基于智慧城市的共享电动车管理系统与方法

技术领域

本发明属于共享电动车技术领域，尤其涉及一种基于智慧城市的共享电动车管理系统与方法。

背景技术

为了实现对共享电动车的动态管理，在发明专利公开号CN113763641B《共享电动车还车方法、装置、设备及存储介质》中通过根据待归还共享电动车的初始停放位置构建初始停车区域，能够构建误差范围内的初始停车区域，并在初始停车区域与规定停车区域存在部分重合区域时进行精确定位，然后判断是否满足共享电动车归还要求，但是却存在以下技术问题:

1、忽视了结合共享电动车的行驶里程以及初始位置进行最终的停车区域的位置的确定，在实际的位置确定过程中，有可能存在共享电动车的GPS定位模块故障导致的位置定位故障的技术问题，若不能结合共享电动车的行驶里程以及初始位置，则有可能导致最终的位置定位不够准确的技术问题。

2、忽视了首先结合移动设备的定位信息、共享电动车的行驶里程以及初始位置、共享电动车的GPS定位信息进行定位可信度的评估，在实际的操作过程中，若上述多种的定位信息一致或者不同的定位方式的定位信息存在不一致的情况下，其定位信息的可靠性均不相同，若不能结合定位的可靠性，则同样无法准确的实现对位置的准确评估。

针对上述技术问题，本发明提供了一种基于智慧城市的共享电动车管理系统与方法。

发明内容

根据本发明的一个方面，提供了一种基于智慧城市的共享电动车管理方法。

一种基于智慧城市的共享电动车管理方法，其特征在于，具体包括：

S11基于共享电动车的初始位置以及行驶距离，确定所述共享电动车的基本停车区域，并判断所述基本停车区域是否位于指定停车区域，若是，则允许还车，若否，则进入步骤S12;

S12基于所述共享电动车的定位装置获取所述共享电动车的使用距离，并至少基于所述使用距离与所述行驶距离的差值、所处定位装置在行驶过程中的单位时间的变动量的最大值以及平均值确定所述定位装置是否可靠，若是，则进入步骤S13，若否，则定位装置异常，无法还车；

S13基于所述定位装置的实时定位信息对用户的移动装置的基站定位信息以及GPS定位信息进行筛选，得到可靠定位方式，并基于所述可靠定位方式的数量确定所述共享电动车的实时定位信息是否可靠，若是，则基于所述实时定位信息判断是否允许还车，若否，则进入步骤S14；

S14基于所述定位装置的实时定位信息、用户的移动装置的基站定位信息以及GPS定位信息、所述基本停车区域进行定位可信值和位置信息的评估，并当所述定位可信度大于设定值时，基于所述位置信息确定是否允许还车。

通过结合共享电动车的初始位置以及行驶距离，确定所述共享电动车的基本停车区域，从而进一步简化了还车的位置的判断步骤，提升了还车的判断的效率，同时也保证了还车的可靠性。

通过对定位装置是否可靠的判断，从而实现了从多角度对定位装置的可靠性的判断，从而避免了由于定位装置的故障导致的定位错误产生的还车判断的错误的问题的出现，提升了还车判断的可靠性。

通过进一步结合定位装置的实时定位信息对用户的移动装置的基站定位信息以及GPS定位信息进行可靠定位方式的评估，从而避免了单纯采用定位装置的实时定位信息导致的位置信息的评测的不够准确的技术问题，实现了从简单的判断方式对实时定位信息的可靠性的判断，保证了评估的可靠性。

通过结合所述定位装置的实时定位信息、用户的移动装置的基站定位信息以及GPS定位信息、所述基本停车区域进行定位可信值和位置信息的评估，从而进一步实现了从多重角度对位置信息的定位可信度的判断，避免了原有的仅仅采用单一手段导致的评估结果不够准确的问题。

另一方面，本申请实施例中提供一种基于智慧城市的共享电动车管理系统，采用上述的一种基于智慧城市的共享电动车管理方法，具体包括：

定位装置；车辆信息获取装置；服务器；位置评估装置；

其中所述定位装置负责获取所述共享电动车的实时定位信息；

所述车辆信息获取装置负责获取基于共享电动车的初始位置以及行驶距离；

所述服务器负责确定共享电动车的基本停车区域以及指定停车区域，以及确定是否允许还车；

所述位置评估装置负责定位装置以及实时定位信息的可靠性的判断；负责可靠定位方式、定位可信值和位置信息的评估。

另一方面，本申请实施例中提供一种计算机系统，包括：通信连接的存储器和处理器，以及存储在所述存储器上并能够在所述处理器上运行的计算机程序，其特征在于：所述处理器运行所述计算机程序时执行上述的一种基于智慧城市的共享电动车管理方法。

