CN111867052A - 车辆停车点的定位方法、装置及服务平台 - Google Patents
车辆停车点的定位方法、装置及服务平台 Download PDFInfo
- Publication number
- CN111867052A CN111867052A CN201911408189.7A CN201911408189A CN111867052A CN 111867052 A CN111867052 A CN 111867052A CN 201911408189 A CN201911408189 A CN 201911408189A CN 111867052 A CN111867052 A CN 111867052A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- parking spot
- parking
- information
- user
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 54
- 238000012790 confirmation Methods 0.000 claims abstract description 15
- 238000012549 training Methods 0.000 claims description 42
- 230000015654 memory Effects 0.000 claims description 18
- 238000012423 maintenance Methods 0.000 claims description 13
- 238000012545 processing Methods 0.000 claims description 10
- 238000004590 computer program Methods 0.000 claims description 8
- 238000000605 extraction Methods 0.000 claims description 8
- 230000000452 restraining effect Effects 0.000 abstract 1
- 238000013461 design Methods 0.000 description 20
- 238000010586 diagram Methods 0.000 description 12
- 238000001514 detection method Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 238000012550 audit Methods 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 238000007405 data analysis Methods 0.000 description 1
- 230000006866 deterioration Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000005192 partition Methods 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W64/00—Locating users or terminals or network equipment for network management purposes, e.g. mobility management
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S19/00—Satellite radio beacon positioning systems; Determining position, velocity or attitude using signals transmitted by such systems
- G01S19/38—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system
- G01S19/39—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system the satellite radio beacon positioning system transmitting time-stamped messages, e.g. GPS [Global Positioning System], GLONASS [Global Orbiting Navigation Satellite System] or GALILEO
- G01S19/42—Determining position
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S5/00—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations
- G01S5/02—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations using radio waves
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/14—Traffic control systems for road vehicles indicating individual free spaces in parking areas
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Remote Sensing (AREA)
