当前位置：首页 > news >正文

智慧停车大屏数据分析与设计文档

news 2025/9/27 6:46:03

1. 实时车辆动态分析

1.1 实时进出车辆监控

使用的接口和字段：

3.1 进场数据同步接口

plate_number - 车牌号码 (用于车辆识别和统计)

entry_time - 进场时间 (用于实时统计和时段分析)

channel_id - 通道ID (用于通道流量分析)

parking_area - 停车区域 (用于区域热度分析)

vehicle_type - 车辆类型 (普通/VIP车辆分类)

entry_image - 进场照片 (用于车辆识别验证)

operator - 操作员

3.2 离场数据同步接口

plate_number - 车牌号码

exit_time - 离场时间

channel_id - 离场通道

parking_duration - 停车时长 (分钟)

parking_fee - 停车费用

exit_image - 离场照片

payment_status - 支付状态 (已付/未付/免费)

discount_applied - 优惠券使用情况

3.19 预进场上报接口

plate_number - 预进场车牌

pre_entry_time - 预计进场时间

channel_id - 预计通道

3.12 预离场上报接口

plate_number - 预离场车牌

pre_exit_time - 预计离场时间

数据分析方法：

// 实时车流统计
实时进场车流 = COUNT(entry_time >= 当前时间-5分钟)
// 统计最近5分钟内的进场车辆数量，用于实时监控停车场入口流量变化小时进场量 = COUNT(entry_time BETWEEN 当前小时:00 AND 当前小时:59)
// 统计当前小时内的总进场车辆数，用于分析小时级别的流量分布实时离场车流 = COUNT(exit_time >= 当前时间-5分钟)
// 统计最近5分钟内的离场车辆数量，监控出口流量和疏散效率净增车流 = 进场车流 - 离场车流
// 计算停车场内车辆数量的净变化，正值表示车辆增加，负值表示减少// 通道效率分析
通道流量排行 = GROUP BY channel_id, COUNT(*)
// 统计各个通道的总通行车辆数，识别使用频率最高和最低的通道通道进场效率 = GROUP BY channel_id, COUNT(entry_time)
// 分析各进场通道的处理能力和使用情况，识别效率瓶颈通道平均等待时间 = AVG(实际进场时间 - 预进场时间)
// 计算车辆从预约到实际进场的平均等待时长，评估通道服务质量// 高峰时段分析
高峰时段分析 = GROUP BY HOUR(entry_time), COUNT(*) ORDER BY COUNT(*) DESC
// 按小时统计进场车辆数，识别一天中的流量高峰时段离场高峰分析 = GROUP BY HOUR(exit_time), COUNT(*) ORDER BY COUNT(*) DESC
// 按小时统计离场车辆数，分析离场流量的时间分布规律// 车辆类型统计
车辆类型进场统计 = GROUP BY vehicle_type, COUNT(*)
// 统计不同类型车辆（普通/VIP）的进场数量分布区域进场热度 = GROUP BY parking_area, COUNT(*) ORDER BY COUNT(*) DESC
// 分析各停车区域的受欢迎程度，识别热门和冷门区域

图表类型：

1. 实时数字大屏：关键指标展示

对应数据分析：实时进场车流、实时离场车流、净增车流

数据处理逻辑：
统计实时车流数据，包括进场车辆数、离场车辆数、净流量变化和当前小时累计进场量。建立三级预警机制：当净流量小于10辆时显示绿色正常状态，10-20辆间显示黄色警告状态，超过20辆时显示红色紧急状态。通过动态阈值设置，能够根据停车场容量和历史数据自动调整预警标准。

配置参数：

- 刷新频率：5秒

- 预警阈值：可配置的流量阈值

- 动画效果：数字跳动和颜色渐变

交互功能：点击查看详细趋势，支持全屏显示

2. 双轴柱状图：进出场流量对比分析

对应数据分析：小时进场量、通道进场效率、通道离场效率

数据处理逻辑：
按小时时间维度对进出场数据进行聚合统计，分别计算进场车辆数、离场车辆数，并按通道ID进行分组统计。通过计算进场率（进场车辆数除以总容量）、离场率（离场车辆数除以总容量）和平衡比率（进出场差值的绝对值除以最大值）来评估停车场的运营效率和流量平衡状况。

配置参数：

- 左Y轴：进场车辆数（蓝色）

- 右Y轴：离场车辆数（橙色）

- 辅助线：净流量趋势线

- 数据点：显示具体数值标签

交互功能：悬停显示详情，点击下钻到通道级别，支持时间范围筛选

3. 流动曲线图：实时车流动态监控

对应数据分析：高峰时段分析、车辆类型进场统计、区域进场热度

数据处理逻辑：
建立实时数据流处理机制，维护进场数据、离场数据和VIP数据三个时间序列数组，默认保持最近50个数据点。每当有新数据到达时，会添加包含时间戳和数据值的新数据点，同时采用先进先出策略清理过期数据点，确保图表显示的流畅性和内存使用的合理性。支持动态调整最大数据点数量以适应不同的显示需求。

