CN115050188B - 一种室内停车场剩余车位预测方法 - Google Patents
一种室内停车场剩余车位预测方法 Download PDFInfo
- Publication number
- CN115050188B CN115050188B CN202210972197.XA CN202210972197A CN115050188B CN 115050188 B CN115050188 B CN 115050188B CN 202210972197 A CN202210972197 A CN 202210972197A CN 115050188 B CN115050188 B CN 115050188B
- Authority
- CN
- China
- Prior art keywords
- parking
- time
- value
- predicted
- 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
Links
Images
Classifications
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- 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
Landscapes
- Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Human Resources & Organizations (AREA)
- Entrepreneurship & Innovation (AREA)
- Game Theory and Decision Science (AREA)
- Development Economics (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明涉及适用于预测目的的数据处理方法领域，用于解决现有的室内停车场无法对未来某一时段的剩余车位进行准确的预测，易于造成室内停车场停车困难的问题，具体涉及一种室内停车场剩余车位预测方法；该预测方法通过室内停车场剩余车位预测***进行预测，室内停车场剩余车位预测***包括信息采集模块、处理器、数据分析模块、车位预定模块以及余量显示模块；该预测方法实现了对室内停车场的未来时间段的剩余车位做出准确的预测，凭借准确的预测结果为用户提供可靠的出行信息，帮助用户做好出行规划，同时减少用户寻找停车位浪费的时间，缓解了城市交通压力。
Description
技术领域
本发明涉及适用于预测目的的数据处理方法领域，具体涉及一种室内停车场剩余车位预测方法。
背景技术
随着人民生活水平日益提高，城市机动车保有量逐年增加，而停车位的数量不能满足需求，停车难日益成为一个大问题。专利CN106503840A 提供了一种停车场可用车位预测方法及***，该方法包括：获取目标停车场在一采样周期内各采样时刻的历史停车数据；计算历史停车数据中任意两个停车数据样本之间的相关系数；根据预设的相关性阈值及相关系数对所述历史停车数据进行分类，得到至少一个停车数据样本子集；对各停车数据样本子集进行平滑处理，分别得到各停车数据样本子集的不同停车数据样本在一天内各采样时刻的车辆平均停放数量；根据车辆平均停放数量及历史停车数据的采集时刻信息，分别建立所有相邻采样点之间的平稳泊松过程模型，组成各停车数据样本子集对应的非平稳泊松过程模型；根据各停车数据样本子集对应的非平稳泊松过程模型，估算目标停车场在待预测时刻的可用车位。
但是，该停车场可用车位预测方法无法对室内停车场未来某一时段的剩余车位进行准确的预测，易于造成室内停车场不能高效的解决停车问题，出现道路交通拥挤，随处停车的现象，给室内停车场的规范化管理造成了很大的困扰和麻烦。
如何改善现有的停车场可用车位预测方法无法对室内停车场未来某一时段的剩余车位进行准确的预测，易于造成室内停车场不能高效的解决停车问题是本发明的关键，因此，亟需一种室内停车场剩余车位预测方法来解决以上问题。
发明内容
为了克服上述的技术问题，本发明的目的在于提供一种室内停车场剩余车位预测方法：通过利用采集进入过室内停车场车辆的车辆信息，处理器通过车辆信息能够获得该车辆历史停车信息，进而获取预测停车时间段、预测停车概率，预测停车时间段、预测停车概率能够表明该车主的停车习惯，从而能够对该车主未来停车情况进行预测，通过数据分析模块获得分时停车概率值能够对所有进入过室内停车场车辆的车主的未来停车情况进行综合预测，通过车位总数、车辆进值、车辆离值、车辆预定值、分时停车概率值以及偏均系数综合分析，能够获得预测分时值，解决了现有的室内停车场无法对未来某一时段的剩余车位进行准确的预测，易于造成室内停车场停车困难的问题。
本发明的目的可以通过以下技术方案实现：
一种室内停车场剩余车位预测方法，包括以下步骤：
