一种基于大数据智能分析车场发展趋势的系统和方法

摘要

一种基于大数据智能分析车场发展趋势的系统和方法，涉及停车场发展趋势预测分析技术领域，包括：预测模型训练模块、预测模型验证单元、数据获取模块和数据分析模块，通过采用大数据技术和人工智能技术，采集停车场历史数据作为样本并根据停车场历史数据进行训练学习得到训练完成的预测模型，并对训练完成的预测模型进行验证，得到成熟的预测模型，数据获取模块获取停车场数据发送到数据分析模块，数据分析模块将停车场数据输入到成熟的预测模型中得到预测结果，使本发明具有了分析车场发展趋势得到预测结果，停车场经营者根据预测结果提前了解到停车场的发展趋势后尽快的进行布局，增强停车场未来的营收能力，实现未来停车场收益的最大化效果。

说明书

技术领域

本发明涉及停车场发展趋势预测分析技术领域，具体涉及一种基于大数据智能分析车场发展趋势的系统和方法。

背景技术

随着生活水平的提高，越来与多的人出行方式选择驾驶机动车出行，但随之而来的是停车难已成为中国各大城市通病，因停车困难引发的问题屡见不鲜，为了解决停车难的问题，停车场也在不断进行发展，例如，采用机械车库立体停车停的方式的停车场也越来越多，极大的提高了容纳车辆的数量，采用共享停车位的方式提高停车场车位的利用率，对于停车场经营者来说，提前了解到停车场的发展趋势可以尽快的进行布局，用以增强停车场未来的营收能力，实现未来停车场的收益最大化。

发明内容

本发明实施例提供了一种基于大数据智能分析车场发展趋势的系统和方法，通过采用大数据技术和人工智能技术，预测模型训练模块采集停车场历史数据作为样本并根据停车场历史数据进行训练学习得到训练完成的预测模型，预测模型验证模块采用预设的数据和预设的结果对训练完成的预测模型进行验证，根据验证结果对训练完成的预测模型选择进行继续训练或验证通过得到成熟的预测模型，数据获取模块获取停车场数据发送到数据分析模块，数据分析模块将停车场数据输入到成熟的预测模型中得到预测结果，使本发明具有了智能分析车场发展趋势得到预测结果，停车场经营者根据预测结果提前了解到停车场的发展趋势后尽快的进行布局，增强停车场未来的营收能力，实现未来停车场收益的最大化效果。

一种基于大数据智能分析车场发展趋势的系统，包括：预测模型训练模块、预测模型验证单元、数据获取模块和数据分析模块；

所述预测模型训练模块，用于采集停车场历史数据并进行学习训练，得到预测模型；

其中，所述预测模型训练模块包括样本采集器、数据预处理单元和数据分析单元，所述样本采集器用于采集停车场历史数据，并将停车场历史数据发送到所述数据预处理单元，所述数据预处理单元用于接收所述样本采集器发送的停车场历史数据并对停车场历史数据进行预处理，并将经过预处理停车场历史数据输入到所述数据分析单元，所述数据分析单元用于接收所述数据预处理单元输入的经过预处理停车场历史数据，并对停车场历史数据进行学习，得到训练完成的预测模型；

所述预测模型验证模块，用于对所述预测模型训练模块得到的预测模型进行验证，并根据验证结果对预测模型进行修正；

其中，所述预测模型验证模块包括预设数据输入单元、预测结果比对单元和修正单元，所述预设数据输入单元用于用户将预设的预测数据输入到训练完成的预测模型中，并得到预测结果，所述预测结果比对单元根据预设的结果与训练完成的预测模型得到预测结果进行比对，并得到比对结果，并比对结果发送到所述修正单元，所述修正单元用于接收所述预测结果比对单元发送的比对结果并对比对结果进行判断，并根据判断结果触发所述预测模型训练模块和所述预测模型验证模块继续采集样本训练预测模型或不触发所述预测模型训练模块和所述预测模型验证模块继续采集样本训练预测模型得到成熟的预测模型；

所述数据获取模块，用于获取停车场数据，对停车场数据进行处理，得到停车场分类数据，将停车场分类数据发送到所述数据分析模块；

其中，所述数据获取模块包括停车场数据获取单元、停车场数据分类单元和停车场数据输出单元，所述停车场数据获取单元用于获取停车场数据，并将获取的停车场数据发送到所述停车场数据分类单元，所述停车场数据分类单元用于接收所述停车场数据获取单元获取的停车场数据并对停车场数据按照预设规则进行分类得到停车场分类数据，并将停车场分类数据发送到所述停车场数据输出单元，所述停车场数据输出单元用于接收所述停车场数据分类单元发送的停车场分类数据，并将停车场分类数据发送到所述数据分析模块；

