CN114419924B - 一种基于智慧城市的ai应用控制管理*** - Google Patents

一种基于智慧城市的ai应用控制管理*** Download PDF

Info

Publication number
CN114419924B
CN114419924B CN202210312062.0A CN202210312062A CN114419924B CN 114419924 B CN114419924 B CN 114419924B CN 202210312062 A CN202210312062 A CN 202210312062A CN 114419924 B CN114419924 B CN 114419924B
Authority
CN
China
Prior art keywords
parking
time
parking space
module
vehicle
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.)
Active
Application number
CN202210312062.0A
Other languages
English (en)
Other versions
CN114419924A (zh
Inventor
高萍
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Suiqitong Technology Guangzhou Co ltd
Original Assignee
Suiqitong Technology Guangzhou Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Suiqitong Technology Guangzhou Co ltd filed Critical Suiqitong Technology Guangzhou Co ltd
Priority to CN202210312062.0A priority Critical patent/CN114419924B/zh
Publication of CN114419924A publication Critical patent/CN114419924A/zh
Application granted granted Critical
Publication of CN114419924B publication Critical patent/CN114419924B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/95—Retrieval from the web
    • G06F16/953—Querying, e.g. by the use of web search engines
    • G06F16/9535—Search customisation based on user profiles and personalisation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/95—Retrieval from the web
    • G06F16/953—Querying, e.g. by the use of web search engines
    • G06F16/9537—Spatial or temporal dependent retrieval, e.g. spatiotemporal queries
    • 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
    • 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
    • G08G1/017—Detecting movement of traffic to be counted or controlled identifying vehicles

Landscapes

  • Engineering & Computer Science (AREA)
  • Databases & Information Systems (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Traffic Control Systems (AREA)

Abstract

本发明公开了一种基于智慧城市的AI应用控制管理***，包括停车时间数据存储模块、车牌识别模块、停车位停车时间分析模块、车辆导航模块、车位周边障碍物检测模块、车位周边过道车流量分析模块、车位周边情况分析模块、停车位匹配模块、就近停车场推荐模块、路线规划及导航模块，本发明的有益效果在于：根据停车位周边的障碍物的分析结果对空缺停车位进行分类，获取每一类型的停车位历史停车所耗费时间，通过车牌识别获取与车牌对应的历史停车时间，分析空缺停车位的周边过道车流量，从而为用户匹配停车位或是推荐就近停车场信息，使得停车场的信息能够共享，以提高停车场的运行效率，解决车位难寻与闲置率高的问题。

