一种利用随机矩阵优化城市停车构造方法

技术领域

本发明涉及停车技术领域，尤其涉及一种利用随机矩阵优化城市停车构造方法。

背景技术

在数学中，随机矩阵是用来描述一个马尔可夫链的转变矩阵，它的每一项都是一个表示概率的非负实数。它适用于概率论、统计学和线性代数，也在计算机科学和群体遗传学中使用；

停车场智能化设备指停车管理采用现代计算机网络监控指挥系统，包括智能化计时计费管理系统、网络多点运作信息传递系统、自动化电脑操作系统、消防火警报警系统、防盗窃报警系统、电视监控、对讲系统组成的多功能设备。智能化设备分为主系统和子系统，主系统即中心控制室，子系统即各自独立按程序操作，并将操作信息及时反馈给主系统加以汇总，发出新的指令。

公开号CN111190942A公开了基于数据挖掘技术的城市道路停车点统筹分析方法，包括：步骤1、构造停车点数据集；步骤2、根据实际需求设置停车点特征向量不同维度的不同权重；步骤3、使用Canopy聚类算法对设定权重之后的停车点数据进行聚类分析，获得估计的聚类个数。该发明的有益效果是：基于数据挖掘技术对如何统筹分析城市中所有的道路停车点这一问题提供了解决方案，对如何将城市中使用模式类似同时地理位置相近的道路停车点归为一类以便于更好的分析提供了解决方案，有益于停车资源整合问题的解决和建设大型停车场前的调研分析，从而促进停车难问题的解决，进而提高社会效率。但是存在城市车辆停车过程中车位指引不能进行优化的缺陷。

发明内容

本发明的目的在于提供一种利用随机矩阵优化城市停车构造方法，其主要目的在于解决城市车辆停车过程中车位指引不能进行优化的技术问题。

本发明的目的可以通过以下技术方法实现：一种利用随机矩阵优化城市停车构造方法，包括以下步骤：

S1：获取停车位置数据和城市位置数据，将城市位置数据和停车位置数据进行预处理，得到城市坐标栅格和停车位置坐标点；

S2：获取样本数据，将样本数据进行坐标化设定，得到样本坐标数据；

S3：将样本坐标数据对城市坐标栅格上的停车位置坐标点进行随机访问，并对停车位置坐标点访问的局部路径进行要素标记，得到样本访问数据；其中，样本访问数据中包含样本标记浓度；

S4：计算样本坐标数据与停车位置坐标点中各个坐标点之间的路径值，并将若干个路径值组合，得到路径距离数据；

S5：对路径距离数据进行最优迭代筛选，得到路径迭代数据；其中，路径迭代数据中包含样本标记迭代浓度；

S6：利用样本标记迭代浓度和停车位置坐标点构造停车矩阵；

S7：获取待停车辆位置数据，将所述待停车辆位置数据进行坐标化设定，得到待停车辆坐标数据；

S8：利用停车矩阵将待停车辆坐标数据进行分析，得到待停车辆分析结果。

进一步地，将城市位置数据和停车位置数据进行预处理，得到城市坐标栅格和停车位置坐标点，具体的步骤包括：

S21：根据预设的横坐标轴长和纵坐标轴长，将城市位置数据设定为城市坐标栅格；

S22：将停车位置数据在城市坐标栅格上进行定位和标记，得到停车位置坐标点。

进一步地，将样本坐标数据对城市坐标栅格上的停车位置坐标点进行随机访问，并对停车位置坐标点访问的局部路径进行要素标记，得到样本访问数据，具体的步骤包括：

S31：以样本坐标数据为圆心，将样本坐标数据在城市坐标栅格上朝样本坐标数据八个方向中的任一个方向，随机向停车位置坐标点的位置进行自由移动，得到样本访问移动数据，样本访问移动数据包含样本访问路径数据和样本访问路径长度数据；

