基于数字孪生与联邦学习的社区停车协同导航方法和系统与流程

本技术涉及智能停车，特别是涉及一种基于数字孪生与联邦学习的社区停车协同导航方法和系统。

背景技术：

1、随着城市化进程加速和私家车保有量的持续增长，城镇居民出行最后一公里问题日益突出，其中老旧小区停车难、停车乱已成为社区治理的痛点之一。据调研数据显示，车主在进入小区后平均需要花费4到8分钟盲目绕行寻找车位，不仅会造成燃油浪费和碳排放增加，还可能因小区内部道路狭窄、人车混行而引发严重的安全隐患。此外，停车资源存在显著的结构性错配，表现为地面车位一位难求而地下或私人车位大量闲置，共享停车模式虽应运而生，允许业主时段性共享闲置车位，然而，现有共享停车方案多停留在供需匹配层面，未将共享车位状态及实时导航打通，用户仍需在进入小区后自行寻找共享车位位置，且缺乏对共享车位周边安全环境的评估。故而现有方案再精细化引导、安全避让、动态调配、信任机制及隐私保护等方面仍存在明显不足。

技术实现思路

1、因此，为了克服上述现有技术的缺点，本发明提供一种基于数字孪生与联邦学习的社区停车协同导航方法和系统，该方法能够通过实时感知车位状态并融合小区道路拓扑，通过数字孪生提供从入口到目标车位的逐点精准引导，且利用联邦学习，在保护各小区数据隐私的前提下，实现了跨区域资源供需的精准预测，提升了整体匹配效率。

2、为了实现上述目的，本发明提供一种基于数字孪生与联邦学习的社区停车协同导航方法，包括：基于每个签约社区的实时监测数据进行高精度三维建模映射，并构建社区停车资源的数字孪生体数据库，该数字孪生体数据库与多个签约社区对应；接收各所述签约社区的本地端上传的本地预测模型的模型参数，该本地预测模型是所述本地端采用联邦学习框架对每个签约社区的历史车位占用数据学习训练得到的；根据所述本地预测模型的模型参数和数字孪生体生成与所述社区停车资源对应的全局预测模型，以便对实时生成预计时间段内各签约社区车位的需求热度和空闲时间分布的全局预测结果；基于用户终端上传的账号信息以及实时位置，推送该实时位置对应的所述全局预测结果，以便所述用户终端进行展示签约社区车位；接收所述用户终端反馈的目标车位，调用路径规划方法从所述数字孪生体生成导航路径，将所述导航路径推送给所述用户终端；当所述用户终端对应的用户车辆到达所述目标车位时，通过所述目标车位上传的传感器信号，生成合约使用时间段，以便统计该用户终端的车位费用信息。

3、在其中一些实施例中，所述实时监测数据的采集方法包含：通过所述签约社区的视频采集单元实时获取所述签约社区的视频图像；通过签约社区车位的状态传感器实时获取所述签约社区车位的车位信息；将所述视频图像和所述车位信息基于时间戳汇总，得到所述实时监测数据。

4、在其中一些实施例中，所述本地预测模型是所述本地端采用联邦学习框架对每个签约社区的历史车位占用数据学习训练得到的，包括：获取所述签约社区的历史车位占用数据，该历史车位占用数据至少包含该签约社区的进出车辆记录、业主车位共享记录、节假日数据、车位使用时间段；采用联邦学习框架基于所述历史车位占用数据在各签约社区的本地端训练本地共享车位预测模型；将所述本地共享车位预测模型的模型参数上传云服务器，并接收所述云服务器反馈并调整后的调整参数；基于所述调整参数对所述本地共享车位预测模型进行优化，得到本地预测模型。

