CN116469267A - 一种基于车路协同的公共泊车位预测与推荐方法及其推荐*** - Google Patents

Abstract

本发明公开了一种基于车路协同的公共泊车位预测与推荐方法及其推荐***，包括：将运行车辆目的地附近的公共泊车位区域划分为有效区域和检索区域；通过车联网云控中心获取并整合需要的车路数据；在车辆出发前，根据整合数据对该检索区域未来一段时间内的有新增泊车位空置的概率做预测分析，得到泊车位的宏观预测结果，并根据预测结果推荐运行车辆最佳出行时间；车辆出发后，预测信息实时更新；当车距离目的地还有较短的时长时，进入泊车位的精准推荐阶段，并且每隔若干秒更新数据，以减少车的行驶距离。本发明能够有效提高车辆的停车效率，减少因寻找公共泊车位而浪费的通勤时间、油耗，并减少由此造成的空气污染和车辆拥堵情况。

Description

一种基于车路协同的公共泊车位预测与推荐方法及其推荐 ***

技术领域

本发明属于智慧交通的车路协同车辆引导领域技术领域，特别涉及居民与办公毗邻区的公共泊车位的预测与推荐方法及***。

背景技术

车路协同是采用物联网、互联网等信息化技术，全方位实施车车、车路动态实时信息交互，并在全时控动态交通信息采集与融合的基础上开展车辆主动安全控制和道路协同管理，充分实现人车路的有效协同，保证交通安全，提高通行效率，从而形成的安全、高效和环保的道路交通***。

在本发明以前，没有对公共泊车位进行基于车路协同的推荐方法和***，然而在城市中存在大量这样特点的区域：有毗邻的，即相距不远(步行平均10分钟可达)的居民楼区与办公楼区，而在居民楼区和办公楼区附近的街道上均有不少数目的公共泊车位。其中，居民楼区附近有大量的公共泊车位，远超过办公楼区附近的公共泊车位；

在其他区域上班同时在本地生活区居住的居民在下午下班时，会将车停至居民区附近的公共泊车位，占有泊车位，直到在下一个工作日上班时将车开走，空出泊车位。

同时，外面区域来此区域上班的人群，会在上午上班时寻找公共泊车位停车，占有泊车位，并在下班时开走，空出泊车位。上面两类人群对泊车位的占用时间会有一定时间的错位。

在现实生活中，该场景常见的停车难问题：由远处区域来办公的驾车人群，在上班时由于在办公楼附近没有找到合适的公共泊车位而不得不就近违规停车。

此外，也有外区域来本区域办公的驾车人群，计划停在居民楼附近的公共泊车位，但是由于时间来的不恰当，所以其能够得到的泊车位的位置可能性是随机的，运行车辆的车主不知道哪辆车即将驶离，同时又不能将车停在街道上等待其驶离而影响交通。所以只能随机碰运气的在街道漫游遍历，耗费大量的时间甚至会上班迟到，而且不一定找到。

或者找到了车位，但是其停车点位距离自己的上班距离很远，步行花费大量的时间。对自己的效率、油耗、以及该区域的空气质量、路段拥堵等影响都带来了负面的影响。

发明内容

本发明提供一种基于车路协同的公共泊车位预测与推荐方法及其推荐***，用以对公共泊车位的空置时间做概率预测并在出行前给出推荐的出行时间，接近目的地时给出精准推荐的泊车位信息，从而提高开车上班群众的停车效率，减少因寻找车位而浪费的通勤时间、油耗，减少由此造成的空气污染和车辆拥堵情况。

本发明提供一种基于车路协同的公共泊车位预测与推荐方法，包括：

步骤1、划定有效区域和检索区域；

优选的，所述划定有效区域A，其包含居民楼区域A_L与工作区域A_W，其中外来运行车辆车主的工作目的地在工作区A_W。

优选的，所述划定检索区域S，S为距离其工作地点半径为R以内的圆周区域。优选的，其中R賌60*T_w*V_w，其中Tw为下车后的步行时间，单位为分钟。Vw为下车后的步行速度，单位为m/s。

