基于实时交通查询和云模型的停车场车位预测和推荐方法技术

技术编号:14560400 阅读:193 留言:0更新日期:2017-02-05 16:07
本发明专利技术提供了基于实时交通查询和云模型的停车场车位预测和推荐方法,该方法包括实时交通查询反馈和空余泊位预测两个模块,在停车场车位预测方面既考虑了停车场空余泊位数历史规律对预测的指导意义,又顾及了泊位数的实时变化以及未来可能的变化因素,实现了短时停车场空余泊位数变化的自适应预测,同时很好地避开了噪声引起的预测误差问题,能够兼顾预测准确性和实时性的要求。本发明专利技术的方法克服了停车场车位预测中随机性、模糊性以及非线性的问题,极大地提高了预测准确性,有助于解决城市的停车难问题,并缓解交通拥堵现象,有利于均衡各停车场的泊位使用率,提高停车场泊位管理效率。

【技术实现步骤摘要】

本专利技术属于智慧城市交通系统中数据挖掘和信息处理
,具体涉及对城市中停车场的泊位进行预测和推荐的技术。
技术介绍
私家车作为大众出行的一种交通工具,在人们的日常生活中扮演着重要的角色,极大地拓宽了人们活动的空间和半径。随着汽车保有量的急速上升,导致人们对城中停车泊位需求的急升。然而由于城中可用于停车的空间有限,出现了停车泊位严重不足的问题。随着私家车数与城中停车位数之间的差值不断拉大,常常出现由于信息不全面,导致驾驶员行驶到目的地的停车场时,该停车场已无空余车位,从而必须长时间等候停车位的出现,且由此造成了交通拥堵和周边的其他停车场尚余空闲车位的局面。空余泊位是指公共停车场内未被占用,可以用于泊车的车位。空余泊位预测是智能停车诱导系统的关键技术,其预测的精度决定着停车诱导系统的交通协调能力。由此可见,如能够精确的预测停车场的空余泊位信息,作为智能交通系统重要组成的停车诱导系统将能够对私家车的出行、交通流量规划和诱导产生积极的影响,缓解停车场的停车和周边道路的交通压力。空余泊位预测技术能够让驾驶员提前感知和掌握停车场若干分钟后的空余泊位数的变化情况,能使驾驶员决定是否需要预定停车位等。同时使用车位预测技术可以对交通流进行调节,避免部分停车场以及相关道路过分拥挤。停车场推荐技术,现有研究主要是考虑目的地附近的天气、路况、经常在附近停车用户的停车场选择、停车场费用、距离目的地远近等因素,向驾驶员进行停车场的推荐。但这些因素不够准确,没有考虑驾驶员的个人偏好和未来停车场的空余泊位数情况。向驾驶员进行停车场的推荐和预约,可以减少驾驶员的等候时间,对交通流量进行调节。当驾驶员了解到短时间后各停车场的大致空余泊位数后,就便于驾驶员综合判断选择拥挤程度较低的停车场,从而达到对交通流进行调节的作用。此外,预先获得未来时段的停车场车位变化情况也有助于停车场的管理工作。目前对停车场空余泊位数进行预测的方案主要有如下三类方案:1)基于神经网络预测的方法。尤其是基于BP神经网络。2)基于统计理论模型的,包括卡尔曼(Kalman)滤波预测方法、指数平滑预测方法等。3)基于非线性系统理论的预测方法,包括基于小波分析的预测方法、基于混沌理论的预测方法等。这三种方案在实际应用中都存在着不同的问题和缺陷。首先,第一种方案需要依赖对大量的历史数据进行分析,从而校验和修正相关模型的参数,计算量相当大;此外基于BP神经网络的预测方法存在收敛速度慢、容易出现震荡和陷入局部优化等缺点。其次,第二种方案在交通流量比较复杂的城市交通系统,无法满足泊位、道路和交通流量等结果预测的准确性和兼顾交通流量的动态实时反馈的要求。最后,第三种方案中,基于非线性系统理论的预测方法突出了交通系统的非线性特征,然而却以很高的计算复杂性为代价,来获得较好的预测精确性,这影响了其在现实场景中应用的可行性。
技术实现思路
为解决现有技术中停车场空余泊位数预测模型中预测精度高的计算量较大,难以保证短时预测的实时性和自适应性,而简单的模型又不能很好的拟合实际泊位数,预测精度达不到控制或诱导的要求,且在对停车场的空余泊位数进行预测时存在随机性、模糊性和非线性的问题,本专利技术提出了基于实时交通查询和云模型的停车场车位预测和推荐方法。为实现上述专利技术目的,本专利技术采取如下技术方案:当驾驶员利用电子地图进行路线导航时,停车场利用电子地图的API接口接收驾驶员的查询访问,然后将目的地附近停车场的当前空余泊位数和预测的驾驶员到达时间内的空余泊位数进行实时反馈和推送。此外,根据对停车场附近交通流量的监控以及停车场内空余泊位数的变化情况,向驾驶员提供停车场推荐和泊位预约功能。另外,本专利技术根据私家车驾驶员选择的目的地,将查询请求信息用在未来停车场空余泊位数的预测中。而使用云模型进行预测,主要是因为云模型作为定性定量转换的不确定性模型,能够充分体现语言概念的随机性和模糊性,是实现定性定量转换的有效工具,它可以结合停车场的历史数据以及当前实时的变化,预测未来停车场的空余泊位数变化趋势。基于实时交通查询和云模型的停车场车位预测和推荐方法包括如下功能:1)接收来自驾驶员的查询请求,并根据请求信息调整停车场泊位的预测参数;2)根据当前停车场泊位的相关参数,对停车场当前的空余泊位数以及预测的空余泊位数进行计算;3)根据停车场的相关泊位情况和停车场推荐策略,向驾驶员提供停车场的推荐,并可以进行在线泊位预约等功能。该方法主要包括两个模块,一是实时交通查询反馈模块,二是空余泊位预测模块。实时交通查询反馈模块:步骤1-1:驾驶员在出发之前以及行驶途中可利用电子地图进行目的地的路线导航。目的地附近的停车场根据电子地图提供的LBS云服务,从“云端”接收驾驶员的查询信息,并对信息进行处理和利用。步骤1-2:停车场方面向驾驶员提供推送信息服务,推送内容包括:当前时间驾驶员所选择的目的地附近停车场的空余泊位数;根据驾驶员的导航路线,结合其驾驶速度以及路网流量情况,估算驾驶员到达停车场的时间;在估算的驾驶员到达时间内,预测的停车场的空余泊位数。步骤1-3:除了步骤1-2的消息推送服务之外,还向驾驶员提供了停车场的推荐和在线泊位预约功能。根据驾驶员选择的目的地,综合驾驶员停车记录中选择停车场的个人偏好、距离目的地远近、停车场费用和预测的驾驶员到达时间内的空余泊位数这四个因素,计算驾驶员选择某一停车场的概率P,向驾驶员推荐其选择概率最大的停车场。驾驶员根据自身情况,可以选择是否要进行泊位预约,预约时需选好到达时间区间并支付一定金额的预约金,若在预约时间内没有到达停车场,则取消预约车位并扣除预约金。设某一段时间里进行预约的车辆数为X,停车场内可供预约的车位总数为M。步骤1-4:对于选择了某一目的地,但没有进行停车场车位预约的驾驶员,同样利用步骤1-3的四个因素,计算其选择某一停车场的概率P。设四个因素在概率计算中所占权重依次分别是:λ、β、γ、δ,且λ+β+γ+δ=1,则P=A×λ+B×β+C×γ+D×δ,其中,A={0,1本文档来自技高网
...

