基于开源数据识别住区车位匹配社会停车需求的方法
【技术领域】
[0001] 本发明涉及停车匹配的研宄领域，特别涉及一种基于开源数据识别住区车位匹配 社会停车需求、节省信息发布方搜索潜在目标住区的社会成本的方法。
【背景技术】
[0002] 在小汽车不断增加的背景下，城市的高密度就业地区普遍面临着日间停车位不足 的问题，而居住社区白天相对空置的停车位则为缓解城市停车问题提供了可能。现有的停 车APP存在的主要问题在于车位信息源的不足，潜在目标社区与就业区日间停车的供需关 系无法得到解决，使得信息发布方难以搜索潜在的目标住区，制约了车位分时共享的可能 性。
[0003] 随着信息社会的高速发展，就业一居住的停车匹配有望通过多种技术手段予以实 现。吴晓（2014)基于就业网络视角的城市就业空间分析方法和就业网络指标体系，构筑 了一种简单、直观的就业网络关联模型，对城市就业空间进行了分析，这为本发明提供了启 发性的思路。赵楠（2008)通过浮动车进行GPS交通流数据采集预测路段的速度值。张剑 锋（2014)基于云计算和大数据提出一种智能高效率的停车方法和系统。纪力驹（2007)基 于无线传输的多级城市停车诱导系统，采用GPRS无线通信网络，采集城市内停车场车位信 息，通过三级发布信息系统对停车行为进行直观的引导。季立（2013)对停车场停车位查询 方法进行研宄，并提出了一种实时查询系统。在智能社会中，利用大数据进行城市交通规划 辅助设计有助于提出科学可行的技术方案。但是上述技术方案忽视了对车位信息源潜在住 区的搜索，仍未完全解决停车资源充分利用的问题。
[0004] 由于潜在住区均有一定的概率实现日间车位的供给，因此在高密度地区只要有足 够多的住区就能保证一定的供给，而高密度的就业地区又有着绝对的停车需求，因此，通过 就业一居住的地段判别，可以降低类似于APP等信息发布方识别潜在目标住区的搜索成 本，提高车位分时共享的实现几率。
【发明内容】
[0005] 本发明的主要目的在于克服现有技术的缺点与不足，提供一种基于开源数据识别 住区车位匹配社会停车需求的方法，对城市潜在匹配地段进行识别，以住区车位匹配社会 停车需求，节省信息发布方搜索潜在目标住区的社会成本，最终辅助实现错时停车的空间 资源优化。
[0006]为了达到上述目的，本发明采用以下技术方案：
[0007] 基于开源数据识别住区车位匹配社会停车需求的方法，包括下述步骤：
[0008]S1、研宄数据的挖掘与整理：以开源网络数据与企业数据、居住人口数据相结合作 为主要数据，辅以小区和停车设施的网络数据抓取；
[0009]S2、利用百度LBS开放平台对企业数据进行地址解析，并通过GIS软件将网络数据 和企业、居住人口数据统一进行空间落位和坐标校正，加权叠加多维数据以综合评定潜在 匹配地段；
[0010] S3、一次判定：在完成基础数据的收集和工作底图的处理之后，将各类数据通过 GIS系统分别在交通小区底图中进行空间落位，并对其进行坐标纠偏和汇总；
[0011]S4、二次判定：分别通过筛选职住比高于设定值的空间单元和从业人数分布密度 高于全区平均密度的空间单元，得到符合职住匹配需求的潜力地段；
[0012]S5、导向停车区判定：遴选潜在匹配地段，获取区域内居住小区和停车场的相关数 据，然后识别出匹配社会停车需求的住区车位分布及其覆盖范围。
[0013] 优选的，步骤Sl中，所述开源网络数据包括新浪微博数据，所述新浪微博数据通 过python工具抓取，具体步骤为：
[0014]SI. 1. 1、申请新浪公共开放平台账户，仓Il建应用并获取AppKey和AppSecret;
[0015]SI. 1. 2、利用Python工具计算搜索微博动态的起止时间戳；
[0016]SI.L3、在Python工具的Config文件中，配置搜索范围的中心点坐标、起止时间 戳、搜索半径，保存文件；
[0017]SI.L4、利用IDLE工具打开weibowithpois文件，运行获取微博数据，将获取的 数据进行编码格式转换之后得到微博的时间信息、地理信息。
[0018] 优选的，步骤S2中，对企业数据进行地址解析和坐标校正的步骤为：
[0019]S2. 1. 1、提交申请，获取百度LBS开放平台的API接口密钥；
[0020]S2. 1.2、根据相关参数要求以及上一步所获得的接口密钥，为地址解析编写URL 请求，将企业地址转换为相应网址；
[0021]S2. 1. 3、根据上一步由企业地址信息所编写好的地址解析URL请求网址，批量导 入到LocoySpider软件中，并设置采集标签任务、文本模板之后，通过LocoySpider工具 对企业地址进行批量的地址解析，从而获取到各企业的地理坐标信息。
[0022] 优选的，步骤S2中，对居住人口数据处理的具体步骤为：
[0023]S2. 2. 1、剔除各街道内的非建设用地后，将街道单元内统计的居住人口数据除以 各街道面积，计算所研宄区域各个街道的人口密度；
[0024]S2. 2. 2、计算划分出来的各交通小区空间单元的面积；
[0025]S2. 2. 3、将各交通小区空间单元面积与其所处的街道人口密度相乘，估算得到各 交通小区的居住人口数量。
[0026] 优选的，步骤S2中，基于LBS开放平台的网络数据挖掘的具体步骤为：
[0027]S2. 3. 1、获取百度开放平台的API密钥；
[0028]S2. 3. 2、设置对象搜索的URL请求参数；
[0029]S2. 3. 3、将设置好的URL请求参数在浏览器中打开，检验URL请求参数是否合格， 若搜索对象的数量超过设定条数，则需重新缩小搜索范围；
[0030]S2. 3. 4、将拼写合格的URL批量导入LocoySpider软件中，设置采集标签和文本 模板，运行获取相关数据。
[0031] 优选的，步骤S3中，一次判定的具体方法为：
[0032]S3. 1、将各类数据要素进行标准化处理
[0033] 出于对各类数据要素的量纲、数量级不同的考虑，标准化处理的具体方法如下，若 第j项数据要素在空间单元i中的数量为am首先定义：
【主权项】
1. 基于开源数据识别住区车位匹配社会停车需求的方法，其特征在于，包括下述步 骤： 51、 研究数据的挖掘与整理；W开源网络数据与企业数据、居住人口数据相结合作为主 要数据，辅W小区和停车设施的网络数据抓取； 52、 利用百度LBS开放平台对企业数据进行地址解析，并通过GIS软件将网络数据和企 业、居住人口数据统一进行空间落位和坐标校正，加权叠加多维数据W综合评定潜在匹配 地段； 53、 一次判定；在完成基础数据的收集和工作底图的处理之后，将各类数据通过GIS系 统分别在交通小区底图中进行空间落位，并对其进行坐标纠偏和汇总； 54、 二次判定；分别通过筛选职住比高于设定值的空间单元和从业人数分布密度高于 全区平均密度的空间单元，得到符合职住匹配需求的潜力地段； 55、 导向停车区判定；遽选潜在匹配地段，获取区域内居住小区和停车场的相关数据， 然后识别出匹配社会停车需求的住区车位分布及其覆盖范围。
2. 根据权利要求1所述的基于开源数据识别住区车位匹配社会停车需求的方法，其特 征在于，步骤S1中，所述开源网络数据包括新浪微博数据，所述新浪微博数据通过python 工具抓取，具体步骤为； S1. 1.1、申