停车统计方案

 小区出入车统计方案

---

1， 先按日期将数据分组，每天一个组，理解成每天的数据是一个文件， daily_data

2， 对每天的数据建立入车字典和出车字典，以车牌为key，value为长度24的列表，对应每个小时的

最晚入车时间或出车时间。同一车辆不会连续入车两次，也不会连续出车两次，此前必包含完整的进出，

可抵消不计，只记录单位小时的最晚入车或出车。列表内的元素为出/入车时间(字符串)或0(这个小时没有出入记录)。

3，对当天数据统计每个车的最早出车和最晚入车时间， 有则记录时间，无则记录0。

4 ，对当天数据统计每个车的入车次数和出车次数，两者相等或差值为1。入车次数大，则最终状态为进入；

出车次数大，则最终状态为离开；两者相等比较时间，最晚时间为入车，则最终状态为入车，反之为出车。

5，经过以上处理，就一天的数据而言，每个车可得一个分析结果，以字典为数据结构，示例：

{

’car_a‘: {'move_in': ’16:30:20‘ or 0, 'move_out': '08:10:30' or 0, 'status': 'in' or 'out'},

'car_b': {'move_in': ’16:10:20‘ or 0, 'move_out': '09:10:30' or 0, 'status': 'in' or 'out'}

}

6, 相邻两天的数据按车牌比较，若前一天最终状态为出车，跳过比较

def census(former_data, latter_data):
    use_cars = []
    for key in former_data:
        part_a = former_data[key]
        if part['status'] == 'in' and key in latter_data:
            part_b = latter_data[key]
            if part_b['move_out']:
                remain = part_b['move_out'] - part_a['move_in']
                if remain >= 24h:
                    use_cars.append(key)
                    
    ruturn use_cars