智慧停车场景下车道跟车优化方法及系统与流程

本发明涉及物联网，尤其涉及一种智慧停车场景下车道跟车优化方法及系统。

背景技术：

1、在现代城市中，交通拥堵和停车难题成为了日益严重的问题，尤其在高峰时段和繁忙区域。为了解决这些问题，智慧停车系统应运而生，通过融合先进的计算机视觉、传感器融合和数据分析技术，旨在提升停车场内车辆行驶效率和用户停车体验。车道跟车优化方法作为其中的关键技术之一，在智慧停车系统中扮演着重要角色。

2、cn116168339a-一种基于停车场道闸状态的跟车行为判断方法及系统，包括：根据停车场车道监控相机采集的图像，识别获取车场入口和出口区域车辆的出入场事件，同时结合车辆目标出入场过程中道闸状态信息，综合判断停车场出入口是否存在异常跟车行为，可以高效精准的判断出停车场出入口道闸区域的异常跟车行为，为停车场提供了可靠的预警信息，从而可以避免停车场车辆逃费跑单的问题，减少了停车场的经济损失，提升了停车场管理的效率和安全性。

3、cn106097462b-一种停车场智能车道系统及其控制方法，包括mtc设备、闸机、摄像头、地感检测器，etc设备、etc系统前端检查单元rsu和融合控制器；所述地感检测器包括第一地感、第二地感、第三地感、第四地感和第五地感；所述融合控制器分别与第一地感、第二地感、第五地感、mtc设备、etc设备、摄像头和闸机连接，用于实现mtc系统与etc系统的衔接，融合控制器通过汇总车辆通行过程中产生的信号，进而以设计的规则判决闸机工作状态；第三地感与etc设备连接，第四地感与mtc设备连接，第五地感还与闸机连接。该停车场智能车道系统实现了mtc与etc系统的衔接，保证etc模式下的车辆高速通行，提升了车辆的通行效率。

4、现有的停车场车道跟车优化方法往往只关注车辆离开停车场时逃单的问题，而对于车辆在停车场内部停车并未进行合理规划。

技术实现思路

1、本发明实施例提供一种智慧停车场景下车道跟车优化方法及系统，至少能够解决现有技术中部分问题，也即现有的停车场车道跟车优化方法往往只关注车辆离开停车场时逃单的问题，而对于车辆在停车场内部停车并未进行合理规划的问题。

2、本发明实施例的第一方面，

3、提供一种智慧停车场景下车道跟车优化方法，包括：

4、为进入停车场的车辆分配车辆id，结合实时更新的停车场空余车位信息，以及停车场服务器中预先构建的停车场的车位拓扑图，通过停车场服务器为每个车辆id分配最优泊车路径；

5、目标车辆获取位于最优泊车路径上前车的速度信息与距离信息，结合所述停车场的车位拓扑图，通过时序预测模型确定前车下一时刻的预测速度信息，其中，所述时序预测模型基于第一子模型和第二子模型构建而成，第一子模型的输出结果作为第二子模型的输入；

6、基于前车的预测速度信息以及所述车位拓扑图，控制目标车辆的速度以及与前车的距离。

7、在一种可选的实施方式中，

8、为进入停车场的车辆分配车辆id，结合实时更新的停车场空余车位信息，以及停车场服务器中预先构建的停车场的车位拓扑图，通过停车场服务器为每个车辆id分配最优泊车路径包括：

9、基于实时更新的停车场空余车位信息，以及目标车辆的当前位置，求解目标车辆到各个空余车位的最短可行路径；

10、结合所述目标车辆到各个空余车位的约束条件，为每条最短可行路径分配对应的信息素；

11、根据所述停车场的车位拓扑图，结合状态转移概率函数，确定目标车辆到下一节点的概率，并根据信息素对应的引导因素对所述信息素进行更新；

12、循环迭代更新信息素以及确定目标车辆到下一节点的概率，直至达到最大迭代次数，确定最优泊车路径。

13、在一种可选的实施方式中，

14、所述目标车辆到各个空余车位的约束条件包括：

15、所述目标车辆从停车场入口行驶至目标泊车位的直线路径大于转弯路径、所述目标车辆从当前位置行驶至目标泊车位的拥堵系数小于预设拥堵阈值、所述目标泊车位与商场出入口的距离小于预设步行阈值中至少一种。

