隨著科技水平的不斷進步，更多智能化產品逐漸融入了日常生活，據預測，2025年，全球物聯網連接設備將超過519億個。“萬物互聯”的時代即將到來，而在汽車生態中，汽車的傳統屬性已經改變，從代步工具逐漸成為一個可移動的生活空間，用戶更加青睞以智能化和定制化驅動的車載人工智能交互和永遠在線、無縫連接的使用體驗。

目前我國汽車保有量將近41700萬輛，汽車作為高頻剛需應用停車收費的靜態市場空間達到約5000億元，一向不受關注的停車領域在新技術的加持下成了炙手可熱的流量“入口”。發展智慧停車已經成為全國各大城市的共識，構建全新、高效、透明的“互聯網+人工智能”停車服務及用車體驗，更是未來停車行業的發展趨勢。因此，如何基于知識圖譜打造城市級智慧停車新生態成為當下停車行業的新課題。

一、汽車后市場的巨大潛力及基于知識圖譜建立停車大數據平臺的必要性

在“互聯網+用車”被社會所接受并迅速發展的當下，與政府大力推動的公交出行相比，駕車出行在今年出現“逆生長”的趨勢。對于具有剛需、高頻等屬性的停車來說，智慧停車的行業發展潛力毋庸置疑。

由于停車是最高頻的汽車消費，無論是用戶接觸頻率還是從支付頻率看，其使用頻次都遠遠高于打車。同時，由于車和人的合一性，沒有什么汽車消費入口能像停車這樣完美。尤其在大城市，停車難是一切城市消費的痛點。智能停車App解決了剛需問題，而由此帶來的商業價值不言而喻。從消費上看，停車的客單價看起來不高，但從頻率看，客單價并不低。由于停車的資金成本是一定的，提高利用效率創造的利潤非常高，同時，從支付便利的角度看，車主預支付的可行性高，由此帶來資金沉淀的商業價值也非常可觀。

在正常利用停車資源的同時，運用知識圖譜建立大數據分析平臺將有效緩解停車難的問題，建設完善的靜態交通體系，盡可能地利用現有資源，提高利用率和周轉率。在停車規劃建設上，通過對市區現有停車資源的信息采集、匯聚和整合，構建城市停車大數據平臺，盤活城市存量停車資源。此外，依托城市停車大數據平臺來指導城區新增停車場和立體車庫的規劃和建設，最終建成全城停車誘導系統，并結合智慧商圈的推廣應用，構建全方位的“車生活”價值鏈，打造智慧停車產業系統。總之，停車需求要從“被動滿足需求”轉變為“交通需求管理”。

停車數據存在數據多樣、復雜，孤島化的特點，且單一數據價值不高的應用場景時，存在關系深度搜索、規范業務流程、規則和經驗性預測等需求問題，面對海量的靜態交通數據，使用知識圖譜解決方案將帶來最佳的應用價值。

二、基于知識圖譜打造城市級靜態交通大數據平臺

知識圖譜是一種描繪實體之間關系的語義網絡，通過NLP技術、圖計算、知識表示學習等手段，將非線性世界中的知識信息結構化，以便機器計算、存儲和查詢。搭建停車知識圖譜要從數據源開始，經歷知識抽取、知識融合、知識加工等步驟。

知識圖譜是平臺發展認知智能的基礎，原始的靜態交通數據通過知識抽取或數據整合的方式轉換為三元組形式，然后三元組數據再經過實體對齊，加入數據模型，形成標準的知識表示，過程中如產生新的關系組合，通過知識推理形成新的知識形態，與原有知識共同經過質量評估，完成知識融合，最終形成完整形態上的靜態交通知識圖譜。知識圖譜結構拓補圖如圖所示。

在知識圖譜賦能下建立的耀停車城市級靜態交通解決方案是博耀智能公司在多年智慧停車領域經驗積累和技術沉淀的基礎上，精心打造的智慧停車管理體系。在信息采集上，該體系形成高位相機、單目、雙目、魚眼、充電視頻樁、貼地路牙機等智能前端識別產品矩陣，路外停車并適配車牌識別一體機、數字道閘、充電繳費一體機、誘導屏、反向尋車查詢機等配套設備，可結合具體停車場景因地制宜、按需排布，整體識別率達到99%上。

