停车场状态确定方法及电子设备与流程

1.本公开实施例涉及数据处理技术领域，具体涉及一种停车场状态确定方法及电子设备。


背景技术：

2.随着国民经济迅猛发展，私家车保有量持续增加，停车问题成为困扰着自驾车主的头号问题。比如日常去医院就诊时的停车，周五下午学校周边、家长接孩子放学时的停车，节假日景区的停车、大型活动或者展览期间对应场馆周边的停车等等。由于不同的停车场能提供的停车能力和车位数量差异很大，所以车主需要花费一些时间来寻找合适的停车场停车。
3.目前很多停车场在车位不满的情况下，会告知空余车位数量。这些信息目前只是在停车场出入口的显示牌上显示，没有线上化，车主在到达之前是不知道停车场的任何信息，不能及时选择合适的停车场停车；而且，停车场显示的状态信息也非常笼统，只是满和不满两种状态，很难帮助车主做出正确的决策，特别是停车需求旺盛的情况下，满到不满变化会非常快，因此，现有停车场状态存在精细化程度不足的问题，导致车主获得的停车场状态的信息量并不充分和准确。


技术实现要素：

4.本公开实施例提供一种停车场状态确定方法及电子设备。
5.第一方面，本公开实施例中提供了一种停车场状态确定方法。
6.具体的，所述停车场状态确定方法，包括：
7.获取停车场的实时车位信息；
8.获取当前观测时长内所述停车场对应的目标对象的行为特征信息，所述当前观测时长以当前时刻为结束时刻；
9.基于所述实时车位信息和所述行为特征信息，按照预设规则确定所述停车场的状态，所述停车场的状态包括：极度空闲、空闲、饱和以及极度饱和。
10.结合第一方面，本公开实施例在第一方面的第一种实现方式中，所述获取当前观测时长内所述停车场对应的目标对象的行为特征信息之前，还包括：
11.获取所述当前观测时长内进出所述停车场、在所述停车场入口及其连接的目标路段上的观测对象；
12.基于所述观测对象的历史轨迹信息，筛除所述观测对象中没有停车需求的对象，得到所述停车场对应的目标对象。
13.结合第一方面和第一方面的第一种实现方式，本公开实施例在第一方面的第二种实现方式中，其中，所述行为特征信息包括：目标对象进出所述停车场的时间间隔，所述停车场入口的目标对象的停留行为，与所述停车场入口连接的目标路段上的目标对象的行车速度。
14.结合第一方面、第一方面的上述实现方式，本公开在第一方面的第三种实现方式中，其中，所述预设规则包括：
15.在所述实时车位信息表示所述停车场剩余停车位数量超过停车场容量的第一比例，且在所述当前观测时长内，行为特征信息满足第一条件的目标对象的数量满足第一数量要求时，确定所述停车场的状态为极度空闲；
16.在所述实时车位信息表示所述停车场剩余停车位数量超过停车场容量的第二比例小于所述第一比例，且在所述当前观测时长内，行为特征信息满足第一条件的目标对象的数量满足第二数量要求时，确定所述停车场的状态为空闲；
17.在所述实时车位信息表示所述停车场剩余停车位数量超过停车场容量的第三比例小于所述第二比例，且在所述当前观测时长内，行为特征信息满足第一条件的目标对象的数量满足第三数量要求时，确定所述停车场的状态为饱和；
18.在所述实时车位信息表示所述停车场剩余停车位数量小于停车场容量的第四比例，且在所述当前观测时长内，行为特征信息满足第二条件时，确定所述停车场的状态为极度饱和。
19.结合第一方面、第一方面的上述实现方式，本公开在第一方面的第四种实现方式中，其中，所述预设规则包括预设的分类模型，所述基于所述实时车位信息和所述行为特征信息，按照预设规则确定所述停车场的状态，包括：
20.将当前时刻的实时车位信息、当前观测时长内的行为特征信息和停车场当前时刻的特征数据作为所述预设的分类模型的输入，执行所述预设的分类模型，得到当前时刻所述停车场的状态；
21.其中，所述当前观测时长内的行为特征信息包括当前观测时长内目标路段和相邻路段的路况序列，出入所述停车场的目标对象的数量序列，目标对象出入所述停车场的时间间隔序列；所述停车场当前时刻的特征数据包括当前时刻对应的历史特征日内所述停车场的状态，当前时刻对应的历史时间段内的停车场的状态。
22.结合第一方面、第一方面的上述实现方式，本公开在第一方面的第五种实现方式中，其中，所述方法还包括：
23.获取样本停车场的样本数据，所述样本数据包括：样本时刻的车位信息，样本时刻之前的样本观测时长内目标路段和相邻路段的路况序列，所述样本观测时长内出入所述样本停车场的目标对象的数量序列，所述样本观测时长内目标对象出入所述样本停车场的时间间隔序列，样本时刻对应的历史特征日内所述样本停车场的状态，样本时刻对应的历史时间段内的样本停车场的状态，样本时刻的样本停车场的状态，其中，所述目标路段为与所述样本停车场入口连接的路段，所述相邻路段为所述目标路段的相邻路段；
24.基于所述样本数据，对初始分类模型进行训练，得到所述预设的分类模型。
25.结合第一方面、第一方面的上述实现方式，本公开在第一方面的第六种实现方式中，其中，所述样本数据包括：样本停车场的类型，所述基于所述样本数据，训练得到所述分类模型，包括：
26.对同一类型的样本停车场的样本数据进行训练，得到所述同一类型的停车场的分类模型。
27.结合第一方面、第一方面的上述实现方式，本公开在第一方面的第七种实现方式
中，其中，所述样本数据还包括所述样本停车场的标识，所述样本停车场自身所处的地理位置，以及所述样本停车场的目标路段及其相邻路段的路段标识，所述停车场当前时刻的特征数据还包括所述停车场的标识，所述停车场自身所处的地理位置，以及所述停车场的目标路段及其相邻路段的路段标识。
28.第二方面，本公开实施例中提供了一种停车场状态确定装置。
29.具体的，所述停车场状态确定装置，包括：
30.第一获取模块，被配置为获取停车场的实时车位信息；
31.第二获取模块，被配置为获取当前观测时长内所述停车场对应的目标对象的行为特征信息，所述当前观测时长以当前时刻为结束时刻；
32.确定模块，被配置为基于所述实时车位信息和所述行为特征信息，按照预设规则确定所述停车场的状态，所述停车场的状态包括：极度空闲、空闲、饱和以及极度饱和。
33.结合第二方面，本公开实施例在第二方面的第一种实现方式中，还包括：
34.第三获取模块，被配置为获取所述当前观测时长内进出所述停车场、在所述停车场入口及其连接的目标路段上的观测对象；
35.基于所述观测对象的历史轨迹信息，筛除所述观测对象中没有停车需求的对象，得到所述停车场对应的目标对象。
36.结合第二方面和第二方面的第一种实现方式，本公开实施例在第二方面的第二种实现方式中，所述行为特征信息包括：目标对象进出所述停车场的时间间隔，所述停车场入口的目标对象的停留行为，与所述停车场入口连接的目标路段上的目标对象的行车速度。