步骤2、通过车联网云控中心获取需要的数据，该数据来源为车辆的OBU、GPS等智能信息设备以及路侧设备融合感知处理整合后的数据。

优选的，所述获取的数据包含本车的数据：本车始发地信息，本车目的地，本车在计划出行时段的平均行驶速度：Vc。

优选的，所述获取的数据还包含：本车目的地附近指定R区域a内的所有泊车位当前所停车辆的驶入驶出的近期记录信息。其中区域a包含目的地附近的工作区AW和生活区AL。

优选的，所述获取的数据还包含：对于一具体的泊车位，获取其当前所停车的车辆驶入驶出区域A的历史记录信息。包含近N天内，该车辆的驶出当前区域A的时间t_out和驶入当前区域A的时间t_in记录。

优选的，所述整合的数据包含：对所获取的车辆信息数据进行处理，以5分钟为单位进行汇总，得出每个子时段的驶离次数n_t以及总驶离次数n_sum。对所获取的车辆信息数据进行清洗，过滤掉总驶离次数n_sum＜N_thr的数据。其中N_thr为指定的驶离次数阈值。计算得出该i车在未来一段时间内每个时段的驶离概率数据，并存入数据库中。

p_it＝n_t/n_sum

优选的，所述整合的数据还包含：区域a附近当前时刻空置的泊车位地理位置信息V_pos。目的地附近指定半径R内的泊车位所处路段的拥堵程度d_cons。

步骤3、在车辆出发前，根据整合数据对该S区域未来一段时间内的有新增泊车位空置的概率做计算并预测分析，得到泊车位的宏观预测结果，并根据预测结果推荐运行车辆最佳出行时间。

优选的，上述步骤3的方法包含：对计算读取数据库中所有检索区域S的泊车位在t₀～t_n时间段所处车辆0～i的驶离概率信息表。计算出该区域整体的未来一段时间内每个时段的预估可获取车位的概率。

设第i辆车在t时段内发生驶离的事件定义为X_i。

所有车辆在指定时段t驶离的联合概率分布函数为

p_t＝P(X₀，X₁，...X_i)

具体的，当在t时刻有≥1辆车驶离的概率为P_out＝1-P_all-on

其中，P_all-on为在t时刻所有车辆均无驶离状态的概率，即

其中，为第i辆车在t时刻驻留或已经驶离的概率。进而，本专利根据概率大小，和预估驾驶时长推荐给运行车辆最佳的出行时间。

假设预估在8点25分该区域有最大概率获取车位，而根据车辆在该时段内的平均行驶速度和行车距离计算得知从始发地到目的地时长为25分钟，那么推荐在8点整出发，会有最大概率得到较多的新空置泊车位。

步骤4、车辆出发后，预测信息实时更新。

优选的，每隔T_int时间，实时更新该区域的车位信息。

优选的，当距离目的地越来越近时，减少T_int的时间，即更为频繁的更新信息，从而给运行车辆更为精确的指引，以便其自行调整行车速度。

步骤5、当车距离目的地还有T_left(默认5分钟)时长时，进入泊车位的精准推荐阶段，并且每隔10秒更新数据，以减少车的行驶距离，并防止给多个驶入车推荐了相同车位的情况发生。其方法包含：

优选的，编号i车位的推荐得分为

S_i＝P_i-5min*W₀+D₁*W₁+D₂*W₂+d_cons*W₃

其中：

P_i-5min：该车位车辆在5分钟内驶离的概率。如果当前时刻第i车位为空，则该值可以设为预设常数，优选的，设置其值为0.9。

W₀：为P_i-5min的权重，优选的，权重设置为50。

D₁：运行车辆距离该i车位的距离的归一化值。优选的，D₁＝d₁/R_5min,其中d₁为实时的距离目的地的距离，R_5min为车辆5分钟的平均行驶距离。

W₁：为D₁的权重，优选的，权重设置为30。

D₂：该i车位距离运行车辆指定目的地，即办公地的距离的归一化值。

优选的，D₂賌d₂/R,其中d₂为该i车位距离运行车辆指定目的地，即办公地的距离，R为车辆检索区域的半径距离。

W₂：为D₂的权重，优选的，权重设置为20。

d_cons：该车位附近街道当前拥堵程度的归一化值。

W₃：为d_cons的权重，优选的，权重设置为10。

优选的，其方法还包含：按推荐指数W_i从小到大的排序给运行车辆进行车位推荐：优选的，排在靠前的为当前已空置车位位置列表，其后排的是预估1-5分钟内将空置的车位列表。

