CN117809481B - 一种城市级智慧停车优选推荐*** - Google Patents
一种城市级智慧停车优选推荐*** Download PDFInfo
- Publication number
- CN117809481B CN117809481B CN202410223565.XA CN202410223565A CN117809481B CN 117809481 B CN117809481 B CN 117809481B CN 202410223565 A CN202410223565 A CN 202410223565A CN 117809481 B CN117809481 B CN 117809481B
- Authority
- CN
- China
- Prior art keywords
- parking
- preference
- parking space
- user
- spaces
- 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
- 238000012216 screening Methods 0.000 claims abstract description 5
- 238000012937 correction Methods 0.000 claims description 36
- 238000004364 calculation method Methods 0.000 claims description 5
- 238000012163 sequencing technique Methods 0.000 claims description 5
- 238000005457 optimization Methods 0.000 abstract description 11
- 238000000034 method Methods 0.000 description 13
- 238000011161 development Methods 0.000 description 4
- 238000010606 normalization Methods 0.000 description 3
- 238000010276 construction Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
Landscapes
- Traffic Control Systems (AREA)
Abstract
本发明涉及停车优选推荐技术领域,具体涉及一种城市级智慧停车优选推荐***,所述***包括:采集各停车场各停车位及其用户当前位置的相关停车数据信息;基于停车位左右两侧的空余状态、停车场与当前位置目标位置之间的距离获取停车场的推荐优选度;根据停车场内空闲停车位在不同统计次数下的空余状态、空闲停车位与周围最优停车位之间的位置分布获取空闲停车位的推荐优选度;根据用户车辆当前位置以及目的地之间、优选停车位之间的相似情况筛选相似用户;结合相似用户中的停车位选择情况确定最终推荐优选度,对用户进行车辆推荐。本发明旨在减少用户停车的时间、路程开销,降低推荐停车位抢占的可能。
Description
技术领域
本申请涉及停车优选推荐技术领域,具体涉及一种城市级智慧停车优选推荐***。
背景技术
近年来,随着经济的发展、生活水平的不断提高,私家车的数量急剧增长。在带给人们出行便利的同时,也给人们造成了诸多困惑。
本发明使用协同过滤算法,根据用户信息,筛选相似用户,并根据相似用户信息对当前用户场景下所得停车位进行推荐,但是由于在本发明场景中,用户所在位置以及用户目标位置及停车场空余停车位情况也难易相同,故直接根据用户相同位置、目标位置以及停车场空余停车位进行推荐可用数据会大大减少,会大大减少推荐结果的普适度。
发明内容
为了解决上述技术问题,本发明的目的在于提供一种城市级智慧停车优选推荐***,所采用的技术方案具体如下:
本发明提出了基于一种城市级智慧停车优选推荐***,所述***包括:
停车相关数据采集模块:采集各停车场各停车位及其用户当前位置的相关停车数据信息;
停车场优选推荐模块:基于停车场各停车位左右两侧的空余状态获取停车场的停车难易程度;根据停车场与用户车辆当前位置、目标位置之间的距离关系获取停车场的优选度修正因子;根据停车场的停车难易程度以及优选度修正因子获取停车场的推荐优选度;
停车位优选推荐模块:根据停车场内空闲停车位在不同统计次数下的空余状态获取空闲停车位的推荐系数及初始推荐优选度;根据空闲停车位与周围最优停车位之间的位置分布结合空闲停车位的初始推荐优选度获取空闲停车位的推荐优选度;
相似用户车辆筛选模块:根据用户车辆当前位置以及目的地之间的相似情况获取任意两个用户车辆之间的相似性;根据用户车辆的优选停车位之间的相似情况获取任意两个用户车辆之间的信息相似度;将信息相似度大于预设相似度阈值的用户车辆作为相似用户;
