本发明涉及数据处理领域，具体涉及一种基于大数据分析的停车大数据智能处理管理方法。
背景技术：
1、当前，国民人均可支配收入提高，车辆数目的急速剧增，导致了对车位的需求远超现有供给，人们对于出行便利性要求的提高，市场对智能停车的需求也不断增长。
2、对于停车大数据的智能处理，现有方法中，没有对不同车位的停车数据进行计算分析，也没有评估不同车位的停车便捷程度；无法分析不同车位的停车便捷程度和不同类型车辆的停车时长，并自主对不同类型车辆进行最优车位推荐提示。
技术实现思路
1、本发明的目的是提供一种基于大数据分析的停车大数据智能处理管理方法，以解决背景技术中的不足。
2、本发明的目的可以通过以下技术方案实现：一种基于大数据分析的停车大数据智能处理管理方法，包括如下步骤：
3、利用车辆识别技术采集进出车辆的车辆信息；通过安装在每个车位的传感器获取所有车位的停车数据和车位信息；
4、获取所有车位的停车数量和车辆的停车时长，计算各类车位的使用频率和平均停车时间，确定车位的便捷系数，分析车位的停车便捷程度；
5、获取相同尺寸的车位，将空闲的推荐车位排序并定位标记，并按照推荐车位所在的位置和排序依次推荐；
6、基于被标记的推荐车位预测推荐时间最短路径的最优车位；
7、计算算法预测最优车位的准确度，评估算法预测的最优车位是否便捷。
8、进一步的，车辆信息包括车牌号码、车辆类型、停车时长；其中，车辆类型包括但不限于小型车s、中型车m、大型车l；
9、停车数据包括停车数量、车辆进入和离开的时间；
10、车位信息包括车位编号、车位位置、车位尺寸dn，n∈{s,m,l}。
11、进一步的，周期性获取每个车位的停车数据，统计相同尺寸的车位所对应的停车数量和停车时长，选择相同尺寸的任意车位作为分析对象，标记为目标车位；
12、统计目标车位所对应的停车数量e，计算目标车位的使用频率：
13、
14、式中，r表示使用频率，t表示监测周期所对应的时长；
15、统计目标车位的停车时长t，计算目标车位的平均停车时长：
16、
17、式中，平均停车时长；
18、获取计算出的目标车位使用频率和平均停车时长，计算目标车位的便捷系数：
19、
20、式中，jb代表便捷系数，α代表使用频率的权重，β代表平均停车时长的权重，根据停车场的实际停车情况所得；
21、根据便捷系数，分析目标车位的停车便捷程度；将相同尺寸的车位分为第一、第二、第三推荐车位；若目标车位的则判定目标车位为第一推荐车位；若目标车位的则判定目标车位为第二推荐车位；若目标车位的则判定目标车位为第三推荐车位。
22、进一步的，获取相同尺寸的车位来将空闲的第一、第二、第三推荐车位进行排序并定位标记，同时对目标车辆的车辆类型进行识别，获取对应的尺寸相匹配的车位，根据推荐车位所在的位置以及对应的排序依次推荐。
23、进一步的，以当前位置为起点、被标记的推荐车位为终点，将停车场建模为一个加权有向图g(p,c,t)，p是停车场路网的节点，即被标记的推荐车位为p1～pn，c代表类型车辆从一个位置移动到另一个位置的路径，t是边的权重，其值是类型车辆在节点i和j之间的行驶时间：
24、
25、式中，w(i,j)是类型车辆在节点i和j之间的行驶时间，c(i,j)和v(i,j)是类型车辆在节点i和j之间的距离和行驶速度；v(i,j)是根据历史类型车辆的停车大数据所得；
26、设定车辆在场内道路上行驶单位长度需要的时间为δt，定义延迟系数k，即
27、
28、式中，是车辆在节点i和j之间延迟后的行驶时间；
29、其中，同一路径上互相影响的车辆数目不同，k的值也不同，即也会有所不同。
30、进一步的，设置一个集合s来存储已经找到最短路径的节点，一个集合u来存储尚未确定最短路径的节点；为每个节点v设置一个估计的时间t(v)，其中，t(v)表示从起点s到节点v的最短路径的预估行驶时间；
31、初始时，对于起点s，t(s)＝0；对于所有其他节点，t(v)＝∞；当集合u不为空时，选择节点u∈u，使得t(u)最小，将节点u从集合u移动到集合s；对于所有v∈u，如果t(u)+w(u,v)＜t(v)，则更新其中，是节点u和v之间延迟后的行驶时间；重复以上步骤，直到集合u为空或找到最优车位；
32、根据算法结果，优先选择时间最短的车位，以“车牌号码+最优车位编号”的推荐提示，投屏至安置于各路口处的车位引导屏的屏幕上，用户根据推荐提示找寻最优车位。
33、进一步的，周期性记录车辆按照推荐的时间最短路径到达车位的实际时间t(pv)，以及车辆到达其他推荐车位的实际时间t(pn)；其中n≠v；
34、将t(pv)与t(pn)进行对比，若t(pv)≤t(pn)，则代表算法预测最优车位正确；反之，则代表算法预测最优车位错误；
35、统计算法预测最优车位正确数量和错误数量，计算算法预测最优车位的准确度：
36、
37、式中，zq代表算法预测最优车位的准确度，tp、fn代表算法预测最优车位正确数量、错误数量；
38、若算法预测最优车位的准确度zq≥标准阈值，则说明算法推荐的最优车位实际停车便捷，暂不用对算法进行优化；反之，则需要重新设计最优车位推荐算法；其中，标准阈值根据实际规定所得。
39、相比于现有方案，本发明实现的有益效果：
40、通过收集停车场内的所有数据，有利于实时掌握停车场内的情况，提升管理水平；
41、通过遍历停车数据获取车位的停车数量和占用时长，计算车位的使用频率和平均占用时间，计算目标车位的便捷系数，有利于分析目标车位的便捷程度；
42、获取相同尺寸的车位，将空闲的推荐车位排序并定位标记，依次推荐，有利于提高车辆的停车效率，优化车位资源分配；
43、通过被标记的推荐车位预测推荐时间最短路径的最优车位，计算算法预测最优车位的准确度，评估算法预测的最优车位是否便捷，有利于减少寻找车位的时间，提升用户体验，提高了停车效率。
1.一种基于大数据分析的停车大数据智能处理管理方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的一种基于大数据分析的停车大数据智能处理管理方法，其特征在于，车辆信息包括车牌号码、车辆类型、停车时长；其中，车辆类型包括但不限于小型车s、中型车m、大型车l；
3.根据权利要求1所述的一种基于大数据分析的停车大数据智能处理管理方法，其特征在于，周期性获取每个车位的停车数据，统计相同尺寸的车位所对应的停车数量和停车时长，选择相同尺寸的任意车位作为分析对象，标记为目标车位；
4.根据权利要求3所述的一种基于大数据分析的停车大数据智能处理管理方法，其特征在于，获取相同尺寸的车位来将空闲的第一、第二、第三推荐车位进行排序并定位标记，同时对目标车辆的车辆类型进行识别，获取对应的尺寸相匹配的车位，根据推荐车位所在的位置以及对应的排序依次推荐。
5.根据权利要求4所述的一种基于大数据分析的停车大数据智能处理管理方法，其特征在于，以当前位置为起点、被标记的推荐车位为终点，将停车场建模为一个加权有向图g(p,c,t)，p是停车场路网的节点，即被标记的推荐车位为p1～pn，c代表类型车辆从一个位置移动到另一个位置的路径，t是边的权重，其值是类型车辆在节点i和j之间的行驶时间：
6.根据权利要求5所述的一种基于大数据分析的停车大数据智能处理管理方法，其特征在于，设置一个集合s来存储已经找到最短路径的节点，一个集合u来存储尚未确定最短路径的节点；为每个节点v设置一个估计的时间t(v)，其中，t(v)表示从起点s到节点v的最短路径的预估行驶时间；
7.根据权利要求6所述的一种基于大数据分析的停车大数据智能处理管理方法，其特征在于，周期性记录车辆按照推荐的时间最短路径到达车位的实际时间t(pv)，以及车辆到达其他推荐车位的实际时间t(pn)；其中n≠v；
