[发明专利]一种停车场空闲车位数长时预测方法

说明书

技术领域

本发明属于停车场预测应用技术领域，特别是一种停车场空闲车位数长时预测方法。

背景技术

我国近年来才对智能停车管理系统开始使用和研究，但随着我国经济高速发展，机动车保有量也逐年上升，现代城市停车诱导管理系统的发展也非常迅速，并开发出了满足大多数停车需求的智能停车诱导管理系统。但是由于我国城市交通规划发展理念较为落后，无法满足不断快速变化的交通需求，同时对停车场空闲车位数以及泊车时间预测的理论研究尚处在初级阶段，缺乏实际应用。

上述理论往往只注重从城市中寻找最近的停车场以及停车场内部的车位诱导工作，没有在停车诱导之前对未来某个时刻的空余车位进行预测，往往会浪费用户的时间。目前，驾车出行已经成为人们日常出行的一种常用工具，因为停车而引起的交通问题已经成为了限制我国城市交通发张的重要影响因素，所以提供城市中各个停车场空闲车位数据预测值将是交通管理部门缓解交通拥挤的重要参考。

神经网络是建立在高级动物神经结构特征的基础上，通过模仿神经元相互通信的方式，由很多与动物神经元类似的单元相互连接而成的非线性网络结构。神经网络使用简单的数学模型对动物神经网络行为和特性进行描述，通过一定的算法使其能够模拟动物神经结构所用的智能行为，解决传统算法不能解决的非线性复杂问题。但对于停车场车位的预测技术，之前所采用的预测模型，例如经典RNN，ARIMA，都存在着预测时间段过长导致精确度明显下降的情况。本领域亟待出现更精确高效的技术方案。

发明内容

为了解决上述技术问题，本发明根据停车场空闲车位数实时性的特点，提出了基于LSTM神经网络的空闲车位数长时预测模型，提供一种停车场空闲车位数长时预测方法。

本发明提供的技术方案提供一种停车场空闲车位数长时预测方法，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。

而且，时段的长度设为5分钟。

而且，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。

而且，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。

而且，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；