步骤一：信息采集模块采集进入或离开室内停车场车辆的车辆信息i，车辆信息包括车牌号、进场时间，采集进入室内停车场车辆的车辆总数和离开室内停车场车辆的车辆总数，并分别标记为车辆进值CJ和车辆离值CL，并将车辆信息i、车辆进值CJ和车辆离值CL发送至处理器；
步骤二：处理器接收到车辆信息i根据车牌号获取车辆的历史停车信息，历史停车信息包括停车总次数，每次停车进场时间，每次停车出场时间，停车星期数，统计每次停车进场时间，将单位时间段内停车进场时间出现频次最多的时间段的起始时间标记为预测进场时间，统计每次停车出场时间，将单位时间段内停车出场时间出现频次最多的时间段的终止时间标记为预测出场时间，根据预测进场时间和预测出场时间获取预测停车时间段Di，按照停车星期数对停车总次数进行划分归类，获取每个停车星期数的停车次数，按照停车次数与停车总次数之比获取每个停车星期数的停车概率，并将其标记为预测停车概率Gi；
步骤三：处理器将预测停车时间段Di、预测停车概率Gi发送至数据分析模块；
步骤四：数据分析模块令预测停车时间段Di内的停车概率均等于预测停车概率Gi，此时分时停车概率GDi=预测停车概率Gi，将除预测停车时间段Di内的时间的停车概率标记为零，此时分时停车概率GDi=0；
步骤五：数据分析模块获取每个车辆信息i所对应的分时停车概率GDi，并求和，得到所有车辆信息i的分时停车概率值CG；
步骤六：数据分析模块将分时停车概率值CG发送至处理器；
步骤七：用户通过终端对室内停车场的剩余车位进行预定，车位预定成功后车位预定模块产生预定时间段，车位预定模块将预定时间段发送至处理器；
步骤八：处理器获取室内停车场的历史每天车辆停车次数，求和并求取平均值，并将其标记为总均值ZJ，获取室内停车场的前三天车辆停车次数，并按照停车次数大小进行排序，将位于中间的停车次数标记为单均值DJ，将总均值ZJ、单均值DJ代入公式
得到偏均系数PJ；
步骤九：处理器根据预定时间段对该时间段内的车辆预定数量进行加一，并将车辆预定数量标记为车辆预定值CY；
步骤十：处理器获取室内停车场的车位总数CW，并将车位总数CW、车辆进值CJ、车辆离值CL、车辆预定值CY、分时停车概率值CG以及偏均系数PJ代入公式
（CW-CJ+CL-CY-CG）]得到预测分时值YC，其中γ为预设修正因子，取γ为0.998；
步骤十一：处理器将预测分时值YC发送至余量显示模块；
步骤十二：余量显示模块根据接收到的预测分时值YC获取其整数位数值和小数点后第一位数值，并分别标记为预测位值和调节数值，若调节数值≥5，则令预测位值加一，若调节数值＜5，则令预测位值加零，之后将预测位值在室内停车场入口车位显示屏进行更新显示，同时通过互联网发送至终端并对终端进行更新显示，显示内容为预测位值，预测位值表示为室内停车场的预测剩余车位数量。
作为本发明进一步的方案：该室内停车场剩余车位预测方法通过室内停车场剩余车位预测***进行预测；
所述室内停车场剩余车位预测***包括信息采集模块、处理器、数据分析模块、车位预定模块以及余量显示模块；
信息采集模块，用于采集进入或离开室内停车场车辆的车辆信息i以及统计车辆进值CJ和车辆离值CL，并将车辆信息i、车辆进值CJ和车辆离值CL发送至处理器；
处理器，用于根据车辆信息i获取预测停车时间段Di、预测停车概率Gi，并将其发送至数据分析模块，还用于根据室内停车场的历史车辆停车次数获取偏均系数PJ，根据预定时间段获取车辆预定值CY，根据室内停车场的车位总数CW，并将车位总数CW、车辆进值CJ、车辆离值CL、车辆预定值CY、分时停车概率值CG以及偏均系数PJ获取预测分时值YC，并将其发送至余量显示模块；
数据分析模块，用于根据预测停车时间段Di、预测停车概率Gi获取分时停车概率GDi，并根据分时停车概率GDi，得到所有车辆信息i的分时停车概率值CG，并将其发送至处理器；
车位预定模块，用于对室内停车场的剩余车位进行预定，并将车位预定成功所产生的预定时间段发送至处理器；
余量显示模块，用于根据预测分时值YC获得预测位值，根据预测位值对室内停车场剩余车位进行更新显示。
作为本发明进一步的方案：所述信息采集模块的具体工作过程如下：
采集进入或离开室内停车场车辆的车辆信息i，车辆信息包括车牌号、进场时间，采集进入室内停车场车辆的车辆总数和离开室内停车场车辆的车辆总数，并分别标记为车辆进值CJ和车辆离值CL，并将车辆信息i、车辆进值CJ和车辆离值CL发送至处理器。
作为本发明进一步的方案：所述车位预定模块的具体工作过程如下：
用户通过终端对室内停车场的剩余车位进行预定，车位预定成功后车位预定模块产生预定时间段，车位预定模块将预定时间段发送至处理器。
作为本发明进一步的方案：所述处理器的具体工作过程如下：
