一种基于智慧大脑的远程车位查询预订方法与流程
本发明涉及远程查询预订技术领域，特别涉及一种基于智慧大脑的远程车位查询预订方法。
背景技术：
目前，园区、社区、楼宇智能化水平很低，各种子系统各自为战，不能形成联动效应，弱电、网络、消防、门禁、停车管理、物管等的底层技术系统（ai识别，设备管理，大数据、5g等设施）无法进行综合管理和打通，管理成本很高；
本发明提供了一种于智慧大脑的远程车位查询预订方法，能够有效解决楼宇\园区5g智能化解决的ai能力、设备管理、大数据、5g边缘计算的需求，解决小公司没有能力做，大公司基于成本考虑不愿意做的最后一公里碎片化的智能化需求的问题。
技术实现要素：
本发明提供一种基于智慧大脑的远程车位查询预订方法，用以帮助用户通过手持终端快速查找可用的停车位信息，协助用户高效快速的完成停车。
本发明提供一种基于智慧大脑的远程车位查询预订方法，包括：
获取车位查询指令，并基于智慧大脑获取与所述车位查询指令相关的车位信息；
基于手持终端接收用户输入的预约指令，并将所述预约指令与所述车位信息进行分析匹配；
基于匹配结果生成预约反馈信号，并将所述预约反馈信号传送至所述手持终端。
优选的，一种基于智慧大脑的远程车位查询预订方法，所述车位信息包括：停车场车位状态、剩余车位数量以及每个剩余车的当前位置。
优选的，一种基于智慧大脑的远程车位查询预订方法，获取车位查询指令前，还包括：
用户在手持终端中进行用户信息注册，具体过程包括：
向所述用户推送与用户使用车辆相对应的名称集合，并获取所述用户从所述名称集合中选定的注册标识；
输入所述用户的身份信息，并根据所述注册标识判断所述用户是否为预设注册表中的注册用户；
若所述用户为所述预设注册表中的注册用户，则通过所述用户信息在所述手持终端中进行登录操作；
若所述用户不是所述注册表中的注册用户，则获取所述用户的面部图像数据，并基于所述面部图像数据向所述手持终端的控制端发送注册请求；
基于所述注册请求，接收所述手持终端的控制端的注册指示；
按照所述注册指示的指示方式，将所述用户的注册标识以及所述用户的面部图像数据注册到与所述注册指示所对应的指示注册表中，完成在手机终端对所述用户的信息注册。
优选的，一种基于智慧大脑的远程车位查询预订方法，依据所述车位查询指令，在智慧大脑中获取车位信息的具体工作过程，包括：
获取车位查询指令，并获取所述车位查询指令对应的数据；
获取所述车位查询指令对应的数据，并获取所述数据对应的执行轨迹，同时，对所述执行轨迹进行筛选；
基于筛选结果，获取与所述车位指令注入地址所对应的执行轨迹，并对所述执行轨迹进行计算，获取数据覆盖率；
根据细粒度分类识别方法，判断所述数据覆盖率是否符合规定覆盖率；
若不符合所述对应覆盖率，判定所述车位查询指令为错误指令，无法对车位进行查询；
否则，提取所述车位查询指令的特征信息；
同时，基于卷积神经网络对所述车位查询指令的特征信息进行识别；
获取所述卷积神经网络的每一层输出值的位数，并将所述输出值的位数作为该层的最终输出值；
对所述最终输出值进行傅里叶变换，并将变换结果作为所述车位查询指令的识别结果；
将所述车位查询指令的识别结果利用残差网络的序列进行拆分，获取所述识别结果的子序列；
利用预设贝叶斯算法判断所述识别结果的子序列的序列内容中的歧义字段，并将所述歧义字段进行切除，获取识别结果的最终序列；
将所述最终序列进行指标量化，获取所述识别结果的关键词，并基于所述关键词与车位信息进行关联匹配；
基于智慧大脑，获取与匹配结果相关的车位信息。
优选的，一种基于智慧大脑的远程车位查询预订方法，将所述预约指令与所述车位信息进行分析匹配的工作过程，包括：
获取所述预约指令的预约指令信息，并将所述预约指令信息传输到与所述智慧大脑相关的系统中；
基于所述系统接收所述预约指令，并建立至少两个源指令组；
将所述预约指令分配至源指令组中，并生成至少一个指令簇；
获取所述指令簇对应的簇节点，并获取所述簇节点的直接邻居节点数量信息；
根据所述直接邻居节点数量信息生成校验模型；
