停车场泊位预测处理方法及装置制造方法及图纸

本发明专利技术公开了一种停车场泊位预测处理方法及装置，其中，该方法包括：获取并整合停车场在预定历史时间内的空闲泊位时间序列和该预定历史时间内该停车场的特征数据；根据该空闲泊位时间序列和该特征数据进行模型训练得到静态预测模型；根据该静态预测模型对停车场泊位进行预测处理，解决了相关技术中停车场的泊位预测方法不能适应动态变化而存在缺陷的问题，能够适应环境动态，提高了用户体验度。

Parking space berth prediction processing method and device

The invention discloses a parking lot prediction processing method and device, wherein, the method comprises: acquiring and integrating characteristic data of the parking lot parking field free berth time series in a predetermined time history and history of the predetermined time; according to the idle berth time sequence and the characteristic data for model training are static according to the static prediction model; prediction model of parking lot, solve the parking lot in the relevant technology of berth forecasting methods can not adapt to the dynamic changes and defects, can adapt to the dynamic environment, and improve the user experience.

【技术实现步骤摘要】
停车场泊位预测处理方法及装置
本专利技术涉及智能交通
，具体而言，涉及一种停车场泊位预测处理方法及装置。
技术介绍
在智慧城市领域，尤其是智慧交通出行场景下，停车难已经成为不能回避的主要问题。在CBD、交通枢纽、医院、体育场等人群密集的地点，往往会出现停车泊位消息不准确、继而带来出行体验的严重降低。为了解决以上问题，很多交通领域的行业专家都考虑利用统计或者机器学习技术，根据目标停车场的历史泊位记录，发掘其中蕴藏的隐含模式，继而形成预测模型。城市管理者可以利用以上模型，发布泊位预报给公众出行者，从而给出行人群提供准确的数据支持，方便智慧城市出行选择，同时也可以为公共安全部门对人群密度监控、走向趋势等提供了一个更可靠的标准。当前主要问题在于：现有泊位预测方法，均需要利用历史数据集进行机器学习训练，用训练的结果(往往反应为方程、公式、树结构或者以上的组合)进行新数据的预测。而这种方法在智慧城市领域往往不能很好的工作，因为该领域的人群行为、天气因素、城市建设情况往往随着时间不断变化(被称为“概念漂移”)，导致之前构造的模型随着时间的流逝而不断降低预测准确率；此外，传统数据挖掘方法需要基本文档来自技高网...

【技术保护点】
一种停车场泊位预测处理方法，其特征在于，包括：获取并整合停车场在预定历史时间内的空闲泊位值历史序列和所述预定历史时间内所述停车场的特征数据；根据所述空闲泊位时间序列和所述特征数据进行模型训练得到静态预测模型；根据所述静态预测模型对停车场泊位进行预测处理。

【技术特征摘要】
1.一种停车场泊位预测处理方法，其特征在于，包括：获取并整合停车场在预定历史时间内的空闲泊位值历史序列和所述预定历史时间内所述停车场的特征数据；根据所述空闲泊位时间序列和所述特征数据进行模型训练得到静态预测模型；根据所述静态预测模型对停车场泊位进行预测处理。2.根据权利要求1所述的方法，其特征在于，根据所述静态预测模型对停车场泊位进行预测处理包括：根据所述静态预测模型确定所述停车场的可用泊位比率；根据所述可用泊位比率和所述停车场的泊位容量预测未来预定时间内所述停车场的可用泊位数量。3.根据权利要求2所述的方法，其特征在于，根据所述空闲泊位时间序列和所述特征数据进行模型训练得到静态预测模型包括：通过如下公式迭代计算静态预测模型W(k)：通过如下公式迭代计算α(k)：αk＝α(k-1)*λ(k-1)；其中,在循环执行次数大于预定参数t，或连续3次循环的值，W(k-2)、W(k-1)、W(k)近似相等的情况下跳出循环，并确定W(k)的训练结果为Whistory,α(k)为最后步长参数αhistory，λ为训练衰减参数，λ＝0.95，k大于或等于1；根据所述静态预测模型通过以下方式确定停车场的可用泊位比率：Y1＝exp(XTW(k))/(1+exp(XTW(k)))；其中，X是时间序列和特征数据的向量形式，W(k)是特征数据对应的权重向量，Y为在预定历史时间内的空闲泊位值历史序列和所述预定历史时间内所述停车场的特征数据下，在所述预定历史时间内可用泊位数占所述停车场总泊位数的比率，Y1是停车场未来预定时间段内可用泊位数占所述停车场总泊位数的比率。4.根据权利要求3所述的方法，其特征在于，在根据所述空闲泊位时间序列和所述特征数据进行模型训练得到静态预测模型之后，所述方法还包括：定期更新所述静态预测模型得到所述停车场的动态预测模型。5.根据权利要求4所述的方法，其特征在于，定期更新所述静态预测模型得到所述停车场的动态预测模型包括：将每个新加入的观测值为向量XNew，新加入的观测值为YNew，对每个新加入的观测值进行如下训练：初始化W(k)：将Whistory赋值给W(0)，通过如下...

【专利技术属性】
技术研发人员：文韬，罗圣美，刘丽霞，
申请(专利权)人：中兴通讯股份有限公司，
类型：发明
国别省市：广东,44