[发明专利]停车场空闲车位预测方法、装置、电子设备及存储介质

权利要求书

1.一种停车场空闲车位预测方法，其特征在于，包括：

针对待处理区域内的停车场构建停车场关联图，其中的每个结点分别表示一个停车场，将符合预定条件的任意两个停车场通过边相连；

针对任一停车场i，分别进行以下处理：

根据所述停车场i及所述停车场关联图中与所述停车场i通过边相连的邻居停车场的环境上下文特征，确定出当前时刻所述停车场i的局部空间相关性信息，包括：基于图注意力神经网络模型确定出当前时刻所述停车场i的局部空间相关性信息；

根据基于当前时刻各停车场的局部空间相关性信息构建出的软分配矩阵，确定出当前时刻所述停车场i的全局空间相关性信息，包括：基于分层图神经网络模型，根据当前时刻各停车场的局部空间相关性信息构建出所述软分配矩阵，并根据所述软分配矩阵确定出当前时刻所述停车场i的全局空间相关性信息；

根据所述局部空间相关性信息及所述全局空间相关性信息，确定出当前时刻所述停车场i的时间相关性信息，并根据当前时刻所述停车场i的时间相关性信息对所述停车场i在未来至少一个时间步的空闲车位信息进行预测，包括：基于门循环神经网络模型确定出当前时刻所述停车场i的时间相关性信息，并根据当前时刻所述停车场i的时间相关性信息对所述停车场i在未来至少一个时间步的空闲车位信息进行预测。

2.根据权利要求1所述的方法，其特征在于，

所述将符合预定条件的任意两个停车场通过边相连包括：将任意两个距离小于或等于预定阈值的停车场通过边相连。

3.根据权利要求1所述的方法，其特征在于，

所述基于图注意力神经网络模型确定出当前时刻所述停车场i的局部空间相关性信息包括：

针对各邻居停车场，分别根据当前时刻各邻居停车场及所述停车场i的环境上下文特征，确定出当前时刻各邻居停车场与所述停车场i之间的边的权重；

根据各邻居停车场与所述停车场i之间的边的权重，聚合各邻居停车场的环境上下文特征，得到所述停车场i的表征向量，将所述表征向量作为当前时刻所述停车场i的局部空间相关性信息。

4.根据权利要求3所述的方法，其特征在于，

任一邻居停车场j与所述停车场i之间的边的权重；

其中，所述；所述表示图注意力机制；所述表示所述邻居停车场的数量；所述表示当前时刻所述停车场i的环境上下文特征；所述表示当前时刻所述邻居停车场j的环境上下文特征；所述表示预先训练得到的模型参数。

5.根据权利要求3所述的方法，其特征在于，

所述表征向量；

其中，所述表示所述邻居停车场的数量；所述表示当前时刻所述个邻居停车场中的任一邻居停车场j的环境上下文特征；所述表示当前时刻所述邻居停车场j与所述停车场i之间的边的权重；所述表示预先训练得到的模型参数；所述表示激活函数。

6.根据权利要求1所述的方法，其特征在于，

所述基于当前时刻各停车场的局部空间相关性信息构建出所述软分配矩阵，并基于所述软分配矩阵确定出当前时刻所述停车场i的全局空间相关性信息包括：

根据当前时刻各停车场的局部空间相关性信息，生成一个N行K列的软分配矩阵，所述N等于所述停车场关联图中的停车场数，所述K等于设定的潜在结点数，所述软分配矩阵中的每一行分别对应于一个停车场，所述软分配矩阵中的每一列分别对应于一个潜在结点，所述软分配矩阵中的每一行中的每个元素分别表示对应的停车场属于对应的潜在结点的概率；

根据所述软分配矩阵，分别确定出各潜在结点的表征向量，并分别确定出各潜在结点之间的边的权重，任意两个潜在结点之间均通过边相连；

根据各潜在结点的表征向量以及各潜在结点之间的边的权重确定出各潜在结点的最终表征向量；

针对所述停车场i，根据各潜在结点的最终表征向量以及所述软分配矩阵，确定出当前时刻所述停车场i的全局空间相关性信息。