本發(fā)明涉及計算機(jī)技術(shù)領(lǐng)域，具體涉及一種停車場車位信息的處理方法和裝置。

背景技術(shù)：

隨著經(jīng)濟(jì)的快速發(fā)展和人民生活水平的提高，越來越多的人有能力買車，車輛的增多導(dǎo)致了城市的擁堵問題和車位緊張問題，很多時候車主都在為找車位而發(fā)愁。

因此，有必要提出一種對停車場車位信息進(jìn)行處理的技術(shù)方案以滿足用戶停車需求。

技術(shù)實(shí)現(xiàn)要素：

本發(fā)明提供了一種停車場車位信息的處理方法和裝置，對停車場的剩余車位數(shù)進(jìn)行預(yù)測，方便車主用戶停車。

根據(jù)本發(fā)明的一個方面，提供了一種停車場車位信息的處理方法，包括：

從保存指定停車場車位信息的數(shù)據(jù)庫中獲取歷史剩余車位數(shù)信息；

將獲取到的剩余車位數(shù)組成時間序列并對時間序列進(jìn)行處理，根據(jù)處理后的時間序列構(gòu)建自回歸滑動平均模型；

將時間變量輸入構(gòu)建的所述自回歸滑動平均模型，得到預(yù)測的當(dāng)天以及之后預(yù)定天數(shù)所述停車場的剩余車位數(shù)。

根據(jù)本發(fā)明的又一個方面，提供了一種停車場車位信息的處理裝置，包括：

信息獲取單元，用于從保存指定停車場車位信息的數(shù)據(jù)庫中獲取歷史剩余車位數(shù)信息；

模型構(gòu)建單元，用于將獲取到的剩余車位數(shù)組成時間序列并對時間序列進(jìn)行處理，根據(jù)處理后的時間序列構(gòu)建自回歸滑動平均模型；

預(yù)測單元，用于將時間變量輸入構(gòu)建的所述自回歸滑動平均模型，得到預(yù)測的當(dāng)天以及之后預(yù)定天數(shù)所述停車場的剩余車位數(shù)。

本發(fā)明的有益效果是：本發(fā)明實(shí)施例的停車場車位信息的處理方法和裝置，獲取歷史剩余車位數(shù)信息，將獲取到的剩余車位數(shù)組成時間序列并對時間序列進(jìn)行處理后構(gòu)建自回歸滑動平均模型，然后將時間變量輸入自回歸滑動平均模型即可預(yù)測得到停車場的剩余車位數(shù)，從而滿足了想要到該停車場停車的用戶的剩余車位信息獲取需求，提高了停車場的服務(wù)水平。

附圖說明

圖1是本發(fā)明一個實(shí)施例的停車場車位信息的處理方法的流程示意圖；

圖2是本發(fā)明一個實(shí)施例的自回歸滑動平均模型構(gòu)建的流程圖；

圖3是本發(fā)明一個實(shí)施例的停車場車位信息的處理裝置的框圖。

具體實(shí)施方式

下面將參照附圖更詳細(xì)地描述本公開的示例性實(shí)施例。雖然附圖中顯示了本公開的示例性實(shí)施例，然而應(yīng)當(dāng)理解，可以以各種形式實(shí)現(xiàn)本公開而不應(yīng)被這里闡述的實(shí)施例所限制。相反，提供這些實(shí)施例是為了能夠更透徹地理解本公開，并且能夠?qū)⒈竟_的范圍完整的傳達(dá)給本領(lǐng)域的技術(shù)人員。

參見圖1，一個實(shí)施例中停車場車位信息的處理方法包括如下步驟：

步驟s101，從保存指定停車場車位信息的數(shù)據(jù)庫中獲取歷史剩余車位數(shù)信息；

步驟s102，將獲取到的剩余車位數(shù)組成時間序列并對時間序列進(jìn)行處理，根據(jù)處理后的時間序列構(gòu)建自回歸滑動平均模型；

步驟s103，將時間變量輸入構(gòu)建的所述自回歸滑動平均模型，得到預(yù)測的當(dāng)天以及之后預(yù)定天數(shù)所述停車場的剩余車位數(shù)。

由圖1所示可知，本實(shí)施例的停車場車位信息的處理方法，通過獲取歷史剩余停車位的數(shù)量的信息，對剩余停車位信息進(jìn)行處理后構(gòu)建自回歸滑動平均模型，利用構(gòu)建的自回歸滑動平均模型對未來一天或幾天之內(nèi)該停車場的剩余車位數(shù)進(jìn)行預(yù)測，方便停車場管理方掌握剩余車位數(shù)，也方便了車主用戶到該停車場停車之前，及時了解還有多少剩余車位數(shù)，提高了車主用戶對停車的滿意度，也提高了停車場的市場競爭力。

