车位中每个目标因素对应的数值的量纲。之后，采用互补标度对决策矩阵中的目标因素对应的数值进行修正，得到决策矩阵中各修正后的数值。然后，可根据预设的权重公式和修正后的数值，计算每个目标因素的因素权重值。最后，该基于因素权重值与每个空闲车位目标因素对应的数值相乘之后并进行加和，即可得到每个空闲车位的车位评分。

S104、将所述车位评分的最大值对应的空闲车位，确定为目标空闲车位。

在应用中，在通过上述S103步骤计算出每个空闲车位的车位评分后，可将车位评分的最大值对应的空闲车位，确定为目标空闲车位。可以理解的是，若终端设备最终推荐的目标空闲车位在车主到达前已被占用时，此时，终端设备可根据每个空闲车位的车位评分的大小，依次推荐其余空闲车位。

在本实施例中，在确定目标地点附近包含空闲车位的目标停车场后，根据目标停车场的入口与空闲车位之间行驶路线信息的必要目标因素，以及空闲车位的其余目标因素，构建决策矩阵来计算每个空闲车位的车位评分。之后，将车位评分的最大值对应的空闲车位，确定为目标空闲车位推送给车主。以实现车主可快速找到空闲车位的目的，同时为车主推荐更适合的目标空闲车位，提高车主对推荐的目标空闲车位的满意度。

参照图2，在一具体实施例中，在S101根据所述目标地点确定包含多个空闲车位的目标停车场中，具体包括如下子步骤S1011-S1013，详述如下：

S1011、确定在所述目标地点预设范围内的多个停车场。

S1012、从所述多个停车场中确定包含所述空闲车位的待确定停车场。

在应用中，在确定上述目标地点后，终端设备可以查询距离目标地点预设范围内的多个停车场，并在该多个停车场内优先确定是否包含空闲车位。若预设范围内的多个停车场未检测到空闲车位，则可修改上述预设范围。其中，上述预设范围可以为用户根据实际情况进行设定，也可以为终端设备设定的固定值。可以理解的是，停车场的地理位置可以通过已有的地图软件(例如，高德地图、百度地图等)进行获取并确定，进而，可得到目标地点预设范围内的多个停车场。

S1013、若所述待确定停车场的数量为多个，则将距离所述目标地点最近的待确定停车场确定为目标停车场；或者，将空闲车位的数量最多的待确定停车场确定为目标停车场。

在应用中，在上述多个停车场均具有空闲车位时，即待确定停车场为多个，可将距离目标地点最近的待确定停车场作为目标停车场。或者，也可以统计每个停车场中空闲车位的数量，将空闲车位的数量最多的待确定停车场作为目标停车场，对此不作限定。可以理解的是，确定的目标停车场只有一个。

参照图3，在一具体实施例中，所述停车场包括用于检测空闲车位的多个超声波传感器；在S1012从所述多个停车场中确定包含所述空闲车位的待确定停车场中，具体包括如下子步骤S10121-S10123，详述如下：

S10121、针对任一停车场，分别使用所述停车场中的所述多个超声波传感器进行空闲车位检测，获得多个车位检测结果。

在应用中，上述S102中已说明如何根据超声波传感器进行空闲车位检测，对此不再进行说明。可以理解的是，上述车位检测结果包括该车位为空闲车位，以及该车位已有车辆等检测结果。

S10122、在信息汇聚中心中对所述多个车位检测结果进行汇聚，生成所述停车场的车位信息。

S10123、根据所述车位信息确定包含所述空闲车位的待确定停车场。

在应用中，上述信息汇聚中心用于将属于同一停车场内的多个超声波传感器发送的多个车位检测结果进行汇聚，生成该停车场的车位信息。可认为上述信息汇聚中心为车辆检测结果的信息管理中心，用于对同一停车场中多个超声波传感器上传的车位检测结果进行管理。在应用中，上述信息汇聚中心可认为是终端设备内部的***设施，也可认为是车位引导***中的信息汇聚中心设备设施，对此不作限定。基于此，车位引导***可将每个超声波传感器的车位检测结果通过信息汇聚中心中进行汇聚生成车位信息，而后发送至终端设备。

