本技术涉及智慧交通，特别涉及一种用于智慧交通的道路泊位动态规划方法及装置。
背景技术：
1、在现代城市环境中，随着机动车辆数量的激增，城市交通拥堵和停车难问题日益严重。特别是在商业区、办公区以及居民区，泊位的供需矛盾尤为突出。用户在寻找泊位时往往需要花费大量时间在道路上低速行驶，这不仅增加了燃油消耗和排放，还加剧了交通压力。因此，开发一种能够有效管理和优化城市停车资源的泊位系统，对于缓解城市交通压力、提高停车效率具有重要意义。
2、相关技术中，泊位系统例如现有的基于视频监控的泊位搜索系统，该系统通过视频监测泊位的占用状态。用户可以通过相应的移动应用查询空闲泊位，并自行导航前往。由于道路泊位处于开放式的特殊性，导致用户在到达预定泊位的这段时间内车位被其他车辆占用，无法满足用户快速、准确的将车辆停放至目的地附近的泊位。
技术实现思路
1、本技术实施例提供了一种用于智慧交通的道路泊位动态规划方法及装置。为了对披露的实施例的一些方面有一个基本的理解，下面给出了简单的概括。该概括部分不是泛泛评述，也不是要确定关键／重要组成元素或描绘这些实施例的保护范围。其唯一目的是用简单的形式呈现一些概念，以此作为后面的详细说明的序言。
2、第一方面，本技术实施例提供了一种用于智慧交通的道路泊位动态规划方法，应用于服务端，方法包括：
3、响应于客户端发送的泊位规划请求，根据泊位规划请求携带的用户前往的目的地和用户的当前位置，规划最短行驶路径；
4、从高位视频监控系统中，获取最短行驶路径中距离目的地预设距离的子路段的泊位视频；
5、根据子路段的泊位视频，识别子路段上的多个空闲道路泊位；其中，多个空闲道路泊位是根据预先训练的空闲道路泊位判定模型对每个关键帧的关键帧向量及其描述文本向量进行分析得到的，每个关键帧的关键帧向量是基于从泊位视频中提取的包含泊位清晰图像的多个关键帧生成的，描述文本向量是基于每个关键帧的泊位描述信息生成的，预先训练的空闲道路泊位判定模型是用于判定子路段上的道路泊位是否空闲的数学模型；
6、从多个空闲道路泊位中，识别最优的目标泊位；其中，最优的目标泊位是与用户的匹配得分最高的空闲道路泊位，与用户的匹配得分最高的空闲道路泊位是根据用户的停车需求信息，对每个空闲道路泊位的泊位身份信息进行数据分析处理得到的，每个空闲道路泊位的泊位身份信息为收集的每个空闲道路泊位的大小、类型、费用信息以及gps坐标；
7、以目标泊位的位置为终点，启动导航服务生成导航信息反馈至客户端，并继续执行获取最短行驶路径中距离目的地预设距离的子路段的泊位视频的步骤，以进行道路泊位动态规划，直到用户到达目标泊位。
8、可选的，根据子路段的泊位视频，识别子路段上的多个空闲道路泊位，包括：
9、从子路段上的泊位视频中，提取子路段上包含泊位清晰图像的多个关键帧；
10、获取每个关键帧对应的文字描述信息，得到每个关键帧的泊位描述信息；
11、对每个关键帧进行运动矫正、时间校准以及空间归一化处理，得到每个关键帧的关键帧向量；
12、采用word2vec网络或bert网络，对每个关键帧的泊位描述信息进行向量化处理，得到每个关键帧的描述文本向量；
13、将每个关键帧的关键帧向量及其描述文本向量输入预先训练的空闲道路泊位判定模型中，输出子路段对应的多个空闲道路泊位。
14、可选的，预先训练的空闲道路泊位判定模型包括空间特征提取模块、文本特征提取模块、空间特征与文本特征融合模块以及泊位预测模块；
15、将每个关键帧的关键帧向量及其描述文本向量输入预先训练的空闲道路泊位判定模型中，输出子路段对应的多个空闲道路泊位，包括：
16、空间特征提取模块对每个关键帧的关键帧向量进行空间特征提取处理，得到每个关键帧的关键帧向量对应的空间特征；
17、文本特征提取模块对每个关键帧的描述文本向量进行文本特征提取处理，得到每个关键帧的描述文本向量对应的文本特征；
18、空间特征与文本特征融合模块将每个关键帧的关键帧向量对应的空间特征与每个关键帧的描述文本向量对应的文本特征进行特征融合处理，得到每个关键帧的帧-文本融合特征；
19、将每个关键帧的帧-文本融合特征输入泊位预测模块中，输出子路段对应的多个空闲道路泊位；其中，特征融合处理的表达式为：
20、
21、其中，为第个关键帧的关键帧向量对应的第个空间特征与第个关键帧的描述文本向量对应的第个文本特征进行融合得到的帧-文本融合特征。
22、可选的，对每个关键帧的关键帧向量进行空间特征提取处理，得到每个关键帧的关键帧向量对应的空间特征，包括：
