停车导航方法、装置及网络设备与流程

1.本发明涉及停车导航技术领域，尤其涉及一种停车导航方法、装置及网络设备。


背景技术：

2.目前全国各城市新能源车与传统油车的总保有量持续上升，城市交通流不断加大。“停车难、充电难”一直是个棘手的问题，车辆仍无法高效、实时的找到合适的停车场，这样会导致城市繁华地区交通拥堵的问题，还可能因为找停车场心切而引发一系列交通违章和事故。
3.即使手机app能实时检测到目的地停车场充电桩剩余量，停车场附近led大屏也能显示车库总剩余车位数。但当车辆在繁华地带邻近目的地停车场时，会存在因目的地停车场车位已满、或因驾驶员对路况不熟等情况，导致车辆无法按原计划停车，需要重新规划路径或找寻新的停车场。


技术实现要素：

4.本发明提供一种停车导航方法、装置及网络设备，以便在一定程度上解决现有技术中在临近停车场时由于车位已满或驾驶员对路况不熟，导致需要重新规划最优停车场路径的问题。
5.在本发明实施的第一方面，提供了一种停车导航方法，所述包括：
6.获取目标车辆的当前位置和所需到达的目标位置；
7.获取与所述目标位置满足第一预设条件的n个停车场的停车场数据；
8.将每一个停车场的停车场数据输入至数据因子分析模型中，从所述n个停车场中确定目标停车场，以使导航系统显示从所述当前位置行驶至所述目标停车场的导航路径；
9.在所述目标车辆向所述目标停车场行驶过程中，每间隔第一时长，获取所述目标停车场的停车场数据；
10.在所述目标停车场的停车场数据满足第二预设条件的情况下，更新所述目标停车场；
11.其中，n为正整数。
12.可选的，所述第一预设条件包括：停车场位置与所述目标位置的距离小于或等于预设距离。
13.可选的，所述将每一个停车场的停车场数据输入至分析模型中，从所述n个停车场中确定目标停车场，包括：
14.将每一个停车场的停车场数据中的数据因子输入至所述数据因子分析模型中，得到所述n个停车场的优先级排序信息；
15.根据所述n个停车场的优先级排序信息，确定所述n个停车场中的目标停车场。
16.可选的，每一个数据因子中均携带有数据因子属性；
17.在所述数据因子属性为正向属性的情况下，所述数据因子为正向因子；
18.在所述数据因子属性为负向属性的情况下，所述数据因子为负向因子。
19.可选的，所述停车场数据包括以下至少一项数据因子：
20.停车收费信息；
21.电车免停时长；
22.停车券价值；
23.空闲车位数；
24.空闲车位数占车位总数的第一比例；
25.车辆净流入数量占车位总数的第二比例；
26.停车场的所有车位距离停车场入口处的行驶距离的第一平均值；
27.停车场限速与进入停车场后成功泊车时间的乘积，与第一平均值之间的第一比值；
28.所述目标停车场与所述目标位置的第一距离；
29.所述目标停车场与所述当前位置的第二距离；
30.所述目标停车场的入口处与最临近的交通信号灯的第三距离；
31.所述目标停车场的入口处路段的平均车流量。
32.可选的，所述第二预设条件包括以下至少一项：
33.所述目标车辆错过所述目标停车场的入口处；
34.所述目标停车场的空闲车位数为0。
35.可选的，所述数据因子分析模块为采用熵值赋权法或者层次分析法的分析模型。
36.在本发明实施的第二方面，提供了一种停车导航装置，包括：
37.第一获取模块，用于获取目标车辆的当前位置和所需到达的目标位置；
38.第二获取模块，用于获取与所述目标位置满足第一预设条件的n个停车场的停车场数据；
39.确定模块，用于将每一个停车场的停车场数据输入至数据因子分析模型中，从所述n个停车场中确定目标停车场，以使导航系统显示从所述当前位置行驶至所述目标停车场的导航路径；
40.第三获取模块，用于在所述目标车辆向所述目标停车场行驶过程中，每间隔第一时长，获取所述目标停车场的停车场数据；
41.更新模块，用于在所述目标停车场的停车场数据满足第二预设条件的情况下，更新所述目标停车场；
42.其中，n为正整数。
43.在本发明实施的第三方面，提供了一种网络设备，包括存储器，收发机，处理器：
44.存储器，用于存储计算机程序；收发机，用于在所述处理器的控制下收发数据；处理器，用于读取所述存储器中的计算机程序并执行如上所述的停车导航方法中的步骤。
45.在本发明实施的第四方面，提供了一种理器可读存储介质，所述处理器可读存储介质存储有计算机程序，所述计算机程序用于使所述处理器执行如上所述的停车导航方法。
46.针对在先技术，本发明具备如下优点：
