CN115775467A - 一种基于物联网的停车场服务智能管理系统及方法 - Google Patents

Abstract

本发明公开了一种基于物联网的停车场服务智能管理系统及方法，涉及停车场服务管理技术领域。所述方法包括采集车辆的数据信息，对超出车辆的长度阈值和宽度阈值的车辆进行标记；构建停车时间预测模型，计算标记车辆到达每个空闲车位消耗时间的预测值；构建停放车辆判断模型，判断每个空闲车位相邻车位上的停放车辆类型；构建最佳车位推荐模型，将车位推荐得分最高的空闲车位作为初始最佳车位；实时监控停车场各入口的车主进入状态，判断该车主将其车辆开出车位预测消耗的总时间是否超出标记车辆到达该车主车辆所在车位的时间；若未超出，计算该车主车辆所在车位及其相邻车位的推荐得分，将得分更高的车位作为最佳车位输出至用户端口。

Description

一种基于物联网的停车场服务智能管理系统及方法

技术领域

本发明涉及停车场服务管理技术领域，具体为一种基于物联网的停车场服务智能管理系统及方法。

背景技术

随着我国经济的高速发展以及我国人均收入水平的上升，国内私家车的数量迅速增长，在我国的绝大多数城市中面临着“车多位少”的困境，一方面停车场内的停车位数量有限，当人们在节假日或者周末外出就餐或游玩时，往往要在停车场内寻找很长时间才能找到停车位；另一方面，停车场内车辆的停放往往是无序的，有车位即停，而对于一些长度较长或者宽度较宽的大型车辆寻找停车位时，往往会因为左右相邻车位上的车也是大型车辆，存在停入困难或者即使停放进去也会因为狭窄的空间而导致车门打开角度过小，人员下车困难的问题。

发明内容

本发明的目的在于提供一种基于物联网的停车场服务智能管理系统及方法，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：

一种基于物联网的停车场服务智能管理方法，所述方法包括以下步骤：

步骤S1：获取车辆进入停车场的指令信息，采集车辆的数据信息，设置车辆的长度阈值和宽度阈值，对超出所述车辆的长度阈值和宽度阈值的车辆进行标记，生成标记车辆；

步骤S2：获取停车场内所有空闲车位的数目、位置编号信息以及标记车辆在停车场入口处的速度，构建停车时间预测模型，计算标记车辆到达每个空闲车位消耗时间的预测值；

步骤S3：获取每个空闲车位相邻车位的车位特征，构建停放车辆判断模型，判断每个空闲车位相邻车位上的停放车辆类型；

步骤S4：构建最佳车位推荐模型，计算每个空闲车位的推荐得分，将车位推荐得分最高的空闲车位作为初始最佳车位；

步骤S5：实时监控停车场各入口的车主进入状态，若存在车主进入停车场将车辆开出，获取该车主车辆所在车位的位置信息，判断该车主将其车辆开出车位预测消耗的总时间是否超出标记车辆到达该车主车辆所在车位的时间；

步骤S6：若未超出，获取该车主车辆所在车位相邻车位的车位特征，计算该车主车辆所在车位及其相邻车位的推荐得分，并与初始最佳车位的推荐得分进行比较，将得分更高的车位作为最佳车位输出至用户端口。

进一步的，在步骤S1-S2中，

在停车场入口处获取车辆的长度，记为a；获取车辆的宽度，记为b；

设置车辆的长度阈值，记为a₀；设置车辆的宽度阈值，记为b₀；

当a+b＞a₀+b₀时，生成标记车辆；

所述构建停车时间预测模型包括：

获取停车场内所有空闲车位的数目，记为m；获取停车场内所有空闲车位的位置编号信息，按照距离停车场入口由近到远的顺序存入集合记为B={B₁、B₂、……、B_m}；其中，B₁、B₂、……、B_m分别表示第1、2、......、m个空闲车位的位置编号；对应的生成标记车辆从停车场入口到每个空闲车位的最短路线，记为S={S₁、S₂、……、S_m}；其中，S₁、S₂、……、S_m分别表示标记车辆从停车场入口到第1、2、......、m个空闲车位的最短路线值；

利用传感器获取标记车辆在停车场入口处的速度，记为v₀；

根据公式：t_k=S_k/v₀

其中，t_k表示标记车辆到达第k个空闲车位消耗时间的预测值；S_k表示标记车辆从停车场入口到第k个空闲车位的最短路线值。

在上述技术方案中，本申请的主要对象是长度较长或者宽度较宽的大型车辆，为这些大型车辆寻找最佳的车位，因此在停车场入口对车辆长度和宽度进行检测，并采集车辆数据信息，对符合条件的大型车辆进行标记，确定系统的对象；考虑到每个空闲车位于停车场入口的距离是不同的，因此对停车场内所有的空闲车位进行检索和位置信息获取，再利用系统生成到达每个空闲车位的最短路线，并根据用户进入停车场入口的速度对用户到达空闲车位消耗的时间进行预测，可以帮助用户减少寻找空闲车位的时间，实现停车场服务的智能管理。

