- 选题背景和意义：
近年来随着国民经济不断发展，车辆大幅度的降价，我国私家车的数量猛增，已成为全球最大的汽车市场，并以每年40%的速度高速增长。几乎所有的大都市无一例外地车满为患，要找停车位更是一位难求，这促使国内智能化停车场管理产业开始升温。随着社会经济的发展，机动车拥有量迅速增长，居民乘小汽车出行的次数增多，许多城市“停车难、难停车”的问题日渐显著，供需紧张、乱收费、违章停车、进出停车场不易、寻找停车场困难等现象普遍存在，影响了城市景观，更影响着与动态交通的和谐发展。不仅如此，目前大部分城市的停车设施大多量上不足，质上简陋。许多停车场内的停车标志、停车泊位线、导向箭头、减速垫、车辆诱导标志等停车管理设施严重短缺。自动收费设备缺乏，乱收费现象严重;泊位引导系统不完善，驾驶人停车取车困难;停车诱导信息缺乏，驾驶人寻找可利用的停车泊位比较困难。部分停车场甚至只管停车收费，而根本不管车辆停放期间的安全，一旦丢失，把责任推卸得一干二净。这都在一定程度上导致了车主放弃停车场，而在路旁、单位门前等空地乱停乱放，违章停车现象严重，停车场利用率较低。
使用机器学习的方法预测停车场占用率，能合理分配停车场空间，从而优化停车效率，解决“停车难”问题。
- 课题关键问题及难点：
构建停车场预测模型，关键在于选取合适的方法、选择最优的参数、选用合适的方法集成预测模型。将模型可视化并对预测结果进行分析后，用运筹学的方法对停车场提出改进的建议，也十分重要。
同时每个停车场每天的占用率可能变化很大，如商场旁的停车场周末人群聚集，占用率是工作日的几倍。根据模型预测结果提出合理地分配车位资源的建议，不浪费每个停车场的车位也十分重要。
- 文献综述（或调研报告）：
对于机器学习的预测方法，孟生旺[1]等人将支持向量机、神经网络和集成学习等机器学习算法应用于汽车保险的失预测，建立了索赔发生概率的预测模型和累积赔款的预测模型。巴桑旺堆[2]等人分别构建体尺性状与体重之间的回归预测模型,比较线性回归模型与机器学习模型在利用体尺性状预测体重时的准确性。结果表明,随着训练集数据的增加,线性回归模型的预测结果较稳定在0.71～0.80之间,而机器学习方法的预测准确性最高可达0.91。
对于泊位的预测，陈峻[3]等人从分析影响城市内停车设施需求量的因素入手, 全面总结了多种停车需求预测模型, 并在此基础上提出静态交通发生率的模型及求解算法。静态交通发生率定义为某种用地功能单位容量（如100就业岗位数）所产生的停车吸引量（每日累积停车吸引次数）。季彦婕[4]等人基于停车场有效停车泊位短时变化特性，提出了一种小波变换和粒子群小波神经网络 组合预测方法。李林波[5]等人采用生存分析的方法建立夜间停车需求预测模型.首先将夜间停放的车辆定义为日间驶入车辆的驻留部分,对应的夜间停车需求预测转换为日间驶入车辆驻留的概率预测；进一步从日间驶入车辆的停车时长分布入手,用生存分析方法估计车辆停放不同时长的概率,从而预测夜间驻留的停车需求。
参考文献：
[1]孟生旺,李天博,高光远.基于机器学习算法的车险索赔概率与累积赔款预测[J].保险研究,2017(10):42-53.
[2]巴桑旺堆,平措占堆,朱彦宾,达娃央拉,俄广鑫,周东珂,杨柏高,彭阳洋,郭怡.线性模型与机器学习模型对牦牛体重预测的比较[J].现代农业科技,2019(23):205-206 208.
[3]陈峻,王炜,晏克非.城市停车设施需求预测研究[J].东南大学学报,1999(S1):121-126.
以上是毕业论文文献综述，课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