用户停车位推荐模块:根据当前用户车辆各优选停车位在相似用户中的选择情况获取各优选停车位的惩罚系数;根据当前用户车辆各优选停车位的惩罚系数、推荐优选度获取各优选停车位的最终推荐优选度;将当前用户车辆的所有优选停车位的最终推荐优选度按照从大到小进行排序,取前K个停车位依次向用户车辆进行推荐。
优选的,所述基于停车场各停车位左右两侧的空余状态获取停车场的停车难易程度,包括:
将左、右两侧存在空余车位的停车位的停车标记设置为0;否则设置为1;将停车场所有停车位的停车标记的和值作为停车场的停车难易程度。
优选的,所述根据停车场与用户车辆当前位置、目标位置之间的距离关系获取停车场的优选度修正因子,包括:
获取停车场与用户车辆当前位置之间的距离记为第一距离;获取停车场与用户车辆目标位置之间的距离记为第二距离;
计算预设距离系数与第一距离的乘积;计算1与预设距离系数的差值,乘以第二距离的乘积;将两个乘积的和值作为停车场的优选度修正因子。
优选的,所述根据停车场的停车难易程度以及优选度修正因子获取停车场的推荐优选度,包括:
获取停车场的停车位数量、每小时停车费;计算所述停车难易程度与每小时停车费的乘积;计算停车位数量与所述乘积的比值;
计算1与所述优选度修正因子的和值;将所述比值与所述和值的乘积的归一化值作为停车场的推荐优选度。
优选的,所述根据停车场内空闲停车位在不同统计次数下的空余状态获取空闲停车位的推荐系数及初始推荐优选度,包括:
获取各个统计次数下停车场的空闲车位数量、空闲停车位的空闲状态;所述空闲停车位在各个统计次数下的空闲状态为:当空闲停车位为空闲时将空闲状态设置为2,否则设置为1;
计算所有统计次数下的所述空闲车位数量与所述空闲状态的乘积的和值;计算空闲停车位的停车标记加1的和值结果;将所述和值与所述和值结果的比值的归一化值作为空闲停车位的推荐系数;
将空闲停车位的推荐系数与所属停车场的推荐优选度的乘积作为空闲停车位的初始推荐优选度。
优选的,所述根据空闲停车位与周围最优停车位之间的位置分布结合空闲停车位的初始推荐优选度获取空闲停车位的推荐优选度,包括:
将所有停车场的所有停车位的推荐优选度按照从大到小进行排序,得到推荐优选度序列;获取推荐优选度序列前W个停车位作为空闲停车位的优选停车位;
当优选停车位与空闲停车位属于同一停车场时,将两个停车位之间的距离设置为两个停车位实际位置之间的欧式距离的倒数;当优选停车位与空闲停车位不属于同一停车场时,将两个停车位之间的距离设置为0;
将所有优选停车位与空闲停车位之间的距离的和值作为以自然常数为底数的指数函数的指数,将指数函数的计算结果作为空闲停车位的第一修正系数;
将空闲停车位的初始推荐优选度与第一修正系数的乘积的归一化值作为空闲停车位的推荐优选度。
优选的,所述根据用户车辆当前位置以及目的地之间的相似情况获取任意两个用户车辆之间的相似性,包括:
获取任意两个用户车辆当前位置之间的距离、目的地之间的距离;将两个距离之间的欧式距离的相反数作为以自然常数为底数的指数函数的指数;将所述指数函数的计算结果作为任意两个用户车辆之间的相似性。
优选的,所述根据用户车辆的优选停车位之间的相似情况获取任意两个用户车辆之间的信息相似度,包括:
采用匈牙利算法,对任意两个用户车辆之间的优选停车位的推荐优选度和位置进行匹配得到任意两个用户车辆的各匹配对;
获取各匹配对的推荐优选度之间的距离、位置距离;将所有匹配对的两个距离之间的欧式距离和值作为任意两个用户车辆之间的推荐信息相似度;
将任意两个用户车辆之间的相似性与推荐信息相似度的乘积作为任意两个用户车辆之间的信息相似度。
优选的,所述根据当前用户车辆各优选停车位在相似用户中的选择情况获取各优选停车位的惩罚系数,包括:
对于当前用户车辆各优选停车位,获取优选停车位在相似用户中的推荐次数;
获取各推荐次数下相似用户选择优选停车位的停车标记,当相似用户选择优选停车位进行停车则将停车标记设置为1,反之设置为0;
将优选停车位在相似用户中的所有推荐次数下的停车标记均值作为优选停车位的惩罚系数。
优选的,所述根据当前用户车辆各优选停车位的惩罚系数、推荐优选度获取各优选停车位的最终推荐优选度,包括:
对于当前用户车辆各优选停车位,计算1与所述惩罚系数的差值;将所述差值与推荐优选度的乘积作为各优选停车位的最终推荐优选度。
本发明至少具有如下有益效果:
本发明通过首先根据停车场内空余停车位信息构建各停车场的停车难易程度,在基于推荐选择停车位之前先将停车较为容易的停车场位置标记出来,基于大框架下的推荐,使得后续用户推荐停车位的方向更加准确;结合实际用户车辆的当前位置、目标位置与停车场之间的距离信息,构建停车场的优选度修正因子,进一步根据用户车辆的出行习惯进行分析,增强了用户车辆的出行体验;本发明考虑用户的时间、距离、花费等出行代价,同时考虑了停车场的规模,将最适合用户车辆的停车场推荐给用户车辆,大大增加了用户的出行体验满意度,从用户的角度服务用户;
