[发明专利]一种智慧园区停车决策优化方法及系统

说明书

本发明涉及停车决策优化的技术领域，揭露了一种智慧园区停车决策优化方法及系统，所述方法包括：采集智慧园区内历史停车数据的停车影响因子；构建多影响因子智慧园区停车数量回归模型；基于多影响因子智慧园区停车数量回归模型预测停车园区在当前日期的停车数量，并构建停车园区停车特征向量；基于停车园区停车特征向量构建神经网络停车园区决策优化模型；利用启发式算法对神经网络停车园区决策优化模型进行训练优化，模型输出当前车辆的最优停车园区。本发明所述方法基于历史数据的停车影响因子实现不同停车园区停车数量的预测，利用启发式算法计算车辆位置与不同停车园区位置的距离，提高决策优化模型优化的速度，快速得到可用决策模型。

技术领域

本发明涉及停车决策优化的技术领域，尤其涉及一种智慧园区停车决策优化方法及系统。

背景技术

随着产业园区规模的不断扩张，停车难的问题越来越突出。虽然市面出现了大量帮助行驶者快速停车的软件，提高了园区用户的停车效率。但并未完全实现智慧停车这一目标。由于不同园区停车场数据都存在独立的后台系统，各个停车场的数据也未实现互通，就会出现行驶者到停车场时没有停车位又无法确认最近停车场及停车路线规划的问题，针对该问题，本申请提出一种智慧园区停车决策优化方法及系统，基于智慧园区内不同停车园区的位置、预测所得的空余停车车位率以及收费标准，选取最优的停车园区作为待停车车辆的停车园区。

发明内容

有鉴于此，本发明提供一种智慧园区停车决策优化方法，目的在于（1）基于历史数据计算不同停车园区的停车影响因子，并构建多影响因子智慧园区停车数量回归模型实现当前日期不同停车园区停车数量的预测，从而得到当前日期不同停车园区的空余停车车位率，具有较大倾向选取空余停车车位率高的停车园区进行停车，辅助决策优化模型进行停车决策优化；（2）基于停车园区停车特征向量构建神经网络停车园区决策优化模型，并利用启发式算法计算车辆当前位置与不同停车园区位置的距离，从而提高模型训练的速度，快速得到可用模型，基于决策优化模型得到最优停车园区位置进行停车。

实现上述目的，本发明提供的一种智慧园区停车决策优化方法，包括以下步骤：

S1：采集智慧园区内历史停车数据的停车影响因子，并对所采集的停车影响因子进行预处理；

S2：构建多影响因子智慧园区停车数量回归模型，其中所述模型以预处理后的停车影响因子为输入，以当前日期停车数量的预测结果为输出；

S3：基于多影响因子智慧园区停车数量回归模型预测停车园区在当前日期的停车数量，并构建停车园区停车特征向量；

S4：基于停车园区停车特征向量构建神经网络停车园区决策优化模型，其中所述决策优化模型以车辆位置以及停车特征向量为输入，以智慧园区内最优停车园区为输出；

S5：利用启发式算法对神经网络停车园区决策优化模型进行训练优化，将车辆位置输入到训练优化后的模型中，模型输出最优停车园区并将最优停车园区位置发送到车辆导航系统中，驾驶员可根据导航信息驾驶车辆到达最优停车园区进行停车。

作为本发明的进一步改进方法：

可选地，所述S1步骤中采集智慧园区内历史停车数据的停车影响因子，包括：

所述智慧园区内历史停车数据包括智慧园区内不同停车园区的停车历史记录数据，停车历史记录数据包括订单号、车辆车牌号、停车园区的位置、停车开始时间、停车结束时间、停车费用、日期、天气、温度，从历史停车数据中提取不同停车园区的停车影响因子；

所述停车影响因子包括停车园区位置、天气影响因子、停车数量影响因子、节假日影响因子以及温度影响因子，其中所述停车影响因子为基于历史数据的停车影响因子。

可选地，所述S1步骤中对所采集的停车影响因子进行预处理，包括：