一個實(shí)施例中，本實(shí)施例的停車場車位信息處理即根據(jù)停車場歷史剩余車位數(shù)預(yù)測未來幾天該停車場的剩余車位數(shù)，基于自回歸滑動平均模型實(shí)現(xiàn)。自回歸滑動平均模型，又稱為arma模型(auto-regressivemovingaveragemode)，屬于時間序列分析中的一種。

參見圖2，構(gòu)建自回歸滑動平均模型的具體步驟包括：流程開始，先執(zhí)行步驟s201，

步驟s201，獲取歷史數(shù)據(jù)；

這里的歷史數(shù)據(jù)是指停車場的歷史剩余車位數(shù)，例如，中關(guān)村地區(qū)的a停車場在過去n天之內(nèi)每一分鐘的剩余車位數(shù)目。

這里的n可以等于60，即，獲取過去60天的每一分鐘的剩余車位數(shù)，然后將每一分鐘的剩余車位數(shù)表示成時間序列。

這里的剩余車位數(shù)是指空閑的、未停放車輛的車位數(shù)。

通過獲取60天的歷史數(shù)據(jù)(相當(dāng)于樣本)，減小了預(yù)測誤差，提高了精確度。

需要說明的是，本實(shí)施例中是以過去60天內(nèi)的每一分鐘的剩余車位數(shù)為例進(jìn)行的示意性說明，在本發(fā)明的其它實(shí)施例中，獲取的歷史數(shù)據(jù)不限于此，例如可以獲取過去30天內(nèi)，每半個小時的剩余車位數(shù)等。

步驟s202，判斷是否平穩(wěn)；是則執(zhí)行步驟s204，否則執(zhí)行步驟s203；

時間序列平穩(wěn)是建模的前提，對時間序列進(jìn)行平穩(wěn)性的判斷也是預(yù)測的首要步驟。一般而言，所謂的平穩(wěn)時間序列是指寬平穩(wěn)過程。在平穩(wěn)序列場合，時間序列中各變量的均值等某些特征相同，對這些特征進(jìn)行估計時，可把各變量的觀測值看作同一變量的不同觀測值進(jìn)行處理，增加了樣本容量，提高了估計精度。

有幾種判斷方法：第一種是數(shù)據(jù)圖直接檢驗法。畫出時間序列的圖像，當(dāng)每個樣本圍繞某一水平線上下波動而無明顯上升、下降或周期趨勢時，則認(rèn)為時間序列是平穩(wěn)的。第二種是自相關(guān)、偏相關(guān)函數(shù)檢驗法。一個零均值平穩(wěn)序列的自相關(guān)函數(shù)和偏自相關(guān)函數(shù)要么是截尾的，要么是拖尾的。因此，如果一個序列零均值化以后的自相關(guān)函數(shù)或偏自相關(guān)函數(shù)既不截尾，又不拖尾則可以斷定該序列是非平穩(wěn)的。第三種是特征根檢驗法。先擬合序列的適應(yīng)模型，然后求由適應(yīng)模型的參數(shù)組成的特征方程的特征根，若所有的特征根都滿足平穩(wěn)性條件，則可認(rèn)為該序列是平穩(wěn)的，否則該序列是非平穩(wěn)的。

在對時間序列進(jìn)行平穩(wěn)性判斷之后，如果當(dāng)前的時間序列是不平穩(wěn)的，則需要進(jìn)行平穩(wěn)處理。本實(shí)施例中對時間序列進(jìn)行差分運(yùn)算處理。

步驟s203，差分運(yùn)算；

差分運(yùn)算具有信息提取的能力，非平穩(wěn)的序列經(jīng)過差分運(yùn)算最后都會顯示出其平穩(wěn)的序列。差分運(yùn)算的具體計算過程可以參見現(xiàn)有技術(shù)在構(gòu)建arma模型時的說明，這里不再重復(fù)。

步驟s204，白噪聲檢驗；通過則執(zhí)行結(jié)束流程；未通過則執(zhí)行步驟s205；

在經(jīng)過步驟s203之后，可以得到平穩(wěn)的時間序列，即差分序列。

arma模型的建立是一個反復(fù)適應(yīng)的過程，在得到模型之后通過假設(shè)檢驗來檢測模型的顯著性。模型的顯著性檢驗是基于殘差序列的分析得到的，如果殘差序列是白噪聲，則這樣的模型就是有效模型，反之殘差序列不是白噪聲，說明這樣的模型還不夠有效，通常需要再選擇其他模型進(jìn)行重新擬合。

本實(shí)施例中，如果時間序列經(jīng)過了白噪聲的檢驗就說明時間序列中有用的信息已經(jīng)被提取完畢了，剩下的是隨機(jī)擾動，無法預(yù)測和使用。差分序列(即，經(jīng)過了差分運(yùn)算后的時間序列)如果通過了白噪聲檢驗，則建模就可以終止了，因為沒有信息可以繼續(xù)提取。