另一方面，本发明提供了一种计算机存储介质，其上存储有计算机程序，当所述计算机程序在计算机中执行时，令计算机执行上述的一种基于智慧城市的共享电动车管理方法。

其他特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点在说明书以及附图中所特别指出的结构来实现和获得。

为使本发明的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。

其他特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点在说明书以及附图中所特别指出的结构来实现和获得。

为使本发明的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。

附图说明

通过参照附图详细描述其示例实施方式，本发明的上述和其它特征及优点将变得更加明显；

图1是根据实施例1的一种基于智慧城市的共享电动车管理方法的流程图；

图2是根据实施例1的确定定位装置是否可靠的具体步骤的流程图；

图3是根据实施例1的定位可信值的评估的具体步骤的流程图；

图4是根据实施例2的一种基于智慧城市的共享电动车管理系统的结构图；

图5是根据实施例3的一种计算机系统的结构图；

图6是根据实施例4的一种计算机存储介质的结构图。

具体实施方式

现在将参考附图更全面地描述示例实施方式。然而，示例实施方式能够以多种形式实施，且不应被理解为限于在此阐述的实施方式；相反，提供这些实施方式使得本发明将全面和完整，并将示例实施方式的构思全面地传达给本领域的技术人员。图中相同的附图标记表示相同或类似的结构，因而将省略它们的详细描述。

用语“一个”、“一”、“该”、“所述”用以表示存在一个或多个要素/组成部分/等；用语“包括”和“具有”用以表示开放式的包括在内的意思并且是指除了列出的要素/组成部分/等之外还可存在另外的要素/组成部分/等。

与共享电动车的定位装置的可靠性相比，共享电动车的用户的移动终端的GPS定位信息可以通过软件修改进行修改，而用户的移动装置的基站定位信息可能会存在用户在尚未还车的前提下，进入办公地点等区域，而上述区域其实与共享电动车的定位装置的位置并不相关，因此需要进行区分和甄别，而且共享电动车的定位装置的可靠性明显更高。

实施例1

为解决上述问题，根据本发明的一个方面，如图1所示，提供了一种基于智慧城市的共享电动车管理方法，其特征在于，具体包括：

S11基于共享电动车的初始位置以及行驶距离，确定所述共享电动车的基本停车区域，并判断所述基本停车区域是否位于指定停车区域，若是，则允许还车，若否，则进入步骤S12;

具体的举例说明，所述行驶距离根据所述共享电动车的行驶时间和平均行驶速度进行确定。

具体的举个例子，当共享电动车的行驶时间为30分钟，平均行驶速度为30km/h，则确定行驶距离为15km。

具体的举例说明，所述基本停车区域采用以所述共享电动车的初始位置为圆心，以所述行驶距离为半径的圆形区域进行确定。

具体的举个例子，以初始位置为坐标的，以15km为半径的圆形区域即为基本停车区域。

需要说明的是，当且仅当基本停车区域完全在指定停车区域内部时，才允许还车，其中指定停车区域为共享电动车提供者根据运行区域的需求提前划定的区域，一般在实际的操作过程中都属于确定的。

在本实施例中，通过结合共享电动车的初始位置以及行驶距离，确定所述共享电动车的基本停车区域，从而进一步简化了还车的位置的判断步骤，提升了还车的判断的效率，同时也保证了还车的可靠性。

S12基于所述共享电动车的定位装置获取所述共享电动车的使用距离，并至少基于所述使用距离与所述行驶距离的差值、所处定位装置在行驶过程中的单位时间的变动量的最大值以及平均值确定所述定位装置是否可靠，若是，则进入步骤S13，若否，则定位装置异常，无法还车；

具体的举例说明，如图2所示，确定所述定位装置是否可靠的具体步骤为:

S21基于所述使用距离与所述行驶距离的差值确定所述定位装置的基础可靠度，并基于所述基础可靠度确认所述定位装置是否存在问题，若是，则确定所述定位装置不可靠，若否，则进入步骤S22；

具体的举例说明，当使用距离为10km，则行驶距离为15km，其差值已经为行驶距离的1/3，此时的基础可靠度为0.33，若限定值为0.9，则此时可以断定此时的定位装置不可靠，无法实现对共享电动车的位置的判断。