47.本发明上述实施例中，通过获取目标车辆的当前位置和所需到达的目标位置，获
取与所述目标位置满足第一预设条件的n个停车场的停车场数据，将每一个停车场的停车场数据输入至数据因子分析模型中，从所述n个停车场中确定目标停车场，以使导航系统显示从所述当前位置行驶至所述目标停车场的导航路径；在所述目标车辆向所述目标停车场行驶过程中，每间隔第一时长，获取所述目标停车场的停车场数据；在所述目标停车场的停车场数据满足第二预设条件的情况下，更新所述目标停车场。
48.上述方案，通过获取与目标位置满足第一预设条件的n个停车场的停车场数据，并将每一个停车场的停车场数据输入至数据因子分析模型中，即可以从n个停车场中确定最优的目标停车场，以使导航系统显示从当前位置行驶至最优的目标停车场的导航路径，即可自动根据用户需求、提前规划合适的目标停车场导航路径。并且，在目标车辆向目标停车场行驶过程中，每间隔第一时长获取目标停车场的停车场数据，并在目标停车场的停车场数据满足第二预设条件的情况下，更新目标停车场，由此可以在行驶过程中实时更新目标停车场，能够实时高效的预测空余停车位的精准信息。
49.上述说明仅是本发明技术方案的概述，为了能够更清楚了解本发明的技术手段，而可依照说明书的内容予以实施，并且为了让本发明的上述和其它目的、特征和优点能够更明显易懂，以下特举本发明的具体实施方式。
附图说明
50.为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍。
51.图1为本发明实施例提供的停车导航方法的流程示意图；
52.图2为本发明实施例提供的中央管理云平台的通信连接示意图；
53.图3为本发明实施例提供的停车导航方法的具体流程示意图；
54.图4为本发明实施例提供的停车导航装置的框图；
55.图5为本发明实施例提供的网络设备的框图。
具体实施方式
56.下面将结合本技术实施例中的附图，对本技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本技术一部分实施例，而不是全部的实施例。基于本技术中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本技术保护的范围。
57.本技术的说明书和权利要求书中的术语“第一”、“第二”等是用于区别类似的对象，而不用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便本技术的实施例能够以除了在这里图示或描述的那些以外的顺序实施，且“第一”、“第二”等所区分的对象通常为一类，并不限定对象的个数，例如第一对象可以是一个，也可以是多个。此外，说明书以及权利要求中“和/或”表示所连接对象的至少其中之一，字符“/”，一般表示前后关联对象是一种“或”的关系。
58.如图1和2所示，本发明实施例提供的一种停车导航方法，上述方法可以应用于中央管理云平台21，也可以应用于电子设备。下面具体以应用于中央管理云平台21为例进行说明。
59.具体的，上述停车导航方法具体可以包括如下步骤101至步骤105：
60.步骤101，获取目标车辆的当前位置和所需到达的目标位置。
61.具体的，如图2所示，电子设备app25或车联网系统(telematics box，tbox)采集目标车辆的当前位置，并且，用于通过电子设备app25或tbox24上传所需到达的目标位置至中央管理云平台21，由此，中央管理云平台21获取到目标车辆的当前位置以及目标位置，目标位置即目标车辆即将要去的目的地。
62.步骤102，获取与所述目标位置满足第一预设条件的n个停车场的停车场数据；其中，n为正整数。
63.具体的，如图2所示，中央管理云平台21包括数据采集管理模块211，该数据采集管理模块211通过云存储技术打通和各个停车场管理系统22的网络链路和地图数据的集成，可以每间隔第一时长获取一次与目标位置满足第一预设条件的各个停车场的停车场数据。
64.步骤103，将每一个停车场的停车场数据输入至数据因子分析模型中，从所述n个停车场中确定目标停车场，以使导航系统显示从所述当前位置行驶至所述目标停车场的导航路径。
65.具体的，如图2所示，中央管理云平台21还包括数据分析计算模块212，该数据分析计算模块212接收电子设备app25或tbox24发来的查询和导航指令，结合数据采集管理模块211采集的停车场的停车场数据，通过数据因子分析模型完成数据处理，由此从n个停车场中确定目标停车场，即n个停车场中的最优停车场。
