随着科技水平的不断进步，更多智能化产品逐渐融入了日常生活，据预测，2025年，全球物联网连接设备将超过519亿个。“万物互联”的时代即将到来，而在汽车生态中，汽车的传统属性已经改变，从代步工具逐渐成为一个可移动的生活空间，用户更加青睐以智能化和定制化驱动的车载人工智能交互和永远在线、无缝连接的使用体验。

目前我国汽车保有量将近41700万辆，汽车作为高频刚需应用停车收费的静态市场空间达到约5000亿元，一向不受关注的停车领域在新技术的加持下成了炙手可热的流量“入口”。发展智慧停车已经成为全国各大城市的共识，构建全新、高效、透明的“互联网+人工智能”停车服务及用车体验，更是未来停车行业的发展趋势。因此，如何基于知识图谱打造城市级智慧停车新生态成为当下停车行业的新课题。

一、汽车后市场的巨大潜力及基于知识图谱建立停车大数据平台的必要性

在“互联网+用车”被社会所接受并迅速发展的当下，与政府大力推动的公交出行相比，驾车出行在今年出现“逆生长”的趋势。对于具有刚需、高频等属性的停车来说，智慧停车的行业发展潜力毋庸置疑。

由于停车是最高频的汽车消费，无论是用户接触频率还是从支付频率看，其使用频次都远远高于打车。同时，由于车和人的合一性，没有什么汽车消费入口能像停车这样完美。尤其在大城市，停车难是一切城市消费的痛点。智能停车App解决了刚需问题，而由此带来的商业价值不言而喻。从消费上看，停车的客单价看起来不高，但从频率看，客单价并不低。由于停车的资金成本是一定的，提高利用效率创造的利润非常高，同时，从支付便利的角度看，车主预支付的可行性高，由此带来资金沉淀的商业价值也非常可观。

在正常利用停车资源的同时，运用知识图谱建立大数据分析平台将有效缓解停车难的问题，建设完善的静态交通体系，尽可能地利用现有资源，提高利用率和周转率。在停车规划建设上，通过对市区现有停车资源的信息采集、汇聚和整合，构建城市停车大数据平台，盘活城市存量停车资源。此外，依托城市停车大数据平台来指导城区新增停车场和立体车库的规划和建设，最终建成全城停车诱导系统，并结合智慧商圈的推广应用，构建全方位的“车生活”价值链，打造智慧停车产业系统。总之，停车需求要从“被动满足需求”转变为“交通需求管理”。

停车数据存在数据多样、复杂，孤岛化的特点，且单一数据价值不高的应用场景时，存在关系深度搜索、规范业务流程、规则和经验性预测等需求问题，面对海量的静态交通数据，使用知识图谱解决方案将带来最佳的应用价值。

二、基于知识图谱打造城市级静态交通大数据平台

知识图谱是一种描绘实体之间关系的语义网络，通过NLP技术、图计算、知识表示学习等手段，将非线性世界中的知识信息结构化，以便机器计算、存储和查询。搭建停车知识图谱要从数据源开始，经历知识抽取、知识融合、知识加工等步骤。

知识图谱是平台发展认知智能的基础，原始的静态交通数据通过知识抽取或数据整合的方式转换为三元组形式，然后三元组数据再经过实体对齐，加入数据模型，形成标准的知识表示，过程中如产生新的关系组合，通过知识推理形成新的知识形态，与原有知识共同经过质量评估，完成知识融合，最终形成完整形态上的静态交通知识图谱。知识图谱结构拓补图如图所示。

在知识图谱赋能下建立的耀停车城市级静态交通解决方案是博耀智能公司在多年智慧停车领域经验积累和技术沉淀的基础上，精心打造的智慧停车管理体系。在信息采集上，该体系形成高位相机、单目、双目、鱼眼、充电视频桩、贴地路牙机等智能前端识别产品矩阵，路外停车并适配车牌识别一体机、数字道闸、充电缴费一体机、诱导屏、反向寻车查询机等配套设备，可结合具体停车场景因地制宜、按需排布，整体识别率达到99%上。

