[发明专利]用于定位可用停车位的系统及方法在审
| 申请号: | 201380066642.5 | 申请日: | 2013-12-20 |
| 公开(公告)号: | CN104937650A | 公开(公告)日: | 2015-09-23 |
| 发明(设计)人: | 尤金·齐尔克列维奇 | 申请(专利权)人: | 泊知港有限公司 |
| 主分类号: | G08G1/14 | 分类号: | G08G1/14 |
| 代理公司: | 北京集佳知识产权代理有限公司 11227 | 代理人: | 朱胜;李春晖 |
| 地址: | 英国西米*** | 国省代码: | 英国;GB |
| 权利要求书: | 查看更多 | 说明书: | 查看更多 |
| 摘要: | |||
| 搜索关键词: | 用于 定位 可用 停车位 系统 方法 | ||
技术领域
本申请涉及使用基于网络的便携式电子设备或车载应用、利用二次数据源预测停车位可用性的系统及方法。二次数据源的示例包括停车交易、历史停车位可用性和车辆移动数据。
背景技术
如今很大比例的城市交通问题是由寻找合适的和可用的停车位置的车辆造成的。为了减少该问题,驾驶员需要知道何处可以停车。本申请经由诸如街道上的传感器或停车场关卡(barrier)系统等来源,在生成这样的数据的基础设施可用的区域中提供实时可用性信息。这样的基础设施未被广泛地采用,因此本公开的系统使用算法和模型以根据诸如历史交易和可用性数据、车辆位置和车辆移动以及许多其他环境因素的二次信息源(其均影响车辆停车行为模式)来计算停车位可用性。
用于定位停车的当前应用程序仅描述停车场、车库或街道停车的位置。这些应用程序不基于二次信息源来预测停车的可用性。
发明内容
本申请涉及用于使用以下应用中的任何一个应用来定位可用停车位的系统和方法:基于网络的系统、便携式电子设备或车载系统。
本公开的系统和方法在仅有二次输入的情况下使用统计学和机器学习技术来生成对当前停车可用性和未来停车可用性的预测。统计学和机器学习技术包括但不限于:监督学习,以构建对二次数据和停车可用性的历史观察所训练的回归模型。这些数学模型、算法和软件采用多个输入的信息并且生成关于给定街道、停车场或城市的停车位可用性的预测。然后,该预测在线地、在移动应用程序上或在车内被呈现给驾驶员。
在一个实施例中,系统通过使用来自街道和停车车库信息的实时可用车位计数来预测可用停车位,并且分析来自街道车位和停车车库两者的历史车位计数。使用该数据,系统识别贯穿某一给定天的车位可用性趋势(例如,在指定停车场,在上午8:00时85%车位可用,在上午9:30时77%车位可用等)。该数据可以用于预测给定时间点的预期车位。由于未来可用性可以与过去的可用性不同,所以系统将实时数据输入合并至模型中以将历史趋势调整成当前状况。例如,如果已知事件趋于增加停放在场所周围的车辆的数量,则系统可以相应地调整事件天的基于趋势的可用性预测。
本申请公开了用于定位停车位的方法,该方法包括:经由通信介质将所请求的期望停车的位置电子地发送至数据库服务器;并且基于存储在数据库中的历史停车位信息计算在所请求的位置附近的可能停车位位置,数据库电子地连接至数据库服务器;以及经由通信介质发送停车位的位置和可能性。该方法的另外的变型包括:其中,所请求的用于停车的位置从便携式电子设备输入和发送;其中,可能停车位位置被绘制在街道地图的电子描述上;其中,数据库服务器基于多个浮动车辆数据预测停车位可用性,浮动车辆数据从在所请求的位置周围驾驶以寻找车位的车辆捕获车辆移动信息;其中,数据库服务器基于多个浮动车辆数据预测停车位可用性,其中,所述浮动蜂窝数据基于指示行人相对于车辆移动的多个蜂窝信号的速度的变化捕获车辆到达和离开所请求的位置的信息;其中,数据库服务器基于贯穿整天所采集的历史停车位计数,针对所请求的位置预测停车可用性趋势;并且基于所述趋势推断(extrapolate)未来可用性;其中,数据库服务器使用下述输入根据历史可用性趋势来调整实时停车位可用性的预测:上述输入为例如一周中的当前日、月份、一天中的时间点、天气、公共交通系统的状态、计划事件、相邻停车场和街道的实时可用性、实时停车支付交易、实时电子销售点(EPOS)交易、实时交通和浮动车辆数据、(基于卫星或摄像装置的)实时成像、由停车执行系统(parking enforcement system)报告的实时车位可用性、由用户报告的实时车位可用性。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于泊知港有限公司,未经泊知港有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201380066642.5/2.html,转载请声明来源钻瓜专利网。
- 上一篇:导电性微粒
- 下一篇:在线学习管理系统及其方法