需要说明的是，一般通过以行驶距离的一定的百分比为限定值，当基础可靠度小于限定值时，则确定当前的定位装置不可靠。

可以理解的是，基础可靠度最大为1，最小为0。

S22基于所述定位装置的基础可靠度确认所述定位装置的准确性是否满足要求，若是，则进入步骤S23，若否，则进入步骤S25；

具体的，若限定值为0.9，而进行定位装置的准确性的判断的数量则至少为0.95以上，比限定值要大，当基础可靠度较高时，则可以断定此时的定位可靠性比较好，因此可以通过简单的判断进行定位装置的可靠的判断。

S23基于所述定位装置在行驶过程中的单位时间的变动量的最大值以及平均值对所述定位装置的稳定性进行确定，并判断所述定位装置的稳定性是否满足要求，若是，则确定所述定位装置可靠，若否，则进入步骤S24;

可以理解的是，单位时间一般为1分钟或者3分钟以内的数据，若定位装置在行驶过程中的单位时间即1分钟的变动量的最大值为2km，平均值为1km，而正常的共享电动车的最快行驶速度为30km/h，因此此时定位装置的稳定性明显无法满足要求。

在实际的操作过程中，可以分别基于定位装置在行驶过程中的单位时间的变动量的最大值以及平均值，与共享电动车的最快行驶速度进行比值的求取，并根据两者的比值的数据来进行稳定性的判断。

具体的举个例子，若若定位装置在行驶过程中的单位时间即1分钟的变动量的最大值为2km，平均值为1km，而正常的共享电动车的最快行驶速度为30km/h，则比值分别为4和2，当两者均大于1时，则可以判断此时的定位装置的稳定性较差。

S24基于所述共享电动车的最快行驶速度构建单位时间内的行驶变动量，并基于所述定位装置在行驶过程中的单位时间的变动量大于所述行驶变动量的次数对所述定位装置的定位稳定性进行确定，并判断所述定位装置的定位稳定性是否满足要求，若是，则确定所述定位装置可靠，若否，则进入步骤S25;

具体的举例说明，若1分钟的行驶变动量为0.5km，定位装置在行驶过程中的单位时间的变动量大于0.5km的次数大于10次以上时，则需要进行进一步的可靠度的评估，当小于10次以下时，则确定所述定位装置可靠。

S25至少基于所述基础可靠度、所述定位装置在行驶过程中的单位时间的变动量的最大值以及平均值、定位装置在行驶过程中的单位时间的变动量大于所述行驶变动量的次数与行驶时间的比值，进行所述定位装置的可靠度的评估，并基于所述可靠度确定所述定位装置是否可靠。

具体的举例说明，所属定位装置的可靠度的评估的具体的采用基于 ISSA-LSSVM算法的机器学习模型进行确定，其具体的步骤为：

（1）对样本数据进行核主成分分析维数约简处理；

（2）ISSA参数和种群初始化；设置麻雀个体数量、寻优迭代次数等参数，在搜索空间内精英化、多样化初始种群；

（3）确定LSSVM参数c和g的范围，c的取值范围为（0,100），g的取值范围为（0,100）；

（4）ISSA通过麻雀中搜索者、跟随者和警戒者个体迭代更新不断靠近LSSVM关键参数最优解，并更新迭代次数t；

（5）经KPCA对数据集进行预处理，突出指标主成分数据划分为两部分，即训练集和测试集，从而进行模型训练和实际测试，将ISSA-LSSVM模型的输出预测值和实际突出值的均方根误差作为适应度函数，适应度最优时作为最优解，适应度函数公式如下：

（6）判断是否满足终止条件：若满足则继续执行步骤（7），否则返回步骤（4）；

（7）输出最优解，即 LSSVM 模型的核函数参数值和惩罚参数值，利用该优化后的参数训练 LSSVM 模型，即完成ISSA-LSSVM的机器学习模型的建立。

其中，LSSVM 回归预测函数如下：

其中，J(×)表示目标函数，/>

其中，/>

具体的，标准SSA算法中的跟随者在向最优位置移动时，容易出现种群在短时间内迅速集聚的情况，虽然能够达到快速收敛的效果，但种群的多样性骤降，致使算法陷入局部最优的概率大大增加，鸡群优化算法是一种具有优秀全局寻优能力的随机优化算法，其中的随机跟随策略是母鸡以一定概率向公鸡靠拢，既保证了收敛性，又没有降低种群多样性，能够很好地兼顾局部开发和全局搜索，母鸡的位置更新公式如下：

