摘要
本申请涉及一种停车可用性置信区间的预测方法、装置、电子设备及介质。该方法包括:基于目标停车场的原始观测数据得到初始到达率和初始离开率;基于初始到达率和初始离开率,利用预设的神经网络模型分别预测多个预设时间间隔的到达率和离开率,得到到达率序列和离开率序列;基于到达率序列和离开率序列,利用动态马尔可夫队列模型预测每个预设时间间隔的停车可用性的概率分布,并根据概率分布得到每个预设时间间隔的停车可用性的均值和置信区间。由此,通过将动态马尔可夫队列模型与深度学习技术相结合构建停车可用性置信区间,以评估停车可用性的不确定性,解决了不确定性环境下用户停车难的问题,提升整个交通系统的运行效率。
技术关键词
原始观测数据
队列模型
空闲停车位
神经网络模型
序列
停车场
动态
门控循环单元
电子设备
处理器
计算机程序产品
交通系统
预测装置
周期
车辆
策略
可读存储介质
模块
存储器
矩阵
系统为您推荐了相关专利信息
状况监测系统
传感器技术
三维卷积神经网络
运动姿态数据
深度神经网络架构
资源化技术
决策方法
约束优化方法
约束优化模型
动态更新