本技术涉及数据处理，尤其涉及一种智能停车引导方法、系统及存储介质。
背景技术：
1、随着城市化进程的加快和私家车保有量的急剧增长，停车难问题日益突出，成为困扰现代城市发展的一大难题。为解决这一问题，各类停车引导系统应运而生。现有的停车引导系统通常采用固定的信息发布设备，如电子显示屏或移动应用程序，向驾驶员提供附近停车场的位置和空余车位信息。这些系统通过实时采集停车场的车位占用数据，并将信息传输到中央控制中心进行处理和分发，帮助驾驶员快速找到可用的停车位。
2、然而，现有的停车引导系统存在诸多不足。首先，这些系统往往只提供静态或半静态的停车信息，无法充分考虑实时交通状况、用户个人偏好以及停车需求的动态变化。其次，现有系统缺乏对用户历史行为和反馈的深度分析，难以提供个性化的停车建议。再者，这些系统通常将停车场作为孤立的实体来处理，忽视了停车行为与周边交通流量、商业活动等因素的相互影响。最后，现有系统在数据处理和信息发布方面效率不高，难以应对大规模实时数据的快速处理和精准推送需求。
技术实现思路
1、本技术提供了一种智能停车引导方法、系统及存储介质，用于提升智能停车引导的时效性及准确率。
2、第一方面，本技术提供了一种智能停车引导方法，所述智能停车引导方法包括：对多源交通数据进行实时采集和标准化处理，得到包含交通流量、停车位可用性、环境因素和历史趋势的目标交通数据集；对所述目标交通数据集进行时间序列分析和模式识别处理，得到车流量预测数据和停车需求预测数据；基于所述车流量预测数据，对所述停车需求预测数据进行多目标优化处理，得到目标决策数据，其中，所述目标决策数据包括：交通流分配方案、停车资源调配策略和车辆路径推荐数据；对所述目标决策数据进行多渠道信息格式转换和优先级排序处理，得到适用于不同发布平台的实时信息数据；实时采集用户停车行为数据、实时交通状况数据和更新停车场占用率数据，并对所述用户停车行为数据、所述实时交通状况数据和所述停车场占用率数据进行关联分析和路径规划处理，得到包含目标停车场和导航路线的候选停车建议路径数据；对实时采集的用户反馈数据和所述占用率数据进行多维度交叉分析处理，得到评估指标数据，其中，所述评估指标数据包括：用户满意度和资源利用效率；通过所述评估指标数据对所述候选停车建议路径数据进行数据修正，得到目标停车建议路径数据，其中，所述目标停车建议路径数据包括：目标停车场地理坐标、目标行驶路线坐标序列、预计行驶时间、预计停车费用、以及实时路况数据。
3、结合第一方面，在本技术第一方面的第一种实现方式中，所述多源交通数据包括路面车辆密度数据、停车场入口和出口的车辆通过数据、天气状况数据、特殊事件信息以及历史停车数据，所述对多源交通数据进行实时采集和标准化处理，得到包含交通流量、停车位可用性、环境因素和历史趋势的目标交通数据集，包括：对所述路面车辆密度数据进行动态阈值分割处理，得到反映交通流量的车流量分级数据；对所述停车场入口和出口的车辆通过数据进行差值计算处理，得到实时停车位占用率数据；对所述天气状况数据和所述特殊事件信息进行语义分析处理，得到环境影响因子数据；对所述历史停车数据进行周期性分解处理，得到停车趋势周期数据；对所述车流量分级数据和所述实时停车位占用率数据进行时空关联分析处理，得到停车需求热点分布数据；对所述环境影响因子数据和所述停车趋势周期数据进行加权融合处理，得到停车行为预测基础数据；对所述停车需求热点分布数据进行密度聚类处理，得到区域停车压力评估数据；对所述停车行为预测基础数据进行时间序列插值处理，得到连续时间域的停车需求预测数据；对所述区域停车压力评估数据和所述停车需求预测数据进行自适应权重分配处理，得到综合停车指数数据；对所述综合停车指数数据进行多尺度归一化处理，得到包含交通流量、停车位可用性、环境因素和历史趋势的目标交通数据集。