5、在其中一些实施例中，所述采用联邦学习框架基于所述历史车位占用数据在训练本地共享车位预测模型，包括：接收云服务器发来的初始化的共享车位预测模型架构，该共享车位预测模型架构是采用基于注意力机制的时序卷积网络作为基础骨干网络的；将所述历史车位占用数据中的所述进出车辆记录、所述业主车位共享记录、所述节假日数据和所述车位使用时间段转换成一个具有多维特征的本地训练数据集；将所述本地训练数据集输入所述共享车位预测模型架构进行本地学习训练，并不断迭代本地共享车位预测模型的模型参数。

6、在其中一些实施例中，所述根据所述本地预测模型的模型参数和数字孪生体生成与所述社区停车资源对应的全局预测模型，以便对实时生成预计时间段内各签约社区车位的需求热度和空闲时间分布的全局预测结果，包括：将接收到的多个本地预测模型的模型参数，作为先验知识输入至预设的基础神经网络框架中，该基础神经网络框架具有与各本地预测模型相同的输入维度和输出维度，形成与各所述本地预测模型对应的模型副本；将各数字孪生体的模型参数融合得到融合参数，将所述融合参数作为全局预测模型的初始化参数，并将所述数字孪生体的动态属性层编码为额外的静态协变量输入，嵌入到全局预测模型的输入层中，从而生成与所述社区停车资源对应的全局预测模型；以预设时间频率实时接收来自各所述签约社区的实时监测数据；将所述实时监测数据输入至对应社区的数字孪生体中，以修正当前时刻的车辆到达率估计值；将最近一个时间窗口的实时监测数据序列输入至所述全局预测模型，实时生成该时间窗口起预计时间段内各签约社区车位的需求热度和空闲时间分布的全局预测结果。

7、在其中一些实施例中，所述接收所述用户终端反馈的目标车位，调用路径规划方法从所述数字孪生体生成导航路径，将所述导航路径推送给所述用户终端，包括：接收并判定所述目标车位所在的目标签约社区；实时获取该目标签约社区的全局视频图像；对所述全局视频图像进行人员检测分析，当特定区域的人员聚集密度超出预定阈值时，将该特定区域标记成避让区域；从所述数字孪生体中获取道路规划图，并基于所述全局视频图像确认签约社区内的道路拥堵情况，并基于所述避让区域生成导航路径。

8、在其中一些实施例中，还包括：当用户终端对应的车辆离开所述目标车位后，接收用户终端反馈的评价信息，并对应存储该目标车位对应业主的共享行为；统计所述业主的共享行为与用户终端对应的车主的守约行为，生成信用积分榜以提供积分奖励。

9、一种基于数字孪生与联邦学习的社区停车协同导航系统，所述系统包括：云服务器，用于基于每个签约社区的实时监测数据进行高精度三维建模映射，并构建社区停车资源的数字孪生体数据库，该数字孪生体数据库与多个签约社区对应；根据本地端上传的本地预测模型的模型参数和数字孪生体生成与所述社区停车资源对应的全局预测模型，以便对实时生成预计时间段内各签约社区车位的需求热度和空闲时间分布的全局预测结果；接收用户终端反馈的目标车位，调用路径规划方法从所述数字孪生体生成导航路径，将所述导航路径推送给所述用户终端；本地端，设置在各签约社区的服务器，用于采用联邦学习框架对每个签约社区的历史车位占用数据学习训练得到本地预测模型；用户终端，用于上传的账号信息以及实时位置，并接收云服务器推送该实时位置对应的所述全局预测结果，以便从展示的签约社区车位中选择目标车位。

10、一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现上述方法的步骤。

11、一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述的方法的步骤。

12、与现有技术相比，本发明的优点在于：通过数字孪生将导航精度从小区入口延伸至具体车位，解决了最后一百米盲区问题；而且利用联邦学习，在保护各小区数据隐私的前提下，实现了跨区域资源供需的精准预测，提升了整体匹配效率。而且整个方案充分利用现有监控设施，采用轻量化边缘计算，降低了系统部署与改造成本，且通过盘活闲置车位资源，为业主创造了额外收益，为车主提供了便捷、低成本的停车选择，实现了资源优化配置与多方共赢。