式中，r表示母鸡配偶中任意第r只公鸡；s表示鸡群内任意第s只公鸡或母鸡，r≠s，f

将随机跟随策略引入麻雀搜索算法中的跟随者位置更新过程，充分利用上一代个体的位置信息和概率性变化。改进后跟随者位置更新公式如下：

其中，/>

需要说明的是，所述基础可靠度的取值范围在0到1之间，具体的与所述使用距离与所述行驶距离的差值相关，当所述使用距离与所述行驶距离的差值的绝对值越大，则所述基础可靠度越小。

需要说明的是，当所述定位装置在行驶过程中的单位时间的变动量的最大值以及平均值均小于单位时间内的行驶变动量时，则确定所述定位装置的稳定性满足要求。

在本实施例中，通过对定位装置是否可靠的判断，从而实现了从多角度对定位装置的可靠性的判断，从而避免了由于定位装置的故障导致的定位错误产生的还车判断的错误的问题的出现，提升了还车判断的可靠性。

S13基于所述定位装置的实时定位信息对用户的移动装置的基站定位信息以及GPS定位信息进行筛选，得到可靠定位方式，并基于所述可靠定位方式的数量确定所述共享电动车的实时定位信息是否可靠，若是，则基于所述实时定位信息判断是否允许还车，若否，则进入步骤S14；

具体的，基于所述用户的移动装置的基站定位信息与所述定位装置的实时定位信息的误差确定基站定位方式是否为可靠定位方式，基于所述用户的移动装置的GPS定位信息与所述定位装置的实时定位信息的误差确定所述GPS定位方式是否为可靠定位方式。

在本实施例中，通过进一步结合定位装置的实时定位信息对用户的移动装置的基站定位信息以及GPS定位信息进行可靠定位方式的评估，从而避免了单纯采用定位装置的实时定位信息导致的位置信息的评测的不够准确的技术问题，实现了从简单的判断方式对实时定位信息的可靠性的判断，保证了评估的可靠性。

S14基于所述定位装置的实时定位信息、用户的移动装置的基站定位信息以及GPS定位信息、所述基本停车区域进行定位可信值和位置信息的评估，并当所述定位可信度大于设定值时，基于所述位置信息确定是否允许还车。

具体的，如图3所示，所述定位可信值的评估的具体步骤为：

S31判断是否所述用户的移动装置的基站定位信息、GPS定位信息均不在所述基础停车区域内，若是，则确定当前的定位可信值为0，若否，则进入步骤S32；

S32判断是否所述用户的移动装置的基站定位信息、GPS定位信息均在所述基础停车区域内，若是，则进入步骤S33，若否，则进入步骤S34

S33基于所述用户的移动装置的基站定位信息与所述定位装置的实时定位信息的误差值确定当前的的实时定位信息是否可靠，若是，则确定当权的定位可信值为1，且将所述用户的移动装置的基站定位信息与所述定位装置的实时定位信息的平均值作为位置信息，若否，则进入步骤S34；

S34基于所述定位装置的实时定位信息、用户的移动装置的基站定位信息以及GPS定位信息、所述基本停车区域进行定位可信值的评估，并当所述定位可信值大于可信预设值时，将所述定位装置的实时定位信息作为位置信息。

在本实施例中，通过结合所述定位装置的实时定位信息、用户的移动装置的基站定位信息以及GPS定位信息、所述基本停车区域进行定位可信值和位置信息的评估，从而进一步实现了从多重角度对位置信息的定位可信度的判断，避免了原有的仅仅采用单一手段导致的评估结果不够准确的问题。

为了便于理解，本申请给出一个另外的具体的实施方式：

基于共享电动车的初始位置以及行驶距离，确定所述共享电动车的基本停车区域当共享电动车的行驶时间为30分钟，平均行驶速度为30km/h，则确定行驶距离为15km，以初始位置为坐标的，以15km为半径的圆形区域即为基本停车区域，并当基本停车区域不位于指定停车区域时，需要进行进一步的判断;

至少基于所述使用距离与所述行驶距离的差值、所处定位装置在行驶过程中的单位时间的变动量的最大值以及平均值确定所述定位装置是否可靠，具体的如图2所示，基于ISSA-LSSVM算法的评估模型进行确定，并当不够可靠时，进行进一步的判断；

