[发明专利]一种停车场空闲车位数长时预测方法

摘要

本发明提供一种停车场空闲车位数长时预测方法，包括将采集到的泊车数据和相应天气数据进行数据预处理，得到空闲车位数特征数据；空闲车位特征数据归一化处理，切分为训练集和测试集，构建LSTM神经网络；确定待预测的第一个时段的上一时段空闲车位特征数据，并作为LSTM神经网络的输入神经元得到第一个时段的空闲车位数；建立空闲车位数长时预测模型，反复迭代预测，进行反归一化处理，得到停车场空闲车位数长时预测结果。本发明基于用户泊车行为特征，提出基于LSTM神经网络的空闲车位数长时预测模型，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，从而帮助用户选择最佳停车场，具有重要的市场价值。

主权项

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。