步骤6、当车到达***推荐的泊车位地点时，根据车位情况再次进行推荐。

具体的，若运行车辆驶进指定的推荐车位时，发现刚刚推荐的车位正好被其他新来车辆抢占，则更新数据并推荐下一空置车位。

进一步的，若当前S区域既无空置车位，也无距此刻n分钟内大概率(p>0.6)驶离的车位，则扩大R后更新检索区域S，重复步骤6，直到找到泊车位，***结束计算。

相应的本发明还提供了一种基于车路协同的公共泊车位推荐***，用于实现所述的基于车路协同的公共泊车位预测与推荐方法。

附图说明

图1所示为本发明实施例的基于车路协同的公共泊车位预测与推荐方法流程图；

图2所示为办公区域和居民区域图；

图3所示为获取原始数据并进行整合处理和存储图；

图4所示为单个车的不同时间的驶离概率图；

图5所示为所有检索区域S的泊车位在t₀～t_n时间段所处车辆0～i的驶离概率信息表；

图6所示为有新增泊车位的总概率与时间图。

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不是行清楚、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得的所有其他实施例，都属于本发明保护的范围。

图1所示为本发明实施例的基于车路协同的公共泊车位预测与推荐方法流程图。

基本的，本发明提供一种基于车路协同的公共泊车位预测与推荐方法，包括：

S101、划定区域，分别为有效区域A和检索区域S。

S102、通过车联网云控中心获取需要的来自于OBU以及路侧设备融合感知处理整合后的数据。

S103、在车辆出发前，根据整合数据对该S区域未来一段时间内的有新增泊车位空置的概率做预测分析，得到泊车位的宏观预测结果，并根据预测结果推荐运行车辆最佳出行时间。

S104、车辆出发后，预测信息实时更新。

S105、当车距离目的地较近时，进入泊车位的精准推荐阶段。

S106、当车到达***推荐的泊车位地点时，根据车位情况再次进行推荐，直到找到车位后停止推荐。

上述技术方案的工作原理和有益效果为：通过获取道路上车辆驶离驶入该目标区域的历史整合数据，对检索区域的泊车位的车辆进行预测分析得到预测结果，并根据预测结果给出外来车辆在出发之前的最佳出发时间，在车辆出发之后依然能够实时的获取***更新的泊车位信息，在车辆快驶入目标区域时，***根据车辆与泊车位的距离，泊车位与上班地点的距离，泊车位的驶离概率以及泊车位所处车道的拥堵级别进行推荐，以减少同一车位给推荐给多个运行车辆的冲突情况发生。当运行车辆驶入其选择的车位时，如果该车位恰好被占据或者没有驶离，那么***会给车辆继续推荐公共泊车位，直到找到泊车位后***停止推荐工作。从而公共泊车位能够得到高效的使用，并且减少车辆寻找泊车位所花费的各种成本。

在步骤S101中，具体的，如图2所示将毗邻的居民区与办公区划分为有效区域A，该区域包含居民楼区域A_L与办公楼区域A_W，其中外来运行车辆车主的工作目的地在办公楼区A_W，在具体实施中默认为该楼的步行入口处。

在步骤S101中，具体的，如图2所述的检索区域S为距离其工作地点半径为R以内的圆周区域。

优选的，其中R賌60*T_w*V_w，其中Tw为下车后的步行时间，单位为分钟，默认为10分钟。Vw为下车后的步行速度，默认为1.2m/s。

在步骤S102中，如图3所示的步骤，通过车联网云控中心获取需要的数据，该数据来源为车辆的OBU，GPS以及路侧设备融合感知处理后的数据，并对数据进行整合，包括：

步骤S201，获取本运行车辆的数据，含本车始发地信息，本车目的地信息，及本车在计划出行时段的平均行驶速度：Vc。所述运行车辆即其车主在外部区域出发，以本区域为目的地的车辆。