Description

一种基于智慧城市的AI应用控制管理***
技术领域
本发明涉及智慧城市技术领域，具体为一种基于智慧城市的AI应用控制管理***。
背景技术
智慧城市指的是运用信息和通信技术手段感测、分析、整合城市运行核心***的各项关键信息，从而对包括民生、环保、公共安全、城市服务、工商业活动在内的各种需求做出智能响应，智慧城市的实质就是利用先进的信息技术实现城市智慧式管理和运行，进而为城市中的人们创造更美好的生活，促进城市的和谐、可持续成长，随着人类社会的不断发展，未来城市将承载越来越多的人口，目前，我国正处于城镇化加速发展的时期，部分地区“城市病”问题日益严峻，为解决城市发展难题，实现城市可持续发展，建设智慧城市已成为当今世界城市发展不可逆转的历史潮流，智慧城市的建设在国内外许多地区已经展开，并取得了一系列成果，国内的如智慧上海、智慧双流，国外的如新加坡的“智慧国计划”、韩国的“U-City计划”等，而AI指的是人工智能，人工智能即人造的智能，是认知学科、逻辑学、计算机科学等学科交叉形成的一种新型的科学技术，人工智能研究的重要目标就是使机器能够表现出人类的智慧，具有智能行为，在人工智能研究的过程中，机器学习是行业研究的核心，也是人工智能目标实现的最根本途径，是当前人工智能发展的主要瓶颈。
智慧城市意味着信息共享和协作操作，更合理的使用资源、更好的城市发展和更好的管理决策，以及及时预测和应对突发事件和灾害，可以在城市的不同部门和***之间实现，在政策支持和完善基础设施的基础上，智慧城市的应用场景越来越丰富，然而在某些应用场景中，现有技术仍然存在着诸多不足，相较于外卖、智能出行、新零售等“互联网+”领域的成熟与蓬勃发展，智慧停车市场仍需要一段时间的发展，停车难问题已经成为大部分城市的通病，巨大的需求与智慧停车行业的低速发展间存在着不协调，如车多位少，整体缺口大、车位分布分散，车位难寻与闲置率高并存、智能水平低，信息孤立。
基于上述问题亟待提出一种基于智慧城市的AI应用控制管理***，通过对停车位周边的障碍物进行分析，根据分析结果对空缺停车位进行分类，从而获取每一类型的停车位历史停车所耗费时间，再根据车牌识别获取任一车牌对应的历史停车所耗费时间，进一步再对空缺停车位的周边过道车流量进行分析，根据分析结果，为用户进行停车位匹配，若当前无法匹配，则进一步获取就近停车场信息，从而使得停车场的信息能够共享，以提高停车场的运行效率，解决车位难寻与闲置率高的问题。
发明内容
本发明的目的在于提供一种基于智慧城市的AI应用控制管理***，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：
一种基于智慧城市的AI应用控制管理***，包括停车时间数据存储模块、车牌识别模块、停车位停车时间分析模块、车辆导航模块、车位周边障碍物检测模块、车位周边过道车流量分析模块、车位周边情况分析模块、停车位匹配模块、就近停车场推荐模块、路线规划及导航模块，
所述停车时间数据存储模块用于存储车辆每一次的停车时间以及相应类型停车位的车辆停车时间，所述车牌识别模块用于识别停车位上所停车辆的车牌号，并获取与车牌号对应车辆的开始停车时间和结束停车时间，所述停车位停车时间分析模块用于分析任一与车牌号对应或与停车位类型对应的历史车辆停车时间，所述车辆导航模块用于获取本次车辆的目的地所在并进行导航，所述车位周边障碍物检测模块用于获取任一车位的位置信息，并对其位置周边的障碍物进行分析，所述车位周边过道车流量分析模块用于获取任一车位的位置信息，并对其位置周边过道的车流量进行实时分析，所述车位周边情况分析模块用于根据车流量对车位周边情况进行分析，所述停车位匹配模块用于根据车位周边情况和车主个人停车时间对车辆与停车位进行匹配，所述就近停车场推荐模块用于向车主推荐其本次欲往目的地附近的其他停车场，所述路线规划及导航模块用于规划车主从就近停车场至目的地之间的路线并对规划好的路线进行导航；
所述停车位停车时间分析模块包括停车位类型分析子模块和停车时间分析子模块，所述停车位类型分析子模块连接车位周边障碍物检测模块，所述车位周边障碍物检测模块获取空缺车位的位置信息，并以第一车位线或第二车位线的两端延伸方向为横向，以第三车位线、第四车位线的两端延伸方向为纵向，进一步获取第一车位线与第二车位线之间的第一距离
Figure DEST_PATH_IMAGE001
以及第三车位线与第四车位线之间的第二距离
Figure 826697DEST_PATH_IMAGE002
，所述第一车位线的长度与第二车位线的长度相等，所述第三车位线的长度与第四车位线的长度相等，所述第一车位线、第二车位线的长度小于第三车位线以及第四车位线的长度，一般车位线围成的图形都为矩形，包括两条短的车位线和两条长的车位线，根据长短车位线建立方向关系，
所述车位周边障碍物检测模块进一步获取当前空缺车位的几何中心点ɑ，过所述几何中心点ɑ作第一垂线垂直于第一车位线与第二车位线，且分别延长第一车位线、第二车位线、第三车位线以及第四车位线，延长后形成障碍物检测区域，通过车位周边障碍物检测模块获取所述障碍物检测区域内第一垂线一侧障碍物距所述第一垂线的第一最短横向垂直距离
Figure DEST_PATH_IMAGE003
，进一步获取所述障碍物检测区域内第一垂线另一侧障碍物距所述第一垂线的第二最短横向垂直距离
Figure 718560DEST_PATH_IMAGE004
；
所述车位周边障碍物检测模块获取当前空缺车位的几何中心点ɑ，过所述几何中心点ɑ作第二垂线垂直于第三车位线与第四车位线，通过车位周边障碍物检测模块获取所述障碍物检测区域内第二垂线一侧障碍物距所述第二垂线的第一最短纵向垂直距离
Figure DEST_PATH_IMAGE005
，进一步获取所述障碍物检测区域内第二垂线另一侧障碍物距所述第二垂线的第二最短纵向垂直距离
Figure 544434DEST_PATH_IMAGE006
，
所述停车位类型分析子模块预先设置有停车位类型分类值区间，进一步获取所述第一距离
Figure DEST_PATH_IMAGE007
、第二距离
Figure 863551DEST_PATH_IMAGE008
、第一最短横向垂直距离
Figure DEST_PATH_IMAGE009
、第二最短横向垂直距离
Figure 142086DEST_PATH_IMAGE010
、第一最短纵向垂直距离
Figure DEST_PATH_IMAGE011
、第二最短纵向垂直距离
Figure 834711DEST_PATH_IMAGE012
，所述停车位类型分析子模块计算分类值
Figure DEST_PATH_IMAGE013
，并根据计算得到的分类值F与预先设置的停车位类型分类值区间对应，获取相应的停车位类型，根据横向垂直距离和纵向垂直距离，计算的是任一空缺停车位的周围的空间大小，继而根据空间大小对当前的空缺停车位进行一个分类，因为每个车主的驾龄不同，导致其驾驶技术也会存在很大的区别，一些空缺停车位，其周围空间小，旁边四处都停满了车，只有这一个空位，很多新手司机是没有把握将车停进去的，而且就算将车停了进去，也会花费不少的时间，那么就会造成停车场内的道路拥堵，降低了停车场的运行效率，而且在停进去的过程中，还不能避免会出现剐蹭事件，出现这种事件又难免发生纠纷，因此，根据空缺停车位的周围空间大小将空缺停车位进行分类，再根据停车位分类和车主的驾驶技术将空缺停车位与车主之间进行匹配。
进一步的，所述车牌识别模块包括录像子模块和识别子模块，所述录像子模块对停车位的周边进行视频监控，所述识别子模块在车辆进入到停车位之后识别车辆的车牌号，当识别出车辆的车牌号之后，对车牌号进行记录并存储，存储信息还包括存储时间即识别出车辆车牌号的时间节点，识别子模块的识别机制在于车辆进入到停车位之后，识别车辆的车牌号，此时可以视为当前车辆已经停好，即该车辆不会再影响过道的交通，将这个时候的时间节点可以视为结束停车时间，
所述录像子模块进一步通过识别子模块获取所述存储时间，并根据所述存储时间获取该存储时间节点之前的录像，进一步根据存储的车牌号于录像中查找与车牌号对应的车辆，当对应车辆行驶至与该车辆最终所停停车位的距离小于或等于第一预设距离时，所述录像子模块对录像进行截屏，并获取截屏中显示的时间节点，所述截屏中显示的时间节点为开始停车时间，所述存储时间即为结束停车时间，获取到结束停车时间，在结束停车时间这个时间节点之前，根据录像判断该车辆是从什么时候开始停车的，即获取该车辆的开始停车时间，继而根据开始停车时间和结束停车时间可以计算该车辆在停车时一共花费的时间。