在平台设计上，该平台将侧向视频识别、大数据、云计算、人工智能、区块链等信息技术与静态交通场景深度融合，全域覆盖路内停车、路外停车、共享停车场景，将智能识别终端采集到的交通及停车数据，通过可视化的停车管理云平台、运营监控平台、大数据分析平台，进行数据的分析、预测、控制、指引等，形成线上线下场景融合、软硬件一体化的城市级静态交通管理体系，实现车主、车辆、车场及城市停车的精准画像和运营数据分析，基于数据驱动的理念，为车主带来便捷、高效的出行体验，赋能企业数字化停车转型、提质增效，为政府交通空间规划、智慧城市、生态城市建设提供决策支撑和数据支持。

基于知识图谱建立的大数据分析平台是该方案核心亮点之一，主要针对静态交通管理平台现有的基础资源数据、动态业务数据、网络数据及第三方数据，进行多源全量数据汇聚，对全量数据进行存储与清洗、挖掘与分析、统计与预测，以提升关键指标、运营效率、服务水平及决策能力，将停车静态数据与大数据技术结合，全面梳理车主、车辆、车场、道路、城市等130多个行业指标，为车场规划、运营管理、精准营销、公共安全等提供有效直观的决策支撑。
通过数据开放平台，停车相关企业、机构及政府相关部门可在平台上贡献数据，数据达到一定规模后，可作为实现城市智慧交通的基础数据平台。基于用户停车数据，与手机客户端提供的汽车后市场服务所产生的用户浏览、消费数据，构建车辆画像、用户画像及产品画像，通过对用户停车行为及消费行为的分析，为用户提供其需要的产品或服务，为手机客户端的入驻汽车后市场板块的商家提供引流服务，从而构建出一套完整的从停车到消费的生态系统。

三、知识图谱赋能城市级智慧停车新生态
3.1、停车知识图谱本体定义
停车知识图谱本体定义如图所示。

该系统核心资产是由车主、车、车场、商家、政府相关部门等信息形成的知识图谱库，智慧停车大数据平台对外提供所有服务都基于本知识库给出；
知识图谱打破不同场景下的停车数据隔离，为搜索、推荐、问答、解释与决策等应用提供基础支撑。城市级静态交通大数据平台围绕停车、用车场景，构建了交通出行领域知识图谱，为用户和停车管理方建立起全方位的链接。通过对应用场景下的用户偏好和管理运营方定位进行更为深度的理解，进而为大众提供更好的智能化服务。城市级静态交通大数据汽车后市场概况。

3.2、基于知识图谱打造下的停车大数据平台具备二个特征
3.2.1.从停车信息资源到城市大数据的转变。数据更加多元多源,从停车业务数据扩展到感知数据、互联网数据、企业数据等,实现从封闭自用的静态交通信息资源到多方共建共享共用的城市大数据的跨越。
3.2.2.从封闭割裂到有机整体的跨越。以往每一条独立的空间地理数据、时间数据、业务数据、传感器数据、互联网数据如今均可关联到实体应用上,形成该实体的全量属性数据,并以实体为基础形成城市知识图谱。

3.3、大数据平台运营决策端

在知识图谱赋能下的停车大数据运营决策平台不再是前端停车时间和收费等数据的记录，转变为基于人类运营经验学习的静态交通决策辅助智能化平台。
3.3.1.在运营决策端建设的初期，至少应当涵盖停车运营概览、运营数据BI、带图像的停车实时数据、智能巡管调度、路内外交通实时数据、违法停车实时信息、停车追踪等基础性功能。
3.3.2.建设的中期，应当实现静态交通业务大数据、高清违法取证、交通诱导、城市管理、治安反恐预警等实时信息的融合平台。
3.3.3.建设的远期，应当实现基于信息的融合和知识学习，对城市市容管理、道路健康管理、交通管理等城市运行管理做出主动决策建议或行动输出，对城市管理人员、道路养护人员、园林管理人员、停车管理人员甚至交警等城市服务人员做出智能化的工作单分配，不断增加决策的科学性和效率，提升城市智能化水平。
在庞大的业务场景数据中不断学习、优化算法，基于车主、车辆、车场、商家、政府相关部门等信息形成的静态交通知识图谱库，赋能汽车后市场及智慧生活场景，不断延伸汽车后市场的加油、充电、维修、保险等生态服务，未来，基于知识图谱打造智慧停车城市汽车后市场将结合用户消费、教育、医疗、政务、商务等生活圈场景需求，整合生态链合作资源，丰富产品功能，提升服务体验，构架智慧生活新生态。