步骤S202，获取本车目的地附近指定检索半径R区域S内的所有泊车位地理位置信息V_pos，目的地附近指定半径R内的泊车位所处路段的拥堵程度数据d_cons。，以及当前所停车辆的驶入驶出有效区域A的近期记录信息。所述近期记录信息，包含近N天内，该车辆的驶出当前区域A的时间t_out和驶入当前区域A的时间t_in记录。

具体的，在优选的实施例中，为了消除节假日驶入驶出的数据影响以及考虑到本发明的实际应用场景多用于工作日，所述的N天可以指定在工作日范围内的历史记录。

步骤S203，对所获取的车辆信息数据进行汇总处理，优选的，以5分钟为单位进行数据汇总，得出每个子时段的驶离次数n_t以及总驶离次数n_sum。

步骤S204，进一步的，为了过滤掉不活跃驻留车辆对数据的影响，对所获取的车辆信息数据进行清洗，过滤掉总驶离次数过小的数据，具体的，即n_sum＜N_thr的数据。其中N_thr为指定的驶离次数阈值，一般的，取N_thr≥N/2。

步骤S205，计算得出该i车在未来一段时间内每个时段的驶离概率数据，如图4所示，并存入数据库中。所述的驶离概率公式为：

p_it＝n_t/n_sum

对于步骤S103所述的，在车辆出发前，根据整合数据对该S区域未来一段时间内的有新增泊车位空置的概率进行计算，其计算方法为：

步骤S301，读取数据库中所有检索区域S的泊车位在t₀～t_n时间段所处车辆0～i的驶离概率信息表，如图5所示。

步骤S302，计算出该区域整体的未来一段时间内每个时段的预估可获取车位的概率，如图6所示。

具体的，设第i辆车在t时段内发生驶离的事件定义为X_i。其中该t时段默认为5分钟。所有在检索区域S的驻留车辆在指定时段t驶离的联合概率分布函数为

p_t＝P(X₀，X₁，...X_i)

具体的，计算得到当在t时刻有≥1辆车驶离的概率为P_out＝1-P_all-on

其中，P_all-on为在t时刻所有车辆均无驶离状态的概率。所述无驶离状态包含了在其他时段已驶离状态，和在此时段一直驻留的状态。该概率的计算公式为

其中，为第i辆车在t时刻驻留或已经驶离的概率。进一步的，***根据其概率大小进行对比，并结合预估驾驶时长推荐给运行车辆最佳的出行时间。

比如预估在8:25AM该区域有最大概率获取车位，而从始发地到目的地时长为25分钟，那么推荐运行车辆在8:00AM出发，会有较大概率得到较多的新空置泊车位。

上述技术方案的工作原理和有益效果为：对于驾车上班的人群，其工作日的出行时间，往往有确定的规律性，非工作日的出行时间，往往规律性要较弱。***通过统计分析泊车位在过往工作日的出行规律，结合外来运行车辆的平均车速以及与此检索区域的距离，给其推荐最佳的出行时间，使其能够较大概率的在到达目的区域时获得新增车位。此外，在运行车辆出发前，本***不考虑当前时刻空置的车位，因为在常规的上班高峰期，空置车辆会被很快的占据，而对于距离较远的外来车辆，其当前空置的车位的价值，不如其刚好到该车位时空置车位的价值。

所述步骤S104、车辆出发后，预测信息实时更新包含。

1.每隔T_int时间，实时更新该区域的车位信息。

2.当距离目的地越来越近时，减少T_int的时间，即更为频繁的更新推荐信息，从而给运行车辆更为精确的指引，以便其自行调整行车速度。

所述步骤S105、当车距离目的地还有T_left(默认5分钟)时长时，进入泊车位的精准推荐阶段，并且每隔默认10秒更新数据，以减少车的行驶距离，并防止给多个驶入车推荐了相同车位的情况发生。具体方法包含：

