本发明专利技术公开了一种基于排序和协同算法的智能停车场推荐方法，其包括以下步骤：S01、获取用户手机对应或选择的坐标信息和用户ID；S02、通过用户ID预测用户画像；S03、基于坐标信息检索附近的停车/充能场所，停车/充能场所包括停车场、加油站和充电桩；S04、通过排序算法对停车/充能场所进行排序获得初始序列；S05、通过协同算法对初始序列进行调整，获得最终序列；S06、将最终序列推荐给用户。本方案可以给用户提供最适合的停车/充电场所信息，缩短寻找时间，提高出行体验。本方案适用于智能交通领域。领域。领域。
【技术实现步骤摘要】
一种基于排序和协同算法的智能停车场推荐方法
[0001]本专利技术涉及交通引导领域，尤其是涉及一种基于排序和协同算法的智能停车场推荐方法。
技术介绍
[0002]随着车辆保有量的不断提升，停车难、加油/充电难的现象越来越明显，严重影响出行体验。如何能够让用户快速、高效、精准地找到合适的停车/加油/充电场所，是急需解决的问题。
技术实现思路
[0003]本专利技术主要是解决现有技术所存在的缺乏适合的停车/充电场所查询和推荐方法的技术问题，提供一种高效、精准的基于排序和协同算法的智能停车场推荐方法。
[0004]本专利技术针对上述技术问题主要是通过下述技术方案得以解决的：一种基于排序和协同算法的智能停车场推荐方法，包括以下步骤：S01、获取用户手机对应或选择的坐标信息和用户ID；S02、通过用户ID预测用户画像；S03、基于坐标信息检索附近的停车/充能场所，停车/充能场所包括停车场、加油站和充电桩；S04、通过排序算法对停车/充能场所进行排序获得初始序列；S05、通过协同算法对初始序列进行调整，获得最终序列；S06、将最终序列推荐给用户。
[0005]作为优选，所述步骤S02中，通过用户ID预测用户画像具体为：S201、判断用户车辆是否为电动车；S202、依据用户的历史消费记录判断用户的价格敏感度；S203、依据用户的历史停车/充能场所选择记录判断用户的等待敏感度。
[0006]用户画像包括是否为电动车、价格敏感度、等待敏感度等信息。
[0007]作为优选，其特征在于，所述步骤S03中，基于坐标信息检索附近的停车/充能场所具体为：使用GeoHash算法检索第一区域范围内的所有停车/充能场所，如果停车/充能场所数量小于阈值，则将检索范围扩大到第二区域范围，如果停车/充能场所数量仍然小于阈值，则将检索范围扩大到第三区域范围；计算坐标信息到每个停车/充能场所的行车距离；依据当前道路信息和行车距离计算从坐标信息位置驾驶到每个停车/充能场所需要的行车时间。
[0008]当前道路信息可以从市政信息或用户实时行车信息获取。GeoHash算法是一种快速检索空间位置的算法，并且可以在不同的尺度上完成检索。
[0009]作为优选，所述第一区域范围为以坐标信息位置为圆心5公里为半径的圆形区域，所述第二区域范围为以坐标信息位置为圆心10公里为半径的圆形区域，所述第三区域范围为以坐标信息位置为圆心20公里为半径的圆形区域；所述阈值为10个。
[0010]作为优选，所述步骤S04中，通过排序算法对停车/充能场所进行排序获得初始序列具体为：通过行车距离、行车时间、充电场所的空余数量、单价以及用户画像对每个停车/充能场所进行打分；根据得分从高到低对停车/充能场所进行排序。
[0011]如果用户为纯电动车，则排除无充电桩的加油站项，如果用户为纯燃油车，则排除纯充电场所选项。
[0012]行车距离、行车时间、充电场所的空余数量和单价分别有各自的权重值，用户画像中的价格敏感度影响单价的权重值，价格敏感度越高，单价的权重值越低。
[0013]作为优选，所述步骤S05中，通过协同算法对初始序列进行调整，获得最终序列具体为：依据当前所有用户的查询请求、初始序列和导航目的地对各个停车/充能场所的负荷进行预测，依据预测计算排队时间，依据排队时间和用户画像调整初始序列中各个停车/充能场所的分数，根据调整后的分数重新排序。
[0014]用户画像中的排队敏感度影响排队时间的权重值。协同算法可以让用户选择合适自己的充电/停车场所，并且引导车辆分散到不同的场所，避免少数几个场所大量车辆聚集，提高整体的效率和用户体验。
[0015]本专利技术带来的实质性效果是，给用户提供最适合的停车/充电场所信息，缩短寻找时间，打破信息孤岛，有效减少停车位闲置，提升停车/充电场所收入，可以给热门停车/充电场所分流，减少排队情况。
附图说明
[0016]图1是本专利技术的一种流程图。
具体实施方式