通过对停车位在历史数据各统计状态下的停车位空闲状态,以及该停车位所属停车场整体的空闲停车位数量,评价当前该停车位空闲状态下是否值得向用户车辆推荐的可能,即通过历史数据预测未来,从而将推荐结果更加符合现实发展规律;本发明进一步分析空闲停车位的推荐系数以及该空闲停车位所属停车场内的推荐优选度,构建空闲停车位的初始推荐优选度,即针对该空闲停车位的停车场的整体层面以及该停车位的历史层面进行综合判断,使得该停车位的停车推荐考虑地更加全面,推荐结果更加可靠;本发明考虑到该***同时向所有用户推荐时存在冲突现象,即如果存在用户车辆之间距离较近时,会有很多用户抢占同一排名靠前的推荐停车位,因此本发明通过考虑优选停车位与空闲停车位之间的距离、所属停车场的远近情况,构建空闲停车位的第一修正系数,避免出现多用户抢占同一空闲停车位的现象,即当出现抢占现象时用户也可以更快捷找到其他停车位;结合空闲停车位的第一修正系数以及初始推荐优选度,考虑到推荐停车位之间的距离,从而对初始推荐优选度进行修正,得到修正后的空闲停车位的推荐优选度,使得空闲停车位的推荐更加准确;
然后,根据任意两个用户车辆之间的当前位置与目的地之间的距离远近信息、优选停车位之间的匹配情况,构建两个用户车辆之间的相似性、推荐信息相似度,从用户自身角度、优选停车位的匹配角度判断两个用户车辆之间的相似情况,从而更加准确判断两个用户车辆之间的信息相似度,便于将存在停车需求相似的两个用户进行辅助判断,实现停车位精准推荐;基于相似用户对于当前用户的优选停车位的停车情况构建各优选停车位的惩罚系数,从而减少相似用户做出相同的停车判断,减少推荐车位被抢占的可能性;结合各优选停车位的推荐优选度、惩罚系数,构建各优选停车位的最终推荐优选度,根据最终推荐优选度的排序结果对用户车辆进行停车位推荐,所得推荐停车位,大大增加了用户体验,减少了用户在推荐的最优选停车位被抢占的可能性,减少了用户推荐的最优选停车位被抢占时,寻找下位停车位的时间,大大节省了用户时间。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案和优点,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的介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,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它附图。
图1为本发明一个实施例所提供的一种城市级智慧停车优选推荐***的流程图;
图2为用户推荐停车位的指标构建流程图。
具体实施方式
为了更进一步阐述本发明为达成预定发明目的所采取的技术手段及功效,以下结合附图及较佳实施例,对依据本发明提出的一种城市级智慧停车优选推荐***,其具体实施方式、结构、特征及其功效,详细说明如下。在下述说明中,不同的“一个实施例”或“另一个实施例”指的不一定是同一实施例。此外,一或多个实施例中的特定特征、结构或特点可由任何合适形式组合。
除非另有定义,本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。
下面结合附图具体的说明本发明所提供的一种城市级智慧停车优选推荐***的具体方案。
请参阅图1,其示出了本发明一个实施例提供的一种城市级智慧停车优选推荐***的流程图,该***包括:停车相关数据采集模块、停车场优选推荐模块、停车位优选推荐模块、相似用户车辆筛选模块、用户停车位推荐模块。
停车相关数据采集模块101,本实施例的目的是帮助用户推荐优选的停车位,根据用户车辆所在位置使用推荐***获取推荐停车位。本实施例通过使用基于物联网的大数据平台,获取当前用户车辆所在城市中各个停车场各个停车位车位信息数据,其中包括停车费,实时停车信息等;同时根据定位***获取当前用户车辆的位置信息。
停车场优选推荐模块102,由于汽车在寻找停车位时,其首先需要确定的是停车场,如果停车场的车位量大、且有较多的空余车位,则对于用户车辆来说,相较于小而少的停车场为之首选。故本实施例首先基于停车场进行分析,根据所得优选停车场,从而推荐优选停车场内的优选停车位。其中优选停车场推荐优选度如下:
根据大数据获取停车场位置,以及停车场空余车位以及停车位停车难易度。其中,空余停车位停车难易度的评价方法为通过分析空余停车位周围停车情况,由于停车位为横排排列,故可以将停车位相邻两侧是否停车记为H,即当停车位相邻左右两侧存在空余车位时,则将该停车位标记为0,否则标记为1。根据标记值可知,当该停车场所有停车位的标记值的和越小,则当前车位的停车难易度越小。对于各停车场,以其中一个停车场为例进行计算该停车场的停车难易度:
其中,表示停车场的停车难易程度,/>表示停车场的停车位数量,/>表示停车场中第i个停车位的停车标记。即所求/>越小,则说明停车场中空余停车位的停车难易度越小,该停车场中的空余车位越多,该停车场越容易停车。
由于停车不仅为了保证车辆可以停放,还需要保证停车场与用户车辆当前位置、用户目标位置的距离在用户可接受范围,故可以根据停车场位置与用户车辆目标位置、用户车辆当前位置之间的距离远近,从而获取停车场的优选度修正因子:
其中,表示停车场的优选度修正因子,/>表示用户车辆当前位置到停车场的距离,/>表示停车场到用户车辆目标地点的距离,/>表示预设距离系数,本实施例中/>=0.3,可由实施者根据实际情况自行设定。
