一种基于车牌识别系统的停车场空余车位数预测方法技术方案

本发明专利技术公开了一种基于车牌识别系统的停车场车位预测方法，包括：步骤1、获取停车场在场车辆数的准确历史数据：获取停车场出入口数据集，基于出口数据集提取出口数据集的有效数据，基于出口数据集的有效数据提取入口数据集的有效数据，基于出入口数据集的有效数据获取停车场在场车辆数的准确历史数据；步骤2、根据步骤1获取的准确历史数据预测停车场空余车位数。本发明专利技术剔除了人工干预、复杂环境等对停车场历史数据的干扰，获得停车场准确的历史数据。

Car spare number prediction method based on license plate recognition system

The invention discloses a forecasting method, the parking lot of the license plate recognition system which is based on historical data, to obtain accurate step 1 parking lot present vehicle number: access to parking lot entrance data set, the data set of effective export data extraction export data set based on valid data based on the extracted data export data set the entrance of a set of data, historical data accurate and effective data access data acquisition based on the presence of the number of vehicles parking lot; step 2, according to the historical data of accurate prediction step 1 get free car parking lot number. The invention eliminates the interference of the artificial intervention and complex environment to the parking area historical data, and obtains the accurate historical data of the parking lot.

【技术实现步骤摘要】
一种基于车牌识别系统的停车场空余车位数预测方法
本专利技术涉及车位预测
，尤其涉及一种基于车牌识别系统的停车场车位预测方法。
技术介绍
获取传统停车场空余车位数的方法主要有：1、在停车场的每个(或多个)停车位安装一台检测设备(例如摄像机、地磁感应器、光电开关等)，通过这些检测设备得到空余车位数；2、根据停车场的出入口刷卡记录得到停车场的空余车位数。这两种方法都可以较为准确的获取停车场的空余车位数，但是都需要购买设备，加大了运营成本。对于既没有在停车位安装检测设备，也没有在出入口安装刷卡系统，仅在出入口安装车牌识别系统的智能停车场而言，统计停车场内车辆数一般有两种方法：1、人工统计：每隔一段时间由人工通过某种方式统计停车场内的车辆或空车位的数量，得到此时停车场内的空余车位数；2、通过停车场出入口的车牌识别系统记录的车辆信息来加减计算得到在场车辆数，由此得到停车场内空余车位数。当停车场内车位较少时，第一种方法具有一定的可行性，此方法可以得到停车场准确的历史车位数，但是当停车场内车位较多时，该方法工作量变大，使其可行性降低，而且此方法时间间隔较长不能得到每时每刻的在场车位数，因此用该方法得到停车场内准确剩余车位数的历史数据是非常困难的。第二种方法可以得到每时每刻的在场车位数，但是由于停车场出入口的复杂环境，以及人工干预等会对得到准确的在场车辆数造成干扰。
技术实现思路
针对上述问题中存在的不足之处，本专利技术提供一种基于车牌识别系统的停车场空余车位数预测方法。为实现上述目的，本专利技术提供一种基于车牌识别系统的停车场车位预测方法，包括：步骤1、获取停车场在场车辆数的准确历史数据：步骤11、基于出入口处的车牌识别系统获取停车场入口数据集和出口数据集；步骤12、在出口数据集中删除未记录车辆信息的无效数据，得到出口数据集的有效数据；所述出口数据集的有效数据包括车辆信息和出口时间；步骤13、基于出口数据集的有效数据获取入口数据集的有效数据，所述入口数据集的有效数据包括车辆信息和入口时间：将出口数据集的有效数据与入口数据集进行配对，若配对成功，则根据配对成功车辆的入口时间和出口时间获取停车时长，并采用最小二乘法得到配对成功车辆的停车时长分布曲线；若配对失败，则根据配对失败车辆的出口时间和配对成功车辆的停车时长分布曲线得到配对失败车辆的入口时间；步骤14、基于出入口数据集的有效数据获取停车场在场车辆数的准确历史数据；步骤2、根据步骤1获取的准确历史数据预测停车场空余车位数：根据所述准确历史数据用神经网络先预测某时刻停车场的在场车辆数，然后由总车位数减去此时刻的在场车辆数就得到此时刻空余车位数。作为本专利技术的进一步改进，在步骤2中：所述神经网络为径向基神经网络。作为本专利技术的进一步改进，还包括：步骤3、计算停车场内“僵尸车”的数目：“僵尸车”为一直在停车场内停放、不出停车场的车辆，在得到的停车场每个时刻在场车辆数后，计算出最大在场车辆数，该最大在场车辆数为停车场的最大有效车位数；若该停车场的最大有效车位数与总车位数相等，则该停车场没有“僵尸车”；若该停车场的最大有效车位数小于总车位数且该停车场车辆数为最大有效车位数时达到饱和，则该停车场的总车位数减去该停车场的最大有效车位数即为停车场内“僵尸车”的数目。与现有技术相比，本专利技术的有益效果为：本专利技术剔除了人工干预、复杂环境等对停车场历史数据的干扰，获得停车场准确的历史数据，在此基础上对空余车位数进行预测可得到准确的预测结果。附图说明图1为本专利技术一种实施例公开的基于车牌识别系统的停车场车位预测方法的流程图；图2为基于本专利技术的预测方法获取的某小区停车场准确车辆数的部分历史数据图；图3为某小区停车场一周训练模型图。具体实施方式为使本专利技术实施例的目的、技术方案和优点更加清楚，下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本专利技术的一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本专利技术保护的范围。下面结合附图对本专利技术做进一步的详细描述：如图1所示，本专利技术提供一种基于车牌识别系统的停车场车位预测方法，包括：S1、获取停车场在场车辆数的准确历史数据；S2、根据S1获取的准确历史数据预测停车场空余车位数。其中：S1具体包括：S11、基于出入口处的车牌识别系统获取停车场入口数据集和出口数据集，入口数据集包括车辆信息、入口时间和其它无效数据，出口数据集包括车辆信息、出口时间和其它无效数据：基于出入口处的车牌识别系统本专利技术将停车场入口记录的车辆数据记为停车场入口数据集，将停车场出口记录的车辆数据记为停车场出口数据集；停车场入口数据集中有多种情况，包括：(a)车辆抓拍进场，(b)车辆抓拍未进场，(c)人工放行，(d)非车辆抓拍等；停车场出口数据集包括：(a)车辆第一次抓拍出场，(b)重复抓拍(第一次识别错误或其他原因未出场重新拍照后出场)，(c)车牌无法识别或识别错误，(d)车辆在入口和出口的识别结果不一致或入口漏拍，(e)非车辆抓拍(例如人工触发抓拍、移动值班拍照等，此类数据没有记录车牌、车辆特征等车辆信息，为无效数据)等。S12、基于出口数据集提取出口数据集的有效数据：在出口数据集中删除未记录车辆信息的无效数据即为出口数据集的有效数据：在统计停车场在场的历史车辆数时，将停车场入口和出口中没有记录车牌、车辆特征等车辆信息的无效数据删除。然后将删除无效数据的出入口数据集进行分类，入口数据集可以分为进入停车场车辆数据和未进入停车场车辆数据两类，但是很难区分哪辆车是进入停车场的，具有不确定性；出口数据集只有出场车辆数据一类，此即为停车场出口的有效数据集，因为停车场出口有效数据集中的车辆都是从停车场入口进入停车场的，因此停车场出口有效数据集中包含的车辆数据即为停车场入口数据集中的有效车辆数据。停车场出口的有效数据集只记录了所有历史车辆出停车场的时间，因此只需要再从入口数据集中找出与这些车辆相对应的进入停车场的时间就可以得到停车场入口有效数据集，由出入口有效数据集中出入口时间统计出停车场每时每刻在场车辆数。S13、基于出口数据集的有效数据提取入口数据集的有效数据：以停车场出口数据集的有效数据中的所有车辆为基准，与入口数据集中的所有车辆进行配对，结果为：(a)配对成功，即在入口数据集的有效数据和出口有效数据集中都记录了同一辆车的信息；(b)配对失败，即在出口数据集的有效数据中记录了某车的信息，但在入口数据集中没有该车的信息。配对成功车辆数据包括：(a)车辆第一次抓拍出场；(b)重复抓拍。重复抓拍的车辆数据在配对时就是多个出口时间对应同一个入口时间，那么将最后一个出口时间作为其出口时间。配对成功的车辆数据为停车场在场车辆数的第一部分有效数据(简称为第一部分有效数据)，根据所有配对成功车辆的入口时间与出口时间来获得停车场内在场车辆的停车时长，然后用最小二乘法拟合得到停车场在场车辆数的停车时长分布曲线(横轴为停车时长，纵轴为在场车辆数)。配对失败的车辆数据包括：(a)车牌无法识别或识别错误；(b)车辆在入口和出口的识别结果不一致或入口漏拍。这部分车辆数据为停车场在场车辆数第二部分本文档来自技高网...