[0017]下面通过实施例，并结合附图，对本专利技术的技术方案作进一步具体的说明。
[0018]实施例：本实施例的一种基于排序和协同算法的智能停车场推荐方法，如图1所示，包括以下步骤：S01、获取用户手机对应或选择的坐标信息和用户ID；S02、通过用户ID预测用户画像；S03、基于坐标信息检索附近的停车/充能场所，停车/充能场所包括停车场、加油站和充电桩；S04、通过排序算法对停车/充能场所进行排序获得初始序列；S05、通过协同算法对初始序列进行调整，获得最终序列；S06、将最终序列推荐给用户。
[0019]所述步骤S02中，通过用户ID预测用户画像具体为：
S201、判断用户车辆是否为电动车；S202、依据用户的历史消费记录判断用户的价格敏感度；S203、依据用户的历史停车/充能场所选择记录判断用户的等待敏感度。
[0020]用户画像包括是否为电动车、价格敏感度、等待敏感度等信息。
[0021]其特征在于，所述步骤S03中，基于坐标信息检索附近的停车/充能场所具体为：使用GeoHash算法检索第一区域范围内的所有停车/充能场所，如果停车/充能场所数量小于阈值，则将检索范围扩大到第二区域范围，如果停车/充能场所数量仍然小于阈值，则将检索范围扩大到第三区域范围；计算坐标信息到每个停车/充能场所的行车距离；依据当前道路信息和行车距离计算从坐标信息位置驾驶到每个停车/充能场所需要的行车时间。
[0022]当前道路信息可以从市政信息或用户实时行车信息获取。GeoHash算法是一种快速检索空间位置的算法，并且可以在不同的尺度上完成检索。
[0023]所述第一区域范围为以坐标信息位置为圆心5公里为半径的圆形区域，所述第二区域范围为以坐标信息位置为圆心10公里为半径的圆形区域，所述第三区域范围为以坐标信息位置为圆心20公里为半径的圆形区域；所述阈值为10个。
[0024]所述步骤S04中，通过排序算法对停车/充能场所进行排序获得初始序列具体为：通过行车距离、行车时间、充电场所的空余数量、单价以及用户画像对每个停车/充能场所进行打分；根据得分从高到低对停车/充能场所进行排序。
[0025]如果用户为纯电动车，则排除无充电桩的加油站项，如果用户为纯燃油车，则排除纯充电场所选项。
[0026]行车距离、行车时间、充电场所的空余数量和单价分别有各自的权重值，用户画像中的价格敏感度影响单价的权重值，价格敏感度越高，单价的权重值越低。
[0027]所述步骤S05中，通过协同算法对初始序列进行调整，获得最终序列具体为：依据当前所有用户的查询请求、初始序列和导航目的地对各个停车/充能场所的负荷进行预测，依据预测计算排队时间，依据排队时间和用户画像调整初始序列中各个停车/充能场所的分数，根据调整后的分数重新排序。
[0028]用户画像中的排队敏感度影响排队时间的权重值。协同算法可以让用户选择合适自己的充电/停车场所，并且引导车辆分散到不同的场所，避免少数本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种基于排序和协同算法的智能停车场推荐方法，其特征在于，包括以下步骤：S01、获取用户手机对应或选择的坐标信息和用户ID；S02、通过用户ID预测用户画像；S03、基于坐标信息检索附近的停车/充能场所，停车/充能场所包括停车场、加油站和充电桩；S04、通过排序算法对停车/充能场所进行排序获得初始序列；S05、通过协同算法对初始序列进行调整，获得最终序列；S06、将最终序列推荐给用户。2.根据权利要求1所述的一种基于排序和协同算法的智能停车场推荐方法，其特征在于，所述步骤S02中，通过用户ID预测用户画像具体为：S201、判断用户车辆是否为电动车；S202、依据用户的历史消费记录判断用户的价格敏感度；S203、依据用户的历史停车/充能场所选择记录判断用户的等待敏感度。3.根据权利要求1或2所述的一种基于排序和协同算法的智能停车场推荐方法，其特征在于，所述步骤S03中，基于坐标信息检索附近的停车/充能场所具体为：使用GeoHash算法检索第一区域范围内的所有停车/充能场所，如果停车/充能场所数量小于阈值，则将检索范围扩大到第二区域范围，如果停车/充能场所数量仍然小于阈值，则将检索范围扩大到第三区域范围；计算坐标信息到每个停...
【专利技术属性】
技术研发人员：沈海峰，杨程，赵阳，
申请(专利权)人：赵阳，
类型：发明
国别省市：
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。