[发明专利]停车盲点识别方法、装置及电子装置、计算机程序产品

说明书

本申请提出了一种停车盲点识别方法，包括：获取目标区域内每一停车场的停车场特征；根据停车场特征归集出对应每一停车场的第一特征集和第二特征集，并根据第一特征集计算各个停车场之间的相似系数，再根据各个停车场的相似系数和第二特征集计算各个停车场之间的第一马氏距离；使用任一聚类方法将各个停车场之间的第一马氏距离按照设定的聚类个数进行聚类得到与聚类个数相同数量的聚类中心，将远离聚类中心超过设定阈值的停车场作为候选停车盲点；当候选停车盲点的停车位占用率低于目标区域中所有停车场停的车位占用率的平均值时，判定该候选停车盲点为停车盲点。该方法通过计算各个停车场之间的马氏距离进行聚类，根据聚类结果识别停车盲点。

技术领域

本申请涉及城市级智慧停车领域，特别是涉及一种停车盲点识别方法、装置及电子装置、计算机程序产品。

背景技术

停车难问题早已成为各大城市的通病，智慧停车行业因此也成为了改善停车环境、满足停车需求的良方。智慧停车是各地政府、企业和民众多方共赢的必然选择，也是优化社会资源配置、提升城市形象、推动产业升级和促进生态文明城市建设的必经之途，具有良好的发展前景。从监管运营的角度出发，挖掘各个停车场中的停车盲点，提供相应建议解决经营不善问题具有重要意义，不仅能够缓解停车难问题，也能增强车主的获得感，还能带来更高的经济收益。

在现有技术进行停车盲点识别时，往往从停车场平均利用率，停车场平均收益情况等数值型数据入手，而缺少对其他数据的利用；并且，根据主观经验对停车场平均利用率，停车场平均收益情况等数据利用阈值筛选或者专家判别的方法进行识别，而采用这样的方法时，往往阈值的选择难以找到逻辑上的支撑，无法保障算法的合理性；以及，对数据间的差距用欧式距离来衡量，尽管会在计算欧氏距离之前对数据进行标准化或者归一化来消除量纲的影响，但欧氏距离仍然没有考虑到变量之间的相关性，且使用标准化或归一化后，无法衡量每一类数据的贡献度，即无法消除数据单位造成的影响。

发明内容

本申请实施例提供了一种停车盲点识别方法、装置及电子装置、计算机程序产品，该方法通过提取到目标区域内多个停车场的停车场特征，归集出第一特征集和第二特征集，并根据第一特征集计算出各个停车场之间的相似系数，以及根据第二特征集和该相似系数计算出各个停车场之间的马氏距离，实现通过根据停车场之间的马氏距离的聚类结果识别停车盲点。

第一方面，本申请实施例提供了一种停车盲点识别方法，包括以下步骤：

获取目标区域内每一停车场的停车场特征，所述停车场特征包括平均停车位占用率；

根据所述停车场特征归集出对应每一所述停车场的第一特征集，并根据所述第一特征集计算各个所述停车场之间的相似系数；

根据所述停车场特征归集出对应每一所述停车场的第二特征集，并根据所述第二特征集和各个所述停车场之间的所述相似系数计算各个所述停车场之间的第一马氏距离；

使用任一聚类方法将各个所述停车场之间的所述第一马氏距离按照设定的聚类个数进行聚类得到与所述聚类个数相同数量的聚类中心，将远离所述聚类中心超过设定阈值的停车场作为候选停车盲点；

当所述候选停车盲点的停车位占用率低于所述目标区域中所有停车场停的车位占用率的平均值时，判定所述候选停车盲点为停车盲点。

第二方面，本申请实施例提供了一种停车盲点识别装置，用于实现第一方面中所述的停车盲点识别方法，该装置包括以下模块：

获取模块，用于获取目标区域内每一停车场的停车场特征；

第一计算模块，用于根据所述停车场特征归集出对应每一所述停车场的第一特征集，并根据所述第一特征集计算各个所述停车场之间的相似系数；

第二计算模块，用于根据所述停车场特征归集出对应每一所述停车场的第二特征集，并根据所述第二特征集和各个所述停车场之间的所述相似系数计算各个所述停车场之间的第一马氏距离；