所述数据分析模块，用于接收所述数据获取模块发送的停车场分类数据并输入到预测模型中得到预测数据。

进一步的，所述样本采集器采集的停车场历史数据包括停车场的地点、停车场的车位数、停车场的停车方式、停车场的配套设施、停车场的收费系统和停车场的人员数据。

进一步的，所述数据预处理单元进行预处理的方式为，对停车场历史数据按照生成时间进行顺序排布，同时对停车场历史数据进行数据归一化处理。

进一步的，所述停车场数据获取单元获取的停车场数据包括停车场的地点、停车场的车位数、停车场的停车方式、停车场的配套设施、停车场的收费系统和停车场的人员数据。

进一步的，所述停车场数据分类单元的预设规则为，根据停车场数据中的停车场的地点将停车场数据进行分类。

进一步的，所述数据分析模块包括停车场数据接收单元、停车场数据输入单元和预测数据输出单元，所述停车场数据接收单元用于接收所述停车场数据输出单元发送的停车场分类数据，并将停车场分类数据发送到所述停车场数据输入单元，所述停车场数据输入单元用于接收所述停车场数据接收单元发送的停车场分类数据并将停车场分类数据输入到成熟的预测模型中，成熟的预测模型根据输入的停车场分类数据得到预测数据，所述预测数据输出单元用于将预测数据输出。

第二方面，本发明实施例提供一种基于大数据智能分析车场发展趋势的方法，包括以下步骤：

S1，训练预测模型，样本采集器采集停车场历史数据，并将停车场历史数据发送到数据预处理单元，数据预处理单元接收样本采集器发送的停车场历史数据并对停车场历史数据进行预处理，并将经过预处理停车场历史数据输入到数据分析单元，数据分析单元接收数据预处理单元输入的经过预处理停车场历史数据，并对停车场历史数据进行学习，得到训练完成的预测模型；

S2，预测模型验证，预设数据输入单元用户将预设的预测数据输入到训练完成的预测模型中，并得到预测结果，预测结果比对单元根据预设的结果与训练完成的预测模型得到预测结果进行比对，并得到比对结果，并比对结果发送到修正单元，修正单元接收预测结果比对单元发送的比对结果并对比对结果进行判断，并根据判断结果触发预测模型训练模块和预测模型验证模块继续采集样本训练预测模型或不触发预测模型训练模块和预测模型验证模块继续采集样本训练预测模型得到成熟的预测模型；

S3，数据获取，停车场数据获取单元获取停车场数据，并将获取的停车场数据发送到停车场数据分类单元，停车场数据分类单元接收停车场数据获取单元获取的停车场数据并对停车场数据按照预设规则进行分类得到停车场分类数据，并将停车场分类数据发送到停车场数据输出单元，停车场数据输出单元接收停车场数据分类单元发送的停车场分类数据，并将停车场分类数据发送到数据分析模块；

S4，数据分析，数据分析模块包括停车场数据接收单元、停车场数据输入单元和预测数据输出单元，停车场数据接收单元接收停车场数据输出单元发送的停车场分类数据，并将停车场分类数据发送到停车场数据输入单元，停车场数据输入单元接收停车场数据接收单元发送的停车场分类数据并将停车场分类数据输入到成熟的预测模型中；

S5，预测结果输出，成熟的预测模型根据输入的停车场分类数据得到预测数据，预测数据输出单元将预测数据输出。

本发明实施例提供的上述技术方案的有益效果至少包括：

本发明通过采用大数据技术和人工智能技术，预测模型训练模块采集停车场历史数据作为样本并根据停车场历史数据进行训练学习得到训练完成的预测模型，预测模型验证模块采用预设的数据和预设的结果对训练完成的预测模型进行验证，根据验证结果对训练完成的预测模型选择进行继续训练或验证通过得到成熟的预测模型，数据获取模块获取停车场数据发送到数据分析模块，数据分析模块将停车场数据输入到成熟的预测模型中得到预测结果，使本发明具有了智能分析车场发展趋势得到预测结果，停车场经营者根据预测结果提前了解到停车场的发展趋势后尽快的进行布局，增强停车场未来的营收能力，实现未来停车场收益的最大化效果。

本发明的其它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可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。

下面通过附图和实施例，对本发明的技术方案做进一步的详细描述。

附图说明

附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实施例一起用于解释本发明，并不构成对本发明的限制。在附图中：