进一步的，在步骤S3中，所述构建停放车辆判断模型包括：

以停车位上停放车辆的车头朝向方向为正方向，将位于停车位左侧的停车位记为左相邻车位，将位于停车位右侧的停车位记为右相邻车位；

获取第k个空闲车位左相邻车位上的车辆的长度和宽度，记为{a_lk，b_lk}；

获取第k个空闲车位右相邻车位上的车辆的长度和宽度，记为{a_rk，b_rk}；

根据公式：H_lk=a_lk+b_lk、H_rk=a_rk+b_rk

其中，H_lk表示第k个空闲车位左相邻车位上的车辆长度与宽度的和；H_rk表示第k个空闲车位右相邻车位上的车辆长度与宽度的和；

设置每个空闲车位左右相邻车位上的车辆长度与宽度和的阈值，记为H₀；

设置车辆长度与宽的和超出阈值的车辆为大型车辆；

构建停放车辆判断函数：P_K=0或1；其中，P_K=0表示第k个空闲车位左右相邻车位上的车辆至少有一个是大型车辆；P_K=1表示第k个空闲车位左右相邻车位上的车辆均不是大型车辆。

在上述技术方案中，考虑到当存在空闲车位时，空闲车位左右相邻车位上的停放车辆的长度和宽度会在一定长度下影响空闲车位车辆的停放，尤其对于一些左右相邻车位均是大型车辆的空闲车位而言，即使用户驾驶的是小型私家车，在停放车辆的过程中可调整的空间也会缩小，因此，对于大型车辆而言，在停放车辆时，系统要尽量避免与大型车辆停放在一起，一方面要保证用户能够有一定的可调整空间用于调节车辆停放的位置；另外一方面，要保证用户在下车时，车门的张开角度既能让用户顺利下车，又能不触碰到相邻车位上的停放车辆。

进一步的，在步骤S4中，所述构建最佳车位推荐模型包括：

设置标记车辆到达每个空闲车位消耗时间的预测值的影响系数，记为a₁；

设置每个空闲车位左右相邻车位上的停放车辆类型的影响系数，记为a₂；

构建最佳车位推荐模型：W_K=a₁*t_k+a₂*P_K

其中，W_K表示第k个空闲车位的推荐得分；a₁表示标记车辆到达每个空闲车位消耗时间的预测值的影响系数；t_k表示标记车辆到达第k个空闲车位消耗时间的预测值；a₂表示每个空闲车位相邻车位上的停放车辆类型的影响系数；P_K表示第k个空闲车位左右相邻车位上的停放车辆类型。

在上述技术方案中，考虑到停车场内存在多个车位时，为了尽量避免因多辆大型车辆停放在一起而导致停车和下车困难的问题，当在距离较远处的位置存在相邻车位没有大型车辆的空闲车位时，系统可以通过计算距离较远的空闲车位的推荐得分来确定最佳车位，因此，在构建最佳车位推荐模型时，将到达空闲车位预测消耗的时间与空闲车位左右相邻车位上的停放车辆类型作为影响因素，以提高系统的精度。

进一步的，在步骤S5-S6中，

实时监控停车场各入口的车主进入状态，若存在车主进入停车场将车辆开出，获取该车主车辆所在车位的位置信息，记为B₀；

获取标记车辆从停车场入口到达该车主车辆所在车位的最短路程值，记为S₀；

根据公式：t_B0=S₀/v₀

其中，t_B0表示标记车辆从停车场入口到达该车主车辆所在车位预测消耗的时间；

获取该车主与其车辆所在车位的距离，记为x₁；获取该车主的移动速度，记为v₁；

根据公式：T₀=x₁/v₁

其中，该车主达到其车辆所在车位的预测行走时间：

利用大数据获取g个停车场车主历史提车时间序列G={T₁、T₂、……、T_g}；所述提车时间是指车主将车辆从车位上开出；

根据公式：T_y0=1/g*∑Tj，求和范围j=1至g；

其中，T_y0表示车主的预测提车时间，T_j表示第j个停车场车主历史提车时间；

根据公式：T_z=T₀+T_y0

其中，T_z表示车主将其车辆开出车位预测消耗的总时间；

若T_z＞t_B0，则将该车主车辆所在车位舍弃，推荐初始最佳车位；

若T_z≤t_B0，获取该车主车辆所在车位相邻车位的车位特征，计算该车主车辆所在车位及其相邻车位的推荐得分，并与初始最佳车位的推荐得分进行比较，输出得分更高的车位作为最佳车位。

在上述技术方案中，考虑到当标记车辆刚进入停车场入口时，会有要离开的车主从其他入口进入停车场，有可能存在该车主的车位与标记车辆的距离较近并且该车将其车辆开出车位消耗的时间小于标记车辆到达该车主车辆所在车位的时间，那么就可以将该车主车辆所在的车位纳入标记车辆的最佳车位推荐范围，同时，对该车主车辆所在车位及其相邻车位的推荐得分进行计算，与初始最佳车位的推荐得分进行比较，将得分更高的车位作为最佳车位输出至用户端口，能够保证系统的准确性。

一种基于物联网的停车场服务智能管理系统，所述系统包括数据采集模块、预测模型构建分析模块、车辆判断模块、车位推荐模块、实时监控预测模块和推荐输出模块；

数据采集分析模块用于采集车辆的数据信息，对超出车辆的长度阈值和宽度阈值的车辆进行标记，生成标记车辆，获取停车场内所有空闲车位的数目、位置编号信息以及利用测速传感器采集标记车辆在停车场入口处的速度，获取每个空闲车位相邻车位的车位特征；所述预测模型构建分析模块用于构建停车时间预测模型，计算标记车辆到达每个空闲车位消耗时间的预测值；所述车辆判断模块用于构建停放车辆判断模型，判断每个空闲车位相邻车位上的停放车辆类型；所述车位推荐模块用于构建最佳车位推荐模型，计算每个空闲车位的推荐得分，将车位推荐得分最高的空闲车位作为初始最佳车位；所述实时监控预测模块用于实时监控停车场各入口的车主进入状态，若存在车主进入停车场将车辆开出，判断该车主将其车辆开出车位预测消耗的总时间是否超出标记车辆到达该车主车辆所在车位的时间；所述推荐输出模块用于在该车主将其车辆开出车位预测消耗的总时间未超出标记车辆到达该车主车辆所在车位的时间时，获取该车主车辆所在车位相邻车位的车位特征，计算该车主车辆所在车位及其相邻车位的推荐得分，并与初始最佳车位的推荐得分进行比较，将得分更高的车位作为最佳车位输出至用户端口；

