物聯(lián)模式下的停車引導(dǎo)系統(tǒng)

引 言

在私家車擁有量達(dá)到歷史新高的同時(shí)，車聯(lián)網(wǎng)也在穩(wěn)步發(fā)展中?，F(xiàn)國內(nèi)外都在關(guān)注智能化停車相關(guān)領(lǐng)域，并擁有了較為豐富的理論基礎(chǔ)和技術(shù)實(shí)踐，主要以收集和分析停車場內(nèi)數(shù)據(jù)為主。但許多系統(tǒng)由于成本或可行性等問題，無法進(jìn)行有效推廣和應(yīng)用。同時(shí)，研究者的焦點(diǎn)都集中在針對(duì)某一停車場內(nèi)部車位的最優(yōu)選擇和引導(dǎo)方面，少有人關(guān)注停車場之間的選擇以及街邊停車位信息的收集。事實(shí)上，這兩者對(duì)分流高密集人流量的停車區(qū)域、高效合理地利用資源和緩解交通壓力等方面效果顯著。

本文構(gòu)建的智能停車引導(dǎo)系統(tǒng)在試圖以較低成本對(duì)各個(gè)停車場內(nèi)信息進(jìn)行采集和分析，將用戶引導(dǎo)至最優(yōu)停車位的基礎(chǔ)上，還將監(jiān)控各路邊停車位，采用路徑規(guī)劃算法在各停車場之間、各路邊車位之間建立聯(lián)系，引導(dǎo)用戶在避免違反交通章程的基礎(chǔ)上能夠更便捷地停車 [1-3]。

1 基于圖像識(shí)別的車位檢測

傳統(tǒng)的傳感器檢測方法受外界環(huán)境的影響較大，相比而言，基于圖像處理的車位檢測更智能，對(duì)環(huán)境有較小的依賴性。基于圖像識(shí)別的車位檢測通過外部設(shè)備如攝像頭來獲取車位圖像，進(jìn)行預(yù)處理操作，并利用識(shí)別算法自動(dòng)識(shí)別并判斷所有停車位的占有狀況，將結(jié)果反饋給后端 [4]。

1.1 圖像預(yù)處理

在車位檢測過程中，為了保證圖像檢測前后的一致性， 提高檢測和識(shí)別可靠性，要先對(duì)圖像進(jìn)行預(yù)處理。在通過攝像頭采集圖像時(shí)，設(shè)備的位置、距車位的距離對(duì)每個(gè)車位在圖像中的位置和大小均會(huì)產(chǎn)生一定影響，這種影響具有不可控和不確定性。不僅如此，周圍環(huán)境的變化如光照、雨雪等也會(huì)導(dǎo)致采集的圖像出現(xiàn)噪聲大、明暗程度存在差異、分辨率低等情況?？紤]到這些因素對(duì)圖像的多重影響，本系統(tǒng)對(duì)圖像進(jìn)行了以下預(yù)處理操作 ：

（1）對(duì)輸入的原始圖像進(jìn)行顏色轉(zhuǎn)換，包括二值化和灰度處理 ；

（2）通過高斯濾波和中值濾波對(duì)圖像進(jìn)行濾波操作 ；

（3）進(jìn)行圖像形態(tài)變換，采用相應(yīng)的腐蝕和膨脹處理措施。

預(yù)處理完成后，利用改進(jìn)型背景差分法來判斷車位狀況， 實(shí)現(xiàn)對(duì)空余車位的檢測。

1.2 基于背景差分法的車位檢測

背景差分法是將采集到的視頻幀與背景圖像做差分運(yùn)算，進(jìn)而將目標(biāo)物體作為主要分析對(duì)象分割出來。但在實(shí)際操作中，在用此算法檢測停車位上的車輛時(shí)，由于圖像中其余區(qū)域（不包括車位區(qū)）所發(fā)生的狀態(tài)變化都會(huì)被提取，致使整個(gè)過程的計(jì)算量明顯增大，檢測準(zhǔn)確率降低。在此基礎(chǔ)上，本系統(tǒng)采用改進(jìn)型背景差分法，即采用先分割后差分的方式，先將圖像中現(xiàn)有的停車位區(qū)分提取出來，后期只需針對(duì)這些區(qū)域做背景差分運(yùn)算即可，很大程度上彌補(bǔ)了原算法的缺點(diǎn)[5-7]。背景差分法流程如圖 1 所示。