37.结合第二方面、第二方面的上述实现方式，本公开在第二方面的第三种实现方式中，其中，所述预设规则包括：
38.在所述实时车位信息表示所述停车场剩余停车位数量超过停车场容量的第一比例，且在所述当前观测时长内，行为特征信息满足第一条件的目标对象的数量满足第一数量要求时，确定所述停车场的状态为极度空闲；
39.在所述实时车位信息表示所述停车场剩余停车位数量超过停车场容量的第二比例小于所述第一比例，且在所述当前观测时长内，行为特征信息满足第一条件的目标对象的数量满足第二数量要求时，确定所述停车场的状态为空闲；
40.在所述实时车位信息表示所述停车场剩余停车位数量超过停车场容量的第三比例小于所述第二比例，且在所述当前观测时长内，行为特征信息满足第一条件的目标对象的数量满足第三数量要求时，确定所述停车场的状态为饱和；
41.在所述实时车位信息表示所述停车场剩余停车位数量小于停车场容量的第四比例，且在所述当前观测时长内，行为特征信息满足第二条件时，确定所述停车场的状态为极度饱和。
42.结合第二方面、第二方面的上述实现方式，本公开在第二方面的第四种实现方式中，其中，所述预设规则包括预设的分类模型，所述确定模块被配置为：
43.将当前时刻的实时车位信息、当前观测时长内的行为特征信息和停车场当前时刻的特征数据作为所述预设的分类模型的输入，执行所述预设的分类模型，得到当前时刻所述停车场的状态；
44.其中，所述当前观测时长内的行为特征信息包括当前观测时长内目标路段和相邻
路段的路况序列，出入所述停车场的目标对象的数量序列，目标对象出入所述停车场的时间间隔序列；所述停车场当前时刻的特征数据包括当前时刻对应的历史特征日内所述停车场的状态，当前时刻对应的历史时间段内的停车场的状态。
45.结合第二方面、第二方面的上述实现方式，本公开在第二方面的第五种实现方式中，其中，所述装置还包括：
46.第四获取模块，被配置为获取样本停车场的样本数据，所述样本数据包括：样本时刻的车位信息，样本时刻之前的样本观测时长内目标路段和相邻路段的路况序列，所述样本观测时长内出入所述样本停车场的目标对象的数量序列，所述样本观测时长内目标对象出入所述样本停车场的时间间隔序列，样本时刻对应的历史特征日内所述样本停车场的状态，样本时刻对应的历史时间段内的样本停车场的状态，样本时刻的样本停车场的状态，其中，所述目标路段为与所述样本停车场入口连接的路段，所述相邻路段为所述目标路段的相邻路段；
47.训练模块，被配置为基于所述样本数据，对初始分类模型进行训练，得到所述预设的分类模型。
48.结合第二方面、第二方面的上述实现方式，本公开在第二方面的第六种实现方式中，其中，所述样本数据包括：样本停车场的类型，所述基于所述样本数据，训练得到所述分类模型，包括：
49.训练模块，被配置为对同一类型的样本停车场的样本数据进行训练，得到所述同一类型的停车场的分类模型。
50.结合第二方面、第二方面的上述实现方式，本公开在第二方面的第七种实现方式中，其中，所述样本数据还包括所述样本停车场的标识，所述样本停车场自身所处的地理位置，以及所述样本停车场的目标路段及其相邻路段的路段标识，所述停车场当前时刻的特征数据还包括所述停车场的标识，所述停车场自身所处的地理位置，以及所述停车场的目标路段及其相邻路段的路段标识。
51.第三方面，本公开实施例提供了一种电子设备，包括存储器和处理器，所述存储器用于存储一条或多条支持停车场状态确定装置执行上述停车场状态确定方法的计算机指令，所述处理器被配置为用于执行所述存储器中存储的计算机指令。所述停车场状态确定装置还可以包括通信接口，用于停车场状态确定装置与其他设备或通信网络通信。
52.第四方面，本公开实施例提供了一种计算机可读存储介质，用于存储停车场状态确定装置所用的计算机指令，其包含用于执行上述停车场状态确定方法为停车场状态确定装置所涉及的计算机指令。
53.第五方面，本公开实施例提供了一种计算机程序产品，包括计算机程序/指令，其中，该计算机程序/指令被处理器执行时实现上述停车场状态确定方法中的步骤。
54.第六方面，本公开实施例提供了一种导航方法，其中，获取至少基于起点、终点、停车场的状态及路况情况计算的导航路线，基于所述导航路线进行导航引导，所述停车场的状态是基于上述的任意一项方法实现的。
55.结合第六方面、第六方面的上述实现方式，本公开在第六方面的第一种实现方式中，其中，基于极度空闲、空闲、饱和以及极度饱和分别对应渲染色，在导航路线上显示停车场的状态，其中，极度空闲的视觉效果表达了停车场比常规空闲的停车场更容易停车的状
态。
56.本公开实施例提供的技术方案可包括以下有益效果：
57.上述技术方案基于停车场的实时车位信息和当前观测时间内停车场的目标对象的行为特征信息，对于停车场的实时状态进行更加精细的区分。该技术方案能够及时、准确、高效地提供更细粒度的停车场状态，提高了为车主提供的停车场信息的信息量，为选择更好停车的停车场提供数据支持。
58.应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本公开实施例。
附图说明
59.结合附图，通过以下非限制性实施方式的详细描述，本公开实施例的其它特征、目的和优点将变得更加明显。在附图中：
60.图1示出根据本公开一实施方式的停车场状态确定方法的流程图；
61.图2示出根据本公开一实施方式的停车场状态确定装置的结构框图；
62.图3示出根据本公开一实施方式的电子设备的结构框图；
63.图4是适于用来实现根据本公开一实施方式的停车场状态确定方法的计算机系统的结构示意图。
具体实施方式
64.下文中，将参考附图详细描述本公开实施例的示例性实施方式，以使本领域技术人员可容易地实现它们。此外，为了清楚起见，在附图中省略了与描述示例性实施方式无关的部分。
65.在本公开实施例中，应理解，诸如“包括”或“具有”等的术语旨在指示本说明书中所公开的特征、数字、步骤、行为、部件、部分或其组合的存在，并且不欲排除一个或多个其他特征、数字、步骤、行为、部件、部分或其组合存在或被添加的可能性。
66.另外还需要说明的是，在不冲突的情况下，本公开中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本公开实施例。
67.本公开实施例提供的技术方案基于停车场的实时车位信息和当前观测时间内停车场的目标对象的行为特征信息，对于停车场的实时状态进行更加精细的区分。该技术方案能够及时、准确、高效地提供更细粒度的停车场状态，提高了为车主提供的停车场信息的信息量，为选择更好停车的停车场提供数据支持。
68.图1示出根据本公开一实施方式的停车场状态确定方法的流程图，如图1所示，所述停车场状态确定方法包括以下步骤s101-s103：
69.在步骤s101中，获取停车场的实时车位信息；
