【技术实现步骤摘要】
停车场泊位占用率预测方法、装置、设备及存储介质
本专利技术属于信息
,尤其涉及一种停车场泊位占用率预测方法、装置、设备及存储介质。
技术介绍
由于车辆数目的激增、以及国内城市早期规划未长远考虑到车辆停放问题,国内大中城市热点区域所提供的停车位远远少于进入的车辆,使得车辆在寻找停车位的过程中,花费大量时间、浪费不必要的能源,甚至引发交通堵塞,在短期内增加这些区域的停车位供应比较困难,所以提高这些区域内的停车位利用率就变得非常重要。提高停车位利用率需要通过将车位信息实时推送给有需要的车辆来帮助车辆快速找到车位,即研究人员提出的停车诱导系统(PGIS,ParkingGuidanceandInformation)。PGIS在对车辆进行诱导时,车辆距离停车场还有一定距离,PGIS需要估算车辆抵达停车场的时间点、以及这个时间点上停车场内空闲泊位的数量,因此PGIS需要实现未来一段时间内停车场的空闲泊位预测,这本质上是一个基于时间序列的预测问题,在这类预测问题上自回归积分滑动平均模型(ARIMA)、小波神经网络(WNN)或者长短期记忆网络(LSTM)都能实现较为准确的短临预测,然而这些模型需要实时数据的支撑,下一时刻预测的精准度同刚过去的几个连续时间步的数据关联性很高,停车场产权分散,不同停车场间的设备难以互联,且缺乏统一的城市级泊位监测平台,使得大量的停车场实时数据难以获得。此外,基于停车场的历史数据进行分析和预测的方法需要结合中长期预测技术实现,目前用于中长期预测的方法主要为最大李雅普诺夫指数法,最大李雅普诺夫指数法的本质是对混沌性的检测,在预测周期持续增长时 ...
【技术保护点】
一种停车场泊位占用率预测方法,其特征在于,所述方法包括下述步骤:当接收到停车场在预设时间点的泊位预测请求时,从所述停车场的历史数据中获取所述停车场在最后记录时间点的空闲泊位数量;通过预先训练好的混合预测模型和所述最后记录时间点的空闲泊位数量,对所述停车场在所述预设时间点的空闲泊位数量进行预测,所述混合预测模型通过预设的小波神经网络和预设的非平稳随机过程结合训练得到;根据预测得到的、所述停车场在所述预设时间点的空闲泊位数量,获得所述停车场在所述预设时间点的泊位占用率并输出。
【技术特征摘要】
1.一种停车场泊位占用率预测方法,其特征在于,所述方法包括下述步骤:当接收到停车场在预设时间点的泊位预测请求时,从所述停车场的历史数据中获取所述停车场在最后记录时间点的空闲泊位数量;通过预先训练好的混合预测模型和所述最后记录时间点的空闲泊位数量,对所述停车场在所述预设时间点的空闲泊位数量进行预测,所述混合预测模型通过预设的小波神经网络和预设的非平稳随机过程结合训练得到;根据预测得到的、所述停车场在所述预设时间点的空闲泊位数量,获得所述停车场在所述预设时间点的泊位占用率并输出。2.如权利要求1所述的方法,其特征在于,对所述停车场在所述预设时间点的空闲泊位数量进行预测的步骤之后,获得所述停车场在所述预设时间点的泊位占用率并输出的步骤之前,所述方法还包括:通过预设的最大李雅普诺夫指数法对所述混合检测模型的预测结果进行检测,以确定所述混合预测模型的预测结果是否具有混沌性;当所述混合预测模型的预测结果不具有混沌性时,跳转至对所述停车场在所述预设时间点的空闲泊位数量进行预测的步骤。3.如权利要求1所述的方法,其特征在于,当接收到停车场在预设时间点的泊位预测请求时,从所述停车场的历史数据中获取所述停车场在最后记录时间点的空闲泊位数量的步骤之前,所述方法还包括:构建小波神经网络,通过采集到的所述停车场的历史训练数据对所述小波神经网络进行训练,获得训练好的所述小波神经网络;将所述历史训练数据对应的时间序列划分多个等距的时间片,确定相邻所述时间片之间所述停车场空闲泊位数量变化所服从的分布类型、分布参数;根据相邻所述时间片之间所述停车场空闲泊位数量变化所服从的分布类型、分布参数,构建中长期预测函数;将所述训练好的小波神经网络和所述中长期预测函数进行加权组合,获得所述混合预测模型,根据所述历史训练数据确定所述混合预测模型中所述小波神经网络、所述中长期预测函数分别对应的权值参数。4.如权利要求3所述的方法,其特征在于,构建小波神经网络,通过采集到的所述停车场的历史训练数据对所述小波神经网络进行训练,获得训练好的所述小波神经网络的步骤,包括:构建所述小波神经网络,所述小波神经网络为:其中,Ej(t)表示所述停车场j在t时刻的空闲泊位数量,f(x)为所述小波神经网络的解析函数,为所述小波神经网络的激励函数,ak为伸缩因子,bk为平移因子,ωk为所述小波神经网络的输出权值,ωik为所述小波神经网络的输入权值;通过所述历史训练数据和预设的梯度下降法,对所述小波神经网络进行训练,直至所述小波神经网络的训练误差小于预设误差阈值,所述小波神经网络的训练误差通过公式计算得到,其中,e为所述训练误差,Ejn(t)为所述历史训练数据中所述停车场j在t时刻的空闲泊位...
【专利技术属性】
技术研发人员:彭磊,李慧云,房祥彦,
申请(专利权)人:中国科学院深圳先进技术研究院,
类型:发明
国别省市:广东,44
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。