- Radar, Positioning & Navigation (AREA)
- Theoretical Computer Science (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Evolutionary Computation (AREA)
- Evolutionary Biology (AREA)
- General Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Computational Biology (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Navigation (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明提供一种车辆停车点的定位方法、装置及服务平台，该方法，包括：在接收到还车确认信息时，获取车辆的无线信号信息；将所述无线信号信息输入目标学习模型，得到车辆的当前位置位于停车点区域内的概率；若车辆的当前位置位于停车点区域内的概率大于预设阈值，则允许所述车辆在当前位置停车。本发明可以在GPS信号弱，或者GPS信号被干扰的环境下，较为准确地判断出车辆还车的当前位置是否位于停车点区域内，从而可以约束和提醒用户进行定点还车，减少乱停车的现象。
Description
技术领域
本发明涉及数据处理技术领域，尤其涉及一种车辆停车点的定位方法、装置及服务平台。
背景技术
随着共享经济的普及以及环境的日益恶化，为满足用户最后一公里的需求，市面上出现了许多为绿色出行提供便利的共享单车。随着资本的投入，用户的增多，共享单车的一些问题逐渐体现出来。例如，共享单车随意停放，容易阻碍正常通行。
目前，一般是通过全球定位系统GPS来进行停车点定位，以引导用户将车辆停放在虚拟的停车点区域内。
但是，GPS信号容易受到建筑物的干扰，例如在楼层较高的市区内，GPS信号受多径效应影响，会产生定位偏差，从而导致车辆不能准确地停放在停车点区域内。
发明内容
本发明提供一种车辆停车点的定位方法、装置及服务平台，以在GPS信号弱，或者GPS信号被干扰的环境下，较为准确地判断出车辆还车的当前位置是否位于停车点区域内，从而可以约束和提醒用户进行定点还车。
第一方面，本发明实施例提供一种车辆停车点的定位方法，包括：
在接收到还车确认信息时，获取车辆的无线信号信息；
将所述无线信号信息输入目标学习模型，得到车辆的当前位置位于停车点区域内的概率；
若车辆的当前位置位于停车点区域内的概率大于预设阈值，则允许所述车辆在当前位置停车。
在一种可能的设计中，所述获取车辆的无线信号信息，包括：
接收车辆的无线模块扫描得到的wifi信号列表，所述wifi信号列表包括：当前位置附近的wifi信号名称，以及对应的wifi信号强度。
在一种可能的设计中，在将所述无线信号信息输入目标学习模型之前，还包括：
构建训练数据集，所述训练数据集包括：车辆在停车点区域内停车时所采集到的无线信号信息，车辆未在停车点区域内停车时所采集到的无线信号信息；
对所述训练数据集中的数据进行特征提取，得到特征数据；
将所述特征数据输入初始学习模型进行迭代训练，直到经过训练的所述初始学习模型输出的概率正确反映车辆是否在停车点区域内停车，得到所述目标学习模型。
在一种可能的设计中，还包括：
若车辆的当前位置位于停车点区域内的概率不大于预设阈值，则向用户反馈提醒信息，以提示用户重新寻找停车点区域。
在一种可能的设计中，还包括：
获取所述车辆的GPS信号强度；
若所述车辆的GPS信号强度不大于预设强度，则提示用户行驶至开阔区域；
若所述车辆的GPS信号强度大于预设强度，则获取所述车辆的位置信息；
根据所述位置信息，向用户推荐距离最近的停车点。
在一种可能的设计中，在向用户反馈提醒信息之后，还包括：
接收车辆反馈的停车问题，所述停车问题包括：在停车点区域内无法还车、无线信号信息获取失败；
对所述停车问题进行审核，若审核通过，则记录所述车辆的编号和位置信息。
在一种可能的设计中，还包括：
向维修人员的终端发送所述车辆的编号和位置信息，以使得维修人员对所述车辆进行维修。
在一种可能的设计中，还包括：
若车辆的当前位置位于停车点区域内的概率不大于预设阈值，且收到了还车成功信息，则记录用户的错误停车次数自增1；
根据用户的错误停车次数，调整用户下一次使用车辆的价格。
第二方面，本发明实施例提供一种车辆停车点的定位装置，包括：
获取模块，用于在接收到还车确认信息时，获取车辆的无线信号信息；
处理模块，用于将所述无线信号信息输入目标学习模型，得到车辆的当前位置位于停车点区域内的概率；
停车模块，用于在车辆的当前位置位于停车点区域内的概率大于预设阈值时，允许所述车辆在当前位置停车。
在一种可能的设计中，所述获取模块，具体用于：
接收车辆的无线模块扫描得到的wifi信号列表，所述wifi信号列表包括：当前位置附近的wifi信号名称，以及对应的wifi信号强度。
在一种可能的设计中，还包括：训练模块，用于：
构建训练数据集，所述训练数据集包括：车辆在停车点区域内停车时所采集到的无线信号信息，车辆未在停车点区域内停车时所采集到的无线信号信息；
对所述训练数据集中的数据进行特征提取，得到特征数据；
将所述特征数据输入初始学习模型进行迭代训练，直到经过训练的所述初始学习模型输出的概率正确反映车辆是否在停车点区域内停车，得到所述目标学习模型。
在一种可能的设计中，还包括：反馈模块，用于：
在车辆的当前位置位于停车点区域内的概率不大于预设阈值时，向用户反馈提醒信息，以提示用户重新寻找停车点区域。
在一种可能的设计中，还包括：推荐模块，用于：
获取所述车辆的GPS信号强度；
若所述车辆的GPS信号强度不大于预设强度，则提示用户行驶至开阔区域；
若所述车辆的GPS信号强度大于预设强度，则获取所述车辆的位置信息；
根据所述位置信息，向用户推荐距离最近的停车点。
在一种可能的设计中，在向用户反馈提醒信息之后，所述处理模块，还用于：
