一种车位管理方法、系统、存储介质及电子设备与流程

本发明涉及车位管理技术领域，尤其是涉及一种车位管理方法、系统、存储介质及电子设备。

背景技术：

车位管理的重要性在于能够准确的获知停车场剩余车位的多少，实现车辆进出的有效管理；通过研究临停车和月租车的占用情况，能够实现车位有效分配，最大限度的利用车位资源。

目前，停车场普遍使用车牌识别系统，车牌识别带来便利的同时也让停车场车位管理难上加难，首先，停车场系统运行具有不确定性，比如断电断网后，车辆进出没有记录到停车场系统中，其次，车牌识别系统有一定的识别错误率，在累积一段时间后也会产生大量的垃圾数据；以上这些情况便会造成对于剩余车位数量判断不准确，导致车位资源的浪费，不能有效的利用车位资源。因此，车位管理对停车场而言是难点和痛点，而采用人工修正的方案需要排除每一个车位的情况，工作量极大，造成人力的浪费，效率低下。

技术实现要素：

为了解决上述部分问题，本发明的第一方面，提供一种车位管理方法，所述方法包括以下步骤：

步骤s100：获取停车场实际可停车位数p、系统记录的在场车辆数；

步骤s200：获取停车时长阈值n；

步骤s300：根据获取的停车时长阈值n，获取停车时长大于等于n的车辆数；

步骤s400：计算剩余车位数，所述剩余车位数=实际可停车位数p-（系统记录的在场车辆数-停车时长大于等于n的车辆数）。

进一步地，步骤s100包括：

步骤s101：获取各统计周期内的停放车辆数，i为各统计周期的序号，n为统计周期的总数；

步骤s102：比较各统计周期内的停放车辆数，将停放车辆数的最大值作为该停车场实际可停车位数p，即

，。

进一步地，步骤s200包括：

步骤s201：人工设置停车时长阈值n。

进一步地，步骤s200包括：

步骤s202：获取各停车时长的停车次数，，j为停车时长，h为最大停车时长；

步骤s203：根据预设的系数r，求解n，即可获得停车时长阈值n，其中，

。

进一步地，步骤s200包括：

步骤s204：获取车辆入场数等于车辆离场数的时长，将所述时长作为停车时长阈值n。

进一步地，步骤s200包括：

步骤s205：指定的时间范围t，并划分时间范围t，

，，

其中：为划分的时长，为时长为的数量，k为划分的时长种类序号，g为划分的时长种类总数；

步骤s206：获取时长的车辆入场数和车辆离场数的差值，，m为差值序号；

步骤s207：求解均方误差，其中

；

步骤s208：将最小均方误差对应的时长作为停车时长阈值n，其中，

，。

本发明的第二方面，提供了一种车位管理系统，所述系统包括如下模块：

第一获取模块，用于获取停车场实际可停车位数p、系统记录的在场车辆数；

第二获取模块，用于获取停车时长阈值n；

第三获取模块，用于根据获取的停车时长阈值n，获取停车时长大于等于n的车辆数；

计算模块，用于计算剩余车位数，所述剩余车位数=实际可停车位数p-（系统记录的在场车辆数-停车时长大于等于n的车辆数）。

进一步地，所述第一获取模块获取各统计周期内的停放车辆数，比较各统计周期内的停放车辆数，将停放车辆数的最大值作为该停车场实际可停车位数p，即

，，

式中：i为各统计周期的序号，n为统计周期的总数。

本发明的第三方面，提供了一种可读存储介质，所述刻度存储介质用于存储程序，所述程序被执行时，用于实现前述的车位管理方法。

本发明的第四方面，提供了一种电子设备，所述电子设备包括一个或多个处理器；存储器，其上存储有一个或多个程序；当所述一个或多个程序被所述一个或多个处理器执行时，使得所述一个或多个处理器实现前述的车位管理方法。

