基于物联网的城市智慧停车管理系统

本技术属于智慧停车，涉及智慧停车技术，具体是基于物联网的城市智慧停车管理系统。

背景技术：

1、物联网技术是一种将物体与网络相连接，通过信息传感设备将物体与网络相连，实现信息交换和通信的先进技术，具备整体感知、可靠传输和智能处理等特点。它借助传感器和终端设备，能够实时感知物体的状态和属性，并通过网络将数据传输到云端进行处理。物联网技术的应用范围广泛，它在智慧城市、智能交通、智能家居等多个领域有广泛应用，不仅提升了管理效率，还为人们带来了更便捷的生活体验。随着技术的不断发展，物联网正成为推动社会智能化进程的重要力量。

2、现有技术(公开号为cn113990097a的发明专利申请)公开了一种基于物联网的智慧停车管理系统，包括停车管理平台、停车场平台录入系统、停车客户端、分类管理模块、导航系统和数据调查统计系统，所述停车客户端、停车场平台录入系统和停车管理平台均与互联网平台进行连接，用于对城市的停车场信息集中管理；所述停车场平台录入系统用于将城市内的各种停车场进行录入，并对录入的停车场信息进行分类，本发明通过停车管理平台、停车场平台录入系统、数据调查统计系统、互联网平台和停车客户端之间的配合连接可以对全市的停车场进行一个系统的管理，使车主能够直观看清楚所有停车场的具体情况，方便找到相应的车位，减少了不必要的麻烦，也极大地提高了停车效率。

3、上述一种基于物联网的智慧停车场管理系统通过对城市内各个停车场进行统计分类；并将结果推送给车主，由车主进行停车位预约；当出现车主预约与本车主距离较远的停车场时，在车主前往停车场的时间较长，这段时间内相应的停车场内的停车名额少了一位，如果这种情况较多会导致，在相应停车场附近的车辆无法停入相应的停车场，导致停车场内大量的空余车位在一定时间内浪费；

技术实现思路

1、本技术旨在至少解决现有技术中存在的技术问题之一；为此，本技术提出了基于物联网的城市智慧停车管理系统，用于解决现有的停车管理系统车位分配不合理导致的资源浪费的技术问题，本技术通过车主终端获取推荐模式和需求信息，根据需求信息和历史停车数据得到可推荐停车场，根据需求信息和可推荐停车场生成各个停车场对应的车辆优先级表，根据车辆优先级表生成推荐停车场，解决了上述问题。

2、为实现上述目的，本技术的第一方面提供了基于物联网的城市智慧停车管理系统，包括：数据库、停车需求统计模块、停车场统计模块、推荐模块、车主终端和停车场终端；

3、停车需求统计模块：通过与之相连接的车主终端获取推荐模式和需求信息；其中，所述推荐模式包括位置优先模式、可靠性优先模式和综合优先模式；需求信息包括需求车辆、需求时间、需求车辆位置和需求停车位置；

4、停车场统计模块：通过与之相连接的数据库获取各个停车场对应的历史停车数据，根据历史停车数据生成各个时段对应的预测车辆增加量，根据预测车辆增加量生成预测空余车位，根据预测空余车位生成对应停车场的可靠性优先级；以及，

5、通过与之相连接的停车场终端获取停车场位置，根据停车场位置和需求停车位置生成位置优先级；

6、推荐模块：根据位置优先级和可靠性优先级选取可推荐停车场；根据可推荐停车场和需求信息生成车辆优先级表；根据车辆优先级表生成推荐停车场；获取需求车辆与推荐停车场之间的最优路径，将所述最优路径作为规划路径；将规划路径和推荐停车场发送至车主终端，将对应的需求车辆发送至停车场终端。

7、本技术通过车主终端获取推荐模式和需求信息，根据需求信息和历史停车数据得到可推荐停车场，根据需求信息和可推荐停车场生成各个停车场对应的车辆优先级表，根据车辆优先级表生成推荐停车场，将推荐停车场和规划路径一同发送至车主终端；使得能够综合考虑需求车辆、需求停车位置、停车场位置和空余车位，合理分配空余车位；减轻由于车位分配不合理导致的资源浪费的问题。

8、优选的，所述根据历史停车数据生成各个时段对应的预测车辆增加量，包括：

9、提取历史停车数据中的记录时间和其对应的流量数据；提取记录时间中的记录日期和记录时段；获取若干记录日期为工作日的相同记录时段的流量数据，按照记录日期的顺序进行排列，生成若干时段预测数据组；

