技术新讯 > 信号装置的制造及其应用技术 > 智能车位监测方法、装置、电子设备及存储介质与流程  >  正文

智能车位监测方法、装置、电子设备及存储介质与流程

  • 国知局
  • 2024-07-31 20:36:23

本发明涉及智慧停车,具体而言,涉及一种智能车位监测方法、装置、电子设备及存储介质。

背景技术:

1、城市公共停车场规划是一项系统工程,公共停车场的规划直接影响着城市环境和商业环境。

2、为了更好地对停车场进行管理,现有技术引用了智能停车管理系统,解决了停车场需要大量的工作人员来维持秩序、车辆进入停车场后需要人力引导车辆行驶至空闲停车位等问题。

3、然而,随着私家车保有量的持续增加,不管是商业区还是住宅区,都面临着游客或者业主对停车位越来越大的需求,且节假日等高峰期由于不合理的停车规划极易造成车辆拥堵、停车困难等问题,为大众服务体验造成负面影响。

技术实现思路

1、本发明的目的在于,针对上述现有技术中的不足,提供一种智能车位监测方法、装置、电子设备及存储介质,以便提高停车位利用率,提升停车位的管理效率和停车服务质量。

2、为实现上述目的,本技术实施例采用的技术方案如下:

3、第一方面,本技术实施例提供了一种智能车位监测方法,应用于应用功能af网元,所述方法包括:

4、向预设监测区域的基站发送监测请求;

5、接收所述预设监测区域的基站根据所述监测请求返回的监测数据,所述监测数据包括:所述预设监测区域的多个停车位的停车信息;

6、接收终端设备发送的停车请求;

7、根据所述停车请求,向网络数据分析功能nwdaf网元发送预测请求,以使得所述nwdaf网元根据所述多个停车位的停车信息,采用预先训练的神经网络模型预测空闲车位信息;

8、接收所述nwdaf网元发送的所述空闲车位信息,并向所述终端设备转发所述空闲车位信息,所述空闲车位信息用于向所述终端设备指示处于空闲状态的停车位。

9、可选的,所述向预设监测区域的基站发送监测请求,包括如下步骤:

10、通过网络能力开发功能nef网元向策略控制功能pcf网元发送监测服务请求,所述监测服务请求包括:所述预设监测区域的区域信息;

11、所述pcf网元根据所述监测服务请求生成监测策略,并向接入和移动性管理功能amf网元发送所述监测策略;

12、所述amf网元根据所述预设监测区域的区域信息,向所述预设监测区域的基站发送包括所述监测策略的所述监测请求。

13、可选的,若所述停车请求包括:即时停车时间,所述根据所述停车请求,向网络数据分析功能nwdaf网元发送预测请求,以使得所述nwdaf网元根据所述多个停车位的停车信息,采用预先训练的神经网络模型预测空闲车位信息,包括:

14、若所述多个停车位在所述即时停车时间均处于非空闲状态,向所述nwdaf网元发送第一空位预测请求,以使得所述nwdaf网元根据所述多个停车位的停车时长信息,采用预先训练的出场预测模型得到预测出场时间对应的预测出场车位,所述空闲车位信息包括:所述预测出场车位的车位信息和所述预测出场时间。

15、可选的,所述出场预测模型采用如下步骤进行训练:

16、获取所述预设监测区域的历史监测数据,所述历史监测数据包括:所述多个停车位的历史当前时刻的历史已停车时长、历史超时停车时长以及历史下一时刻的停车标签;

17、根据所述多个停车位的历史当前时刻的历史已停车时长、历史超时停车时长,采用第一预测模型预测所述历史下一时刻的停车预测结果;

18、根据所述停车预测结果和所述停车标签,对所述第一预测模型进行优化,得到所述出场预测模型。

19、可选的,若所述停车请求包括:预计停车时间,所述根据所述停车请求,向网络数据分析功能nwdaf网元发送预测请求,以使得所述nwdaf网元根据所述多个停车位的停车信息,采用预先训练的神经网络模型预测空闲车位信息,包括:

20、向所述nwdaf网元发送第二空位预测请求,以使得nwdaf网元根据所述预设监测区域的空位数量和所述预计停车时间,采用预先训练的空位预测模型确定所述预计停车时间的空位数量,所述空闲车位信息包括:所述预计停车时间的空位数量。

21、可选的,所述空位预测模型采用如下步骤进行训练:

22、获取所述预设监测区域的历史空位数据,所述历史空位数据包括:所述预设监测区域的历史当前时刻的第一空位数量和历史下一时刻的第二空位数量;

23、根据所述预设监测区域的历史当前时刻的第一空位数量,采用第二预测模型预测所述历史下一时刻的预测空位数量;

24、根据所述预测空位数量和所述第二空位数量,对所述第二预测模型进行优化,得到所述空位预测模型。

25、可选的,所述方法还包括:

26、若所述多个停车位在所述即时停车时间具有处于空闲状态的停车位,向所述终端设备发送所述空闲车位信息,所述空闲车位信息包括:处于空闲状态的停车位的位置信息。

27、第二方面,本技术实施例还提供一种智能车位监测装置,应用于应用功能af网元,所述装置包括:

28、监测请求发送模块,用于向预设监测区域的基站发送监测请求;

29、监测数据接收模块,用于接收所述预设监测区域的基站根据所述监测请求返回的监测数据,所述监测数据包括:所述预设监测区域的多个停车位的停车信息;

30、停车请求接收模块,用于接收终端设备发送的停车请求;

31、预测请求发送模块,用于根据所述停车请求,向网络数据分析功能nwdaf网元发送预测请求,以使得所述nwdaf网元根据所述多个停车位的停车信息,采用预先训练的神经网络模型预测空闲车位信息;

32、车位信息发送模块,用于接收所述nwdaf网元发送的所述空闲车位信息,并向所述终端设备转发所述空闲车位信息,所述空闲车位信息用于向所述终端设备指示处于空闲状态的停车位。

33、可选的,所述监测请求发送模块,具体用于通过网络能力开发功能nef网元向策略控制功能pcf网元发送监测服务请求,所述监测服务请求包括:所述预设监测区域的区域信息;所述pcf网元根据所述监测服务请求生成监测策略,并向接入和移动性管理功能amf网元发送所述监测策略;所述amf网元根据所述预设监测区域的区域信息,向所述预设监测区域的基站发送包括所述监测策略的所述监测请求。

34、可选的,若所述停车请求包括:即时停车时间,所述预测请求发送模块,具体用于若所述多个停车位在所述即时停车时间均处于非空闲状态,向所述nwdaf网元发送第一空位预测请求,以使得所述nwdaf网元根据所述多个停车位的停车时长信息,采用预先训练的出场预测模型得到预测出场时间对应的预测出场车位,所述空闲车位信息包括:所述预测出场车位的车位信息和所述预测出场时间。

35、可选的,所述出场预测模型采用如下模型训练模块进行训练:

36、所述模型训练模块,用于获取所述预设监测区域的历史监测数据,所述历史监测数据包括:所述多个停车位的历史当前时刻的历史已停车时长、历史超时停车时长以及历史下一时刻的停车标签;根据所述多个停车位的历史当前时刻的历史已停车时长、历史超时停车时长,采用第一预测模型预测所述历史下一时刻的停车预测结果;根据所述停车预测结果和所述停车标签,对所述第一预测模型进行优化,得到所述出场预测模型。

37、可选的,若所述停车请求包括:预计停车时间,所述预测请求发送模块,具体用于向所述nwdaf网元发送第二空位预测请求,以使得nwdaf网元根据所述预设监测区域的空位数量和所述预计停车时间,采用预先训练的空位预测模型确定所述预计停车时间的空位数量,所述空闲车位信息包括:所述预计停车时间的空位数量。

38、可选的,所述空位预测模型采用如下模型训练模块进行训练:

39、所述模型训练模块,还用于获取所述预设监测区域的历史空位数据,所述历史空位数据包括:所述预设监测区域的历史当前时刻的第一空位数量和历史下一时刻的第二空位数量;根据所述预设监测区域的历史当前时刻的第一空位数量,采用第二预测模型预测所述历史下一时刻的预测空位数量;根据所述预测空位数量和所述第二空位数量,对所述第二预测模型进行优化,得到所述空位预测模型。

40、可选的,所述车位信息发送模块,还用于若所述多个停车位在所述即时停车时间具有处于空闲状态的停车位,向所述终端设备发送所述空闲车位信息,所述空闲车位信息包括:处于空闲状态的停车位的位置信息。

41、第三方面,本技术实施例还提供一种电子设备,包括:处理器、存储介质和总线,所述存储介质存储有所述处理器可执行的程序指令,当电子设备运行时,所述处理器与所述存储介质之间通过总线通信,所述处理器执行所述程序指令,以执行如第一方面任一所述的智能车位监测方法的步骤。

42、第四方面,本技术实施例还提供一种计算机可读存储介质,所述存储介质上存储有计算机程序,所述计算机程序被处理器运行时执行如第一方面任一所述的智能车位监测方法的步骤。

43、本技术的有益效果是:

44、本技术提供的智能车位监测方法、装置、电子设备及存储介质,通过获取预设监测区域的多个停车位的停车信息,当接收到终端设备的停车请求时,请求nwdaf网元根据多个停车位的停车信息进行空位预测,得到空闲车位信息,使得终端设备基于该空闲车位信息可以确定处于空闲状态的停车位,以便终端设备对应的用户可以在目标时刻驾车前往预设监测区域中处于空闲状态的停车位进行停车,避免用户盲目前往预设监测区域但是没有停车位可以停车的情况出现,提高大众停车服务体验;通过及时为终端设备提供空闲车位信息,提高了预设监测区域的停车位利用率,从而提升预设监测区域的停车位管理效率和服务质量。

本文地址:https://www.jishuxx.com/zhuanli/20240731/187065.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。