在具体应用中，超声波传感器可以实时对停车场进行空闲车位检测，获得多个车位检测结果；也可以为每隔预设时间段对停车场进行空闲车位检测，具体可视情况而定。然而，在实际应用中，车位检测结果通常为连续性的变化，因此，超声波传感器可以每隔预设时间段采集车位检测结果，例如每隔十分钟进行一次采集。基于此，在可实现对停车场中空闲车位变化进行检测的基础上，同时起到减少超声波传感器工作量的作用。可以理解的是，每个停车场的大小、车位数量各不一致。因此，每个停车场设置的超声波传感器的数量也可以一致或不一致。

在应用中，属于一个停车场内的多个超声波传感器可以预先设置进行空闲车位检测的工作时间，以及信息传输时间。以使得信息汇聚中心在面对多个超声波传感器发送的多个车位检测结果时，可以将每个停车场内的车位检测结果分别进行汇聚得到各个停车场车位信息。可以理解的是，若将每个超声波传感器检测的车位检测结果直接发送至终端设备，则将造成终端设备在接收多个车位检测结果时的数据传输压力。

需要说明的是，上述超声波传感器包含多个，对于多个停车场，每个停车场均可以放置一个或多个超声波传感器进行车位检测结果采集。此时，一个停车场内的多个超声波传感器均可使用相同的标识号，用于标识每个停车场。即可认为包含上述车位检测结果的传输数据，还携带了该超声波传感器的标识号。

在其他应用中，在信息汇聚中心接收到了多个终端设备输入的目标地点时，若至少有两个以上的终端设备输入的目标地点之间的距离接近(小于预设距离)或一致，则代表在此时信息汇聚中心内的多个停车场的车位信息，可分别对目标地点距离接近或一致的多个终端设备有效。以此，可使得信息汇聚中心不用根据多个终端设备的获取指令，重复获取每个停车场的车位信息。

可以理解的是，使用超声波传感器检测目标物不会受车位中车辆的颜色和大小的影响。由于声波是发散的可以监测一个区域，即使很小的目标物或者非平面的车辆部件，例如拖车，自行车尾架，摩托车手也能被可靠的检测。基于此，相比于使用摄像设备通过图像比对来检测空闲车位的准确率更高。具体的，若该车位中存在很小的车辆部件，对该车位进行拍摄得到的图像与该车位属于空闲车位时的预设图像进行比对分析。因车辆部件较小，拍摄的图像与属于空闲车位时的预设图像的相似度将非常高，基于此，很容易认为该车位属于空闲车位。此时，将造成推荐的空闲车位不准确的情况。需要说明的是，目前没有确切的数据证明超声波是对人体有害，而超声波传感器是通过超声波进行检测的。因此，在使用超声波传感器不对人体产生危害的前提下，还可准确确定目标停车场中的空闲车位。

参照图4，在一具体实施例中，所述目标因素包括所述目标停车场的入口与所述空闲车位之间的行驶距离；S102分别获取所述目标停车场中每个空闲车位的目标因素中，具体包括如下子步骤S1021-S1024，详述如下：

S1021、获取所述目标停车场中的路线分布信息。

S1022、根据所述路线分布信息，分别统计从所述目标停车场的入口至所述空闲车位的多种行驶路线。

在应用中，上述路线分布信息包括但不限于图片形式的路线分布信息、文字形式的路线分布信息。在本实施例中，以路线分布信息为图片形式的路线分布图进行示例说明。可认为上述目标停车场的路线分布图包含了目标停车场内所有车位的分布位置、行驶车道以及目标停车场的入口和出口等信息。

在应用中，在确定目标停车场的多个空闲车位的位置信息后，可将目标停车场的入口和行驶车道中的每个交叉口作为顶点，以目标停车场的入口为起点，以空闲车位为终点进行行驶。以此，得到从目标停车场的入口至空闲车位的所有可行的行驶路线。

S1023、分别计算每种行驶路线中所经过的车道距离。

S1024、将所述车道距离的最小值，确定为所述目标停车场的入口与所述空闲车位之间的行驶距离。

在应用中，对应上述行驶路线，可将每种行驶路线中所经过的车道长度(相邻交叉口之间的路段作为一段车道长度，一种行驶路线至少包含一个车道长度)，作为车道距离。以此，得到多种行驶路线分别对应的车道距离。之后，可将最短车道距离确定为行驶距离。具体可如图5所示，从图5可知，从目标停车场1入口A至车位的路线包括但不限于A-B-C-F-车位，A-D-E-车位等行驶路线。其中，B、C、D、E分别为路线分布图中行驶车道的交叉口。

