[發明專利]基于實時交通查詢和云模型的停車場車位預測和推薦方法

在審

• 申請號: 201511000508.2
• 申請日: 2015-12-25
• 公開（公告）號: CN105513414A
• 公開（公告）日: 2016-04-20
• 發明（設計）人: 徐宿陽;陶軍;徐西睿;馮富琴;朱永成;陳俊峰
• 申請（專利權）人: 江蘇東大金智信息系統有限公司
• 主分類號: G08G1/14
• 分類號: G08G1/14;G06F17/30;G06Q10/04;G06Q10/02
• 代理公司: 江蘇致邦律師事務所 32230
• 代理人: 樊文紅

1.基于實時交通查詢和云模型的停車場車位預測和推薦方法，其特征在于，該方法分為 兩個模塊，第一個模塊是實時交通查詢反饋模塊，第二個模塊是空余泊位預測模塊，所述空 余泊位預測模塊使用云模型進行預測，結合停車場的歷史數據以及當前實時的變化，預測未 來停車場的空余泊位數變化趨勢。

2.根據權利要求1所述的停車場車位預測和推薦方法，其特征在于，所述實時交通查詢 反饋模塊主要流程如下：

步驟1：駕駛員利用電子地圖進行目的地的路線導航，目的地附近的停車場根據電子地 圖提供的LBS云服務，對駕駛員的查詢信息進行處理和利用；

步驟2：停車場向駕駛員實時推送停車場泊位信息服務；

步驟3：停車場向駕駛員提供推薦和在線泊位預約服務，綜合個人偏好、距離目的地遠 近、停車場費用、預測的空余泊位數四個因素，向駕駛員推薦其選擇概率最大的停車場；

步驟4：對于選擇了某一目的地，但沒有進行停車場車位預約的駕駛員，綜合步驟3的 四個因素，計算其選擇目的地附近某一停車場的概率；

步驟5：停車場根據估算出的駕駛員到達時間，依據步驟4計算出來的概率，預測在那 一段時間里進入停車場的車流量。

3.根據權利要求1所述的停車場車位預測和推薦方法，其特征在于，所述空余泊位預測 模塊預測流程如下：

步驟1：設A_i和B_i分別是由云模型表示的推理規則前件和后件語言變量的原子概念，由前 件A_i生成后件歷史云B_i；

步驟2：將反映當前趨勢的當前云I_t(Ex₂，En₂，He₂)和歷史云B_i(Ex₁，En₁，He₁) 進行慣性加權得到預測云S_i(Ex，En，He)，用預測云S_i進行停車場空余泊位數的預測；

步驟3：預測云S_i與歷史數據生成云模A_i，一起進行停車場車位的動態預測，預測結果為 Z；

步驟4：獲取最終的預測結果R，R＝α×Z-(1-α)×Y-X，0≤α≤1，X≤M，加權系數α利用 上個星期同一時間的真實歷史記錄產生，將歷史記錄中真實的R，X，Y，Z代入上式，計算 出加權系數α。

4.根據權利要求2所述的停車場車位預測和推薦方法，其特征在于，所述步驟(2)中 停車場推送的內容包括目的地附近的各個停車場名稱，當前各個停車場空余的泊位數S，駕 駛員預計到達目的地停車場的時間T(min)，在T時間后停車場可能的空余泊位數R。

5.根據權利要求2所述的停車場車位預測和推薦方法，其特征在于，所述步驟3中，駕 駛員可根據自身情況選擇泊位預約，預約時需選好到達時間區間并支付一定金額的預約金， 若在預約時間內沒有到達停車場，則取消預約車位并扣除預約金。

6.根據權利要求3所述的停車場車位預測和推薦方法，其特征在于，所述步驟1中的歷 史云模型由時間變量t刺激X條件云發生器得到，所述歷史云B_i的判定生成過程如下：

步驟1：根據A₁,…,A_i,….,A_m構造X條件發生器CG₁,…,CG_i,…,CG_m；

步驟2：將x＝t作為條件輸入發生器，得到μ₁,…,μ_i,…,μ_m；

步驟3：找出最大的μ_i，則μ_i∈A_i；

步驟4：A_i的后件B_i為歷史云。