图1为本发明实施例公开的一种基于大数据智能分析车场发展趋势的系统结构示意图；

图2为本发明实施例公开的一种基于大数据智能分析车场发展趋势的方法流程示意图。

附图标记：

100-预测模型训练模块；101-样本采集器；102-数据预处理单元；103-数据分析单元；200-预测模型验证模块；201-预设数据输入单元；202-预测结果比对单元；203-修正单元；300-数据获取模块；301-停车场数据获取单元；302-停车场数据分类单元；303-停车场数据输出单元；400-数据分析模块；401-停车场数据接收单元；402-停车场数据输入单元；403-预测数据输出单元。

具体实施例

下面将参照附图更详细地描述本公开的示例性实施例。虽然附图中显示了本公开的示例性实施例，然而应当理解，可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了能够更透彻地理解本公开，并且能够将本公开的范围完整的传达给本领域的技术人员。

实施例一

如图1所示，本发明实施例提供一种基于大数据智能分析车场发展趋势的系统，包括：预测模型训练模块100、预测模型验证单元、数据获取模块300和数据分析模块400；

所述预测模型训练模块100，用于采集停车场历史数据并进行学习训练，得到预测模型，所述预测模型训练模块100包括样本采集器101、数据预处理单元102和数据分析单元103，所述样本采集器101用于采集停车场历史数据，所述样本采集器101采集的停车场历史数据包括停车场的地点、停车场的车位数、停车场的停车方式、停车场的配套设施、停车场的收费系统和停车场的人员数据，并将停车场历史数据发送到所述数据预处理单元102，所述数据预处理单元102用于接收所述样本采集器101发送的停车场历史数据并对停车场历史数据进行预处理，所述数据预处理单元102进行预处理的方式为，对停车场历史数据按照生成时间进行顺序排布，同时对停车场历史数据进行数据归一化处理，并将经过预处理停车场历史数据输入到所述数据分析单元103，所述数据分析单元103用于接收所述数据预处理单元102输入的经过预处理停车场历史数据，并对停车场历史数据进行学习，得到训练完成的预测模型；

具体的，样本采集器101连接停车场管理平台采集停车场历史数据，预处理单元对样本采集器101采集的停车场历史数据进行数据归一化处理便于后续处理，预处理单元将经过预处理的停车场历史数据输入到数据分析单元103，数据分析单元103由卷积神经网络构成，通过对输入的停车场历史数据进行学习训练得到训练完成的预测模型。

所述预测模型验证模块200，用于对所述预测模型训练模块100得到的预测模型进行验证，并根据验证结果对预测模型进行修正，所述预测模型验证模块200包括预设数据输入单元201、预测结果比对单元202和修正单元203，所述预设数据输入单元201用于用户将预设的预测数据输入到训练完成的预测模型中，并得到预测结果，所述预测结果比对单元202根据预设的结果与训练完成的预测模型得到预测结果进行比对，并得到比对结果，并比对结果发送到所述修正单元203，所述修正单元203用于接收所述预测结果比对单元202发送的比对结果并对比对结果进行判断，并根据判断结果触发所述预测模型训练模块100和所述预测模型验证模块200继续采集样本训练预测模型或不触发所述预测模型训练模块100和所述预测模型验证模块200继续采集样本训练预测模型得到成熟的预测模型；

具体的，用户通过预设数据输入单元201将预设的预测数据输入到训练完成的预测模型中，得到预测结果，例如，预设的数据为停车场1的位置为A点，停车场的停车方式为平行式，停车场2的位置为A点，停车场的停车方式垂直式，停车场3的位置为B点，停车场的停车方式为垂直式，预设的结果为停车场未来发展为垂直式停车方式，预测结果比对单元202根据预设的结果与预测结果进行比对，得到比对结果，修正单元203在预测结果与预设的结果相符时判断预测模型已成熟不触发所述预测模型训练模块100和所述预测模型验证模块200继续采集样本训练预测模型，修正单元203在预测结果与预设的结果不相符时判断预测模型不成熟触发所述预测模型训练模块100和所述预测模型验证模块200继续采集样本训练预测模型，直至预测结果比对单元202输出的对比结果相符，修正单元203判断预测模型已成熟，得到成熟的预测模型。

所述数据获取模块300，用于获取停车场数据，对停车场数据进行处理，得到停车场分类数据，将停车场分类数据发送到所述数据分析模块400，所述数据获取模块300包括停车场数据获取单元301、停车场数据分类单元302和停车场数据输出单元303，所述停车场数据获取单元301用于获取停车场数据，所述停车场数据获取单元301获取的停车场数据包括停车场的地点、停车场的车位数、停车场的停车方式、停车场的配套设施、停车场的收费系统和停车场的人员数据，并将获取的停车场数据发送到所述停车场数据分类单元302，所述停车场数据分类单元302用于接收所述停车场数据获取单元301获取的停车场数据并对停车场数据按照预设规则进行分类得到停车场分类数据，所述停车场数据分类单元302的预设规则为，根据停车场数据中的停车场的地点将停车场数据进行分类，并将停车场分类数据发送到所述停车场数据输出单元303，所述停车场数据输出单元303用于接收所述停车场数据分类单元302发送的停车场分类数据，并将停车场分类数据发送到所述数据分析模块400；