S32：获取移动的路径位置，并根据移动位置经过的路径进行要素标记，得到要素标记数据；其中，要素标记涉及的公式为：

其中，τ

S33：将若干个要素标记数据组合，得到要素标记组合数据；

S34：计算若干个要素标记数据在要素标记组合数据中的占比，得到样本标记浓度；

S35：将要素标记数据、样本访问移动数据与样本标记浓度组合，得到样本访问数据。

进一步地，计算样本坐标数据与停车位置坐标栅格中各个坐标点之间的路径值，并将若干个路径值组合，得到路径距离数据，涉及的计算式包括：

其中，D

进一步地，x

其中，a1表示为城市坐标栅格中的横坐标轴长，mod(i,y

y

其中，a2表示为城市坐标栅格中的纵坐标轴长，

进一步地，对路径距离数据进行最优迭代筛选，得到路径迭代数据，包括：

S61：将路径距离数据中的若干个路径值进行最值筛选，得到路径最值数据和路径筛选数据；其中，路径最值数据包含路径最小值和路径最大值；

S62：将路径筛选数据中的若干个路径筛选值进行降序排列，得到路径筛选排序数据；

S63：将路径筛选数据和路径筛选排序数据组合，得到路径迭代数据。

进一步地，利用样本标记迭代浓度和停车位置坐标点构造停车矩阵，包括：

S71：对若干个停车位置坐标点构造划分矩阵；

S72：根据预设矩阵划分范围，利用样本标记迭代浓度对划分矩阵进行数据填充，得到填充矩阵；其中，划分矩阵中的初始元素均为0；

S73：将若干个填充矩阵按照行列位置进行排列组合，得到停车矩阵。

进一步地，利用停车矩阵将待停车辆坐标数据进行分析，得到待停车辆分析结果，包括：

S81：获取待停车辆坐标数据在样本访问数据中对应的样本访问值和样本标记浓度值；

S82：利用样本访问值和样本标记浓度值获取停车矩阵上对应的最小矩阵元素；

S83：利用最小矩阵元素获取待停车辆的停车路径。

进一步地，包含第一数据处理模块、数据分析模块、数据计算模块、第二数据处理模块和分析结果模块；

所述第一数据处理模块用于获取停车位置数据和城市位置数据，将城市位置数据和停车位置数据进行预处理，得到城市坐标栅格和停车位置坐标点；获取样本数据，将样本数据进行坐标化设定，得到样本坐标数据；

所述数据分析模块用于将样本坐标数据对城市坐标栅格上的停车位置坐标点进行随机访问，并对停车位置坐标点访问的局部路径进行要素标记，得到样本访问数据；其中，样本访问数据中包含样本标记浓度；

所述数据计算模块用于计算样本坐标数据与停车位置坐标点中各个坐标点之间的路径值，并将若干个路径值组合，得到路径距离数据；对路径距离数据进行最优迭代筛选，得到路径迭代数据；其中，路径迭代数据中包含样本标记迭代浓度；利用样本标记迭代浓度和停车位置坐标点构造停车矩阵；

所述第二数据处理模块用于获取待停车辆位置数据，将所述待停车辆位置数据进行坐标化设定，得到待停车辆坐标数据；

所述分析结果模块用于利用停车矩阵将待停车辆坐标数据进行分析，得到待停车辆分析结果。

本发明的有益效果：

本发明公开的各个方面，利用第一数据处理模块获取停车位置数据和城市位置数据，将城市位置数据和停车位置数据进行预处理，得到城市坐标栅格和停车位置坐标点；获取样本数据，将样本数据进行坐标化设定，得到样本坐标数据；

利用数据分析模块将样本坐标数据对城市坐标栅格上的停车位置坐标点进行随机访问，并对停车位置坐标点访问的局部路径进行要素标记，得到样本访问数据；其中，样本访问数据中包含样本标记浓度；

利用数据计算模块计算样本坐标数据与停车位置坐标点中各个坐标点之间的路径值，并将若干个路径值组合，得到路径距离数据；对路径距离数据进行最优迭代筛选，得到路径迭代数据；其中，路径迭代数据中包含样本标记迭代浓度；利用样本标记迭代浓度和停车位置坐标点构造停车矩阵；

利用第二数据处理模块获取待停车辆位置数据，将所述待停车辆位置数据进行坐标化设定，得到待停车辆坐标数据；

利用分析结果模块利用停车矩阵将待停车辆坐标数据进行分析，得到待停车辆分析结果；通过各个模块的配合使用，可以解决城市车辆停车过程中车位指引不能进行优化的问题，通过将城市位置数据和停车位置数据进行预处理，得到城市坐标栅格和停车位置坐标点，可以有效提高对停车车位和待停车辆的位置的分析效率，通过以样本坐标数据为圆心，将样本坐标数据在城市坐标栅格上朝样本坐标数据八个方向中的任一个方向，可以达到遍历至停车位的所有路径的目的，便于对待停车辆提供样本数据支持，通过获取移动的路径位置，并根据移动位置经过的路径进行要素标记，得到要素标记数据，计算若干个要素标记数据在要素标记组合数据中的占比，得到样本标记浓度，其中，若干个要素标记数据在要素标记组合数据中的占比对应停车矩阵中的元素，通过对占比的大小进行分析，可以得到待停车辆的最佳停车路径，通过计算获取要素标记值和要素标记更新值，并将若干个要素标记数据组合，得到要素标记组合数据，通过对要素标记值进行更新和优化，最终达到对车辆停车过程中车位指引进行优化的目的。