【技术保护点】
基于实时交通查询和云模型的停车场车位预测和推荐方法,其特征在于,该方法分为两个模块,第一个模块是实时交通查询反馈模块,第二个模块是空余泊位预测模块,所述空余泊位预测模块使用云模型进行预测,结合停车场的历史数据以及当前实时的变化,预测未来停车场的空余泊位数变化趋势。

【技术特征摘要】
1.基于实时交通查询和云模型的停车场车位预测和推荐方法,其特征在于,该方法分为
两个模块,第一个模块是实时交通查询反馈模块,第二个模块是空余泊位预测模块,所述空
余泊位预测模块使用云模型进行预测,结合停车场的历史数据以及当前实时的变化,预测未
来停车场的空余泊位数变化趋势。
2.根据权利要求1所述的停车场车位预测和推荐方法,其特征在于,所述实时交通查询
反馈模块主要流程如下:
步骤1:驾驶员利用电子地图进行目的地的路线导航,目的地附近的停车场根据电子地
图提供的LBS云服务,对驾驶员的查询信息进行处理和利用;
步骤2:停车场向驾驶员实时推送停车场泊位信息服务;
步骤3:停车场向驾驶员提供推荐和在线泊位预约服务,综合个人偏好、距离目的地远
近、停车场费用、预测的空余泊位数四个因素,向驾驶员推荐其选择概率最大的停车场;
步骤4:对于选择了某一目的地,但没有进行停车场车位预约的驾驶员,综合步骤3的
四个因素,计算其选择目的地附近某一停车场的概率;
步骤5:停车场根据估算出的驾驶员到达时间,依据步骤4计算出来的概率,预测在那
一段时间里进入停车场的车流量。
3.根据权利要求1所述的停车场车位预测和推荐方法,其特征在于,所述空余泊位预测
模块预测流程如下:
步骤1:设Ai和Bi分别是由云模型表示的推理规则前件和后件语言变量的原子概念,由前
件Ai生成后件历史云Bi;
步骤2:将反映当前趋势的当前云It(Ex2,En2,He2)和历史云Bi(Ex1,En1,He1)
进行惯性加权得到预测云Si(Ex,En,He),用预测云Si进行停车场空余泊位数的预测;
步骤3:预测云Si与历史数据生成云模Ai,一起进行停车场车位的动态预测,预测结果为
Z;
步骤4:获取最终的预测结果R,R=α×Z-(1-α)×Y-X,0≤α≤1,X≤M,加权系数α利用
上个星期同一时间的真实历史记录产生,将历史记录中真实的R,X,Y,Z代入上式,计算
出加权系数α。
4.根据权利要求2所述的停车场车位预测和推荐方法,其特征在于,所述步骤(2)中
停车场推送的内容包括目的地附近的各个停车场名称,当前各个停车场空余的泊位数S,驾
驶员预计到达目的地停车场的时间T(mi...

【专利技术属性】
技术研发人员:徐宿阳陶军徐西睿冯富琴朱永成陈俊峰
申请(专利权)人:江苏东大金智信息系统有限公司
类型:发明
国别省市:江苏;32

网友询问留言 已有0条评论
  • 还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。

1