所述数据分析模块400，用于接收所述数据获取模块300发送的停车场分类数据并输入到预测模型中得到预测数据，所述数据分析模块400包括停车场数据接收单元401、停车场数据输入单元402和预测数据输出单元403，所述停车场数据接收单元401用于接收所述停车场数据输出单元303发送的停车场分类数据，并将停车场分类数据发送到所述停车场数据输入单元402，所述停车场数据输入单元402用于接收所述停车场数据接收单元401发送的停车场分类数据并将停车场分类数据输入到成熟的预测模型中，成熟的预测模型根据输入的停车场分类数据得到预测数据，所述预测数据输出单元403用于将预测数据输出。

本发明通过采用大数据技术和人工智能技术，预测模型训练模块100采集停车场历史数据作为样本并根据停车场历史数据进行训练学习得到训练完成的预测模型，预测模型验证模块200采用预设的数据和预设的结果对训练完成的预测模型进行验证，根据验证结果对训练完成的预测模型选择进行继续训练或验证通过得到成熟的预测模型，数据获取模块300获取停车场数据发送到数据分析模块400，数据分析模块400将停车场数据输入到成熟的预测模型中得到预测结果，使本发明具有了智能分析车场发展趋势得到预测结果，停车场经营者根据预测结果提前了解到停车场的发展趋势后尽快的进行布局，增强停车场未来的营收能力，实现未来停车场收益的最大化效果。

实施例二

本发明实施例还公开了一种基于大数据智能分析车场发展趋势的方法，如图2，包括以下步骤：

S1，训练预测模型，样本采集器101采集停车场历史数据，并将停车场历史数据发送到数据预处理单元102，数据预处理单元102接收样本采集器101发送的停车场历史数据并对停车场历史数据进行预处理，并将经过预处理停车场历史数据输入到数据分析单元103，数据分析单元103接收数据预处理单元102输入的经过预处理停车场历史数据，并对停车场历史数据进行学习，得到训练完成的预测模型；

具体的，样本采集器101连接停车场管理平台采集停车场历史数据，预处理单元对样本采集器101采集的停车场历史数据进行数据归一化处理便于后续处理，预处理单元将经过预处理的停车场历史数据输入到数据分析单元103，数据分析单元103由卷积神经网络构成，通过对输入的停车场历史数据进行学习训练得到训练完成的预测模型；

S2，预测模型验证，预设数据输入单元201用户将预设的预测数据输入到训练完成的预测模型中，并得到预测结果，预测结果比对单元202根据预设的结果与训练完成的预测模型得到预测结果进行比对，并得到比对结果，并比对结果发送到修正单元203，修正单元203接收预测结果比对单元202发送的比对结果并对比对结果进行判断，并根据判断结果触发预测模型训练模块100和预测模型验证模块200继续采集样本训练预测模型或不触发预测模型训练模块100和预测模型验证模块200继续采集样本训练预测模型得到成熟的预测模型；

具体的，用户通过预设数据输入单元201将预设的预测数据输入到训练完成的预测模型中，得到预测结果，预测结果比对单元202根据预设的结果与预测结果进行比对，得到比对结果，修正单元203在预测结果与预设的结果相符时判断预测模型已成熟不触发所述预测模型训练模块100和所述预测模型验证模块200继续采集样本训练预测模型，修正单元203在预测结果与预设的结果不相符时判断预测模型不成熟触发所述预测模型训练模块100和所述预测模型验证模块200继续采集样本训练预测模型，直至预测结果比对单元202输出的对比结果相符，修正单元203判断预测模型已成熟，得到成熟的预测模型；

S3，数据获取，停车场数据获取单元301获取停车场数据，并将获取的停车场数据发送到停车场数据分类单元302，停车场数据分类单元302接收停车场数据获取单元301获取的停车场数据并对停车场数据按照预设规则进行分类得到停车场分类数据，并将停车场分类数据发送到停车场数据输出单元303，停车场数据输出单元303接收停车场数据分类单元302发送的停车场分类数据，并将停车场分类数据发送到数据分析模块400；

