基于智能手機的停車位信息共享方法
【專利摘要】本發明屬于移動網絡服務【技術領域】，涉及一種基于智能手機的停車位信息共享方法，在該方法中，攜帶有智能手機的一個個車主，即是信息的使用者，也是信息的采集者，作為信息的采集者的車主自主地將采集的信息發送到服務器，服務器對所采集的信息進行標記，將信息量化成極限學習的一個個維度信息量，并根據量化的維度信息進行實時的學習預測，同時作為信息的使用者的車主，從服務器獲取經過學習預測的有關停車位信息，信息的采集和標記主要分為三個大類進行。本發明提供的共享方法能夠使車主及時的獲得停車位的信息將減少尋找車位帶來的不便，減少尋找停車位的時間。
【專利說明】基于智能手機的停車位信息共享方法
所屬【技術領域】
[0001]本發明屬于移動網絡服務【技術領域】，涉及一種停車位信息共享方法。
【背景技術】
[0002]隨著生產技術的發展，越來越多的人擁有了自己的汽車，然而不管是節假日外出旅游還是探親訪友，尋找停車位常常給不少車主帶來不便。網絡逐漸融入了日常生活的方方面面，網絡與搜索停車位的結合無疑是一個可以實現的發展方向。然而目前在實際應用中，一些現有的方案過于繁雜，所需要的設備過于繁多，而且實現較不易。比如某種查尋系統，它包括至少一個停車位信息采集單元、至少一個停車位搜索預定服務器、至少一個通信控制器和至少一個終端設備，停車位信息采集單元通過通信媒質與通信控制器連接，這給車主帶來了不少的不便，車主需要另行裝置一個通信設備以獲得停車位數據。通常，車主需要自己到達具體的停車區域，然后自己尋找空閑的車位或者需要人工的指引獲得停車位。這樣車主自己不能事先獲得車位的具體信息，也不知道哪些地方可以停車，給出行帶來不小的麻煩。
【發明內容】
[0003]本發明的目的是克服現有技術的上述不足，提供一種停車位信息共享方法。本發明提供的共享方法能夠根據實際的環境及時的將停車位的信息發送到車主的智能手機終端上，使車主及時的獲得停車位的信息將減少尋找車位帶來的不便，不需要車主自己尋找停車位，不僅能使車主獲得實際環境停車位的信息，也能減少尋找停車位的時間。技術方案如下:
[0004]一種基于移動網絡服務的停車位信息共享方法，在該方法中，攜帶有智能手機的一個個車主，即是信息的使用者，也是信息的采集者，作為信息的采集者的車主自主地將采集的信息發送到服務器，服務器對所采集的信息進行標記，將信息量化成極限學習的一個個維度信息量，并根據量化的維度信息進行實時的學習預測，同時作為信息的使用者的車主，從服務器獲取經過學習預測的有關停車位信息，信息的采集和標記主要分為三個大類進行，方法如下:
[0005]第一類來自大型停車場、街邊一些有具體停車車位數目以及某些小區和服務區內有固定停車數目的區域的信息收集，方法為:將此類區域的停車位數據分為比較少、比較多和很多三類，對每一類，賦予一個維度，將采集的信息對應相應的維度進行標記；剩余的其他維度可以將其他信息對應輸入維度中，停車場周邊的人流密度，按照高低對應不同的維度，將停車位費用按照免費及高低對應不同的維度或者在同一個維度中用不同的數字表示，車主通過彈出的界面將這些信息輸入，通過智能手機上傳到服務器，服務器將這些數據進行極限學習的存儲和計算估計，通過對不同時間段多樣本數據的收集和處理，更新對應的極限學習算法的模型，然后將獲得的數據通過智能手機界面再呈現給需要搜索停車位的車主。[0006]第二類來自于一些停車場以及只有停車區域卻沒有停車數目的街邊和小區的信息收集，對采集的信息進行對應的標記分類，此類標記有停車數目的估算值，方法為:用戶停車后按照對周圍環境的觀察，按照不同的維度輸入停車場信息，四周比較寬敞、不是很寬敞、很窄沒有什么其他停車分別對應不同的維度，并引入新的維度進行停車位標記，新的維度為停車數目的估算值，用戶估算所在的區域剩余能停多少輛車，將這個對應的信息量也標記進入此種分類的樣本中，根據用戶的判斷，按照可以停放車輛的多少對所述的新引入的維度進行標記；車主通過彈出的界面將這些信息輸入，通過智能手機上傳到服務器，服務器將這些數據進行極限學習的存儲和計算估計，通過對不同時間段多樣本數據的收集和處理，更新對應的極限學習算法的模型，然后將獲得的數據通過智能手機界面再呈現給需要搜索停車位的車主。