接收到车辆信息i根据车牌号获取车辆的历史停车信息，历史停车信息包括停车总次数，每次停车进场时间，每次停车出场时间，停车星期数，统计每次停车进场时间，将单位时间段内停车进场时间出现频次最多的时间段的起始时间标记为预测进场时间，统计每次停车出场时间，将单位时间段内停车出场时间出现频次最多的时间段的终止时间标记为预测出场时间，根据预测进场时间和预测出场时间获取预测停车时间段Di，按照停车星期数对停车总次数进行划分归类，获取每个停车星期数的停车次数，按照停车次数与停车总次数之比获取每个停车星期数的停车概率，并将其标记为预测停车概率Gi；
将预测停车时间段Di、预测停车概率Gi发送至数据分析模块；
获取室内停车场的历史每天车辆停车次数，求和并求取平均值，并将其标记为总均值ZJ，获取室内停车场的前三天车辆停车次数，并按照停车次数大小进行排序，将位于中间的停车次数标记为单均值DJ，将总均值ZJ、单均值DJ代入公式
得到偏均系数PJ；
根据预定时间段对该时间段内的车辆预定数量进行加一，并将车辆预定数量标记为车辆预定值CY；
获取室内停车场的车位总数CW，并将车位总数CW、车辆进值CJ、车辆离值CL、车辆预定值CY、分时停车概率值CG以及偏均系数PJ代入公式
（CW-CJ+CL-CY-CG）]得到预测分时值YC，其中γ为预设修正因子，取γ为0.998；
将预测分时值YC发送至余量显示模块；
其中，公式
表示过去三天相对于过去所有天停车次数平均值是否有增减，若增则预计表示停车次数预计增加，则1-PJ表示剩余车位量减少，若减则预计表示停车次数预计减少，则1-PJ表示剩余车位量增加；
CG表示所有停过车的车辆的预测停车概率之和，在普遍的情况下预测未来某时刻需要向其提供车位数，例如甲预测停车概率为20%，预测未来某时刻需要向其提供0.2个车位数，乙预测停车概率为30%，预测未来某时刻需要向其提供0.3个车位数，丙预测停车概率为15%，预测未来某时刻需要向其提供0.15个车位数，累计所有人后预计未来某时刻需要向其提供23.8个车位数，在数量群体大的情况下分时停车概率值CG具有普遍性；
CW-CJ+CL-CY-CG表示总车位去除已停车数量，然后加上已停车数量中已离开数量，再减去预定的车位数量，再减去预测未来某时刻需要提供的车位数；
作为本发明进一步的方案：所述数据分析模块的具体工作过程如下：
令预测停车时间段Di内的停车概率均等于预测停车概率Gi，此时分时停车概率GDi=预测停车概率Gi，将除预测停车时间段Di内的时间的停车概率标记为零，此时分时停车概率GDi=0；
获取每个车辆信息i所对应的分时停车概率GDi，并求和，得到所有车辆信息i的分时停车概率值CG；
将分时停车概率值CG发送至处理器。
作为本发明进一步的方案：所述余量显示模块的具体工作过程如下：
根据接收到的预测分时值YC获取其整数位数值和小数点后第一位数值，并分别标记为预测位值和调节数值，若调节数值≥5，则令预测位值加一，若调节数值＜5，则令预测位值加零，之后将预测位值在室内停车场入口车位显示屏进行更新显示，同时通过互联网发送至终端并对终端进行更新显示，显示内容为预测位值，预测位值表示为室内停车场的预测剩余车位数量。
本发明的有益效果：
本发明的一种室内停车场剩余车位预测方法，通过利用采集进入过室内停车场车辆的车辆信息，处理器通过车辆信息能够获得该车辆历史停车信息，进而获取预测停车时间段、预测停车概率，预测停车时间段、预测停车概率能够表明该车主的停车习惯，从而能够对该车主未来停车情况进行预测，通过数据分析模块获得分时停车概率值能够对所有进入过室内停车场车辆的车主的未来停车情况进行综合预测，通过车位总数、车辆进值、车辆离值、车辆预定值、分时停车概率值以及偏均系数综合分析，获得预测分时值，而且偏均系数是由室内停车场近期停车情况与历史停车情况分析得出，从而进一步预测分时值进行修正，之后根据预测分时值获得预测位值，从而实现了对室内停车场的未来时间段的剩余车位做出准确的预测，凭借准确的预测结果为用户提供可靠的出行信息，帮助用户做好出行规划，同时减少用户寻找停车位浪费的时间，缓解了城市交通压力。
附图说明
下面结合附图对本发明作进一步的说明。
图1是本发明中一种室内停车场剩余车位预测***的原理框图。
具体实施方式
下面将结合本发明实施例，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作出创造性劳动前提下所获取的所有其它实施例，都属于本发明保护的范围。
实施例1：
请参阅图1所示，本实施例为一种室内停车场剩余车位预测***，包括信息采集模块、处理器、数据分析模块、车位预定模块以及余量显示模块；
信息采集模块，用于采集进入或离开室内停车场车辆的车辆信息i以及统计车辆进值CJ和车辆离值CL，并将车辆信息i、车辆进值CJ和车辆离值CL发送至处理器，具体如下：
采集进入或离开室内停车场车辆的车辆信息i，车辆信息包括车牌号、进场时间，采集进入室内停车场车辆的车辆总数和离开室内停车场车辆的车辆总数，并分别标记为车辆进值CJ和车辆离值CL，并将车辆信息i、车辆进值CJ和车辆离值CL发送至处理器；
处理器，用于根据车辆信息i获取预测停车时间段Di、预测停车概率Gi，并将其发送至数据分析模块，具体如下：