即当所求该停车场距离目的地越近且距离当前车辆距离/>也越近时,则说明该停车场的优选度修正因子/>就越大,该停车场为用户车辆停车的优选度越高,更加符合用户车辆的出行习惯,同时增强了用户车辆的出行体验。
因此,本实施例通过结合停车场自身的车位信息以及用户位置距离信息,构建停车场的推荐优选度:
其中,表示停车场的推荐优选度,/>表示归一化函数,/>表示停车场的优选度修正因子,/>表示停车场的停车位数量,/>表示停车场的停车难易程度,/>表示停车场内每小时停车费。即当所求停车场内停车位的数量/>越多,且停车场内空余车位停车难易度/>越小,停车费用/>也越少,同时对应基于停车场距离所得的停车场优选度修正因子/>越大,则说明当前停车场的推荐优选度越大,即考虑的用户的时间、距离、花费等出行代价,同时考虑停车场的规模,择优进行选择更加适合用户车辆的停车场。
停车位优选推荐模块103,停车场内停车位优选度推荐方法为:通过分析停车场内各个空闲停车位在停车场车位不同统计次数情况下,该停车位是否空余来辅助判断该停车位的优选推荐情况。其中,对于各个停车场中的各个空闲停车位,以其中一个空闲停车位为例进行如下分析:
其中,表示空闲停车位的推荐系数,/>表示归一化函数,b表示停车场内车位状态的统计次数,H表示空闲停车位的停车标记,/>表示第i次统计时空闲停车位的空闲状态,当其空闲时,/>=2,否则/>=1,其中,空闲状态的统计次数为每小时统计所得。/>表示第i次统计时停车场空闲停车位的数量。
即当所求停车场空闲车位越多,越大,且当前停车位空余,即/>为2,越大,则说明空闲停车位的推荐系数越大,该空闲停车位越可能推荐给用户。即本实施例基于历史数据下该停车位的停车记录情况,预测未来该停车位的是否适合作为用户的推荐停车位,从而将推荐结果更加符合现实发展规律。
则根据空闲停车位的推荐系数以及该空闲停车位所属停车场的推荐优选度,构建该空闲停车位的初始推荐优选度:
其中,表示空闲停车位的初始推荐优选度,/>表示停车位所属停车场的推荐优选度,/>表示停车位的推荐系数。即当所求空闲停车位所在停车场的推荐优选度/>越大,且对应空闲停车位的推荐系数/>也越大,则说明当前空闲停车位的初始推荐优选度越大,该空闲停车位基于停车场层面以及历史层面越适合推荐给用户车辆。
同时,由于很多用户车辆都会推荐停车位,所以会导致在根据推荐停车位去进行停车的过程中,可能存在停车位被抢占的情况发生,本实施例设置最终推荐给用户车辆的K个停车位,其中K为预设推荐数量,本实施例设置K=3,为了避免上述方法,保障用户在最优选的停车位被抢占时,可以较为方便的去往第二优选停车位,本实施例设置预设优选数量W=10,将所有停车场的所有停车位的推荐优选度按照从大到小的顺序进行排序,将排序后的前W个数量的停车位作为空闲停车位的优选停车位。通过基于优选停车位之间的距离对空闲停车位的进行修正,从而得到最终的停车位的优选推荐度。根据空闲停车位的各个优选停车位所在停车场是否一致以及之间的距离远近,对空闲停车位的优选度进行修正,所得第一修正系数的计算方法为:
其中,表示空闲停车位的第一修正系数,/>表示以自然常数e为底数的指数函数,W为预设优选数量,/>表示空闲停车位与其第j个优选停车位之间的距离,/>表示空闲停车位与其第j个优选停车位所属停车场是否为同一停车场的标志,当两个停车位所属同一个停车场时,将该标志设置为0,同时将两个停车位之间的距离设置为两个停车位的实际位置距离的倒数;当两个停车位所属在不同停车场时,将该标志设置不为0,同时将两个停车位之间的距离设置为0。
即当所求空闲停车位与其各个优选停车位之间的实际位置距离越相近,且同属于同一停车场时,则其在停车位被占用时,用户可以更快速便捷找到其它停车位的可能性越大,即所得该停车位的推荐优选度修正系数就越大。
根据上述方法获取空闲停车位的第一修正系数以及初始推荐优选度,从而对初始推荐优选度进行修正,得到修正后的空闲停车位的推荐优选度:
其中,表示空闲停车位的推荐优选度,/>表示归一化函数,/>表示空闲停车位的第一修正系数,/>表示空闲停车位的初始推荐优选度。至此完成空闲停车位的推荐优选度的修正。
相似用户车辆筛选模块104,根据对用户车辆进行分析,选择与当前用户车辆所处环境信息相近的用户信息,并基于相似用户信息对停车位的推荐优选度进行修正。其中,用户参数属性的包括:车辆位置信息、目的地位置信息,本实施例对任意两个用户之间的车辆位置与目的地之间的相似性情况,计算两个用户车辆之间的相似性:
其中,表示两个用户车辆之间的相似性,/>表示以自然常数e为底数的指数函数,/>表示两个用户车辆之间的位置距离,/>表示两个用户车辆的目的地之间的距离。即当两个用户车辆位置信息越接近,即/>越小,且对应目的地的距离差异越小,即越小,则说明两个用户车辆之间的位置与目的地的相似度越大,因此在后续对用户进行推荐时更加全面考虑的相似用户之间的停车推荐信息,使得推荐结果更加准确。
