一种停车场的推荐方法及装置制造方法及图纸

本申请适用于机器推荐的技术领域，提供了一种停车场的推荐方法，包括：获取每个停车场的初始数据；所述初始数据包括第一数据和第二数据。将每个停车场的所述第一数据输入预测模型，得到由所述预测模型输出的每个停车场的所述第一数据对应的预测时间序列。根据每个停车场的所述预测时间序列和所述第二数据，推荐目标停车场至用户。上述方案，通过以时间序列的方式，预测多个时间间隔内的特征数据，并根据特征数据推荐目标停车场至用户。与传统的推荐方法相比，由于本申请是以未来的时间间隔为基准，根据未来的时间间隔对应的不同特征数据进行推荐，故可适应时间的变化。也就提高了推荐精度。

【技术实现步骤摘要】
一种停车场的推荐方法及装置
本申请属于机器推荐的
，尤其涉及一种停车场的推荐方法、装置、终端设备以及计算机可读存储介质。
技术介绍
随着人工智能的发展，智能推荐融入到生活中的角角落落。例如：用户通过智能推荐算法选择心仪的餐厅，通过智能推荐算法选择感兴趣的视频内容等。然而，对于停车场等推荐场景而言，传统的停车场推荐方法往往基于等候时间优先选择停车场，从而引导用户停车。而由于传统的停车场推荐方法需要用户抵达停车场才能做出决策，导致推荐消息滞后，推荐精度较低。
技术实现思路
有鉴于此，本申请实施例提供了一种停车场的推荐方法、装置、终端设备以及计算机可读存储介质，可以解决由于传统的停车场推荐方法需要用户抵达停车场才能做出决策，导致推荐消息滞后，推荐精度较低的技术问题。本申请实施例的第一方面提供了一种停车场的推荐方法，所述方法包括：获取每个停车场的初始数据；所述初始数据包括第一数据和第二数据；将每个停车场的所述第一数据输入预测模型，得到由所述预测模型输出的每个停车场的所述第一数据对应的预测时间序列；时间序列是指以时间顺序为索引的数据集合；所述时间序列中的每个时间间隔对应多种特征数据；根据每个停车场的所述预测时间序列和所述第二数据，推荐目标停车场至用户。本申请实施例的第二方面提供了一种停车场的推荐装置，所述装置包括：获取单元，用于获取每个停车场的初始数据；所述初始数据包括第一数据和第二数据；预测单元，用于将每个停车场的所述第一数据输入预测模型，得到由所述预测模型输出的每个停车场的所述第一数据对应的预测时间序列；时间序列是指以时间顺序为索引的数据集合；所述时间序列中的每个时间间隔对应多种特征数据；推荐单元，用于根据每个停车场的所述预测时间序列和所述第二数据，推荐目标停车场至用户。本申请实施例的第三方面提供了一种终端设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述第一方面所述方法的步骤。本申请实施例的第四方面提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现上述第一方面所述方法的步骤。本申请实施例与现有技术相比存在的有益效果是：本申请通过，获取每个停车场的初始数据；所述初始数据包括第一数据和第二数据。将每个停车场的所述第一数据输入预测模型，得到由所述预测模型输出的每个停车场的所述第一数据对应的预测时间序列。根据每个停车场的所述预测时间序列和所述第二数据，推荐目标停车场至用户。上述方案，通过以时间序列的方式，预测多个时间间隔内的特征数据，并根据特征数据推荐目标停车场至用户。与传统的推荐方法相比，由于本申请是以未来的时间间隔为基准，根据未来的时间间隔对应的不同特征数据进行推荐，故可适应时间的变化。也就提高了推荐精度。附图说明为了更清楚地说明本申请实施例中的技术方案，下面将对实施例或相关技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它的附图。图1示出了本申请提供的一种停车场的推荐方法的示意性流程图；图2示出了本申请提供的一种停车场的推荐方法中步骤101具体示意性流程图；图3示出了本申请提供的一种停车场的推荐方法中步骤1011具体示意性流程图；图4示出了本申请提供的一种停车场的推荐方法中步骤103具体示意性流程图；图5示出了本申请提供的另一种停车场的推荐方法的示意性流程图；图6示出了本申请提供的一种停车场的推荐装置的示意图；图7是本专利技术一实施例提供的一种终端设备的示意图。具体实施方式以下描述中，为了说明而不是为了限定，提出了诸如特定系统结构、技术之类的具体细节，以便透彻理解本申请实施例。然而，本领域的技术人员应当清楚，在没有这些具体细节的其它实施例中也可以实现本申请。在其它情况中，省略对众所周知的系统、装置、电路以及方法的详细说明，以免不必要的细节妨碍本申请的描述。本申请提供的一种停车场的推荐方法适用于多种与时序有关的推荐场景，例如停车场推荐或挂号推荐等等。为了更好地说明本申请的技术方案，本申请仅以停车场推荐为例，对本申请的技术方案进行解释说明。对于停车场的推荐场景而言，由于每个停车场中的参数都在发生动态变化，例如：未来十分钟的潜在用户或到达时间等等。而传统的推荐算法却无法适应这种动态变化，进而导致推荐精度较低。有鉴于此，本申请实施例提供了一种停车场的推荐方法、装置、终端设备以及计算机可读存储介质，可以解决上述技术问题。本申请提供的一种停车场的推荐方法执行主体为终端设备，终端设备可以是服务器、个人计算机或移动终端等等具有计算能力的设备。请参见图1，图1示出了本申请提供的一种停车场的推荐方法的示意性流程图。如图1所示，该方法可以包括如下步骤：步骤101，获取每个停车场的初始数据。在用户需要进行停车场推荐时，用户触发推荐请求。用户触发推荐请求的方式包括但不限于：①通过在交互终端上触发推荐请求（例如：通过在微信小程序或APP页面中，点击相应控件，触发推荐请求）②通过语音控制触发推荐请求（例如：用户唤醒语音控制功能，并说出目的地等信息）。其中，推荐请求中包括但不限于用户的目的地信息、当前位置信息或费用限值信息等。推荐请求中的信息可以由用户输入或系统自动获取。示例性地：目的地信息可由用户手动输入或语音输入，也可以是系统获取用户历史目的地信息。当前位置信息可由系统自动获取GPS（GlobalPositioningSystem，全球定位系统）信息作为当前位置信息。作为本申请的一个可选实施例，在用户触发推荐请求后，可每隔固定时间间隔重新发送推荐请求，以动态更新停车场推荐方案，提高推荐精度。终端设备在接收到推荐请求后，获取每个停车场的未处理的原始数据。原始数据包括但不限于每个停车场的位置数据、每个停车场的停车位总数、每个停车场的剩余停车位数量、每个停车场预约数量、天气数据以及用户的行程时长等一种信息或多种信息之间的组合。终端设备可通过不同停车场系统或软件的接口，获取不同的原始数据。并将原始数据进行预处理、分析以及时序离散化，得到初始数据。首先，终端设备对原始数据进行预处理，预处理包括但不限于数据类型的校对、数据有效性检查或数据存储格式统一等等处理过程。可将预处理后的原始数据直接作为每个停车场的初始数据。也可以将预处理后的原始数据进行分析以及时序离散化后，作为每个停车场的初始数据，过程如下：作为本申请的一个可选实施例，步骤101包括如下步骤。请参见图2，图2示出了本申请提供的一种停车场的推荐方法中步骤101具体示意性流程图。步骤101包括：步骤1011，获取动态时间序列、静态时间序列以及第本文档来自技高网...