10、提取流量数据中的单位时间的驶入车流量标记为sri和驶出车流量标记为sci；获取所述流量数据对应的记录时段的时段长度标记为cdi；其中，i为记录时段的编号；

11、通过公式zji＝cdi×(sri-sci)计算得到所述记录时段对应的车辆增加数量zji；其中，i＝1，2，…，n；n为同一记录日期下记录时段的总数；

12、将同一时段预测数据组内若干车辆增加数量按照记录日期的顺序拟合生成时段预测曲线；判断需求时间中的需求日期是否为工作日；

13、是，则根据与需求时段相同的记录时段对应的时段预测曲线预测此时段，得到车辆增加量一；可以理解的是，此处的时段为需求时段；

14、否，则根据与需求时段相同的记录时段对应的时段预测曲线预测此时段，得到车辆增加量一，根据日期系数与车辆增加量一生成车辆增加量二；

15、其中，历史停车数据包括记录时间和流量数据；记录时间包括记录日期和记录时段；流量数据包括驶入车流量和驶出车流量；需求时间包括需求日期和需求时段；预测车辆增加量包括车辆增加量一和车辆增加量二。

16、优选的，所述根据日期系数与车辆增加量一生成车辆增加量二，包括：

17、获取与各个记录日期为非工作日中记录时段与需求时段相同的车辆增加数量的平均值gpi；

18、获取若干记录日期为非工作日的记录时段与需求时段相同的流量数据，根据所述流量数据计算得到非工作日对应的车辆增加数量的平均值，并标记为fpi；

19、通过公式rqj＝∑[(exp(-|i-j|)/∑(exp(-|i-j|)))×(fpi/gpi)]计算得到需求时段对应的日期系数；其中，i＝1，2，…，n；j为需求时段在同一需求日期下对应的编号；

20、获取车辆增加数量一标记为zj1；

21、通过公式zj2＝rqj×zj1计算得到需求时段对应的车辆增加数量二。

22、优选的，根据预测车辆增加量生成所述预测空余车位，包括：

23、通过停车场终端获取当前的空余车位数量；将当前的空余车位数量减去预测车辆增加量得到预测空余车位。

24、优选的，所述根据预测空余车位生成对应停车场的可靠性优先级，包括：

25、获取预测车辆增加数量标记为yz；获取停车场的总车位数标记为zc；获取预测空余车位的数量标记为yc；

26、通过公式ky＝α1×exp(-|yz/yc|)+α2×exp(-|yz/zc|)计算得到所述停车场对应的可靠性优先级ky；其中，α1和α2为权重系数。

27、本技术中通过预测车辆增加数量、总车位数和预测空余车位综合计算得到各个停车场对应的优先级，使得优先级能够充分的表达该停车场的当前状态是否适合停车；当预测空余车辆越多时，对应的停车场的可靠性优先级的值越大；当停车场的车位总数越多时，出现驶离的可能性越大，预测空余车位的数量增加的可能性就越大，对应停车场的可靠性优先级的值越大；而预测车辆增加数量越大，说明对应的停车场车位的状态变化情况大，不稳定，因此对应停车场的可靠性优先级的值越小。

28、优选的，根据停车场位置和需求停车位置生成所述位置优先级，包括：

29、通过停车场终端获取各个停车场的停车场位置，获取需求停车位置，将需求停车位置作为起始位置，停车场位置作为目标位置输入最优路径生成模型，得到最优路径；当最优路径的距离小于距离阈值时，则将最优路径的距离标记为zj；最优路径的预估时间标记为zs；

30、通过公式wy＝exp[-(zl/k1)-(zs/k2)]计算得到位置优先级wy；其中，最优路径生成模型通过人工智能模型训练得到；k1和k2为拉伸系数，通过经验设置；可以理解的是，k1的具体数值应根据最优路径的距离zj设置，如可以为100m；k2的具体数值应根据最优路径的预估时间zs设置，如可以为10min。

31、本技术通过，对需求停车位置和其附近的停车场位置生成其停车的最优路径，通过最优路径的距离和预估时间生成对应停车场的位置优先级；便于后续将多个停车场进行比较时，将多个停车场的数据转换到同一尺度，便于对多个停车场进行比较，进而便于进行推荐停车场；最优路径的距离越短对应的位置优先级的值就越大；最优路径的预估时间越短对应的位置优先级的值就越大。