进一步的，停车时间分析子模块连接车牌识别模块，所述停车时间分析子模块通过录像子模块获取开始停车时间，进一步通过识别子模块获取结束停车时间，所述停车时间分析子模块根据开始停车时间和结束停车时间计算本次与车牌号对应的车辆停车所耗费的时间
Figure 249511DEST_PATH_IMAGE014
以及与停车位类型对应的车辆停车所耗费的时间
Figure DEST_PATH_IMAGE015
，本次停车耗费时间
Figure 5109DEST_PATH_IMAGE014
、
Figure 708623DEST_PATH_IMAGE015
的值都为结束停车时间与开始停车时间的差值，
所述停车时间分析子模块还连接停车时间数据存储模块，所述停车时间数据存储模块存储的停车时间数据分别与车牌号、停车位类型相对应，所述停车时间数据存储模块将本次停车耗费时间
Figure 473448DEST_PATH_IMAGE014
、
Figure 8334DEST_PATH_IMAGE015
与车牌号、停车位类型对应进行存储，并进一步获取与车牌号对应的第一车辆历史停车时间数据
Figure 856204DEST_PATH_IMAGE016
、
Figure DEST_PATH_IMAGE017
、
Figure 935762DEST_PATH_IMAGE018
、
Figure DEST_PATH_IMAGE019
、
Figure 363333DEST_PATH_IMAGE020
、
Figure DEST_PATH_IMAGE021
，其中，
Figure 113245DEST_PATH_IMAGE022
为该车牌号对应车辆第n次的停车时间数据，所述停车时间分析子模块还获取与停车位类型对应的第二车辆历史停车时间数据
Figure DEST_PATH_IMAGE023
、
Figure 270033DEST_PATH_IMAGE024
、
Figure DEST_PATH_IMAGE025
、
Figure 354663DEST_PATH_IMAGE026
、
Figure DEST_PATH_IMAGE027
、
Figure 867815DEST_PATH_IMAGE028
，其中，
Figure DEST_PATH_IMAGE029
为该停车位类型对应的第n次车辆于该类型的停车位上停车所需要消耗的停车时间。
进一步的，所述停车时间分析子模块进一步对车辆历史停车数据进行处理，所述停车时间分析子模块根据获取到的与车牌号对应的第一车辆历史停车时间数据
Figure 531621DEST_PATH_IMAGE016
、
Figure 314770DEST_PATH_IMAGE017
、
Figure 214593DEST_PATH_IMAGE018
、
Figure 593752DEST_PATH_IMAGE019
、
Figure 692158DEST_PATH_IMAGE020
、
Figure 318312DEST_PATH_IMAGE021
、
Figure 518480DEST_PATH_IMAGE030
，将所述第一车辆历史停车时间数据根据时间节点等分成若干时间段，并对每个时间段的历史停车时间数据进行计算，若任一时间段包括b个车辆历史停车时间数据，则计算所述任一时间段内的熟练停车评估值
Figure DEST_PATH_IMAGE031
，其中，
Figure 698401DEST_PATH_IMAGE032
为停车时间阈值，
Figure DEST_PATH_IMAGE033
，
Figure 916893DEST_PATH_IMAGE034
，当所述熟练停车评估值B小于等于0时，获取该任一时间段之后的a个时间段，a为任意值，并对a个时间段内的熟练停车评估值进行计算，当所述a个时间段内的熟练停车评估值均小于等于0时，则进一步获取所述任一时间段至现在的所有历史停车时间数据，并计算得出所述所有历史停车时间数据的第一停车时间平均值
Figure DEST_PATH_IMAGE035
，其中，第一停车时间平均值
Figure 526997DEST_PATH_IMAGE036
，
当熟练停车评估值B皆大于0时，第一停车时间平均值
Figure DEST_PATH_IMAGE037
，
一般驾驶员的驾驶技术都是会随着时间和驾驶次数的增长而增长的，将时间划分为若干个小的时间段，再对每个时间段的平均停车时间进行计算，将计算得到的平均停车时间和预先设定的停车时间阈值进行综合分析比较，当熟练停车评估值B为负值的时候，说明该时间段的平均停车时间是小于停车时间阈值的，将停车时间阈值当做一个判定的标准，使得第一停车时间平均值的计算结果更加精确，如果将一开始的停车时间都放在一起计算的话，那么最后计算所得到的值会明显偏低，也无法真实反应现在车主的平均停车时间，选取多个即a个时间段进行分析，是为了分析所获取数据的稳定性，a为任意值，a指的是第一个熟练停车评估值B小于等于0的时段至当前时刻的时段数量，若是所有的小的时段里，熟练停车评估值B都无法满足其值小于等于0，那么很有可能说明车主的购车时间不长，此时可以将其历史所有的停车时间数据一起进行计算，将计算得出的值作为第一停车时间平均值，第一停车时间平均值指的是该车主每次的停车所耗费的平均停车时间，
所述停车时间分析子模块根据获取到的与停车位类型相对应的第二车辆历史停车时间数据
Figure 11199DEST_PATH_IMAGE038
、
Figure DEST_PATH_IMAGE039
、
Figure 512588DEST_PATH_IMAGE040
、
Figure DEST_PATH_IMAGE041
、
Figure 398635DEST_PATH_IMAGE042
、
Figure DEST_PATH_IMAGE043
、
Figure 239028DEST_PATH_IMAGE044
，并进一步计算第二停车时间平均值
Figure DEST_PATH_IMAGE045
，每个车位都会有不同的车辆停进来，而且根据车位的类型和每一个驾驶员的驾驶技术不同，导致每一个车位的历史停车时间数据也是不一样的，而且一个车位的类型也是随着周围所停车辆的变化而变化的，每一个类型车位的历史停车时间数据指的是每一次任一车辆停在该类型车位上所耗费的时间，根据这些时间数据，计算得出第二停车时间平均值，将第一停车时间平均值和第二停车时间平均值作为一个车主与任一类型停车位之间匹配的一个标准。
进一步的，所述车牌识别模块包括录像子模块，所述录像子模块连接车位周边过道车流量分析模块，所述车位周边过道车流量分析模块获取录像子模块的截屏，并根据获取到的截屏进一步获取截屏中显示的时间节点，所述车位周边过道车流量分析模块还根据截屏确定当前截屏所属的停车位，根据停车位确定其周边过道信息，设定一定时间段，根据所述一定时间段内的截屏数量和时间长度，确定所述一定时间段内的车流量数据，所述车流量
Figure 23575DEST_PATH_IMAGE046
，其中，
Figure DEST_PATH_IMAGE047
为所述一定时间段内的截屏数量，
Figure 834316DEST_PATH_IMAGE048
为所述一定时间段的时间长度。
进一步的，所述车位周边过道车流量分析模块连接车位周边情况分析模块，所述车位周边情况分析模块连接车辆导航模块，所述车位周边情况分析模块通过车辆导航模块获取本次车辆导航目的地以及到达目的地的预估时刻，
所述车位周边情况分析模块根据本次车辆导航目的地获取与目的地对应的停车场信息，进一步根据到达目的地的预估时刻锁定当前停车场内的空缺停车位，根据空缺停车位的位置信息和预估时刻获取与空缺停车位对应位置于一定时间段内的过道车流量
Figure DEST_PATH_IMAGE049
，所述一定时间段与所述预估时刻相对应。
进一步的，停车位匹配模块连接停车时间分析子模块与车位周边情况分析模块，所述停车位匹配模块通过停车时间分析子模块获取第一停车时间平均值
Figure 43711DEST_PATH_IMAGE050
与第二停车时间平均值
