[發(fā)明專利]一種基于聚類分析的路側(cè)停車位分類方法

有效

• 申請?zhí)枺?/td>: 202110674918.4
• 申請日: 2021-06-17
• 公開（公告）號(hào): CN114005100B
• 公開（公告）日: 2022-09-13
• 發(fā)明（設(shè)計(jì)）人: 于海濤;孫蕊;朱佳佳;刁樹黨;肖冉東;杜勇;楊雪;付笑寧
• 申請（專利權(quán)）人: 北京市智慧交通發(fā)展中心（北京市機(jī)動(dòng)車調(diào)控管理事務(wù)中心）
• 主分類號(hào): G06V20/58
• 分類號(hào): G06V20/58;G06V20/40;G06V10/762;G06F16/75;G06F16/78
• 代理公司: 北京科迪生專利代理有限責(zé)任公司 11251
• 代理人: 張乾楨

本發(fā)明公開了一種基于聚類分析的路側(cè)停車位分類方法，針對所要研究的停車位，根據(jù)停車訂單數(shù)據(jù)，提取出給定時(shí)間段內(nèi)的所有訂單的進(jìn)車時(shí)間和出車時(shí)間，并根據(jù)進(jìn)出車時(shí)間計(jì)算停車持續(xù)時(shí)間。對提取出的訂單進(jìn)出車時(shí)間和持續(xù)時(shí)間進(jìn)行異常值處理及空缺數(shù)據(jù)修復(fù)，并根據(jù)進(jìn)出車時(shí)間和持續(xù)時(shí)間以一小時(shí)為間隔計(jì)算泊位利用率，生成利用率時(shí)間序列。根據(jù)所有泊位利用率時(shí)間序列，使用聚合層次聚類算法將時(shí)間序列劃分成不同的時(shí)間段，并計(jì)算該時(shí)間段內(nèi)的泊位利用率。最后，以不同時(shí)間段內(nèi)的利用率為特征，使用模糊C均值聚類算法對泊位進(jìn)行分類。本發(fā)明的方法能夠?yàn)槌鞘械耐＼嚬芾硖峁┯辛Φ闹危苊饷つ繑U(kuò)張現(xiàn)有停車位，促進(jìn)城市交通管理的科學(xué)化和現(xiàn)代化進(jìn)程。

技術(shù)領(lǐng)域

本發(fā)明屬于智能交通技術(shù)領(lǐng)域，尤其涉及一種基于聚類分析的路側(cè)停車位分類處理方法。

背景技術(shù)

目前智能停車的主要精力都集中在自動(dòng)收費(fèi)上，部分開始關(guān)注停車引導(dǎo)與反向?qū)ぼ嚕@些技術(shù)與功能優(yōu)化了停車管理，提高了用戶的體驗(yàn)。但是智能停車所涵蓋的技術(shù)遠(yuǎn)不止這些，通過數(shù)據(jù)驅(qū)動(dòng)了解用戶停車規(guī)律，對泊位的使用屬性進(jìn)行分類，運(yùn)行效果進(jìn)行評(píng)價(jià)，面向類別，制定差異化停車管理策略，如錯(cuò)時(shí)停車，依據(jù)這些信息去合理規(guī)劃停車位，對提升動(dòng)態(tài)管理政策的前瞻性至關(guān)重要。

發(fā)明內(nèi)容

針對現(xiàn)有有限的路側(cè)停車資源下，對機(jī)動(dòng)車停車位進(jìn)行合理規(guī)劃的問題，本發(fā)明提出了一種基于聚類分析的路側(cè)停車位分類方法，該方法基于高位視頻、視頻樁和地磁記錄的路側(cè)停車泊位運(yùn)行訂單數(shù)據(jù)，同時(shí)基于一系列正確的數(shù)據(jù)挖掘流程，建立泊位分類模型，對停車泊位數(shù)據(jù)進(jìn)行分析和評(píng)價(jià)，可以挖掘車位的占用信息，并以此結(jié)果能給與智能停車管理規(guī)劃以理論支持，并以此作為依據(jù)幫助管理者改善路側(cè)停車位的管理。

本發(fā)明提出的一種基于聚類分析的路側(cè)停車位分類方法，包括如下步驟：

步驟(1)根據(jù)路側(cè)停車訂單數(shù)據(jù)，篩選出設(shè)有高位視頻、視頻樁或地磁的泊位，將這些泊位作為分類目標(biāo)；

步驟(2)根據(jù)訂單中的狀態(tài)字段篩選出有效訂單，并對訂單數(shù)據(jù)進(jìn)行清洗和數(shù)據(jù)消減，提取進(jìn)車時(shí)間、出車時(shí)間及持續(xù)時(shí)間，并針對提取出的訂單進(jìn)、出車時(shí)間和持續(xù)時(shí)間進(jìn)行異常值處理及空缺數(shù)據(jù)修復(fù)；

步驟(3)基于一個(gè)月歷史停車數(shù)據(jù)，以一小時(shí)為間隔計(jì)算泊位利用率，生成泊位的利用率時(shí)間序列；

步驟(4)根據(jù)所有泊位利用率時(shí)間序列，綜合考慮多種停車數(shù)據(jù)簇間相似度計(jì)算方法，使用聚合層次聚類算法將時(shí)間序列重新劃分成多個(gè)不同的時(shí)間段，并計(jì)算該多個(gè)不同時(shí)間段內(nèi)的泊位利用率；

步驟(5)以所述多個(gè)不同時(shí)間段內(nèi)的利用率為特征，使用“手肘法”確定泊位的聚類數(shù)，使用模糊C均值聚類算法對泊位進(jìn)行分類。

進(jìn)一步的，所述步驟(2)根據(jù)訂單中的狀態(tài)字段篩選出有效訂單，對于持續(xù)時(shí)間小于1分鐘的訂單認(rèn)為是檢測設(shè)備靈敏度較高造成的非停車行為的混入，這些訂單無法體現(xiàn)車位的使用情況，因此給予刪除；對于出車時(shí)間小于進(jìn)車時(shí)間的訂單認(rèn)為是異常訂單，給予刪除；對持續(xù)時(shí)間大于2天的訂單給予刪除。

進(jìn)一步的，所述步驟(3)中所述刻畫小時(shí)間的泊位利用率，具體為：基于停車訂單數(shù)據(jù)，定義泊位利用率：

其中，u_ij為泊位i在第j個(gè)自然小時(shí)的泊位利用率，i表示不同的泊位，j表示不同的采集時(shí)間,i＝1,2,…,M,j＝0,2,…,23；T_ijkl為泊位i在第k個(gè)日期第l個(gè)訂單在第j個(gè)自然小時(shí)的持續(xù)時(shí)間，k表示不同日期，l表示不同訂單k＝1,2,…K,l＝1,2,…,L；K表示天數(shù)，M表示泊位數(shù)量。

進(jìn)一步的，所述步驟(4)中的多種簇間相似度計(jì)算方法包括“重心法”、“方差法”、“最短距離法”；所述使用聚合層次聚類算法將時(shí)間序列劃分成n個(gè)時(shí)間段j′,j′＝1,2,…,n，其中n為劃分的多個(gè)不同時(shí)間段的個(gè)數(shù)，計(jì)算該多個(gè)不同時(shí)間段內(nèi)的泊位利用率的計(jì)算方法具體為：