本发明相对于现有技术至少具有如下技术效果：

1）相比于现有技术中采用规划车位数为基础进行剩余车位数计算，本发明以获取的停车场实际可停车位数为基础进行剩余车位数计算，本发明所计算出来的剩余车位数更加符合实际情况，准确率更高，有利于车位资源的有效利用，更有实际应用价值。

2）本发明通过比较获得的各统计周期的停放车辆数，并取其中的最大值作为该停车场实际可停车位数；所获取的实际可停车位数，相比于现有技术，效率更高，准确率更高，可以满足车位管理的需求，便于后续剩余车位数的计算。

3）本发明将车辆停放时长超过停车时长阈值的车辆数当做停车场管理系统中的垃圾车辆数，不计入在场车辆数中，如此可以抵消由于车牌识别错误或者停车场系统运行不确定导致的影响，使剩余车位数判断更准确；有利于最大限度的利用车位资源，实现车位的有效管理。

附图说明

为了更清楚地说明本发明实施例的技术方案，下面将对本发明实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面所描述的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1是本发明所述车位管理方法的流程示意图；

图2是本发明一个实施例所提供的停车时间阈值n计算流程示意图；

图3是本发明一个实施例所提供的车位管理系统结构示意图；

图4是本发明一个实施例所提供的电子设备结构示意图。

具体实施方式

在下文中将参考附图对本发明的各方面进行更充分的描述。然而，本发明可以具体化成许多不同形式且不应解释为局限于贯穿本发明所呈现的任何特定结构或功能。相反地，提供这些方面将使得本发明周全且完整，并且本发明将给本领域技术人员充分地传达本发明的范围。基于本文所教导的内容，本领域的技术人员应意识到，无论是单独还是结合本发明的任何其它方面实现本文所公开的任何方面，本发明的范围旨在涵盖本文中所公开的任何方面。例如，可以使用本文所提出任意数量的装置或者执行方法来实现。另外，除了本文所提出本发明的多个方面之外，本发明的范围更旨在涵盖使用其它结构、功能或结构和功能来实现的装置或方法。应可理解，其可通过权利要求的一或多个元件具体化本文所公开的任何方面。

在此使用的术语仅仅是为了描述具体实施例，而并非意在限制本公开。在此使用的术语“包括”、“包含”等表明了所述特征、步骤、操作和/或部件的存在，但是并不排除存在或添加一个或多个其他特征、步骤、操作或部件。

在此使用的所有术语(包括技术和科学术语)具有本领域技术人员通常所理解的含义，除非另外定义。应注意，这里使用的术语应解释为具有与本说明书的上下文相一致的含义，而不应以理想化或过于刻板的方式来解释。

目前，停车场普遍使用车牌识别系统，车牌识别带来便利的同时也让停车场车位管理难上加难，首先，停车场系统运行具有不确定性，比如断电断网后，车辆进出没有记录到停车场系统中，其次，车牌识别系统有一定的识别错误率，在累积一段时间后也会产生大量的垃圾数据；以上这些情况便会造成对于剩余车位数量判断不准确，导致车位资源的浪费，不能有效的利用车位资源。

故，车位管理对停车场而言是难点和痛点，而采用人工修正的方案需要排除每一个车位的情况，工作量极大，造成人力的浪费，效率低下。因此提出一种有效的车位管理方法十分必要。

鉴于此，如图1所示，本发明的一个实施例，提供了一种车位管理方法，所述方法包括以下步骤：

步骤s100：获取停车场实际可停车位数p、获取系统记录的在场车辆数；

步骤s200：获取停车时长阈值n；

步骤s300：根据获取的停车时长阈值n，获取停车时长大于等于n的车辆数；

步骤s400：计算剩余车位数，所述剩余车位数=实际可停车位数p-（系统记录的在场车辆数-停车时长大于等于n的车辆数）。

停车场实际可停车位数p指的是：在停车场中划定的车位数往往有限，所以在车位资源紧张的停车场，往往会通过引导车辆在过道、临时停车区域等非划定区域停车，从而达到更多车辆停放的目的。停车场实际可停车位数必然大于规划车位数。在进行停车场车位管理时，获知实际可停车位数比规划车位数更有意义。