接收车辆反馈的停车问题，所述停车问题包括：在停车点区域内无法还车、无线信号信息获取失败；
对所述停车问题进行审核，若审核通过，则记录所述车辆的编号和位置信息。
在一种可能的设计中，所述处理模块，还用于
向维修人员的终端发送所述车辆的编号和位置信息，以使得维修人员对所述车辆进行维修。
在一种可能的设计中，所述处理模块，还用于
若车辆的当前位置位于停车点区域内的概率不大于预设阈值，且收到了还车成功信息，则记录用户的错误停车次数自增1；
根据用户的错误停车次数，调整用户下一次使用车辆的价格。
第三方面，本发明实施例提供一种服务平台，包括：
存储器，用于存储程序；
处理器，用于执行所述存储器存储的所述程序，当所述程序被执行时，所述处理器用于执行如第一方面中任一项所述的方法。
第四方面，本发明实施例提供一种计算机可读存储介质，包括：计算机程序，当其在计算机上运行时，使得计算机执行第一方面中任一所述的方法。
本发明提供的车辆停车点的定位方法、装置及服务平台，通过在接收到还车确认信息时，获取车辆的无线信号信息；将所述无线信号信息输入目标学习模型，得到车辆的当前位置位于停车点区域内的概率；若车辆的当前位置位于停车点区域内的概率大于预设阈值，则允许所述车辆在当前位置停车。从而可以在GPS信号弱，或者GPS信号被干扰的环境下，较为准确地判断出车辆还车的当前位置是否位于停车点区域内，从而可以约束和提醒用户进行定点还车，减少乱停车的现象。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1为本发明一应用场景的原理示意图；
图2为本发明实施例中wifi信号列表的示意图；
图3为本发明实施例一提供的车辆停车点的定位方法的流程图；
图4为车辆显示界面的示意图一；
图5为车辆显示界面的示意图二；
图6为本发明实施例二提供的车辆停车点的定位方法的流程图；
图7为本发明实施例三提供的车辆停车点的定位装置的结构示意图；
图8为本发明实施例四提供的车辆停车点的定位装置的结构示意图；
图9为本发明实施例五提供的服务平台的结构示意图。
通过上述附图，已示出本公开明确的实施例，后文中将有更详细的描述。这些附图和文字描述并不是为了通过任何方式限制本公开构思的范围，而是通过参考特定实施例为本领域技术人员说明本公开的概念。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”、“第三”、“第四”等(如果存在)是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本发明的实施例例如能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
目前，一般是通过全球定位系统GPS来进行停车点定位，以引导用户将车辆停放在虚拟的停车点区域内。但是，GPS信号容易受到建筑物的干扰，例如在楼层较高的市区内，GPS信号受多径效应影响，会产生定位偏差，从而导致车辆不能准确地停放在停车点区域内。
针对现有技术中的问题，本发明旨在提供一种车辆停车点的定位方法、装置及服务平台，通过在接收到还车确认信息时，获取车辆的无线信号信息；将无线信号信息输入目标学习模型，得到车辆的当前位置位于停车点区域内的概率；若车辆的当前位置位于停车点区域内的概率大于预设阈值，则允许车辆在当前位置停车。从而可以在GPS信号弱，或者GPS信号被干扰的环境下，较为准确地判断出车辆还车的当前位置是否位于停车点区域内，从而可以约束和提醒用户进行定点还车，减少乱停车的现象。
下面以具体地实施例对本发明的技术方案进行详细说明。下面这几个具体的实施例可以相互结合，对于相同或相似的概念或过程可能在某些实施例不再赘述。
图1为本发明一应用场景的原理示意图，如图1所示，以共享电单车为例，当用户在电单车20的操作界面上点击还车按键之后，服务平台10接收到相应的还车确认信息，并接收电单车20上报的无线信号信息，该无线信号是电单车20的无线模块在当前位置扫描得到的wifi信号列表，该wifi信号列表包括：当前位置附近的wifi信号名称，以及对应的wifi信号强度。图2为本发明实施例中wifi信号列表的示意图，如图2所示，当电单车20的无线模块开启时，可以通过信号扫描，得到周边的wifi信号。
服务平台10将无线信号信息输入目标学习模型，得到电单车20的当前位置位于停车点区域内的概率；若电单车20的当前位置位于停车点区域内的概率大于预设阈值，则允许电单车20在当前位置停车。其中，目标学习模型是通过预先采集到的训练数据集训练得到的，用于输出电单车20在停车点区域内停车的概率。例如，目标学习模型输出的概率值为80％，大于预设阈值50％，则确定电单车20的当前位置位于停车点区域内，因此允许用户在当前位置停车。需要说明的是，本实施例不限定预设阈值的具体数值，该预设阈值可以根据实际模型训练结果进行设置。
本实施例，可以在GPS信号弱，或者GPS信号被干扰的环境下，较为准确地判断出车辆还车的当前位置是否位于停车点区域内，从而可以约束和提醒用户进行定点还车，减少乱停车的现象。
下面以具体地实施例对本发明的技术方案以及本申请的技术方案如何解决上述技术问题进行详细说明。下面这几个具体的实施例可以相互结合，对于相同或相似的概念或过程可能在某些实施例中不再赘述。下面将结合附图，对本发明的实施例进行描述。
图3为本发明实施例一提供的车辆停车点的定位方法的流程图，如图3所示，本实施例中的方法可以包括：
S101、在接收到还车确认信息时，获取车辆的无线信号信息。
本实施例中，服务平台可以接收车辆的无线模块扫描得到的wifi信号列表，wifi信号列表包括：当前位置附近的wifi信号名称，以及对应的wifi信号强度。
具体地，停车点周围的wifi信号往往是固定的，每个wifi信号覆盖一定的范围。因此，可以多个wifi信号的覆盖范围来确定当前的位置。例如用户在A地点点击还车按钮时，可以通过车辆的无线模块扫描得到的wifi信号列表。服务平台可以接收车辆的wifi信号列表作为数据分析的依据。