附图说明

下面结合附图对本发明作进一步的说明。

图1是本发明一种利用随机矩阵优化城市停车构造方法的流程示意图。

图2为本发明的模块示意图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方法进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。

实施例1

请参阅图1-2所示，本发明为一种利用随机矩阵优化城市停车构造方法，包括以下步骤：

S1：获取停车位置数据和城市位置数据，将城市位置数据和停车位置数据进行预处理，得到城市坐标栅格和停车位置坐标点；包括：

根据预设的横坐标轴长和纵坐标轴长，将城市位置数据设定为城市坐标栅格；

将停车位置数据在城市坐标栅格上进行定位和标记，得到停车位置坐标点；

本发明实施例中，根据预设的横坐标轴长和纵坐标轴长，将城市位置数据进行栅格化处理，使得城市位置数据二维平面化和坐标化，并且对停车位置数据进行坐标化设定，便于处理停车位置与待停车辆之间的数据关系，其中，横坐标轴长和纵坐标轴长的具体数值，可以根据停车位置数据在城市位置数据上的分布进行预设；

S2：获取样本数据，将样本数据进行坐标化设定，得到样本坐标数据；

S3：将样本坐标数据对城市坐标栅格上的停车位置坐标点进行随机访问，并对停车位置坐标点访问的局部路径进行要素标记，得到样本访问数据；其中，样本访问数据中包含样本标记浓度；包括：

以样本坐标数据为圆心，将样本坐标数据在城市坐标栅格上朝样本坐标数据八个方向中的任一个方向，随机向停车位置坐标点的位置进行自由移动，得到样本访问移动数据，样本访问移动数据包含样本访问路径数据和样本访问路径长度数据；

获取移动的路径位置，并根据移动位置经过的路径进行要素标记，得到要素标记数据；其中，要素标记涉及的公式为：

其中，τ

将若干个要素标记数据组合，得到要素标记组合数据；

计算若干个要素标记数据在要素标记组合数据中的占比，得到样本标记浓度；

将要素标记数据、样本访问移动数据与样本标记浓度组合，得到样本访问数据；

本发明实施例中，样本坐标数据八个方向包含中间向上方向、一侧角斜向上方向、另一侧角斜向上方向、中间向一侧方向、中间向另一侧向下、一侧角斜向下方向、另一侧角斜向下方向和中间向下方向；要素标记用于统计路径的距离和标记浓度情况，标记浓度情况可以通过该路径路过的次数进行汇总和排序，通过对移动的路径、距离以及次数综合考虑和不断优化，最终达到对停车引导优化的目的；

S4：计算样本坐标数据与停车位置坐标点中各个坐标点之间的路径值，并将若干个路径值组合，得到路径距离数据；涉及的计算式包括：

其中，D

x

其中，a1表示为城市坐标栅格中的横坐标轴长，mod(i,y

y

其中，a2表示为城市坐标栅格中的纵坐标轴长，

本发明实施例中，通过对样本坐标数据与停车位置坐标点中各个坐标点进行计算和组合，得到路径距离数据，该路径距离数据包含坐标点距离所有停车位置的路径距离以及总和；

S5：对路径距离数据进行最优迭代筛选，得到路径迭代数据；其中，路径迭代数据中包含样本标记迭代浓度；包括：

将路径距离数据中的若干个路径值进行最值筛选，得到路径最值数据和路径筛选数据；其中，路径最值数据包含路径最小值和路径最大值；

将路径筛选数据中的若干个路径筛选值进行降序排列，得到路径筛选排序数据；

将路径筛选数据和路径筛选排序数据组合，得到路径迭代数据；

本发明实施例中，路径最小值和路径最大值为该坐标点距离某个停车位置的最佳路径和最差路径，路径筛选数据用于为优化路径提供数据支持；

S6：利用样本标记迭代浓度和停车位置坐标点构造停车矩阵；包括：

对若干个停车位置坐标点构造划分矩阵；

根据预设矩阵划分范围，利用样本标记迭代浓度对划分矩阵进行数据填充，得到填充矩阵；其中，划分矩阵中的初始元素均为0；

将若干个填充矩阵按照行列位置进行排列组合，得到停车矩阵；

本发明实施例中，停车矩阵中的元素对应样本标记迭代浓度，样本标记迭代浓度中的样本标记迭代浓度值对应停车矩阵中的不同元素，通过停车矩阵中的元素方便快速的对待停车辆进行引导；