所述数据采集模块的输出端与所述预测模型构建分析模块的输入端相连接；所述预测模型构建分析模块的输出端与所述车辆判断模块的输入端相连接；所述车辆判断模块的输出端与所述车位推荐模块的输入端相连接；所述车位推荐模块的输出端与所述实时监控预测模块的输入端相连接；所述实时监控预测模块的输出端与所述推荐输出模块的输入端相连接。

进一步的，所述数据采集模块包括车辆信息采集单元和车位信息采集单元；

所述车辆信息采集单元用于采集车辆的数据信息，对超出车辆的长度阈值和宽度阈值的车辆进行标记，生成标记车辆，以及利用测速传感器采集标记车辆在停车场入口处的速度；

所述车位信息采集单元用于获取停车场内所有空闲车位的数目、位置编号信息和每个空闲车位相邻车位的车位特征；

所述车辆信息采集单元的输出端与所述车位信息采集单元的输入端相连接；所述车位信息采集单元的输出端与所述预测模型构建分析模块的输入端相连接；

所述预测模型构建分析模块包括预测模型构建单元和预测模型分析单元；

所述预测模型构建单元用于构建停车时间预测模型；

所述预测模型分析单元用于基于所有空闲车位的位置编号信息以及标记车辆在停车场入口处的速度计算标记车辆到达每个空闲车位消耗时间的预测值；

所述预测模型构建单元的输出端与所述预测模型分析单元的输入端相连接；所述预测模型分析单元的输出端与所述车辆判断模块的输入端相连接。

进一步的，所述车辆判断模块包括判断模型构建单元和判断模型分析单元；

所述判断模型构建单元用于构建停放车辆判断模型；

所述判断模型分析单元用于基于每个空闲车位相邻车位的车位特征判断每个空闲车位相邻车位上停放车辆类型；

所述判断模型构建单元的输出端与所述判断模型分析单元的输入端相连接；所述判断模型分析单元的输出端与所述车位推荐模块的输入端相连接；

所述车位推荐模块包括最佳车位推荐模型构建单元和初始输出单元；

所述最佳车位推荐模型构建单元用于构建最佳车位推荐模型；

所述初始输出单元用于计算每个空闲车位的推荐得分，将车位推荐得分最高的空闲车位作为初始最佳车位；

所述最佳车位推荐模型构建单元的输出端与所述初始输出单元的输入端相连接；所述初始输出单元的输出端与所述实时监控预测模块的输入端相连接。

进一步的，所述实时监控预测模块包括实时监控单元和预测判断单元；

所述实时监控单元用于实时监控停车场各入口的车主进入状态；

所述预测判断单元用于在存在车主进入停车场将车辆开出时，计算该车主将其车辆开出车位预测消耗的总时间，并判断该车主将其车辆开出车位预测消耗的总时间是否超出标记车辆到达该车主车辆所在车位的时间；

所述实时监控单元的输出端与所述预测判断单元的输入端相连接；所述预测判断单元的输出端与所述推荐输出模块的输入端相连接。

进一步的，所述推荐输出模块包括车位分析单元和最终输出单元；

所述车位分析单元用于在该车主将其车辆开出车位预测消耗的总时间未超出标记车辆到达该车主车辆所在车位的时间时，获取该车主车辆所在车位相邻车位的车位特征，计算该车主车辆所在车位及其相邻车位的推荐得分，并与初始最佳车位的推荐得分进行比较；

所述最终输出单元用于将得分更高的车位作为最佳车位输出至用户端口；

所述车位分析单元的输出端与所述最终输出单元的输入端相连接。

与现有技术相比，本发明所达到的有益效果是：本发明能够在停车场入口对车辆的长度和宽度进行采集和检测，将超出车辆的长度阈值和宽度阈值的车辆进行标记，生成标记车辆；通过构建最佳车位推荐模型，基于标记车辆到达每个空闲车位消耗时间的预测值以及每个空闲车位相邻车位的停放车辆类型筛选出初始最佳车位；与此同时，对进入停车场要将车辆开出的车主进行分析，计算该车主的车辆所在车位及其相邻车位的推荐得分，并与初始最佳车位的推荐得分进行比较，将得分更高的车位作为最佳车位输出至用户端口；本发明能够实现对大型车辆进行更准确的车位推荐，避免让多辆大型车辆停放在一起而导致用户停车难和提车难的问题，进一步为用户节约更多的时间成本，促进停车场的智能化管理。

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是本发明一种基于物联网的停车场服务智能管理方法的流程示意图；