S401：给目标区域的车位进行编号，并计算编号i车位的推荐得分为

S_i賌P_i-5min*W₀+D₁*W₁+D₂*W₂+d_cons*W₃

其中：

P_i-5min：该车位车辆在5分钟内驶离的概率。如果当前时刻第i车位为空，则该值可以设为预设常数，优选的，设置其值为0.9。

W₀：为P_i-5min的权重，优选的，权重设置为50。

D₁：运行车辆距离该i车位的距离的归一化值。优选的，D₁賌d₁/R_5min,其中d₁为实时的距离目的地的距离，R_5min为车辆5分钟的平均行驶距离。

W₁：为D₁的权重，优选的，权重设置为30。

D₂：该i车位距离运行车辆指定目的地，即办公地的距离的归一化值。优选的，D₂賌d₂/R,其中d₂为该i车位距离运行车辆指定目的地，即办公地的距离，R为车辆检索区域的半径距离。

W₂：为D₂的权重，优选的，权重设置为20。

d_cons：该车位附近街道当前拥堵程度的归一化值。

W₃：为d_cons的权重，优选的，权重设置为10。

S402：按推荐指数W_i从小到大的排序给运行车辆推送一个推荐车位列表。

所述的推荐车位列表中，排在靠前的为当前已空置车位位置列表。其后排的是预估1-5分钟内将空置的车位列表。

上述技术方案的工作原理和有益效果为：通过考虑某车位的即将空置概率、该车位距离当前位置的距离、该车位距离办公地点入口的距离给运行车辆进行一个合理的推荐，以使得运行车辆的车主能够较快的找到合适的，且步行距离较短的车位。进一步的，本推荐***还考虑到了泊车位附近车道的拥挤程度，对于拥堵程度较高的地区，即便是有泊车位，本推荐***也会降低其推荐排序，因为停车行为会加剧该地区的拥堵程度，从而使得整个区域内的车辆通行效率降低。并且所述的这种得分推荐公式，在通常情况下会使得所有的车辆得到的推荐列表的排序不一致，从而减少了给不同运行车辆推荐了相同泊车位的概率。

所述步骤S106中的情况包括：

若运行车辆驶进指定的推荐车位时，发现刚刚推荐的车位正好被其他新来车辆抢占，则更新数据并立刻推荐下一空置车位。

若检索当前S区域既无空置车位，也无距此刻n分钟内大概率(p>0.6)驶离的车位，则扩大R后更新检索区域S，重复步骤6，直到找到泊车位，***结束计算。

显然，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，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，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 (8)

1.一种基于车路协同的公共泊车位预测与推荐方法，其特征在于：包括如下步骤：

S101:将运行车辆目的地附近的公共泊车位区域划分为有效区域和检索区域；

S102:通过车联网云控中心获取需要的数据，该数据来源为车辆的智能设备以及路侧设备融合感知处理整合后的数据；

S103:在车辆出发前，根据整合数据对该检索区域未来一段时间内的有新增泊车位空置的概率做预测分析，得到泊车位的宏观预测结果，并根据预测结果推荐运行车辆最佳出行时间；

S104:车辆出发后，预测信息实时更新；

S105:当车距离目的地还有较短的时长时，进入泊车位的精准推荐阶段，并且每隔若干秒更新数据，以减少车的行驶距离，并防止给多个驶入车推荐了相同车位的情况发生；

S106:当运行车辆到达***推荐的泊车位地点时，根据车位情况再次进行推荐，直到获取到车位后停止推荐。

2.根据权利要求1所述的一种基于车路协同的公共泊车位预测与推荐方法，如S101中所述的有效区域，其特征在于：包含居民楼区域和工作区区域，其中外来运行车辆车主的工作目的地在工作区域；

对所述的检索区域为距离其工作地点指定半径以内的圆周区域。

3.根据权利要求1所述的一种基于车路协同的公共泊车位预测与推荐方法，如S102中所述的通过车联网云控中心获取需要的数据，该数据来源为车辆的智能设备以及路侧设备融合感知处理整合后的数据，其特征在于：获取该数据的方法包含：