66.如图2所示，中央管理云平台21还包括数据传输模块213，该数据传输模块213将导出的目标停车场的分析结果发送至电子设备app25或tbox24，电子设备app25或tbox24每间隔第一时长接收一次目标停车场的分析结果，通过数据解析转换后，可以通过语音播报目标停车场(即最优停车场)，也可以接收次优停车场的停车场数据，以供驾驶员自主选择，在选择之后由电子设备app25或tbox24发送至导航系统23，导航系统23即可以显示从当前位置行驶至目标停车场的导航路径，并进行导航。
67.并且，中央管理云平台21还可以包括数据存储模块214，用于存储中央管理云平台21上的数据。
68.其中，如图2所示，导航系统23用于根据电子设备app25或tbox24的指令，为驾驶员找寻合适的目标停车场和车位，并提供高精度地图、路径导航、目的地自动切换等功能。
69.步骤104，在所述目标车辆向所述目标停车场行驶过程中，每间隔第一时长，获取所述目标停车场的停车场数据。
70.具体的，在目标车辆向目标停车场的形成过程中，中央管理云平台通过数据采集管理模块每间隔第一时长获取一次目标停车场的停车场数据，以便目标车辆能够在行车过程中能够及时得知更新后的目标停车场的停车场数据。
71.步骤105，在所述目标停车场的停车场数据满足第二预设条件的情况下，更新所述目标停车场。
72.具体的，在目标车辆向目标停车场行驶过程中，每间隔第一时长获取目标停车场的停车场数据，并判断每一次获取的目标停车场的停车场数据是否满足第二预设条件。如果获取的目标停车场的停车场数据满足第二预设条件，则中央管理云平台会重新获取n个停车场中除目标停车场之外的其他停车场的停车场数据，并将上述其他停车场的停车场数
据输入至数据因子分析模型中，从而在其他停车场中重新确定目标停车场，即更新目标停车场，以使导航系统显示从当前位置行驶至更新后的目标停车场的导航路径。
73.本发明上述实施例中，通过获取与目标位置满足第一预设条件的n个停车场的停车场数据，并将每一个停车场的停车场数据输入至数据因子分析模型中，即可以从n个停车场中确定最优的目标停车场，以使导航系统显示从当前位置行驶至最优的目标停车场的导航路径，即可自动根据用户需求、提前规划合适的目标停车场导航路径。并且，在目标车辆向目标停车场行驶过程中，每间隔第一时长获取目标停车场的停车场数据，并在目标停车场的停车场数据满足第二预设条件的情况下，更新目标停车场，由此可以在行驶过程中实时更新目标停车场，能够实时高效的预测空余停车位的精准信息。
74.作为一可选的实施例，所述第一预设条件包括：停车场位置与所述目标位置的距离小于或等于预设距离。
75.具体的，中央管理云平台通过数据采集管理模块，每间隔第一时长获取一次n个停车场的停车场数据，该n个停车场中的每一个停车场的停车场位置与目标位置的距离小于或等于预设距离。其中，预设距离为判断停车场位置与目标位置之间的距离是否满足停车条件的距离限值，如果停车场位置与目标位置之间的距离小于或等于预设距离，则表示该停车场距离目标位置较近，可以作为去目标位置可停靠的停车场；如果停车场位置与目标位置之间的距离大于预设距离，则表示该停车场距离目标位置较远，不适合作为去目标位置可停靠的停车场。
76.作为一可选的实施例，所述步骤103将每一个停车场的停车场数据输入至分析模型中，从所述n个停车场中确定目标停车场，具体可以包括：
77.将每一个停车场的停车场数据中的数据因子输入至所述数据因子分析模型中，得到所述n个停车场的优先级排序信息；
78.根据所述n个停车场的优先级排序信息，确定所述n个停车场中的目标停车场。
79.具体的，中央管理云平台通过数据分析计算模块采集n个停车场的停车场数据，并通过数据分析计算模块将每一个停车场的停车场数据中的数据因子输入至数据因子分析模型中进行计算，由此可以对n个停车场进行优先级排序，得到n个停车场的优先级排序信息；优先级最高即排序第一的可以作为最优停车场，排序第二的可以为次优停车场等。根据该n个停车场的优先级排序信息，可以确定n个停车场中排序第一的为目标停车场，即最优停车场。
80.作为一可选的实施例，每一个数据因子中均携带有数据因子属性；
81.在所述数据因子属性为正向属性的情况下，所述数据因子为正向因子；
82.在所述数据因子属性为负向属性的情况下，所述数据因子为负向因子。
