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！

龙图腾网获悉同济大学申请的专利一种基于众包数据的城市停车全域可信感知方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN116108389B 。

龙图腾网通过国家知识产权局官网在2026-04-21发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202310020657.3，技术领域涉及：G06F18/2415；该发明授权一种基于众包数据的城市停车全域可信感知方法是由赵聪;杜豫川;季添翼;汪诗雨设计研发完成，并于2023-01-06向国家知识产权局提交的专利申请。

本一种基于众包数据的城市停车全域可信感知方法在说明书摘要公布了：本发明涉及一种基于众包数据的城市停车全域可信感知方法，包括以下步骤：S1、构建基于深度学习的停车位检测模型；S2、定义四种影响因素并与仿真场景结合，研究并分析不同影响因素组合对停车位检测模型的影响规律和感知成功率的相关性；S3、对定义的四种影响因素进行评估，建立不同外部因素干扰下停车位状态感知失效概率预测模型，预测停车位检测模型识别的可信度；S4、搭建多车感知仿真场景，分析车队规模对于停车位检测模型的影响规律，构建数据新鲜度模型，定义众包数据的可信融合方法，完成对城市级路侧停车位状态的可信感知。与现有技术相比，本发明具有提升路侧停车位状态的可信感知准确率、提高可信度、实时性强等优点。

本发明授权一种基于众包数据的城市停车全域可信感知方法在权利要求书中公布了：1.一种基于众包数据的城市停车全域可信感知方法，其特征在于，所述的方法包括以下步骤： S1、构建基于深度学习的停车位检测模型； S2、定义四种影响因素并与仿真场景结合，研究不同影响因素组合对停车位检测模型的影响规律，并分析影响因素与停车位检测模型感知成功率的相关性； S3、利用集成学习方法对定义的四种影响因素进行评估，建立不同外部因素干扰下停车位状态感知失效概率预测模型，预测在不同影响因素的干扰下停车位检测模型识别的可信度； S4、搭建多车感知仿真场景，分析车队规模对于停车位检测模型的影响规律，构建数据新鲜度模型，定义众包数据的可信融合方法，完成对城市级路侧停车位状态的可信感知； 所述的S1具体包括以下步骤： S101、定义停车位端点和以及停车位入口线识别方法，若是平行停车位的入口线，则；若是垂直停车位或者倾斜停车位，则，其中参数、、、是根据不同停车位入口线长度的先验知识确定的；并且若两端点之间存在一个端点漏检而无法形成有效停车位入口线，则通过对两个端点形成的局部图像进行识别来完成； S102、计算完整的停车位坐标，每个停车位由、、和四个点组成，其中和为组成停车位入口线的两个端点，和为无法在图像中看到的停车位另外两个端点，其坐标计算过程为 其中，和分别为停车位的角度和深度，垂直停车位和平行停车位的角度均为，深度分别为和；倾斜停车位的深度均为，角度根据锐角或钝角分别设置为和； S103、对停车场占用进行分类，采用正则化的形式来最大化分类性能，运用透视变换技术，将停车位根据其在图像中的位置进行切割并扭曲成120×46统一尺寸的像素，图像中停车位的四个边界点作为源点，而目标点是120×46像素的固定矩形的四个顶点，将得到的一系列有标签的图像分为正样本和负样本，其中正样本表示空闲的停车位，负样本表示占用的停车位，并将图像进行180°的旋转变换，进一步增加训练样本的数量，最后通过不同颜色的标记对车位占用情况进行区分； 所述的S2具体为： S201、搭建仿真场景，设置的道路参与要素包括停车位数量、停车位位置、行驶车辆、停驶车辆和障碍物；设置传感器参数包括位置、拍照频率和图片像素； S202、定义并量化路幅宽度、停车位入口线磨损程度、停车位交通流量和摄像头清晰度四种影响因素； S203、定义四类不同的应用场景，在每一类应用场景下仿真计算不同组合影响因素下停车位检测模型的失效概率，分析不同影响因素对停车位检测模型的影响规律；其中四类不同的应用场景包括光照正常的晴天、弱光照的夜间、光线刺眼的晴天和低能见度的雨雾天； S204、采集不同组合影响因素下仿真所得的微观数据，利用回归分析建立分层回归模型对影响因素进行评价；逐步添加路幅宽度、停车位入口线磨损程度、停车位交通流量和摄像头清晰程度四种影响因素，分析四种影响因素对停车位检测模型感知成功率的影响水平； 所述的S3具体为： S301、采用集成学习XGBoost算法，对任意不同组合的影响因素对应的结果进行分类预测，构建四类不同的应用场景对路侧停车位识别的可信度预测模型； S302、对数据集进行分层K折划分，交叉验证可信度预测模型，预测在不同影响因素的干扰下停车位检测模型识别的可信度，比较影响因素的重要程度； S303、将数据基于S302所得的可信度预测结果进行人工修正，对可信度预测模型重新训练，进行交叉验证，提过预测准确性和模型泛化能力； 所述的S4具体为： S401、搭建多车仿真场景，不断增加仿真中检测车数量，收集仿真中停车位检测模型准确度数据，分析车队规模对于停车位检测模型的影响规律； S402、构建数据新鲜度模型，设置动态新鲜度时间窗口，定义众包数据的可信融合方法，构建基于众包数据的路侧停车位状态感知方法； S403、设置多车检测环境进行仿真，研究基于众包数据的路侧停车位状态感知方法对城市级路侧停车位状态感知准确率的提升。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人同济大学，其通讯地址为：200092 上海市杨浦区四平路1239号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。