Figure DEST_PATH_IMAGE051
，所述停车位匹配模块根据第一停车时间平均值与第二停车时间平均值计算两者之间的匹配评估值
Figure 402142DEST_PATH_IMAGE052
，其中，
Figure DEST_PATH_IMAGE053
为停车时间阈值，当P的值越小时，说明
Figure 326849DEST_PATH_IMAGE054
和
Figure DEST_PATH_IMAGE055
的值是越接近的，根据车主的平均停车时间确定该车主需要什么类型的停车位，即多大的停车空间，将车主与停车位的类型进行匹配，
当匹配评估值P小于等于预设值时，所述停车位匹配模块进一步获取与第二停车时间平均值所对应的停车位类型，所述停车位匹配模块通过车位周边情况分析模块获取所述停车位类型对应的空缺停车位的位置，并根据其位置信息获取一定时间段内的过道车流量
Figure 592876DEST_PATH_IMAGE056
，并比较车流量
Figure 719095DEST_PATH_IMAGE056
与第一停车时间平均值
Figure DEST_PATH_IMAGE057
的数值大小，当
Figure 91170DEST_PATH_IMAGE056
的数值大于
Figure 972014DEST_PATH_IMAGE057
的数值时，车流量
Figure 87738DEST_PATH_IMAGE056
的数值反应的是平均多长时间就有一辆车从该过道的位置经过，但是车流量的大小需要根据时段来进行分析，一天当中有车流量大的时候，也有车流量小的时候，根据分时段分析车流量，再将车主到达目的地的预估时间和时段对应上，判断在车主到达停车场的时候整个停车场内所有空缺停车位位置处过道的车流量情况，根据车流量
Figure 927518DEST_PATH_IMAGE056
的数值大小的意义与第一停车时间平均值，可以判断假如车主在某一个位置停车，但是该车主的停车时间如果大于车流量
Figure 221227DEST_PATH_IMAGE056
的数值，那么就有可能会导致该处过道的拥堵，这里停车时间的预估值即第一停车时间平均值，从而就会造成停车场的运行效率低下，不利于停车场的维护，所述停车位匹配模块获取对应过道的停车位位置，并将所述停车位位置向用户进行推荐。
进一步的，所述停车位匹配模块连接就近停车场推荐模块，所述就近停车场推荐模块连接路线规划及导航模块、车辆导航模块，所述就近停车场推荐模块获取停车位匹配模块的匹配结果，若当前停车位匹配模块未向用户进行推荐，则进一步通过车辆导航模块获取本次车辆欲要前往的目的地信息，并根据目的地选择就近停车场，确认就近停车场的空缺停车位信息，根据空缺停车位信息与当前用户的个人停车时间分析为用户匹配相应的空缺停车位，并通过路线规划及导航模块为用户提供就近停车场与目的地之间的路线规划及导航。
与现有技术相比，本发明所达到的有益效果是：本发明通过对停车位周边的障碍物进行分析，根据分析结果对空缺停车位进行分类，从而获取每一类型的停车位历史停车所耗费时间，再根据车牌识别获取任一车牌对应的历史停车所耗费时间，进一步再对空缺停车位的周边过道车流量进行分析，根据分析结果，为用户进行停车位匹配，若当前无法匹配，则进一步获取就近停车场信息，从而使得停车场的信息能够共享，以提高停车场的运行效率，解决车位难寻与闲置率高的问题。
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是本发明一种基于智慧城市的AI应用控制管理***的模块示意图。
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：
一种基于智慧城市的AI应用控制管理***，包括停车时间数据存储模块、车牌识别模块、停车位停车时间分析模块、车辆导航模块、车位周边障碍物检测模块、车位周边过道车流量分析模块、车位周边情况分析模块、停车位匹配模块、就近停车场推荐模块、路线规划及导航模块，
停车时间数据存储模块用于存储车辆每一次的停车时间以及相应类型停车位的车辆停车时间，车牌识别模块用于识别停车位上所停车辆的车牌号，并获取与车牌号对应车辆的开始停车时间和结束停车时间，停车位停车时间分析模块用于分析任一与车牌号对应或与停车位类型对应的历史车辆停车时间，车辆导航模块用于获取本次车辆的目的地所在并进行导航，车位周边障碍物检测模块用于获取任一车位的位置信息，并对其位置周边的障碍物进行分析，车位周边过道车流量分析模块用于获取任一车位的位置信息，并对其位置周边过道的车流量进行实时分析，车位周边情况分析模块用于根据车流量对车位周边情况进行分析，停车位匹配模块用于根据车位周边情况和车主个人停车时间对车辆与停车位进行匹配，就近停车场推荐模块用于向车主推荐其本次欲往目的地附近的其他停车场，路线规划及导航模块用于规划车主从就近停车场至目的地之间的路线并对规划好的路线进行导航。
车牌识别模块包括录像子模块和识别子模块，录像子模块对停车位的周边进行视频监控，识别子模块在车辆进入到停车位之后识别车辆的车牌号，当识别出车辆的车牌号之后，对车牌号进行记录并存储，存储信息还包括存储时间即识别出车辆车牌号的时间节点，
录像子模块进一步通过识别子模块获取存储时间，并根据存储时间获取该存储时间节点之前的录像，进一步根据存储的车牌号于录像中查找与车牌号对应的车辆，当对应车辆行驶至与该车辆最终所停停车位的距离小于或等于第一预设距离时，录像子模块对录像进行截屏，并获取截屏中显示的时间节点，截屏中显示的时间节点为开始停车时间，存储时间即为结束停车时间。
停车位停车时间分析模块包括停车位类型分析子模块和停车时间分析子模块，停车位类型分析子模块连接车位周边障碍物检测模块，车位周边障碍物检测模块获取空缺车位的位置信息，并以第一车位线或第二车位线的两端延伸方向为横向，以第三车位线、第四车位线的两端延伸方向为纵向，进一步获取第一车位线与第二车位线之间的第一距离
Figure 841564DEST_PATH_IMAGE058
以及第三车位线与第四车位线之间的第二距离
Figure DEST_PATH_IMAGE059
，第一车位线的长度与第二车位线的长度相等，第三车位线的长度与第四车位线的长度相等，第一车位线、第二车位线的长度小于第三车位线以及第四车位线的长度，
车位周边障碍物检测模块进一步获取当前空缺车位的几何中心点ɑ，过几何中心点ɑ作第一垂线垂直于第一车位线与第二车位线，且分别延长第一车位线、第二车位线、第三车位线以及第四车位线，延长后形成障碍物检测区域，通过车位周边障碍物检测模块获取障碍物检测区域内第一垂线一侧障碍物距第一垂线的第一最短横向垂直距离
Figure 511711DEST_PATH_IMAGE060
，进一步获取障碍物检测区域内第一垂线另一侧障碍物距第一垂线的第二最短横向垂直距离
Figure DEST_PATH_IMAGE061
。
车位周边障碍物检测模块获取当前空缺车位的几何中心点ɑ，过几何中心点ɑ作第二垂线垂直于第三车位线与第四车位线，通过车位周边障碍物检测模块获取障碍物检测区域内第二垂线一侧障碍物距第二垂线的第一最短纵向垂直距离
Figure 268315DEST_PATH_IMAGE060
，进一步获取障碍物检测区域内第二垂线另一侧障碍物距第二垂线的第二最短纵向垂直距离
Figure 732925DEST_PATH_IMAGE061
，
停车位类型分析子模块预先设置有停车位类型分类值区间，进一步获取第一距离
Figure 778241DEST_PATH_IMAGE062
、第二距离
Figure DEST_PATH_IMAGE063
、第一最短横向垂直距离
Figure 780308DEST_PATH_IMAGE064
、第二最短横向垂直距离
Figure DEST_PATH_IMAGE065
、第一最短纵向垂直距离
Figure 204467DEST_PATH_IMAGE066
、第二最短纵向垂直距离
Figure DEST_PATH_IMAGE067
，停车位类型分析子模块计算分类值
Figure 620405DEST_PATH_IMAGE068
，并根据计算得到的分类值F与预先设置的停车位类型分类值区间对应，获取相应的停车位类型。
