【技術(shù)實(shí)現(xiàn)步驟摘要】
本專利技術(shù)涉及停車管理領(lǐng)域，具體為一種基于5g聯(lián)網(wǎng)的智慧停車管理系統(tǒng)。
技術(shù)介紹
1、隨著城市化進(jìn)程的加快，城市中車輛的數(shù)量迅速增加，停車難問題日益突出。現(xiàn)有的停車管理系統(tǒng)通常依賴于傳統(tǒng)的固定規(guī)則推薦，如簡單的空車位檢測或基于歷史數(shù)據(jù)的靜態(tài)預(yù)測。專利公開號為cn117196917a的中國專利文獻(xiàn)公開了基于數(shù)字孿生、物聯(lián)網(wǎng)與5g技術(shù)的校園智慧停車管理系統(tǒng)，其能夠提高停車場的管理效率，降低了停車場的運(yùn)營成本，為車主提供了更加便捷、舒適的停車體驗(yàn)。
2、然而現(xiàn)有技術(shù)中的傳統(tǒng)停車管理系統(tǒng)大多基于當(dāng)前車位狀態(tài)進(jìn)行推薦，無法預(yù)測未來車位的占用狀態(tài)或時長，導(dǎo)致駕駛者到達(dá)停車位時可能發(fā)現(xiàn)車位已經(jīng)被占用，影響了停車效率。并且現(xiàn)有技術(shù)中，應(yīng)用5g聯(lián)網(wǎng)技術(shù)的停車位管理系統(tǒng)也僅僅是加快了數(shù)據(jù)傳輸效率，其還是基于車位是否空閑來進(jìn)行簡單排序，忽略了多維度因素對車位推薦排序的影響，導(dǎo)致推薦的車位匹配度均不能達(dá)到“智慧”的效果，即推薦的車位不夠符合駕駛者的停車需求。
技術(shù)實(shí)現(xiàn)思路
1、針對現(xiàn)有技術(shù)的不足，本專利技術(shù)提供了一種基于5g聯(lián)網(wǎng)的智慧停車管理系統(tǒng)，通過智慧停車管理系統(tǒng)來解決
技術(shù)介紹
中提出的技術(shù)問題。
2、為實(shí)現(xiàn)以上目的，本專利技術(shù)通過以下技術(shù)方案予以實(shí)現(xiàn)：
3、一種基于5g聯(lián)網(wǎng)的智慧停車管理系統(tǒng)，應(yīng)用于停車管理服務(wù)器，所述管理系統(tǒng)包括：
4、當(dāng)前狀態(tài)獲取單元，用于獲取當(dāng)前時刻空余車位的車位狀態(tài)以及停車場外的場外環(huán)境狀態(tài)；
5、雙特征變量單元，用于
6、車輛標(biāo)簽獲取單元，用于獲取待停車輛的類型標(biāo)簽；
7、推薦單元，用于將所述待停車輛的類型標(biāo)簽以及雙特征變量輸入至預(yù)設(shè)的停車管理模型，得到待停車輛的停車位推薦集；其中，所述停車位推薦集的推薦項(xiàng)是包含車位匹配度和車位編號的二元數(shù)組。
8、在其中的一些實(shí)施例中，所述停車管理模型的構(gòu)建方法包括：
9、s1，獲取停車場在時間序列上的歷史狀態(tài)組合矩陣；
10、s2，使用數(shù)據(jù)標(biāo)準(zhǔn)化后的所述歷史狀態(tài)組合矩陣訓(xùn)練lstm模型；
11、s3，將達(dá)到收斂條件的訓(xùn)練后lstm模型作為所述停車管理模型。
12、在其中的一些實(shí)施例中，步驟s1包括：
13、s1-1、采集停車場內(nèi)所有車位在時間序列上的車位狀態(tài)，并將其定義為車位狀態(tài)矩陣；
14、所述車位狀態(tài)矩陣的表達(dá)式為：
15、
16、其中，pt-w+1:t表示從t-w+1到t時間節(jié)點(diǎn)的車位狀態(tài)矩陣，其維度為w×m×n；w表示時間節(jié)點(diǎn)的長度，m表示車位編號，所述車位編號為連續(xù)性序列；n表示每個車位的特征標(biāo)簽；每個車位的特征標(biāo)簽包含：車位占用狀態(tài)、駛?cè)霑r間、駛出時間；表示在時間點(diǎn)t，車位編號為m，特征標(biāo)簽為n的車位狀態(tài)；
17、s1-2、采集停車場內(nèi)在停車輛在時間序列上的停車行為，并將其定義為停車行為矩陣；