83.具体的，每一个停车场的停车场数据中均包含有多个数据因子，每一个数据因子均携带有数据因子属性。如果该数据因子的数据因子属性为正向属性，则该数据因子为正向因子，正向因子的数值越高越好，即正向因子的数值越高，该数据因子可作为加分项，提高该停车场的优先级排序名次。如果该数据因子的数据因子属性为负向属性，则该数据因子为负向因子，负向因子的数值越低越好，即负向因子的数值越高，该数据因子可作为减分项，降低该停车场的优先级排序名次。
84.作为一可选的实施例，所述停车场数据包括但不限于以下至少一项数据因子：
85.停车收费信息；
86.电车免停时长；
87.停车券价值；
88.空闲车位数；
89.空闲车位数占车位总数的第一比例；
90.车辆净流入数量占车位总数的第二比例；
91.停车场的所有车位距离停车场入口处的行驶距离的第一平均值；
92.停车场限速与进入停车场后成功泊车时间的乘积，与第一平均值之间的第一比值；
93.所述目标停车场与所述目标位置的第一距离；
94.所述目标停车场与所述当前位置的第二距离；
95.所述目标停车场的入口处与最临近的交通信号灯的第三距离；
96.所述目标停车场的入口处路段的平均车流量。
97.具体的，将每一个停车场的停车场数据中的数据因子输入至数据因子分析模块中，对数据因子进行分析，得到综合得分，由此得到多个停车场的综合得分，由此可以得到多个停车场的优先级排序信息。其中，目标车辆的类型可以为电车，也可以为油车，根据目标车辆不同的类型，每一个停车场的停车场数据包含的数据因子如表1所示。
98.其中，在数据因子名称为停车收费信息时，如果目标车辆为电车，则数据因子数值为a，如果目标车辆为油车，则数据因子数值为a，并且，停车收费信息的数据因子为负向因子。
99.在数据因子名称为电车免停时长时，如果目标车辆为电车，则数据因子数值为b，如果目标车辆为油车，则无该数据因子数值，并且，电车免停时长的数据因子为正向因子。
100.在数据因子名称为停车券价值时，如果目标车辆为电车，则数据因子数值为c，如果目标车辆为油车，则数据因子数值为c，并且，停车券价值的数据因子为正向因子。
101.在数据因子名称为空闲车位数时，如果目标车辆为电车，则数据因子数值为e1 e2，如果目标车辆为油车，则数据因子数值为e1，并且，空闲车位数的数据因子为正向因子。
102.在数据因子名称为空闲车位数/车位总数(即空闲车位数占车位总数的第一比例)时，如果目标车辆为电车，则数据因子数值为(e1 e2)/(d1 d2)，如果目标车辆为油车，则数据因子数值为e1/d1，并且，空闲车位数/车位总数的数据因子为正向因子。
103.在数据因子名称为车辆净流入数量/车位总数(即车辆净流入数量占车位总数的第二比例)时，如果目标车辆为电车，则数据因子数值为(f2-g2)/(d1 d2)，如果目标车辆为油车，则数据因子数值为(f1-f 2)/d1，并且，车辆净流入数量/车位总数的数据因子为负向因子。
104.在数据因子名称为距离停车位距离(即停车场的所有车位距离停车场入口处的行驶距离的第一平均值)时，如果目标车辆为电车，则数据因子数值为h2，如果目标车辆为油车，则数据因子数值为h1，并且，距离停车位距离的数据因子为负向因子。
105.在数据因子名称为顺利泊车时间与希望泊车时间比值(即停车场限速与进入停车场后成功泊车时间的乘积，与第一平均值之间的第一比值)时，如果目标车辆为电车，则数据因子数值为i*j/h2，如果目标车辆为油车，则数据因子数值为i*j/h1，并且，顺利泊车时
间与希望泊车时间比值的数据因子为负向因子。
106.在数据因子名称为目标停车场距目标位置距离(即所述目标停车场与所述目标位置的第一距离)时，如果目标车辆为电车，则数据因子数值为k，如果目标车辆为油车，则数据因子数值为k，并且，目标停车场距目标位置距离的数据因子为负向因子。
107.在数据因子名称为目标停车场距当前位置距离(即所述目标停车场与所述当前位置的第二距离)时，如果目标车辆为电车，则数据因子数值为l，如果目标车辆为油车，则数据因子数值为l，并且，目标停车场距当前位置距离的数据因子为负向因子。
108.在数据因子名称为目标停车场入口处距最近交通灯距离(即所述目标停车场的入口处与最临近的交通信号灯的第三距离)时，如果目标车辆为电车，则数据因子数值为m，如果目标车辆为油车，则数据因子数值为m，并且，目标停车场入口处距最近交通灯距离的数据因子为正向因子。
