一种基于大数据的停车场车位推荐系统及方法技术方案

本发明专利技术公开了一种基于大数据的停车场车位推荐系统及方法，属于车位推荐技术领域。该系统包括指令信息采集模块、三维校验模块、多源数据分析模块、车位变更预测模块、推荐模块；所述指令信息采集模块的输出端与所述三维校验模块的输入端相连接；所述三维校验模块的输出端与所述多源数据分析模块的输入端相连接；所述多源数据分析模块的输出端与所述车位变更预测模块的输入端相连接；所述车位变更预测模块的输出端与所述推荐模块的输入端相连接。本发明专利技术还提供一种基于大数据的停车场车位推荐方法，用以具体分析。本发明专利技术能够实现车位的精准推荐，满足当前数字化、精细化的发展需求，进一步满足车主需求。进一步满足车主需求。进一步满足车主需求。

【技术实现步骤摘要】
一种基于大数据的停车场车位推荐系统及方法


[0001]本专利技术涉及车位推荐
，具体为一种基于大数据的停车场车位推荐系统及方法。

技术介绍

[0002]随着经济的迅速发展，私家车的数量迅猛增长，人们在外出工作、游玩等大部分靠私家车出行，造成在城市中停车场车位数量捉襟见肘。供需的不平衡导致越来越多的车主因为车位紧缺造成很大的麻烦，经常需要绕目的地许久才能找寻得到停车位，停车难成为普遍的现象。
[0003]在停车场的车位中，由于停车场的地理位置因素，建造过程中必然会出现一些靠墙车位、有承重柱的车位等，这一类车位对于车主的驾驶要求较高，在申请日为2018.10.17的专利CN201811208241.X个性化停车位推荐方法和系统中，提出了对于停车难度的分析，然而其仅仅是通过设置“两边有阻隔侧方位的停车位停车难度指标D为0.8，倒车入库的停车位停车难度指标D为0.6，单边有阻隔停车位停车难度指标D为0.4，两边都没有阻隔停车位停车难度指标D为0.2”的方式，对停车难度进行粗略代入，其对于系统的精度影响较大，并不能够满足当前数字化的发展，对于精确的车位推荐存在较大的干扰，最终的推荐结果对于车主也并不友好。