4、结合第一方面，在本技术第一方面的第二种实现方式中，所述对所述目标交通数据集进行时间序列分析和模式识别处理，得到车流量预测数据和停车需求预测数据，包括：对所述目标交通数据集进行时间窗口分段处理，得到多个时间粒度的停车数据片段，并对所述多个时间粒度的停车数据片段进行傅里叶变换处理，得到停车周期性特征数据；对所述停车周期性特征数据进行小波分解处理，得到多尺度停车趋势数据，并通过长短期记忆网络算法对所述多尺度停车趋势数据进行时序预测处理，得到初始停车需求预测数据；对所述初始停车需求预测数据和实时采集的实时交通流量数据进行相关性分析处理，得到流量-需求关联因子，并对所述流量-需求关联因子进行动态权重分配处理，得到停车需求调整参数；对所述初始停车需求预测数据和所述停车需求调整参数进行自适应融合处理，得到优化停车需求预测数据，并对历史车流量数据进行趋势提取和季节性分解处理，得到车流量基础特征数据；对所述车流量基础特征数据和实时交通事件数据进行异常检测处理，得到车流量波动因子，并对所述车流量基础特征数据和所述车流量波动因子进行组合预测处理，得到所述车流量预测数据和所述停车需求预测数据。
5、结合第一方面，在本技术第一方面的第三种实现方式中，所述基于所述车流量预测数据，对所述停车需求预测数据进行多目标优化处理，得到目标决策数据，其中，所述目标决策数据包括：交通流分配方案、停车资源调配策略和车辆路径推荐数据，包括：对所述车流量预测数据进行网络流模型构建处理，得到交通流网络拓扑结构，并对所述停车需求预测数据进行空间聚类处理，得到停车需求热点区域数据；对所述交通流网络拓扑结构和所述停车需求热点区域数据进行匹配度计算处理，得到初始交通流分配方案，并对所述初始交通流分配方案进行容量约束优化处理，得到所述交通流分配方案；对现有停车资源数据和所述停车需求预测数据进行差异分析处理，得到停车资源缺口数据，并对所述停车资源缺口数据进行动态分配处理，得到初始停车资源调配策略；对所述初始停车资源调配策略进行冲突检测处理，得到所述停车资源调配策略；对实时路网状态数据和所述交通流分配方案进行融合处理，得到多维路径评估指标；通过粒子群优化算法对所述多维路径评估指标进行路径搜索处理，得到候选车辆路径集；对所述候选车辆路径集进行多目标权衡处理，得到所述车辆路径推荐数据，并将所述交通流分配方案、所述停车资源调配策略和所述车辆路径推荐数据整合为所述目标决策数据。
6、结合第一方面，在本技术第一方面的第四种实现方式中，所述对所述目标决策数据进行多渠道信息格式转换和优先级排序处理，得到适用于不同发布平台的实时信息数据，包括：对所述交通流分配方案进行数据压缩处理，得到交通流量概要数据；对所述停车资源调配策略进行空间索引构建处理，得到停车位分布数据；对所述车辆路径推荐数据进行路径简化处理，得到关键路径节点数据；对所述交通流量概要数据、所述停车位分布数据和所述关键路径节点数据进行数据融合处理，得到信息数据包；对所述信息数据包进行多级缓存策略处理，得到分层存储的信息缓存结构，并对所述信息缓存结构进行实时更新频率分析处理，得到信息时效性评分数据；对所述信息时效性评分数据进行优先级排序处理，得到信息发布队列，并对所述信息发布队列中的数据进行多渠道适配处理，得到针对不同发布平台的格式化信息；对所述针对不同发布平台的格式化信息进行安全加密处理，得到所述适用于不同发布平台的实时信息数据。
7、结合第一方面，在本技术第一方面的第五种实现方式中，所述实时采集用户停车行为数据、实时交通状况数据和停车场占用率数据，并对所述用户停车行为数据、所述实时交通状况数据和所述停车场占用率数据进行关联分析和路径规划处理，得到包含目标停车场和导航路线的候选停车建议路径数据，包括：对所述用户停车行为数据进行聚类分析处理，得到用户停车偏好信息，并对所述交通状况数据进行道路拥堵度计算处理，得到交通流畅度指数；对所述停车场占用率数据进行差值统计处理，得到动态停车位占用率；对所述用户停车偏好信号和所述动态停车位占用率进行相关性分析处理，得到个性化停车场推荐列表；对所述交通流畅度指数进行阈值分割处理，得到可行驾驶路段集合；通过启发式搜索算法对所述可行驾驶路段集合进行路径规划处理，得到多条候选导航路线；对所述个性化停车场推荐列表中的停车场进行地理坐标提取处理，得到目标停车场坐标集；对所述多条候选导航路线和所述目标停车场坐标集进行匹配度计算处理，得到路线-停车场匹配方案；对所述路线-停车场匹配方案进行综合评分处理，得到最优停车建议路径，并对所述最优停车建议路径进行数据封装处理，得到包含目标停车场和导航路线的候选停车建议路径数据。