停车时间分析子模块连接车牌识别模块，停车时间分析子模块通过录像子模块获取开始停车时间，进一步通过识别子模块获取结束停车时间，停车时间分析子模块根据开始停车时间和结束停车时间计算本次与车牌号对应的车辆停车所耗费的时间
Figure 700488DEST_PATH_IMAGE069
以及与停车位类型对应的车辆停车所耗费的时间
Figure 164967DEST_PATH_IMAGE070
，本次停车耗费时间
Figure 974791DEST_PATH_IMAGE069
、
Figure 840592DEST_PATH_IMAGE070
的值都为结束停车时间与开始停车时间的差值，
停车时间分析子模块还连接停车时间数据存储模块，停车时间数据存储模块存储的停车时间数据分别与车牌号、停车位类型相对应，停车时间数据存储模块将本次停车耗费时间
Figure 939129DEST_PATH_IMAGE069
、
Figure 20348DEST_PATH_IMAGE070
与车牌号、停车位类型对应进行存储，并进一步获取与车牌号对应的第一车辆历史停车时间数据
Figure 684679DEST_PATH_IMAGE071
、
Figure 911261DEST_PATH_IMAGE072
、
Figure 418466DEST_PATH_IMAGE073
、
Figure 769288DEST_PATH_IMAGE074
、
Figure 22546DEST_PATH_IMAGE075
、
Figure 295395DEST_PATH_IMAGE076
，其中，
Figure 493159DEST_PATH_IMAGE077
为该车牌号对应车辆第n次的停车时间数据，停车时间分析子模块还获取与停车位类型对应的第二车辆历史停车时间数据
Figure 244077DEST_PATH_IMAGE078
、
Figure 552174DEST_PATH_IMAGE079
、
Figure 120559DEST_PATH_IMAGE080
、
Figure 336776DEST_PATH_IMAGE074
、
Figure DEST_PATH_IMAGE081
、
Figure 32331DEST_PATH_IMAGE082
，其中，
Figure DEST_PATH_IMAGE083
为该停车位类型对应的第n次车辆于该类型的停车位上停车所需要消耗的停车时间。
停车时间分析子模块进一步对车辆历史停车数据进行处理，停车时间分析子模块根据获取到的与车牌号对应的第一车辆历史停车时间数据
Figure 463443DEST_PATH_IMAGE071
、
Figure 140412DEST_PATH_IMAGE072
、
Figure 640664DEST_PATH_IMAGE073
、
Figure 139910DEST_PATH_IMAGE074
、
Figure 346900DEST_PATH_IMAGE075
、
Figure 522666DEST_PATH_IMAGE076
、
Figure 258017DEST_PATH_IMAGE084
，将第一车辆历史停车时间数据根据时间节点等分成若干时间段，并对每个时间段的历史停车时间数据进行计算，若任一时间段包括b个车辆历史停车时间数据，则计算任一时间段内的熟练停车评估值
Figure DEST_PATH_IMAGE085
，其中，
Figure 544641DEST_PATH_IMAGE086
为停车时间阈值，
Figure DEST_PATH_IMAGE087
，
Figure 684767DEST_PATH_IMAGE088
，当熟练停车评估值B小于等于0时，获取该任一时间段之后的a个时间段，a为任意值，并对a个时间段内的熟练停车评估值进行计算，当a个时间段内的熟练停车评估值均小于等于0时，则进一步获取任一时间段至现在的所有历史停车时间数据，并计算得出所有历史停车时间数据的第一停车时间平均值
Figure DEST_PATH_IMAGE089
，其中，第一停车时间平均值
Figure 110063DEST_PATH_IMAGE090
，
当熟练停车评估值B皆大于0时，第一停车时间平均值
Figure 319328DEST_PATH_IMAGE091
，
停车时间分析子模块根据获取到的与停车位类型相对应的第二车辆历史停车时间数据
Figure 160376DEST_PATH_IMAGE092
、
Figure 565729DEST_PATH_IMAGE093
、
Figure 896347DEST_PATH_IMAGE094
、
Figure 343640DEST_PATH_IMAGE095
、
Figure 972067DEST_PATH_IMAGE096
、
Figure 555627DEST_PATH_IMAGE097
、
Figure 509676DEST_PATH_IMAGE098
，并进一步计算第二停车时间平均值
Figure 34811DEST_PATH_IMAGE099
。
车牌识别模块包括录像子模块，录像子模块连接车位周边过道车流量分析模块，车位周边过道车流量分析模块获取录像子模块的截屏，并根据获取到的截屏进一步获取截屏中显示的时间节点，车位周边过道车流量分析模块还根据截屏确定当前截屏所属的停车位，根据停车位确定其周边过道信息，设定一定时间段，根据一定时间段内的截屏数量和时间长度，确定一定时间段内的车流量数据，车流量
Figure 952082DEST_PATH_IMAGE100
，其中，
Figure 983623DEST_PATH_IMAGE101
为一定时间段内的截屏数量，
Figure 842995DEST_PATH_IMAGE102
为一定时间段的时间长度。
车位周边过道车流量分析模块连接车位周边情况分析模块，车位周边情况分析模块连接车辆导航模块，车位周边情况分析模块通过车辆导航模块获取本次车辆导航目的地以及到达目的地的预估时刻，
车位周边情况分析模块根据本次车辆导航目的地获取与目的地对应的停车场信息，进一步根据到达目的地的预估时刻锁定当前停车场内的空缺停车位，根据空缺停车位的位置信息和预估时刻获取与空缺停车位对应位置于一定时间段内的过道车流量
Figure 999301DEST_PATH_IMAGE103
，一定时间段与预估时刻相对应。
停车位匹配模块连接停车时间分析子模块与车位周边情况分析模块，停车位匹配模块通过停车时间分析子模块获取第一停车时间平均值
Figure 841968DEST_PATH_IMAGE104
与第二停车时间平均值
Figure 259174DEST_PATH_IMAGE105
，停车位匹配模块根据第一停车时间平均值与第二停车时间平均值计算两者之间的匹配评估值
Figure 40179DEST_PATH_IMAGE106
，其中，
Figure 136311DEST_PATH_IMAGE107
为停车时间阈值，
当匹配评估值P小于等于预设值时，停车位匹配模块进一步获取与第二停车时间平均值所对应的停车位类型，停车位匹配模块通过车位周边情况分析模块获取停车位类型对应的空缺停车位的位置，并根据其位置信息获取一定时间段内的过道车流量
Figure 113494DEST_PATH_IMAGE103
，并比较车流量
Figure 57311DEST_PATH_IMAGE103
与第一停车时间平均值
Figure 196168DEST_PATH_IMAGE108
的数值大小，当
Figure 576334DEST_PATH_IMAGE103
的数值大于
Figure 901748DEST_PATH_IMAGE108
的数值时，停车位匹配模块获取对应过道的停车位位置，并将停车位位置向用户进行推荐。
停车位匹配模块连接就近停车场推荐模块，就近停车场推荐模块连接路线规划及导航模块、车辆导航模块，就近停车场推荐模块获取停车位匹配模块的匹配结果，若当前停车位匹配模块未向用户进行推荐，则进一步通过车辆导航模块获取本次车辆欲要前往的目的地信息，并根据目的地选择就近停车场，确认就近停车场的空缺停车位信息，根据空缺停车位信息与当前用户的个人停车时间分析为用户匹配相应的空缺停车位，并通过路线规划及导航模块为用户提供就近停车场与目的地之间的路线规划及导航。
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 (8)