图2是本发明一种基于物联网的停车场服务智能管理系统的结构示意图。

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-图2，本发明提供技术方案：

一种基于物联网的停车场服务智能管理方法，所述方法包括以下步骤：

步骤S1：获取车辆进入停车场的指令信息，采集车辆的数据信息，设置车辆的长度阈值和宽度阈值，对超出所述车辆的长度阈值和宽度阈值的车辆进行标记，生成标记车辆；

步骤S2：获取停车场内所有空闲车位的数目、位置编号信息以及标记车辆在停车场入口处的速度，构建停车时间预测模型，计算标记车辆到达每个空闲车位消耗时间的预测值；

步骤S3：获取每个空闲车位相邻车位的车位特征，构建停放车辆判断模型，判断每个空闲车位相邻车位上的停放车辆类型；

步骤S4：构建最佳车位推荐模型，计算每个空闲车位的推荐得分，将车位推荐得分最高的空闲车位作为初始最佳车位；

步骤S5：实时监控停车场各入口的车主进入状态，若存在车主进入停车场将车辆开出，获取该车主车辆所在车位的位置信息，判断该车主将其车辆开出车位预测消耗的总时间是否超出标记车辆到达该车主车辆所在车位的时间；

步骤S6：若未超出，获取该车主车辆所在车位相邻车位的车位特征，计算该车主车辆所在车位及其相邻车位的推荐得分，并与初始最佳车位的推荐得分进行比较，将得分更高的车位作为最佳车位输出至用户端口。

进一步的，在步骤S1-S2中，

在停车场入口处获取车辆的长度，记为a；获取车辆的宽度，记为b；

设置车辆的长度阈值，记为a₀；设置车辆的宽度阈值，记为b₀；

当a+b＞a₀+b₀时，生成标记车辆；

所述构建停车时间预测模型包括：

获取停车场内所有空闲车位的数目，记为m；获取停车场内所有空闲车位的位置编号信息，按照距离停车场入口由近到远的顺序存入集合记为B={B₁、B₂、……、B_m}；其中，B₁、B₂、……、B_m分别表示第1、2、......、m个空闲车位的位置编号；对应的生成标记车辆从停车场入口到每个空闲车位的最短路线，记为S={S₁、S₂、……、S_m}；其中，S₁、S₂、……、S_m分别表示标记车辆从停车场入口到第1、2、......、m个空闲车位的最短路线值；

利用传感器获取标记车辆在停车场入口处的速度，记为v₀；

根据公式：t_k=S_k/v₀

其中，t_k表示标记车辆到达第k个空闲车位消耗时间的预测值；S_k表示标记车辆从停车场入口到第k个空闲车位的最短路线值。

进一步的，所述构建停放车辆判断模型包括：

以停车位上停放车辆的车头朝向方向为正方向，将位于停车位左侧的停车位记为左相邻车位，将位于停车位右侧的停车位记为右相邻车位；

获取第k个空闲车位左相邻车位上的车辆的长度和宽度，记为{a_lk，b_lk}；

获取第k个空闲车位右相邻车位上的车辆的长度和宽度，记为{a_rk，b_rk}；

根据公式：H_lk=a_lk+b_lk、H_rk=a_rk+b_rk

其中，H_lk表示第k个空闲车位左相邻车位上的车辆长度与宽度的和；H_rk表示第k个空闲车位右相邻车位上的车辆长度与宽度的和；

设置每个空闲车位左右相邻车位上的车辆长度与宽度和的阈值，记为H₀；

设置车辆长度与宽的和超出阈值的车辆为大型车辆；

构建停放车辆判断函数：P_K=0或1；其中，P_K=0表示第k个空闲车位左右相邻车位上的车辆至少有一个是大型车辆；P_K=1表示第k个空闲车位左右相邻车位上的车辆均不是大型车辆。

进一步的，在步骤S4中，所述构建最佳车位推荐模型包括：

设置标记车辆到达每个空闲车位消耗时间的预测值的影响系数，记为a₁；

设置每个空闲车位左右相邻车位上的停放车辆类型的影响系数，记为a₂；

构建最佳车位推荐模型：W_K=a₁*t_k+a₂*P_K

其中，W_K表示第k个空闲车位的推荐得分；a₁表示标记车辆到达每个空闲车位消耗时间的预测值的影响系数；t_k表示标记车辆到达第k个空闲车位消耗时间的预测值；a₂表示每个空闲车位相邻车位上的停放车辆类型的影响系数；P_K表示第k个空闲车位左右相邻车位上的停放车辆类型。

进一步的，在步骤S5-S6中，

实时监控停车场各入口的车主进入状态，若存在车主进入停车场将车辆开出，获取该车主车辆所在车位的位置信息，记为B₀；

获取标记车辆从停车场入口到达该车主车辆所在车位的最短路程值，记为S₀；

根据公式：t_B0=S₀/v₀

其中，t_B0表示标记车辆从停车场入口到达该车主车辆所在车位预测消耗的时间；

获取该车主与其车辆所在车位的距离，记为x₁；获取该车主的移动速度，记为v₁；

根据公式：T₀=x₁/v₁

其中，该车主达到其车辆所在车位的预测行走时间：

利用大数据获取g个停车场车主历史提车时间序列G={T₁、T₂、……、T_g}；所述提车时间是指车主将车辆从车位上开出；

根据公式：T_y0=1/g*∑Tj，求和范围j=1至g；

其中，T_y0表示车主的预测提车时间，T_j表示第j个停车场车主历史提车时间；

根据公式：T_z=T₀+T_y0

其中，T_z表示车主将其车辆开出车位预测消耗的总时间；

若T_z＞t_B0，则将该车主车辆所在车位舍弃，推荐初始最佳车位；

若T_z≤t_B0，获取该车主车辆所在车位相邻车位的车位特征，计算该车主车辆所在车位及其相邻车位的推荐得分，并与初始最佳车位的推荐得分进行比较，输出得分更高的车位作为最佳车位。