配置参数：

- 采样间隔：30秒

- 显示时长：最近25分钟

- 平滑算法：Bezier曲线

- 颜色配置：进场绿色、离场橙色、VIP金色

交互功能：缩放查看历史、标记异常时间点、预测趋势线

4. 漏斗图：停车流程转化分析

对应数据分析：通道平均等待时间、预进场上报、支付状态分析

数据处理逻辑：
构建五阶段停车流程转化漏斗，包括预约进场、实际进场、正常停车、正常离场和完成支付五个关键节点。以预约进场为基准（转化率100%），逐层计算后续阶段的转化率，通过统计每个阶段的车辆数量并与基准数量对比，得出各阶段的转化率百分比。

配置参数：

- 层级数量：5个关键节点

- 颜色渐变：从深蓝到浅蓝

- 标签显示：数量+转化率

- 间距设置：突出流失环节

1.2 车位占用分析

使用的接口和字段：

3.3 剩余车位同步接口

total_spaces - 总车位数

occupied_spaces - 已占用车位

available_spaces - 剩余车位

area_code - 区域编码

update_time - 更新时间

3.25 获取统计区域剩余车位数接口

area_name - 区域名称

total_spaces - 总车位数

occupied_spaces - 已占用车位

available_spaces - 剩余车位

utilization_rate - 利用率

3.5 获取在场车辆接口

plate_number - 在场车牌

entry_time - 进场时间

parking_area - 停车区域

数据分析方法：

// 车位利用率计算
车位利用率 = (occupied_spaces / total_spaces) * 100%
// 计算停车场整体或分区域的车位使用率，反映空间资源利用效率
// 利用率过高（>90%）表示接近饱和，需要启动限流或引导措施
// 利用率过低（<60%）表示资源浪费，可考虑调整收费或推广策略区域利用率 = GROUP BY area_code, AVG(occupied_spaces / total_spaces)
// 分析各个停车区域的平均利用率，识别热门区域和冷门区域车位周转率 = (每日进场次数 / 总车位数)
// 衡量车位使用频率和流动性，反映停车场的商业活跃度
// 高周转率表示车位使用效率高，适合短时停车需求
// 低周转率可能适合长时停车或需要提升服务吸引力// 区域热度分析
区域热度 = GROUP BY parking_area, COUNT(在场车辆)
// 统计各区域当前停放的车辆数量，直观反映区域受欢迎程度区域利用率排行 = GROUP BY area_name, AVG(utilization_rate) ORDER BY AVG(utilization_rate) DESC
// 按利用率高低对各区域进行排序，快速识别表现最好和最差的区域// 车位状态统计
空闲车位分布 = GROUP BY area_code, SUM(available_spaces)
// 统计各区域的空余车位数量分布，为车辆引导提供实时数据车位使用时长 = AVG(TIMESTAMPDIFF(MINUTE, entry_time, NOW()))
// 计算当前在场车辆的平均停车时长，反映停车需求特征

图表类型：

1. 热力图：区域车位使用密度分析

对应数据分析：车位利用率、区域利用率、区域热度

数据处理逻辑：
将停车区域数据转换为热力图坐标点，采用10列网格布局将区域索引转换为X、Y坐标。每个热力图点包含坐标位置、利用率数值、区域名称、已占用车位数和总车位数等信息。建立动态色阶映射机制，利用率低于60%显示蓝色（低负荷），60%-85%显示绿色（正常），85%-95%显示黄色（高负荷），95%以上显示红色（临界状态），直观反映各区域的使用强度。

配置参数：

- 颜色映射：0-100%利用率对应蓝-绿-黄-红渐变

- 网格大小：10x8布局适配大多数停车场

- 更新频率：1分钟

- 动画效果：颜色过渡和数值变化动画

交互功能：悬停显示详细信息，点击查看区域历史，支持时间回放

2. 环形进度条：实时利用率监控

对应数据分析：车位利用率、车位周转率、区域饱和度预警

数据处理逻辑：
综合计算利用率指标，包括当前实时利用率（已占用车位除以总车位数乘以100%）、设定目标利用率（通常为85%）、过去24小时内的峰值利用率，以及与昨日同期对比的趋势方向。建立四级预警体系：70%以下为安全状态，70%-90%为繁忙状态，90%-95%为饱和状态，95%以上为溢出状态，为停车场运营管理提供分级预警机制。