技术实现思路

[0004]本专利技术的目的在于提供一种基于大数据的停车场车位推荐系统及方法，以解决上述
技术介绍
中提出的问题。
[0005]为了解决上述技术问题，本专利技术提供如下技术方案：一种基于大数据的停车场车位推荐系统，该系统包括指令信息采集模块、三维校验模块、多源数据分析模块、车位变更预测模块、推荐模块；所述指令信息采集模块用于采集车主发布的停车指令信息，获取车主计划位置，建立停车推荐区域，并计算车主到达计划位置的时间差值；所述三维校验模块用于获取车辆基本信息，构建车辆三维模型，对比空闲车位，对不符合要求的车位进行删减，减少数据冗杂；所述多源数据分析模块用于获取多源数据，构建车主驾驶熟练度模型、车位停车难度模型，对车主的驾驶熟练度以及车位的停车难度进行分析；所述车位变更预测模块用于建立车位变更预测模型，对车位的停车偏好以及停车时长进行预测；所述推荐模块用于按照车位的最终推荐得分从大到小排序，并依次推荐给车主；所述指令信息采集模块的输出端与所述三维校验模块的输入端相连接；所述三维校验模块的输出端与所述多源数据分析模块的输入端相连接；所述多源数据分析模块的输出端与所述车位变更预测模块的输入端相连接；所述车位变更预测模块的输出端与所述推荐模块的输入端相连接。
[0006]根据上述技术方案，所述指令信息采集模块包括车主定位单元、车主预约单元；
所述车主定位单元用于对车主的当前位置定位，并记录；所述车主预约单元用于获取车主提供的预约停车时间与预约停车地点；所述车主定位单元的输出端与所述三维校验模块的输入端相连接；所述车主预约单元的输出端与所述三维校验模块的输入端相连接。
[0007]根据上述技术方案，所述多源数据分析模块包括多源数据获取单元、车主驾驶熟练度分析单元、车位停车难度分析单元；所述多源数据获取单元用于获取车主及车位的多源数据；所述车主驾驶熟练度分析单元用于构建车主驾驶熟练度模型，并对车主的驾驶熟练度进行分析；所述车位停车难度分析单元用于构建车位停车难度模型，并对车位的停车难度进行分析；所述多源数据获取单元的输出端分别与所述车主驾驶熟练度分析单元、所述车位停车难度分析单元的输入端相连接；所述车主驾驶熟练度分析单元、所述车位停车难度分析单元的输出端与所述车位变更预测模块的输入端相连接。
[0008]根据上述技术方案，所述车位变更预测模块停车偏好分析单元、停车时长分析单元；所述停车偏好分析单元用于分析停车场内每个车位的停车偏好情况，并获取停车偏好概率；所述停车时长分析单元用于分析停车场内车主停车的停车时长，并以众数作为预测停车时长；所述停车偏好分析单元的输出端与所述推荐模块的输入端相连接；所述停车时长分析单元的输出端与所述推荐模块的输入端相连接。
[0009]根据上述技术方案，所述推荐模块包括车位推荐得分排序单元、推荐单元；所述车位推荐得分排序单元用于构建最佳车位推荐模型，并根据最佳车位推荐模型计算车位推荐得分，对计算后的车位推荐得分从大到小进行排序；所述推荐单元用于按照顺序将对应车位推荐给车主；所述车位推荐得分排序单元的输出端与所述推荐单元的输入端相连接；所述推荐单元的输出端连接到车主端口。
[0010]一种基于大数据的停车场车位推荐方法，该方法包括以下步骤：S1、获取车主停车指令信息数据，采集车主计划位置，以车主计划位置为圆心，以R为半径，建立停车推荐区域A，获取车主到达计划位置的时间差值；S2、获取车辆基本信息，构建车辆三维模型，对比停车推荐区域A内所有的空闲车位，对不满足车辆大小或高度的车位删除出推荐体系；S3、获取车主信息数据，提取车主特征，建立车主驾驶熟练度模型，并计算得出车主驾驶熟练度；S4、获取空闲车位信息，提取车位特征，建立车位停车难度模型，并计算得出每个车位的停车难度；S5、获取停车推荐区域A内的车位历史数据，建立车位变更预测模型，对车位停车偏好及停车时间进行分析；S6、建立最佳车位推荐模型，按照车位推荐得分从大到小的顺序将对应车位列表推荐给车主。
[0011]根据上述技术方案，在步骤S3中，所述车主驾驶熟练度模型包括：
获取车主信息数据，包括驾龄、事故率、平均车速、违章率；构建权重比例分别为g1、g2、g3、g4；构建车主驾驶熟练度模型：++其中，代表驾龄转换值；代表事故率转化值；代表平均车速转化值；代表违章率转化值。
[0012]在系统中设置函数关系，进行驾龄、事故率、平均车速、违章率的转化，以利于计算；例如驾龄转换可以利用一次函数，因为其转化比例较为简单，随着驾龄增长，其熟练度必然越来越高；而平均车速可以利用抛物线进行转化，因为低车速代表熟练度低的倾向性较大，而正常车速对于熟练度的影响程度较低，也即是说如果一直以较低车速行驶更倾向于判断车主驾驶熟练度低，而以正常车速行驶则较难判断车主的驾驶熟练度情况。