根据上述方法获取的各用户车辆的优选停车位,使用匈牙利算法根据任意两个用户车辆的各优选停车位之间的停车位优选度以及停车位之间的位置距离进行匹配,得到各匹配对,根据匹配后的优选停车位的相似度,从而得到两个用户车辆之间的推荐信息相似度。其中,匈牙利算法为公知技术,本实施例不再赘述。
其中,表示两个用户车辆之间的推荐信息相似度,W为预设优选数量,/>表示第f个匹配对的推荐优选度的差值的平方,/>表示第f个匹配对之间距离的平方。即当所求两个用户的各匹配对之间的推荐优选度越接近,即所求/>越小,且对应停车位的距离也越相近,即所求/>越小,则说明两个用户车辆的停车位推荐信息相似度的越相近,即越大。
则根据上述两个用户车辆位置与目的地相似性与用户停车位推荐信息相似度获取两个用户车辆之间的信息相似度:
其中,表示两个用户车辆之间的信息相似度,/>表示两个用户车辆之间的相似性,/>表示两个用户车辆之间的推荐信息相似度。本实施例预设相似度阈值λ=0.8,将所得两个用户车辆之间的信息相似度大于该预设相似度阈值的用户作为相似用户。
用户停车位推荐模块105,通过获取相似用户,根据相似用户最终选择结果,从而对所得各个空余车位的推荐优选度进行辅助判断。由于某些车位经常被推荐,故往往可能存在被占用的情况,故通过所得用户最推荐车位信息以及用户最终所停车位信息的差异,对所得推荐车位推荐优选度增加惩罚系数,以减少用户根据推荐车位进行停车而被抢占的可能性,则对应惩罚系数的计算方法如下:
其中,表示当前用户车辆第g个优选停车位的惩罚系数,/>表示当前用户车辆第g个优选停车位在相似用户中的推荐次数,/>表示第o个相似用户在当前用户车辆第g个优选停车位中是否停车的停车标记,若用户在该位置停车则记为1,否则记为0。
即当所求该停车位被推选为当前用户的优选停车位时,其他相似用户在该停车位停车的次数越多,则该停车位推荐优选度的惩罚系数就越大,该停车位在向当前用户推荐时的优选情况就应该减小,从而降低将该停车位推荐给用户。
根据上述方法获取当前用户车辆各个优选停车位的最终推荐优选度:
其中,表示当前用户车辆第g个优选停车位的最终推荐优选度,/>表示当前用户车辆第g个优选停车位的推荐优选度,/>表示当前用户车辆第g个优选停车位的惩罚系数。至此完成基于相似用户信息的第二次优选度修正的最终推荐优选度。
根据上述方法计算当前用户车辆所有优选停车位的最终推荐优选度,根据所得的最终推荐优选度从大到小进行排序,选择前K个停车位,依次向用户车辆进行推荐。其中,用户推荐停车位的指标构建流程图如图2所示。
至此,本发明实施例完成。
综上所述,本发明实施例通过首先根据停车场内空余停车位信息构建各停车场的停车难易程度,在基于推荐选择停车位之前先将停车较为容易的停车场位置标记出来,基于大框架下的推荐,使得后续用户推荐停车位的方向更加准确;结合实际用户车辆的当前位置、目标位置与停车场之间的距离信息,构建停车场的优选度修正因子,进一步根据用户车辆的出行习惯进行分析,增强了用户车辆的出行体验;本发明实施例考虑用户的时间、距离、花费等出行代价,同时考虑了停车场的规模,将最适合用户车辆的停车场推荐给用户车辆,大大增加了用户的出行体验满意度,从用户的角度服务用户;
通过对停车位在历史数据各统计状态下的停车位空闲状态,以及该停车位所属停车场整体的空闲停车位数量,评价当前该停车位空闲状态下是否值得向用户车辆推荐的可能,即通过历史数据预测未来,从而将推荐结果更加符合现实发展规律;本发明实施例进一步分析空闲停车位的推荐系数以及该空闲停车位所属停车场内的推荐优选度,构建空闲停车位的初始推荐优选度,即针对该空闲停车位的停车场的整体层面以及该停车位的历史层面进行综合判断,使得该停车位的停车推荐考虑地更加全面,推荐结果更加可靠;本发明实施例考虑到该***同时向所有用户推荐时存在冲突现象,即如果存在用户车辆之间距离较近时,会有很多用户抢占同一排名靠前的推荐停车位,因此本发明实施例通过考虑优选停车位与空闲停车位之间的距离、所属停车场的远近情况,构建空闲停车位的第一修正系数,避免出现多用户抢占同一空闲停车位的现象,即当出现抢占现象时用户也可以更快捷找到其他停车位;结合空闲停车位的第一修正系数以及初始推荐优选度,考虑到推荐停车位之间的距离,从而对初始推荐优选度进行修正,得到修正后的空闲停车位的推荐优选度,使得空闲停车位的推荐更加准确;
然后,根据任意两个用户车辆之间的当前位置与目的地之间的距离远近信息、优选停车位之间的匹配情况,构建两个用户车辆之间的相似性、推荐信息相似度,从用户自身角度、优选停车位的匹配角度判断两个用户车辆之间的相似情况,从而更加准确判断两个用户车辆之间的信息相似度,便于将存在停车需求相似的两个用户进行辅助判断,实现停车位精准推荐;基于相似用户对于当前用户的优选停车位的停车情况构建各优选停车位的惩罚系数,从而减少相似用户做出相同的停车判断,减少推荐车位被抢占的可能性;结合各优选停车位的推荐优选度、惩罚系数,构建各优选停车位的最终推荐优选度,根据最终推荐优选度的排序结果对用户车辆进行停车位推荐,所得推荐停车位,大大增加了用户体验,减少了用户在推荐的最优选停车位被抢占的可能性,减少了用户推荐的最优选停车位被抢占时,寻找下位停车位的时间,大大节省了用户时间。