18、所述停車行為矩陣的表達(dá)式為：
19、
20、其中，ft-w+1:t表示從t-w+1到t時間節(jié)點(diǎn)的停車行為矩陣，其維度為w×k×p；
21、k表示在停車輛類型標(biāo)簽，p表示每個車輛的歷史行為標(biāo)簽；所述車輛的歷史行為標(biāo)簽包含：停車時長、駛?cè)霑r間、駛出時間；表示在時間點(diǎn)t、在停車輛類型標(biāo)簽為k，車輛的歷史行為標(biāo)簽為p的停車行為；
22、s1-3、采集停車場外的場外環(huán)境狀態(tài)，并將其定義為場外環(huán)境狀態(tài)矩陣；
23、所述場外環(huán)境狀態(tài)矩陣的表達(dá)式為：
24、
25、其中，et-w+1:t表示從t-w+1到t時間節(jié)點(diǎn)的場外環(huán)境狀態(tài)矩陣，其維度為w×q；
26、q表示場外環(huán)境標(biāo)簽，表示在時間點(diǎn)t、場外環(huán)境標(biāo)簽為q的場外環(huán)境狀態(tài)；所述場外環(huán)境標(biāo)簽包含：氣象連續(xù)標(biāo)簽或者交通連續(xù)標(biāo)簽；
27、s1-4、將車位狀態(tài)矩陣、停車行為矩陣和場外環(huán)境狀態(tài)矩陣合并，得到歷史狀態(tài)組合矩陣，所述歷史狀態(tài)組合矩陣的表達(dá)式為：
28、ct-w+1:t＝{pt-w+1:t,ft-w+1:t,et-w+1:t}；
29、其中，ct-w+1:t表示從t-w+1到t時間節(jié)點(diǎn)，將車位狀態(tài)、停車行為、場外環(huán)境狀態(tài)案列拼接的歷史狀態(tài)組合矩陣；其維度表達(dá)式為：w×(m×n+k×p+q)＝w×d；其中，d表示組合車位狀態(tài)、停車行為和場外環(huán)境狀態(tài)的維度。
30、在其中的一些實(shí)施例中，所述步驟s2，包括：
31、使用數(shù)據(jù)標(biāo)準(zhǔn)化后的歷史狀態(tài)組合矩陣作為lstm模型輸入，訓(xùn)練得到所述停車管理模型；其中，所述停車管理模型的訓(xùn)練目標(biāo)是最小化模型總損失，所述模型總損失是最小化車位占用狀態(tài)損失和與最小化車位占用時長損失的加權(quán)求和損失。
32、在其中的一些實(shí)施例中，使用數(shù)據(jù)標(biāo)準(zhǔn)化后的歷史狀態(tài)組合矩陣作為lstm模型輸入，訓(xùn)練得到所述停車管理模型，包括：
33、s2-1，接收數(shù)據(jù)標(biāo)準(zhǔn)化后的歷史狀態(tài)組合矩陣作為lstm模型的輸入；
34、s2-2，lstm模型對歷史狀態(tài)組合矩陣進(jìn)行前向傳播，得到最后時間點(diǎn)t的隱藏狀態(tài)向量；
35、所述最后時間點(diǎn)t的隱藏狀態(tài)向量的表達(dá)式為：
36、ht＝flstm(ct-w+1:t；θ)；
37、其中，ht表示時間點(diǎn)t的隱藏狀態(tài)向量，flstm表示模型對輸入進(jìn)行前向傳播的函數(shù)，ct-w+1:t是從時間點(diǎn)t-w+1到t的歷史狀態(tài)組合矩陣輸入，θ表示lstm模型的參數(shù)；
38、s2-3，根據(jù)最后時間點(diǎn)t的隱藏狀態(tài)向量，輸出第一目標(biāo)任務(wù)值和第二目標(biāo)任務(wù)值；所述第一目標(biāo)任務(wù)值的表達(dá)式為：
39、
40、其中，表示時間點(diǎn)t的第一目標(biāo)任務(wù)值，表征車位在下一時間點(diǎn)t+1被占用的概率；σ是sigmoid激活函數(shù)，用于將輸出限制在[0,1]內(nèi)；ws表示車位占用狀態(tài)的權(quán)重參數(shù)，bs表示車位占用狀態(tài)的偏置項(xiàng)參數(shù)；
41、所述第二目標(biāo)任務(wù)值的表達(dá)式為：
42、