1.一种基于智慧城市的AI应用控制管理***，其特征在于：包括停车时间数据存储模块、车牌识别模块、停车位停车时间分析模块、车辆导航模块、车位周边障碍物检测模块、车位周边过道车流量分析模块、车位周边情况分析模块、停车位匹配模块、就近停车场推荐模块、路线规划及导航模块，
所述停车时间数据存储模块用于存储车辆每一次的停车时间以及相应类型停车位的车辆停车时间，所述车牌识别模块用于识别停车位上所停车辆的车牌号，并获取与车牌号对应车辆的开始停车时间和结束停车时间，所述停车位停车时间分析模块用于分析任一与车牌号对应或与停车位类型对应的历史车辆停车时间，所述车辆导航模块用于获取本次车辆的目的地所在并进行导航，所述车位周边障碍物检测模块用于获取任一车位的位置信息，并对其位置周边的障碍物进行分析，所述车位周边过道车流量分析模块用于获取任一车位的位置信息，并对其位置周边过道的车流量进行实时分析，所述车位周边情况分析模块用于根据车流量对车位周边情况进行分析，所述停车位匹配模块用于根据车位周边情况和车主个人停车时间对车辆与停车位进行匹配，所述就近停车场推荐模块用于向车主推荐其本次欲往目的地附近的其他停车场，所述路线规划及导航模块用于规划车主从就近停车场至目的地之间的路线并对规划好的路线进行导航；
所述停车位停车时间分析模块包括停车位类型分析子模块和停车时间分析子模块，所述停车位类型分析子模块连接车位周边障碍物检测模块，所述车位周边障碍物检测模块获取空缺车位的位置信息，并以第一车位线或第二车位线的两端延伸方向为横向，以第三车位线、第四车位线的两端延伸方向为纵向，进一步获取第一车位线与第二车位线之间的第一距离
Figure 525311DEST_PATH_IMAGE002
以及第三车位线与第四车位线之间的第二距离
Figure 35926DEST_PATH_IMAGE004
，所述第一车位线的长度与第二车位线的长度相等，所述第三车位线的长度与第四车位线的长度相等，所述第一车位线、第二车位线的长度小于第三车位线以及第四车位线的长度，
所述车位周边障碍物检测模块进一步获取当前空缺车位的几何中心点ɑ，过所述几何中心点ɑ作第一垂线垂直于第一车位线与第二车位线，且分别延长第一车位线、第二车位线、第三车位线以及第四车位线，延长后形成障碍物检测区域，通过车位周边障碍物检测模块获取所述障碍物检测区域内第一垂线一侧障碍物距所述第一垂线的第一最短横向垂直距离
Figure 409139DEST_PATH_IMAGE006
，进一步获取所述障碍物检测区域内第一垂线另一侧障碍物距所述第一垂线的第二最短横向垂直距离
Figure 191632DEST_PATH_IMAGE008
；
所述车位周边障碍物检测模块获取当前空缺车位的几何中心点ɑ，过所述几何中心点ɑ作第二垂线垂直于第三车位线与第四车位线，通过车位周边障碍物检测模块获取所述障碍物检测区域内第二垂线一侧障碍物距所述第二垂线的第一最短纵向垂直距离
Figure 802741DEST_PATH_IMAGE010
，进一步获取所述障碍物检测区域内第二垂线另一侧障碍物距所述第二垂线的第二最短纵向垂直距离
Figure 484259DEST_PATH_IMAGE012
，
所述停车位类型分析子模块预先设置有停车位类型分类值区间，进一步获取所述第一距离
Figure 16871DEST_PATH_IMAGE014
、第二距离
Figure 12509DEST_PATH_IMAGE016
、第一最短横向垂直距离
Figure 274863DEST_PATH_IMAGE018
、第二最短横向垂直距离
Figure 330544DEST_PATH_IMAGE020
、第一最短纵向垂直距离
Figure 616031DEST_PATH_IMAGE022
、第二最短纵向垂直距离
Figure 415360DEST_PATH_IMAGE024
，所述停车位类型分析子模块计算分类值
Figure 3992DEST_PATH_IMAGE026
，并根据计算得到的分类值F与预先设置的停车位类型分类值区间对应，获取相应的停车位类型。
2.根据权利要求1所述的一种基于智慧城市的AI应用控制管理***，其特征在于：所述车牌识别模块包括录像子模块和识别子模块，所述录像子模块对停车位的周边进行视频监控，所述识别子模块在车辆进入到停车位之后识别车辆的车牌号，当识别出车辆的车牌号之后，对车牌号进行记录并存储，存储信息还包括存储时间即识别出车辆车牌号的时间节点，
所述录像子模块进一步通过识别子模块获取所述存储时间，并根据所述存储时间获取该存储时间节点之前的录像，进一步根据存储的车牌号于录像中查找与车牌号对应的车辆，当对应车辆行驶至与该车辆最终所停停车位的距离小于或等于第一预设距离时，所述录像子模块对录像进行截屏，并获取截屏中显示的时间节点，所述截屏中显示的时间节点为开始停车时间，所述存储时间即为结束停车时间。
3.根据权利要求1或2所述的一种基于智慧城市的AI应用控制管理***，其特征在于：停车时间分析子模块连接车牌识别模块，所述停车时间分析子模块通过录像子模块获取开始停车时间，进一步通过识别子模块获取结束停车时间，所述停车时间分析子模块根据开始停车时间和结束停车时间计算本次与车牌号对应的车辆停车所耗费的时间
Figure 699416DEST_PATH_IMAGE028
以及与停车位类型对应的车辆停车所耗费的时间
Figure 268937DEST_PATH_IMAGE030
，本次停车耗费时间
Figure 809640DEST_PATH_IMAGE028
、
Figure 453111DEST_PATH_IMAGE030
的值都为结束停车时间与开始停车时间的差值，
所述停车时间分析子模块还连接停车时间数据存储模块，所述停车时间数据存储模块存储的停车时间数据分别与车牌号、停车位类型相对应，所述停车时间数据存储模块将本次停车耗费时间
Figure 647332DEST_PATH_IMAGE028
、
Figure 438570DEST_PATH_IMAGE030
与车牌号、停车位类型对应进行存储，并进一步获取与车牌号对应的第一车辆历史停车时间数据
Figure 517385DEST_PATH_IMAGE032
、
Figure 77679DEST_PATH_IMAGE034
、
Figure 849326DEST_PATH_IMAGE036
、
Figure 862281DEST_PATH_IMAGE038
、
Figure 744787DEST_PATH_IMAGE040
、
Figure 891079DEST_PATH_IMAGE042
，其中，
Figure 833627DEST_PATH_IMAGE044
为该车牌号对应车辆第n次的停车时间数据，所述停车时间分析子模块还获取与停车位类型对应的第二车辆历史停车时间数据
Figure 333878DEST_PATH_IMAGE046
、
Figure 754495DEST_PATH_IMAGE048
、
Figure 227065DEST_PATH_IMAGE050
、
Figure 402831DEST_PATH_IMAGE052
、