70.在步骤s102中，获取当前观测时长内所述停车场对应的目标对象的行为特征信息，所述当前观测时长以当前时刻为结束时刻；
71.在步骤s103中，基于所述实时车位信息和所述行为特征信息，按照预设规则确定所述停车场的状态，所述停车场的状态包括：极度空闲、空闲、饱和以及极度饱和。
72.其中，极度空闲、空闲、饱和以及极度饱和在显示时，可以在其分别对应的颜色进
行渲染，比如极度空闲对应深绿色系，空闲对应绿色系，饱和对应黄色系，极度饱和对应红色系。
73.上文提及，随着国民经济迅猛发展，私家车保有量持续增加，停车问题成为困扰着自驾车主的头号问题。比如日常去医院就诊时的停车，周五下午学校周边、家长接孩子放学时的停车，节假日景区的停车、大型活动或者展览期间对应场馆周边的停车等等。由于不同的停车场能提供的停车能力和车位数量差异很大，所以车主需要花费一些时间来寻找合适的停车场停车。目前很多停车场在车位不满的情况下，会告知空余车位数量。这些信息目前只是在停车场出入口的显示牌上显示，没有线上化，车主在到达之前是不知道停车场的任何信息，不能及时选择合适的停车场停车；而且，停车场显示的状态信息也非常笼统，只是满和不满两种状态，很难帮助车主做出正确的决策，特别是停车需求旺盛的情况下，满到不满变化会非常快，因此，现有停车场状态存在精细化程度不足的问题，导致车主获得的停车场状态的信息量并不充分和准确，车主的停车决策的准确性还有进一步优化的空间。
74.考虑到上述问题，在该实施方式中，提出一种停车场状态确定方法，该方法基于停车场的实时车位信息和当前观测时间内停车场的目标对象的行为特征信息，对于停车场的实时状态进行更加精细的区分。该技术方案能够及时、准确、高效地提供更细粒度的停车场状态，提高了为车主提供的停车场信息的信息量，为车主选择更好停车的停车场提供数据支持，同时也方便导航引擎据此进行到达点推荐。
75.在本公开一实施方式中，所述停车场状态确定方法可适用于可执行停车场状态确定的计算机、计算设备、电子设备、服务器、服务集群等。
76.在本公开一实施方式中，该停车场指的是导航时目的地可以提供的方便停车的场地，也可能是目的地周边可以提供的方便停车的场地。停车场按照所在方位一般可以细分为：地上停车场、地下停车场、屋顶停车场；按照归属可以分为内部停车场和公共停车场，另外，还有路边停车位等等。
77.在本公开一实施方式中，所述实时车位信息可以包括停车场容量和当前剩余车位等信息，或者，该实时车位信息也可以包括该停车场的粗略状态信息如满或不满，该实时车位信息可以从该停车场的电子管理设备如停车场的显示牌处获取，也可以从该停车场的拍摄设备处获取。
78.在本公开一实施方式中，所述当前观测时长是指当前时刻之前的设定时长，该当前观测时长的具体取值可根据实际应用的需要进行确定，比如可设置为30分钟、60分钟等等，本公开对其不作特别限定。
79.在本公开一实施方式中，所述目标对象指的是用于衡量该停车场内是否能快速找到停车位的对象，所述目标对象比如可以为车辆，该目标对象可以是进出该停车场的车辆，停留在该停车场入口处的车辆，以及要进入该停车场入口处的车辆。
80.在本公开一实施方式中，极度空闲指的是该停车场内有车位且找车位很容易，不需要在停车场内绕圈逗留寻找车位，想停哪里都有车位，一般在极度空闲状态下已使用车位数量占整个停车场车位容量的比率不足50％；空闲指的是该停车场内有车位，但不一定能一下子就找到自己想停或者满意的位置，可以满足停车的基本诉求，一般在空闲状态下已使用车位数量占整个停车场车位容量的比率介入50％至90％之间；饱和指的是该停车场内剩余车位数量较少甚至没有闲置的，但在里面稍微等一等、转一转或许还是能够完成停
车诉求的，一般在饱和状态下已使用车位数量占整个停车场车位容量的比率超过90％，低于110％；极度饱和指的是该停车场内肯定没有剩余车位了，如果想等别的车主离开后空出车位，那也是竞争非常激烈的，需要等上好一会儿，一般在极度饱和状态下停车场容量已经满负荷，停车场入口已出现大规模排队现象。
81.在上述实施方式中，首先获取停车场的实时车位信息以及当前观测时长内所述停车场的目标对象的行为特征信息；以所述实时车位信息和所述行为特征信息为判定条件，按照预设的判定规则确定所述停车场的状态，所述停车场的状态包括：极度空闲、空闲、饱和以及极度饱和，比如，可以在停车场当前的剩余车位数量较多且停车场入口处没有车辆停留时，确定停车场的状态为极度空闲；在停车场当前的剩余车位数量有一些且停车场入口处没有车辆停留时，确定停车场的状态为空闲；在停车场当前的剩余车位数量较少且停车场入口处有车辆停留或缓行时，确定停车场的状态为饱和，在停车场当前没有剩余车位且停车场入口出现排队现象时，确定停车场的状态为极度饱和。可见所述停车场的状态信息相较于现有技术中的停车场的状态更为丰富，从而能够提高为车主提供的停车场状态的信息量；而且本实施例中的实时车位信息和行为特征信息都是实时获取的，确定的停车场的状态也是实时更新的，这样就实现了停车场的实时状态更新，用户可以随时随地都能够获取和查看停车场的实时状态，并基于更为丰富的停车场状态，用户可以选择更好停车的停车场，可以避免由于停车时间过长而导致的错过时限等问题。另外，在用户输入目的地进行导航时，导航引擎可以根据该目的地附近的停车场的实时状态，将用户导航至最好停车且离要去的目的地最近的停车场，方便用户尽快达到目的地。
82.在本公开一实施方式中，所述行为特征信息包括：目标对象进出所述停车场的时间间隔，所述停车场入口的目标对象的停留行为，与所述停车场入口连接的目标路段上的目标对象的行车速度。
83.为了更精确地分辨有停车诉求的目标对象是否能快速在该停车场内找到停车位，可以获取一些能够反映这些的行为特征信息来进行判定，如果停车场内不易找到停车位就会有目标对象快速进出停车场去其他停车场找车位，或者会有目标对象停留在停车场入口等车位，或者与所述停车场入口连接的目标路段上会有目标对象排队等车，其行车速度会比较缓慢，故本实施例中的行为特征信息可以包括目标对象进出所述停车场的时间间隔，所述停车场入口的目标对象的停留行为，与所述停车场入口连接的目标路段上的目标对象的行车速度。
84.在该实施方式中，该目标对象的行为特征信息可以从该目标对像上的车载设备或目标对象的用户的终端中获取。
85.本实施例中的实时车位信息和行为特征信息可以从现有的停车场设备或目标对象对应的设备中获取，不需要再铺设其他电子设备。
86.在本公开一实施方式中，所述步骤s102，即所述获取当前观测时长内所述停车场对应的目标对象的行为特征信息之前，还可包括以下步骤：
87.获取所述当前观测时长内进出所述停车场、在所述停车场入口及其连接的目标路段上的观测对象；
88.筛除所述观测对象中没有停车需求的对象，得到所述停车场对应的目标对象。