[0007]第三類來自于一些其他信息的收集:車主行駛在一些馬路上，遇到的停車區域在原有的系統上沒有標識，通過搜索也沒有的，車主將自己所獲得的第一手信息進行上傳，隨著越來越多的車主參與進來，這樣這個區域的上傳信息將會越來越多，最終服務器用極限學習的方法對上傳的信息通過再一次標記的方法進行分類，然后進行訓練，最終更新參數的模型，給以后需要搜索停車位的車主提供可靠的數據信息。
[0008]本發明最突出的特點是實現了停車位信息的實時共享，能夠給用戶提供及時的，動態的信息，以提高用戶生活質量，能有效解決現有出行找停車位困難的問題。本發明充分利用了智能手機的傳感器功能以及定位功能，使得信息提供及時，精確，用戶操作簡單。用機器學習的方法對收集到的數據進行有效的分析，預測，以最大限度提供給用戶方便。根據本發明提出的共享方法得到的搜索結果，還能用于改善交通管理，提高交通運輸速率等。采用此種方法建立的搜索平臺也可以裝入車載系統，使裝有車載系統的汽車能夠通過車載系統就能獲得停車位信息，使出行更方便，而且裝入車載系統的搜索平臺能夠使汽車附帶功能更加強大，帶來的經濟效益更好。
【專利附圖】
【附圖說明】
[0009]圖1應用平臺整體框架圖。
[0010]圖2信息搜集界面圖。
[0011]圖3極限學習的原理圖。
【具體實施方式】
[0012]本發明提出了一種不需要車主尋找停車位就能有效獲得停車位信息的一個搜索平臺。下面結合實施例和附圖對本發明進行說明。
[0013]本發明的一個實施例是:客戶端采用在智能手機上獨立開發一種應用，這種應用可以同時在手機和車載系統上使用，并且在用戶注冊時與所使用的手機號碼綁定。而且在有移動網絡或wife覆蓋的地方都可以實現數據的傳遞，在服務器端，通過商用云計算平臺如Windows Azues來實現服務器功能,這些商業云平臺提供了性價比極高的云存儲,云計算與sql搜索的工能。停車位在節假日尤其緊張，云計算平臺的可伸縮性可以很好的滿足這類需求，在平時可以相對少的租用云資源，而在有需求時則申請較多的云計算資源。
[0014]本發明的數據采集不同于其他專利，以往的一些專利對街邊和居民社區這些很多時候沒有停車位劃線也沒有攝像頭監控停車位數目的區域很難提供有效的估計或者根本就沒有這樣的功能。而本發明可以提供完善的數據，本發明的數據采集方式具有非常好的半智能化功能。本發明的數據采集不僅是通過原有的互聯網絡技術獲得一般大型停車場固定的車位數目，而且更重要的是每一個用戶都可能是一個信息提供者，進行停車位數據的發送。比如當一個車主通過安裝在其智能手機上的搜索平臺找到了需要的停車位，而這個時候車主發現停車后,很多其他人也都來停車,停車位的數目已經越來越少,這個時候車主就可以通過手機將現在的情況發送到云服務器端，使得信息實時變化，這樣可以使得數據迅速更新，比一般的專利數據更新上更加迅捷。當車主行駛在某條道路上，發現某個地方也能停車，而這個地方沒有攝像頭也沒有停車線，沒有與網絡相連接，以往的一些專利不能解決這些停車位的收集信息。而本發明由于搜索平臺是在智能手機上安裝，智能手機具有定位功能，只要車主將定位打開，以往遺漏的停車位信息就能發送到云服務器端。當車主進入居民小區時，小區里有多少停車位是幾乎沒辦法統計的，但是當一個車主停車后，他可以將自己周圍是否有空曠位置可以停車通過智能手機發送到云服務器端，這樣的數據采集方式是一般專利所不能比擬的。類似的在某些街道旁邊停車時，有多少車位也是確定不了的，但是車主同樣可以通過智能手機，將自己當前所處區域的大致停車位情況比如車輛是否多，是否有空余位置可以停車，這樣的即時數據傳送給云服務器端。