接收到车辆信息i根据车牌号获取车辆的历史停车信息，历史停车信息包括停车总次数，每次停车进场时间，每次停车出场时间，停车星期数，统计每次停车进场时间，将单位时间段内停车进场时间出现频次最多的时间段的起始时间标记为预测进场时间，统计每次停车出场时间，将单位时间段内停车出场时间出现频次最多的时间段的终止时间标记为预测出场时间，根据预测进场时间和预测出场时间获取预测停车时间段Di，按照停车星期数对停车总次数进行划分归类，获取每个停车星期数的停车次数，按照停车次数与停车总次数之比获取每个停车星期数的停车概率，并将其标记为预测停车概率Gi；
将预测停车时间段Di、预测停车概率Gi发送至数据分析模块；
数据分析模块，用于根据预测停车时间段Di、预测停车概率Gi获取分时停车概率GDi，并根据分时停车概率GDi，得到所有车辆信息i的分时停车概率值CG，并将其发送至处理器，具体如下：
令预测停车时间段Di内的停车概率均等于预测停车概率Gi，此时分时停车概率GDi=预测停车概率Gi，将除预测停车时间段Di内的时间的停车概率标记为零，此时分时停车概率GDi=0；
获取每个车辆信息i所对应的分时停车概率GDi，并求和，得到所有车辆信息i的分时停车概率值CG；
将分时停车概率值CG发送至处理器；
车位预定模块，用于对室内停车场的剩余车位进行预定，并将车位预定成功所产生的预定时间段发送至处理器，具体如下：
用户通过终端对室内停车场的剩余车位进行预定，车位预定成功后车位预定模块产生预定时间段，车位预定模块将预定时间段发送至处理器；
处理器，还用于根据室内停车场的历史车辆停车次数获取偏均系数PJ，根据预定时间段获取车辆预定值CY，根据室内停车场的车位总数CW，并将车位总数CW、车辆进值CJ、车辆离值CL、车辆预定值CY、分时停车概率值CG以及偏均系数PJ获取预测分时值YC，并将其发送至余量显示模块，具体如下：
获取室内停车场的历史每天车辆停车次数，求和并求取平均值，并将其标记为总均值ZJ，获取室内停车场的前三天车辆停车次数，并按照停车次数大小进行排序，将位于中间的停车次数标记为单均值DJ，将总均值ZJ、单均值DJ代入公式
得到偏均系数PJ；
根据预定时间段对该时间段内的车辆预定数量进行加一，并将车辆预定数量标记为车辆预定值CY；
获取室内停车场的车位总数CW，并将车位总数CW、车辆进值CJ、车辆离值CL、车辆预定值CY、分时停车概率值CG以及偏均系数PJ代入公式
（CW-CJ+CL-CY-CG）]得到预测分时值YC，其中γ为预设修正因子，取γ为0.998；
将预测分时值YC发送至余量显示模块；
余量显示模块，用于根据预测分时值YC对室内停车场剩余车位进行更新显示，具体如下：
根据接收到的预测分时值YC获取其整数位数值和小数点后第一位数值，并分别标记为预测位值和调节数值，若调节数值≥5，则令预测位值加一，若调节数值＜5，则令预测位值加零，之后将预测位值在室内停车场入口车位显示屏进行更新显示，同时通过互联网发送至终端并对终端进行更新显示，显示内容为预测位值，预测位值表示为室内停车场的预测剩余车位数量。
实施例2：
请参阅图1所示，本实施例为一种室内停车场剩余车位预测方法，包括以下步骤：
步骤一：信息采集模块采集进入或离开室内停车场车辆的车辆信息i，车辆信息包括车牌号、进场时间，采集进入室内停车场车辆的车辆总数和离开室内停车场车辆的车辆总数，并分别标记为车辆进值CJ和车辆离值CL，并将车辆信息i、车辆进值CJ和车辆离值CL发送至处理器；
步骤二：处理器接收到车辆信息i根据车牌号获取车辆的历史停车信息，历史停车信息包括停车总次数，每次停车进场时间，每次停车出场时间，停车星期数，统计每次停车进场时间，将单位时间段内停车进场时间出现频次最多的时间段的起始时间标记为预测进场时间，统计每次停车出场时间，将单位时间段内停车出场时间出现频次最多的时间段的终止时间标记为预测出场时间，根据预测进场时间和预测出场时间获取预测停车时间段Di，按照停车星期数对停车总次数进行划分归类，获取每个停车星期数的停车次数，按照停车次数与停车总次数之比获取每个停车星期数的停车概率，并将其标记为预测停车概率Gi；
步骤三：处理器将预测停车时间段Di、预测停车概率Gi发送至数据分析模块；
步骤四：数据分析模块令预测停车时间段Di内的停车概率均等于预测停车概率Gi，此时分时停车概率GDi=预测停车概率Gi，将除预测停车时间段Di内的时间的停车概率标记为零，此时分时停车概率GDi=0；
步骤五：数据分析模块获取每个车辆信息i所对应的分时停车概率GDi，并求和，得到所有车辆信息i的分时停车概率值CG；
步骤六：数据分析模块将分时停车概率值CG发送至处理器；
步骤七：用户通过终端对室内停车场的剩余车位进行预定，车位预定成功后车位预定模块产生预定时间段，车位预定模块将预定时间段发送至处理器；