109.在数据因子名称为目标停车场入口处路段平均车流量(即所述目标停车场的入口处路段的平均车流量)时，如果目标车辆为电车，则数据因子数值为n，如果目标车辆为油车，则数据因子数值为n，并且，目标停车场入口处路段平均车流量的数据因子为负向因子。
110.表1停车场数据中的数据因子
[0111][0112]
其中，表1中的数据因子数值的具体内容如表2所示：
[0113]
表2数据因子数值
[0114][0115]
其中，数据模块可以分为停车场内部和停车场外部两个数据模块，停车场内部对应有多个一级指标，每一个一级指标对应有至少一个二级指标2，每一个二级指标对应有具体的指标符号，可以通过指标符号标识数据因子数值。
[0116]
在停车场内部的一级指标为停车费时，对应的二级指标包括：不同时间段停车费(元/小时)、充电时免费停车时长(小时)、停车券可抵价值。其中，不同时间段停车费(元/小时)通过指标符号a表示，即表1中的数据因子数值为a时，表示不同时间段停车费为a元/小时。充电时免费停车时长(小时)通过指标符号b表示，即表1中的数据因子数值为b时，表示不同时间段停车费为b小时。停车券可抵价值通过指标符号c表示，即表1中的数据因子数值为c时，表示停车券可抵价值为c。
[0117]
在停车场内部的一级指标为车位数时，对应的二级指标包括：油车停车位总数、电车停车位总数、空闲油车停车位数、空闲电车停车位数。其中，油车停车位总数通过指标符号d1表示，即表1中的数据因子数值为d1时，表示油车停车位总数为d1。电车停车位总数通过指标符号d2表示，即表1中的数据因子数值为d2时，表示电车停车位总数为d2。空闲油车停车位数通过指标符号e1表示，即表1中的数据因子数值为e1时，表示空闲油车停车位数为e1。空闲电车停车位数通过指标符号e2表示，即表1中的数据因子数值为e2时，表示空闲电车停车位数为e2。
[0118]
在停车场内部的一级指标为车流量(如：5min内)时，对应的二级指标包括：油车驶入停车场数量、电车驶入停车场数量、油车驶出停车场数量、电车驶出停车场数量。其中，油车驶入停车场数量通过指标符号f1表示，即表1中的数据因子数值为f1时，表示油车驶入停车场数量为f1。电车驶入停车场数量通过指标符号f2表示，即表1中的数据因子数值为f2时，表示电车驶入停车场数量为f2。油车驶出停车场数量通过指标符号g1表示，即表1中的数据因子数值为g1时，表示油车驶出停车场数量为g1。电车驶出停车场数量通过指标符号g2表示，即表1中的数据因子数值为g2时，表示电车驶出停车场数量为g2。
[0119]
在停车场内部的一级指标为距离时，对应的二级指标包括：油车车位距离入口行驶距离平均值(m)、电车车位距离入口行驶距离平均值(m)。其中，油车车位距离入口行驶距离平均值(m)通过指标符号h1表示，即表1中的数据因子数值为h1时，表示油车车位距离入口行驶距离平均值(m)为h1。电车车位距离入口行驶距离平均值(m)通过指标符号h2表示，即表1中的数据因子数值为h2时，表示电车车位距离入口行驶距离平均值(m)为h2。
[0120]
在停车场内部的一级指标为限速时，对应的二级指标包括：停车场限速(km/h)。其中，停车场限速(km/h)通过指标符号i表示，即表1中的数据因子数值为i时，表示停车场限速(km/h)为i。
[0121]
在停车场内部的一级指标为用户希望停车时间时，对应的二级指标包括：进入停车场后成功泊车时间(min)。其中，进入停车场后成功泊车时间(min)通过指标符号j表示，即表1中的数据因子数值为j时，表示进入停车场后成功泊车时间(min)为j。
[0122]
在停车场外部的一级指标为距离时，对应的二级指标包括：目标停车场距目标距离(m)、目标停车场距当前位置距离(m)、目标停车场入口处距最近交通灯距离(m)。其中，目标停车场距目标距离(m)通过指标符号k表示，即表1中的数据因子数值为k时，表示目标停车场距目标距离(m)为k。目标停车场距当前位置距离(m)通过指标符号l表示，即表1中的数据因子数值为l时，表示目标停车场距当前位置距离(m)为l。目标停车场入口处距最近交通灯距离(m)通过指标符号m表示，即表1中的数据因子数值为m时，表示目标停车场入口处距最近交通灯距离(m)为m。
[0123]
在停车场外部的一级指标为交通情况时，对应的二级指标包括：目标停车场入口
处路段平均车流量(车数/min)。其中，目标停车场入口处路段平均车流量(车数/min)通过指标符号n表示，即表1中的数据因子数值为n时，表示目标停车场入口处路段平均车流量(车数/min)为n。