23、提取每个关键帧的关键帧向量的数据特征；
24、提取数据特征在时间维度上的空间特征；
25、将空间特征中的每个空间点对应的空间向量作为网络节点，并将数据特征中的空间上的连接信息作为网络的边；
26、以网络节点和网络的边为基础，构建节点图；
27、对节点图中各节点属性进行线性变换，以将不同节点的信息映射到同一个向量空间，得到每个关键帧的基础向量表示；
28、对每个关键帧的基础向量表示分别进行特征聚合，得到每个关键帧的关键帧向量对应的空间特征。
29、可选的，按照以下步骤生成预先训练的空闲道路泊位判定模型，包括：
30、获取任意路段上预设周期内的历史泊位视频，并提取历史泊位视频中包含泊位清晰图像的多个历史关键帧；
31、针对每个历史关键帧，生成包括泊位的位置、大小、颜色以及是否有车辆停放状态信息的文字描述信息，得到每个历史关键帧的历史泊位描述信息；
32、基于每个历史关键帧及其历史泊位描述信息，生成模型训练集；
33、创建并聚合空间特征提取模块、文本特征提取模块、空间特征与文本特征融合模块以及泊位预测模块，得到空闲道路泊位判定模型；
34、将模型训练集输入空闲道路泊位判定模型中，输出模型损失值；
35、在模型损失值到达最小时，得到预先训练的空闲道路泊位判定模型；或者在模型损失值未到达最小时，将模型损失值进行反向传播，以更新空闲道路泊位判定模型的模型参数，并继续执行将模型训练集输入空闲道路泊位判定模型中的步骤，直到模型损失值到达最小。
36、可选的，基于每个历史关键帧及其历史泊位描述信息，生成模型训练集，包括：
37、对每个历史关键帧进行运动矫正、时间校准以及空间归一化处理，得到每个历史关键帧的历史关键帧向量；
38、采用word2vec网络或bert网络，对每个历史关键帧的历史泊位描述信息进行向量化处理，得到每个历史关键帧的历史描述文本向量；
39、针对每个历史关键帧的历史关键帧向量及其历史描述文本向量，接收输入的用于表征每个历史关键帧中道路泊位是否空闲的真实标签进行数据标定，得到模型训练集；其中，
40、预先训练的空闲道路泊位判定模型的模型损失函数为：
41、
42、其中，为损失值，为模型训练数据的真实标签，为空闲道路泊位判定模型预测的预测标签，是根据一个模型训练数据进行模型处理得到的。
43、可选的，从多个空闲道路泊位中，识别最优的目标泊位，包括：
44、收集每个空闲道路泊位的大小、类型、费用信息以及gps坐标，得到每个空闲道路泊位的泊位身份信息；
45、根据用户的身份标识，从预先建立的身份标识与历史停车数据的映射关系中，获取对应的历史停车数据；
46、基于历史停车数据，分析用户的停车需求信息；
47、根据用户的停车需求信息，对每个空闲道路泊位的泊位身份信息进行数据分析处理，得到每个空闲道路泊位与用户的匹配得分；
48、将与用户的匹配得分最高的空闲道路泊位，确定为最优的目标泊位。
49、可选的，用户的停车需求信息包括用户的车辆大小信息、用户对泊位偏好信息、用户支付偏好信息以及用户目的地gps；
50、根据用户的停车需求信息，对每个空闲道路泊位的泊位身份信息进行数据分析处理，得到每个空闲道路泊位与用户的匹配得分，包括：
51、根据每个空闲道路泊位的大小与车辆大小信息，计算泊位大小与用户车辆的第一匹配度；其中，
52、第一匹配度的计算公式为：
53、
54、其中，为调整因子，用于确保泊位大小至少是车辆大小的一定比例；其中，是一个函数，用于返回两个值中的最小值；
55、根据每个空闲道路泊位的类型与用户对泊位偏好信息，计算泊位类型与用户泊位偏好的第二匹配度；
56、第二匹配度的计算公式为：
57、
58、根据每个空闲道路泊位的费用信息与用户支付偏好信息，计算泊位费用与用户支付的第三匹配度；
59、第三匹配度的计算公式为：
60、
61、根据每个空闲道路泊位的gps坐标与用户目的地gps，计算泊位地理位置与用户目的地的第四匹配度；
62、第四匹配度的计算公式为：
63、
64、其中，为衰减因子，用于调整距离对匹配度的影响，是常数e的指数，e为2.71828；
65、将第一匹配度、第二匹配度、第三匹配度以及第四匹配度进行加权求和，得到每个空闲道路泊位与用户的匹配得分；其中，
66、
67、其中，s为每个空闲道路泊位与用户的匹配得分，、、、为权重值且和为1，为泊位大小与用户车辆的第一匹配度，为泊位类型与用户泊位偏好的第二匹配度，为泊位费用与用户支付的第三匹配度，为泊位地理位置与用户目的地的第四匹配度。