参照图6，在一具体实施例中，S1032所述根据所述每个空闲车位的所述目标因素构建决策矩阵，并通过所述决策矩阵计算所述每个空闲车位的车位评分，具体包括如下子步骤S1031-S1034，详述如下：

S1031、建立所述每个空闲车位与所述目标因素之间的决策矩阵。

在应用中，建立空闲车位与目标因素之间的决策矩阵已在上述S103中进行解释，具体可参照上述S103中的表1。需要补充的是，根据表1建立的决策矩阵中，目标因素的数值以aij进行表示，其中，i表示表格中的行(即第i行的空闲车位)，j表示表格中的列(即第j列的目标因素)，aij表示第i行第j列的数值(即第i个空闲车位中第j列的目标因素的数值)。

S1032、基于互补标度，分别对所述决策矩阵中的每个目标因素进行修正，得到所述每个目标因素对应的目标修正数值。

在应用中，上述标度可以理解为使用数据来表达样品性质(目标因素)的重要程度。具体的，上述互补标度可以理解为，对于互补标度矩阵B＝bij，其bij+bji＝1，且bii＝0.5。即对于上述决策矩阵中的数值aij，可根据aij与aji的数值比值大小，并基于bij+bji＝1的计算公式，调整aij与aji的数值。即对决策矩阵中目标因素的数值进行修正，得到目标修正数值。

示例性的，对于上述表1中的决策矩阵，若数值aij＝0.6，aji＝0.2，其比值为3：1。基于此，可对aij＝0.6和aji＝0.2进行比例换算，将aij＝0.6变为bij＝0.75，以及aji＝0.2变为bji＝0.25。需要说明的是，对于空闲车位的数量与目标因素的数量不一致时，上述目标修正数值可以保持不变。即空闲车位有4个，但目标因素的数量只有3个，采用互补标度对数值进行处理时，若决策矩阵中只存在a14的数值，不存在a41的数值，则可a14的数值不变。

S1033、根据所述目标修正数值和预设的权重公式，计算所述每个目标因素的因素权重值。

S1034、分别基于所述因素权重值和所述每个目标因素，计算所述每个空闲车位的车位评分。

在应用中，上述权重公式可以理解为方差公式，用于对目标修正数值进行计算，得到权重值。需要说明的是，计算每个目标因素的因素权重值时，目标修正数值是基于同一个目标因素(同一列)中多个空闲车位的目标修正数值进行计算。即参照表1，在计算步行距离的因素权重值时，是根据四个空闲车位分别对应的目标修正数值(a1，a2，a3，a4)进行计算。具体的，上述权重公式可以为：

其中，1≤n≤j(j为第j列的目标因素)，bij为第i行第j列的目标修正数值，wj为第j类目标因素对应的因素权重值。基于此，可根据目标因素对应的多个空闲车位的目标修正数值，计算出该目标因素对应的因素权重值。在计算出每个目标因素对应的因素权重值后，可将空闲车位每个目标因素对应的数值，分别与因素权重值进行乘积并求和，得到该空闲车位的车位评分。

在一实施例中，在S1032在所述基于互补标度，分别对所述决策矩阵中的每个目标因素进行修正，得到所述每个目标因素对应的目标修正数值之前，还包括如下步骤，详述如下：

分别对所述决策矩阵中的所述每个目标因素进行归一化处理，得到由归一化后的目标因素构成的决策矩阵。

在应用中，目标因素具有多种，且多种目标因素的量纲通常各不相同。因此，为便于后续计算，需对S1031的决策矩阵中每个目标因素均进行归一化处理，得到归一化后的目标因素建立的决策矩阵。其中，归一化是一种无量纲处理手段，使物理***数值的绝对值变成某种相对值关系。即可认为对不同量纲的目标因素进行归一化处理，可统一其量纲。

参照图7，在一实施例中，所述目标因素包括效益型因素类别或成本型因素类别；在S1034分别基于所述因素权重值和所述每个目标因素，计算所述每个空闲车位的车位评分中，具体包括如下子步骤S10341-S10343，详述如下：