[0124]
作为一可选的实施例，所述第二预设条件包括但不限于以下至少一项：
[0125]
第一项：所述目标车辆错过所述目标停车场的入口处。
[0126]
具体的，如果导航系统通过定位技术检测到目标车辆错过目标停车场的入口处，则导航系统通过电子设备app或tbox上传错过目标停车场的入口处的信息至中央管理云平台，中央管理云平台通过数据分析计算模块中的数据因子分析模型更新目标停车场，并将更新后的目标停车场下发至电子设备app或tbox，电子设备app或tbox发给导航系统进行导航。
[0127]
第二项：所述目标停车场的空闲车位数为0。
[0128]
具体的，如果中央管理云平台通过数据采集管理模块获取到目标停车场的空闲车位数为0，则表示该目标停车场的车位已满，无法停车，则中央管理云平台需要通过数据分析计算模块中的数据因子分析模型更新目标停车场，并将更新后的目标停车场下发至电子设备app或tbox，电子设备app或tbox发给导航系统进行导航。
[0129]
作为一可选的实施例，所述数据因子分析模块为采用熵值赋权法或者层次分析法的分析模型。
[0130]
具体的，数据因子分析模型为可以采用熵值赋权法、层次分析法等方法的分析模型，在此不做具体限定。如果数据因子分析模块采用熵值赋权法，在异质指标同质化归一处理时，如果该数据因子的数据因子属性为正向属性，则该数据因子为正向因子，正向因子的数值越高越好。如果该数据因子的数据因子属性为负向属性，则该数据因子为负向因子，负向因子的数值越低越好。
[0131]
下面通过一具体实施例对上述方案进行详细说明：
[0132]
如图3所示，步骤301：电子设备app或tbox采集目标车辆的当前位置和目标位置，并上传至中央管理云平台。
[0133]
步骤302：中央管理云平台获取与目标位置满足第一预设条件的n个停车场的停车场数据。
[0134]
步骤303：中央管理云平台将每一个停车场的停车场数据中的数据因子输入至所述数据因子分析模型中，获取所述n个停车场的优先级排序信息。
[0135]
步骤304：中央管理云平台根据所述n个停车场的优先级排序信息，确定所述n个停车场中的目标停车场。
[0136]
步骤305：中央管理云平台将目标停车场由电子设备app或tbox发送至导航系统，由导航系统进行目标停车场的导航。
[0137]
步骤306：在目标车辆向目标停车场行驶过程中，每间隔第一时长，获取所述目标停车场的停车场数据。
[0138]
步骤307：判断目标停车场的停车场数据是否满足第二预设条件。如果满足，则进入步骤308；若不满足，则返回步骤306。
[0139]
步骤308：更新目标停车场。
[0140]
综上所述，本发明实施例，中央管理云平台录入各个停车场管理系统的停车场数
据，管理所有用于计算停车场的停车场数据，并基于中央管理云平台部署的数据因子分析模型确定最优停车场，更高准确率、更实时高效的预测空余停车位精准信息；并且根据用户需求实时更新目标停车场的停车场数据，提前规划合适的目标停车场导航路径，通过移动网络、互联网与电子设备app或tbox实现数据的上传和下发；并且，当错过目标停车场入口处时，无需人工重新寻找和定位合适路径，可以自动更新目标停车场并进行导航，避免交通拥堵和人为心理因素导致的违章和事故。
[0141]
如图4所示，本发明实施例提供的一种停车导航装置400，包括：
[0142]
第一获取模块401，用于获取目标车辆的当前位置和所需到达的目标位置；
[0143]
第二获取模块402，用于获取与所述目标位置满足第一预设条件的n个停车场的停车场数据；
[0144]
确定模块403，用于将每一个停车场的停车场数据输入至数据因子分析模型中，从所述n个停车场中确定目标停车场，以使导航系统显示从所述当前位置行驶至所述目标停车场的导航路径；
[0145]
第三获取模块404，用于在所述目标车辆向所述目标停车场行驶过程中，每间隔第一时长，获取所述目标停车场的停车场数据；
[0146]
更新模块405，用于在所述目标停车场的停车场数据满足第二预设条件的情况下，更新所述目标停车场；
[0147]
其中，n为正整数。
[0148]
可选的，所述第一预设条件包括：停车场位置与所述目标位置的距离小于或等于预设距离。
[0149]
可选的，所述确定模块403，具体用于：
[0150]
将每一个停车场的停车场数据中的数据因子输入至所述数据因子分析模型中，得到所述n个停车场的优先级排序信息；