Figure 390379DEST_PATH_IMAGE054
、
Figure 145845DEST_PATH_IMAGE056
，其中，
Figure 207342DEST_PATH_IMAGE058
为该停车位类型对应的第n次车辆于该类型的停车位上停车所需要消耗的停车时间。
4.根据权利要求3所述的一种基于智慧城市的AI应用控制管理***，其特征在于：所述停车时间分析子模块进一步对车辆历史停车数据进行处理，所述停车时间分析子模块根据获取到的与车牌号对应的第一车辆历史停车时间数据
Figure 554010DEST_PATH_IMAGE032
、
Figure 966537DEST_PATH_IMAGE034
、
Figure 56853DEST_PATH_IMAGE036
、
Figure 238435DEST_PATH_IMAGE038
、
Figure 490425DEST_PATH_IMAGE040
、
Figure 390248DEST_PATH_IMAGE042
、
Figure 18675DEST_PATH_IMAGE060
，将所述第一车辆历史停车时间数据根据时间节点等分成若干时间段，并对每个时间段的历史停车时间数据进行计算，若任一时间段包括b个车辆历史停车时间数据，则计算所述任一时间段内的熟练停车评估值
Figure 320344DEST_PATH_IMAGE062
，其中，
Figure 746164DEST_PATH_IMAGE064
为停车时间阈值，
Figure 133283DEST_PATH_IMAGE066
，
Figure 565402DEST_PATH_IMAGE068
，当所述熟练停车评估值B小于等于0时，获取该任一时间段之后的a个时间段，a为任意值，并对a个时间段内的熟练停车评估值进行计算，当所述a个时间段内的熟练停车评估值均小于等于0时，则进一步获取所述任一时间段至现在的所有历史停车时间数据，并计算得出所述所有历史停车时间数据的第一停车时间平均值
Figure 455997DEST_PATH_IMAGE070
，其中，第一停车时间平均值
Figure 315369DEST_PATH_IMAGE072
，
当熟练停车评估值B皆大于0时，第一停车时间平均值
Figure 924205DEST_PATH_IMAGE074
，
所述停车时间分析子模块根据获取到的与停车位类型相对应的第二车辆历史停车时间数据
Figure 160014DEST_PATH_IMAGE076
、
Figure 170695DEST_PATH_IMAGE078
、
Figure 200968DEST_PATH_IMAGE080
、
Figure 359417DEST_PATH_IMAGE082
、
Figure 71021DEST_PATH_IMAGE084
、
Figure 998526DEST_PATH_IMAGE086
、
Figure 137383DEST_PATH_IMAGE088
，并进一步计算第二停车时间平均值
Figure 48708DEST_PATH_IMAGE090
。
5.根据权利要求4所述的一种基于智慧城市的AI应用控制管理***，其特征在于：所述车牌识别模块包括录像子模块，所述录像子模块连接车位周边过道车流量分析模块，所述车位周边过道车流量分析模块获取录像子模块的截屏，并根据获取到的截屏进一步获取截屏中显示的时间节点，所述车位周边过道车流量分析模块还根据截屏确定当前截屏所属的停车位，根据停车位确定其周边过道信息，设定一定时间段，根据所述一定时间段内的截屏数量和时间长度，确定所述一定时间段内的车流量数据，所述车流量
Figure DEST_PATH_IMAGE092
，其中，
Figure DEST_PATH_IMAGE094
为所述一定时间段内的截屏数量，
Figure DEST_PATH_IMAGE096
为所述一定时间段的时间长度。
6.根据权利要求5所述的一种基于智慧城市的AI应用控制管理***，其特征在于：所述车位周边过道车流量分析模块连接车位周边情况分析模块，所述车位周边情况分析模块连接车辆导航模块，所述车位周边情况分析模块通过车辆导航模块获取本次车辆导航目的地以及到达目的地的预估时刻，
所述车位周边情况分析模块根据本次车辆导航目的地获取与目的地对应的停车场信息，进一步根据到达目的地的预估时刻锁定当前停车场内的空缺停车位，根据空缺停车位的位置信息和预估时刻获取与空缺停车位对应位置于一定时间段内的过道车流量
Figure DEST_PATH_IMAGE098
，所述一定时间段与所述预估时刻相对应。
7.根据权利要求6所述的一种基于智慧城市的AI应用控制管理***，其特征在于：停车位匹配模块连接停车时间分析子模块与车位周边情况分析模块，所述停车位匹配模块通过停车时间分析子模块获取第一停车时间平均值
Figure DEST_PATH_IMAGE100
与第二停车时间平均值
Figure DEST_PATH_IMAGE102
，所述停车位匹配模块根据第一停车时间平均值与第二停车时间平均值计算两者之间的匹配评估值
Figure DEST_PATH_IMAGE104
，其中，
Figure DEST_PATH_IMAGE106
为停车时间阈值，
当匹配评估值P小于等于预设值时，所述停车位匹配模块进一步获取与第二停车时间平均值所对应的停车位类型，所述停车位匹配模块通过车位周边情况分析模块获取所述停车位类型对应的空缺停车位的位置，并根据其位置信息获取一定时间段内的过道车流量
Figure 810340DEST_PATH_IMAGE098
，并比较车流量
Figure 123510DEST_PATH_IMAGE098
与第一停车时间平均值
Figure 964427DEST_PATH_IMAGE100
的数值大小，当
Figure 300731DEST_PATH_IMAGE098
的数值大于
Figure 885296DEST_PATH_IMAGE100
的数值时，所述停车位匹配模块获取对应过道的停车位位置，并将所述停车位位置向用户进行推荐。
8.根据权利要求7所述的一种基于智慧城市的AI应用控制管理***，其特征在于：所述停车位匹配模块连接就近停车场推荐模块，所述就近停车场推荐模块连接路线规划及导航模块、车辆导航模块，所述就近停车场推荐模块获取停车位匹配模块的匹配结果，若当前停车位匹配模块未向用户进行推荐，则进一步通过车辆导航模块获取本次车辆欲要前往的目的地信息，并根据目的地选择就近停车场，确认就近停车场的空缺停车位信息，根据空缺停车位信息与当前用户的个人停车时间分析为用户匹配相应的空缺停车位，并通过路线规划及导航模块为用户提供就近停车场与目的地之间的路线规划及导航。
CN202210312062.0A 2022-03-28 2022-03-28 一种基于智慧城市的ai应用控制管理*** Active CN114419924B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210312062.0A CN114419924B (zh) 2022-03-28 2022-03-28 一种基于智慧城市的ai应用控制管理***