基于循环冗余校验法以及校验模型对所述簇节点进行校验，并判断是否合格；
若合格，将所述预约指令转化为分层链表形式的数据结构；
同时，从预设数据库中获取与所述数据结构相似度最高的区域车位资源池，完成所述预约指令与所述车位信息的匹配。
优选的，一种基于智慧大脑的远程车位查询预订方法，所述预约指令的指令信息包括：车辆车牌号、车主身份信息、预计停车时段以及停车位编号。
优选的，一种基于智慧大脑的远程车位查询预订方法，将所述预约反馈信号传送至手持终端的具体工作过程，包括：
获取所述预约反馈信号的资源分配信息，并对所述资源分配信息进行解析；
基于解析结果获取所述资源分配信息的中继资源，并基于所述中继资源获取中继节点；
基于所述中继节点以及所述资源分配信息，计算所述预约反馈信号传送至手持终端的反馈时隙；
判断所述手持终端是否支持在所述反馈时隙内接收所述预约反馈信号；
若不支持，所述手持终端接收不到所述预约反馈信号；
若支持，通过所述中继节点并基于通信链路层，将所述预约反馈信号传送至所述手持终端。
优选的，一种基于智慧大脑的远程车位查询预订方法，在进行远程车位查询的过程中，还包括：
当在规定时间内出现远程车位查询的次数超过预设次数时，判定所述手持终端的用户信息遭到攻击，对所述手持终端中的用户信息进行保护，具体工作过程包括：
获取攻击者向所述手持终端发送查询时，用户信息被盗的概率；
其中，所述用户信息被盗的概率满足如下条件：
其中，
并基于所述用户信息被盗的概率以及用户信息被盗的概率熵，计算查询匿名度量；
其中，
根据所述查询匿名度量，建立对所述用户信息进行保护的最优模型；
其约束条件为：
其中，
将所述最优模型进行训练，并获取在最优模型下的查询识别率；
同时，基于所述查询识别率判断当所述手持终端中的用户信息遭到攻击时，所述最优模型的收敛性大小；
当所述最优模型的收敛性大于预设收敛性，则完成对手持终端中的用户信息的保护；
否则，建立防御连续查询攻击所述用户信息的最优模型。
本发明的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。
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。
附图说明
附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实施例一起用于解释本发明，并不构成对本发明的限制。在附图中：
图1为本发明实施例中一种基于智慧大脑的远程车位查询预订方法的流程图。
具体实施方式
以下结合附图对本发明的优选实施例进行说明，应当理解，此处所描述的优选实施例仅用于说明和解释本发明，并不用于限定本发明。
实施例1：
本实施例提供了一种基于智慧大脑的远程车位查询预订方法，如图1所示，包括：
步骤1：获取车位查询指令，并基于智慧大脑获取与所述车位查询指令相关的车位信息；
步骤2：基于手持终端接收用户输入的预约指令，并将所述预约指令与所述车位信息进行分析匹配；
步骤3：基于匹配结果生成预约反馈信号，并将所述预约反馈信号传送至所述手持终端。
该实施例中，车位信息包括：停车场车位状态、剩余车位数量以及每个剩余车的当前位置。
该实施例中，车位查询指令指的是用户通过手持终端向智慧大脑发送的请求信息，用于触发智慧大脑查找当前可用的停车位信息。
该实施例中，预约指令指的是用户通过手持终端向智慧大脑发送的预约请求，用于提前预定可用停车位。
该实施例中，预约反馈信号指的是根据用户的预约指令，在查询到可用的停车位信息后，将停车位信息发送给用户。
上述技术方案的有益效果是：通过车位查询指令，查找出当前可用的停车位信息，同时接收用户发送的预设指令，根据预设指令位用户提供合适的停车位信息，并发送至用户的手持终端，帮助用户通过手持终端快速查找可用的停车位信息，协助用户高效快速的完成停车，提高了用户查找停车位的效率。
实施例2：
在上述实施例1的基础上，本实施例提供了一种基于智慧大脑的远程车位查询预订方法，获取车位查询指令前，还包括：