89.在该实施方式中，该当前观测时长内的观测对象包括当前观测时长内进出所述停
车场的对象，出现在所述停车场入口的对象，以及出现在与该停车场入口连接的目标路段上的对象。
90.考虑到有的对象如网络车、出租车之类的车辆只是接送客户，并没有停车需求，这些对象的行为特征信息并不能用来判定停车场的状态，故为了更精确地确定停车场的状态，在该实施方式中，还需要筛除这些观测对象中没有停车需求的对象如网约车和出租车等车辆，得到所述停车场对应的目标对象。
91.在本公开一实施方式中，所述筛除所述观测对象中没有停车需求的对象，得到所述停车场对应的目标对象的步骤，可包括以下步骤：
92.基于所述观测对象的历史轨迹信息，筛除所述观测对象中没有停车需求的对象，得到所述停车场对应的目标对象。
93.在该实施方式中，网约车、出租车等这些没有停车需求的对象每天都会不断进出许多场合接送客户，故可以根据观测对象的历史轨迹信息，筛除那些有大量活动轨迹的对象，得到所述停车场对应的目标对象。
94.这里需要说明的是，网约车、出租车这些对象都会在第三方网站注册进而在网上接单，故可以从第三方网站直接获取这些网约车、出租车，进行筛除。
95.在本公开一实施方式中，所述预设规则包括：
96.在所述实时车位信息表示所述停车场剩余停车位数量超过停车场容量的第一比例，且在所述当前观测时长内，行为特征信息满足第一条件的目标对象的数量满足第一数量要求时，确定所述停车场的状态为极度空闲；
97.在所述实时车位信息表示所述停车场剩余停车位数量超过停车场容量的第二比例小于所述第一比例，且在所述当前观测时长内，行为特征信息满足第一条件的目标对象的数量满足第二数量要求时，确定所述停车场的状态为空闲；
98.在所述实时车位信息表示所述停车场剩余停车位数量超过停车场容量的第三比例小于所述第二比例，且在所述当前观测时长内，行为特征信息满足第一条件的目标对象的数量满足第三数量要求时，确定所述停车场的状态为饱和；
99.在所述实时车位信息表示所述停车场剩余停车位数量小于停车场容量的第四比例，且在所述当前观测时长内，行为特征信息满足第二条件时，确定所述停车场的状态为极度饱和。
100.在该实施方式中，该实时车位信息包括该停车场的剩余车位数量。示例的，该第一条件可以是进出停车场的时间间隔小于等于第一时长，停车场入口有停留行为，目标路段上的目标对象的行车速度处于缓行状态；如果当前时刻，停车场的剩余车位数量超过停车场容量的50％，且在当前观测时长内，进出所述停车场的时间间隔小于等于第一时长(如10分钟)的目标对象的数量为0，停车场入口有停留行为的目标对象以及处于缓行状态的目标对象的数量均为0，则可以确定该停车场的状态是极度空闲；如果当前时刻，停车场的剩余车位数量超过停车场容量的10％但不足50％，且在当前观测时长内，进出所述停车场的时间间隔小于等于第一时长(如10分钟)的目标对象的数量为1，不超过5，停车场入口有停留行为的目标对象以及处于缓行状态的目标对象的数量均为0，这时候，可以认为停车场状态是空闲；如果当前时刻，停车场的剩余车位数量不超过停车场容量的10％，且在当前观测时长内，进出所述停车场的时间间隔小于等于第一时长(如10分钟)的目标对象的数量为7，超
过5辆，同时停车场入口有停留行为的目标对象以及处于缓行状态的目标对象的数量均大于0，这时候，可以认为停车场状态是饱和；如果当前时刻，停车场的剩余车位数量为0，在当前观测时长内，有目标对象的停留时长过长或者有目标对象的行车速度长时间为缓行(第二条件为目标对象的停留时长超过预设时长或者有目标对象的行车速度为缓行的时长超过预设时长)，这时候，可以认为该停车场的状态是极度饱和。
101.在其他实施方式中，该实时车位信息还可以是该停车场的粗略状态。此时，该预设规则可以是在所述实时车位信息为不满状态，且在所述当前观测时长内，行为特征信息满足第一条件的目标对象的数量满足第二数量要求时，确定所述停车场的状态为极度空闲；在所述实时车位信息为不满状态，且在所述当前观测时长内，行为特征信息满足第一条件的目标对象的数量满足第二数量要求时，确定所述停车场的状态为空闲；在所述实时车位信息为不满状态，且在所述当前观测时长内，行为特征信息满足第一条件的目标对象的数量满足第三数量要求时，确定所述停车场的状态为饱和；在所述实时车位信息为满的状态，且在所述当前观测时长内，行为特征信息满足第二条件时，确定所述停车场的状态为极度饱和。
102.当然，该预设规则还可以是设定的其他规则，只要满足一下要求即可：有大量车位剩余且行为特征信息表示车主可以快速找到车位则确定停车场的状态为极度空闲，有车位剩余且行为特征信息表示车主可以找到车位则确定停车场的状态为空闲，车位剩余较少甚至没有且行为特征信息表示车主找到车位较慢则确定停车场的状态为饱和，没有车位剩余且行为特征信息表示有车主需要排队等车位则确定停车场的状态为极度饱和。在此不对该预设规则做一一例举。
103.在本公开另一实施方式中，所述预设规则包括预设的分类模型，所述基于所述实时车位信息和所述行为特征信息，按照预设规则确定所述停车场的状态，包括：
104.将当前时刻的实时车位信息、当前观测时长内的行为特征信息和停车场当前时刻的特征数据作为所述预设的分类模型的输入，执行所述预设的分类模型，得到当前时刻所述停车场的状态。
105.在该实施方式中，所述预设的分类模型用于对所述停车场的状态进行分类。可以基于该停车场的历史样本数据(比如说历史时刻的车位信息和历史时刻之前观测时长内所述停车场对应的目标对象的行为特征信息，以及该历史时刻的停车场的特征数据等)，对初始分类模型进行训练，得到预设的分类模型，然后将当前时刻的实时车位信息、当前观测时长内的行为特征信息和停车场当前时刻的特征数据作为该预设的分类模型的输入，执行所述预设的分类模型就可以输出该停车场的状态。
106.示例的，该预设的分类模型可以是softmax分类模型，或者binary cross entropy(二值交叉熵)多标签分类模型。
107.在该实施方式中，所述当前观测时长内的行为特征信息包括当前观测时长内目标路段和相邻路段的路况序列，出入所述停车场的目标对象的数量序列，目标对象出入所述停车场的时间间隔序列；所述停车场当前时刻的特征数据包括当前时刻对应的历史特征日内所述停车场的状态，当前时刻对应的历史时间段内的停车场的状态。
108.在本公开另一实施方式中，所述方法还可包括以下步骤：
109.获取样本停车场的样本数据，所述样本数据包括：样本时刻的车位信息，样本时刻
之前的样本观测时长内目标路段和相邻路段的路况序列，所述样本观测时长内出入所述样本停车场的目标对象的数量序列，所述样本观测时长内目标对象出入所述样本停车场的时间间隔序列，样本时刻对应的历史特征日内所述样本停车场的状态，样本时刻对应的历史时间段内的样本停车场的状态，样本时刻的样本停车场的状态，其中，所述目标路段为与所述样本停车场入口连接的路段，所述相邻路段为所述目标路段的相邻路段；