16、在一种可选的实施方式中，

17、目标车辆获取位于最优泊车路径上前车的速度信息与距离信息，结合所述停车场的车位拓扑图，通过时序预测模型确定前车下一时刻的预测速度信息之前，所述方法还包括训练时序预测模型：

18、所述时序预测模型包括第一子模型和第二子模型，所述第一子模型根据预先获取的训练数据集进行在先训练，并且输出的第一输出结果传递至所述第二子模型，所述第二子模型根据所述第一输出结果进行在后训练输出第二输出结果；其中，

19、根据所述第一输出结果与所述训练数据集中验证数据的第一误差值，基于反向传播算法以及梯度下降优化算法，并引入学习因子，迭代优化所述第一子模型中输入层与隐藏层的第一权重，以及隐藏层与输出层的第二权重，直至所述第一子模型收敛；

20、将所述第一输出结果作为所述第二子模型的输入特征，并且根据所述第二子模型的激活函数自适应为所述第一输出结果分配自适应权重值；

21、循环迭代训练所述第二子模型的损失函数，直至所述第二子模型的第二输出结果与验证数据的第二误差值满足预设误差阈值。

22、在一种可选的实施方式中，

23、根据所述第一输出结果与所述训练数据集中验证数据的第一误差值，基于反向传播算法以及梯度下降优化算法，并引入学习因子，迭代优化所述第一子模型中输入层与隐藏层的第一权重，以及隐藏层与输出层的第二权重，直至所述第一子模型收敛包括：

24、按照如下公式所示的方法进行迭代优化：

25、；

26、；

27、；

28、；

29、；

30、；

31、其中， hiddenlayer表示隐藏层的输出结果， x表示输入层的特征向量， h1、 h2分别表示输入层与隐藏层之间的第一权重和隐藏层与输出层之间的第二权重， outputlayer表示输出层的预测结果；

32、其中， r1、 r2分别表示隐藏层和输出层的误差项，表示更新的第二权重，表示更新的第一权重， lr表示学习因子， q s表示真实速度信息， q表示预测速度信息。

33、在一种可选的实施方式中，

34、根据所述第二子模型的激活函数自适应为所述第一输出结果分配自适应权重值包括：

35、

36、其中， d表示第一输出结果对应的自适应权重值， t表示周期时长，m表示隐藏神经元的个数，表示时刻t第i个预测值与预设目标值的损失值， l表示误差函数,  表示时刻 t第 i个预测值，、分别表示输入到隐藏神经元和输出神经元的值。

37、在一种可选的实施方式中，

38、基于前车的预测速度信息以及所述车位拓扑图，控制目标车辆的速度以及与前车的距离包括：

39、若所述前车的下一单位时刻的预测速度信息小于当前时刻的速度信息，并且所述前车所在位置不存在空余车位或者不存在车位拓扑图节点，则降低所述目标车辆的速度，并且控制所述目标车辆与前车保持第一距离；

40、若所述前车的下一单位时刻的预测速度信息小于当前时刻的速度信息，并且所述前车所在位置存在空余车位或者存在车位拓扑图节点，则降低所述目标车辆的速度，并且控制所述目标车辆与前车保持第二距离；

41、其中，所述第二距离大于第一距离。

42、本发明实施例的第二方面，

43、提供一种智慧停车场景下车道跟车优化系统，包括：

44、第一单元，用于为进入停车场的车辆分配车辆id，结合实时更新的停车场空余车位信息，以及停车场服务器中预先构建的停车场的车位拓扑图，通过停车场服务器为每个车辆id分配最优泊车路径；

45、第二单元，用于目标车辆获取位于最优泊车路径上前车的速度信息与距离信息，结合所述停车场的车位拓扑图，通过时序预测模型确定前车下一时刻的预测速度信息，其中，所述时序预测模型基于第一子模型和第二子模型构建而成，第一子模型的输出结果作为第二子模型的输入；

46、第三单元，用于基于前车的预测速度信息以及所述车位拓扑图，控制目标车辆的速度以及与前车的距离。

47、本发明实施例的第三方面，

48、提供一种电子设备，包括：

49、处理器；

50、用于存储处理器可执行指令的存储器；

51、其中，所述处理器被配置为调用所述存储器存储的指令，以执行前述所述的方法。

52、本发明实施例的第四方面，

53、提供一种计算机可读存储介质，其上存储有计算机程序指令，所述计算机程序指令被处理器执行时实现前述所述的方法。

54、本发明实施例的有益效果可以参考具体实施方式中技术特征对应的效果，在此不再赘述。