1.3 車位檢測結(jié)果

車位中車輛的覆蓋面積較大，像素點(diǎn)較多，可通過設(shè)定閾值的方式來排除外界不可控因素對(duì)圖像的干擾。在車輛駛?cè)胪＼囄缓?，各區(qū)域塊內(nèi)像素的積累值會(huì)發(fā)生明顯改變，超過閾值之后再逐步趨于穩(wěn)定。出現(xiàn)上述變化即可判斷出當(dāng)前停車位有車輛占用。在此利用真實(shí)停車位照片進(jìn)行檢測，實(shí)際測試結(jié)果較為理想。當(dāng)算法自動(dòng)檢測到當(dāng)前車位有車輛時(shí)，在相應(yīng)的車位處標(biāo)記為紅色，否則標(biāo)記為綠色，如圖 2 所示。

2 路徑規(guī)劃算法

本項(xiàng)目通過最短路徑算法——Dijkstra 算法為泊車引導(dǎo)提供路徑規(guī)劃。該算法遍歷了起始點(diǎn)和目標(biāo)點(diǎn)之間的全部節(jié)點(diǎn)，搜索范圍廣，具有較高的穩(wěn)定性和準(zhǔn)確度。

加權(quán)無向圖用鄰接矩陣 graph 表示，〈vm，vn〉兩節(jié)點(diǎn)間的邊長權(quán)值用 graph[m][n] 表示，若〈vm，vn〉兩節(jié)點(diǎn)不相鄰或無權(quán)值，則 graph[m][n] 值為 0 或∞。從起始節(jié)點(diǎn) v 到每個(gè)節(jié)點(diǎn) vm 的最短路徑值用 D[m] 表示。S 為已找到的從起始節(jié)點(diǎn) v 出發(fā)到目標(biāo)節(jié)點(diǎn)的最短路徑節(jié)點(diǎn)集合，初始狀態(tài)為空集。

（1）初始化 S ：

（2）選擇 vn，使 D[n]=min{D[m]|vm ∈ V-S}，vn 為求出的一條從起始節(jié)點(diǎn) v 出發(fā)的最短路徑的終節(jié)點(diǎn)，更新 S 使 S=S ∪ {n}。 

（3）修改從起始節(jié)點(diǎn) v 到集合 V-S 上任何一個(gè)節(jié)點(diǎn) vp 的最短路徑，若 D n[ ] + graph[ ] n p[ ] < D p[ ] ，則修改 D[n] 為 ：

（4）重復(fù)（2）與（3）n-1 次，便可以得到從起始點(diǎn) v到圖上其他頂點(diǎn)的最短路徑。

此算法的缺點(diǎn)在于搜索的節(jié)點(diǎn)數(shù)較多，搜索范圍過大，無法在計(jì)算復(fù)雜拓?fù)渚W(wǎng)絡(luò)的路徑時(shí)發(fā)揮較大作用。在此基礎(chǔ)上進(jìn)行改進(jìn)，若采用 Dijkstra 扇形限制算法可提高選路速度，減少系統(tǒng)的響應(yīng)時(shí)間，更好地體現(xiàn)實(shí)時(shí)傳輸與更新。當(dāng)車位節(jié)點(diǎn)數(shù)較少，或過多無效的車流干擾造成擁堵時(shí)，應(yīng)啟用實(shí)時(shí)路徑規(guī)劃，選擇最短的可行路徑將用戶引導(dǎo)至推薦車位區(qū)域。此外，也可在系統(tǒng)安裝時(shí)將各節(jié)點(diǎn)間的路徑提前計(jì)算并將相應(yīng)路徑的數(shù)據(jù)保存到數(shù)據(jù)庫中，在實(shí)際操作中以查詢表的形式進(jìn)行調(diào)用，可加快尋路速度，促使系統(tǒng)反應(yīng)更迅速。

3 停車引導(dǎo)系統(tǒng)的整體開發(fā)

3.1 服務(wù)器開發(fā)

本系統(tǒng)是基于 Java Web 開發(fā)的網(wǎng)頁應(yīng)用程序，基于MVC 模式進(jìn)行編程，涉及的技術(shù)包括 JSP，JSTL，Servlet，Session 機(jī)制，JDBC 編程，同時(shí)也使用了數(shù)據(jù)庫、Tomcat 服務(wù)器及框架 JQuery 實(shí)現(xiàn) Web 開發(fā)。

MVC 設(shè)計(jì)模式自頂向下進(jìn)行編程 ：

Model 模塊實(shí)現(xiàn)數(shù)據(jù)庫數(shù)據(jù)與服務(wù)器端對(duì)象映射，以及與數(shù)據(jù)庫數(shù)據(jù)的交互 ；