【技术保护点】
一种基于车牌识别系统的停车场车位预测方法，其特征在于，包括：步骤1、获取停车场在场车辆数的准确历史数据：步骤11、基于出入口处的车牌识别系统获取停车场入口数据集和出口数据集；步骤12、在出口数据集中删除未记录车辆信息的无效数据，得到出口数据集的有效数据；所述出口数据集的有效数据包括车辆信息和出口时间；步骤13、基于出口数据集的有效数据获取入口数据集的有效数据，所述入口数据集的有效数据包括车辆信息和入口时间：将出口数据集的有效数据与入口数据集进行配对，若配对成功，则根据配对成功车辆的入口时间和出口时间获取停车时长，并采用最小二乘法得到配对成功车辆的停车时长分布曲线；若配对失败，则根据配对失败车辆的出口时间和配对成功车辆的停车时长分布曲线得到配对失败车辆的入口时间；步骤14、基于出入口数据集的有效数据获取停车场在场车辆数的准确历史数据；步骤2、根据步骤1获取的准确历史数据预测停车场空余车位数：根据所述准确历史数据用神经网络先预测某时刻停车场的在场车辆数，然后由总车位数减去此时刻的在场车辆数就得到此时刻空余车位数。

【技术特征摘要】
1.一种基于车牌识别系统的停车场车位预测方法，其特征在于，包括：步骤1、获取停车场在场车辆数的准确历史数据：步骤11、基于出入口处的车牌识别系统获取停车场入口数据集和出口数据集；步骤12、在出口数据集中删除未记录车辆信息的无效数据，得到出口数据集的有效数据；所述出口数据集的有效数据包括车辆信息和出口时间；步骤13、基于出口数据集的有效数据获取入口数据集的有效数据，所述入口数据集的有效数据包括车辆信息和入口时间：将出口数据集的有效数据与入口数据集进行配对，若配对成功，则根据配对成功车辆的入口时间和出口时间获取停车时长，并采用最小二乘法得到配对成功车辆的停车时长分布曲线；若配对失败，则根据配对失败车辆的出口时间和配对成功车辆的停车时长分布曲线得到配对失败车辆的入口时间；步骤14、基于出入口数据集的有效数据获取停车场在场车辆数的准确历史数据；步骤2、根据步骤1获取...

【专利技术属性】
技术研发人员：侯国强，李正涛，
申请(专利权)人：武汉市艾派智能科技有限公司，
类型：发明
国别省市：湖北,42