43、其中，表示第二目標(biāo)任務(wù)值，表征車位在下一時間點(diǎn)t+1的車位占用時長；wt是車位占用時長的權(quán)重參數(shù)，bt是車位占用時長的偏置項(xiàng)參數(shù)；
44、s2-4，根據(jù)第一目標(biāo)任務(wù)值和第二目標(biāo)任務(wù)值，確定總損失函數(shù)；
45、s2-5，將總損失函數(shù)作為目標(biāo)，更新得到所述停車管理模型。
46、其中的一些實(shí)施例中，根據(jù)第一目標(biāo)任務(wù)值和第二目標(biāo)任務(wù)值，確定總損失函數(shù)，包括：
47、s2-4-1，根據(jù)第一目標(biāo)任務(wù)值，確定該第一目標(biāo)任務(wù)值的交叉熵?fù)p失
48、所述第一目標(biāo)任務(wù)值的交叉熵?fù)p失函數(shù)為：
49、
50、其中，lstatus表示第一目標(biāo)任務(wù)值的交叉熵?fù)p失，表示第m個車位在歷史時間點(diǎn)t的真實(shí)占用狀態(tài)，表示模型預(yù)測的第m個車位的被占用概率；
本文檔來自技高網(wǎng)...【技術(shù)保護(hù)點(diǎn)】
1.一種基于5G聯(lián)網(wǎng)的智慧停車管理系統(tǒng)，應(yīng)用于停車管理服務(wù)器，其特征在于，所述管理系統(tǒng)包括：
2.根據(jù)權(quán)利要求1所述的一種基于5G聯(lián)網(wǎng)的智慧停車管理系統(tǒng)，其特征在于，所述停車管理模型的構(gòu)建方法包括：
3.根據(jù)權(quán)利要求2所述的一種基于5G聯(lián)網(wǎng)的智慧停車管理系統(tǒng)，其特征在于，獲取停車場在時間序列上的歷史狀態(tài)組合矩陣，包括：
4.根據(jù)權(quán)利要求2所述的一種基于5G聯(lián)網(wǎng)的智慧停車管理系統(tǒng)，其特征在于，所述步驟S2包括：
5.根據(jù)權(quán)利要求4所述的一種基于5G聯(lián)網(wǎng)的智慧停車管理系統(tǒng)，其特征在于，使用數(shù)據(jù)標(biāo)準(zhǔn)化后的歷史狀態(tài)組合矩陣作為LSTM模型輸入，訓(xùn)練得到所述停車管理模型，包括：
6.根據(jù)權(quán)利要求5所述的一種基于5G聯(lián)網(wǎng)的智慧停車管理系統(tǒng)，其特征在于，根據(jù)第一目標(biāo)任務(wù)值和第二目標(biāo)任務(wù)值，確定總損失函數(shù)，包括：
7.根據(jù)權(quán)利要求6所述的一種基于5G聯(lián)網(wǎng)的智慧停車管理系統(tǒng)，其特征在于，將總損失函數(shù)作為目標(biāo)，更新得到所述停車管理模型,包括：
8.根據(jù)權(quán)利要求7所述的一種基于5G聯(lián)網(wǎng)的智慧停車管理系統(tǒng)，其特征在于，所
...【技術(shù)特征摘要】
1.一種基于5g聯(lián)網(wǎng)的智慧停車管理系統(tǒng)，應(yīng)用于停車管理服務(wù)器，其特征在于，所述管理系統(tǒng)包括：
2.根據(jù)權(quán)利要求1所述的一種基于5g聯(lián)網(wǎng)的智慧停車管理系統(tǒng)，其特征在于，所述停車管理模型的構(gòu)建方法包括：
3.根據(jù)權(quán)利要求2所述的一種基于5g聯(lián)網(wǎng)的智慧停車管理系統(tǒng)，其特征在于，獲取停車場在時間序列上的歷史狀態(tài)組合矩陣，包括：
4.根據(jù)權(quán)利要求2所述的一種基于5g聯(lián)網(wǎng)的智慧停車管理系統(tǒng)，其特征在于，所述步驟s2包括：
5.根據(jù)權(quán)利要求4所述的一種基于5g聯(lián)網(wǎng)的智慧停車...
【專利技術(shù)屬性】
技術(shù)研發(fā)人員：李敏，季中原，
申請(專利權(quán))人：江蘇若臨物聯(lián)科技有限公司，
類型：發(fā)明
國別省市：
還沒有人留言評論。發(fā)表了對其他瀏覽者有用的留言會獲得科技券。