S10341、针对任一空闲车位，根据预设的目标因素类别，分别确定所述空闲车位中所述每个目标因素的分类类别。

在应用中，上述目标因素分为效益型因素类别或成本型因素类别。具体的，对于步行距离和行驶距离，一般来讲步行距离和行驶距离越长，则代表车主花费的时间成本越长。即此类别的目标因素即为成本型因素类别，进而根据该类别目标因素进行计算得到的分值越低越好。其中，效益型指标包括但不限于停车安全性，空闲车位的周边停车情况，进而根据该类别的目标因素进行计算得到的分值越高越好。其中，每种目标因素的所属分类类别均可预先在终端设备中进行存储。

S10342、分别通过所述效益型因素类别对应的公式，计算所述空闲车位中属于效益型因素类别的各个目标因素的效益评分，以及通过所述成本型因素类别对应的公式，计算所述空闲车位中属于成本型因素类别的各个目标因素的成本评分。

S10343、将所述效益评分和所述成本评分加和，得到所述空闲车位的车位评分。

在应用中，上述效益型因素类别对应的公式和成本型因素类别对应的公式具体如下：

公式1为当j所在列表对应的目标因素为效益型因素类别时，使用的计算公式；公式2为j所在列表对应的目标因素为成本型因素类别时，使用的计算公式。根据j所在列表对应的目标因数aij的数值，采用公式1或公式2，计算出每个空闲车位对应的效益评分rij或成本评分rij。从公式1可看出，效益评分rij为aij与第j类所在列表对应的目标因素中的最大值的比值。以及从公式2可看出，成本评分为aij与第j类所在列表对应的目标因素中的最小值的比值。WGA_w为每列目标因素对应的因素权重值。

在应用中，上述zi即为第i行的空闲车位的综合车位评分，其通过第i行的第一列目标因素对应的因素权重值w1，与ri1的乘积，加上其余列目标因素对应的权重值wj，分别与各自对应的rij的乘积之和得到。即zi＝ri1*w1+ri2*w2+....+rin*wn。根据上述公式，便可得到每行的得分值(即每个空闲车位的车位评分)。需要说明的是，效益评分的数值越高，代表选择该空闲车位作为目标空闲车位的效果和收益更好。以及，成本评分的数值越高，代表选择该空闲车位作为目标空闲花费的成本则更低。因此，可基于公式3得到的总分zi作为空闲车位的车位评分，以对每个空闲车位进行综合比较。

在本实施例中，通过综合两种类别的目标因素，对每个空闲车位进行评分，使最后确定的目标空闲车位可在效益以及成本之间做到合理的均衡，使目标空闲车位更符合用户选择。

请参阅图8，图8是本申请实施例提供的一种基于人工智能的车位导航装置的结构框图。本实施例中基于人工智能的车位导航装置包括的各模块用于执行图1至图4、图6、图7对应的实施例中的各步骤。具体请参阅图1至图4、图6、图7以及图1至图4、图6、图7所对应的实施例中的相关描述。为了便于说明，仅示出了与本实施例相关的部分。参见图8，基于人工智能的车位导航装置800包括：第一确定模块810、获取模块820、构建模块830以及第二确定模块840，其中：