一种基于物联网的停车场服务智能管理系统，所述系统包括数据采集模块、预测模型构建分析模块、车辆判断模块、车位推荐模块、实时监控预测模块和推荐输出模块；

数据采集分析模块用于采集车辆的数据信息，对超出车辆的长度阈值和宽度阈值的车辆进行标记，生成标记车辆，获取停车场内所有空闲车位的数目、位置编号信息以及利用测速传感器采集标记车辆在停车场入口处的速度，获取每个空闲车位相邻车位的车位特征；所述预测模型构建分析模块用于构建停车时间预测模型，计算标记车辆到达每个空闲车位消耗时间的预测值；所述车辆判断模块用于构建停放车辆判断模型，判断每个空闲车位相邻车位上的停放车辆类型；所述车位推荐模块用于构建最佳车位推荐模型，计算每个空闲车位的推荐得分，将车位推荐得分最高的空闲车位作为初始最佳车位；所述实时监控预测模块用于实时监控停车场各入口的车主进入状态，若存在车主进入停车场将车辆开出，判断该车主将其车辆开出车位预测消耗的总时间是否超出标记车辆到达该车主车辆所在车位的时间；所述推荐输出模块用于在该车主将其车辆开出车位预测消耗的总时间未超出标记车辆到达该车主车辆所在车位的时间时，获取该车主车辆所在车位相邻车位的车位特征，计算该车主车辆所在车位及其相邻车位的推荐得分，并与初始最佳车位的推荐得分进行比较，将得分更高的车位作为最佳车位输出至用户端口；

所述数据采集模块的输出端与所述预测模型构建分析模块的输入端相连接；所述预测模型构建分析模块的输出端与所述车辆判断模块的输入端相连接；所述车辆判断模块的输出端与所述车位推荐模块的输入端相连接；所述车位推荐模块的输出端与所述实时监控预测模块的输入端相连接；所述实时监控预测模块的输出端与所述推荐输出模块的输入端相连接。

进一步的，所述数据采集模块包括车辆信息采集单元和车位信息采集单元；

所述车辆信息采集单元用于采集车辆的数据信息，对超出车辆的长度阈值和宽度阈值的车辆进行标记，生成标记车辆，以及利用测速传感器采集标记车辆在停车场入口处的速度；

所述车位信息采集单元用于获取停车场内所有空闲车位的数目、位置编号信息和每个空闲车位相邻车位的车位特征；

所述车辆信息采集单元的输出端与所述车位信息采集单元的输入端相连接；所述车位信息采集单元的输出端与所述预测模型构建分析模块的输入端相连接；

所述预测模型构建分析模块包括预测模型构建单元和预测模型分析单元；

所述预测模型构建单元用于构建停车时间预测模型；

所述预测模型分析单元用于基于所有空闲车位的位置编号信息以及标记车辆在停车场入口处的速度计算标记车辆到达每个空闲车位消耗时间的预测值；

所述预测模型构建单元的输出端与所述预测模型分析单元的输入端相连接；所述预测模型分析单元的输出端与所述车辆判断模块的输入端相连接。

进一步的，所述车辆判断模块包括判断模型构建单元和判断模型分析单元；

所述判断模型构建单元用于构建停放车辆判断模型；

所述判断模型分析单元用于基于每个空闲车位相邻车位的车位特征判断每个空闲车位相邻车位上停放车辆类型；

所述判断模型构建单元的输出端与所述判断模型分析单元的输入端相连接；所述判断模型分析单元的输出端与所述车位推荐模块的输入端相连接；

所述车位推荐模块包括最佳车位推荐模型构建单元和初始输出单元；

所述最佳车位推荐模型构建单元用于构建最佳车位推荐模型；

所述初始输出单元计算每个空闲车位的推荐得分，用于将车位推荐得分最高的空闲车位作为初始最佳车位；

所述最佳车位推荐模型构建单元的输出端与所述初始输出单元的输入端相连接；所述初始输出单元的输出端与所述实时监控预测模块的输入端相连接。

进一步的，所述实时监控预测模块包括实时监控单元和预测判断单元；

所述实时监控单元用于实时监控停车场各入口的车主进入状态；

所述预测判断单元用于在存在车主进入停车场将车辆开出时，计算该车主将其车辆开出车位预测消耗的总时间，并判断该车主将其车辆开出车位预测消耗的总时间是否超出标记车辆到达该车主车辆所在车位的时间；

所述实时监控单元的输出端与所述预测判断单元的输入端相连接；所述预测判断单元的输出端与所述推荐输出模块的输入端相连接。

进一步的，所述推荐输出模块包括车位分析单元和最终输出单元；

所述车位分析单元用于在该车主将其车辆开出车位预测消耗的总时间未超出标记车辆到达该车主车辆所在车位的时间时，获取该车主车辆所在车位相邻车位的车位特征，计算该车主车辆所在车位及其相邻车位的推荐得分，并与初始最佳车位的推荐得分进行比较；