S7：获取待停车辆位置数据，将所述待停车辆位置数据进行坐标化设定，得到待停车辆坐标数据；

S8：利用停车矩阵将待停车辆坐标数据进行分析，得到待停车辆分析结果：包括：

获取待停车辆坐标数据在样本访问数据中对应的样本访问值和样本标记浓度值；

利用样本访问值和样本标记浓度值获取停车矩阵上对应的最小矩阵元素；

利用最小矩阵元素获取待停车辆的停车路径；

包含第一数据处理模块、数据分析模块、数据计算模块、第二数据处理模块和分析结果模块；

所述第一数据处理模块用于获取停车位置数据和城市位置数据，将城市位置数据和停车位置数据进行预处理，得到城市坐标栅格和停车位置坐标点；获取样本数据，将样本数据进行坐标化设定，得到样本坐标数据；

所述数据分析模块用于将样本坐标数据对城市坐标栅格上的停车位置坐标点进行随机访问，并对停车位置坐标点访问的局部路径进行要素标记，得到样本访问数据；其中，样本访问数据中包含样本标记浓度；

所述数据计算模块用于计算样本坐标数据与停车位置坐标点中各个坐标点之间的路径值，并将若干个路径值组合，得到路径距离数据；对路径距离数据进行最优迭代筛选，得到路径迭代数据；其中，路径迭代数据中包含样本标记迭代浓度；利用样本标记迭代浓度和停车位置坐标点构造停车矩阵；

所述第二数据处理模块用于获取待停车辆位置数据，将所述待停车辆位置数据进行坐标化设定，得到待停车辆坐标数据；

所述分析结果模块用于利用停车矩阵将待停车辆坐标数据进行分析，得到待停车辆分析结果。

本发明实施例的工作原理为：利用第一数据处理模块获取停车位置数据和城市位置数据，将城市位置数据和停车位置数据进行预处理，得到城市坐标栅格和停车位置坐标点；获取样本数据，将样本数据进行坐标化设定，得到样本坐标数据；

利用数据分析模块将样本坐标数据对城市坐标栅格上的停车位置坐标点进行随机访问，并对停车位置坐标点访问的局部路径进行要素标记，得到样本访问数据；其中，样本访问数据中包含样本标记浓度；

利用数据计算模块计算样本坐标数据与停车位置坐标点中各个坐标点之间的路径值，并将若干个路径值组合，得到路径距离数据；对路径距离数据进行最优迭代筛选，得到路径迭代数据；其中，路径迭代数据中包含样本标记迭代浓度；利用样本标记迭代浓度和停车位置坐标点构造停车矩阵；

利用第二数据处理模块获取待停车辆位置数据，将所述待停车辆位置数据进行坐标化设定，得到待停车辆坐标数据；

利用分析结果模块利用停车矩阵将待停车辆坐标数据进行分析，得到待停车辆分析结果；通过各个模块的配合使用，可以解决城市车辆停车过程中车位指引不能进行优化的问题，通过将城市位置数据和停车位置数据进行预处理，得到城市坐标栅格和停车位置坐标点，可以有效提高对停车车位和待停车辆的位置的分析效率，通过以样本坐标数据为圆心，将样本坐标数据在城市坐标栅格上朝样本坐标数据八个方向中的任一个方向，可以达到遍历至停车位的所有路径的目的，便于对待停车辆提供样本数据支持，通过获取移动的路径位置，并根据移动位置经过的路径进行要素标记，得到要素标记数据，计算若干个要素标记数据在要素标记组合数据中的占比，得到样本标记浓度，其中，若干个要素标记数据在要素标记组合数据中的占比对应停车矩阵中的元素，通过对占比的大小进行分析，可以得到待停车辆的最佳停车路径，通过计算获取要素标记值和要素标记更新值，并将若干个要素标记数据组合，得到要素标记组合数据，通过对要素标记值进行更新和优化，最终达到对车辆停车过程中车位指引进行优化的目的。

在本发明所提供的几个实施例中，应该理解到，所揭露的设备，装置和方法，可以通过其它的方式实现。例如，所述模块的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式。

所述作为分离部件说明的模块可以是或者也可以不是物理上分开的，作为模块显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方法的目的。

另外，在本发明各个实施例中的各功能模块可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用硬件加软件功能模块的形式实现。

对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明。

因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化涵括在本发明内。不应将权利要求中的任何附关联图标记视为限制所涉及的权利要求。

此外，显然“包括”一词不排除其他单元或步骤，单数不排除复数。系统权利要求中陈述的多个单元或装置也可以由一个单元或装置通过软件或者硬件来实现。第二等词语用来表示名称，而并不表示任何特定的顺序。

最后应说明的是，以上实施例仅用以说明本发明的技术方法而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方法进行修改或等同替换，而不脱离本发明技术方法的精神和范围。