110.基于所述样本数据，对初始分类模型进行训练，得到所述预设的分类模型。
111.在该实施方式中，样本观测时长内目标路段和相邻路段的路况序列是指目标路段和相邻路段在样本观测时长内不同时段的路况信息，并按时间顺序排列；样本观测时长内出入所述样本停车场的目标对象的数量序列是指样本观测时长内不同时段出入所述样本停车场的目标对象的数量，并按时间顺序排列；样本观测时长内目标对象出入所述样本停车场的时间间隔序列是指样本观测时长内不同时段目标对象出入所述样本停车场的时间间隔，并按时间顺序排列。样本时刻对应的历史特征日是指与样本时刻所在日期的特征相同的历史日，样本时刻对应的历史时间段是指历史日内包含该样本时刻的时间段，示例的，假设样本时刻为2021年7月5日(周一)10：00：00，则该样本时刻对应的历史特征日为该历史时刻之前的某个或某些周一如2021年6月28日或2021年6月21日等，该样本时刻对应的历史时间段内为2021年7月4日9：50：00-0：10：00，2021年7月3日9：50：00-0：10：00等等。该样本停车场的状态包括极度空闲、空闲、饱和及极度饱和四种状态。
112.在该实施方式中，可以将该样本数据输入初始分类模型，得到初始分类模型的输出结果，该初始分类模型的输出结果与该样本停车场的状态做比较，得到该分类模型的输出结果的正确率，不断调整该分类模型中的参数，使该分类模型的输出结果的正确率达到预设阈值如99％，如此就训练得到该预设的分类模型。
113.在该实施方式中，可以针对每个停车场设置一个分类模型，该样本停车场就是本停车场，用本停车场的样本数据就可以训练得到本停车场的分类模型，获取本停车场当前时刻的实时车位信息、当前观测时长内的行为特征信息和停车场当前时刻的特征数据并输入至本停车场的预设分类模型，执行本停车场的预设分类模型，就可以得到当前时刻本停车场的状态。
114.本实施例用大量的特征数据通过模型来获取当前时刻的停车场的状态，可以更加精确地获取到停车场的状态。
115.在本公开另一实施方式中，所述样本数据包括：样本停车场的类型，所述基于所述样本数据，训练得到所述分类模型，包括：
116.对同一类型的样本停车场的样本数据进行训练，得到所述同一类型的停车场的分类模型。
117.在该实施方式中，考虑到需要为每个停车场建立一个分类模型，需要耗费大量的资源，此时，可以针对每种类型的停车场建立一个分类模型，该停车场类型可以按照其所在场所类型进行划分，可以包括医院停车场、学校停车场、商场停车场、景区停车场等等。
118.在该实施方式中，可以先获取各个样本停车场的类型，然后对同一类型的样本停车场的样本数据进行训练，得到所述同一类型的停车场的分类模型。
119.在本公开另一实施方式中，所述样本数据还包括所述样本停车场的标识，所述样本停车场自身所处的地理位置，以及所述样本停车场的目标路段及其相邻路段的路段标
识，所述停车场当前时刻的特征数据还包括所述停车场的标识，所述停车场自身所处的地理位置，以及所述停车场的目标路段及其相邻路段的路段标识。
120.在该实施方式中，为了使各种类型的停车场的分类模型的分类结果更准确，可以增加更多的样本数据如所述样本停车场的标识，所述样本停车场自身所处的地理位置如市中心或郊区等，以及所述样本停车场的目标路段及其相邻路段的路段标识。
121.在该实施例中，对确定停车场的状态时，可以先获取该停车场的类型，查找到该停车场的类型对应的分类模型，然后将当前时刻的实时车位信息、当前观测时长内的行为特征信息和停车场当前时刻的特征数据作为所述停车场的类型对应的预设分类模型的输入，执行所述停车场的类型对应的分类模型输出所述停车场的状态，此时，所述停车场当前时刻的特征数据还包括所述停车场的标识，所述停车场自身所处的地理位置，以及所述停车场的目标路段及其相邻路段的路段标识。
122.本实施例可以在对停车场分类后，进行特定类别下的建模，可以更加高效且能够保证输出结果的正确，同时根据停车场类型建立分类模型可以覆盖到较多的停车场，获取的特征数据不依赖设备的铺设，可以为车主提供及时的停车决策参考和到达建议。
123.下述为本公开装置实施例，可以用于执行本公开方法实施例。
124.图2示出根据本公开一实施方式的停车场状态确定装置的结构框图，该装置可以通过软件、硬件或者两者的结合实现成为电子设备的部分或者全部。如图2所示，所述停车场状态确定装置包括：
125.第一获取模块201，被配置为获取停车场的实时车位信息；
126.第二获取模块202，被配置为获取当前观测时长内所述停车场对应的目标对象的行为特征信息，所述当前观测时长以当前时刻为结束时刻；
127.确定模块203，被配置为基于所述实时车位信息和所述行为特征信息，按照预设规则确定所述停车场的状态，所述停车场的状态包括：极度空闲、空闲、饱和以及极度饱和。
128.上文提及，随着国民经济迅猛发展，私家车保有量持续增加，停车问题成为困扰着自驾车主的头号问题。比如日常去医院就诊时的停车，周五下午学校周边、家长接孩子放学时的停车，节假日景区的停车、大型活动或者展览期间对应场馆周边的停车等等。由于不同的停车场能提供的停车能力和车位数量差异很大，所以车主需要花费一些时间来寻找合适的停车场停车。目前很多停车场在车位不满的情况下，会告知空余车位数量。这些信息目前只是在停车场出入口的显示牌上显示，没有线上化，车主在到达之前是不知道停车场的任何信息，不能及时选择合适的停车场停车；而且，停车场显示的状态信息也非常笼统，只是满和不满两种状态，很难帮助车主做出正确的决策，特别是停车需求旺盛的情况下，满到不满变化会非常快，因此，现有停车场状态存在精细化程度不足的问题，导致车主获得的停车场状态的信息量并不充分和准确，车主的停车决策的准确性还有进一步优化的空间。
129.考虑到上述问题，在该实施方式中，提出一种停车场状态确定装置，该装置基于停车场的实时车位信息和当前观测时间内停车场的目标对象的行为特征信息，对于停车场的实时状态进行更加精细的区分。该技术方案能够及时、准确、高效地提供更细粒度的停车场状态，提高了为车主提供的停车场信息的信息量，为车主选择更好停车的停车场提供数据支持，同时也方便导航引擎据此进行到达点推荐。
130.在本公开一实施方式中，所述停车场状态确定装置可适用于可执行停车场状态确
定的计算机、计算设备、电子设备、服务器、服务集群等。
131.在本公开一实施方式中，该停车场指的是导航时目的地可以提供的方便停车的场地，也可能是目的地周边可以提供的方便停车的场地。停车场按照所在方位一般可以细分为：地上停车场、地下停车场、屋顶停车场；按照归属可以分为内部停车场和公共停车场，另外，还有路边停车位等等。