8、结合第一方面，在本技术第一方面的第六种实现方式中，所述对实时采集的用户反馈数据和所述占用率数据进行多维度交叉分析处理，得到评估指标数据，其中，所述评估指标数据包括：用户满意度和资源利用效率，包括：对所述用户反馈数据进行情感分析处理，得到停车体验满意度初始评分，并对所述停车体验满意度初始评分进行时间衰减处理，得到时效性加权满意度数据；对停车场占用率数据进行时间序列分解处理，得到停车场利用效率趋势数据，并对所述时效性加权满意度数据和所述停车场利用效率趋势数据进行相关性分析处理，得到满意度-效率关联指数；对用户停车时长数据进行分布特征提取处理，得到停车时长模式数据，并对所述停车时长模式数据和停车场周转率数据进行匹配度计算处理，得到时空利用效率指标；对所述满意度-效率关联指数和所述时空利用效率指标进行融合处理，得到综合评估初始值，并对停车引导响应时间数据进行统计分析处理，得到响应效率评分；对所述综合评估初始值和所述响应效率评分进行加权平均处理，得到目标评估指标原始数据；对所述目标评估指标原始数据进行归一化和量化处理，得到所述评估指标数据，其中，所述评估指标数据包括：用户满意度和资源利用效率。
9、结合第一方面，在本技术第一方面的第七种实现方式中，所述通过所述评估指标数据对所述候选停车建议路径数据进行数据修正，得到目标停车建议路径数据，其中，所述目标停车建议路径数据包括：目标停车场地理坐标、目标行驶路线坐标序列、预计行驶时间、预计停车费用、以及实时路况数据，包括：对所述评估指标数据中的用户满意度进行阈值分析处理，得到停车场满意度排序列表；对所述候选停车建议路径数据中的目标停车场进行地理信息提取处理，得到候选停车场坐标集，并对所述停车场满意度排序列表和所述候选停车场坐标集进行匹配筛选处理，得到目标停车场地理坐标；对所述候选停车建议路径数据中的导航路线进行路径平滑处理，得到初始行驶路线坐标序列，并对所述初始行驶路线坐标序列进行优化处理，得到目标行驶路线坐标序列；对所述目标行驶路线坐标序列进行路段分割处理，得到路段单元集合，并对所述路段单元集合和实时交通流数据进行融合分析处理，得到各路段预计通行时间；对所述各路段预计通行时间进行累加计算处理，得到所述预计行驶时间；对所述目标停车场的历史价格数据进行时间序列预测处理，得到预计停车费用；对采集的路况数据进行语义化处理，得到所述实时路况数据，并将所述目标停车场地理坐标、所述目标行驶路线坐标序列、所述预计行驶时间、所述预计停车费用和所述实时路况数据整合为所述目标停车建议路径数据。
10、第二方面，本技术提供了一种智能停车引导系统，所述智能停车引导系统包括：
11、处理模块，用于对多源交通数据进行实时采集和标准化处理，得到包含交通流量、停车位可用性、环境因素和历史趋势的目标交通数据集；
12、识别模块，用于对所述目标交通数据集进行时间序列分析和模式识别处理，得到车流量数据和停车需求预测数据；
13、优化模块，用于基于所述车流量数据，对所述停车需求预测数据进行多目标优化处理，得到目标决策数据，其中，所述目标决策数据包括：交通流分配方案、停车资源调配策略和车辆路径推荐数据；
14、转换模块，用于对所述目标决策数据进行多渠道信息格式转换和优先级排序处理，得到适用于不同发布平台的实时信息数据；
15、规划模块，用于实时采集用户停车行为数据、实时交通状况数据和停车场占用率数据，并对所述用户停车行为数据、所述实时交通状况数据和所述停车场占用率数据进行关联分析和路径规划处理，得到包含目标停车场和导航路线的候选停车建议路径数据；
16、分析模块，用于对实时采集的用户反馈数据和所述占用率数据进行多维度交叉分析处理，得到评估指标数据，其中，所述评估指标数据包括：用户满意度和资源利用效率；
17、修正模块，用于通过所述评估指标数据对所述候选停车建议路径数据进行数据修正，得到目标停车建议路径数据，其中，所述目标停车建议路径数据包括：目标停车场地理坐标、目标行驶路线坐标序列、预计行驶时间、预计停车费用、以及实时路况数据。