S4，数据分析，数据分析模块400包括停车场数据接收单元401、停车场数据输入单元402和预测数据输出单元403，停车场数据接收单元401接收停车场数据输出单元303发送的停车场分类数据，并将停车场分类数据发送到停车场数据输入单元402，停车场数据输入单元402接收停车场数据接收单元401发送的停车场分类数据并将停车场分类数据输入到成熟的预测模型中；

具体的，停车场数据接收单元401接收停车场数据输出单元303发送的停车场分类数据，并将停车场分类数据发送到停车场数据输入单元402，停车场数据输入单元402接收停车场数据接收单元401发送的停车场分类数据并对停车场分类数据进行归一化处理后输入到成熟的预测模型中；

S5，预测结果输出，成熟的预测模型根据输入的停车场分类数据得到预测数据，预测数据输出单元403将预测数据输出。

本实施例公开的一种基于大数据智能分析车场发展趋势的方法，通过采用大数据技术和人工智能技术，预测模型训练模块100采集停车场历史数据作为样本并根据停车场历史数据进行训练学习得到训练完成的预测模型，预测模型验证模块200采用预设的数据和预设的结果对训练完成的预测模型进行验证，根据验证结果对训练完成的预测模型选择进行继续训练或验证通过得到成熟的预测模型，数据获取模块300获取停车场数据发送到数据分析模块400，数据分析模块400将停车场数据输入到成熟的预测模型中得到预测结果，使本发明具有了智能分析车场发展趋势得到预测结果，停车场经营者根据预测结果提前了解到停车场的发展趋势后尽快的进行布局，增强停车场未来的营收能力，实现未来停车场收益的最大化效果。

应该明白，公开的过程中的步骤的特定顺序或层次是示例性方法的实例。基于设计偏好，应该理解，过程中的步骤的特定顺序或层次可以在不脱离本公开的保护范围的情况下得到重新安排。所附的方法权利要求以示例性的顺序给出了各种步骤的要素，并且不是要限于所述的特定顺序或层次。

在上述的详细描述中，各种特征一起组合在单个的实施方案中，以简化本公开。不应该将这种公开方法解释为反映了这样的意图，即，所要求保护的主题的实施方案需要清楚地在每个权利要求中所陈述的特征更多的特征。相反，如所附的权利要求书所反映的那样，本发明处于比所公开的单个实施方案的全部特征少的状态。因此，所附的权利要求书特此清楚地被并入详细描述中，其中每项权利要求独自作为本发明单独的优选实施方案。

本领域技术人员还应当理解，结合本文的实施例描述的各种说明性的逻辑框、模块、电路和算法步骤均可以实现成电子硬件、计算机软件或其组合。为了清楚地说明硬件和软件之间的可交换性，上面对各种说明性的部件、框、模块、电路和步骤均围绕其功能进行了一般地描述。至于这种功能是实现成硬件还是实现成软件，取决于特定的应用和对整个系统所施加的设计约束条件。熟练的技术人员可以针对每个特定应用，以变通的方式实现所描述的功能，但是，这种实现决策不应解释为背离本公开的保护范围。

结合本文的实施例所描述的方法或者算法的步骤可直接体现为硬件、由处理器执行的软件模块或其组合。软件模块可以位于RAM存储器、闪存、ROM存储器、EPROM存储器、EEPROM存储器、寄存器、硬盘、移动磁盘、CD-ROM或者本领域熟知的任何其它形式的存储介质中。一种示例性的存储介质连接至处理器，从而使处理器能够从该存储介质读取信息，且可向该存储介质写入信息。当然，存储介质也可以是处理器的组成部分。处理器和存储介质可以位于ASIC中。该ASIC可以位于用户终端中。当然，处理器和存储介质也可以作为分立组件存在于用户终端中。

对于软件实现，本申请中描述的技术可用执行本申请所述功能的模块(例如，过程、函数等)来实现。这些软件代码可以存储在存储器单元并由处理器执行。存储器单元可以实现在处理器内，也可以实现在处理器外，在后一种情况下，它经由各种手段以通信方式耦合到处理器，这些都是本领域中所公知的。

上文的描述包括一个或多个实施例的举例。当然，为了描述上述实施例而描述部件或方法的所有可能的结合是不可能的，但是本领域普通技术人员应该认识到，各个实施例可以做进一步的组合和排列。因此，本文中描述的实施例旨在涵盖落入所附权利要求书的保护范围内的所有这样的改变、修改和变型。此外，就说明书或权利要求书中使用的术语″包含″，该词的涵盖方式类似于术语″包括″，就如同″包括，″在权利要求中用作衔接词所解释的那样。此外，使用在权利要求书的说明书中的任何一个术语″或者″是要表示″非排它性的或者″。