132.在本公开一实施方式中，所述实时车位信息可以包括停车场容量和当前剩余车位等信息，或者，该实时车位信息也可以包括该停车场的粗略状态信息如满或不满，该实时车位信息可以从该停车场的电子管理设备如停车场的显示牌处获取，也可以从该停车场的拍摄设备处获取。
133.在本公开一实施方式中，所述当前观测时长是指当前时刻之前的设定时长，该当前观测时长的具体取值可根据实际应用的需要进行确定，比如可设置为30分钟、60分钟等等，本公开对其不作特别限定。
134.在本公开一实施方式中，所述目标对象指的是用于衡量该停车场内是否能快速找到停车位的对象，所述目标对象比如可以为车辆，该目标对象可以是进出该停车场的车辆，停留在该停车场入口处的车辆，以及要进入该停车场入口处的车辆。
135.在本公开一实施方式中，极度空闲指的是该停车场内有车位且找车位很容易，不需要在停车场内绕圈逗留寻找车位，想停哪里都有车位，一般在极度空闲状态下已使用车位数量占整个停车场车位容量的比率不足50％；空闲指的是该停车场内有车位，但不一定能一下子就找到自己想停或者满意的位置，可以满足停车的基本诉求，一般在空闲状态下已使用车位数量占整个停车场车位容量的比率介入50％至90％之间；饱和指的是该停车场内剩余车位数量较少甚至没有闲置的，但在里面稍微等一等、转一转或许还是能够完成停车诉求的，一般在饱和状态下已使用车位数量占整个停车场车位容量的比率超过90％，低于110％；极度饱和指的是该停车场内肯定没有剩余车位了，如果想等别的车主离开后空出车位，那也是竞争非常激烈的，需要等上好一会儿，一般在极度饱和状态下停车场容量已经满负荷，停车场入口已出现大规模排队现象。
136.在上述实施方式中，首先获取停车场的实时车位信息以及当前观测时长内所述停车场的目标对象的行为特征信息；以所述实时车位信息和所述行为特征信息为判定条件，按照预设的判定规则确定所述停车场的状态，所述停车场的状态包括：极度空闲、空闲、饱和以及极度饱和，比如，可以在停车场当前的剩余车位数量较多且停车场入口处没有车辆停留时，确定停车场的状态为极度空闲；在停车场当前的剩余车位数量有一些且停车场入口处没有车辆停留时，确定停车场的状态为空闲；在停车场当前的剩余车位数量较少且停车场入口处有车辆停留或缓行时，确定停车场的状态为饱和，在停车场当前没有剩余车位且停车场入口出现排队现象时，确定停车场的状态为极度饱和。可见所述停车场的状态信息相较于现有技术中的停车场的状态更为丰富，从而能够提高为车主提供的停车场状态的信息量；而且本实施例中的实时车位信息和行为特征信息都是实时获取的，确定的停车场的状态也是实时更新的，这样就实现了停车场的实时状态更新，用户可以随时随地都能够获取和查看停车场的实时状态，并基于更为丰富的停车场状态，用户可以选择更好停车的停车场，可以避免由于停车时间过长而导致的错过时限等问题。另外，在用户输入目的地进行导航时，导航引擎可以根据该目的地附近的停车场的实时状态，将用户导航至最好停车
且离要去的目的地最近的停车场，方便用户尽快达到目的地。
137.在本公开一实施方式中，还包括：
138.第三获取模块，被配置为获取所述当前观测时长内进出所述停车场、在所述停车场入口及其连接的目标路段上的观测对象；
139.基于所述观测对象的历史轨迹信息，筛除所述观测对象中没有停车需求的对象，得到所述停车场对应的目标对象。
140.在该实施方式中，该当前观测时长内的观测对象包括当前观测时长内进出所述停车场的对象，出现在所述停车场入口的对象，以及出现在与该停车场入口连接的目标路段上的对象。
141.考虑到有的对象如网络车、出租车之类的车辆只是接送客户，并没有停车需求，这些对象的行为特征信息并不能用来判定停车场的状态，故为了更精确地确定停车场的状态，在该实施方式中，还需要筛除这些观测对象中没有停车需求的对象如网约车和出租车等车辆，得到所述停车场对应的目标对象。
142.在该实施方式中，网约车、出租车等这些没有停车需求的对象每天都会不断进出许多场合接送客户，故可以根据观测对象的历史轨迹信息，筛除那些有大量活动轨迹的对象，得到所述停车场对应的目标对象。
143.这里需要说明的是，网约车、出租车这些对象都会在第三方网站注册进而在网上接单，故可以从第三方网站直接获取这些网约车、出租车，进行筛除。
144.在本公开一实施方式中，所述行为特征信息包括：目标对象进出所述停车场的时间间隔，所述停车场入口的目标对象的停留行为，与所述停车场入口连接的目标路段上的目标对象的行车速度。
145.为了更精确地分辨有停车诉求的目标对象是否能快速在该停车场内找到停车位，可以获取一些能够反映这些的行为特征信息来进行判定，如果停车场内不易找到停车位就会有目标对象快速进出停车场去其他停车场找车位，或者会有目标对象停留在停车场入口等车位，或者与所述停车场入口连接的目标路段上会有目标对象排队等车，其行车速度会比较缓慢，故本实施例中的行为特征信息可以包括目标对象进出所述停车场的时间间隔，所述停车场入口的目标对象的停留行为，与所述停车场入口连接的目标路段上的目标对象的行车速度。
146.在该实施方式中，该目标对象的行为特征信息可以从该目标对像上的车载设备或目标对象的用户的终端中获取。
147.本实施例中的实时车位信息和行为特征信息可以从现有的停车场设备或目标对象对应的设备中获取，不需要再铺设其他电子设备。
148.在本公开一实施方式中，所述预设规则包括：
149.在所述实时车位信息表示所述停车场剩余停车位数量超过停车场容量的第一比例，且在所述当前观测时长内，行为特征信息满足第一条件的目标对象的数量满足第一数量要求时，确定所述停车场的状态为极度空闲；
150.在所述实时车位信息表示所述停车场剩余停车位数量超过停车场容量的第二比例小于所述第一比例，且在所述当前观测时长内，行为特征信息满足第一条件的目标对象的数量满足第二数量要求时，确定所述停车场的状态为空闲；
151.在所述实时车位信息表示所述停车场剩余停车位数量超过停车场容量的第三比例小于所述第二比例，且在所述当前观测时长内，行为特征信息满足第一条件的目标对象的数量满足第三数量要求时，确定所述停车场的状态为饱和；
152.在所述实时车位信息表示所述停车场剩余停车位数量小于停车场容量的第四比例，且在所述当前观测时长内，行为特征信息满足第二条件时，确定所述停车场的状态为极度饱和。