步骤八：处理器获取室内停车场的历史每天车辆停车次数，求和并求取平均值，并将其标记为总均值ZJ，获取室内停车场的前三天车辆停车次数，并按照停车次数大小进行排序，将位于中间的停车次数标记为单均值DJ，将总均值ZJ、单均值DJ代入公式
得到偏均系数PJ；
步骤九：处理器根据预定时间段对该时间段内的车辆预定数量进行加一，并将车辆预定数量标记为车辆预定值CY；
步骤十：处理器获取室内停车场的车位总数CW，并将车位总数CW、车辆进值CJ、车辆离值CL、车辆预定值CY、分时停车概率值CG以及偏均系数PJ代入公式
（CW-CJ+CL-CY-CG）]得到预测分时值YC，其中γ为预设修正因子，取γ为0.998；
步骤十一：处理器将预测分时值YC发送至余量显示模块；
步骤十二：余量显示模块根据接收到的预测分时值YC获取其整数位数值和小数点后第一位数值，并分别标记为预测位值和调节数值，若调节数值≥5，则令预测位值加一，若调节数值＜5，则令预测位值加零，之后将预测位值在室内停车场入口车位显示屏进行更新显示，同时通过互联网发送至终端并对终端进行更新显示，显示内容为预测位值，预测位值表示为室内停车场的预测剩余车位数量。
上述公式均是采集大量数据进行软件模拟得出且选取与真实值接近的一个公式，公式中的系数是由本领域技术人员根据实际情况进行设置。
在本说明书的描述中，参考术语“一个实施例”、“示例”、“具体示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
以上内容仅仅是对本发明所作的举例和说明，所属本技术领域的技术人员对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代，只要不偏离本发明所定义的范围，均应属于本发明的保护范围。
Claims (7)
1.一种室内停车场剩余车位预测方法，其特征在于，包括以下步骤：
步骤一：信息采集模块采集进入或离开室内停车场车辆的车辆信息i，车辆信息包括车牌号、进场时间，采集进入室内停车场车辆的车辆总数和离开室内停车场车辆的车辆总数，并分别标记为车辆进值CJ和车辆离值CL，并将车辆信息i、车辆进值CJ和车辆离值CL发送至处理器；
步骤二：处理器接收到车辆信息i根据车牌号获取车辆的历史停车信息，历史停车信息包括停车总次数，每次停车进场时间，每次停车出场时间，停车星期数，统计每次停车进场时间，将单位时间段内停车进场时间出现频次最多的时间段的起始时间标记为预测进场时间，统计每次停车出场时间，将单位时间段内停车出场时间出现频次最多的时间段的终止时间标记为预测出场时间，根据预测进场时间和预测出场时间获取预测停车时间段Di，按照停车星期数对停车总次数进行划分归类，获取每个停车星期数的停车次数，按照停车次数与停车总次数之比获取每个停车星期数的停车概率，并将其标记为预测停车概率Gi；
步骤三：处理器将预测停车时间段Di、预测停车概率Gi发送至数据分析模块；
步骤四：数据分析模块令预测停车时间段Di内的停车概率均等于预测停车概率Gi，此时分时停车概率GDi=预测停车概率Gi，将除预测停车时间段Di内的时间的停车概率标记为零，此时分时停车概率GDi=0；
步骤五：数据分析模块获取每个车辆信息i所对应的分时停车概率GDi，并求和，得到所有车辆信息i的分时停车概率值CG；
步骤六：数据分析模块将分时停车概率值CG发送至处理器；
步骤七：用户通过终端对室内停车场的剩余车位进行预定，车位预定成功后车位预定模块产生预定时间段，车位预定模块将预定时间段发送至处理器；
步骤八：处理器获取室内停车场的历史每天车辆停车次数，求和并求取平均值，并将其标记为总均值ZJ，获取室内停车场的前三天车辆停车次数，并按照停车次数大小进行排序，将位于中间的停车次数标记为单均值DJ，将总均值ZJ、单均值DJ代入公式
得到偏均系数PJ；
步骤九：处理器根据预定时间段对该时间段内的车辆预定数量进行加一，并将车辆预定数量标记为车辆预定值CY；
步骤十：处理器获取室内停车场的车位总数CW，并将车位总数CW、车辆进值CJ、车辆离值CL、车辆预定值CY、分时停车概率值CG以及偏均系数PJ代入公式
（CW-CJ+CL-CY-CG）]得到预测分时值YC，其中γ为预设修正因子，取γ为0.998；
步骤十一：处理器将预测分时值YC发送至余量显示模块；
步骤十二：余量显示模块根据接收到的预测分时值YC获取其整数位数值和小数点后第一位数值，并分别标记为预测位值和调节数值，若调节数值≥5，则令预测位值加一，若调节数值＜5，则令预测位值加零，之后将预测位值在室内停车场入口车位显示屏进行更新显示，同时通过互联网发送至终端并对终端进行更新显示，显示内容为预测位值，预测位值表示为室内停车场的预测剩余车位数量。
2.根据权利要求1所述的一种室内停车场剩余车位预测方法，其特征在于，该室内停车场剩余车位预测方法通过室内停车场剩余车位预测***进行预测；
所述室内停车场剩余车位预测***包括信息采集模块、处理器、数据分析模块、车位预定模块以及余量显示模块；