所述最终输出单元用于将得分更高的车位作为最佳车位输出至用户端口；

所述车位分析单元的输出端与所述最终输出单元的输入端相连接。

在本实施例中：

获取车辆的长度a=4.8；获取车辆的宽度b=2；

设置车辆的长度阈值a₀=4.3；设置车辆的宽度阈值b₀=1.8；

因为a+b＞a₀+b₀，故生成标记车辆；

获取停车场内所有空闲车位的数目m=6；获取停车场内所有空闲车位的位置编号信息，按照距离停车场入口由近到远的顺序存入集合记为B={B₁、B₂、……、B₆}；其中，B₁、B₂、……、B₆分别表示第1、2、......、6个空闲车位的位置编号；对应的生成标记车辆从停车场入口到每个空闲车位的最短路线，记为S={S₁、S₂、……、S₆}；其中，S₁、S₂、……、S₆分别表示标记车辆从停车场入口到第1、2、......、6个空闲车位的最短路线值；

利用传感器获取标记车辆在停车场入口处的速度v₀=250m/min；

根据公式：t_k=S_k/v₀

其中，t_k表示标记车辆到达第k个空闲车位消耗时间的预测值；S_k表示标记车辆从停车场入口到第k个空闲车位的最短路线值。

得到t₁=1.6min、t₂=1.72min、t₃=1.84min、t₄=2.49min、t₅=3.19min、t₆=3.2min；

以停车位上停放车辆的车头朝向方向为正方向，将位于停车位左侧的停车位记为左相邻车位，将位于停车位右侧的停车位记为右相邻车位；

获取第1个空闲车位左相邻车位上的车辆的长度和宽度{a_L1=4.5，b_L1=1.8}；

则第1个空闲车位左相邻车位上的车辆长度与宽度的和H_L1=6.3；

获取第1个空闲车位右相邻车位上的车辆的长度和宽度，记为{a_r1=4.4，b_r1=1.6}；

则第1个空闲车位左相邻车位上的车辆长度与宽度的和H_r1=6.0；

依次类推可得到：

{a_L2=4.6，b_L2=1.8}；H_L2=6.4；{a_r2=4.4，b_r2=1.6}；H_r2=6.0；

{a_L3=4.7，b_L3=1.8}；H_L3=6.5；{a_r3=4.6，b_r3=1.6}；H_r3=6.2；

{a_L4=4.3，b_L4=1.6}；H_L4=5.9；{a_r4=4.3，b_r4=1.7}；H_r4=6.0；

{a_L5=4.8，b_L5=2}；H_L5=6.8；{a_r5=0，b_r5=0}；H_r5=0；

{a_L6=0，b_L6=0}；H_L6=0；{a_r6=4.3，b_r6=1.6}；H_r6=5.9；

设置每个空闲车位左右相邻车位上的车辆长度与宽度和的阈值H₀=6.1；

设置车辆长度与宽的和超出阈值的车辆为大型车辆；

构建停放车辆判断函数：

P_K=0或1；(H_lk、H_rk)≥H₀时P_K=0；0≤(H_lk、H_rk)＜H₀时P_K=1；

其中，P_K=0表示第k个空闲车位左右相邻车位上的车辆至少有一个是大型车辆；P_K=1表示第k个空闲车位左右相邻车位上的车辆均不是大型车辆。因此有：P₁=0、P₂=0、P₃=0、P₄=1、P₅=0、P₆=1；

设置标记车辆到达每个空闲车位消耗时间的预测值的影响系数a₁=0.6；

设置每个空闲车位相邻车位上的停放车辆类型的影响系数，记为a₂=0.4；

根据公式：

W_K=a₁*t_k+a₂*P_K

故W1=0.96；W2=1.032；W3=1.104；W4=1.494；W5=1.914；W6=1.92；

因为W6＞W5＞W4＞W3＞W2＞W1；

故第六个空闲车位为初始最佳车位；

实时监控停车场各入口的车主进入状态，若存在车主进入停车场将车辆开出，获取该车主车辆所在车位的位置信息，记为B₀；

获取标记车辆从停车场入口到达该车主车辆所在车位的最短路程值S₀=200m；

标记车辆从停车场入口到达该车主车辆所在车位预测消耗的时间t_B0=S₀/v₀=0.8min；

获取该车主与其车辆所在车位的距离，记为x₁=50m；获取该车主的移动速度，记为v₁=80m/min；

根据公式：T₀=x₁/v₁=0.625min

其中，该车主达到其车辆所在车位的预测行走时间：

利用大数据获取g个停车场车主历史提车时间序列G={T₁、T₂、……、T_g}；所述提车时间是指车主将车辆从车位上开出；

根据公式：T_y0=1/g*∑Tj=0.5min，求和范围j=1至g；

其中，T_y0表示车主的预测提车时间，T_j表示第j个停车场车主历史提车时间；

根据公式，车主将其车辆开出车位预测消耗的总时间：

根据公式：T_z=T₀+T_y0=1.125min

其中，T_z表示车主将其车辆开出车位预测消耗的总时间；

因为T_z＞t_B0，则将该车主车辆所在车位舍弃，推荐初始最佳车位。

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 (10)

1.一种基于物联网的停车场服务智能管理方法，其特征在于，所述方法包括以下步骤：

步骤S1：获取车辆进入停车场的指令信息，采集车辆的数据信息，设置车辆的长度阈值和宽度阈值，对超出所述车辆的长度阈值和宽度阈值的车辆进行标记，生成标记车辆；

步骤S2：获取停车场内所有空闲车位的数目、位置编号信息以及标记车辆在停车场入口处的速度，构建停车时间预测模型，计算标记车辆到达每个空闲车位消耗时间的预测值；

步骤S3：获取每个空闲车位相邻车位的车位特征，构建停放车辆判断模型，判断每个空闲车位相邻车位上的停放车辆类型；

步骤S4：构建最佳车位推荐模型，计算每个空闲车位的推荐得分，将车位推荐得分最高的空闲车位作为初始最佳车位；

步骤S5：实时监控停车场各入口的车主进入状态，若存在车主进入停车场将车辆开出，获取该车主车辆所在车位的位置信息，判断该车主将其车辆开出车位预测消耗的总时间是否超出标记车辆到达该车主车辆所在车位的时间；