[0151]
根据所述n个停车场的优先级排序信息，确定所述n个停车场中的目标停车场。
[0152]
可选的，每一个数据因子中均携带有数据因子属性；
[0153]
在所述数据因子属性为正向属性的情况下，所述数据因子为正向因子；
[0154]
在所述数据因子属性为负向属性的情况下，所述数据因子为负向因子。
[0155]
可选的，所述停车场数据包括以下至少一项数据因子：
[0156]
停车收费信息；
[0157]
电车免停时长；
[0158]
停车券价值；
[0159]
空闲车位数；
[0160]
空闲车位数占车位总数的第一比例；
[0161]
车辆净流入数量占车位总数的第二比例；
[0162]
停车场的所有车位距离停车场入口处的行驶距离的第一平均值；
[0163]
停车场限速与进入停车场后成功泊车时间的乘积，与第一平均值之间的第一比值；
[0164]
所述目标停车场与所述目标位置的第一距离；
[0165]
所述目标停车场与所述当前位置的第二距离；
[0166]
所述目标停车场的入口处与最临近的交通信号灯的第三距离；
[0167]
所述目标停车场的入口处路段的平均车流量。
[0168]
可选的，所述第二预设条件包括以下至少一项：
[0169]
所述目标车辆错过所述目标停车场的入口处；
[0170]
所述目标停车场的空闲车位数为0。
[0171]
可选的，所述数据因子分析模块为采用熵值赋权法或者层次分析法的分析模型。
[0172]
需要说明的是，该停车导航装置实施例是与上述停车导航方法相对应的装置，上述方法实施例的所有实现方式均适用于该装置实施例中，也能达到与其相同的技术效果，在此不再赘述。
[0173]
综上所述，本发明实施例，中央管理云平台录入各个停车场管理系统的停车场数据，管理所有用于计算停车场的停车场数据，并基于中央管理云平台部署的数据因子分析模型确定最优停车场，更高准确率、更实时高效的预测空余停车位精准信息；并且根据用户需求实时更新目标停车场的停车场数据，提前规划合适的目标停车场导航路径，通过移动网络、互联网与电子设备app或tbox实现数据的上传和下发；并且，当错过目标停车场入口处时，无需人工重新寻找和定位合适路径，可以自动更新目标停车场并进行导航，避免交通拥堵和人为心理因素导致的违章和事故。
[0174]
如图5所示，本发明的实施例还提供了一种网络设备，包括存储器520，收发机510，处理器500：
[0175]
存储器520，用于存储计算机程序；
[0176]
收发机510，用于在所述处理器的控制下收发数据；
[0177]
处理器500，用于读取所述存储器中的计算机程序并执行以下操作：
[0178]
获取目标车辆的当前位置和所需到达的目标位置；
[0179]
获取与所述目标位置满足第一预设条件的n个停车场的停车场数据；
[0180]
将每一个停车场的停车场数据输入至数据因子分析模型中，从所述n个停车场中确定目标停车场，以使导航系统显示从所述当前位置行驶至所述目标停车场的导航路径；
[0181]
在所述目标车辆向所述目标停车场行驶过程中，每间隔第一时长，获取所述目标停车场的停车场数据；
[0182]
在所述目标停车场的停车场数据满足第二预设条件的情况下，更新所述目标停车场；
[0183]
其中，n为正整数。
[0184]
可选的，所述第一预设条件包括：停车场位置与所述目标位置的距离小于或等于预设距离。
[0185]
可选的，所述处理器500在将每一个停车场的停车场数据输入至分析模型中，从所述n个停车场中确定目标停车场时，具体用于：
[0186]
将每一个停车场的停车场数据中的数据因子输入至所述数据因子分析模型中，得到所述n个停车场的优先级排序信息；
[0187]
根据所述n个停车场的优先级排序信息，确定所述n个停车场中的目标停车场。
[0188]
可选的，每一个数据因子中均携带有数据因子属性；
[0189]
在所述数据因子属性为正向属性的情况下，所述数据因子为正向因子；
[0190]
在所述数据因子属性为负向属性的情况下，所述数据因子为负向因子。
[0191]
可选的，所述停车场数据包括以下至少一项数据因子：
[0192]
停车收费信息；
[0193]
电车免停时长；
[0194]
停车券价值；
[0195]
空闲车位数；
[0196]
空闲车位数占车位总数的第一比例；
[0197]
车辆净流入数量占车位总数的第二比例；
[0198]
停车场的所有车位距离停车场入口处的行驶距离的第一平均值；