信息采集模块，用于采集进入或离开室内停车场车辆的车辆信息以及统计车辆进值和车辆离值，并将车辆信息、车辆进值和车辆离值发送至处理器；
处理器，用于根据车辆信息获取预测停车时间段、预测停车概率，并将其发送至数据分析模块，还用于根据室内停车场的历史车辆停车次数获取偏均系数，根据预定时间段获取车辆预定值，根据室内停车场的车位总数，并将车位总数、车辆进值、车辆离值、车辆预定值、分时停车概率值以及偏均系数获取预测分时值，并将其发送至余量显示模块；
数据分析模块，用于根据预测停车时间段、预测停车概率获取分时停车概率，并根据分时停车概率，得到所有车辆信息的分时停车概率值，并将其发送至处理器；
车位预定模块，用于对室内停车场的剩余车位进行预定，并将车位预定成功所产生的预定时间段发送至处理器；
余量显示模块，用于根据预测分时值获得预测位值，根据预测位值对室内停车场剩余车位进行更新显示。
3.根据权利要求2所述的一种室内停车场剩余车位预测方法，其特征在于，所述信息采集模块的具体工作过程如下：
采集进入或离开室内停车场车辆的车辆信息，车辆信息包括车牌号、进场时间，采集进入室内停车场车辆的车辆总数和离开室内停车场车辆的车辆总数，并分别标记为车辆进值和车辆离值，并将车辆信息、车辆进值和车辆离值发送至处理器。
4.根据权利要求2所述的一种室内停车场剩余车位预测方法，其特征在于，所述车位预定模块的具体工作过程如下：
用户通过终端对室内停车场的剩余车位进行预定，车位预定成功后车位预定模块产生预定时间段，车位预定模块将预定时间段发送至处理器。
5.根据权利要求3所述的一种室内停车场剩余车位预测方法，其特征在于，所述处理器的具体工作过程如下：
接收到车辆信息根据车牌号获取车辆的历史停车信息，历史停车信息包括停车总次数，每次停车进场时间，每次停车出场时间，停车星期数，统计每次停车进场时间，将单位时间段内停车进场时间出现频次最多的时间段的起始时间标记为预测进场时间，统计每次停车出场时间，将单位时间段内停车出场时间出现频次最多的时间段的终止时间标记为预测出场时间，根据预测进场时间和预测出场时间获取预测停车时间段，按照停车星期数对停车总次数进行划分归类，获取每个停车星期数的停车次数，按照停车次数与停车总次数之比获取每个停车星期数的停车概率，并将其标记为预测停车概率；
将预测停车时间段、预测停车概率发送至数据分析模块；
获取室内停车场的历史每天车辆停车次数，求和并求取平均值，并将其标记为总均值，获取室内停车场的前三天车辆停车次数，并按照停车次数大小进行排序，将位于中间的停车次数标记为单均值，将总均值、单均值经过分析得到偏均系数；
根据预定时间段对该时间段内的车辆预定数量进行加一，并将车辆预定数量标记为车辆预定值；
获取室内停车场的车位总数，并根据车位总数、车辆进值、车辆离值、车辆预定值、分时停车概率值以及偏均系数经过分析得到预测分时值；
将预测分时值发送至余量显示模块。
6.根据权利要求5所述的一种室内停车场剩余车位预测方法，其特征在于，所述数据分析模块的具体工作过程如下：
令预测停车时间段内的停车概率均等于预测停车概率，此时分时停车概率=预测停车概率，将除预测停车时间段内的时间的停车概率标记为零，此时分时停车概率=0；
数据分析模块获取每个车辆信息i所对应的分时停车概率，并求和，得到所有车辆信息的分时停车概率值；
将分时停车概率值发送至处理器。
7.根据权利要求5所述的一种室内停车场剩余车位预测方法，其特征在于，所述余量显示模块的具体工作过程如下：
根据接收到的预测分时值获取其整数位数值和小数点后第一位数值，并分别标记为预测位值和调节数值，若调节数值≥5，则令预测位值加一，若调节数值＜5，则令预测位值加零，之后将预测位值在室内停车场入口车位显示屏进行更新显示，同时通过互联网发送至终端并对终端进行更新显示，显示内容为预测位值，预测位值表示为室内停车场的预测剩余车位数量。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210972197.XA CN115050188B (zh) | 2022-08-15 | 2022-08-15 | 一种室内停车场剩余车位预测方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210972197.XA CN115050188B (zh) | 2022-08-15 | 2022-08-15 | 一种室内停车场剩余车位预测方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN115050188A CN115050188A (zh) | 2022-09-13 |
| CN115050188B true CN115050188B (zh) | 2022-10-28 |
Family
ID=83166888