步骤S6：若未超出，获取该车主车辆所在车位相邻车位的车位特征，计算该车主车辆所在车位及其相邻车位的推荐得分，并与初始最佳车位的推荐得分进行比较，将得分更高的车位作为最佳车位输出至用户端口。

2.根据权利要求1所述的一种基于物联网的停车场服务智能管理方法，其特征在于：在步骤S1-S2中，

在停车场入口处获取车辆的长度，记为a；获取车辆的宽度，记为b；

设置车辆的长度阈值，记为a₀；设置车辆的宽度阈值，记为b₀；

当a+b＞a₀+b₀时，生成标记车辆；

所述构建停车时间预测模型包括：

获取停车场内所有空闲车位的数目，记为m；获取停车场内所有空闲车位的位置编号信息，按照距离停车场入口由近到远的顺序存入集合记为B={B₁、B₂、……、B_m}；其中，B₁、B₂、……、B_m分别表示第1、2、......、m个空闲车位的位置编号；对应的生成标记车辆从停车场入口到每个空闲车位的最短路线，记为S={S₁、S₂、……、S_m}；其中，S₁、S₂、……、S_m分别表示标记车辆从停车场入口到第1、2、......、m个空闲车位的最短路线值；

利用传感器获取标记车辆在停车场入口处的速度，记为v₀；

根据公式：t_k=S_k/v₀

其中，t_k表示标记车辆到达第k个空闲车位消耗时间的预测值；S_k表示标记车辆从停车场入口到第k个空闲车位的最短路线值。

3.根据权利要求2所述的一种基于物联网的停车场服务智能管理方法，其特征在于：在步骤S3中，所述构建停放车辆判断模型包括：

以停车位上停放车辆的车头朝向方向为正方向，将位于停车位左侧的停车位记为左相邻车位，将位于停车位右侧的停车位记为右相邻车位；

获取第k个空闲车位左相邻车位上的车辆的长度和宽度，记为{a_lk，b_lk}；

获取第k个空闲车位右相邻车位上的车辆的长度和宽度，记为{a_rk，b_rk}；

根据公式：H_lk=a_lk+b_lk、H_rk=a_rk+b_rk

其中，H_lk表示第k个空闲车位左相邻车位上的车辆长度与宽度的和；H_rk表示第k个空闲车位右相邻车位上的车辆长度与宽度的和；

设置每个空闲车位左右相邻车位上的车辆长度与宽度和的阈值，记为H₀；

设置车辆长度与宽的和超出阈值的车辆为大型车辆；

构建停放车辆判断函数：P_K=0或1；其中，P_K=0表示第k个空闲车位左右相邻车位上的车辆至少有一个是大型车辆；P_K=1表示第k个空闲车位左右相邻车位上的车辆均不是大型车辆。

4.根据权利要求3所述的一种基于物联网的停车场服务智能管理方法，其特征在于：在步骤S4中，所述构建最佳车位推荐模型包括：

设置标记车辆到达每个空闲车位消耗时间的预测值的影响系数，记为a₁；

设置每个空闲车位左右相邻车位上的停放车辆类型的影响系数，记为a₂；

构建最佳车位推荐模型：W_K=a₁*t_k+a₂*P_K

其中，W_K表示第k个空闲车位的推荐得分；a₁表示标记车辆到达每个空闲车位消耗时间的预测值的影响系数；t_k表示标记车辆到达第k个空闲车位消耗时间的预测值；a₂表示每个空闲车位相邻车位上的停放车辆类型的影响系数；P_K表示第k个空闲车位左右相邻车位上的停放车辆类型。

5.根据权利要求4所述的一种基于物联网的停车场服务智能管理方法，其特征在于：在步骤S5-S6中，

实时监控停车场各入口的车主进入状态，若存在车主进入停车场将车辆开出，获取该车主车辆所在车位的位置信息，记为B₀；

获取标记车辆从停车场入口到达该车主车辆所在车位的最短路程值，记为S₀；

根据公式：t_B0=S₀/v₀

其中，t_B0表示标记车辆从停车场入口到达该车主车辆所在车位预测消耗的时间；

获取该车主与其车辆所在车位的距离，记为x₁；获取该车主的移动速度，记为v₁；

根据公式：T₀=x₁/v₁

其中，该车主达到其车辆所在车位的预测行走时间：

利用大数据获取g个停车场车主历史提车时间序列G={T₁、T₂、……、T_g}；所述提车时间是指车主将车辆从车位上开出；

根据公式：T_y0=1/g*∑Tj，求和范围j=1至g；

其中，T_y0表示车主的预测提车时间，T_j表示第j个停车场车主历史提车时间；

根据公式：T_z=T₀+T_y0

其中，T_z表示车主将其车辆开出车位预测消耗的总时间；

若T_z＞t_B0，则将该车主车辆所在车位舍弃，推荐初始最佳车位；

若T_z≤t_B0，获取该车主车辆所在车位相邻车位的车位特征，计算该车主车辆所在车位及其相邻车位的推荐得分，并与初始最佳车位的推荐得分进行比较，输出得分更高的车位作为最佳车位。

