System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本申请涉及停车决策优化,具体涉及基于数据融合的智慧停车监测数据智能处理方法。
技术介绍
1、随着汽车保有量的迅速增加,停车场规模的不断扩大,城市汽车和停车场之间的矛盾也日益突出,停车场停车难,找车难,停车场管理难等问题频频浮现。为了缓解城市的停车难问题,消除寻找车位的烦恼,加快停车场的车辆周转,提高停车场的使用率和经济效益,智慧停车系统快速在各大城市中得到应用。
2、停车监测是指通过各种技术手段对停车场进行实时监测和管理,以提高停车场的利用率和管理效率。现有的智慧停车系统未考虑到停车位变化的实时性,当车主到达停车场时,很有可能停车位已经被占满,因此,需要根据停车场的历史数据对停车场的可用停车位进行可靠地预测,然后结合车辆的行驶数据进行融合分析,获取最佳选择停车场。
3、传统的arima自回归差分移动平均模型能够根据停车场的历史停车监测数据对停车场的可用停车位进行预测,但是预测的可靠性与实时性取决于自回归项数,导致对停车场的可用停车位进行预测时无法兼顾可靠性与实时性。
技术实现思路
1、为了解决上述技术问题,本专利技术提供基于数据融合的智慧停车监测数据智能处理方法,以解决现有的问题。
2、本专利技术的基于数据融合的智慧停车监测数据智能处理方法采用如下技术方案:
3、本专利技术一个实施例提供了基于数据融合的智慧停车监测数据智能处理方法,该方法包括以下步骤:
4、采集车辆目的地所在位置以及各停车场位置的监测周期内各时间段内的空闲
5、根据空闲车位数、驶入车辆数和驶出车辆数获取停车场在监测周期内各时间段的车位流通指数;根据车位流通指数获取各监测周期的车位流通均值和车位流通标准差,根据车位流通均值和车位流通标准差获取停车场在监测周期内各时间段的车位占用超常指数;根据车位流通均值和车位流通标准差获取停车场各监测周期之间的车位流通统计差异指数;根据停车场各监测周期之间的车位流通指数的整体相似、差异情况获取停车场各监测周期之间的车位流通匹配度;根据车位占用超常指数获取高峰停车时段,根据车位流通匹配度以及对应监测周期获取停车场在监测周期内各高峰停车时段的高峰错位指数;根据高峰错位指数获取各停车场的各监测周期内各高峰停车时段的高峰匹配置信权重;根据车位占用超常指数、高峰错位指数和高峰匹配置信权重获取各停车场的各监测周期的高峰偏离指数;
6、根据车位流通指数和高峰偏离指数获取自适应回归项数,根据自适应自回归项数获取各停车场的停车选择优先级。
7、进一步,所述获取停车场在监测周期内各时间段的车位流通指数,包括:
8、对于各停车场各监测周期内的各时间段,计算驶入车辆数与驶出车辆数之间的差值,计算以自然常数为底、以所述差值为指数的指数函数的计算结果,计算所述计算结果与预设调节因子的和值,将空闲车位数与所述和值的比值作为各停车场各监测周期内各时间段的车位流通指数。
9、进一步,所述获取各监测周期的车位流通均值和车位流通标准差,根据车位流通均值和车位流通标准差获取停车场在监测周期内各时间段的车位占用超常指数,包括:
10、对于各停车场的各监测周期内所有时间段,将所有车位流通指数的均值作为各监测周期的车位流通均值,将所有车位流通指数的标准差作为各监测周期的车位流通标准差;
11、对于各停车场的各监测周期,计算各时间段的车位流通指数与所述车位流通均值的差值,获取数字0和所述差值两者之间的最小值的绝对值,计算所述绝对值与所述车位流通标准差的比值,计算以自然常数为底、以所述比值的负值为指数的指数函数的计算结果,将数字1与所述计算结果的差值作为各停车场的各监测周期内各时间段的车位占用超常指数。
12、进一步,所述获取停车场各监测周期之间的车位流通统计差异指数,包括:
13、对于各停车场,计算第个监测周期与第个监测周期的车位流通均值之间的差值绝对值作为第一差值绝对值,计算第个监测周期与第个监测周期的车位流通标准差之间的差值绝对值作为第二差值绝对值,将第一差值绝对值与第二差值绝对值的和值作为停车场中第个监测周期与第个监测周期的车位流通统计差异指数。
14、进一步,所述根据停车场各监测周期之间的车位流通指数的整体相似、差异情况获取停车场各监测周期之间的车位流通匹配度,包括:
15、对于各停车场,将每个监测周期的所有时间段内的车位流通指数按照获取的时间顺序升序排列,构建车位流通序列,将两个监测周期的车位流通序列之间的皮尔逊相关系数记为两个监测周期之间的车位流通整体相似系数;
16、计算以自然常数为底、以各监测周期之间的车位流通统计差异指数的负值为指数的指数函数的计算结果,计算所述计算结果与所述各监测周期之间的车位流通整体相似系数的乘积作为各监测周期之间的车位流通匹配度。
17、进一步,所述获取高峰停车时段,根据车位流通匹配度以及对应监测周期获取停车场在监测周期内各高峰停车时段的高峰错位指数,包括:
18、将车位占用超常指数大于预设车位占用阈值的时间段作为车位占用超常时段,将连续出现的超过两个的车位占用超常时段合并为一个高峰停车时段;
19、将与各监测周期的车位流通匹配度最高的监测周期记为每个监测周期的车位流通匹配周期;将各监测周期的各高峰停车时段与其车位流通匹配周期内所有高峰停车时段的中间时刻的差值绝对值的最小值对应的高峰停车时段作为各监测周期内各高峰停车时段的匹配高峰时段;
20、将各监测周期内各高峰停车时段与其匹配高峰时段的开始时刻的差值的绝对值记为各监测周期内各高峰停车时段的高峰开始错位时差;将各监测周期的各高峰停车时段与其匹配高峰时段的结束时刻的差值的绝对值作为各监测周期内各高峰停车时段的高峰结束错位时差;
21、对于各停车场的各监测周期,计算各高峰停车时段的高峰开始错位时差与高峰结束错位时差的和值,计算监测周期内各高峰停车时段内时间段的个数与各高峰停车时段的匹配高峰时段内时间段个数的差值绝对值,将所述和值与所述差值绝对值的乘积作为各停车场各监测周期内各高峰停车时段的高峰错位指数。
22、进一步,所述获取各停车场的各监测周期内各高峰停车时段的高峰匹配置信权重,包括:
23、对于各停车场的各监测周期,计算监测周期内所有高峰停车时段的高峰错位指数的和值,计算所述和值与预设调节因子的和值作为第一和值,计算各高峰停车时段的高峰错位指数与所述第一和值的比值,将数字1与所述比值的差值作为各停车场的各监测周期内各高峰停车时段的高峰匹配置信权重。
24、进一步,所述获取各停车场的各监测周期的高峰偏离指数,包括:
25、对于各停车场的各监测周期,计算监测周期内各高峰停车时段中所有时间段的车位占用超常指数的和值,计算各高峰停车时间段的高峰错位指数与所述和值的求和结果,计算各高峰停车时间段的高峰匹配置信权重与所述求和结果的乘积,计算各监测周期内所本文档来自技高网...
【技术保护点】
1.基于数据融合的智慧停车监测数据智能处理方法,其特征在于,该方法包括以下步骤:
2.如权利要求1所述的基于数据融合的智慧停车监测数据智能处理方法,其特征在于,所述获取停车场在监测周期内各时间段的车位流通指数,包括:
3.如权利要求1所述的基于数据融合的智慧停车监测数据智能处理方法,其特征在于,所述获取各监测周期的车位流通均值和车位流通标准差,根据车位流通均值和车位流通标准差获取停车场在监测周期内各时间段的车位占用超常指数,包括:
4.如权利要求1所述的基于数据融合的智慧停车监测数据智能处理方法,其特征在于,所述获取停车场各监测周期之间的车位流通统计差异指数,包括:
5.如权利要求1所述的基于数据融合的智慧停车监测数据智能处理方法,其特征在于,所述根据停车场各监测周期之间的车位流通指数的整体相似、差异情况获取停车场各监测周期之间的车位流通匹配度,包括:
6.如权利要求1所述的基于数据融合的智慧停车监测数据智能处理方法,其特征在于,所述获取高峰停车时段,根据车位流通匹配度以及对应监测周期获取停车场在监测周期内各高峰停车时段
7.如权利要求1所述的基于数据融合的智慧停车监测数据智能处理方法,其特征在于,所述获取各停车场的各监测周期内各高峰停车时段的高峰匹配置信权重,包括:
8.如权利要求1所述的基于数据融合的智慧停车监测数据智能处理方法,其特征在于,所述获取各停车场的各监测周期的高峰偏离指数,包括:
9.如权利要求1所述的基于数据融合的智慧停车监测数据智能处理方法,其特征在于,所述根据车位流通指数和高峰偏离指数获取自适应回归项数,包括:
10.如权利要求1所述的基于数据融合的智慧停车监测数据智能处理方法,其特征在于,所述获取各停车场的停车选择优先级,包括:
...【技术特征摘要】
1.基于数据融合的智慧停车监测数据智能处理方法,其特征在于,该方法包括以下步骤:
2.如权利要求1所述的基于数据融合的智慧停车监测数据智能处理方法,其特征在于,所述获取停车场在监测周期内各时间段的车位流通指数,包括:
3.如权利要求1所述的基于数据融合的智慧停车监测数据智能处理方法,其特征在于,所述获取各监测周期的车位流通均值和车位流通标准差,根据车位流通均值和车位流通标准差获取停车场在监测周期内各时间段的车位占用超常指数,包括:
4.如权利要求1所述的基于数据融合的智慧停车监测数据智能处理方法,其特征在于,所述获取停车场各监测周期之间的车位流通统计差异指数,包括:
5.如权利要求1所述的基于数据融合的智慧停车监测数据智能处理方法,其特征在于,所述根据停车场各监测周期之间的车位流通指数的整体相似、差异情况获取停车场各监测周期之间的车位流通匹配度,...
【专利技术属性】
技术研发人员:刘文文,黄东宝,冯潇,王冉冉,
申请(专利权)人:泰安市东信智联信息科技有限公司,
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。