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210972197.XA Active CN115050188B (zh) | 2022-08-15 | 2022-08-15 | 一种室内停车场剩余车位预测方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115050188B (zh) |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107038488A (zh) * | 2017-02-25 | 2017-08-11 | 浙江大学 | 一种基于泊位预测和停车选择的停车场实时泊位预约方法 |
| CN107248317A (zh) * | 2017-07-27 | 2017-10-13 | 武汉市艾派智能科技有限公司 | 一种基于车牌识别***的停车场空余车位数预测方法 |
| CN108154706A (zh) * | 2017-12-28 | 2018-06-12 | 北京悦畅科技有限公司 | 用于泊车的信息处理方法及装置 |
| CN108320582A (zh) * | 2018-03-30 | 2018-07-24 | 合肥城市泊车投资管理有限公司 | 一种具备剩余车位统计功能的停车管理*** |
| EP3462427A1 (en) * | 2017-09-27 | 2019-04-03 | Deutsche Telekom AG | Method of predicting the probability of occurrence of vacant parking slots and its realization system |
| CN110555990A (zh) * | 2019-08-29 | 2019-12-10 | 桂林电子科技大学 | 一种基于lstm神经网络的有效停车时空资源预测方法 |
| CN112422671A (zh) * | 2020-11-10 | 2021-02-26 | 四川长虹电器股份有限公司 | 一种停车场推荐方法及*** |
Family Cites Families (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US9129524B2 (en) * | 2012-03-29 | 2015-09-08 | Xerox Corporation | Method of determining parking lot occupancy from digital camera images |
| JP5984076B1 (ja) * | 2016-01-17 | 2016-09-06 | 株式会社大都製作所 | 駐車予約システム |
| CN109038646B (zh) * | 2018-06-29 | 2022-11-25 | 中国电力科学研究院有限公司 | 一种光伏发电场景构造方法及*** |
| CN112509363B (zh) * | 2020-11-13 | 2021-12-07 | 北京邮电大学 | 一种空闲车位确定方法及装置 |
| CN113223291B (zh) * | 2021-03-19 | 2023-10-20 | 青岛亿联信息科技股份有限公司 | 停车场空闲车位数量预测***及方法 |
| CN113327452A (zh) * | 2021-05-31 | 2021-08-31 | 厦门科拓通讯技术股份有限公司 | 停车场的数据处理方法、装置以及电子设备 |
| CN113570866B (zh) * | 2021-09-24 | 2021-12-21 | 成都宜泊信息科技有限公司 | 一种停车场管理方法、***、存储介质及电子设备 |
| CN114417167A (zh) * | 2022-01-25 | 2022-04-29 | 青岛海信网络科技股份有限公司 | 一种停车时段推荐方法及装置 |
-
2022
- 2022-08-15 CN CN202210972197.XA patent/CN115050188B/zh active Active
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107038488A (zh) * | 2017-02-25 | 2017-08-11 | 浙江大学 | 一种基于泊位预测和停车选择的停车场实时泊位预约方法 |
| CN107248317A (zh) * | 2017-07-27 | 2017-10-13 | 武汉市艾派智能科技有限公司 | 一种基于车牌识别***的停车场空余车位数预测方法 |
| EP3462427A1 (en) * | 2017-09-27 | 2019-04-03 | Deutsche Telekom AG | Method of predicting the probability of occurrence of vacant parking slots and its realization system |
