[发明专利]一种停车场空闲车位数长时预测方法

权利要求书

1.一种停车场空闲车位数长时预测方法，其特征在于：用于支持将未来某一个指定时段的停车场空闲车位数信息及时呈现给用户，包括以下步骤，

步骤1，采集泊车数据，将采集到的泊车数据和相应天气数据进行数据预处理，得到若干星期中每天所有时段的空闲车位数特征数据，包括任一时段的工作日类型、节假日类型、时段数、空闲车位数、进流量、出流量、总流量、平均停车时长和降雨量；

步骤2，空闲车位特征数据归一化处理；

步骤3，将空闲车位数特征数据切分为训练集和测试集；

步骤4，根据训练集和测试集构建LSTM神经网络；

步骤5，确定待预测的第一个时段的上一时段空闲车位特征数据包括，工作日类型、节假日类型、时段数、空闲车位数、进流量、出流量、总流量、平均停车时长、降雨量，并作为LSTM神经网络的输入神经元；

步骤6，将输入神经元带入LSTM神经网络，根据各网络层之间的连接矩阵，得到输出神经元，输出神经元为第一个时段的空闲车位数；

步骤7，建立空闲车位数长时预测模型，反复迭代执行由第k-1个时段的特征数据作为输入神经元，预测下一阶段第k时段的空闲车位数，直至实现预测第N个时段的空闲车位数，对预测结果进行反归一化处理，得到停车场空闲车位数长时预测结果；其中，k表示当前所求时段，通常以5分钟为时段间隔，k-1表示前一个时段，N为最终的目标时段。

2.根据权利要求1所述停车场空闲车位数长时预测方法，其特征在于：时段的长度设为5分钟。

3.根据权利要求1所述停车场空闲车位数长时预测方法，其特征在于：步骤1中，对原始的泊车数据进行预先处理，包括以下子步骤，

步骤1.1，筛选排除停车场空闲车位数数据中具有异常状态的数据；

步骤1.2，筛选排除停车场空闲车位数数据中记录数少于预设相应阈值的数据；

步骤1.3，筛选排除停车场空闲车位数数据中存在若干连续时段具有相同数据的日期的数据；

步骤1.4，筛选排除不成周期性的空闲车位数数据；

步骤1.5，停车场空闲车位数插值，包括对经过以上步骤1.1～1.4的处理后剩下的数据，进行线性插值。

4.根据权利要求1或2或3所述停车场空闲车位数长时预测方法，其特征在于：采集泊车数据时，通过采集停车场进出车辆数据，形成动态过车数据表，实现如下，

当发现车辆进出停车场时，触发视频截图；

通过视频截图识别车牌号，并记录下进入和驶离时间；

将识别获得的数据，通过传输存储到远程的数据存储中心内，记录到动态过车数据表。

5.根据权利要求4所述停车场空闲车位数长时预测方法，其特征在于：为对动态过车数据表中重复记录的数据进行剔除，实现如下，

从动态过车数据表中读取车辆的进车记录，做聚类处理后导出为临时表，与进车记录做一一配对；

对进车记录按时间排序；

再次查询动态过车数据表中相应的出车记录，将同一时间段内的进车记录和出车记录进行配对，通过排序和数据剔除操作得到每一辆车的唯一对应的进出停车场记录，形成更新后的动态过车数据表。

6.根据权利要求5所述停车场空闲车位数长时预测方法，其特征在于：数据剔除操作的实现如下，

首先从动态过车数据表中查询出车辆的进车记录，然后寻找相应的驶离记录；

如果未找到相应的出车记录，由于出入车记录无法配对，删除该进车记录；如果寻找到相应的出车记录，则保留该记录；将重复的出入车记录对删除；

最终得到停车场相互匹配的进出车数据。