获取本运行车辆始发地地理坐标，本运行车辆车目的地地理坐标，及本车在计划出行时段内的平均行驶速度；

获取本车目的地附近指定检索半径区域内的所有泊车位地理位置信息，目的地附近指定半径内的泊车位所处路段的拥堵程度数据，以及当前所停车辆的驶入驶出有效区域的近期记录信息。所述近期记录信息，包含近期指定天数内，该车辆的驶出当前区域的时间和驶入当前区域的时间记录；

对所获取的车辆信息数据进行汇总处理，以若干分钟为单位进行数据汇总，得出每个子时段的驶离次数以及总驶离次数；

对所获取的车辆信息数据进行清洗，过滤掉总驶离次数过小的数据；

计算得出该车在未来一段时间内每个时段的驶离概率数据，并存入数据库中。

4.根据权利要求1所述的一种基于车路协同的公共泊车位预测与推荐方法，如S103中所述的在车辆出发前，根据整合数据对该检索区域未来一段时间内的有新增泊车位空置的概率做预测分析，得到泊车位的宏观预测结果，并根据预测结果推荐运行车辆最佳出行时间，其特征在于：该方法包含：

读取数据库中所有检索区域的泊车位在指定时间段所处所有车辆的驶离概率信息表；

计算出该检索区域整体的未来一段时间内每个时段的预估可获取车位的概率；

具体的，当在t时刻有≥1辆车驶离的概率为P_ouh＝1-P_all-on。其中，P_all-on为在t时刻所有车辆均无驶离状态的概率，即

其中，为第i辆车在t时刻驻留或已经驶离的概率；

***根据其概率大小进行对比，并结合预估驾驶时长推荐给运行车辆最佳的出行时间。

5.根据权利要求1所述的一种基于车路协同的公共泊车位预测与推荐方法，如S104中所述的车辆出发后，预测信息实时更新，其特征在于：该方法包含：

每隔一定时间，实时更新该区域的车位信息；

当距离目的地越来越近时，减少更新间隔的时间，即更为频繁的更新推荐信息。

6.根据权利要求1所述的一种基于车路协同的公共泊车位预测与推荐方法，如S105中所述的当车距离目的地还有较短的时长时，进入泊车位的精准推荐阶段的方法，其特征在于：该方法包含：

首先，给目标区域的车位进行编号，并计算特定编号车位的推荐得分为

S_i＝P_i-5min*W₀+D₁*W₁+D₂*W₂+d_cons*W₃

其中：

P_i-5min：该车位车辆在5分钟内驶离的概率。如果当前时刻第i车位为空，则该值可以设为预设常数。

w₀：为P_i-5min的权重。

D₁：运行车辆距离该i车位的距离的归一化值。

W₁：为D₁的权重。

D₂：该i车位距离运行车辆指定目的地，即办公地的距离的归一化值。

W₂：为D₂的权重。

d_cons：该车位附近街道当前拥堵程度的归一化值。

W₃：为d_cons的权重。

然后，按推荐指数W_i从小到大的排序给运行车辆进行车位推荐：排在靠前的为当前已空置车位位置列表。其后排的是预估1-5分钟内将空置的车位列表。

7.根据权利要求1所述的一种基于车路协同的公共泊车位预测与推荐方法，如S106中所述当运行车辆到达***推荐的泊车位地点时，根据车位情况再次进行推荐，直到获取到车位后停止推荐，其特征在于：该方法包含：

若运行车辆驶进指定的推荐车位时，发现刚刚推荐的车位正好被其他新来车辆抢占，则更新数据并推荐下一空置车位；

若当前检索区域既无空置车位，也无距此刻n分钟内大概率驶离的车位，则扩大检索半径后更新检索区域，重复权利要求7中所述的方法，直到找到泊车位，***结束计算。

8.一种基于车路协同的公共泊车位推荐***，其特征在于：用于实现权利1至7任一项所述的一种基于车路协同的公共泊车位预测与推荐方法。