一种大数据环境下停车场占有率的预测方法技术

本发明专利技术提供的一种大数据环境下停车场占有率的预测方法是利用停车场车辆出入记录，获得停车场的出入口在每个时间段进入和离开的车辆的数量分布，由此构建反映分时段车辆出入停车场的PDFVA分布模型，训练得到各个时段PDFVA分布的参数值，根据每个时段出入停车场车辆数的PDFVA分布模型预测未来各时段停车场出入车辆的数量，以及停车场内车位的占有率和拥挤程度。本发明专利技术利用停车场管理处已有的海量车辆分时段出入数据，即能低成本、自动化、便捷地获取指定时间段内出入停车场的车辆数的分布，对分时段的出入车辆数量PDFVA分布模型的参数进行估值，从而实现快速高效地对停车场在未来时刻的出入车辆数和发生拥挤的可能性进行预测。

A prediction method of parking lot occupancy in big data environment

The method for predicting parking occupancy in the large data environment provided by the invention is to obtain the number distribution of vehicles entering and leaving the parking lot at the entrance and exit of the parking lot at each time period by using the vehicle entry and exit records of the parking lot, thereby to construct the PDVA distribution model reflecting the vehicle entering and leaving the parking lot at different time periods, and to train the PDF at each time period. According to the PDFVA distribution model of the number of vehicles in and out of parking lot in each period, the number of vehicles in and out of parking lot in the future, the occupancy rate and the degree of congestion in parking lot are predicted. The invention makes use of the existing mass vehicle access data in different time periods in the parking lot management office, that is, it can obtain the distribution of the number of vehicles entering and leaving the parking lot in a specified time period with low cost, automation and convenience, and estimate the parameters of the PDFVA distribution model of the number of vehicles entering and leaving the parking lot in different time periods, so as to realize the rapid and efficient parking lot in the absence of a parking lot. The number of vehicles coming and going at any time and the possibility of congestion are predicted.

【技术实现步骤摘要】
一种大数据环境下停车场占有率的预测方法
本专利技术涉及一种基于海量停车场出入数据，挖掘每个停车场在每个时段的进出车辆数量，统计分时段的出入车辆数量出现的频率，构建车辆出入概率密度函数PDFVA(英文全称为：ProbabilityDensityFunctionofVehicleAccess)表达每个停车场分时段出入车辆数量的概率，以此为基础对分时段停车场车位的占有率的拥挤程度进行预测。
技术介绍
随着城市的快速扩张，机动车成为城市居民交通出行的重要工具，由此带来的各种问题日益受到广泛关注。近年来，由于城市机动车保有量的增加，城市内部公共基础配套设施的建设出现一定程度的滞后，导致城市交通拥挤度急速上升。在停车方面，大城市市区中心地段的停车位供给和需求之间的矛盾日益凸显，车位紧张、停车难的现象已经成为城市管理者需要解决的首要任务。在这一背景下，需要对城市中停车场分时段的出入车辆数据进行统计和分析，通过构建合理科学的模型对停车场车位实时占有率进行预测，以更好地对车辆的停车行为进行预判和调度，合理分配停车资源。近年来，随着信息技术的发展，数据信息量呈现爆炸式增长，数据来源越来越多，数据量也越来本文档来自技高网...

【技术保护点】
1.一种大数据环境下停车场占有率的预测方法，其特征在于，采用PDVA分布的方法对分时段进出停车场的车辆数量进行统计分析，并以此为基础进行预测，包括以下步骤：步骤1、从停车场管理单位获取各停车场在目标时间段内的车辆出入记录数据集，将车辆出入记录数据集中的车辆出入记录数据分为出和入两部分，将当前停车场的每个出入口的出入车辆以时间间隔t划分，统计得到每个时间间隔内每个出入口进入停车场和离开停车场的车辆的数量，即为分时段进出车辆统计数据；步骤2、采用步骤1得到的分时段进出车辆统计数据，对PDFVA分布模型进行训练，训练时利用分时段进出车辆统计数据对时齐Poisson分布的参数进行拟合，获得目标时间段内...

【技术特征摘要】
1.一种大数据环境下停车场占有率的预测方法，其特征在于，采用PDVA分布的方法对分时段进出停车场的车辆数量进行统计分析，并以此为基础进行预测，包括以下步骤：步骤1、从停车场管理单位获取各停车场在目标时间段内的车辆出入记录数据集，将车辆出入记录数据集中的车辆出入记录数据分为出和入两部分，将当前停车场的每个出入口的出入车辆以时间间隔t划分，统计得到每个时间间隔内每个出入口进入停车场和离开停车场的车辆的数量，即为分时段进出车辆统计数据；步骤2、采用步骤1得到的分时段进出车辆统计数据，对PDFVA分布模型进行训练，训练时利用分时段进出车辆统计数据对时齐Poisson分布的参数进行拟合，获得目标时间段内不同时间间隔的参数值，从而得到分时段的车辆进出停车场数量的PDFVA分布程模型；步骤3、利用步骤2得到的PDFVA分布程模型预测停车场未来的车位占有率和拥挤程度；步骤4、实时更新停车场分时段进出车辆信息，返回步骤2，对PDFVA分布模型中的参数进行即时的训练更新。2.如权利要求1所述的一种大数据环境下停车场占有率的预测方法，其特征在于，所述车辆出入记录数据包括停车场编号PID、停车场入口编号EID、车辆编号CID、出入时间TIME、出入类别TYPE、录入方式INPUT，其中，停车场编号PID和入口编号EID组成车辆出入口的唯一编号。3.如权利要求2所述的一种大数据环境下停车场占有率的预测方法，其特征在于，所述步骤3包括：步骤3.1、根据车辆进出停车场的长期记录数据，计算当前停车场内的停车数量和车位占有率；步骤3.2、对下一时刻停车场的车辆数量进行预测，假设当前时间为T0，则下一时刻进入停车场的车辆期望为即对停车场各个出入口在下一时刻进入停车场的车辆数量的期望求和，下一时刻离开停车场的车辆期望为则该停车场在下一时刻的停车数量期望为：对于跨期的停车数量期望可表达为：式中，N(T0)表示(T0时期停车场中的车辆数)，表示时段Ti从出入口EID进入停车场的车辆数期望，表示时段Ti从出入口EID离开停车场的车辆数的期望；步骤3.3、根据计算得到的停车数量期望E{N(EID，Tn)}计算停车场的拥挤程度，计算方法为：停车场内车辆数量的期望除以停车场的设计容量，得到介于0～1之间的停车场拥挤度指标，...

【专利技术属性】
技术研发人员：刘杰，顾高翔，张颖，吴佳玲，郭鹏，宫龙，朱万明，
申请(专利权)人：上海世脉信息科技有限公司，
类型：发明
国别省市：上海,31