[发明专利]一种基于时空特征的社区停车位状态检测及服务方法

说明书

技术领域

本发明涉及一种智能交通系统领域(ITS)停车位状态的检测及服务方法，特别是一种基于时空特征的状态检测以及服务方法。

背景技术

在智能交通领域，车主实时和准确的获取停车场车位状态信息能为车辆出行及停放等提供决策依据，从而达到减缓交通压力，减少排放等目的。停车位检测是指获取停车场的空余车位状态信息，停车位服务是包括停车位状态信息发布，停车位信息查询，停车位预定，车位收费管理等的面向管理人员及车主的服务内容。现有的检测方法多是针对个别停车位的状态检测，采用超声波检测，红外检测，地磁感应线圈等检测方法，价格高昂且施工困难，硬件设备故障率高，利用率低。而现有服务内容仅仅包括即时空余状态信息的数量发布，无法提供停车场实景状况给用户以直观感觉，同时不提供未来状态的预测以及区域内不同停车场车位数量的关联信息，而车主往往更加关心停车场未来的车位空余状态。

发明内容

本发明的技术解决问题：克服现有技术的不足，提供了一种基于时空特征的停车位状态检测及停车位服务方法，该方法检测准确率高，服务内容覆盖范围广，应用价值高。

本发明的技术解决方案：一种基于时空特征的社区停车位状态检测及服务方法，其特点在于通过以下步骤实现：

(1)根据停车场实时图像特征以及时空特征确定停车场车位空余状态水平，空余状态水平包括大量，充足，平衡，紧张，不足五类，所述大量是指空余E≥50％，充足是指35％≤E<50％，平衡是指20％≤E<35％，紧张是指10％≤E<20％，不足是指E<10％，依据停车位状态检测算法对停车场空余状态进行检测；

(2)基于停车位状态检测算法检测结果以及累积历史状态数据，在时空维度上提供服务；在时间维度上，依据历史状态以及即时空余状态，通过建立隐马尔科夫模型提供停车位空余状态水平的未来预测，在空间维度上，对目的功能区附近的停车场的车位数量进行空间关联分析，首先确定空间中具有相关性的停车场，然后对该停车场的车位数量进行回归分析，最后依据拟合的函数关系进行预测。

步骤(1)所述的停车位状态检测算法步骤如下：

(1)对当前图像特征进行场景化标注：首先进行Schilit场景化描述，Schilit场景化描述包括四类场景化描述：时间场景即对时间维度的描述，包括时间、时刻、季节；物理场景，即物理世界中环境资源，包括湿度、温度、阳光、建筑物；计算场景，即物理世界中的计算资源，包括打印机、计算机、网络；场景历史，即现阶段和过去的场景记录，场景描述的是描述用户4W，即What(指事件发生的类型)，Where(指事件发生的地点)，When(指事件发生的时间)，How(指事件的性质即影响程度)，然后依据Schilit场景要素将停车场图像场景要素划分为时间，地点，事件，环境，性质五个维度，结合图像特征构成六元组，实现对当前停车图像的场景化标注；

(2)对不同的图像进行空余状态标注，形成分类训练数据集，将空余状态水平划分为大量，充足，平衡，紧张，不足五类，具体类别比例如表1，根据具体状态水平进行空余状态标注；

(3)组合前述图像特征及场景化标注的信息形成检测向量，训练SVM分类器；

(4)对新输入图像进行场景化标注以及空余状态标注，输入SVM进行状态检测。

通过对温州市龙湾区区府社会停车场2015年3月至6月工作日9:00至17:00的数据进行训练，对7月份的同时段数据进行测试，对空余状态的检测准确性达到81％。

步骤(2)所述的通过建立隐马尔科夫模型提供停车位空余状态水平的未来预测步骤如下：

(1)定义从状态E_i转化为E_j的状态转移概率为P(E_i→E_j)＝P_ij；

(2)将时态特性引入状态转移概率，定义P(T_k，E_i→E_j)＝P_ij(T_k)；