6.应用权利要求1-5任意一项所述的一种基于物联网的停车场服务智能管理方法的一种基于物联网的停车场服务智能管理系统，其特征在于：所述系统包括数据采集模块、预测模型构建分析模块、车辆判断模块、车位推荐模块、实时监控预测模块和推荐输出模块；

所述数据采集分析模块用于采集车辆的数据信息，对超出车辆的长度阈值和宽度阈值的车辆进行标记，生成标记车辆，获取停车场内所有空闲车位的数目、位置编号信息以及利用测速传感器采集标记车辆在停车场入口处的速度，获取每个空闲车位相邻车位的车位特征；所述预测模型构建分析模块用于构建停车时间预测模型，计算标记车辆到达每个空闲车位消耗时间的预测值；所述车辆判断模块用于构建停放车辆判断模型，判断每个空闲车位相邻车位上的停放车辆类型；所述车位推荐模块用于构建最佳车位推荐模型，计算每个空闲车位的推荐得分，将车位推荐得分最高的空闲车位作为初始最佳车位；所述实时监控预测模块用于实时监控停车场各入口的车主进入状态，若存在车主进入停车场将车辆开出，判断该车主将其车辆开出车位预测消耗的总时间是否超出标记车辆到达该车主车辆所在车位的时间；所述推荐输出模块用于在该车主将其车辆开出车位预测消耗的总时间未超出标记车辆到达该车主车辆所在车位的时间时，获取该车主车辆所在车位相邻车位的车位特征，计算该车主车辆所在车位及其相邻车位的推荐得分，并与初始最佳车位的推荐得分进行比较，将得分更高的车位作为最佳车位输出至用户端口；

所述数据采集模块的输出端与所述预测模型构建分析模块的输入端相连接；所述预测模型构建分析模块的输出端与所述车辆判断模块的输入端相连接；所述车辆判断模块的输出端与所述车位推荐模块的输入端相连接；所述车位推荐模块的输出端与所述实时监控预测模块的输入端相连接；所述实时监控预测模块的输出端与所述推荐输出模块的输入端相连接。

7.根据权利要求6所述的一种基于物联网的停车场服务智能管理系统，其特征在于：所述数据采集模块包括车辆信息采集单元和车位信息采集单元；

所述车辆信息采集单元用于采集车辆的数据信息，对超出车辆的长度阈值和宽度阈值的车辆进行标记，生成标记车辆，以及利用测速传感器采集标记车辆在停车场入口处的速度；

所述车位信息采集单元用于获取停车场内所有空闲车位的数目、位置编号信息和每个空闲车位相邻车位的车位特征；

所述车辆信息采集单元的输出端与所述车位信息采集单元的输入端相连接；所述车位信息采集单元的输出端与所述预测模型构建分析模块的输入端相连接；

所述预测模型构建分析模块包括预测模型构建单元和预测模型分析单元；

所述预测模型构建单元用于构建停车时间预测模型；

所述预测模型分析单元用于基于所有空闲车位的位置编号信息以及标记车辆在停车场入口处的速度计算标记车辆到达每个空闲车位消耗时间的预测值；

所述预测模型构建单元的输出端与所述预测模型分析单元的输入端相连接；所述预测模型分析单元的输出端与所述车辆判断模块的输入端相连接。

8.根据权利要求6所述的一种基于物联网的停车场服务智能管理系统，其特征在于：所述车辆判断模块包括判断模型构建单元和判断模型分析单元；

所述判断模型构建单元用于构建停放车辆判断模型；

所述判断模型分析单元用于基于每个空闲车位相邻车位的车位特征判断每个空闲车位相邻车位上停放车辆类型；

所述判断模型构建单元的输出端与所述判断模型分析单元的输入端相连接；所述判断模型分析单元的输出端与所述车位推荐模块的输入端相连接；

所述车位推荐模块包括最佳车位推荐模型构建单元和初始输出单元；

所述最佳车位推荐模型构建单元用于构建最佳车位推荐模型；

所述初始输出单元用于计算每个空闲车位的推荐得分，将车位推荐得分最高的空闲车位作为初始最佳车位；

所述最佳车位推荐模型构建单元的输出端与所述初始输出单元的输入端相连接；所述初始输出单元的输出端与所述实时监控预测模块的输入端相连接。

9.根据权利要求6所述的一种基于物联网的停车场服务智能管理系统，其特征在于：所述实时监控预测模块包括实时监控单元和预测判断单元；

所述实时监控单元用于实时监控停车场各入口的车主进入状态；

所述预测判断单元用于在存在车主进入停车场将车辆开出时，计算该车主将其车辆开出车位预测消耗的总时间，并判断该车主将其车辆开出车位预测消耗的总时间是否超出标记车辆到达该车主车辆所在车位的时间；

所述实时监控单元的输出端与所述预测判断单元的输入端相连接；所述预测判断单元的输出端与所述推荐输出模块的输入端相连接。

10.根据权利要求6所述的一种基于物联网的停车场服务智能管理系统，其特征在于：所述推荐输出模块包括车位分析单元和最终输出单元；

所述车位分析单元用于在该车主将其车辆开出车位预测消耗的总时间未超出标记车辆到达该车主车辆所在车位的时间时，获取该车主车辆所在车位相邻车位的车位特征，计算该车主车辆所在车位及其相邻车位的推荐得分，并与初始最佳车位的推荐得分进行比较；

所述最终输出单元用于将得分更高的车位作为最佳车位输出至用户端口；

所述车位分析单元的输出端与所述最终输出单元的输入端相连接。

Images