【技术保护点】
1.一种停车场的推荐方法，其特征在于，所述方法包括：/n获取每个停车场的初始数据；所述初始数据包括第一数据和第二数据；/n将每个停车场的所述第一数据输入预测模型，得到由所述预测模型输出的每个停车场的所述第一数据对应的预测时间序列；时间序列是指以时间顺序为索引的数据集合；所述时间序列中的每个时间间隔对应多种特征数据；/n根据每个停车场的所述预测时间序列和所述第二数据，推荐目标停车场至用户。/n

【技术特征摘要】
1.一种停车场的推荐方法，其特征在于，所述方法包括：
获取每个停车场的初始数据；所述初始数据包括第一数据和第二数据；
将每个停车场的所述第一数据输入预测模型，得到由所述预测模型输出的每个停车场的所述第一数据对应的预测时间序列；时间序列是指以时间顺序为索引的数据集合；所述时间序列中的每个时间间隔对应多种特征数据；
根据每个停车场的所述预测时间序列和所述第二数据，推荐目标停车场至用户。


2.如权利要求1所述方法，其特征在于，所述获取每个停车场的初始数据，包括：
获取动态时间序列、静态时间序列以及第二数据；
将所述动态时间序列和所述静态时间序列拼接为全局向量；
将所述全局向量作为每个停车场的所述第一数据。


3.如权利要求2所述方法，其特征在于，所述获取动态时间序列、静态时间序列以及第二数据，包括：
获取动态数据；所述动态数据包括当前日期、天气参数以及车位预设数量；
获取静态数据；所述静态数据包括停车场经纬度以及停车场总车位数量；
获取预分析数据；所述预分析数据包括停车场的潜在用户数、停车场至目的地的时间以及停车场不同时段的费用；
将所述动态数据按照预设时间精度离散化，得到所述动态时间序列；
将所述静态数据按照预设时间精度离散化，得到所述静态时间序列；
将所述预分析数据按照预设时间精度离散化，得到所述第二数据。


4.如权利要求1所述方法，其特征在于，所述根据每个停车场的所述预测时间序列和所述第二数据，推荐目标停车场至用户，包括：
分别将同一个停车场对应的所述预测时间序列和所述第二数据进行融合，得到每个停车场的目标时间序列；
将每个停车场的所述目标时间序列进行组合，得到目标时间序列组；
将每个所述目标时间序列组输入分类模型中，得到由所述分类模型输出的分类结果；所述分类结果用于区分单个所述目标时间序列组中...

【专利技术属性】
技术研发人员：黄虎，方芃岚，吴光周，
申请(专利权)人：中电科新型智慧城市研究院有限公司，
类型：发明
国别省市：广东;44