[0013]根据上述技术方案，在步骤S4中，所述车位停车难度模型包括：获取车位信息数据；构建车位停车难度与车位信息数据之间的模型关系：其中，B为车位停车难度矩阵；H为车位信息数据矩阵；为系数向量矩阵；为干扰项矩阵；项矩阵；其中，p代表车位信息特征数量；n代表每个特征的n个归一化数据值；任一个停车车位i的车位停车难度值为：其中，为截距；、、、为系数向量；、、为车位信息特征值；为干扰值；i=1，2，，n；利用最小二乘法估算得出最佳系数向量与干扰值。
[0014]车位的信息数据可以包括靠墙车位、车位上有柱子等等特征因素。
[0015]对于车位停车难度，本专利技术设立的度量标准为均方差，均方差是指预测值和实际值之间的平均方差。平均方差越小，说明测试值和实际值之间的差距越小，即模型性能更
优。因此先利用训练数据固定B与H，然后利用最小二乘法寻找到最优的β和ε，进而获得最优的模型。
[0016]根据上述技术方案，本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于大数据的停车场车位推荐系统，其特征在于：该系统包括指令信息采集模块、三维校验模块、多源数据分析模块、车位变更预测模块、推荐模块；所述指令信息采集模块用于采集车主发布的停车指令信息，获取车主计划位置，建立停车推荐区域，并计算车主到达计划位置的时间差值；所述三维校验模块用于获取车辆基本信息，构建车辆三维模型，对比空闲车位，对不符合要求的车位进行删减，减少数据冗杂；所述多源数据分析模块用于获取多源数据，构建车主驾驶熟练度模型、车位停车难度模型，对车主的驾驶熟练度以及车位的停车难度进行分析；所述车位变更预测模块用于建立车位变更预测模型，对车位的停车偏好以及停车时长进行预测；所述推荐模块用于按照车位的最终推荐得分从大到小排序，并依次推荐给车主；所述指令信息采集模块的输出端与所述三维校验模块的输入端相连接；所述三维校验模块的输出端与所述多源数据分析模块的输入端相连接；所述多源数据分析模块的输出端与所述车位变更预测模块的输入端相连接；所述车位变更预测模块的输出端与所述推荐模块的输入端相连接。2.根据权利要求1所述的一种基于大数据的停车场车位推荐系统，其特征在于：所述指令信息采集模块包括车主定位单元、车主预约单元；所述车主定位单元用于对车主的当前位置定位，并记录；所述车主预约单元用于获取车主提供的预约停车时间与预约停车地点；所述车主定位单元的输出端与所述三维校验模块的输入端相连接；所述车主预约单元的输出端与所述三维校验模块的输入端相连接。3.根据权利要求1所述的一种基于大数据的停车场车位推荐系统，其特征在于：所述多源数据分析模块包括多源数据获取单元、车主驾驶熟练度分析单元、车位停车难度分析单元；所述多源数据获取单元用于获取车主及车位的多源数据；所述车主驾驶熟练度分析单元用于构建车主驾驶熟练度模型，并对车主的驾驶熟练度进行分析；所述车位停车难度分析单元用于构建车位停车难度模型，并对车位的停车难度进行分析；所述多源数据获取单元的输出端分别与所述车主驾驶熟练度分析单元、所述车位停车难度分析单元的输入端相连接；所述车主驾驶熟练度分析单元、所述车位停车难度分析单元的输出端与所述车位变更预测模块的输入端相连接。4.根据权利要求1所述的一种基于大数据的停车场车位推荐系统，其特征在于：所述车位变更预测模块停车偏好分析单元、停车时长分析单元；所述停车偏好分析单元用于分析停车场内每个车位的停车偏好情况，并获取停车偏好概率；所述停车时长分析单元用于分析停车场内车主停车的停车时长，并以众数作为预测停车时长；所述停车偏好分析单元的输出端与所述推荐模块的输入端相连接；所述停车时长分析单元的输出端与所述推荐模块的输入端相连接。5.根据权利要求1所述的一种基于大数据的停车场车位推荐系统，其特征在于：所述推荐模块包括车位推荐得分排序单元、推荐单元；所述车位推荐得分排序单元用于构建最佳车位推荐模型，并根据最佳车位推荐模型计算车位推荐得分，对计算后的车位推荐得分从大到小进行排序；所述推荐单元用于按照顺
序将对应车位推荐给车主；所述车位推荐得分排序单元的输出端与所述推荐单元的输入端相连接；所述推荐单元的输出端连接到车主端口。6.一...

【专利技术属性】
技术研发人员：王小强，汪雪钟，
申请(专利权)人：江苏九比特信息系统有限公司，
类型：发明
国别省市：