需要说明的是:上述本发明实施例先后顺序仅仅为了描述,不代表实施例的优劣。且上述对本说明书特定实施例进行了描述。另外,在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中,多任务处理和并行处理也是可以的或者可能是有利的。
本说明书中的各个实施例均采用递进的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。
以上所述仅为本发明的较佳实施例,并不用以限制本发明,凡在本发明的原则之内,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 (6)
1.一种城市级智慧停车优选推荐***,其特征在于,所述***包括:
停车相关数据采集模块:采集各停车场各停车位及其用户当前位置的相关停车数据信息;
停车场优选推荐模块:基于停车场各停车位左右两侧的空余状态获取停车场的停车难易程度;根据停车场与用户车辆当前位置、目标位置之间的距离关系获取停车场的优选度修正因子;根据停车场的停车难易程度以及优选度修正因子获取停车场的推荐优选度;
停车位优选推荐模块:根据停车场内空闲停车位在不同统计次数下的空余状态获取空闲停车位的推荐系数及初始推荐优选度;根据空闲停车位与周围最优停车位之间的位置分布结合空闲停车位的初始推荐优选度获取空闲停车位的推荐优选度;
相似用户车辆筛选模块:根据用户车辆当前位置以及目的地之间的相似情况获取任意两个用户车辆之间的相似性;根据用户车辆的优选停车位之间的相似情况获取任意两个用户车辆之间的信息相似度;将信息相似度大于预设相似度阈值的用户车辆作为相似用户;
用户停车位推荐模块:根据当前用户车辆各优选停车位在相似用户中的选择情况获取各优选停车位的惩罚系数;根据当前用户车辆各优选停车位的惩罚系数、推荐优选度获取各优选停车位的最终推荐优选度;将当前用户车辆的所有优选停车位的最终推荐优选度按照从大到小进行排序,取前K个停车位依次向用户车辆进行推荐;
所述根据空闲停车位与周围最优停车位之间的位置分布结合空闲停车位的初始推荐优选度获取空闲停车位的推荐优选度,包括:
将所有停车场的所有停车位的推荐优选度按照从大到小进行排序,得到推荐优选度序列;获取推荐优选度序列前W个停车位作为空闲停车位的优选停车位;
当优选停车位与空闲停车位属于同一停车场时,将两个停车位之间的距离设置为两个停车位实际位置之间的欧式距离的倒数;当优选停车位与空闲停车位不属于同一停车场时,将两个停车位之间的距离设置为0;
将所有优选停车位与空闲停车位之间的距离的和值作为以自然常数为底数的指数函数的指数,将指数函数的计算结果作为空闲停车位的第一修正系数;
将空闲停车位的初始推荐优选度与第一修正系数的乘积的归一化值作为空闲停车位的推荐优选度;
所述根据用户车辆当前位置以及目的地之间的相似情况获取任意两个用户车辆之间的相似性,包括:
获取任意两个用户车辆当前位置之间的距离、目的地之间的距离;将两个距离之间的欧式距离的相反数作为以自然常数为底数的指数函数的指数;将所述指数函数的计算结果作为任意两个用户车辆之间的相似性;
所述根据用户车辆的优选停车位之间的相似情况获取任意两个用户车辆之间的信息相似度,包括:
采用匈牙利算法,对任意两个用户车辆之间的优选停车位的推荐优选度和位置进行匹配得到任意两个用户车辆的各匹配对;
获取各匹配对的推荐优选度之间的距离、位置距离;将所有匹配对的两个距离之间的欧式距离和值作为任意两个用户车辆之间的推荐信息相似度;
将任意两个用户车辆之间的相似性与推荐信息相似度的乘积作为任意两个用户车辆之间的信息相似度;
所述根据当前用户车辆各优选停车位在相似用户中的选择情况获取各优选停车位的惩罚系数,包括:
对于当前用户车辆各优选停车位,获取优选停车位在相似用户中的推荐次数;
获取各推荐次数下相似用户选择优选停车位的停车标记,当相似用户选择优选停车位进行停车则将停车标记设置为1,反之设置为0;
将优选停车位在相似用户中的所有推荐次数下的停车标记均值作为优选停车位的惩罚系数。
2.如权利要求1所述的一种城市级智慧停车优选推荐***,其特征在于,所述基于停车场各停车位左右两侧的空余状态获取停车场的停车难易程度,包括:
将左、右两侧存在空余车位的停车位的停车标记设置为0;否则设置为1;将停车场所有停车位的停车标记的和值作为停车场的停车难易程度。
3.如权利要求1所述的一种城市级智慧停车优选推荐***,其特征在于,所述根据停车场与用户车辆当前位置、目标位置之间的距离关系获取停车场的优选度修正因子,包括:
获取停车场与用户车辆当前位置之间的距离记为第一距离;获取停车场与用户车辆目标位置之间的距离记为第二距离;
计算预设距离系数与第一距离的乘积;计算1与预设距离系数的差值,乘以第二距离的乘积;将两个乘积的和值作为停车场的优选度修正因子。
4.如权利要求1所述的一种城市级智慧停车优选推荐***,其特征在于,所述根据停车场的停车难易程度以及优选度修正因子获取停车场的推荐优选度,包括:
获取停车场的停车位数量、每小时停车费;计算所述停车难易程度与每小时停车费的乘积;计算停车位数量与所述乘积的比值;
计算1与所述优选度修正因子的和值;将所述比值与所述和值的乘积的归一化值作为停车场的推荐优选度。
5.如权利要求2所述的一种城市级智慧停车优选推荐***,其特征在于,所述根据停车场内空闲停车位在不同统计次数下的空余状态获取空闲停车位的推荐系数及初始推荐优选度,包括:
获取各个统计次数下停车场的空闲车位数量、空闲停车位的空闲状态;所述空闲停车位在各个统计次数下的空闲状态为:当空闲停车位为空闲时将空闲状态设置为2,否则设置为1;
计算所有统计次数下的所述空闲车位数量与所述空闲状态的乘积的和值;计算空闲停车位的停车标记加1的和值结果;将所述和值与所述和值结果的比值的归一化值作为空闲停车位的推荐系数;
将空闲停车位的推荐系数与所属停车场的推荐优选度的乘积作为空闲停车位的初始推荐优选度。
6.如权利要求1所述的一种城市级智慧停车优选推荐***,其特征在于,所述根据当前用户车辆各优选停车位的惩罚系数、推荐优选度获取各优选停车位的最终推荐优选度,包括:
对于当前用户车辆各优选停车位,计算1与所述惩罚系数的差值;将所述差值与推荐优选度的乘积作为各优选停车位的最终推荐优选度。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410223565.XA CN117809481B (zh) | 2024-02-29 | 2024-02-29 | 一种城市级智慧停车优选推荐*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410223565.XA CN117809481B (zh) | 2024-02-29 | 2024-02-29 | 一种城市级智慧停车优选推荐*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117809481A CN117809481A (zh) | 2024-04-02 |
CN117809481B true CN117809481B (zh) | 2024-05-07 |
Family
ID=90425863
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410223565.XA Active CN117809481B (zh) | 2024-02-29 | 2024-02-29 | 一种城市级智慧停车优选推荐*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117809481B (zh) |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105427660A (zh) * | 2015-11-24 | 2016-03-23 | 上海汽车集团股份有限公司 | 智能停车信息提供方法及装置 |
WO2017128132A1 (zh) * | 2016-01-27 | 2017-08-03 | ***生 | 收集停车场推荐技术使用数据的方法以及推荐*** |
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*** |
CN109191896A (zh) * | 2018-10-17 | 2019-01-11 | 南京邮电大学 | 个性化停车位推荐方法和*** |
CN110379201A (zh) * | 2019-07-18 | 2019-10-25 | 深圳市轱辘汽车维修技术有限公司 | 一种推荐停车位的方法及设备 |
CN111798694A (zh) * | 2020-07-13 | 2020-10-20 | 城云科技(中国)有限公司 | 一种综合停车因素的停车场推荐方法和装置 |
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*** |
CN115643285A (zh) * | 2022-10-14 | 2023-01-24 | 成都秦川物联网科技股份有限公司 | 智慧城市停车场推荐方法和物联网***、装置、存储介质 |
CN117334075A (zh) * | 2023-09-18 | 2024-01-02 | 智慧互通科技股份有限公司 | 一种基于物联网技术的智慧停车方法及*** |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
IL234323A0 (en) * | 2014-08-27 | 2014-11-30 | Parklife Ltd | Car navigation technology for a parking space |
CN116362370A (zh) * | 2022-09-07 | 2023-06-30 | 成都秦川物联网科技股份有限公司 | 智慧城市停车场车位状态预估方法、物联网***及装置 |
-