第一确定模块810，用于确定车主输入的目标地点，并根据所述目标地点确定包含多个空闲车位的目标停车场。

获取模块820，用于分别获取所述目标停车场中每个空闲车位的目标因素。

构建模块830，用于根据所述每个空闲车位的所述目标因素构建决策矩阵，并通过所述决策矩阵计算所述每个空闲车位的车位评分。

第二确定模块840，用于将所述车位评分的最大值对应的空闲车位，确定为目标空闲车位。

在一实施例中，第一确定模块810还用于：

确定在所述目标地点预设范围内的多个停车场；

从所述多个停车场中确定包含所述空闲车位的待确定停车场；

若所述待确定停车场的数量为多个，则将距离所述目标地点最近的待确定停车场确定为目标停车场；或者，将空闲车位的数量最多的待确定停车场确定为目标停车场。

在一实施例中，所述停车场包括用于检测空闲车位的多个超声波传感器；第一确定模块810还用于：

针对任一停车场，分别使用所述停车场中的所述多个超声波传感器进行空闲车位检测，获得多个车位检测结果；

在信息汇聚中心中对所述多个车位检测结果进行汇聚，生成所述停车场的车位信息；

根据所述车位信息确定包含所述空闲车位的待确定停车场。

在一实施例中，所述目标因素包括所述目标停车场的入口与所述空闲车位之间的行驶距离；获取模块820还用于：

获取所述目标停车场中的路线分布信息；

根据所述路线分布信息，分别统计从所述目标停车场的入口至所述空闲车位的多种行驶路线；

分别计算每种行驶路线中所经过的车道距离；

将所述车道距离的最小值，确定为所述目标停车场的入口与所述空闲车位之间的行驶距离。

在一实施例中，构建模块830还用于：

建立所述每个空闲车位与所述目标因素之间的决策矩阵；

基于互补标度，分别对所述决策矩阵中的每个目标因素进行修正，得到所述每个目标因素对应的目标修正数值；

根据所述目标修正数值和预设的权重公式，计算所述每个目标因素的因素权重值；

分别基于所述因素权重值和所述每个目标因素，计算所述每个空闲车位的车位评分。

在一实施例中，构建模块830还用于：

分别对所述决策矩阵中的所述每个目标因素进行归一化处理，得到由归一化后的目标因素构成的决策矩阵

在一实施例中，所述目标因素包括效益型因素类别或成本型因素类别；构建模块830还用于：

针对任一空闲车位，根据预设的目标因素类别，分别确定所述空闲车位中所述每个目标因素的分类类别；

分别通过所述效益型因素类别对应的公式，计算所述空闲车位中属于效益型因素类别的各个目标因素的效益评分，以及通过所述成本型因素类别对应的公式，计算所述空闲车位中属于成本型因素类别的各个目标因素的成本评分；

将所述效益评分和所述成本评分加和，得到所述空闲车位的车位评分。

当理解的是，图8示出的基于人工智能的车位导航装置的结构框图中，各单元/模块用于执行图1至图4、图6、图7对应的实施例中的各步骤，而对于图1至图4、图6、图7对应的实施例中的各步骤已在上述实施例中进行详细解释，具体请参阅图图1至图4、图6、图7以及图1至图4、图6、图7所对应的实施例中的相关描述，此处不再赘述。

图9是本申请另一实施例提供的一种终端设备的结构框图。如图9所示，该实施例的终端设备900包括：处理器910、存储器920以及存储在存储器920中并可在处理器910运行的计算机程序930，例如基于人工智能的车位导航方法的程序。处理器910执行计算机程序930时实现上述各个基于人工智能的车位导航方法各实施例中的步骤，例如图1所示的S101至S104。或者，处理器910执行计算机程序930时实现上述图8对应的实施例中各模块的功能，例如，图8所示的模块810至840的功能，具体请参阅图8对应的实施例中的相关描述。

示例性的，计算机程序930可以被分割成一个或多个单元，一个或者多个单元被存储在存储器920中，并由处理器910执行，以完成本申请。一个或多个单元可以是能够完成特定功能的一系列计算机程序指令段，该指令段用于描述计算机程序930在终端设备900中的执行过程。

终端设备可包括，但不仅限于，处理器910、存储器920。本领域技术人员可以理解，图9仅仅是终端设备900的示例，并不构成对终端设备900的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件，例如终端设备还可以包括输入输出设备、网络接入设备、总线等。

所称处理器910可以是中央处理单元，还可以是其他通用处理器、数字信号处理器、专用集成电路、现成可编程门阵列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。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920可以是终端设备900的内部存储单元，例如终端设备900的硬盘或内存。存储器920也可以是终端设备900的外部存储设备，例如终端设备900上配备的插接式硬盘，智能存储卡，闪存卡等。进一步地，存储器920还可以既包括终端设备900的内部存储单元也包括外部存储设备。

以上实施例仅用以说明本申请的技术方案，而非对其限制；尽管参照前述实施例对本申请进行了详细的说明，本领域的普通技术人员应当理解：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；而这些修改或者替换，并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围，均应包含在本申请的保护范围之内。

Claims (10)