即使對一般具有固定數目停車位數目的大型停車場，雖然可以通過停車場前的安保人員或者顯示牌獲得停車位有無的信息，但是對一個車主而言，知道這樣的信息是需要自己駕駛到停車場才能知道的，而最重要的是當車主到達時，可能停車位已經沒了。而本發明通過實時的數據更新，讓盡可能多的車主參與進來，那么一些車主很多時候不需要駕駛到停車場附近就能獲得停車位的信息，而且所獲得信息是實時的，比停車場的顯示牌信息更迅速。同時，對于一些停車場，是沒有人員管理也沒有電腦監控但確實有固定停車位的。當車主搜索停車位的時候，這樣的停車場數據采集就是每一個車主本身，參與的車主通過智能手機提供數據，讓停車位的信息發送給云服務器端，不僅提供有效的停車位信息而且也能提供停車位的位置，使得需要停車位的車主省卻了在停車場內找停車位的麻煩。
[0015]本發明通過一個個即是用戶也是信息采集發送者的使用者將采集的信息發送到服務器端，量化成極限學習的一個個維度信息量，在搜索平臺利用云計算的強大功能，將量化的維度信息進行學習預測，將結果發送到用戶的接收端平臺。本發明對信息的采集預測分析，主要采用極限學習的方法，該方法是一種簡單易用、有效的單隱層前饋神經網絡SLFNS學習算法。相比一般的神經網絡算法，極限學習方法不僅對海量數據的分類處理，特征提取，特征篩選，特征分類能夠非常的迅速而且層數少，不用調整網絡層內部的參數，只需調整與輸出神經元節點相聯系的參數。架構如圖1所示，信息發送者在智能手機界面上發送收集的信息(空余停車位數目，空余停車區域，停車收費等相關方面)如圖2所示。智能手機將信息上傳到遠端服務器，遠端服務器接收信息后，根據自身數據庫攜帶的停車位信息和實時其它信息發送者提供的信息，構建出動態停車位信息分布圖。接收端用戶可以搜索實時信息快速獲得停車位。服務器端也可以根據用戶需求推送一些停車位信息給用戶，如距離用戶最短的停車區域，收費最便宜的停車位等。
[0016]現將搜索平臺各部分功能介紹如下:
[0017]信息發送端:[0018]信息采集方式:現今的智能手機都配備著各種傳感器，可以獲得空氣的濕度，溫度，塵土顆粒的濃度，周圍環境的嘈雜等。智能手機用戶采集的信息包括停車費用，車位的多少，停車區域的疏密程度，附近餐廳酒店等。通過這兩種混合式的信息收取，將信息傳送到服務器上。
[0019]信息采集者:本發明的信息采集者主要是攜帶了智能手機的車主，車主本身其實也是信息的使用者，另一部分是志愿者，他們提供初始的系統部分數據如無攝像頭監管有固定停車位的停車場。
[0020]作為信息采集者的用戶或志愿者，在信息搜集時候，手機上的應用首先根據手機定位信息，確定用戶的位置，用戶根據需要采集的信息是哪一類的信息，選擇相應的信息采集界面，只需要按下選擇按鈕或者輸入一些數字，即可完成信息的輸入。
[0021]服務器端:
[0022]I數據收集與處理
[0023]收集的停車位信息主要是來源于三方面，第一個是原有固定的停車場，由于進出停車場都有電腦控制，停車位的總體數目，停車位剩余多少，甚至停車位的大致位置，都可以較方便的通過搜索停車場附近的顯示牌或者通過安保人員或者進行聯網等獲得并且能立即獲得有多少空余停車位的數目。第二個是道路街邊或居民社區的停車位信息，這需要信息采集者隨時的提供信息比如可以通過街拍圖片獲得圖像信息上傳服務器。第三個是某些大型停車場或停車區域卻是無攝像頭也無顯示牌也沒有安保人員的，這部分區域有固定的停車位需要志愿者提供停車位數據。其他一些輔助信息包括天氣，環境，人流密集等也可以作為某些特定信息搜索。我們對輸入的信息數據進行優化和處理，提取數據特征，提供實時更新的數據發送給用戶。
[0024]2信息有效性的驗證
[0025]在服務器端對所收集的數據進行信息有效性的判斷主要基于所獲得數據在一小段時間內提供一種信息的用戶是否比提供另一種信息的用戶多，其他一些用戶對該用戶所提供的信息的反饋情況和通過以往的歷史記錄，通過極限學習的方法來獲得概率進行判斷。