68、可选的，基于历史停车数据，分析用户的停车需求信息，包括：
69、从历史停车数据中，提取用户的车辆大小信息；
70、根据历史停车数据，分析用户选择的泊位类型以及用户对特定泊位特征的偏好，得到用户对泊位偏好信息；
71、根据历史停车数据，分析用户支付停车费用的记录和支付金额，得到用户支付偏好信息；
72、获取目的地的gps；
73、将用户的车辆大小信息、用户对泊位偏好信息、用户支付偏好信息以及用户目的地gps作为用户的停车需求信息。
74、第二方面，本技术实施例提供了一种用于智慧交通的道路泊位动态规划装置，装置包括：
75、最短行驶路径规划模块，用于响应于客户端发送的泊位规划请求，根据泊位规划请求携带的用户前往的目的地和用户的当前位置，规划最短行驶路径；
76、泊位视频获取模块，用于从高位视频监控系统中，获取最短行驶路径中距离目的地预设距离的子路段的泊位视频；
77、空闲道路泊位识别模块，用于根据子路段的泊位视频，识别子路段上的多个空闲道路泊位；其中，多个空闲道路泊位是根据预先训练的空闲道路泊位判定模型对每个关键帧的关键帧向量及其描述文本向量进行分析得到的，每个关键帧的关键帧向量是基于从泊位视频中提取的包含泊位清晰图像的多个关键帧生成的，描述文本向量是基于每个关键帧的泊位描述信息生成的，预先训练的空闲道路泊位判定模型是用于判定子路段上的道路泊位是否空闲的数学模型；
78、最优的目标泊位识别模块，用于从多个空闲道路泊位中，识别最优的目标泊位；其中，最优的目标泊位是与用户的匹配得分最高的空闲道路泊位，与用户的匹配得分最高的空闲道路泊位是根据用户的停车需求信息，对每个空闲道路泊位的泊位身份信息进行数据分析处理得到的，每个空闲道路泊位的泊位身份信息为收集的每个空闲道路泊位的大小、类型、费用信息以及gps坐标；
79、导航服务启动模块，用于以目标泊位的位置为终点，启动导航服务生成导航信息反馈至客户端，并继续执行获取最短行驶路径中距离目的地预设距离的子路段的泊位视频的步骤，以进行道路泊位动态规划，直到用户到达目标泊位。
80、本技术实施例提供的技术方案可以包括以下有益效果：
81、在本技术实施例中，一方面，本技术通过从连续的视频流中提取关键帧，利用深度学习模型分析关键帧向量及其描述文本向量，从而高效准确地判定泊位的空闲状态，同时能够持续跟踪用户的行驶状态和泊位的实时变化，动态更新最优泊位推荐，直至用户顺利停放车辆，该方式不仅极大提升了泊位搜索的速度和准确性，而且通过减少搜索过程中的时间浪费，有效缓解了城市交通拥堵；另一方面，本技术采用了灵活的个性化服务机制，系统对空闲泊位的推荐不仅考虑了泊位的物理属性，如大小和类型，还考虑了与用户目的地的地理距离和用户的支付意愿，通过这种个性化的数据分析和处理，系统能够为用户推荐最匹配的泊位，从而提供更加贴心和便捷的停车体验，可实现用户快速、准确的将车辆停放至目的地附近的泊位。
82、应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本技术。
1.一种用于智慧交通的道路泊位动态规划方法，其特征在于，应用于服务端，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述根据所述子路段的泊位视频，识别所述子路段上的多个空闲道路泊位，包括：
3.根据权利要求2所述的方法，其特征在于，所述预先训练的空闲道路泊位判定模型包括空间特征提取模块、文本特征提取模块、空间特征与文本特征融合模块以及泊位预测模块；
4.根据权利要求3所述的方法，其特征在于，所述对所述每个关键帧的关键帧向量进行空间特征提取处理，得到所述每个关键帧的关键帧向量对应的空间特征，包括：
5.根据权利要求2所述的方法，其特征在于，按照以下步骤生成预先训练的空闲道路泊位判定模型，包括：
6.根据权利要求5所述的方法，其特征在于，所述基于每个历史关键帧及其历史泊位描述信息，生成模型训练集，包括：
7.根据权利要求1所述的方法，其特征在于，所述从所述多个空闲道路泊位中，识别最优的目标泊位，包括：
8.根据权利要求7所述的方法，其特征在于，所述用户的停车需求信息包括所述用户的车辆大小信息、用户对泊位偏好信息、用户支付偏好信息以及用户目的地gps；
9.根据权利要求7所述的方法，其特征在于，所述基于所述历史停车数据，分析所述用户的停车需求信息，包括：
10.一种用于智慧交通的道路泊位动态规划装置，其特征在于，所述装置包括：