停车时长阈值指的是：正常状态下，停车场车辆停放时长。

停车场的停车一般是比较规律的，比如商场和写字楼中的停车场，车辆单次停放的时间一般不会超过一天，故可将一天设为商场和写字楼停车场的停车时长阈值；医院停车场的车辆停放时间一般不会超过两天，故可将医院停车场的停车时长阈值设置为两天。因此，可以根据停车场业态的不同，设置不同时长的停车时长阈值。

本实施例中，通过设置停车时长阈值n，获取停车时长大于等于n的车辆数，将车辆停放时长超过停车时长阈值n的车辆数当做停车场管理系统中的垃圾车辆数，不计入在场车辆数中，即：

剩余车位数=实际可停车位数p-（系统记录的在场车辆数-停车时长大于等于n的车辆数）；

这样，可以抵消由于车牌识别错误或者停车场系统运行不确定导致的影响。

如：由于停车场系统运行不稳定或车牌识别错误，某车辆已离场，但该离场数据并未计入停车场管理系统中，导致在停车场管理系统中，该车辆的停车时长一直在持续计算中（比如系统中记录其停车时长为3天），因此停车场管理系统中所记录的在场车辆数并不准确，会将该已离场的车辆计算在内，进而导致获得的停车场剩余车位数不准确。

而通过在停车场管理系统中设置停车时长阈值n（比如将停车时长阈值设置为1天），将大于停车时长阈值n的车辆数据作为垃圾数据；如此，系统在计算在场车辆数、剩余车位数时，便不会将该数据计算在内。从而使剩余车位数判断更准确。

当然，这种计算方法可能会存在小的差异，比如也会将实际在场的车辆数据（比如真实停车时长为3天而未离场的车辆数据）过滤掉。但整体来看，只要停车时长阈值设置合理，该计算方法的准确率极高。因此，设置合理的停车时长阈值极为重要。对于如何合理的设置停车时长阈值，下文中会做详细阐述。

本实施例，一方面在获取停车场实际可停车位数的基础上进行剩余车位数的计算，相比于现有技术中以停车场规划车位数为基础进行剩余车位数计算的方法，本方法更符合停车场的实际情况，所获取的剩余车位数更为准确。

另一方面，本实施例所述车位管理办法，通过设置停车时长阈值n，获取停车时长大于停车时长阈值n的车辆数，在剩余车位计算中，减去停车时长大于停车时长阈值n的车辆数，如此，可以抵消由于车牌识别错误或者停车场系统运行不确定导致的停车场管理系统中所记录的在场车辆数不准确的影响。

在一个实施例中，步骤s100包括：

步骤s101：获取各统计周期内的停放车辆数，i为各统计周期的序号，n为统计周期的总数；

步骤s102：比较各统计周期内的停放车辆数，将停放车辆数的最大值作为该停车场实际可停车位数p，即：

，。

本实施例中提供了一种获得停车场实际可停车位数p的具体方法。

其中统计周期指的是一个时间范围，可以为一天、两天、一周，一个月等。

一般情况下，统计周期的长短按照停车场的业态情况设置，如对于商场写字楼的停车场，可将统计周期设置为一天，对于医院的停车场，可将统计周期设置为两天。

当然实际应用中，统计周期的长短可以根据计算精度的要求选择设置。

具体方法为：首先获取每个统计周期内（比如一天）的停放车辆数，然后比较获得的各统计周期的停放车辆数，并取其中的最大值作为该停车场实际可停车位数。下边，通过以一天为一个统计周期，共取五个统计周期，来说明该方法：

第一个统计周期内（第一天）的停放车辆数为，辆；

第二个统计周期内（第二天）的停放车辆数为，辆；

第三个统计周期内（第三天）的停放车辆数为，辆；

第四个统计周期内（第四天）的停放车辆数为，辆；

第五个统计周期内（第五天）的停放车辆数为，辆；

比较这五个统计周期的停放车辆数，并取其最大值120作为该停车场的实际可停车位数。即：

。

当然，对于获得一个统计周期内的停放车辆数，也可以采用类似的办法。即将每一个统计周期进一步划分为多个子周期，分别获得各子周期的停放车辆数，比较获得的各子周期的停放车辆数，取其最大值来代表该统计周期的停放车辆数。如：

