本文笔者将与大家畅想一下：针对于城市级停车场规划、车场未来压力预测以及压力疏导，如何通过大数据形式进行展示，并通过简单的数据计算出车场、商圈等场所未来一段时间内，面临大量压力所能做出的针对性调整？
首先，大数据绝不是各种原始数据的报表或图形的另一种展现形式，这一点我们要有明显认知。
其次，大数据之所以称之为“大”，那一定是具有海量级的数据，大到轻轻松松就可分析用户的几百上千种行为、大到几百次随机抽样计算都未必能选中同一个用户、大到北冥有鱼，其名为鲲，鲲之大，一锅炖不下（不好意思，小说思维泛滥了，责编又催我交稿了）。
再次，大数据需要进行数据细分，对有可能想到、碰到的所有行为、用户类型等，都要进行标签化设置。脑洞的用途在这里有很明显的优势，化而为鸟，其名为鹏，鹏之大，需要两个烧……..
又次，大数据的组成结构一定是具有多样性的，So……你要想尽一切办法为数据库填充你主营业务的所有可扩展字段。而这些维度的数据，是在建立大数据平台前你无法进行预知，说不定哪天就能用上。
双次，刚才说了，大数据并不是原始数据的报表输出形式，而是建立在计算数据当中，我们通常称其为“指标”。只有将无序且面似毫无关联的数据通过一组公式进行组合之后，这些数据才最终具有了可判断性。我们最常用的一种指标，应该算是KPI了吧。老板：这个月你得扣钱了啊！
叒次，大数据平台载体的算力同样是让人捉急，已经大到那个样儿了。载体不给力，你要怎么算，对于某些行业来说，两天前的数据已经不具有对未来的指导性了。
叕次，有了海量数据和高功的算力，接下来大数据平台，就应该考虑这些数据如何对业务产生既定分析以及业务未来的决策分析了。这基本是通过指标进行的，而且各个行业特点不同，所以会有不同的区别。
大数据平台的基本结构
我要先声明一下：系统结构万万千，通罗马的道路千千万，不要被固化思维与结构形式所束缚，脑洞在这里是最需要释放的地方。（当然，设计得合理）
可支持任意模型创建：在工作未开展前，你恐怕永远都无法将数据平台的用途详尽吧，在运营人员提出向看一下用户站着喝水的比例的时候，难道要产品重新开发么？
可支持事件创建：平台使用者通过事件类工具，可以自定义事件类型，自有发挥、自有选择环节。（运营：其实我真正的需求是想看一下用户喝完水之后是去接水还是扔掉杯子。）
可支持数据报警：数据报警分为两部分，一部分是数据缺失造成计算的结果、指标会出现明显偏差，影响着数据精准性；另一部分是运营趋势的报警，这部分看业务需求，对于停车业务来说，只要稳定增长且不超过最大负荷量，就基本可以满足。
可支持自定义报表：自定义报表这个东西，相信很多人都知道，Excel的WEB版么，对运营来说很重要的。（研发表示：嗯，你们应该有一个）
可支持SQL查询：在自定义报表都将无法满足你运营人员需求的时候，有没有想过让运营去学SQL？自己通过页面SQL工具进行查询，甚至生成图形话报表。（运营：呸！凑不要撵）
停车业务数据平台
假定需求方：一个可以看到整个城市或整个区域停车数据的公司。
至于细分用户、模型创建那些需求我就不在介绍了，那些细分的数据是要注入到指标里进行作用的，直入主题吧。另，篇幅原因，当前文章中仅对“停车场 压力预测”功能进行介绍。
我们先对一些车辆、车场、行为进行一些粗浅的分类了解。
车辆行为分类：
入场：车辆开进停车场即可。
出场：与入场是一对儿不可分开的存在。
返港：特指驾驶者将车辆驶停至车辆所有者的常停车场（家），可以理解为车家。
车辆分类：
常量车：同一个停车场，每周连续时间段，且固定时间入场、出场行为，同时符合早几晚几的特点，如日常办公楼的白领们。
定期车：每周不连续时段，但行为固定，如每周（或每隔周）一、三、五都会出现的车辆，称为定期车。
临时车：无任何规律可循，随随便便入场出场的车辆。
僵尸车：停下来就不走的那种，固定个时间范围即可。
错峰车：如上班驾车，经常迟到，车场位置不足，无法入场，只能选择当前车场周边的其他车场进行停放。
返港车：确定当前车场为该车辆长期停放场所，特指小区，这与每天出入场次数无关。
因为每种类型车都会有自己的行为习惯，这对进行数据分析有很重要的指导。
车场分类：
按照车场所处的地理位置，大致可以将车场分为商、政、办、娱、教、住等，可以通过车场类型，判断车场中不同车辆类型的停放时间、以及其他。
数据用途范围：车场健康预测、车场分流可行性预测、商圈压力预测。
预测类：车场健康、分流可行性、商圈压力、压力输出导向等。
统计类：车场内部组成解结构、车辆结构趋势等。
虽然以上的介绍中，我并未增加关于人的大量数据（工作性质、岗位、性别、房子、有无子嗣、），但是并不说明这套系统指标计算中并未将其参与进来，零散的数据终将以指标形式存在。
原型中的内容不需要细说了，只对一些指标进行简单的介绍。
守约率：
守约率是判断当前车场中，不同类型车辆是否按照周期性的特点进行停驶操作的一种行为判定性指标。
如某一个车场中，每天大部分时间都存在满载的情况时，可通过守约率来查看，当前车场中，到底是哪一种类型的车辆支撑着车场满负荷运转。
当你了解了停车场中某一周期的停车类型结构时，那么你就会发现：这种结构对于大多数车场是有着稳定性的——如商、政、教、住等，每种类型的车辆守约的程度不同，一旦车场中某一类型车辆的守约率发生明显变化时，证明当前车场的主要力量正在更换，车场周边的环境正在发生改变。
同时，守约率指标配合车辆入场时间类型指标时，将可对未来的某一天，车场在某个时间段是否存在空缺、满负载情况进行数据预测。
关于其他的指标我就不在这篇文章里进行介绍了。
准妈妈定期检查、财务人员固定时间进行报账、教师的假期、节假日的返乡等这些行为，都要纳入到车场判断未来趋势的因素中去。同时，车辆的驾驶者日常的行为习惯、是否守约、长停车场等，依旧是判断车场未来趋势的重要数据。
也许这些都是畅想，反正如果你觉得有用的话，可以参考一下