用户在手持终端中进行用户信息注册，具体过程包括：
向所述用户推送与用户使用车辆相对应的名称集合，并获取所述用户从所述名称集合中选定的注册标识；
输入所述用户的身份信息，并根据所述注册标识判断所述用户是否为预设注册表中的注册用户；
若所述用户为所述预设注册表中的注册用户，则通过所述用户信息在所述手持终端中进行登录操作；
若所述用户不是所述注册表中的注册用户，则获取所述用户的面部图像数据，并基于所述面部图像数据向所述手持终端的控制端发送注册请求；
基于所述注册请求，接收所述手持终端的控制端的注册指示；
按照所述注册指示的指示方式，将所述用户的注册标识以及所述用户的面部图像数据注册到与所述注册指示所对应的指示注册表中，完成在手机终端对所述用户的信息注册。
该实施例中，名称集合指的是包含多种类别的汽车名称，例如：奔驰、宝马、大众等
该实施例中，注册标识是用来判断用户是否为已注册用户，用来表明用户身份的一个标签。
该实施例中，预设注册表中的注册用户指的是已经注册过的用户。
上述技术方案的有益效果是：通过确定用户的名称，并判断用户是否完成注册，在完成注册后便于用户登录，完成车位的查询以及预订，为用户查询车位提供了便利。
实施例3：
在上述实施例1的基础上，本实施例提供了一种基于智慧大脑的远程车位查询预订方法，依据所述车位查询指令，在智慧大脑中获取车位信息的具体工作过程，包括：
获取车位查询指令，并获取所述车位查询指令对应的数据；
获取所述车位查询指令对应的数据，并获取所述数据对应的执行轨迹，同时，对所述执行轨迹进行筛选；
基于筛选结果，获取与所述车位指令注入地址所对应的执行轨迹，并对所述执行轨迹进行计算，获取数据覆盖率；
根据细粒度分类识别方法，判断所述数据覆盖率是否符合规定覆盖率；
若不符合所述对应覆盖率，判定所述车位查询指令为错误指令，无法对车位进行查询；
否则，提取所述车位查询指令的特征信息；
同时，基于卷积神经网络对所述车位查询指令的特征信息进行识别；
获取所述卷积神经网络的每一层输出值的位数，并将所述输出值的位数作为该层的最终输出值；
对所述最终输出值进行傅里叶变换，并将变换结果作为所述车位查询指令的识别结果；
将所述车位查询指令的识别结果利用残差网络的序列进行拆分，获取所述识别结果的子序列；
利用预设贝叶斯算法判断所述识别结果的子序列的序列内容中的歧义字段，并将所述歧义字段进行切除，获取识别结果的最终序列；
将所述最终序列进行指标量化，获取所述识别结果的关键词，并基于所述关键词与车位信息进行关联匹配；
基于智慧大脑，获取与匹配结果相关的车位信息。
该实施例中，执行轨迹可以是通过车位查询指令所确定的用户的行径路线。
该实施例中，车位指令注入地址可以是基于地下车库的具体位置地址。
该实施例中，细粒度分类识别方法用于通过细微的识别方法判断数据覆盖率是否符合规定覆盖率。
该实施例中，特征信息指的是车位查询指令具有代表性的数据字段，例如用户对车位位置的要求、车位安全程度的要求等。
该实施例中，残差网络可以是先通过获取识别结果与准确恒定值之间的拟合值，并将拟合值放置于卷积神经网络中，即形成残差网络。
上述技术方案的有益效果是：通过接收用户车位查询指令，并根据车位查询指令判断是否可以进行车位查询，在可查询的情况下，对车位查询指令经过处理，匹配出与用户发出车位查询指令相匹配的车位信息，确保了根据用户的需求，准确的为用户查到适合自己的车位，减少了用户查找车位的时间，提高了查找车位的效率以及准确度。
实施例4：
在上述实施例1的基础上，本实施例提供了一种基于智慧大脑的远程车位查询预订方法，将所述预约指令与所述车位信息进行分析匹配的工作过程，包括：
获取所述预约指令的预约指令信息，并将所述预约指令信息传输到与所述智慧大脑相关的系统中；
基于所述系统接收所述预约指令，并建立至少两个源指令组；
将所述预约指令分配至源指令组中，并生成至少一个指令簇；
获取所述指令簇对应的簇节点，并获取所述簇节点的直接邻居节点数量信息；
根据所述直接邻居节点数量信息生成校验模型；
