一种智能停车导航方法、系统、智能座舱、电子设备与流程
- 国知局
- 2024-07-31 20:30:51
本发明涉及一种导航方法、系统、智能座舱、电子设备,尤其涉及一种智能停车导航方法、系统、智能座舱、电子设备。
背景技术:
1、人们往往依据以往的停车位情况经验来规划自己该在哪个地方停车,但这种方式在复杂的城市环境中往往难以准确找到合适的停车位。
2、近年来,随着智能手机和移动互联网的发展,人们越来越多地使用手机应用程序来寻找停车位。然而,这些应用程序通常只能提供静态的停车场信息,无法实时更新和预测停车场的空闲情况。
3、现有技术问题存在的问题包括:
4、1.缺乏实时性和预测性,对于日常出行寻找停车位需要保证数据的同步性,而一些停车场的停车数据存在更新不及时的情况,且无法提供后续时间段的数据预测,无法满足用户的停车规划需求;
5、2.目前的停车流量预测算法的先进性不足,有的单纯依靠车流量数据进行时空序列预测,考虑的相关因素较少,影响预测数据准确性,进而影响导航效果。
6、3.导航过程中的信息交互不足,现有的导航规划需要进行手动刷新,在路线规划完毕且停车导航开始后不会再进行数据更新,无法获取最新的规划地点,影响用户体验。
7、综上所述,现有技术已经不能满足人们的要求,亟需得到改进。
技术实现思路
1、本发明的目的在于提供一种智能停车导航方法、系统、智能座舱、电子设备,解决现有技术存在的缺憾。
2、本发明提供了下述方案:
3、一种基于兴趣点数据和车流量预测的智能停车导航方法,包括:
4、实时采集车流量数据和兴趣点数据,对所述车流量数据和兴趣点数据进行数据预处理,所述数据预处理进一步包括数据筛选、时间间隔处理和数据栅格化处理;
5、将车流量数据和兴趣点数据作为输入量进行数据处理,获得混合特征向量,建立对应的数据模型并输入所述混合特征向量,进行模型配置和数据训练,预测当前停车情况;
6、实时更新并调整导航结果,进行停车地点实时规划。
7、进一步的,所述将车流量数据和兴趣点数据作为输入量进行数据处理,获得混合特征向量,进一步包括:将兴趣点数据与数据栅格化的处理结果进行融合,得到栅格兴趣点数据,将所述栅格兴趣点数据换算为各个栅格所包含的兴趣点比例,作为影响权重值进行矩阵输入。
8、进一步的,所述进行模型配置和数据训练,进一步包括:
9、将经过处理的车流量数据转换成conv-lstm模型所需要的张量,通过conv-lstm模型提取车流量数据中的时空特征,所述conv-lstm模型包括多个深度学习层,通过所述深度学习层将车流量数据的张量转换为输出向量,并与兴趣点数据进行融合,获得混合特征向量。
10、进一步的,所述进行模型配置和数据训练,进一步包括:
11、将车流量数据划分为训练集和测试集,设定对应的参数,利用conv-lstm模型对时空序列进行特征提取,并将抽象出来的兴趣点影响矩阵一同作为输入,进行模型训练。
12、进一步的,所述参数进一步包括:优化器参数、最大迭代次数、时间步长、批次训练样本数目。
13、进一步的,所述实时更新并调整导航结果,进行停车地点实时规划,进一步包括:利用训练好的预测模型,按照用户到达导航地点的预计时间,预测到达时间段的停车情况,自动计算最优的停车地点方案,调整并更新导航结果,进行停车地点规划。
14、一种基于兴趣点数据和车流量预测的智能停车导航系统,包括:
15、数据采集和数据预处理模块,实时采集车流量数据和兴趣点数据,对所述车流量数据和兴趣点数据进行数据预处理,所述数据预处理进一步包括数据筛选、时间间隔处理和数据栅格化处理;
16、模型配置和数据训练模块,将车流量数据和兴趣点数据作为输入量进行数据处理,获得混合特征向量,建立对应的数据模型并输入所述混合特征向量,进行模型配置和数据训练,预测当前停车情况;
17、导航结果更新及停车地点实时规划模块,实时更新并调整导航结果,进行停车地点实时规划。
18、一种智能座舱,所述智能座舱中设置有所述的基于兴趣点数据和车流量预测的智能停车导航系统,执行所述的基于兴趣点数据和车流量预测的智能停车导航方法。
19、一种电子设备,包括:处理器、通信接口、存储器和通信总线,其中,处理器,通信接口,存储器通过通信总线完成相互间的通信;所述存储器中存储有计算机程序,当所述计算机程序被所述处理器执行时,使得所述处理器执行所述方法的步骤。
20、一种计算机可读存储介质,其存储有可由电子设备执行的计算机程序,当所述计算机程序在所述电子设备上运行时,使得所述电子设备执行所述方法的步骤。