基于所述用户的移动装置的基站定位信息与所述定位装置的实时定位信息的误差确定基站定位方式是否为可靠定位方式，基于所述用户的移动装置的GPS定位信息与所述定位装置的实时定位信息的误差确定所述GPS定位方式是否为可靠定位方式，并当可靠定位方式的数量小于2时，需要进行进一步的判断；

基于所述定位装置的实时定位信息、用户的移动装置的基站定位信息以及GPS定位信息、所述基本停车区域进行定位可信值和位置信息的评估，具体的评估方式如图3所示，并当所述定位可信度大于设定值时，基于所述位置信息确定是否允许还车。

实施例2

如图4所示，本申请实施例中提供一种基于智慧城市的共享电动车管理系统，采用上述的一种基于智慧城市的共享电动车管理方法，具体包括：

定位装置；车辆信息获取装置；服务器；位置评估装置；

其中所述定位装置负责获取所述共享电动车的实时定位信息；

所述车辆信息获取装置负责获取基于共享电动车的初始位置以及行驶距离；

具体的举例说明，所述行驶距离根据所述共享电动车的行驶时间和平均行驶速度进行确定。

具体的举个例子，当共享电动车的行驶时间为30分钟，平均行驶速度为30km/h，则确定行驶距离为15km。

具体的举例说明，所述基本停车区域采用以所述共享电动车的初始位置为圆心，以所述行驶距离为半径的圆形区域进行确定。

具体的举个例子，以初始位置为坐标的，以15km为半径的圆形区域即为基本停车区域。

所述服务器负责确定共享电动车的基本停车区域以及指定停车区域，以及确定是否允许还车；

所述位置评估装置负责定位装置以及实时定位信息的可靠性的判断；负责可靠定位方式、定位可信值和位置信息的评估。

具体的，基于共享电动车的初始位置以及行驶距离，确定所述共享电动车的基本停车区域当共享电动车的行驶时间为30分钟，平均行驶速度为30km/h，则确定行驶距离为15km，以初始位置为坐标的，以15km为半径的圆形区域即为基本停车区域，并当基本停车区域不位于指定停车区域时，需要进行进一步的判断;

具体的，至少基于所述使用距离与所述行驶距离的差值、所处定位装置在行驶过程中的单位时间的变动量的最大值以及平均值确定所述定位装置是否可靠，具体的如图2所示，基于ISSA-LSSVM算法的评估模型进行确定，并当不够可靠时，进行进一步的判断；

具体的，所属定位装置的可靠度的评估的具体的采用基于 ISSA-LSSVM算法的机器学习模型进行确定，其具体的步骤为：

（1）对样本数据进行核主成分分析维数约简处理；

（2）ISSA参数和种群初始化；设置麻雀个体数量、寻优迭代次数等参数，在搜索空间内精英化、多样化初始种群；

（3）确定LSSVM参数c和g的范围，c的取值范围为（0,100），g的取值范围为（0,100）；

（4）ISSA通过麻雀中搜索者、跟随者和警戒者个体迭代更新不断靠近LSSVM关键参数最优解，并更新迭代次数t；

（5）经KPCA对数据集进行预处理，突出指标主成分数据划分为两部分，即训练集和测试集，从而进行模型训练和实际测试，将ISSA-LSSVM模型的输出预测值和实际突出值的均方根误差作为适应度函数，适应度最优时作为最优解，适应度函数公式如下：

（6）判断是否满足终止条件：若满足则继续执行步骤（7），否则返回步骤（4）；

（7）输出最优解，即 LSSVM 模型的核函数参数值和惩罚参数值，利用该优化后的参数训练 LSSVM 模型，即完成ISSA-LSSVM的机器学习模型的建立。

其中，LSSVM 回归预测函数如下：

其中，J(×)表示目标函数，/>

其中，/>

具体的，标准SSA算法中的跟随者在向最优位置移动时，容易出现种群在短时间内迅速集聚的情况，虽然能够达到快速收敛的效果，但种群的多样性骤降，致使算法陷入局部最优的概率大大增加，鸡群优化算法是一种具有优秀全局寻优能力的随机优化算法，其中的随机跟随策略是母鸡以一定概率向公鸡靠拢，既保证了收敛性，又没有降低种群多样性，能够很好地兼顾局部开发和全局搜索，母鸡的位置更新公式如下：