18、本技术的第三方面提供了一种计算机可读存储介质，所述计算机可读存储介质中存储有指令，当其在计算机上运行时，使得计算机执行上述的智能停车引导方法。
19、本技术提供的技术方案中，通过对多源交通数据进行实时采集和标准化处理，得到包含交通流量、停车位可用性、环境因素和历史趋势的目标交通数据集，不仅提高了数据的时效性，还增强了决策的可靠性。对目标交通数据集进行时间序列分析和模式识别处理，得到车流量数据和停车需求预测数据，能够预测未来一段时间内的交通状况和停车需求，从而提前做出合理的资源调配。基于车流量数据对停车需求预测数据进行多目标优化处理，得到包括交通流分配方案、停车资源调配策略和车辆路径推荐数据在内的目标决策数据，对目标决策数据进行多渠道信息格式转换和优先级排序处理，得到适用于不同发布平台的实时信息数据，这大大提高了信息传播的效率和覆盖面，使得用户能够通过各种设备和平台获取停车引导信息。实时采集用户行为数据、实时交通状况数据和停车场占用率数据，并进行关联分析和路径规划处理，得到包含目标停车场和导航路线的候选停车建议路径数据，实现了对用户个性化需求的精准响应，同时考虑了实时路况，提高了推荐的准确性和实用性。对实时采集的用户反馈数据和占用率数据进行多维度交叉分析处理，得到包括用户满意度和资源利用效率的评估指标数据，通过评估指标数据对候选停车建议路径数据进行数据修正，得到包含目标停车场地理坐标、目标行驶路线坐标序列、预计行驶时间、预计停车费用以及实时路况数据的目标停车建议路径数据，通过多步骤的数据处理和决策优化，实现了从数据采集到最终用户推荐的全流程智能化，不仅大大提高了停车效率，减少了用户寻找停车位的时间和成本，提升了智能停车引导的时效性及准确率。
1.一种智能停车引导方法，其特征在于，所述智能停车引导方法包括：
2.根据权利要求1所述的智能停车引导方法，其特征在于，所述多源交通数据包括路面车辆密度数据、停车场入口和出口的车辆通过数据、天气状况数据、特殊事件信息以及历史停车数据，所述对多源交通数据进行实时采集和标准化处理，得到包含交通流量、停车位可用性、环境因素和历史趋势的目标交通数据集，包括：
3.根据权利要求1所述的智能停车引导方法，其特征在于，所述对所述目标交通数据集进行时间序列分析和模式识别处理，得到车流量预测数据和停车需求预测数据，包括：
4.根据权利要求1所述的智能停车引导方法，其特征在于，所述基于所述车流量预测数据，对所述停车需求预测数据进行多目标优化处理，得到目标决策数据，其中，所述目标决策数据包括：交通流分配方案、停车资源调配策略和车辆路径推荐数据，包括：
5.根据权利要求4所述的智能停车引导方法，其特征在于，所述对所述目标决策数据进行多渠道信息格式转换和优先级排序处理，得到适用于不同发布平台的实时信息数据，包括：
6.根据权利要求1所述的智能停车引导方法，其特征在于，所述实时采集用户停车行为数据、实时交通状况数据和停车场占用率数据，并对所述用户停车行为数据、所述实时交通状况数据和所述停车场占用率数据进行关联分析和路径规划处理，得到包含目标停车场和导航路线的候选停车建议路径数据，包括：
7.根据权利要求6所述的智能停车引导方法，其特征在于，所述对实时采集的用户反馈数据和所述占用率数据进行多维度交叉分析处理，得到评估指标数据，其中，所述评估指标数据包括：用户满意度和资源利用效率，包括：
8.根据权利要求7所述的智能停车引导方法，其特征在于，所述通过所述评估指标数据对所述候选停车建议路径数据进行数据修正，得到目标停车建议路径数据，其中，所述目标停车建议路径数据包括：目标停车场地理坐标、目标行驶路线坐标序列、预计行驶时间、预计停车费用、以及实时路况数据，包括：
9.一种智能停车引导系统，其特征在于，用于执行如权利要求1-7中任一项所述的智能停车引导方法，所述智能停车引导系统包括：
10.一种计算机可读存储介质，所述计算机可读存储介质上存储有指令，其特征在于，所述指令被处理器执行时实现如权利要求1-7中任一项所述的智能停车引导方法。