21、本发明与现有技术相比具有以下的优点:
22、本发明由导航系统自动收集并整理实时兴趣点数据和车流量数据,包括停车场的位置、容量、使用情况等信息,利用基于conv-lstm模型的深度学习算法,对收集到的数据进行训练和预测,建立停车场使用情况预测模型;根据预测模型的结果,为用户提供停车点导航建议,包括推荐附近的空闲停车场、预测停车场的使用情况等;
23、通过conv-lstm模型提取车流量数据中的时空特征,并结合城市中地铁站、公交站、大型商场等兴趣点数据,对以停车流量为关键数据的时空序列进行数据预测,充分考虑城市中影响居民出行的兴趣点影响因素,提升模型拟合效果,进行更精确的数据预测。
24、在导航过程中,按照一定时间间隔定时更新停车场的使用情况,并根据用户需求调整导航建议;利用移动互联网技术,将导航信息实时推送给用户,提高用户体验。
技术特征:1.一种基于兴趣点数据和车流量预测的智能停车导航方法,其特征在于,包括:
2.根据权利要求1所述的基于兴趣点数据和车流量预测的智能停车导航方法,其特征在于,所述将车流量数据和兴趣点数据作为输入量进行数据处理,获得混合特征向量,进一步包括:将兴趣点数据与数据栅格化的处理结果进行融合,得到栅格兴趣点数据,将所述栅格兴趣点数据换算为各个栅格所包含的兴趣点比例,作为影响权重值进行矩阵输入。
3.根据权利要求1所述的基于兴趣点数据和车流量预测的智能停车导航方法,其特征在于,所述进行模型配置和数据训练,进一步包括:
4.根据权利要求3所述的基于兴趣点数据和车流量预测的智能停车导航方法,其特征在于,所述进行模型配置和数据训练,进一步包括:
5.根据权利要求4所述的基于兴趣点数据和车流量预测的智能停车导航方法,其特征在于,所述参数进一步包括:优化器参数、最大迭代次数、时间步长、批次训练样本数目。
6.根据权利要求1所述的基于兴趣点数据和车流量预测的智能停车导航方法,其特征在于,所述实时更新并调整导航结果,进行停车地点实时规划,进一步包括:利用训练好的预测模型,按照用户到达导航地点的预计时间,预测到达时间段的停车情况,自动计算最优的停车地点方案,调整并更新导航结果,进行停车地点规划。
7.一种基于兴趣点数据和车流量预测的智能停车导航系统,其特征在于,包括:
8.一种智能座舱,其特征在于,所述智能座舱中设置有权利要求7所述的基于兴趣点数据和车流量预测的智能停车导航系统,执行权利要求1至6中任一项所述的基于兴趣点数据和车流量预测的智能停车导航方法。
9.一种电子设备,其特征在于,包括:处理器、通信接口、存储器和通信总线,其中,处理器,通信接口,存储器通过通信总线完成相互间的通信;所述存储器中存储有计算机程序,当所述计算机程序被所述处理器执行时,使得所述处理器执行权利要求1至6中任一项所述方法的步骤。
10.一种计算机可读存储介质,其特征在于,其存储有可由电子设备执行的计算机程序,当所述计算机程序在所述电子设备上运行时,使得所述电子设备执行权利要求1至6中任一项所述方法的步骤。
技术总结本发明公开了一种智能停车导航方法、系统、智能座舱、电子设备,方法步骤包括:实时采集车流量数据和兴趣点数据,对所述车流量数据和兴趣点数据进行数据预处理,所述数据预处理进一步包括数据筛选、时间间隔处理和数据栅格化处理,获得混合特征向量,建立对应的数据模型并输入所述混合特征向量,进行模型配置和数据训练,预测当前停车情况;实时更新并调整导航结果,进行停车地点实时规划。本发明通过Conv‑LSTM模型提取车流量数据中的时空特征,并结合城市中地铁站、公交站、大型商场等兴趣点数据,对以停车流量为关键数据的时空序列进行数据预测,充分考虑城市中影响居民出行的兴趣点影响因素,提升模型拟合效果,进行更精确的数据预测。技术研发人员:刘晓玮受保护的技术使用者:中国第一汽车股份有限公司技术研发日:技术公布日:2024/5/27本文地址:https://www.jishuxx.com/zhuanli/20240731/186586.html
版权声明:本文内容由互联网用户自发贡献,该文观点仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌抄袭侵权/违法违规的内容, 请发送邮件至 YYfuon@163.com 举报,一经查实,本站将立刻删除。
下一篇
返回列表