S102、将无线信号信息输入目标学习模型，得到车辆的当前位置位于停车点区域内的概率。
本实施例中，服务平台可以将无线信号信息输入目标学习模型，得到车辆的当前位置位于停车点区域内的概率。
具体地，可以将用户是否在停车点停车的问题转换成了机器学习中的单样本检测问题。而单样本检测问题是关注一群数据的特征，关注的是一群数据在停车区域这一类问题，其准确率评判的标准也是在不在停车区域这一个单类，因此通过将一群数据特征聚焦到是否在停车圈内停车这一个单类问题，能提高判断是否在停车点停车的准确性。因此，可以将无线信号信息输入目标学习模型，得到车辆的当前位置位于停车点区域内的概率。
S103、若车辆的当前位置位于停车点区域内的概率大于预设阈值，则允许车辆在当前位置停车。
本实施例中，若车辆的当前位置位于停车点区域内的概率大于预设阈值，则允许车辆在当前位置停车。
可选地，若车辆的当前位置位于停车点区域内的概率不大于预设阈值，则向用户反馈提醒信息，以提示用户重新寻找停车点区域。
在一种可能的实施方式中，还可以获取车辆的GPS信号强度；若车辆的GPS信号强度不大于预设强度，则提示用户行驶至开阔区域；若车辆的GPS信号强度大于预设强度，则获取车辆的位置信息；根据位置信息，向用户推荐距离最近的停车点。
具体地，虽然GPS信号容易受到建筑物的干扰，例如在楼层较高的市区内，GPS信号受多径效应影响，会产生定位偏差，从而导致车辆不能准确地停放在停车点区域内。但是还是可以利用GPS信号进行辅助定位，可以根据GPS信号定位，向用户推荐距离最近的停车点。在具体实现过程中，可以先判断GPS信号强度。若车辆的GPS信号强度大于预设强度，则获取车辆的位置信息，并向用户推荐距离最近的停车点。
在另一种可能的实施方式中，在向用户反馈提醒信息之后，接收车辆反馈的停车问题，停车问题包括：在停车点区域内无法还车、无线信号信息获取失败；对停车问题进行审核，若审核通过，则记录车辆的编号和位置信息。
示例性的，还可以向维修人员的终端发送车辆的编号和位置信息，以使得维修人员对车辆进行维修。
本实施例中，由于目标学习模型输出的是一个概率值，并不一定完全与实际情况相符。例如，在实际环境中，用户实际已经将车辆行驶至停车点区域，但是由于车辆的无线信号较弱，使得扫描的wifi信号列表与训练时使用的wifi信号列表不一致，这时就可能出现在停车点内无法还车的情况。还有一种可能是车辆自身的无线模块出现了故障，无法扫描得到周围的无线信号。因此，服务平台提供了问题反馈窗口，使得用户可以向服务平台反馈问题。
具体地，用户可以在车辆的显示界面上进行操作，提交停车问题，然后将该问题反馈给服务平台，由服务平台对问题进行审核，若审核通过则记录车辆的编号和位置信息，以方便派遣维修人员进行车辆维修。
图4为车辆显示界面的示意图一，图5为车辆显示界面的示意图二，如图4所示，可以同车辆的显示界面反馈问题，并在下拉框中添加问题描述，问题描述编辑完成后，点击提交问题。进一步地，如图5所示，当问题提交之后，在显示界面上会显示问题提交成功的提示信息，以及当前的状态。若服务平台审核通过之后，则会在显示界面上显示审核通过提醒，此时车辆显示界面上会出现还车按键。当用户点击确认还车之后，则可以在当前位置完成还车。
在又一种可能的实施方式中，若车辆的当前位置位于停车点区域内的概率不大于预设阈值，且收到了还车成功信息，则记录用户的错误停车次数自增1；根据用户的错误停车次数，调整用户下一次使用车辆的价格。
本实施例中，虽然服务平台反馈了提醒信息，但是某些用户仍然会在非停车点区域强制停车，此时可以服务平台可以跟踪到使用车辆的用户信息，记录用户错误停车的次数。根据用户的错误停车次数，调整用户下一次使用车辆的价格。从而约束用户尽可能地在停车点区域内完成还车。
本实施例，通过在接收到还车确认信息时，获取车辆的无线信号信息；将无线信号信息输入目标学习模型，得到车辆的当前位置位于停车点区域内的概率；若车辆的当前位置位于停车点区域内的概率大于预设阈值，则允许车辆在当前位置停车。从而可以在GPS信号弱，或者GPS信号被干扰的环境下，较为准确地判断出车辆还车的当前位置是否位于停车点区域内，从而可以约束和提醒用户进行定点还车，减少乱停车的现象。
图6为本发明实施例二提供的车辆停车点的定位方法的流程图，如图6所示，本实施例中的方法可以包括：
S201、构建训练数据集，对初始学习模型进行迭代训练，得到目标学习模型。
本实施例中，服务平台还可以构建训练数据集，训练数据集包括：车辆在停车点区域内停车时所采集到的无线信号信息，车辆未在停车点区域内停车时所采集到的无线信号信息；对训练数据集中的数据进行特征提取，得到特征数据；将特征数据输入初始学习模型进行迭代训练，直到经过训练的初始学习模型输出的概率正确反映车辆是否在停车点区域内停车，得到目标学习模型。
具体地，可以通过大量采集用户每次在停车圈内停车的WiFi列表，构成训练数据集。然后，将在停车圈内停车的数据进行特征学习，就将用户是否在停车点停车的问题转换成了机器学习中的单样本检测问题；无论是wifi辅助定位还是GPS定位方式都是追求单点定位精度，然后再来判断是否在停车区域。
S202、在接收到还车确认信息时，获取车辆的无线信号信息。
S203、将无线信号信息输入目标学习模型，得到车辆的当前位置位于停车点区域内的概率。
S204、若车辆的当前位置位于停车点区域内的概率大于预设阈值，则允许车辆在当前位置停车。
本实施例中，步骤S202～步骤S204的具体实现过程和技术原理请参见图3所示的方法中步骤S101～步骤S103中的相关描述，此处不再赘述。
本实施例，通过在接收到还车确认信息时，获取车辆的无线信号信息；将无线信号信息输入目标学习模型，得到车辆的当前位置位于停车点区域内的概率；若车辆的当前位置位于停车点区域内的概率大于预设阈值，则允许车辆在当前位置停车。从而可以在GPS信号弱，或者GPS信号被干扰的环境下，较为准确地判断出车辆还车的当前位置是否位于停车点区域内，从而可以约束和提醒用户进行定点还车，减少乱停车的现象。