配置参数：

- 环形粗细：20px

- 动画时长：1.5秒

- 目标线：85%利用率目标线

- 颜色阈值：绿色0-70%，黄色70-90%，红色90%+

交互功能：显示详细指标，切换不同区域，预测满载时间

3. 堆叠柱状图：区域容量与使用情况

对应数据分析：区域利用率、空闲车位分布、车位状态统计

数据处理逻辑：
构建堆叠柱状图数据结构，将每个区域的车位分为已占用、可用、预约和禁用四个类别，并计算利用率百分比。数据按总容量大小降序排列，便于识别大容量区域。同时计算效率指标，包括实际利用效率（已占用除以总数）和资源浪费率（禁用和预约车位除以总数），帮助评估各区域的容量配置合理性和使用效率。

配置参数：

- 堆叠顺序：占用-预约-空闲-禁用

- 颜色方案：红-黄-绿-灰

- 标签显示：总数和利用率

- 排序方式：按容量或利用率排序

交互功能：切换排序方式，显示详细构成，对比历史数据

2. 时间维度统计分析

2.1 历史趋势分析

使用的接口和字段：

3.13 获取时间段范围内的车流量接口

start_time - 开始时间

end_time - 结束时间

entry_count - 进场车辆数

exit_count - 离场车辆数

area_code - 区域编码

数据分析方法：

// 时段分析
小时车流量 = GROUP BY HOUR(entry_time), COUNT(*)
// 按小时统计进场车辆数量，识别24小时内的流量分布规律日车流量 = GROUP BY DATE(entry_time), COUNT(*)
// 按天统计车流量，分析日常流量波动和长期变化趋势高峰时段 = GROUP BY HOUR(entry_time), COUNT(*) ORDER BY COUNT(*) DESC
// 识别车流量最高的时间段，确定停车场的核心服务时间时段车流量对比 = GROUP BY HOUR(start_time), SUM(entry_count), SUM(exit_count)
// 同时分析进场和离场的时间分布，发现流量不平衡问题周同比 = (本周车流 - 上周车流) / 上周车流 * 100%
// 计算周度车流增长率，监控短期业务变化趋势月同比 = (本月车流 - 上月车流) / 上月车流 * 100%车流趋势预测 = 基于历史数据进行时序分析峰谷比分析 = MAX(车流量) / MIN(车流量)
// 计算高峰期与低谷期的车流量比值，衡量流量波动程度区域车流分布 = GROUP BY area_code, SUM(entry_count + exit_count)
// 统计各区域的总车流量，分析空间利用的均衡性

图表类型：

1. 折线图：24小时车流趋势监控

对应数据分析：小时车流量、高峰时段、峰谷比分析

数据处理逻辑：
建立24小时车流数据集合，创建包含每小时进场、离场、高峰标识的统计数组。遍历原始数据，根据进场和离场时间的小时值进行分类统计。计算24小时平均流量作为基准线，当某小时的进场量超过平均值1.5倍时标记为高峰时段。

配置参数：

- 时间粒度：小时级别，支持切换到15分钟

- 数据系列：进场、离场、净流量三条线

- 高峰标记：超出平均值50%的时段高亮

交互功能：时间区间缩放，高峰时段标注，异常值自动识别

2. 面积图：历史趋势累积展示

对应数据分析：日车流量、周同比、月同比、车流趋势预测

数据处理逻辑：
建立多时段累积数据处理集合，支持7天、30天、90天等不同时间范围的趋势分析。按指定时间范围对原始记录进行分组，为每个时间段计算累积总量、当日增量、周平均值、增长率和预测值等关键指标。

配置参数：

- 堆叠模式：支持累积和百分比堆叠

- 颜色渐变：从浅到深的蓝色系

- 时间范围：7天、30天、90天可切换

交互功能：选择时间段，点击查看单日详情，对比不同时期

3. 柱状图：周期性数据对比

对应数据分析：时段车流量对比、区域车流分布

数据处理逻辑：
建立周期性数据分组对比集合，支持按天（周一至周日）、月（1-12月）、小时（0-23时）三种维度进行数据分组。为每个周期预设标准时间段数组，并创建包含当期数据、前期数据、平均值和增长率的对比结构。