式中，r表示母鸡配偶中任意第r只公鸡；s表示鸡群内任意第s只公鸡或母鸡，r≠s，f

将随机跟随策略引入麻雀搜索算法中的跟随者位置更新过程，充分利用上一代个体的位置信息和概率性变化。改进后跟随者位置更新公式如下：

其中，/>

基于所述用户的移动装置的基站定位信息与所述定位装置的实时定位信息的误差确定基站定位方式是否为可靠定位方式，基于所述用户的移动装置的GPS定位信息与所述定位装置的实时定位信息的误差确定所述GPS定位方式是否为可靠定位方式，并当可靠定位方式的数量小于2时，需要进行进一步的判断；

基于所述定位装置的实时定位信息、用户的移动装置的基站定位信息以及GPS定位信息、所述基本停车区域进行定位可信值和位置信息的评估，具体的评估方式如图3所示，并当所述定位可信度大于设定值时，基于所述位置信息确定是否允许还车。

实施例3

如图5所示，本申请实施例中提供一种计算机系统，包括：通信连接的存储器和处理器，以及存储在所述存储器上并能够在所述处理器上运行的计算机程序，其特征在于：所述处理器运行所述计算机程序时执行上述的一种基于智慧城市的共享电动车管理方法。

具体的，本实施例还提供了一种计算机系统，该计算机系统包括通过系统总线连接的处理器、存储器、网络接口和数据库；其中，该计算机系统的处理器用于提供计算和控制能力；该计算机系统的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现上述的一种基于智慧城市的共享电动车管理方法。

实施例4

如图6所示，本发明提供了一种计算机存储介质，其上存储有计算机程序，当所述计算机程序在计算机中执行时，令计算机执行上述的一种基于智慧城市的共享电动车管理方法。

具体的，所述一种基于智慧城市的共享电动车管理方法具体为：

基于共享电动车的初始位置以及行驶距离，确定所述共享电动车的基本停车区域当共享电动车的行驶时间为30分钟，平均行驶速度为30km/h，则确定行驶距离为15km，以初始位置为坐标的，以15km为半径的圆形区域即为基本停车区域，并当基本停车区域不位于指定停车区域时，需要进行进一步的判断;

至少基于所述使用距离与所述行驶距离的差值、所处定位装置在行驶过程中的单位时间的变动量的最大值以及平均值确定所述定位装置是否可靠，具体的如图2所示，基于ISSA-LSSVM算法的评估模型进行确定，并当不够可靠时，进行进一步的判断；

基于所述用户的移动装置的基站定位信息与所述定位装置的实时定位信息的误差确定基站定位方式是否为可靠定位方式，基于所述用户的移动装置的GPS定位信息与所述定位装置的实时定位信息的误差确定所述GPS定位方式是否为可靠定位方式，并当可靠定位方式的数量小于2时，需要进行进一步的判断；

基于所述定位装置的实时定位信息、用户的移动装置的基站定位信息以及GPS定位信息、所述基本停车区域进行定位可信值和位置信息的评估，具体的评估方式如图3所示，并当所述定位可信度大于设定值时，基于所述位置信息确定是否允许还车。

具体的，本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以 通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可 包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器（ROM）、可编程ROM （PROM）、电可编程ROM（EPROM）、电可擦除可编程ROM（EEPROM）或闪存。易失性存储器可包括 随机存取存储器（RAM）或者外部高速缓冲存储器。作为说明而非局限，RAM以多种形式可得， 诸如静态RAM（SRAM）、动态RAM（DRAM）、同步DRAM（SDRAM）、双数据率SDRAM（DDRSDRAM）、增强 型SDRAM（ESDRAM）、同步链路（Synchlink） DRAM（SLDRAM）、存储器总线（Rambus）直接RAM （RDRAM）、直接存储器总线动态RAM（DRDRAM）、以及存储器总线动态RAM（RDRAM）等。

在本申请所提供的几个实施例中，应该理解到，所揭露的系统和方法，也可以通过其它的方式实现。以上所描述的系统实施例仅仅是示意性的，例如，附图中的流程图和框图显示了根据本发明的多个实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分，模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现方式中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个连续的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或动作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。

另外，在本发明各个实施例中的各功能模块可以集成在一起形成一个独立的部分，也可以是各个模块单独存在，也可以两个或两个以上模块集成形成一个独立的部分。

功能如果以软件功能模块的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。

以上述依据本发明的理想实施例为启示，通过上述的说明内容，相关工作人员完全可以在不偏离本项发明技术思想的范围内，进行多样的变更以及修改。本项发明的技术性范围并不局限于说明书上的内容，必须要根据权利要求范围来确定其技术性范围。