可以将第一个统计周期（第一天），进一步划分为4个子周期，并获得各子周期的停放车辆数：

第一个子周期，0点~6点，获得的停放车辆数为：=50辆，其中代表第一个子周期内（0点~6点）某一时刻停放的车辆数，该时刻所停放的车辆数为第一个子周期内所有时刻停放车辆数的最大值；

第二个子周期，6点~12点，获得的停放车辆数为：=90辆，其中代表第二个子周期内（6点~12点）某一时刻停放的车辆数，该时刻所停放的车辆数为第二个子周期内所有时刻停放车辆数的最大值；

第三个子周期，12点~18点，获得的停放车辆数为：=100辆，其中代表第三个子周期内（12点~18点）某一时刻停放的车辆数，该时刻所停放的车辆数为第三个子周期内所有时刻停放车辆数的最大值；

第四个子周期，18点~24点，获得的停放车辆数为：=70辆，其中代表第四个子周期内（18点~24点）某一时刻停放的车辆数，该时刻所停放的车辆数为第四个子周期内所有时刻停放车辆数的最大值；

通过本实施例的计算方法所获得的停车场实际可停车位数，相比于现有技术，效率更高，能够更为准确的获得停车场实际可停车位数，满足车位管理的需求。

在一个实施例中，步骤s200包括：

步骤s201：获取人工设置的停车时长阈值n。

上述方案中提供了一种获得停车车场阈值n的方法，即通过人工设置的方式。

如，在一些停车场中，停车场管理人员根据实际管理经验，直接手动设置某一时长（如三天），将该时长（三天）作为停车时长阈值n。

在一个实施例中，步骤s200包括：

步骤s202：获取各停车时长的停车次数，，j为停车时长，h为最大停车时长；

步骤s203：根据预设的r，求解n，即可获得停车时长阈值n，其中，

。

上述方案中提供了另一种获得停车时长阈值n的方法。具体为：

首先，在某一时间范围内，获取各停车时长的停车次数；如，在一天内，假设最大停车时长为24h，预设停车次数比例r=0.05%：

停车时长为1小时的停车次数为；

停车时长为2小时的停车次数为；

停车时长为3小时的停车次数为；

……

停车时长为24小时的停车系数为；

则当时，可求得n，此时边将获得的时长n作为停车时长阈值n。

在一个实施例中，步骤s200包括：

步骤s204：获取车辆入场数等于车辆离场数的时长，将所述时长作为停车时长阈值n。

上述方案中，提供了另一种获得停车时长阈值n的方法。具体为：

从第一时刻起，开始获取停车场车辆的入场数和离场数，到第二时刻时，若车辆的入场数等于车辆的离场数，则将第一时刻到第二时刻所对应的时长，作为停车时长阈值n。

也可以理解为，如果停车场在某一时长内（如两天）的车辆入场数等于车辆离场数，则将该时长（如两天）作为停车时长阈值n。

如图2所示，在一个实施例中，步骤s200包括：

步骤s205：指定的时间范围t，并进行划分，

，，

其中：为划分的时长，为时长为的数量，k为划分的时长种类序号，g为划分的时长种类总数；

步骤s206：获取时长的车辆入场数和车辆离场数的差值，，m为差值序号；

步骤s207：求解均方误差，其中

；

步骤s208：将最小均方误差对应的时长作为停车时长阈值n，其中，

，。

上述方案中，提供了另一种获得停车时长阈值n的方法。具体为：

首先，指定一个时间范围t（比如t=30天），并将其以不同时长（三种时长，g=3）进行划分，如：

以一天为一个时长，可将其划分为30个时长，则，=30；

以两天为一个时长，可将其划分为15个时长；则，=15；

以三天为一个时长，可将其划分为10个时长；则，=10；

其次，获取时长的车辆入场数和车辆离场数的差值，共有30个，分别为：，，……，，；

获取时长的车辆入场数和车辆离场数的差值，共有15个，分别为：，，……，，；

获取时长的车辆入场数和车辆离场数的差值，共有10个，分别为：，，……，，；