配置参数：

- 柱子宽度：自适应容器宽度

- 颜色编码：正增长绿色，负增长红色

- 数值标签：显示具体数值和增长率

- 基准线：显示平均值或目标值

交互功能：切换分组方式，显示同比环比，异常值突出显示

2.2 停车时长分析

使用的接口和字段：

3.2 离场数据同步接口

parking_duration - 停车时长（分钟）

exit_time - 离场时间

parking_fee - 停车费用

plate_number - 车牌号码

payment_status - 支付状态

数据分析方法：

// 停车时长分布
平均停车时长 = AVG(parking_duration)
// 计算所有车辆的平均停车时间，反映停车场的主要服务对象特征停车时长分布 = 短停(0-1h): COUNT(parking_duration <= 60)// 统计1小时内的短时停车数量中停(1-4h): COUNT(parking_duration BETWEEN 61 AND 240)// 统计1-4小时的中等时长停车长停(4-8h): COUNT(parking_duration BETWEEN 241 AND 480)// 统计4-8小时的长时停车超长停(>8h): COUNT(parking_duration > 480)// 统计超过8小时的超长停车// 收费统计
收费统计 = SUM(parking_fee), AVG(parking_fee), COUNT(parking_fee > 0)
// 计算总收费金额、平均收费和付费车辆数量支付状态分析 = GROUP BY payment_status, COUNT(*)
// 统计已付、未付、免费等不同支付状态的车辆数量分布
// 时长与收费关系
停车时长收费分析 = GROUP BY parking_duration范围, AVG(parking_fee)
// 分析不同停车时长区间的平均收费水平，评估收费策略效果

图表类型：

1. 饼图：停车时长分布结构分析

对应数据分析：停车时长分布

配置参数：

- 颜色方案：蓝-绿-橙-红渐变（时长递增）

- 标签显示：数量 + 百分比 + 平均收益

- 动画效果：扇形展开动画

- 交互模式：点击显示详细分析

2. 柱状图：时长区间详细对比

对应数据分析：平均停车时长、收费统计

配置参数：

- 柱状颜色：基于效率的渐变色（低效红色到高效绿色）

- 双Y轴：左侧车辆数，右侧收益额

- 数值标签：显示车辆数和效率评分

- 基准线：显示平均效率线

交互功能：切换时间粒度，显示效率排名，异常区间标注

3. 异常行为监控

3.1 异常行为监控

使用的接口和字段：

查询黑名单人员接口

plate_number - 车牌号

blacklist_type - 黑名单类型

blacklist_reason - 加入原因

add_time - 加入时间

status - 状态

park_name - 车场名称

7.1 获取欠费车辆信息接口

plate_number - 车牌号

debt_amount - 欠费金额

debt_days - 欠费天数

last_exit_time - 最后离场时间

total_amount - 应付总金额

数据分析方法：

// 异常行为统计
黑名单车辆数 = COUNT(DISTINCT plate_number WHERE blacklist = true)
// 统计当前有效的黑名单车辆总数欠费车辆数 = COUNT(DISTINCT plate_number WHERE debt_amount > 0)
// 统计存在未结清欠费的车辆数量超长停车 = COUNT(parking_duration > 48小时)
// 统计停车超过48小时的异常车辆频繁进出 = COUNT(同一车牌当日进出次数 > 10)
// 识别单日多次进出的异常行为// 风险等级评估
高风险车辆 = 黑名单 + 欠费 + 超长停车
// 综合多个风险因子评估车辆的风险等级黑名单类型分布 = GROUP BY blacklist_type, COUNT(*)
// 分析不同类型黑名单的数量分布，识别主要风险来源欠费金额统计 = SUM(debt_amount), AVG(debt_amount)
// 计算总欠费金额和平均欠费水平，评估财务损失规模欠费天数分析 = GROUP BY debt_days范围, COUNT(*)
// 按欠费时间长短分析欠费车辆分布，制定不同的催收策略// 异常趋势分析
黑名单增长趋势 = GROUP BY DATE(add_time), COUNT(*)
// 分析黑名单车辆的增长趋势，评估安全形势变化欠费车辆增长趋势 = GROUP BY 欠费产生日期, COUNT(*)
// 跟踪欠费车辆的产生趋势，分析收费管理效果变化

图表类型：

1. 告警面板：实时异常监控中心

对应数据分析：黑名单车辆数、欠费车辆数、超长停车、频繁进出

数据处理逻辑：
建立实时异常监控，设定三级告警机制：紧急级（红色、优先级1、声音提醒）、警告级（黄色、优先级2、无声音）、信息级（蓝色、优先级3、无声音）。对欠费车辆根据金额分级处理（超100元为紧急级），对异常停车统一按警告级处理。维护活跃告警映射表，实现告警去重和优先级排序。

配置参数：

- 告警级别：3级颜色区分（红-黄-蓝）

- 闪烁效果：紧急告警2秒间隔闪烁

- 自动处理：可配置的自动响应动作

2. 饼图：异常类型分布统计

对应数据分析：黑名单类型分布、欠费金额统计

数据处理逻辑：
建立异常类型统计分析，将异常数据分为黑名单、欠费、超时停车、频繁进出和其他五大类别。对黑名单类别进一步细分子类型并统计各子类数量，对欠费类别累计总金额并计算平均欠费，对超时停车累计总时长并计算平均时长，对频繁进出累计总次数并计算平均次数。遍历异常数据记录，根据类型进行分类统计，最终计算各类别的数量占比。