153.在该实施方式中，该实时车位信息包括该停车场的剩余车位数量。示例的，该第一条件可以是进出停车场的时间间隔小于等于第一时长，停车场入口有停留行为，目标路段上的目标对象的行车速度处于缓行状态；如果当前时刻，停车场的剩余车位数量超过停车场容量的50％，且在当前观测时长内，进出所述停车场的时间间隔小于等于第一时长(如10分钟)的目标对象的数量为0，停车场入口有停留行为的目标对象以及处于缓行状态的目标对象的数量均为0，则可以确定该停车场的状态是极度空闲；如果当前时刻，停车场的剩余车位数量超过停车场容量的10％但不足50％，且在当前观测时长内，进出所述停车场的时间间隔小于等于第一时长(如10分钟)的目标对象的数量为1，不超过5，停车场入口有停留行为的目标对象以及处于缓行状态的目标对象的数量均为0，这时候，可以认为停车场状态是空闲；如果当前时刻，停车场的剩余车位数量不超过停车场容量的10％，且在当前观测时长内，进出所述停车场的时间间隔小于等于第一时长(如10分钟)的目标对象的数量为7，超过5辆，同时停车场入口有停留行为的目标对象以及处于缓行状态的目标对象的数量均大于0，这时候，可以认为停车场状态是饱和；如果当前时刻，停车场的剩余车位数量为0，在当前观测时长内，有目标对象的停留时长过长或者有目标对象的行车速度长时间为缓行(第二条件为目标对象的停留时长超过预设时长或者有目标对象的行车速度为缓行的时长超过预设时长)，这时候，可以认为该停车场的状态是极度饱和。
154.在其他实施方式中，该实时车位信息还可以是该停车场的粗略状态。此时，该预设规则可以是在所述实时车位信息为不满状态，且在所述当前观测时长内，行为特征信息满足第一条件的目标对象的数量满足第二数量要求时，确定所述停车场的状态为极度空闲；在所述实时车位信息为不满状态，且在所述当前观测时长内，行为特征信息满足第一条件的目标对象的数量满足第二数量要求时，确定所述停车场的状态为空闲；在所述实时车位信息为不满状态，且在所述当前观测时长内，行为特征信息满足第一条件的目标对象的数量满足第三数量要求时，确定所述停车场的状态为饱和；在所述实时车位信息为满的状态，且在所述当前观测时长内，行为特征信息满足第二条件时，确定所述停车场的状态为极度饱和。
155.当然，该预设规则还可以是设定的其他规则，只要满足一下要求即可：有大量车位剩余且行为特征信息表示车主可以快速找到车位则确定停车场的状态为极度空闲，有车位剩余且行为特征信息表示车主可以找到车位则确定停车场的状态为空闲，车位剩余较少甚至没有且行为特征信息表示车主找到车位较慢则确定停车场的状态为饱和，没有车位剩余且行为特征信息表示有车主需要排队等车位则确定停车场的状态为极度饱和。在此不对该预设规则做一一例举。
156.在本公开一实施方式中，所述预设规则包括预设的分类模型，所述确定模块被配置为：
157.将当前时刻的实时车位信息、当前观测时长内的行为特征信息和停车场当前时刻的特征数据作为所述预设的分类模型的输入，执行所述预设的分类模型，得到当前时刻所述停车场的状态；
158.其中，所述当前观测时长内的行为特征信息包括当前观测时长内目标路段和相邻路段的路况序列，出入所述停车场的目标对象的数量序列，目标对象出入所述停车场的时间间隔序列；所述停车场当前时刻的特征数据包括当前时刻对应的历史特征日内所述停车场的状态，当前时刻对应的历史时间段内的停车场的状态。
159.在该实施方式中，所述预设的分类模型用于对所述停车场的状态进行分类。可以基于该停车场的历史样本数据(比如说历史时刻的车位信息和历史时刻之前观测时长内所述停车场对应的目标对象的行为特征信息，以及该历史时刻的停车场的特征数据等)，对初始分类模型进行训练，得到预设的分类模型，然后将当前时刻的实时车位信息、当前观测时长内的行为特征信息和停车场当前时刻的特征数据作为该预设的分类模型的输入，执行所述预设的分类模型就可以输出该停车场的状态。
160.示例的，该预设的分类模型可以是softmax分类模型，或者binary cross entropy(二值交叉熵)多标签分类模型。
161.在本公开一实施方式中，所述装置还包括：
162.第四获取模块，被配置为获取样本停车场的样本数据，所述样本数据包括：样本时刻的车位信息，样本时刻之前的样本观测时长内目标路段和相邻路段的路况序列，所述样本观测时长内出入所述样本停车场的目标对象的数量序列，所述样本观测时长内目标对象出入所述样本停车场的时间间隔序列，样本时刻对应的历史特征日内所述样本停车场的状态，样本时刻对应的历史时间段内的样本停车场的状态，样本时刻的样本停车场的状态，其中，所述目标路段为与所述样本停车场入口连接的路段，所述相邻路段为所述目标路段的相邻路段；
163.训练模块，被配置为基于所述样本数据，对初始分类模型进行训练，得到所述预设的分类模型。
164.在该实施方式中，样本观测时长内目标路段和相邻路段的路况序列是指目标路段和相邻路段在样本观测时长内不同时段的路况信息，并按时间顺序排列；样本观测时长内出入所述样本停车场的目标对象的数量序列是指样本观测时长内不同时段出入所述样本停车场的目标对象的数量，并按时间顺序排列；样本观测时长内目标对象出入所述样本停车场的时间间隔序列是指样本观测时长内不同时段目标对象出入所述样本停车场的时间间隔，并按时间顺序排列。样本时刻对应的历史特征日是指与样本时刻所在日期的特征相同的历史日，样本时刻对应的历史时间段是指历史日内包含该样本时刻的时间段，示例的，假设样本时刻为2021年7月5日(周一)10：00：00，则该样本时刻对应的历史特征日为该历史时刻之前的某个或某些周一如2021年6月28日或2021年6月21日等，该样本时刻对应的历史时间段内为2021年7月4日9：50：00-0：10：00，2021年7月3日9：50：00-0：10：00等等。该样本停车场的状态包括极度空闲、空闲、饱和及极度饱和四种状态。
165.在该实施方式中，可以将该样本数据输入初始分类模型，得到初始分类模型的输出结果，该初始分类模型的输出结果与该样本停车场的状态做比较，得到该分类模型的输出结果的正确率，不断调整该分类模型中的参数，使该分类模型的输出结果的正确率达到
预设阈值如99％，如此就训练得到该预设的分类模型。
166.在该实施方式中，可以针对每个停车场设置一个分类模型，该样本停车场就是本停车场，用本停车场的样本数据就可以训练得到本停车场的分类模型，获取本停车场当前时刻的实时车位信息、当前观测时长内的行为特征信息和停车场当前时刻的特征数据并输入至本停车场的预设分类模型，执行本停车场的预设分类模型，就可以得到当前时刻本停车场的状态。
167.本实施例用大量的特征数据通过模型来获取当前时刻的停车场的状态，可以更加精确地获取到停车场的状态。
168.在本公开一实施方式中，所述样本数据包括：样本停车场的类型，所述基于所述样本数据，训练得到所述分类模型，包括：
169.训练模块，被配置为对同一类型的样本停车场的样本数据进行训练，得到所述同一类型的停车场的分类模型。