基于循环冗余校验法以及校验模型对所述簇节点进行校验，并判断是否合格；
若合格，将所述预约指令转化为分层链表形式的数据结构；
同时，从预设数据库中获取与所述数据结构相似度最高的区域车位资源池，完成所述预约指令与所述车位信息的匹配。
该实施例中，预约指令的指令信息包括：车辆车牌号、车主身份信息、预计停车时段以及停车位编号。
该实施例中，源指令组可以是将没有处理的预约指令进行分组。
该实施例中，指令簇在源指令组中对大量指令数据进行处理的模型。
该实施例中，直接邻居节点可以是与簇节点相邻，且与簇节点有着直接关系的节点，从而可以根据直接邻居节点的数量信息生成校验模型，为了对簇节点进行校验。
上述技术方案的有益效果是：通过对用户的预约指令进行分析，从区域车位资源池查找与用户指令相似度最高的停车位信息，并提供给用户，便于用户及时准确的查到适合自己的停车位，帮助用户快速完成停车，提高了停车的效率。
实施例5：
在上述实施例1的基础上，本实施例提供了一种基于智慧大脑的远程车位查询预订方法，将所述预约反馈信号传送至手持终端的具体工作过程，包括：
获取所述预约反馈信号的资源分配信息，并对所述资源分配信息进行解析；
基于解析结果获取所述资源分配信息的中继资源，并基于所述中继资源获取中继节点；
基于所述中继节点以及所述资源分配信息，计算所述预约反馈信号传送至手持终端的反馈时隙；
判断所述手持终端是否支持在所述反馈时隙内接收所述预约反馈信号；
若不支持，所述手持终端接收不到所述预约反馈信号；
若支持，通过所述中继节点并基于通信链路层，将所述预约反馈信号传送至所述手持终端。
该实施例中，资源分配信息指的是反馈信息中适合用户的多个停车位的位置信息、车位信息等。
该实施例中，中继资源是基于资源分配信息所获取的分配文件，根据中继资源从而可以准确获取中继节点。
该实施例中，中继节点可以是由中继资源中的反馈数据所构成的中继节点。
该实施例中，反馈时隙指的是智慧大脑将反馈信息传输至用户终端所用的时间长度。
上述技术方案的有益效果是：通过确定反馈信息中的资源分配信息，并判断用户手持终端能否顺利接收反馈信息，为用户在进行车位查询时做好了风险规避，有利于用户通过手持终端准确查找到适合自己的停车位，提高了车位查询效率。
实施例6：
在实施例1的基础上，本实施例提供了一种基于智慧大脑的远程车位查询预订方法，在进行远程车位查询的过程中，还包括：
当在规定时间内出现远程车位查询的次数超过预设次数时，判定所述手持终端的用户信息遭到攻击，对所述手持终端中的用户信息进行保护，具体工作过程包括：
获取攻击者向所述手持终端发送查询时，用户信息被盗的概率；
其中，所述用户信息被盗的概率满足如下条件：
其中，
并基于所述用户信息被盗的概率以及用户信息被盗的概率熵，计算查询匿名度量；
其中，
根据所述查询匿名度量，建立对所述用户信息进行保护的最优模型；
其约束条件为：
其中，
将所述最优模型进行训练，并获取在最优模型下的查询识别率；
同时，基于所述查询识别率判断当所述手持终端中的用户信息遭到攻击时，所述最优模型的收敛性大小；
当所述最优模型的收敛性大于预设收敛性，则完成对手持终端中的用户信息的保护；
否则，建立防御连续查询攻击所述用户信息的最优模型。
该实施例中，查询匿名度量可以是查询过程中，为了掩盖查询者的真实身份信息，通过掩盖的程度值作为查询匿名度量。
该实施例中，查询信息素可以是在查询过程中，查询者身份信息向外传递的量度。
该实施例中，查询识别率可以是查询遭到攻击的次数与总查询次数的比值。
上述技术方案的有益效果是：通过判定所述手持终端的用户信息遭到攻击时，计算查询后用户信息被盗的概率，从而可以准确获取查询匿名度量，并通过查询匿名度量准确建立用户信息保护的最优模型，从而对用户信息的保护力度增强，大大提高了智慧大脑的远程车位查询预订的安全性。
显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。
- 还没有人留言评论。精彩留言会获得点赞！