對于白噪聲檢驗，本實(shí)施例中通過假設(shè)檢驗來完成，例如：首先假設(shè)設(shè)定檢驗的顯著水平為p＝0.05。進(jìn)行顯著檢驗后發(fā)現(xiàn)其統(tǒng)計量為190，查找顯著水平表發(fā)現(xiàn)其對應(yīng)的p值遠(yuǎn)遠(yuǎn)小于0.01，因為p值(小于0.01)與原假設(shè)(p＝0.05)不一致，則推出模型拒絕了假設(shè)，所以就認(rèn)定差分序列為非白噪聲。

步驟s205，擬合arma模型。

本步驟中，在確定差分序列的白噪聲檢驗未通過時，將考察其偏自相關(guān)的系數(shù)的性質(zhì)，通過相應(yīng)的計算機(jī)軟件(像sas/ets軟件)，計算出其相應(yīng)的arma模型，有關(guān)構(gòu)建arma模型的更多細(xì)節(jié)可以參見現(xiàn)有技術(shù)中的說明，這里不再重復(fù)。

在得到arma模型之后，根據(jù)此arma模型，即可對剩余停車位數(shù)據(jù)進(jìn)行預(yù)測和估計。例如，在按照圖2所示步驟構(gòu)建了arma模型之后，將arma模型預(yù)測的步長為3天，即，預(yù)測未來3天內(nèi)的走勢，從而預(yù)測該停車場的剩余停車位。

在一個實(shí)施例中，為了滿足車主用戶的信息獲取請求，本實(shí)施例中將預(yù)測的當(dāng)天以及之后預(yù)定天數(shù)停車場的剩余車位數(shù)通過網(wǎng)絡(luò)發(fā)送到停車場的各停車用戶的移動智能終端(例如智能手機(jī))上。這樣，用戶通過自己的智能手機(jī)能夠及時了解想要停車的那個停車場的剩余車位數(shù)，方便了用戶停車，提高了停車場的服務(wù)水平。

圖3是本發(fā)明一個實(shí)施例的停車場車位信息的處理裝置的框圖，參見圖3，該停車場車位信息的處理裝置300包括：

信息獲取單元301，用于從保存指定停車場車位信息的數(shù)據(jù)庫中獲取歷史剩余車位數(shù)信息；

模型構(gòu)建單元302，用于將獲取到的剩余車位數(shù)組成時間序列并對時間序列進(jìn)行處理，根據(jù)處理后的時間序列構(gòu)建自回歸滑動平均模型；

預(yù)測單元303，用于將時間變量輸入構(gòu)建的所述自回歸滑動平均模型，得到預(yù)測的當(dāng)天以及之后預(yù)定天數(shù)所述停車場的剩余車位數(shù)。

一個實(shí)施例中，信息獲取單元301，具體用于獲取當(dāng)天之前n天中每一分鐘對應(yīng)的剩余車位數(shù)，所述n為大于零的正整數(shù)，例如n等于60。

一個實(shí)施例中，模型構(gòu)建單元302，具體用于判斷所述時間序列是否滿足平穩(wěn)性條件，否則，進(jìn)行差分運(yùn)算；是則，對所述時間序列進(jìn)行白噪聲檢驗，檢驗未通過則根據(jù)所述時間序列構(gòu)建自回歸滑動平均模型，檢驗通過則結(jié)束。

一個實(shí)施例中，還包括：發(fā)布單元，用于將預(yù)測的當(dāng)天以及之后預(yù)定天數(shù)所述停車場的剩余車位數(shù)通過網(wǎng)絡(luò)發(fā)送到所述停車場的各停車用戶的移動智能終端上。

需要說明的是，對于裝置實(shí)施例而言，由于其基本對應(yīng)于方法實(shí)施例，所以相關(guān)之處參見方法實(shí)施例的部分說明即可，在此不再贅述。

綜上可知，本發(fā)明實(shí)施例的停車場車位信息的處理方法和裝置，基于歷史剩余車位數(shù)，構(gòu)建自回歸滑動平均模型，然后預(yù)測停車場的剩余車位數(shù)，滿足了想要到該停車場停車的用戶的剩余車位信息獲取需求，提高了停車場的服務(wù)水平。

以上所述，僅為本發(fā)明的具體實(shí)施方式，在本發(fā)明的上述教導(dǎo)下，本領(lǐng)域技術(shù)人員可以在上述實(shí)施例的基礎(chǔ)上進(jìn)行其他的改進(jìn)或變形。本領(lǐng)域技術(shù)人員應(yīng)該明白，上述的具體描述只是更好的解釋本發(fā)明的目的，本發(fā)明的保護(hù)范圍以權(quán)利要求的保護(hù)范圍為準(zhǔn)。