170.在该实施方式中，考虑到需要为每个停车场建立一个分类模型，需要耗费大量的资源，此时，可以针对每种类型的停车场建立一个分类模型，该停车场类型可以按照其所在场所类型进行划分，可以包括医院停车场、学校停车场、商场停车场、景区停车场等等。
171.在该实施方式中，可以先获取各个样本停车场的类型，然后对同一类型的样本停车场的样本数据进行训练，得到所述同一类型的停车场的分类模型。
172.在本公开一实施方式中，所述样本数据还包括所述样本停车场的标识，所述样本停车场自身所处的地理位置，以及所述样本停车场的目标路段及其相邻路段的路段标识，所述停车场当前时刻的特征数据还包括所述停车场的标识，所述停车场自身所处的地理位置，以及所述停车场的目标路段及其相邻路段的路段标识。
173.在该实施方式中，为了使各种类型的停车场的分类模型的分类结果更准确，可以增加更多的样本数据如所述样本停车场的标识，所述样本停车场自身所处的地理位置如市中心或郊区等，以及所述样本停车场的目标路段及其相邻路段的路段标识。
174.在该实施例中，对确定停车场的状态时，可以先获取该停车场的类型，查找到该停车场的类型对应的分类模型，然后将当前时刻的实时车位信息、当前观测时长内的行为特征信息和停车场当前时刻的特征数据作为所述停车场的类型对应的预设分类模型的输入，执行所述停车场的类型对应的分类模型输出所述停车场的状态，此时，所述停车场当前时刻的特征数据还包括所述停车场的标识，所述停车场自身所处的地理位置，以及所述停车场的目标路段及其相邻路段的路段标识。
175.本实施例可以在对停车场分类后，进行特定类别下的建模，可以更加高效且能够保证输出结果的正确，同时根据停车场类型建立分类模型可以覆盖到较多的停车场，获取的特征数据不依赖设备的铺设，可以为车主提供及时的停车决策参考和到达建议。
176.本公开实施例还公开了一种导航服务，其中，基于上述的停车场状态确定方法，获得被导航对象的停车场状态确定结果，并基于所述停车场状态确定结果为所述被导航对象提供相应场景的停车场引导服务。其中，所述相应场景为ar导航或者高架导航或者主辅路导航中的一种或多种的组合。
177.本公开实施例还公开了一种导航方法，其中，获取至少基于起点、终点、停车场的状态及路况情况计算的导航路线，基于所述导航路线进行导航引导，所述停车场的状态是
基于上述的任意一项方法实现的。
178.在本公开一实施方式中，用户在输入起点和终点进行导航时，可以基于起点和终点之间各路段的路况情况，以及终端附近停车场的状态，为用户提供导航路线，可以根据实时的停车场状态将用户导航至最好停车且离要去的目的地最近的停车场，方便用户尽快达到目的地。
179.在本公开一实施方式中，基于极度空闲、空闲、饱和以及极度饱和分别对应渲染色，在导航路线上显示停车场的状态，其中，极度空闲的视觉效果表达了停车场比常规空闲的停车场更容易停车的状态。
180.在该实施方式中，用户可以在到达终点附近时，根据极度空闲、空闲、饱和以及极度饱和分别对应渲染色查看该终点附近的停车场的状态，选择出合适的停车场。
181.本公开还公开了一种电子设备，图3示出根据本公开一实施方式的电子设备的结构框图，如图3所示，所述电子设备300包括存储器301和处理器302；其中，
182.所述存储器301用于存储一条或多条计算机指令，其中，所述一条或多条计算机指令被所述处理器302执行以实现上述方法步骤。
183.图4是适于用来实现根据本公开一实施方式的停车场状态确定方法的计算机系统的结构示意图。
184.如图4所示，计算机系统400包括处理单元401，其可以根据存储在只读存储器(rom)402中的程序或者从存储部分408加载到随机访问存储器(ram)403中的程序而执行上述实施方式中的各种处理。在ram403中，还存储有系统400操作所需的各种程序和数据。处理单元401、rom402以及ram403通过总线404彼此相连。输入/输出(i/o)接口405也连接至总线404。
185.以下部件连接至i/o接口405：包括键盘、鼠标等的输入部分406；包括诸如阴极射线管(crt)、液晶显示器(lcd)等以及扬声器等的输出部分407；包括硬盘等的存储部分408；以及包括诸如lan卡、调制解调器等的网络接口卡的通信部分409。通信部分409经由诸如因特网的网络执行通信处理。驱动器410也根据需要连接至i/o接口405。可拆卸介质411，诸如磁盘、光盘、磁光盘、半导体存储器等等，根据需要安装在驱动器410上，以便于从其上读出的计算机程序根据需要被安装入存储部分408。其中，所述处理单元401可实现为cpu、gpu、tpu、fpga、npu等处理单元。
186.特别地，根据本公开的实施方式，上文描述的方法可以被实现为计算机软件程序。例如，本公开的实施方式包括一种计算机程序产品，其包括有形地包含在及其可读介质上的计算机程序，所述计算机程序包含用于执行所述停车场状态确定方法的程序代码。在这样的实施方式中，该计算机程序可以通过通信部分409从网络上被下载和安装，和/或从可拆卸介质411被安装。
187.附图中的流程图和框图，图示了按照本公开各种实施方式的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，路程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分，所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要
注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
188.描述于本公开实施方式中所涉及到的单元或模块可以通过软件的方式实现，也可以通过硬件的方式来实现。所描述的单元或模块也可以设置在处理器中，这些单元或模块的名称在某种情况下并不构成对该单元或模块本身的限定。
189.作为另一方面，本公开实施例还提供了一种计算机可读存储介质，该计算机可读存储介质可以是上述实施方式中所述装置中所包含的计算机可读存储介质；也可以是单独存在，未装配入设备中的计算机可读存储介质。计算机可读存储介质存储有一个或者一个以上程序，所述程序被一个或者一个以上的处理器用来执行描述于本公开实施例的方法。
190.以上描述仅为本公开的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本公开实施例中所涉及的发明范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离所述发明构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本公开实施例中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。