1.一种基于人工智能的车位导航方法，其特征在于，包括：

确定车主输入的目标地点，并根据所述目标地点确定包含多个空闲车位的目标停车场；

分别获取所述目标停车场中每个空闲车位的目标因素；

根据所述每个空闲车位的所述目标因素构建决策矩阵，并通过所述决策矩阵计算所述每个空闲车位的车位评分；

将所述车位评分的最大值对应的空闲车位，确定为目标空闲车位。

2.如权利要求1所述的基于人工智能的车位导航方法，其特征在于，所述根据所述目标地点确定包含多个空闲车位的目标停车场，包括：

确定在所述目标地点预设范围内的多个停车场；

从所述多个停车场中确定包含所述空闲车位的待确定停车场；

若所述待确定停车场的数量为多个，则将距离所述目标地点最近的待确定停车场确定为目标停车场；或者，将空闲车位的数量最多的待确定停车场确定为目标停车场。

3.如权利要求2所述的基于人工智能的车位导航方法，其特征在于，所述停车场包括用于检测空闲车位的多个超声波传感器；

所述从所述多个停车场中确定包含所述空闲车位的待确定停车场，包括：

针对任一停车场，分别使用所述停车场中的所述多个超声波传感器进行空闲车位检测，获得多个车位检测结果；

在信息汇聚中心中对所述多个车位检测结果进行汇聚，生成所述停车场的车位信息；

根据所述车位信息确定包含所述空闲车位的待确定停车场。

4.如权利要求1所述的基于人工智能的车位导航方法，其特征在于，所述目标因素包括所述目标停车场的入口与所述空闲车位之间的行驶距离；

所述分别获取所述目标停车场中每个空闲车位的目标因素，包括：

获取所述目标停车场中的路线分布信息；

根据所述路线分布信息，分别统计从所述目标停车场的入口至所述空闲车位的多种行驶路线；

分别计算每种行驶路线中所经过的车道距离；

将所述车道距离的最小值，确定为所述目标停车场的入口与所述空闲车位之间的行驶距离。

5.如权利要求1所述的基于人工智能的车位导航方法，其特征在于，所述根据所述每个空闲车位的所述目标因素构建决策矩阵，并通过所述决策矩阵计算所述每个空闲车位的车位评分，包括：

建立所述每个空闲车位与所述目标因素之间的决策矩阵；

基于互补标度，分别对所述决策矩阵中的每个目标因素进行修正，得到所述每个目标因素对应的目标修正数值；

根据所述目标修正数值和预设的权重公式，计算所述每个目标因素的因素权重值；

分别基于所述因素权重值和所述每个目标因素，计算所述每个空闲车位的车位评分。

6.如权利要求5所述的基于人工智能的车位导航方法，其特征在于，在所述基于互补标度，分别对所述决策矩阵中的每个目标因素进行修正，得到所述每个目标因素对应的目标修正数值之前，还包括：

分别对所述决策矩阵中的所述每个目标因素进行归一化处理，得到由归一化后的目标因素构成的决策矩阵。

7.如权利要求5所述的基于人工智能的车位导航方法，其特征在于，所述目标因素包括效益型因素类别或成本型因素类别；

所述分别基于所述因素权重值和所述每个目标因素信息，计算所述每个空闲车位的车位评分，包括：

针对任一空闲车位，根据预设的目标因素类别，分别确定所述空闲车位中所述每个目标因素的分类类别；

分别通过所述效益型因素类别对应的公式，计算所述空闲车位中属于效益型因素类别的各个目标因素的效益评分，以及通过所述成本型因素类别对应的公式，计算所述空闲车位中属于成本型因素类别的各个目标因素的成本评分；

将所述效益评分和所述成本评分加和，得到所述空闲车位的车位评分。

8.一种基于人工智能的车位导航装置，其特征在于，包括：

第一确定模块，用于确定车主输入的目标地点，并根据所述目标地点确定包含多个空闲车位的目标停车场；

获取模块，用于分别获取所述目标停车场中每个空闲车位的目标因素；

构建模块，用于根据所述每个空闲车位的所述目标因素构建决策矩阵，并通过所述决策矩阵计算所述每个空闲车位的车位评分；

第二确定模块，用于将所述车位评分的最大值对应的空闲车位，确定为目标空闲车位。

9.一种终端设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至7任一项所述的方法。

10.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，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至7任一项所述的方法。

Images