32、优选的，根据位置优先级和可靠性优先级选取所述可推荐停车场，包括：

33、获取各个停车场对应的位置优先级wy和可靠性优先级ky；

34、通过公式zy＝β1×wy+β2×ky计算得到对应停车场的综合优先级zy；其中，β1和β2为可调权重系数；

35、获取推荐模式，当推荐模式为位置优先模式时，则设置可调权重系数β1>β2；计算各个停车场的综合优先级，并按照综合优先级从大到小的顺序进行排列，将设定排名之内的停车场作为可推荐停车场；

36、当推荐模式为可靠性优先模式时，则设置可调权重系数β1<β2；计算各个停车场的综合优先级，并按照综合优先级从大到小的顺序进行排列，将设定排名之内的停车场作为可推荐停车场；

37、当推荐模式为综合模式时，则设置可调权重系数β1＝β2；计算各个停车场的综合优先级，并按照综合优先级从大到小的顺序进行排列得到，将设定排名之内的停车场作为可推荐停车场。

38、可以理解的是，此处得到得可推荐停车场是对应需求车辆的可以推荐的停车场。

39、优选的，根据可推荐停车场和需求信息生成所述车辆优先级表，包括：

40、获取各个可推荐停车场的停车场位置，获取所述可推荐停车场对应的若干需求车辆位置；将需求车辆位置作为起始位置，停车场位置作为目标位置输入最优路径生成模型，得到最优路径；获取若干最优路径的预估时间，标记为ys；可以理解的是，预估时间的单位相同可以是分钟，可以是小时，可以是秒；

41、通过公司yy＝exp(-γ×ys)计算得到各个需求车辆对应的车辆优先级yy；将车辆优先级按照从大到小的顺序进行排列，生成车辆优先级表；其中，γ为比例系数。

42、可以理解的是，预估时间的值越大，其对应的优先级就越小。

43、优选的，所述最优路径生成模型通过人工智能模型训练得到，包括：

44、获取起始位置、目标位置和其对应的若干条可行路径，获取若干条可行路径中通行时间较短，同时行驶距离也较短的可行路径作为最优路径；将起始位置、目标位置、可行路径和最优路径整合成若干组训练数据和检验数据；

45、使用训练数据对人工智能模型进行训练；使用检验数据对训练后的人工智能模型进行检验，根据检验结果对人工智能模型进行调整；最终得到输入为起始位置和目标位置，输出为最优路径的最优路径生成模型；

46、其中，最优路径为兼顾起始位置到达目标位置的通行时间和行驶距离的最优的路径选择；人工智能模型包括bp神经网络模型或者rbf神经网络模型。

47、值得注意的是，本实施例中的通行时间为车辆当前通过对应可行路径的预估最短时间；其中，需要考虑当前对应可行路径的拥堵情况。

48、优选的，根据车辆优先级表生成所述推荐停车场，包括：

49、获取任意一需求车辆对应的可推荐停车场对应的车辆优先级表和预测空余车位；选取各个车辆优先级表中排名在预测空余车位数量之内的需求车辆，组成需求车辆组，获取各个需求车辆组中包含所述需求车辆的停车场的综合优先级，选取综合优先级对应数值最大的停车场作为推荐停车场。

50、可以理解的是，当生成需求车辆对应的推荐停车场时，该需求车辆对应的各个可推荐停车场对应的车辆优先级表中自动将该需求车辆删除。

51、值得注意的是，本实施例中可以由车主选择规划路径，如果是车主选择规划路径，则用规划路径替代文中的最优路径生成相应的数据。

52、与现有技术相比，本技术的有益效果是：

53、1.本技术通过车主终端获取推荐模式和需求信息，根据需求信息和历史停车数据得到可推荐停车场，根据需求信息和可推荐停车场生成各个停车场对应的车辆优先级表，根据车辆优先级表生成推荐停车场，将推荐停车场和规划路径一同发送至车主终端；使得能够综合考虑需求车辆、需求停车位置、停车场位置和空余车位，合理分配空余车位；减轻由于车位分配不合理导致的资源浪费的问题。

54、2.本技术通过，对需求停车位置和其附近的停车场位置生成其停车的最优路径，通过最优路径的距离和预估时间生成对应停车场的位置优先级；便于后续将多个停车场进行比较时，将多个停车场的数据转换到同一尺度，便于对多个停车场进行比较。