在平臺設計上，該平臺將側向視頻識別、大數據、云計算、人工智能、區塊鏈等信息技術與靜態交通場景深度融合，全域覆蓋路內停車、路外停車、共享停車場景，將智能識別終端采集到的交通及停車數據，通過可視化的停車管理云平臺、運營監控平臺、大數據分析平臺，進行數據的分析、預測、控制、指引等，形成線上線下場景融合、軟硬件一體化的城市級靜態交通管理體系，實現車主、車輛、車場及城市停車的精準畫像和運營數據分析，基于數據驅動的理念，為車主帶來便捷、高效的出行體驗，賦能企業數字化停車轉型、提質增效，為政府交通空間規劃、智慧城市、生態城市建設提供決策支撐和數據支持。

基于知識圖譜建立的大數據分析平臺是該方案核心亮點之一，主要針對靜態交通管理平臺現有的基礎資源數據、動態業務數據、網絡數據及第三方數據，進行多源全量數據匯聚，對全量數據進行存儲與清洗、挖掘與分析、統計與預測，以提升關鍵指標、運營效率、服務水平及決策能力，將停車靜態數據與大數據技術結合，全面梳理車主、車輛、車場、道路、城市等130多個行業指標，為車場規劃、運營管理、精準營銷、公共安全等提供有效直觀的決策支撐。
通過數據開放平臺，停車相關企業、機構及政府相關部門可在平臺上貢獻數據，數據達到一定規模后，可作為實現城市智慧交通的基礎數據平臺。基于用戶停車數據，與手機客戶端提供的汽車后市場服務所產生的用戶瀏覽、消費數據，構建車輛畫像、用戶畫像及產品畫像，通過對用戶停車行為及消費行為的分析，為用戶提供其需要的產品或服務，為手機客戶端的入駐汽車后市場板塊的商家提供引流服務，從而構建出一套完整的從停車到消費的生態系統。

三、知識圖譜賦能城市級智慧停車新生態
3.1、停車知識圖譜本體定義
停車知識圖譜本體定義如圖所示。

該系統核心資產是由車主、車、車場、商家、政府相關部門等信息形成的知識圖譜庫，智慧停車大數據平臺對外提供所有服務都基于本知識庫給出；
知識圖譜打破不同場景下的停車數據隔離，為搜索、推薦、問答、解釋與決策等應用提供基礎支撐。城市級靜態交通大數據平臺圍繞停車、用車場景，構建了交通出行領域知識圖譜，為用戶和停車管理方建立起全方位的鏈接。通過對應用場景下的用戶偏好和管理運營方定位進行更為深度的理解，進而為大眾提供更好的智能化服務。城市級靜態交通大數據汽車后市場概況。

3.2、基于知識圖譜打造下的停車大數據平臺具備二個特征
3.2.1.從停車信息資源到城市大數據的轉變。數據更加多元多源,從停車業務數據擴展到感知數據、互聯網數據、企業數據等,實現從封閉自用的靜態交通信息資源到多方共建共享共用的城市大數據的跨越。
3.2.2.從封閉割裂到有機整體的跨越。以往每一條獨立的空間地理數據、時間數據、業務數據、傳感器數據、互聯網數據如今均可關聯到實體應用上,形成該實體的全量屬性數據,并以實體為基礎形成城市知識圖譜。

3.3、大數據平臺運營決策端

在知識圖譜賦能下的停車大數據運營決策平臺不再是前端停車時間和收費等數據的記錄，轉變為基于人類運營經驗學習的靜態交通決策輔助智能化平臺。
3.3.1.在運營決策端建設的初期，至少應當涵蓋停車運營概覽、運營數據BI、帶圖像的停車實時數據、智能巡管調度、路內外交通實時數據、違法停車實時信息、停車追蹤等基礎性功能。
3.3.2.建設的中期，應當實現靜態交通業務大數據、高清違法取證、交通誘導、城市管理、治安反恐預警等實時信息的融合平臺。
3.3.3.建設的遠期，應當實現基于信息的融合和知識學習，對城市市容管理、道路健康管理、交通管理等城市運行管理做出主動決策建議或行動輸出，對城市管理人員、道路養護人員、園林管理人員、停車管理人員甚至交警等城市服務人員做出智能化的工作單分配，不斷增加決策的科學性和效率，提升城市智能化水平。
在龐大的業務場景數據中不斷學習、優化算法，基于車主、車輛、車場、商家、政府相關部門等信息形成的靜態交通知識圖譜庫，賦能汽車后市場及智慧生活場景，不斷延伸汽車后市場的加油、充電、維修、保險等生態服務，未來，基于知識圖譜打造智慧停車城市汽車后市場將結合用戶消費、教育、醫療、政務、商務等生活圈場景需求，整合生態鏈合作資源，豐富產品功能，提升服務體驗，構架智慧生活新生態。