2024
- 2024-02-29 CN CN202410223565.XA patent/CN117809481B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105427660A (zh) * | 2015-11-24 | 2016-03-23 | 上海汽车集团股份有限公司 | 智能停车信息提供方法及装置 |
WO2017128132A1 (zh) * | 2016-01-27 | 2017-08-03 | ***生 | 收集停车场推荐技术使用数据的方法以及推荐*** |
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*** |
CN109191896A (zh) * | 2018-10-17 | 2019-01-11 | 南京邮电大学 | 个性化停车位推荐方法和*** |
CN110379201A (zh) * | 2019-07-18 | 2019-10-25 | 深圳市轱辘汽车维修技术有限公司 | 一种推荐停车位的方法及设备 |
CN111798694A (zh) * | 2020-07-13 | 2020-10-20 | 城云科技(中国)有限公司 | 一种综合停车因素的停车场推荐方法和装置 |
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*** |
CN115643285A (zh) * | 2022-10-14 | 2023-01-24 | 成都秦川物联网科技股份有限公司 | 智慧城市停车场推荐方法和物联网***、装置、存储介质 |
CN117334075A (zh) * | 2023-09-18 | 2024-01-02 | 智慧互通科技股份有限公司 | 一种基于物联网技术的智慧停车方法及*** |
Non-Patent Citations (1)
Title |
---|
利用推荐算法解决城市停车问题的研究;江荣旺;郭亮;;电脑知识与技术;20180805(22);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN117809481A (zh) | 2024-04-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109191896B (zh) | 个性化停车位推荐方法和*** | |
CN115643285A (zh) | 智慧城市停车场推荐方法和物联网***、装置、存储介质 | |
CN113971893B (zh) | 一种车位推荐方法、装置及存储介质 | |
CN112556717B (zh) | 出行方式筛选方法和出行路线推荐方法和装置 | |
CN113506457B (zh) | 基于大型停车场场景下寻找停车位的装置和方法 | |
CN113569724B (zh) | 基于注意力机制和扩张卷积的道路提取方法及*** | |
CN112487281A (zh) | 一种立体车库推荐方法 | |
CN117809481B (zh) | 一种城市级智慧停车优选推荐*** | |
CN114428916A (zh) | 停车场推荐方法以及相关装置 | |
CN114372830A (zh) | 一种基于时空多图神经网络的网约车需求预测方法 | |
CN109544981A (zh) | 图像处理方法、装置、设备和介质 | |
CN113408833A (zh) | 一种公共交通重点区域识别方法、装置及电子设备 | |
CN111121803B (zh) | 获取道路常用停靠点的方法及装置 | |
CN116415756A (zh) | 一种基于vr技术的城市虚拟场景体验管理*** | |
CN114413923B (zh) | 一种行驶路线推荐方法、装置、存储介质及*** | |
CN114692015A (zh) | 一种基于密度聚类的乘车点推荐方法 | |
CN116167536A (zh) | 一种基于时间段学习优化的智慧停车管理方法 | |
CN112258881B (zh) | 基于智慧交通的车辆管理方法 | |
CN113327453A (zh) | 一种基于高点视频分析的停车场空位引导*** | |
CN114937215A (zh) | 一种城市功能区的识别方法及装置 | |
CN113947245A (zh) | 一种基于订单累积量的多乘客多司机共乘匹配方法及*** | |
CN113902209A (zh) | 出行路线推荐方法、边缘服务器、云服务器、设备及介质 | |
CN115050188B (zh) | 一种室内停车场剩余车位预测方法 | |
CN117592788B (zh) | 一种公交运行风险的识别方法及装置 | |
CN113283714B (zh) | 一种基于群决策的交通拥堵抑制方法 |
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 |