[0199]
停车场限速与进入停车场后成功泊车时间的乘积，与第一平均值之间的第一比值；
[0200]
所述目标停车场与所述目标位置的第一距离；
[0201]
所述目标停车场与所述当前位置的第二距离；
[0202]
所述目标停车场的入口处与最临近的交通信号灯的第三距离；
[0203]
所述目标停车场的入口处路段的平均车流量。
[0204]
可选的，所述第二预设条件包括以下至少一项：
[0205]
所述目标车辆错过所述目标停车场的入口处；
[0206]
所述目标停车场的空闲车位数为0。
[0207]
可选的，所述数据因子分析模块为采用熵值赋权法或者层次分析法的分析模型。
[0208]
其中，在图5中，总线架构可以包括任意数量的互联的总线和桥，具体由处理器500代表的一个或多个处理器和存储器520代表的存储器的各种电路链接在一起。总线架构还可以将诸如外围设备、稳压器和功率管理电路等之类的各种其他电路链接在一起，这些都是本领域所公知的，因此，本文不再对其进行进一步描述。总线接口提供接口。收发机510可以是多个元件，即包括发送机和接收机，提供用于在传输介质上与各种其他装置通信的单元，这些传输介质包括无线信道、有线信道、光缆等传输介质。处理器500负责管理总线架构和通常的处理，存储器520可以存储处理器500在执行操作时所使用的数据。
[0209]
处理器500可以是中央处埋器(cpu)、专用集成电路(application specific integrated circuit，asic)、现场可编程门阵列(field－programmable gate array，fpga)或复杂可编程逻辑器件(complex programmable logic device，cpld)，处理器也可以采用多核架构。
[0210]
处理器通过调用存储器存储的计算机程序，用于按照获得的可执行指令执行本技术实施例提供的任一所述停车导航方法。处理器与存储器也可以物理上分开布置。
[0211]
在此需要说明的是，本发明实施例提供的上述网络设备，能够实现上述停车导航方法实施例所实现的所有方法步骤，且能够达到相同的技术效果，在此不再对本实施例中与方法实施例相同的部分及有益效果进行具体赘述。
[0212]
本发明的实施例还提供了一种处理器可读存储介质，所述处理器可读存储介质存储有计算机程序，所述计算机程序用于使所述处理器执行上述停车导航方法。
[0213]
所述处理器可读存储介质可以是处理器能够存取的任何可用介质或数据存储设备，包括但不限于磁性存储器(例如软盘、硬盘、磁带、磁光盘(mo)等)、光学存储器(例如cd、
dvd、bd、hvd等)、以及半导体存储器(例如rom、eprom、eeprom、非易失性存储器(nand flash)、固态硬盘(ssd))等。
[0214]
本领域内的技术人员应明白，本技术的实施例可提供为方法、系统、或计算机程序产品。因此，本技术可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本技术可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器和光学存储器等)上实施的计算机程序产品的形式。
[0215]
本技术是参照根据本技术实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机可执行指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机可执行指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
[0216]
这些处理器可执行指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的处理器可读存储器中，使得存储在该处理器可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
[0217]
这些处理器可执行指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
[0218]
显然，本领域的技术人员可以对本技术进行各种改动和变型而不脱离本技术的精神和范围。这样，倘若本技术的这些修改和变型属于本技术权利要求及其等同技术的范围之内，则本技术也意图包含这些改动和变型在内。