另外，本实施例还可以构建训练数据集，训练数据集包括：车辆在停车点区域内停车时所采集到的无线信号信息，车辆未在停车点区域内停车时所采集到的无线信号信息；对训练数据集中的数据进行特征提取，得到特征数据；将特征数据输入初始学习模型进行迭代训练，直到经过训练的初始学习模型输出的概率正确反映车辆是否在停车点区域内停车，得到目标学习模型。
图7为本发明实施例三提供的车辆停车点的定位装置的结构示意图，如图7所示，本实施例中的车辆停车点的定位装置可以包括：
获取模块31，用于在接收到还车确认信息时，获取车辆的无线信号信息；
处理模块32，用于将无线信号信息输入目标学习模型，得到车辆的当前位置位于停车点区域内的概率；
停车模块33，用于在车辆的当前位置位于停车点区域内的概率大于预设阈值时，允许车辆在当前位置停车。
在一种可能的设计中，获取模块31，具体用于：
接收车辆的无线模块扫描得到的wifi信号列表，wifi信号列表包括：当前位置附近的wifi信号名称，以及对应的wifi信号强度。
在一种可能的设计中，在向用户反馈提醒信息之后，处理模块32，还用于：
接收车辆反馈的停车问题，停车问题包括：在停车点区域内无法还车、无线信号信息获取失败；
对停车问题进行审核，若审核通过，则记录车辆的编号和位置信息。
在一种可能的设计中，处理模块32，还用于
向维修人员的终端发送车辆的编号和位置信息，以使得维修人员对车辆进行维修。
在一种可能的设计中，处理模块32，还用于
若车辆的当前位置位于停车点区域内的概率不大于预设阈值，且收到了还车成功信息，则记录用户的错误停车次数自增1；
根据用户的错误停车次数，调整用户下一次使用车辆的价格。
本实施例的车辆停车点的定位装置，可以执行图3所示方法中的技术方案，其具体实现过程和技术原理参见图3所示方法中的相关描述，此处不再赘述。
本实施例，通过在接收到还车确认信息时，获取车辆的无线信号信息；将无线信号信息输入目标学习模型，得到车辆的当前位置位于停车点区域内的概率；若车辆的当前位置位于停车点区域内的概率大于预设阈值，则允许车辆在当前位置停车。从而可以在GPS信号弱，或者GPS信号被干扰的环境下，较为准确地判断出车辆还车的当前位置是否位于停车点区域内，从而可以约束和提醒用户进行定点还车，减少乱停车的现象。
图8为本发明实施例四提供的车辆停车点的定位装置的结构示意图，如图8所示，本实施例的车辆停车点的定位装置在图7所示装置的基础上，还可以包括：
训练模块34，用于：
构建训练数据集，训练数据集包括：车辆在停车点区域内停车时所采集到的无线信号信息，车辆未在停车点区域内停车时所采集到的无线信号信息；
对训练数据集中的数据进行特征提取，得到特征数据；
将特征数据输入初始学习模型进行迭代训练，直到经过训练的初始学习模型输出的概率正确反映车辆是否在停车点区域内停车，得到目标学习模型。
在一种可能的设计中，还包括：反馈模块35，用于：
在车辆的当前位置位于停车点区域内的概率不大于预设阈值时，向用户反馈提醒信息，以提示用户重新寻找停车点区域。
在一种可能的设计中，还包括：推荐模块36，用于：
获取车辆的GPS信号强度；
若车辆的GPS信号强度不大于预设强度，则提示用户行驶至开阔区域；
若车辆的GPS信号强度大于预设强度，则获取车辆的位置信息；
根据位置信息，向用户推荐距离最近的停车点。
本实施例的车辆停车点的定位装置，可以执行图3、图6所示方法中的技术方案，其具体实现过程和技术原理参见图3、图6所示方法中的相关描述，此处不再赘述。
本实施例，通过在接收到还车确认信息时，获取车辆的无线信号信息；将无线信号信息输入目标学习模型，得到车辆的当前位置位于停车点区域内的概率；若车辆的当前位置位于停车点区域内的概率大于预设阈值，则允许车辆在当前位置停车。从而可以在GPS信号弱，或者GPS信号被干扰的环境下，较为准确地判断出车辆还车的当前位置是否位于停车点区域内，从而可以约束和提醒用户进行定点还车，减少乱停车的现象。
另外，本实施例还可以构建训练数据集，训练数据集包括：车辆在停车点区域内停车时所采集到的无线信号信息，车辆未在停车点区域内停车时所采集到的无线信号信息；对训练数据集中的数据进行特征提取，得到特征数据；将特征数据输入初始学习模型进行迭代训练，直到经过训练的初始学习模型输出的概率正确反映车辆是否在停车点区域内停车，得到目标学习模型。
图9为本发明实施例五提供的服务平台的结构示意图，如图9所示，本实施例的服务平台40可以包括：处理器41和存储器42。
存储器42，用于存储程序；存储器42，可以包括易失性存储器(英文：volatilememory)，例如随机存取存储器(英文：random-access memory，缩写：RAM)，如静态随机存取存储器(英文：static random-access memory，缩写：SRAM)，双倍数据率同步动态随机存取存储器(英文：Double Data Rate Synchronous Dynamic Random Access Memory，缩写：DDR SDRAM)等；存储器也可以包括非易失性存储器(英文：non-volatile memory)，例如快闪存储器(英文：flash memory)。存储器42用于存储计算机程序(如实现上述方法的应用程序、功能模块等)、计算机指令等，上述的计算机程序、计算机指令等可以分区存储在一个或多个存储器42中。并且上述的计算机程序、计算机指令、数据等可以被处理器41调用。
上述的计算机程序、计算机指令等可以分区存储在一个或多个存储器42中。并且上述的计算机程序、计算机指令、数据等可以被处理器41调用。
处理器41，用于执行存储器42存储的计算机程序，以实现上述实施例涉及的方法中的各个步骤。
具体可以参见前面方法实施例中的相关描述。
处理器41和存储器42可以是独立结构，也可以是集成在一起的集成结构。当处理器41和存储器42是独立结构时，存储器42、处理器41可以通过总线43耦合连接。
本实施例的服务平台可以执行图3、图6所示方法中的技术方案，其具体实现过程和技术原理参见图3、图6所示方法中的相关描述，此处不再赘述。
此外，本申请实施例还提供一种计算机可读存储介质，计算机可读存储介质中存储有计算机执行指令，当用户设备的至少一个处理器执行该计算机执行指令时，用户设备执行上述各种可能的方法。
其中，计算机可读介质包括计算机存储介质和通信介质，其中通信介质包括便于从一个地方向另一个地方传送计算机程序的任何介质。存储介质可以是通用或专用计算机能够存取的任何可用介质。一种示例性的存储介质耦合至处理器，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。另外，该ASIC可以位于用户设备中。当然，处理器和存储介质也可以作为分立组件存在于通信设备中。
本领域普通技术人员可以理解：实现上述各方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成。前述的程序可以存储于一计算机可读取存储介质中。该程序在执行时，执行包括上述各方法实施例的步骤；而前述的存储介质包括：ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
最后应说明的是：以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。
Claims (19)
1.一种车辆停车点的定位方法，其特征在于，包括：
在接收到还车确认信息时，获取车辆的无线信号信息；
将所述无线信号信息输入目标学习模型，得到车辆的当前位置位于停车点区域内的概率；
若车辆的当前位置位于停车点区域内的概率大于预设阈值，则允许所述车辆在当前位置停车。
2.根据权利要求1所述的方法，其特征在于，所述获取车辆的无线信号信息，包括：
接收车辆的无线模块扫描得到的wifi信号列表，所述wifi信号列表包括：当前位置附近的wifi信号名称，以及对应的wifi信号强度。
3.根据权利要求1所述的方法，其特征在于，在将所述无线信号信息输入目标学习模型之前，还包括：
构建训练数据集，所述训练数据集包括：车辆在停车点区域内停车时所采集到的无线信号信息，车辆未在停车点区域内停车时所采集到的无线信号信息。
4.根据权利要求3所述的方法，其特征在于，还包括：
对所述训练数据集中的数据进行特征提取，得到特征数据；
将所述特征数据输入初始学习模型进行迭代训练，直到经过训练的所述初始学习模型输出的概率正确反映车辆是否在停车点区域内停车，得到所述目标学习模型。
5.根据权利要求1所述的方法，其特征在于，还包括：
若车辆的当前位置位于停车点区域内的概率不大于预设阈值，则向用户反馈提醒信息，以提示用户重新寻找停车点区域。
6.根据权利要求5所述的方法，其特征在于，还包括：
获取所述车辆的GPS信号强度；
若所述车辆的GPS信号强度不大于预设强度，则提示用户行驶至开阔区域；
若所述车辆的GPS信号强度大于预设强度，则获取所述车辆的位置信息；
根据所述位置信息，向用户推荐距离最近的停车点。
7.根据权利要求5所述的方法，其特征在于，在向用户反馈提醒信息之后，还包括：
接收车辆反馈的停车问题，所述停车问题包括：在停车点区域内无法还车、无线信号信息获取失败；
对所述停车问题进行审核，若审核通过，则记录所述车辆的编号和位置信息。
8.根据权利要求7所述的方法，其特征在于，还包括：
向维修人员的终端发送所述车辆的编号和位置信息，以使得维修人员对所述车辆进行维修。
9.根据权利要求1-8中任一项所述的方法，其特征在于，还包括：
若车辆的当前位置位于停车点区域内的概率不大于预设阈值，且收到了还车成功信息，则记录用户的错误停车次数自增1；
根据用户的错误停车次数，调整用户下一次使用车辆的价格。
10.一种车辆停车点的定位装置，其特征在于，包括：
获取模块，用于在接收到还车确认信息时，获取车辆的无线信号信息；
处理模块，用于将所述无线信号信息输入目标学习模型，得到车辆的当前位置位于停车点区域内的概率；
停车模块，用于在车辆的当前位置位于停车点区域内的概率大于预设阈值时，允许所述车辆在当前位置停车。
11.根据权利要求10所述的装置，其特征在于，所述获取模块，具体用于：
接收车辆的无线模块扫描得到的wifi信号列表，所述wifi信号列表包括：当前位置附近的wifi信号名称，以及对应的wifi信号强度。
12.根据权利要求10所述的装置，其特征在于，还包括：训练模块，用于：
构建训练数据集，所述训练数据集包括：车辆在停车点区域内停车时所采集到的无线信号信息，车辆未在停车点区域内停车时所采集到的无线信号信息；
对所述训练数据集中的数据进行特征提取，得到特征数据；
将所述特征数据输入初始学习模型进行迭代训练，直到经过训练的所述初始学习模型输出的概率正确反映车辆是否在停车点区域内停车，得到所述目标学习模型。
13.根据权利要求10所述的装置，其特征在于，还包括：反馈模块，用于：
在车辆的当前位置位于停车点区域内的概率不大于预设阈值时，向用户反馈提醒信息，以提示用户重新寻找停车点区域。
14.根据权利要求13所述的装置，其特征在于，还包括：推荐模块，用于：
获取所述车辆的GPS信号强度；
若所述车辆的GPS信号强度不大于预设强度，则提示用户行驶至开阔区域；
若所述车辆的GPS信号强度大于预设强度，则获取所述车辆的位置信息；
根据所述位置信息，向用户推荐距离最近的停车点。
15.根据权利要求13所述的装置，其特征在于，在向用户反馈提醒信息之后，还包括：
接收车辆反馈的停车问题，所述停车问题包括：在停车点区域内无法还车、无线信号信息获取失败；
对所述停车问题进行审核，若审核通过，则记录所述车辆的编号和位置信息。
16.根据权利要求15所述的装置，其特征在于，还包括：
向维修人员的终端发送所述车辆的编号和位置信息，以使得维修人员对所述车辆进行维修。
17.根据权利要求10-16中任一项所述的装置，其特征在于，还包括：
若车辆的当前位置位于停车点区域内的概率不大于预设阈值，且收到了还车成功信息，则记录用户的错误停车次数自增1；
根据用户的错误停车次数，调整用户下一次使用车辆的价格。
18.一种服务平台，其特征在于，包括：
存储器，用于存储程序；
处理器，用于执行所述存储器存储的所述程序，当所述程序被执行时，所述处理器用于执行如权利要求1-9中任一项所述的方法。
19.一种计算机可读存储介质，其特征在于，包括：计算机程序，当其在计算机上运行时，使得计算机执行如权利要求1-9中任一项所述的方法。
Priority Applications (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911408189.7A CN111867052B (zh) | 2019-12-31 | 2019-12-31 | 车辆停车点的定位方法、装置及服务平台 |
| PCT/CN2020/139958 WO2021136147A1 (zh) | 2019-12-31 | 2020-12-28 | 一种共享设备的预设区域定位方法和系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911408189.7A CN111867052B (zh) | 2019-12-31 | 2019-12-31 | 车辆停车点的定位方法、装置及服务平台 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111867052A true CN111867052A (zh) | 2020-10-30 |
| CN111867052B CN111867052B (zh) | 2022-07-08 |
Family
ID=72970782
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201911408189.7A Active CN111867052B (zh) | 2019-12-31 | 2019-12-31 | 车辆停车点的定位方法、装置及服务平台 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111867052B (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2021136147A1 (zh) * | 2019-12-31 | 2021-07-08 | 北京骑胜科技有限公司 | 一种共享设备的预设区域定位方法和系统 |
| CN116229755A (zh) * | 2021-12-06 | 2023-06-06 | 北京嘀嘀无限科技发展有限公司 | 停车区域推荐方法、装置、服务器、存储介质和程序产品 |
| DE102023128909B3 (de) | 2023-07-24 | 2025-01-02 | GM Global Technology Operations LLC | Auswahl von drahtlosen Offload-Opportunity-Netzwerken, die persönliche Daten respektieren |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP2261108A2 (en) * | 2009-06-12 | 2010-12-15 | Stephen Ryan Rzepecki | Municipal bicycle sharing system |
| CN107808515A (zh) * | 2017-10-20 | 2018-03-16 | 刘吏晗 | 共享单车的停放管理方法及系统 |
| CN108008350A (zh) * | 2017-11-03 | 2018-05-08 | 平安科技（深圳）有限公司 | 基于随机森林模型的定位方法、装置及存储介质 |
| CN108198122A (zh) * | 2018-02-07 | 2018-06-22 | 东峡大通（北京）管理咨询有限公司 | 车辆的停车处理方法、服务器、终端及机器可读存储介质 |
| US20180315317A1 (en) * | 2017-04-28 | 2018-11-01 | Beijing Mobike Technology Co., Ltd. | Method for determining whether object is in target area, and parking management device |
| CN109218337A (zh) * | 2017-05-24 | 2019-01-15 | 上海朗尚科贸有限公司 | 车辆控制方法、服务器、车辆终端及用户终端 |
-
2019
- 2019-12-31 CN CN201911408189.7A patent/CN111867052B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP2261108A2 (en) * | 2009-06-12 | 2010-12-15 | Stephen Ryan Rzepecki | Municipal bicycle sharing system |
| US20180315317A1 (en) * | 2017-04-28 | 2018-11-01 | Beijing Mobike Technology Co., Ltd. | Method for determining whether object is in target area, and parking management device |
| CN109218337A (zh) * | 2017-05-24 | 2019-01-15 | 上海朗尚科贸有限公司 | 车辆控制方法、服务器、车辆终端及用户终端 |
| CN107808515A (zh) * | 2017-10-20 | 2018-03-16 | 刘吏晗 | 共享单车的停放管理方法及系统 |
| CN108008350A (zh) * | 2017-11-03 | 2018-05-08 | 平安科技（深圳）有限公司 | 基于随机森林模型的定位方法、装置及存储介质 |
| CN108198122A (zh) * | 2018-02-07 | 2018-06-22 | 东峡大通（北京）管理咨询有限公司 | 车辆的停车处理方法、服务器、终端及机器可读存储介质 |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2021136147A1 (zh) * | 2019-12-31 | 2021-07-08 | 北京骑胜科技有限公司 | 一种共享设备的预设区域定位方法和系统 |
| CN116229755A (zh) * | 2021-12-06 | 2023-06-06 | 北京嘀嘀无限科技发展有限公司 | 停车区域推荐方法、装置、服务器、存储介质和程序产品 |
| DE102023128909B3 (de) | 2023-07-24 | 2025-01-02 | GM Global Technology Operations LLC | Auswahl von drahtlosen Offload-Opportunity-Netzwerken, die persönliche Daten respektieren |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111867052B (zh) | 2022-07-08 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111867052B (zh) | 车辆停车点的定位方法、装置及服务平台 | |
| CN105390017B (zh) | 用于车辆停车的方法和系统 | |
| US20230377325A1 (en) | Multi-task object detection method, electronic device, medium, and vehicle | |
| CN110378258B (zh) | 一种基于图像的车辆座椅信息检测方法及设备 | |
| CN110956811A (zh) | 停车场车牌识别错误快速处理方法、介质、设备及装置 | |
| WO2022020854A1 (en) | Vehicle identification number (vin)-based telematics device location tracking | |
| CN110774930A (zh) | 一种新能源车辆充电管理方法和系统 | |
| CN104066174A (zh) | 一种定位方法及装置 | |
| CN110703924B (zh) | 一种基于输入法应用的新用户的冷启动方法及设备 | |
| US10692383B1 (en) | Method for locating vehicle and electronic device employing the method | |
| CN111062770A (zh) | 商户识别方法、设备及计算机可读介质 | |
| CN113253278B (zh) | 车位的识别方法、装置及计算机存储介质 | |
| CN112767449B (zh) | 车辆驶出停车位检测方法、装置、电子设备及存储介质 | |
| CN111754261B (zh) | 一种车辆出租意愿的评估方法、装置及终端设备 | |
| CN105608921B (zh) | 在电子装置中提示公共交通线路的方法和设备 | |
| CN112990868A (zh) | 车辆保险自动赔付方法、系统、设备及存储介质 | |
| CN114529269B (zh) | 无效经营范围的处理方法、装置、电子设备及存储介质 | |
| CN116312026A (zh) | 停车场车位引导方法、系统、电子设备及存储介质 | |
| JP2019096087A (ja) | 情報処理装置 | |
| CN115662400A (zh) | 车机语音交互数据的处理方法、装置、设备及存储介质 | |
| CN114235441A (zh) | 无人车实时碰撞检测方法及相关装置 | |
| CN110209934A (zh) | 基于微表情识别的信息推送方法及相关装置 | |
| CN114013316A (zh) | 充电控制方法、其装置及充电系统 | |
| CN113984074A (zh) | 目标车辆导航路线偏航的识别方法、装置、设备和介质 | |
| CN113254564A (zh) | 一种高精数据的自动检查方法及装置 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| TR01 | Transfer of patent right | ||
| TR01 | Transfer of patent right |
Effective date of registration: 20220803 Address after: 311199 Room 301, No. 108, Xincheng Road, Nanyuan street, Linping District, Hangzhou City, Zhejiang Province Patentee after: HANGZHOU QINGQI SCIENCE AND TECHNOLOGY Co.,Ltd. Address before: Room 203, 2 / F, building 34, yard 8, Dongbei Wangxi Road, Haidian District, Beijing 100193 Patentee before: Beijing Qisheng Technology Co.,Ltd. |