再次，求解各时长的均方误差：

；

；

；

最后，将最小均方误差对应的时长作为停车时长阈值n；比如：

则将对应的时长（两天）作为停车时长阈值n。

其中，在获取每个时长的车辆入场数和车辆离场数的插值时，可将该时长进一步地，划分为多个子时长，获得每个子时长的车辆入场数和车辆离场数的插值，并对其求和即可。如对于时长（一天），可以将其进一步划分为24个子时长（一小时），获得每个子时长的车辆入场数（n1，n2，n3，……，n23，n24），则=（n1 n2 n3 …… n23 n24），以此类推。

在获取停车时长阈值n之后，便可获得大于等于停车时长阈值n的车辆数，然后便可计算剩余车位数，计算公式为：

剩余车位数=实际可停车位数p-（系统记录的在场车辆数-停车时长大于等于n的车辆数）。

除此之外，还可以采用人工智能的方法来获取停车时长阈值n。如通过建立停车场数字模型，采用人工智能算法（如遗传算法、神经网络算法等）自动计算停车时长阈值n。

通过本发明实施例所述车位管理方法所计算出的剩余车位数，可以将车辆停放时长超过停车时长阈值的车辆数当做停车场管理系统中的垃圾车辆数，不计入在场车辆数中，如此可以抵消由于车牌识别错误或者停车场系统运行不确定导致的影响，使剩余车位数判断更准确；有利于最大限度的利用车位资源，实现车位的有效管理。

如图3所示，本发明的另一个实施例，提供了一种车位管理系统，所述系统包括如下模块：

第一获取模块，用于获取停车场实际可停车位数p、系统记录的在场车辆数；

第二获取模块，用于获取停车时长阈值n；

第三获取模块，用于根据获取的停车时长阈值n，获取停车时长大于等于n的车辆数；

计算模块，用于计算剩余车位数，所述剩余车位数=实际可停车位数p-（系统记录的在场车辆数-停车时长大于等于n的车辆数）。

进一步地，所述第一获取模块，

获取各统计周期内的停放车辆数，比较各统计周期内的停放车辆数，将停放车辆数的最大值作为该停车场实际可停车位数p，即

，，

式中：i为各统计周期的序号，n为统计周期的总数。

进一步地，所述第二获取模块，

获取人工设置停车时长阈值n。

进一步地，所述第二获取模块，

获取各停车时长的停车次数，，j为停车时长，h为最大停车时长；根据预设的系数r，求解n，即可获得停车时长阈值n，其中，

。

进一步地，所述第二获取模块，

获取车辆入场数等于车辆离场数的时长；将该时长作为停车时长阈值n。

进一步地，所述第二获取模块，

指定的时间范围t，并进行划分，，，其中：为划分的时长，为时长为的数量，k为划分的时长种类序号，g为划分的时长种类总数；

获取时长的车辆入场数和车辆离场数的差值，，m为差值序号；求解均方误差，其中，

；

将最小均方误差对应的时长作为停车时长阈值n，其中，

，。

本发明的另一个实施例，提供了一种可读存储介质，所述可读存储介质用于存储程序，所述程序被执行时，用于实现前述的车位管理方法。

如图4所示，本发明的另一个实施例，提供了一种电子设备，所述电子设备包括一个或多个处理器；存储器，其上存储有一个或多个程序；当所述一个或多个程序被所述一个或多个处理器执行时，使得所述一个或多个处理器实现前述的车位管理方法。

专业人员还可以进一步意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、计算机软件或者二者的结合来实现，为了清楚地说明硬件和软件的可互换性，在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。

对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。

以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。