View 模塊使用 HTML 語言、JS 技術(shù)及 JQuery 框架實(shí)現(xiàn)了用戶登錄和注冊頁面 ；

Control 模塊使用 JSP 及 Servlet 技術(shù)實(shí)現(xiàn)視圖界面與數(shù)據(jù)庫數(shù)據(jù)的交互，同時(shí)用圖像識(shí)別模塊調(diào)用攝像頭傳輸?shù)囊?/span>頻并識(shí)別車位信息（共三種狀態(tài) ：預(yù)定、占用、為空），將車位信息實(shí)時(shí)同步到數(shù)據(jù)庫中 ；

用戶使用導(dǎo)航功能時(shí)，服務(wù)器將會(huì)調(diào)用選路算法，使用JDBC 編程訪問數(shù)據(jù)庫數(shù)據(jù)，查找目的地附近的所有空車位，使用 JSP 進(jìn)行導(dǎo)航路徑顯示，導(dǎo)航到此結(jié)束。

智能停車場引導(dǎo)系統(tǒng)中的 Tomcat 服務(wù)器主要完成以下功能 ：

（1）服務(wù)器和硬件平臺(tái)中的WiFi模塊進(jìn)行網(wǎng)絡(luò)數(shù)據(jù)通信，通過建立 Socket 連接實(shí)現(xiàn)數(shù)據(jù)傳輸 ； 

（2）服務(wù)器通過 HTTP 通信協(xié)議響應(yīng)手機(jī)移動(dòng)端發(fā)來的數(shù)據(jù)請求，實(shí)現(xiàn)用戶的注冊登錄，并為用戶提供車位信息 ； 

（3）服務(wù)器連接 MySQL 數(shù)據(jù)庫，通過注冊登錄、驗(yàn)證身份、設(shè)置權(quán)限等操作保證數(shù)據(jù)庫的安全，硬件平臺(tái)和手機(jī)移動(dòng)端可以通過服務(wù)器對(duì)數(shù)據(jù)庫中的數(shù)據(jù)信息如車位屬性、用戶信息等進(jìn)行增加、刪除、修改、查看等操作。

3.2 網(wǎng)頁實(shí)現(xiàn)

通過注冊、登錄后，用戶成功進(jìn)入系統(tǒng)主頁，如圖 3 所示，可輸入要查找的目的地進(jìn)行附近車位查詢。以西北大學(xué)為例，目的地附近地圖的效果如圖 4 所示。以西北大學(xué)長安校區(qū) 5號(hào)教學(xué)樓為目的地搜索附近車位，路線及車位情況如圖5所示。

4 結(jié) 語

本文主要研究了如何通過交通網(wǎng)絡(luò)數(shù)據(jù)對(duì)街道停車位和停車場車位的使用狀況進(jìn)行分析，繼而引導(dǎo)用戶高效抵達(dá)空余車位，從而減少交通擁堵、違章停車等現(xiàn)象。同時(shí)，合理配置資源，提升停車場及路邊車位的利用效率，減少浪費(fèi)。本系統(tǒng)的數(shù)據(jù)來源于交通網(wǎng)絡(luò)系統(tǒng)的監(jiān)控設(shè)施，通過圖像識(shí)別技術(shù)對(duì)車位進(jìn)行空余篩選，利用最優(yōu)泊位算法確定最優(yōu)泊車路線，以達(dá)到在不同規(guī)模、布局的車位區(qū)域都能夠?qū)崿F(xiàn)算法獲取和泊位引導(dǎo)。

現(xiàn)場測試證明系統(tǒng)能夠很好地實(shí)現(xiàn)車位檢測、數(shù)據(jù)采集、傳輸和處理、車位引導(dǎo)及信息實(shí)時(shí)顯示、更新和存儲(chǔ)等功能，系統(tǒng)能較好地滿足停車引導(dǎo)的智能化服務(wù)需求，為用戶實(shí)時(shí)提供便利，驗(yàn)證了本文所研究技術(shù)與方案的可行性。本文的主要?jiǎng)?chuàng)新點(diǎn)如下 ： 

（1）以充分利用停車位為前提，將街道臨時(shí)停車位和停車場車位同時(shí)考慮在內(nèi)，切實(shí)考慮找尋車位中的實(shí)際情況，為研究停車引導(dǎo)提供了新思路和新方向。 

（2）拋卻傳統(tǒng)的傳感器車位感知技術(shù)，采用攝像頭采集視頻，并對(duì)視頻幀進(jìn)行圖像識(shí)別，減小了外界不可控因素對(duì)檢測設(shè)備的影響，使對(duì)車位狀態(tài)的檢測更高效合理。