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210312062.0A CN114419924B (zh) 2022-03-28 2022-03-28 一种基于智慧城市的ai应用控制管理***

Publications (2)

Publication Number Publication Date
CN114419924A CN114419924A (zh) 2022-04-29
CN114419924B true CN114419924B (zh) 2022-06-14

Family

ID=81262752

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210312062.0A Active CN114419924B (zh) 2022-03-28 2022-03-28 一种基于智慧城市的ai应用控制管理***

Country Status (1)

Country Link
CN (1) CN114419924B (zh)

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115019552B (zh) * 2022-08-09 2022-11-01 深圳市华睿智兴信息科技有限公司 一种基于物联网的智能停车场共享管理***及方法
CN117437789B (zh) * 2023-10-24 2024-06-18 中建三局云服科技武汉有限公司 一种基于城市信息模型多维联动指挥调度的智慧园区***
CN117807283B (zh) * 2024-03-01 2024-05-24 山东智泊信息科技有限公司 基于大数据的停车订单分析方法和***
CN117870714B (zh) * 2024-03-12 2024-05-10 泰安市东信智联信息科技有限公司 一种基于物联网技术的城市级智慧停车实时导航***

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106448254A (zh) * 2016-12-05 2017-02-22 深圳市金溢科技股份有限公司 V2x车联网***、车载终端、服务端以及车位检测方法
CN107230382A (zh) * 2017-06-19 2017-10-03 深圳市盛路物联通讯技术有限公司 一种智慧城市的停车管理方法及***
CN109559553A (zh) * 2018-12-12 2019-04-02 重庆邮电大学 一种智慧停车***及其停车管理方法
CN110782699A (zh) * 2019-10-23 2020-02-11 中南林业科技大学 一种智慧城市交通管理***
CN110992707A (zh) * 2019-12-25 2020-04-10 深圳人人停技术有限公司 车辆停车管理方法、***及计算机可读存储介质
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
CN113205699A (zh) * 2021-05-07 2021-08-03 衡阳晟达信息技术有限公司 一种基于大数据管理的智慧城市停车管理***
CN113822156A (zh) * 2021-08-13 2021-12-21 北京易航远智科技有限公司 车位检测处理方法、装置、电子设备及存储介质

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
FR3004841B1 (fr) * 2013-04-22 2016-09-23 Ineo Procede et dispositif de gestion dynamique de la mobilite urbaine
US10720058B2 (en) * 2018-09-13 2020-07-21 Volvo Car Corporation System and method for camera or sensor-based parking spot detection and identification
JP7318545B2 (ja) * 2020-01-27 2023-08-01 株式会社デンソー 自動駐車システム、マーカ不具合判定方法、及びマーカ不具合判定プログラム

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106448254A (zh) * 2016-12-05 2017-02-22 深圳市金溢科技股份有限公司 V2x车联网***、车载终端、服务端以及车位检测方法
CN107230382A (zh) * 2017-06-19 2017-10-03 深圳市盛路物联通讯技术有限公司 一种智慧城市的停车管理方法及***
CN109559553A (zh) * 2018-12-12 2019-04-02 重庆邮电大学 一种智慧停车***及其停车管理方法
CN110782699A (zh) * 2019-10-23 2020-02-11 中南林业科技大学 一种智慧城市交通管理***
CN110992707A (zh) * 2019-12-25 2020-04-10 深圳人人停技术有限公司 车辆停车管理方法、***及计算机可读存储介质
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
CN113205699A (zh) * 2021-05-07 2021-08-03 衡阳晟达信息技术有限公司 一种基于大数据管理的智慧城市停车管理***
CN113822156A (zh) * 2021-08-13 2021-12-21 北京易航远智科技有限公司 车位检测处理方法、装置、电子设备及存储介质

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
李洁 等.新一代智能交通全出行链集成***设计.《智能交通》.2020, *
王浩 等.基于IOT情境下的城市室内停车***设计.《大众文艺》.2017, *

Also Published As

Publication number Publication date
CN114419924A (zh) 2022-04-29

Similar Documents

Publication Publication Date Title
CN114419924B (zh) 一种基于智慧城市的ai应用控制管理***
CN105913661B (zh) 一种基于收费数据的高速公路路段交通状态判别方法
CN111818313B (zh) 一种基于监控视频的车辆实时追踪方法及装置
CN107730975B (zh) 超市停车引导反向寻车和出场引导的***和方法
CN107331200A (zh) 一种cbd地下车库停车智能引导***、方法及装置
CN112435353B (zh) 一种基于区块链的闲置车位共享出租***
CN113781831A (zh) 一种基于区块链技术的智慧云平台
CN101635090A (zh) 一种停车诱导***及其实现方法
CN111785073B (zh) 一种基于人因因素的停车场诱导***
CN107590999A (zh) 一种基于卡口数据的交通状态判别方法
WO2022213542A1 (zh) 基于激光雷达和轨迹预测的信控交叉口清空方法和***
CN109035768B (zh) 一种出租车绕路行为的识别方法
CN107886756B (zh) 一种场内停车路径智能引导方法
CN108984758A (zh) 基于点位识别的车主关联地址分析方法及***
Manase et al. Car detection in roadside parking for smart parking system based on image processing
CN115662113A (zh) 一种信号交叉口人车博弈冲突风险评估与预警方法
CN103208179A (zh) 一种建成智能公共交通网络的方法和设备
CN115995149A (zh) 一种基于多源数据的停车供需特征动态评估方法及***
CN115424470A (zh) 一种城市级智能停车***、整合分析方法以及终端
CN111127882A (zh) 一种基于大数据的旅游景区停车场来车数量预测方法
CN108351858A (zh) 用于基于蜂窝数据来识别交通拥堵根本原因以及建议可能的缓解措施的方法和***
CN113421433A (zh) 一种区域视频停车引导***和停车引导方法
CN115798212B (zh) 一种基于出租车轨迹的交通拥堵检测方法
CN107886755B (zh) 一种场内停车路径智能引导***
CN110264725A (zh) 路段流量的确定方法及装置

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