[发明专利]一种大数据环境下停车场占有率的预测方法

说明书

本发明提供的一种大数据环境下停车场占有率的预测方法是利用停车场车辆出入记录，获得停车场的出入口在每个时间段进入和离开的车辆的数量分布，由此构建反映分时段车辆出入停车场的PDFVA分布模型，训练得到各个时段PDFVA分布的参数值，根据每个时段出入停车场车辆数的PDFVA分布模型预测未来各时段停车场出入车辆的数量，以及停车场内车位的占有率和拥挤程度。本发明利用停车场管理处已有的海量车辆分时段出入数据，即能低成本、自动化、便捷地获取指定时间段内出入停车场的车辆数的分布，对分时段的出入车辆数量PDFVA分布模型的参数进行估值，从而实现快速高效地对停车场在未来时刻的出入车辆数和发生拥挤的可能性进行预测。

技术领域

本发明涉及一种基于海量停车场出入数据，挖掘每个停车场在每个时段的进出车辆数量，统计分时段的出入车辆数量出现的频率，构建车辆出入概率密度函数PDFVA(英文全称为：Probability Density Function of Vehicle Access)表达每个停车场分时段出入车辆数量的概率，以此为基础对分时段停车场车位的占有率的拥挤程度进行预测。

背景技术

随着城市的快速扩张，机动车成为城市居民交通出行的重要工具，由此带来的各种问题日益受到广泛关注。近年来，由于城市机动车保有量的增加，城市内部公共基础配套设施的建设出现一定程度的滞后，导致城市交通拥挤度急速上升。在停车方面，大城市市区中心地段的停车位供给和需求之间的矛盾日益凸显，车位紧张、停车难的现象已经成为城市管理者需要解决的首要任务。在这一背景下，需要对城市中停车场分时段的出入车辆数据进行统计和分析，通过构建合理科学的模型对停车场车位实时占有率进行预测，以更好地对车辆的停车行为进行预判和调度，合理分配停车资源。

近年来，随着信息技术的发展，数据信息量呈现爆炸式增长，数据来源越来越多，数据量也越来越庞大。其中，由手机、WIFI、物联网、GPS、IC卡、ETC等信息传感器记录的数据已经成为大数据分析中最重要的数据来源，为大数据尤其是交通大数据分析提供了很好的数据支持。因此，利用大数据及其分析技术统计停车场分时段的车辆出入，对日常的停车行为进行分析和挖掘，以此为基础对停车场车位实时占有率和拥挤度进行预测，具有重要的应用价值。

发明内容

本发明的目的是：利用大数据及其分析技术统计停车场分时段的车辆出入，对日常的停车行为进行分析和挖掘，以此为基础对停车场车位实时占有率和拥挤度进行预测。

为了达到上述目的，本发明的总体技术方案是：利用停车场的门禁系统在指定时间范围内的车辆出入记录数据集(即车辆进出停车场与停车场的门禁系统的记录，包括手动IC卡刷卡、ETC、自动识别等车辆监测方法，以下统称为车辆出入记录)，构成车辆分时段出入停车场的记录数据集；以此为基础，对每日分时段内车辆进出停车场的数量进行统计，获取出入车辆数量的概率分布；将车辆进出停车场的过程看作一个独立增量过程，用车辆出入概率密度PDVA来表示指定时间段内车辆的出入事件，以统计得到的分时段出入车辆数量的概率分布训练PDVA分布的参数：根据训练得到的参数，采用PDVA预测指定时间段内出入停车场的车辆的数量，估算其未来的拥挤程度。

具体而言，本发明的技术方案是提供了一种大数据环境下停车场占有率的预测方法，其特征在于，采用PDVA分布的方法对分时段进出停车场的车辆数量进行统计分析，并以此为基础进行预测，包括以下步骤：

步骤1、从停车场管理单位获取各停车场在目标时间段内的车辆出入记录数据集，将车辆出入记录数据集中的车辆出入记录数据分为出和入两部分，将当前停车场的每个出入口的出入车辆以时间间隔t划分，统计得到每个时间间隔内每个出入口进入停车场和离开停车场的车辆的数量，即为分时段进出车辆统计数据；

步骤2、采用步骤1得到的分时段进出车辆统计数据，对PDFVA分布模型进行训练，训练时利用分时段进出车辆统计数据对时齐Poisson分布的参数进行拟合，获得目标时间段内不同时间间隔的参数值，从而得到分时段的车辆进出停车场数量的PDFVA分布程模型；