买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：大连民族大学

摘要：本发明公开了一种基于多源信息融合的停车场超前预测方法，包括构建停车场历史序列数据集，其的车流量、车位数据为利用YOLOv5检测网络每隔预设时间间隔采集停车场入口的所在道路的车流量数据及停车场的泊位信息；构建CLA‑R预测模型；预测模型包括依次相连的输入层、CNN层、LSTM层、AM层及输出层；在模型训练过程当中，使用RAdam优化器来自适应的调整学习率；对预测模型进行训练及验证得到训练好的预测模型；用户端输入需要预测的停车场名称，通过训练好的模型，进而能够得到未来预设时间段内的停车场入口的所在道路的车流数量、停车场空余车位数量信息。本发明能够准确预测停车场未来信息。

主权项：1.一种基于多源信息融合的停车场超前预测方法，其特征在于：包括以下步骤：步骤一：构建停车场历史序列数据集，所述停车场历史序列数据集包括车流量数据、目标停车场的总体车位数据、目标停车场的空余车位数据、天气数据、节假日数据；其中车流量、空余车位数据为利用YOLOv5检测网络每隔预设时间间隔采集停车场入口的所在道路的车流量数据及停车场的泊位信息；步骤二：构建CLA-R停车场空余车位预测模型；预测模型包括依次相连的输入层、CNN层、LSTM层、AM层以及输出层；停车场数据集中的特征通过输入层输入模型，CNN层的多层CNN网络提取出停车场数据集的空间特征，得到停车场信息序列的特征向量；将得到的特征向量传递至LSTM层，LSTM层中运用多层LSTM网络学习和预测提取的特征数据后输入AM层，AM层中AM捕捉时间序列数据在不同时刻的特征状态，对重要的信息分配足够的权重后传递至输出层；输出层为一个输出维度为1的全连接层，用来输出对停车场未来预设时间段的剩余泊位序列的预测；在上述网络模型训练过程当中，使用Radam优化器来自适应的调整学习率，提高模型的收敛速度和稳定性；步骤三：应用停车场历史序列数据集对CLA-R停车场空余车位预测模型进行训练及验证，得到训练好的CLA-R停车场空余车位预测模型；步骤四：用户端输入需要预测的停车场名称信息，通过训练好的模型，进而能够得到未来预设时间段内的停车场入口的所在道路的车流数量、停车场空余车位数量信息。

全文数据：

权利要求：

百度查询： 大连民族大学 一种基于多源信息融合的停车场超前预测方法