[0026]3預測分析
[0027]通過數據的采集和有效性的驗證，系統的基本數據庫已經完善。系統接受需要獲得數據的用戶的請求，通過數據分析，預測當前停車位以及周邊環境將數據發送給需要的用戶。這種系統的預測分析，即使沒有獲得最近一段時間信息，或者遇到一些突發事件比如天氣原因導致一些街邊停車位積水，也可以通過極限學習方法迅速提供有效的信息使用戶獲得停車位的信息。極限學習的基本原理闡述如下:極限學習機ELM是一種簡單易用、有效的單隱層前饋神經網絡SLFNs學習算法.傳統的神經網絡學習算法(如BP算法)需要人為設置大量的網絡訓練參數，并且很容易產生局部最優解.極限學習機只需要設置網絡的隱層節點個數，在算法執行過程中不需要調整網絡的輸入權值以及隱元的偏置，并且產生唯一的最優解，因此具有學習速度快且泛化性能好的優點。對于N個任意的樣本(Xpti) e RdXRm,單隱層前饋網絡具有L個隱藏節點的數學模型表達式如下:
[0028]
【權利要求】
1.一種基于智能手機的停車位信息共享方法，在該方法中，攜帶有智能手機的一個個車主，即是信息的使用者，也是信息的采集者，作為信息的采集者的車主自主地將采集的信息發送到服務器，服務器對所采集的信息進行標記，將信息量化成極限學習的一個個維度信息量，并根據量化的維度信息進行實時的學習預測，同時作為信息的使用者的車主，從服務器獲取經過學習預測的有關停車位信息，信息的采集和標記主要分為三個大類進行，方法如下: 第一類來自大型停車場、街邊一些有具體停車車位數目以及某些小區和服務區內有固定停車數目的區域的信息收集，方法為:將此類區域的停車位數據分為比較少、比較多和很多三類，對每一類，賦予一個維度，將采集的信息對應相應的維度進行標記；剩余的其他維度可以將其他信息對應輸入維度中，停車場周邊的人流密度，按照高低對應不同的維度，將停車位費用按照免費及高低對應不同的維度或者在同一個維度中用不同的數字表示，車主通過彈出的界面將這些信息輸入，通過智能手機上傳到服務器，服務器將這些數據進行極限學習的存儲和計算估計，通過對不同時間段多樣本數據的收集和處理，更新對應的極限學習算法的模型，然后將獲得的數據通過智能手機界面再呈現給需要搜索停車位的車主。 第二類來自于一些停車場以及只有停車區域卻沒有停車數目的街邊和小區的信息收集，對采集的信息進行對應的標記分類，此類標記有停車數目的估算值，方法為:用戶停車后按照對周圍環境的觀察，按照不同的維度輸入停車場信息，四周比較寬敞、不是很寬敞、很窄沒有什么其他停車分別對應不同的維度，并引入新的維度進行停車位標記，新的維度為停車數目的估算值，用戶估算所在的區域剩余能停多少輛車，將這個對應的信息量也標記進入此種分類的樣本中，根據用戶的判斷，按照可以停放車輛的多少對所述的新引入的維度進行標記；車主通過彈出的界面將這些信息輸入，通過智能手機上傳到服務器，服務器將這些數據進行極限學習的存儲和計算估計，通過對不同時間段多樣本數據的收集和處理，更新對應的極限學習算法的模型，然后將獲得的數據通過智能手機界面再呈現給需要搜索停車位的車主。 第三類來自于一些其他信息的收集:車主行駛在一些馬路上，遇到的停車區域在原有的系統上沒有標識，通過搜索也沒有的，車主將自己所獲得的第一手信息進行上傳，隨著越來越多的車主參與進來，這樣`這個區域的上傳信息將會越來越多，最終服務器用極限學習的方法對上傳的信息通過再一次標記的方法進行分類，然后進行訓練，最終更新參數的模型，給以后需要搜索停車位的車主提供可靠的數據信息。
【文檔編號】H04W4/12GK103606299SQ201310604165
【公開日】2014年2月26日 申請日期:2013年11月22日 優先權日:2013年11月22日
【發明者】劉立, 章宦記 申請人:天津大學