| CN108154706A (zh) * | 2017-12-28 | 2018-06-12 | 北京悦畅科技有限公司 | 用于泊车的信息处理方法及装置 |
| CN108320582A (zh) * | 2018-03-30 | 2018-07-24 | 合肥城市泊车投资管理有限公司 | 一种具备剩余车位统计功能的停车管理*** |
| CN110555990A (zh) * | 2019-08-29 | 2019-12-10 | 桂林电子科技大学 | 一种基于lstm神经网络的有效停车时空资源预测方法 |
| CN112422671A (zh) * | 2020-11-10 | 2021-02-26 | 四川长虹电器股份有限公司 | 一种停车场推荐方法及*** |
Non-Patent Citations (3)
| Title |
|---|
| 城市路内停车位可用性预测与可视分析***研究与实现;巨晨;《中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑》;20220115;全文 * |
| 基于离散分布的智能停车诱导***中空余泊位数的预测研究;杨翠翠等;《城市公共交通》;20100215(第02期);全文 * |
| 实时停车可用性预测;戈军等;《科学技术与工程》;20131018(第29期);全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN115050188A (zh) | 2022-09-13 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109034566B (zh) | 一种基于公交站点上下客流的智能调度方法及装置 | |
| CN111598333B (zh) | 客流数据的预测方法及装置 | |
| CN113096435B (zh) | 共享车位确定方法、装置、设备及存储介质 | |
| CN109840640B (zh) | 一种电动汽车充电桩的选址方法和*** | |
| CN106650976A (zh) | 出行分析预测方法及***、基于ic卡的出行分析预测方法及*** | |
| CN111915920A (zh) | 一种基于云计算的智慧城市公共交通***建设协调管理*** | |
| CN115050188B (zh) | 一种室内停车场剩余车位预测方法 | |
| Abdel-Aty et al. | Assessing crash occurrence on urban freeways by applying a system of interrelated equations | |
| 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*** | |
| CN109523788B (zh) | 一种路段运行效果评价方法 | |
| CN116959288A (zh) | 一种基于历史数据的停车场推荐方法、装置和分布式*** | |
| CN116090785B (zh) | 针对大型活动散场场景两阶段的定制公交规划方法 | |
| CN115019509B (zh) | 基于两阶段注意力lstm的停车场空余车位预测方法及*** | |
| CN113380071B (zh) | 一种面向大型综合体的车位级停车需求状态评价方法 | |
| CN114708728B (zh) | 一种识别交通高峰期的方法、电子设备及存储介质 | |
| CN114882729B (zh) | 停车管理方法以及*** | |
| CN114202923B (zh) | 一种城市道路交通拥堵时空分布综合指数测评方法 | |
| CN115860536A (zh) | 一种道路口拥挤率评价方法 | |
| CN114330927A (zh) | 卷烟送货时间预测仿真模型工作方法、***、设备及介质 | |
| CN114038202A (zh) | 一种基于智慧园区交通流量的停车诱导***及方法 | |
| CN114202254B (zh) | 一种城市轨道交通通勤分布估计方法及*** | |
| CN117809481B (zh) | 一种城市级智慧停车优选推荐*** | |
| CN115184366B (zh) | 一种基于众包数据的路面病害检测及结算方法 | |
| CN116758726B (zh) | 一种基于车联网的大数据分析方法和*** | |
| CN114566037B (zh) | 一种基于多源数据的柔性公交多车型车队配置方法 |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |