一种基于机器学习算法的道路泊位违规占用管理方法及系统与流程

1.本发明涉及智能停车管理领域，特别涉及一种基于机器学习算法的道路泊位违规占用管理方法及系统。


背景技术：

2.道路泊位违规占用问题，严重影响路内停车乃至道路交通秩序，是亟待解决的问题。其中，如何及时识别、定位道路的泊位违规占用事件，是破解该问题的关键点。
3.为此，采取了多种手段对道路泊位的违规占用事件进行识别，主要可归为以下手段：
①
在道路泊位加装地锁，仅支持绑定了机动车的用户扫码降锁；
②
将道路泊位所在路段划为非机动车禁停区，当共享单车、共享电单车在此路段停车时触发报警或无法锁车；
③
依靠停车数据视频采集设备，如高位视频、视频桩、路牙机等及图像识别算法，识别道路泊位违规占用事件。上述方案中，采用视频采集设备结合图像识别算法的方式相对较为先进，也最具可行性。在该技术路径中，首先由前端视频采集设备采集车位视频及图片，再由图像识别算法模块的一系列内置算法每隔一段时间对泊位区域及停放在泊位内的物体进行识别。如识别出的实例类型不为机动车，则触发道路泊位违规占用报警。
4.然而，现有的视频采集设备+图像识别算法的方案，在识别道路泊位异常占用时有两个较为明显的问题：
⑴
该方案十分依赖视频采集设备，对于非视频采集类设备管理的道路泊位，如人工pos机管理模式、地磁结合pos机管理模式、移动巡检车管理模式等则难以应用该技术。由于视频采集设备相对较为昂贵，目前主要在一、二线城市应用。三线城市及以下，则广泛采用人工pos机、地磁、移动巡检车进行道路泊位管理，以控制成本投入。因此，现有的视频采集设备结合图像识别算法的方案在具体落地时往往受到很大限制。
⑵
该方案采用定时抽取泊位图片并对泊位停放的物体进行识别的方式，其针对所有道路泊位是否存在违规占用情况进行无差别识别，会耗费较大的算力，且经常存在将瞬时经过泊位的非机动车辆或极短时间停留在泊位的非机动车辆均误识别为道路泊位违规占用事件的情况。


技术实现要素：

5.为解决上述技术问题，本发明提供一种基于机器学习算法的道路泊位违规占用管理方法及系统，可以解决现有道路泊位违规占用管理局限性较大、算力较大、准确率较低的问题。
6.为实现上述目的，一方面，本发明提供一种基于机器学习算法的道路泊位违规占用管理方法，所述方法包括：
7.获取监控设备采集的各个泊位的停车数据；
8.根据所述各个泊位的停车数据从所述各个泊位中获取空闲时间大于或等于预设阈值的空闲泊位；
9.根据所述空闲时间大于或等于预设阈值的空闲泊位的泊位停车数据，通过预置机器学习算法获取所述空闲泊位的占用类型；
10.根据所述空闲泊位的占用类型对所述空闲泊位的违规占用行为进行处理。
11.进一步地，所述根据所述各个泊位的停车数据从所述各个泊位中获取空闲时间大于或等于预设阈值的空闲泊位的步骤包括：
12.根据所述各个泊位的停车数据从所述各个泊位中获取空闲泊位；
13.根据所述各个泊位对应的停车入场事件信息从所述空闲泊位中获取不存在入场事件信息大于或等于预设时间的空闲泊位作为所述空闲时间大于或等于预设阈值的空闲泊位。
14.进一步地，所述占用类型包括占用状态和物体目标类型，所述根据所述空闲时间大于或等于预设阈值的空闲泊位的泊位停车数据，通过预置机器学习算法获取所述空闲泊位的占用类型的步骤包括：
15.根据所述空闲时间大于或等于预设阈值的空闲泊位的泊位停车数据，通过预置机器学习算法判断所述空闲泊位上是否存在物体目标；
16.若存在，则根据所述泊位停车数据识别获取所述物体目标类型。
17.进一步地，所述根据所述空闲泊位的占用类型对所述空闲泊位的违规占用行为进行处理的步骤包括：
18.若所述空闲泊位的占用状态为占用并且占用物体目标类型为非机动车辆，则确认所述空闲泊位存在违规占用行为并输出告警信息。
19.进一步地，所述根据所述空闲泊位的占用类型对所述空闲泊位的违规占用行为进行处理的步骤包括：
20.若所述空闲泊位的占用状态为未占用，或者所述空闲泊位的占用状态为占用并且占用物体目标类型为机动车辆，则确认所述空闲泊位为车位停车异常统计并输出告警信息。
21.另一方面，本发明提供一种基于机器学习算法的道路泊位违规占用管理系统，所述系统包括：获取单元，用于获取监控设备采集的各个泊位的停车数据；
22.所述获取单元，还用于根据所述各个泊位的停车数据从所述各个泊位中获取空闲时间大于或等于预设阈值的空闲泊位；
23.所述获取单元，还用于根据所述空闲时间大于或等于预设阈值的空闲泊位的泊位停车数据，通过预置机器学习算法获取所述空闲泊位的占用类型；
24.处理单元，用于根据所述空闲泊位的占用类型对所述空闲泊位的违规占用行为进行处理。
25.进一步地，所述获取单元，具体用于根据所述各个泊位的停车数据从所述各个泊位中获取空闲泊位；
26.根据所述各个泊位对应的停车入场事件信息从所述空闲泊位中获取不存在入场事件信息大于或等于预设时间的空闲泊位作为所述空闲时间大于或等于预设阈值的空闲泊位。
27.进一步地，所述获取单元，具体还用于根据所述空闲时间大于或等于预设阈值的空闲泊位的泊位停车数据，通过预置机器学习算法判断所述空闲泊位上是否存在物体目标；
28.若存在，则根据所述泊位停车数据识别获取所述物体目标类型。
29.进一步地，所述处理单元，具体用于若所述空闲泊位的占用状态为占用并且占用物体目标类型为非机动车辆，则确认所述空闲泊位存在违规占用行为并输出告警信息。
30.进一步地，所述处理单元，具体还用于若所述空闲泊位的占用状态为未占用，或者所述空闲泊位的占用状态为占用并且占用物体目标类型为机动车辆，则确认所述空闲泊位为车位停车异常统计并输出告警信息。、
31.本发明提供的一种基于机器学习算法的道路泊位违规占用管理方法及系统，在进行违规占用判定之前，首先根据各个泊位的停车数据从所述各个泊位中获取空闲时间大于或等于预设阈值的空闲泊位；并根据所述空闲时间大于或等于预设阈值的空闲泊位的泊位停车数据，通过预置机器学习算法获取所述空闲泊位的占用类型；再根据所述空闲泊位的占用类型对所述空闲泊位的违规占用行为进行处理，可以避免实时识别获取采集各个泊位的状态，减少不必要的运算资源浪费，同时也可以避免过路车辆和非机动车辆的误识别，提升道路泊位违规占用的识别准确率。
附图说明
32.图1是本发明提供的一种基于机器学习算法的道路泊位违规占用管理方法的流程图；
33.图2是本发明提供的一种基于机器学习算法的道路泊位违规占用管理系统的结构示意图。
具体实施方式
34.下面通过附图和实施例，对本发明的技术方案做进一步的详细描述。
35.如图1所示，本发明实施例提供的一种基于机器学习算法的道路泊位违规占用管理方法，包括如下步骤：
36.101、获取监控设备采集的各个泊位的停车数据。
37.其中，道路泊位建设数据采集设备，采用视频采集设备，如高位视频、视频桩、路牙机等，还是非视频采集设备，如地磁、pos机、巡检车等均可，本发明实施例不做限定。
38.102、根据所述各个泊位的停车数据从所述各个泊位中获取空闲时间大于或等于预设阈值的空闲泊位。
39.对于本发明实施例，步骤102具体可以包括：根据所述各个泊位的停车数据从所述各个泊位中获取空闲泊位；根据所述各个泊位对应的停车入场事件信息从所述空闲泊位中获取不存在入场事件信息大于或等于预设时间的空闲泊位作为所述空闲时间大于或等于预设阈值的空闲泊位。
40.103、根据所述空闲时间大于或等于预设阈值的空闲泊位的泊位区域监控数据，通过预置机器学习算法获取所述空闲泊位的占用类型。
41.对于本发明实施例，步骤103具体可以包括：所述占用类型包括占用状态和物体目标类型，根据所述空闲时间大于或等于预设阈值的空闲泊位的泊位区域监控数据，通过预置机器学习算法判断所述空闲泊位上是否存在物体目标；若存在，则根据所述泊位区域监控数据识别获取所述物体目标类型。其中，物体目标类型可以包括车辆、电动车、行人等，本发明实施例不做限定。
42.104、根据所述空闲泊位的占用类型对所述空闲泊位进行违规占用行为判断和处理。
43.对于本发明实施例，步骤104具体可以包括：若所述空闲泊位的占用状态为占用并且占用物体目标类型为非机动车辆，则确认所述空闲泊位存在违规占用行为并输出告警信息。
44.具体地，例如，若该泊位采用非视频采集设备，如地磁、pos机、巡检车等，则将算法模块挖掘出的泊位异常占用数据直接向执法部门进行呈送，执法部门相关人员需对泊位异常占用数据的准确性、及时性进行评估及确认，而后前往现场对违规占用泊位情况进行现场核实、拍照取证、采取治理措施，如清理违规占用物、对相关企业/个人进行警告或罚款等。如执法部门前往现场后发现误报，可在道路泊位违规占用检测系统中进行反馈。机器学习算法将依据这些反馈数据，自动对道路泊位违规占用算法模块中采用的参数进行调优，从而提升输出泊位异常占用数据的准确性。若泊位采用视频采集设备，如高位视频、视频桩、路牙机等进行管理，则道路泊位违规占用管理系统请求该泊位的采集设备上传一张泊位最新的图片，然后通过语义分割算法、实例分割算法等识别算法族对图片进行识别分析，得到最终结果并进行上报。
45.进一步地，若所述空闲泊位的占用状态为未占用，或者所述空闲泊位的占用状态为占用并且占用物体目标类型为机动车辆，则确认所述空闲泊位为车位停车异常统计并输出告警信息。
46.对于本发明方法实施例的具体应用场景可以如下所示，但不限于此，包括：某个停车场a，包含a1、a2
…
a52等52个路内泊位。各泊位均通过高位视频设备进行管理，并实时将采集到的车辆入场数据、出场数据上传至道路泊位违规占用管理系统。2022年9月16日，道路泊位违规占用管理系统发现泊位a26自2022年9月13日起，已连续3天无车辆入场数据，且泊位始终处于空闲状态，触发报警。首先对报警泊位及其周边泊位的泊位资源利用率进行计算。泊位资源利用率＝统计时段内泊位停车总时长/统计时段长度*100％，该指标用于评估泊位上有车停放的时段占可停放总时长的比例。在本案例中，报警泊位a26的泊位资源利用率仅为5.98％，然后通过各类机器学习算法模型，对报警泊位a26的特征，如周边poi、泊位属性、停车成本等进行分析，并寻找该泊位附近与之特征类似的泊位，对比泊位资源率。如报警泊位a26自身泊位资源利用率明显处于较低数值5.98％且明显低于周边特征类似泊位的泊位资源利用率本场景中，周边类似泊位的泊位资源利用率普遍高于60％，则判定为疑似违规占用泊位。
47.进一步地，道路泊位违规占用管理系统请求该泊位的高位视频设备，获取该泊位的一张实时图片，然后通过语义识别算法，首先将图片中的行人、机动车、摩托车、非机动车、交通标线进行分类。进而通过实例分割算法，提取报警泊位a26上的物体，进而通过图像识别算法，将泊位a26上停放的物体识别为摩托车，由于摩托车不属于路内泊位可停放的机动车类型，故确认a26泊位被摩托车违规占用。此时，道路泊位违规占用管理系统，将数据及图片呈送至执法部门，由执法部门对该泊位进行治理。
48.本发明提供的一种基于机器学习算法的道路泊位违规占用管理方法，在进行违规占用判定之前，首先根据各个泊位的停车数据从所述各个泊位中获取空闲时间大于或等于预设阈值的空闲泊位；并根据所述空闲时间大于或等于预设阈值的空闲泊位的泊位停车数
据，通过预置机器学习算法获取所述空闲泊位的占用类型；再根据所述空闲泊位的占用类型对所述空闲泊位的违规占用行为进行处理，可以避免实时识别获取采集各个泊位的状态，减少不必要的运算资源浪费，同时也可以避免过路车辆和非机动车辆的误识别，提升道路泊位违规占用的识别准确率。
49.为实现本发明实施例提供的方法，本发明实施例提供一种基于机器学习算法的道路泊位违规占用管理系统，如图2所示，该系统包括：获取单元21、处理单元22。
50.获取单元21，用于获取监控设备采集的各个泊位的停车数据。
51.所述获取单元21，还用于根据所述各个泊位的停车数据从所述各个泊位中获取空闲时间大于或等于预设阈值的空闲泊位。
52.所述获取单元21，还用于根据所述空闲时间大于或等于预设阈值的空闲泊位的泊位停车数据，通过预置机器学习算法获取所述空闲泊位的占用类型。
53.处理单元22，用于根据所述空闲泊位的占用类型对所述空闲泊位的违规占用行为进行处理。
54.进一步地，所述获取单元21，具体用于根据所述各个泊位的停车数据从所述各个泊位中获取空闲泊位；根据所述各个泊位对应的停车入场事件信息从所述空闲泊位中获取不存在入场事件信息大于或等于预设时间的空闲泊位作为所述空闲时间大于或等于预设阈值的空闲泊位。
55.进一步地，所述获取单元21，具体还用于根据所述空闲时间大于或等于预设阈值的空闲泊位的泊位停车数据，通过预置机器学习算法判断所述空闲泊位上是否存在物体目标；若存在，则根据所述泊位停车数据识别获取所述物体目标类型。
56.进一步地，所述处理单元22，具体用于若所述空闲泊位的占用状态为占用并且占用物体目标类型为非机动车辆，则确认所述空闲泊位存在违规占用行为并输出告警信息。
57.进一步地，所述处理单元22，具体还用于若所述空闲泊位的占用状态为未占用，或者所述空闲泊位的占用状态为占用并且占用物体目标类型为机动车辆，则确认所述空闲泊位为车位停车异常统计并输出告警信息。、
58.本发明提供的一种基于机器学习算法的道路泊位违规占用管理系统，在进行违规占用判定之前，首先根据各个泊位的停车数据从所述各个泊位中获取空闲时间大于或等于预设阈值的空闲泊位；并根据所述空闲时间大于或等于预设阈值的空闲泊位的泊位停车数据，通过预置机器学习算法获取所述空闲泊位的占用类型；再根据所述空闲泊位的占用类型对所述空闲泊位的违规占用行为进行处理，可以避免实时识别获取采集各个泊位的状态，减少不必要的运算资源浪费，同时也可以避免过路车辆和非机动车辆的误识别，提升道路泊位违规占用的识别准确率。
59.应该明白，公开的过程中的步骤的特定顺序或层次是示例性方法的实例。基于设计偏好，应该理解，过程中的步骤的特定顺序或层次可以在不脱离本公开的保护范围的情况下得到重新安排。所附的方法权利要求以示例性的顺序给出了各种步骤的要素，并且不是要限于所述的特定顺序或层次。
60.在上述的详细描述中，各种特征一起组合在单个的实施方案中，以简化本公开。不应该将这种公开方法解释为反映了这样的意图，即，所要求保护的主题的实施方案需要比清楚地在每个权利要求中所陈述的特征更多的特征。相反，如所附的权利要求书所反映的
那样，本发明处于比所公开的单个实施方案的全部特征少的状态。因此，所附的权利要求书特此清楚地被并入详细描述中，其中每项权利要求独自作为本发明单独的优选实施方案。
61.为使本领域内的任何技术人员能够实现或者使用本发明，上面对所公开实施例进行了描述。对于本领域技术人员来说；这些实施例的各种修改方式都是显而易见的，并且本文定义的一般原理也可以在不脱离本公开的精神和保护范围的基础上适用于其它实施例。因此，本公开并不限于本文给出的实施例，而是与本技术公开的原理和新颖性特征的最广范围相一致。
62.上文的描述包括一个或多个实施例的举例。当然，为了描述上述实施例而描述部件或方法的所有可能的结合是不可能的，但是本领域普通技术人员应该认识到，各个实施例可以做进一步的组合和排列。因此，本文中描述的实施例旨在涵盖落入所附权利要求书的保护范围内的所有这样的改变、修改和变型。此外，就说明书或权利要求书中使用的术语“包含”，该词的涵盖方式类似于术语“包括”，就如同“包括，”在权利要求中用作衔接词所解释的那样。此外，使用在权利要求书的说明书中的任何一个术语“或者”是要表示“非排它性的或者”。
63.本领域技术人员还可以了解到本发明实施例列出的各种说明性逻辑块(illustrative logical block)，单元，和步骤可以通过电子硬件、电脑软件，或两者的结合进行实现。为清楚展示硬件和软件的可替换性(interchangeability)，上述的各种说明性部件(illustrative components)，单元和步骤已经通用地描述了它们的功能。这样的功能是通过硬件还是软件来实现取决于特定的应用和整个系统的设计要求。本领域技术人员可以对于每种特定的应用，可以使用各种方法实现所述的功能，但这种实现不应被理解为超出本发明实施例保护的范围。
64.本发明实施例中所描述的各种说明性的逻辑块，或单元都可以通过通用处理器，数字信号处理器，专用集成电路(asic)，现场可编程门阵列或其它可编程逻辑系统，离散门或晶体管逻辑，离散硬件部件，或上述任何组合的设计来实现或操作所描述的功能。通用处理器可以为微处理器，可选地，该通用处理器也可以为任何传统的处理器、控制器、微控制器或状态机。处理器也可以通过计算系统的组合来实现，例如数字信号处理器和微处理器，多个微处理器，一个或多个微处理器联合一个数字信号处理器核，或任何其它类似的配置来实现。
65.本发明实施例中所描述的方法或算法的步骤可以直接嵌入硬件、处理器执行的软件模块、或者这两者的结合。软件模块可以存储于ram存储器、闪存、rom存储器、eprom存储器、eeprom存储器、寄存器、硬盘、可移动磁盘、cd-rom或本领域中其它任意形式的存储媒介中。示例性地，存储媒介可以与处理器连接，以使得处理器可以从存储媒介中读取信息，并可以向存储媒介存写信息。可选地，存储媒介还可以集成到处理器中。处理器和存储媒介可以设置于asic中，asic可以设置于用户终端中。可选地，处理器和存储媒介也可以设置于用户终端中的不同的部件中。
66.在一个或多个示例性的设计中，本发明实施例所描述的上述功能可以在硬件、软件、固件或这三者的任意组合来实现。如果在软件中实现，这些功能可以存储与电脑可读的媒介上，或以一个或多个指令或代码形式传输于电脑可读的媒介上。电脑可读媒介包括电脑存储媒介和便于使得让电脑程序从一个地方转移到其它地方的通信媒介。存储媒介可以
是任何通用或特殊电脑可以接入访问的可用媒体。例如，这样的电脑可读媒体可以包括但不限于ram、rom、eeprom、cd-rom或其它光盘存储、磁盘存储或其它磁性存储系统，或其它任何可以用于承载或存储以指令或数据结构和其它可被通用或特殊电脑、或通用或特殊处理器读取形式的程序代码的媒介。此外，任何连接都可以被适当地定义为电脑可读媒介，例如，如果软件是从一个网站站点、服务器或其它远程资源通过一个同轴电缆、光纤电缆、双绞线、数字用户线(dsl)或以例如红外、无线和微波等无线方式传输的也被包含在所定义的电脑可读媒介中。所述的碟片(disk)和磁盘(disc)包括压缩磁盘、镭射盘、光盘、dvd、软盘和蓝光光盘，磁盘通常以磁性复制数据，而碟片通常以激光进行光学复制数据。上述的组合也可以包含在电脑可读媒介中。
67.以上所述的具体实施方式，对本发明的目的、技术方案和有益效果进行了进一步详细说明，所应理解的是，以上所述仅为本发明的具体实施方式而已，并不用于限定本发明的保护范围，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

技术特征：
1.一种基于机器学习算法的道路泊位违规占用管理方法，其特征在于，所述方法包括：获取监控设备采集的各个泊位的停车数据；根据所述各个泊位的停车数据从所述各个泊位中获取空闲时间大于或等于预设阈值的空闲泊位；根据所述空闲时间大于或等于预设阈值的空闲泊位的泊位区域监控数据，通过预置机器学习算法获取所述空闲泊位的占用类型；根据所述空闲泊位的占用类型对所述空闲泊位进行违规占用行为判断和处理。2.根据权利要求1所述的一种基于机器学习算法的道路泊位违规占用管理方法，其特征在于，所述根据所述各个泊位的停车数据从所述各个泊位中获取空闲时间大于或等于预设阈值的空闲泊位的步骤包括：根据所述各个泊位的停车数据从所述各个泊位中获取空闲泊位；根据所述各个泊位对应的停车入场事件信息从所述空闲泊位中获取不存在入场事件信息大于或等于预设时间的空闲泊位作为所述空闲时间大于或等于预设阈值的空闲泊位。3.根据权利要求1所述的一种基于机器学习算法的道路泊位违规占用管理方法，其特征在于，所述占用类型包括占用状态和物体目标类型，所述根据所述空闲时间大于或等于预设阈值的空闲泊位的泊位区域监控数据，通过预置机器学习算法获取所述空闲泊位的占用类型的步骤包括：根据所述空闲时间大于或等于预设阈值的空闲泊位的泊位区域监控数据，通过预置机器学习算法判断所述空闲泊位上是否存在物体目标；若存在，则根据所述泊位区域监控数据识别获取所述物体目标类型。4.根据权利要求3所述的一种基于机器学习算法的道路泊位违规占用管理方法，其特征在于，所述根据所述空闲泊位的占用类型对所述空闲泊位进行违规占用行为判断和处理的步骤包括：若所述空闲泊位的占用状态为占用并且占用物体目标类型为非机动车辆，则确认所述空闲泊位存在违规占用行为并输出告警信息。5.根据权利要求3所述的一种基于机器学习算法的道路泊位违规占用管理方法，其特征在于，所述根据所述空闲泊位的占用类型对所述空闲泊位进行违规占用行为判断和处理的步骤包括：若所述空闲泊位的占用状态为未占用，或者所述空闲泊位的占用状态为占用并且占用物体目标类型为机动车辆，则确认所述空闲泊位为车位停车异常统计并输出告警信息。6.一种基于机器学习算法的道路泊位违规占用管理系统，其特征在于，所述系统包括：获取单元，用于获取监控设备采集的各个泊位的停车数据；所述获取单元，还用于根据所述各个泊位的停车数据从所述各个泊位中获取空闲时间大于或等于预设阈值的空闲泊位；所述获取单元，还用于根据所述空闲时间大于或等于预设阈值的空闲泊位的泊位停车数据，通过预置机器学习算法获取所述空闲泊位的占用类型；处理单元，用于根据所述空闲泊位的占用类型对所述空闲泊位的违规占用行为进行处理。7.根据权利要求6所述的一种基于机器学习算法的道路泊位违规占用管理系统，其特
征在于，所述获取单元，具体用于根据所述各个泊位的停车数据从所述各个泊位中获取空闲泊位；根据所述各个泊位对应的停车入场事件信息从所述空闲泊位中获取不存在入场事件信息大于或等于预设时间的空闲泊位作为所述空闲时间大于或等于预设阈值的空闲泊位。8.根据权利要求6所述的一种基于机器学习算法的道路泊位违规占用管理系统，其特征在于，所述获取单元，具体还用于根据所述空闲时间大于或等于预设阈值的空闲泊位的泊位停车数据，通过预置机器学习算法判断所述空闲泊位上是否存在物体目标；若存在，则根据所述泊位停车数据识别获取所述物体目标类型。9.根据权利要求8所述的一种基于机器学习算法的道路泊位违规占用管理系统，其特征在于，所述处理单元，具体用于若所述空闲泊位的占用状态为占用并且占用物体目标类型为非机动车辆，则确认所述空闲泊位存在违规占用行为并输出告警信息。10.根据权利要求8所述的一种基于机器学习算法的道路泊位违规占用管理系统，其特征在于，所述处理单元，具体还用于若所述空闲泊位的占用状态为未占用，或者所述空闲泊位的占用状态为占用并且占用物体目标类型为机动车辆，则确认所述空闲泊位为车位停车异常统计并输出告警信息。

技术总结
本发明公开一种基于机器学习算法的道路泊位违规占用管理方法及系统，涉及智能道路停车管理领域，包括：在进行违规占用判定之前，首先根据各个泊位的停车数据从所述各个泊位中获取空闲时间大于或等于预设阈值的空闲泊位；并根据所述空闲时间大于或等于预设阈值的空闲泊位的泊位停车数据，通过预置机器学习算法获取所述空闲泊位的占用类型；再根据所述空闲泊位的占用类型对所述空闲泊位的违规占用行为进行处理，可以避免实时识别获取采集各个泊位的状态，减少不必要的运算资源浪费，同时也可以避免过路车辆和非机动车辆的误识别，提升道路泊位违规占用的识别准确率。道路泊位违规占用的识别准确率。道路泊位违规占用的识别准确率。


技术研发人员：闫军 李跃
受保护的技术使用者：智慧互通科技股份有限公司
技术研发日：2022.12.19
技术公布日：2023/6/27