[发明专利]可用停车位数目变化的预测方法、装置、设备及存储介质

权利要求书

1.一种可用停车位数目变化的预测方法，其特征在于，所述方法包括下述步骤：

当接收到可用停车位数目变化的预测请求时，获取所述预测请求对应的待预测时间段，并获取预先确定的表示可用停车位数目变化的时间序列数据对应的特征数据集合；所述预先确定的表示可用停车位数目变化的所述时间序列数据包括历史时间序列数据和当前时间序列数据；

通过预先确定的预测网络，根据所述特征数据集合计算所述待预测时间段对应的预测特征数据，以获取在待预测时间段内可用停车位数目的变化特征；

使用预设的还原重构算法计算所述预测特征数据对应的预测时间序列数据，以获取在所述待预测时间段内可用停车位数目的连续变化状态；

根据所述预测特征数据和所述预测时间序列数据，输出在所述待预测时间段内可用停车位数目变化的预测结果，其中，所述预测结果包括所述可用停车位数目的所述变化特征和所述连续变化状态；

该方法还包括：接收可用停车位数目变化的预测请求的步骤之前，对表示可用停车位数目变化的时间序列数据进行模糊信息粒化；

接收可用停车位数目变化的预测请求的步骤之前，所述方法还包括：

获取预设时间段内可用停车位数目的时间序列数据，根据预设的时间粒度对所述时间序列数据进行划分，得到子序列数据；

获取各个子序列数据中可用停车位数目的峰值时刻、最小值、最大值以及各个子序列数据中初始时间点和末尾时间点分别对应的第一停车位数目和第二停车位数目；

将所述最小值、所述最大值、所述第一停车位数目、所述第二停车位数目以及所述峰值时刻组成的数据集合确定为所述时间序列数据对应的特征数据集合。

2.如权利要求1所述的方法，其特征在于，所述预测网络为包括多个LSTM记忆单元的长短期记忆神经网络，所述LSTM记忆单元包括输入门、输出门和遗忘门。

3.如权利要求2所述的方法，其特征在于，接收可用停车位数目变化的预测请求的步骤之前，所述方法还包括：

将所述长短期记忆神经网络的隐藏层维度预设为N，其中所述N＝1,2,3,…,Nmax，所述Nmax为预设的维度最大值；

依次在N的每个取值对应的长短期记忆神经网络中，对训练集进行归一化，并使用归一化后的训练集对所述长短期记忆神经网络进行迭代训练；

测试所述得到的所有迭代训练后的长短期记忆神经网络的预测性能，将性能最优的所述迭代训练后的所述长短期记忆神经网络确定为所述预测网络。

4.如权利要求1所述的方法，其特征在于，所述特征数据集合为矩阵。