本申请涉及车位利用率评估，尤其涉及一种智慧停车用的车位利用率评估方法和系统。
背景技术：
1、传统的停车场管理系统往往采用简单的固定收费模式和静态的车位分配策略，无法有效应对复杂多变的停车需求和交通环境。这种管理方式不仅导致停车资源利用率低下，还常常造成局部拥堵和环境污染等问题。
2、近年来，随着物联网、大数据和人工智能技术的快速发展，智慧停车系统应运而生。然而，现有的智慧停车解决方案仍然存在诸多不足。大多数系统缺乏对停车场时空动态特性的深入分析，无法准确把握车位利用率的变化规律。其次，现有的车位分配算法往往只考虑单一目标，如最短路径或最低费用，忽视了停车行为的多样性和复杂性。传统的评估方法难以有效处理停车场环境中的不确定性和模糊性，导致决策的准确性和可靠性不足。
技术实现思路
1、本申请提供了一种智慧停车用的车位利用率评估方法和系统，进而实现对停车场状态的精确建模、对车位利用率的准确预测，以及对停车策略的优化决策，从而提高停车资源的利用效率，改善用户的停车体验。
2、本申请第一方面提供了一种智慧停车用的车位利用率评估方法，所述智慧停车用的车位利用率评估方法包括：
3、对停车场管理系统进行多维数据采集和网络建模，得到停车场时空数据模型；
4、对所述停车场时空数据模型进行时空聚类和网络特征计算，得到停车场时空特征集合；
5、获取车辆的停车影响因素集合，并对所述停车场时空特征集合和所述停车影响因素集合进行模糊集映射和概率分布赋值，得到融合特征集合；
6、将所述融合特征集合输入预置的车位利用率空间自回归模型进行车位利用率评估，得到车位利用率评估结果；
7、根据所述车位利用率评估结果构建所述车辆的双目标停车优化模型，并通过所述双目标停车优化模型求解得到对应的最优车位分配策略和导航路径。
8、本申请第二方面提供了一种智慧停车用的车位利用率评估系统，所述智慧停车用的车位利用率评估系统包括：
9、采集模块，用于对停车场管理系统进行多维数据采集和网络建模，得到停车场时空数据模型；
10、计算模块，用于对所述停车场时空数据模型进行时空聚类和网络特征计算，得到停车场时空特征集合；
11、映射模块，用于获取车辆的停车影响因素集合，并对所述停车场时空特征集合和所述停车影响因素集合进行模糊集映射和概率分布赋值，得到融合特征集合；
12、评估模块，用于将所述融合特征集合输入预置的车位利用率空间自回归模型进行车位利用率评估，得到车位利用率评估结果；
13、求解模块，用于根据所述车位利用率评估结果构建所述车辆的双目标停车优化模型，并通过所述双目标停车优化模型求解得到对应的最优车位分配策略和导航路径。
14、本申请第三方面提供了一种电子设备，包括：存储器和至少一个处理器，所述存储器中存储有指令；所述至少一个处理器调用所述存储器中的所述指令，以使得所述电子设备执行上述的智慧停车用的车位利用率评估方法。
15、本申请的第四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慧停车用的车位利用率评估方法。
16、与现有技术相比，本申请具有以下有益效果：通过对停车场物理布局、车辆轨迹、环境参数等多维数据的采集和融合，构建了全面的停车场时空数据模型，实现了对停车场时空数据的深度挖掘，有效提取了停车场的关键时空特征，通过模糊集理论和概率统计方法，有效处理了停车影响因素的不确定性和模糊性，提高了特征融合的准确性和可靠性。结合时间自回归、空间自回归和多层感知机网络，构建了能同时捕捉时间和空间依赖关系的预测模型，显著提升了车位利用率评估的准确性。通过条件随机场模型对局部概率进行全局优化，有效提高了车位利用率评估结果的空间一致性和整体准确性。综合考虑车位选择和路径选择两个目标，通过多目标优化算法求解，实现了更加平衡和高效的停车策略制定。采用层次分析法和模糊综合评价方法，对多个备选方案进行筛选，确保了最终决策的合理性和可靠性，进而实现对停车场状态的精确建模、对车位利用率的准确预测，以及对停车策略的优化决策，从而提高停车资源的利用效率，改善用户的停车体验。
1.一种智慧停车用的车位利用率评估方法，其特征在于，所述方法包括：
2.根据权利要求1所述的智慧停车用的车位利用率评估方法，其特征在于，所述对停车场管理系统进行多维数据采集和网络建模，得到停车场时空数据模型，包括：
3.根据权利要求1所述的智慧停车用的车位利用率评估方法，其特征在于，所述对所述停车场时空数据模型进行时空聚类和网络特征计算，得到停车场时空特征集合，包括：
4.根据权利要求1所述的智慧停车用的车位利用率评估方法，其特征在于，所述获取车辆的停车影响因素集合，并对所述停车场时空特征集合和所述停车影响因素集合进行模糊集映射和概率分布赋值，得到融合特征集合，包括：
5.根据权利要求4所述的智慧停车用的车位利用率评估方法，其特征在于，所述对所述停车场时空特征集合和所述多维停车影响因素集合进行模糊集映射，得到模糊特征矩阵，并根据所述模糊特征矩阵对各特征进行条件概率分布赋值，得到融合特征集合，包括：
6.根据权利要求1所述的智慧停车用的车位利用率评估方法，其特征在于，所述将所述融合特征集合输入预置的车位利用率空间自回归模型进行车位利用率评估，得到车位利用率评估结果，包括：
7.根据权利要求6所述的智慧停车用的车位利用率评估方法，其特征在于，所述将所述车位利用率概率分布输入所述车位利用率空间自回归模型的条件随机场层进行局部概率全局优化，得到车位利用率评估结果，包括：
8.根据权利要求1所述的智慧停车用的车位利用率评估方法，其特征在于，所述根据所述车位利用率评估结果构建所述车辆的双目标停车优化模型，并通过所述双目标停车优化模型求解得到对应的最优车位分配策略和导航路径，包括：
9.根据权利要求8所述的智慧停车用的车位利用率评估方法，其特征在于，所述对所述多个备选方案进行层次分析和模糊综合评价，得到最优车位分配策略和导航路径，包括：
10.一种智慧停车用的车位利用率评估系统，其特征在于，用于执行如权利要求1-9中任一项所述的智慧停车用的车位利用率评估方法，所述系统包括：
