物联模式下的停车引导系统

引 言

在私家车拥有量达到历史新高的同时，车联网也在稳步发展中。现国内外都在关注智能化停车相关领域，并拥有了较为丰富的理论基础和技术实践，主要以收集和分析停车场内数据为主。但许多系统由于成本或可行性等问题，无法进行有效推广和应用。同时，研究者的焦点都集中在针对某一停车场内部车位的最优选择和引导方面，少有人关注停车场之间的选择以及街边停车位信息的收集。事实上，这两者对分流高密集人流量的停车区域、高效合理地利用资源和缓解交通压力等方面效果显著。

本文构建的智能停车引导系统在试图以较低成本对各个停车场内信息进行采集和分析，将用户引导至最优停车位的基础上，还将监控各路边停车位，采用路径规划算法在各停车场之间、各路边车位之间建立联系，引导用户在避免违反交通章程的基础上能够更便捷地停车 [1-3]。

1 基于图像识别的车位检测

传统的传感器检测方法受外界环境的影响较大，相比而言，基于图像处理的车位检测更智能，对环境有较小的依赖性。基于图像识别的车位检测通过外部设备如摄像头来获取车位图像，进行预处理操作，并利用识别算法自动识别并判断所有停车位的占有状况，将结果反馈给后端 [4]。

1.1 图像预处理

在车位检测过程中，为了保证图像检测前后的一致性， 提高检测和识别可靠性，要先对图像进行预处理。在通过摄像头采集图像时，设备的位置、距车位的距离对每个车位在图像中的位置和大小均会产生一定影响，这种影响具有不可控和不确定性。不仅如此，周围环境的变化如光照、雨雪等也会导致采集的图像出现噪声大、明暗程度存在差异、分辨率低等情况。考虑到这些因素对图像的多重影响，本系统对图像进行了以下预处理操作 ：

（1）对输入的原始图像进行颜色转换，包括二值化和灰度处理 ；

（2）通过高斯滤波和中值滤波对图像进行滤波操作 ；

（3）进行图像形态变换，采用相应的腐蚀和膨胀处理措施。

预处理完成后，利用改进型背景差分法来判断车位状况， 实现对空余车位的检测。

1.2 基于背景差分法的车位检测

背景差分法是将采集到的视频帧与背景图像做差分运算，进而将目标物体作为主要分析对象分割出来。但在实际操作中，在用此算法检测停车位上的车辆时，由于图像中其余区域（不包括车位区）所发生的状态变化都会被提取，致使整个过程的计算量明显增大，检测准确率降低。在此基础上，本系统采用改进型背景差分法，即采用先分割后差分的方式，先将图像中现有的停车位区分提取出来，后期只需针对这些区域做背景差分运算即可，很大程度上弥补了原算法的缺点[5-7]。背景差分法流程如图 1 所示。

1.3 车位检测结果

车位中车辆的覆盖面积较大，像素点较多，可通过设定阈值的方式来排除外界不可控因素对图像的干扰。在车辆驶入停车位后，各区域块内像素的积累值会发生明显改变，超过阈值之后再逐步趋于稳定。出现上述变化即可判断出当前停车位有车辆占用。在此利用真实停车位照片进行检测，实际测试结果较为理想。当算法自动检测到当前车位有车辆时，在相应的车位处标记为红色，否则标记为绿色，如图 2 所示。

2 路径规划算法

本项目通过最短路径算法——Dijkstra 算法为泊车引导提供路径规划。该算法遍历了起始点和目标点之间的全部节点，搜索范围广，具有较高的稳定性和准确度。

加权无向图用邻接矩阵 graph 表示，〈vm，vn〉两节点间的边长权值用 graph[m][n] 表示，若〈vm，vn〉两节点不相邻或无权值，则 graph[m][n] 值为 0 或∞。从起始节点 v 到每个节点 vm 的最短路径值用 D[m] 表示。S 为已找到的从起始节点 v 出发到目标节点的最短路径节点集合，初始状态为空集。

（1）初始化 S ：

（2）选择 vn，使 D[n]=min{D[m]|vm ∈ V-S}，vn 为求出的一条从起始节点 v 出发的最短路径的终节点，更新 S 使 S=S ∪ {n}。 

（3）修改从起始节点 v 到集合 V-S 上任何一个节点 vp 的最短路径，若 D n[ ] + graph[ ] n p[ ] < D p[ ] ，则修改 D[n] 为 ：

（4）重复（2）与（3）n-1 次，便可以得到从起始点 v到图上其他顶点的最短路径。

此算法的缺点在于搜索的节点数较多，搜索范围过大，无法在计算复杂拓扑网络的路径时发挥较大作用。在此基础上进行改进，若采用 Dijkstra 扇形限制算法可提高选路速度，减少系统的响应时间，更好地体现实时传输与更新。当车位节点数较少，或过多无效的车流干扰造成拥堵时，应启用实时路径规划，选择最短的可行路径将用户引导至推荐车位区域。此外，也可在系统安装时将各节点间的路径提前计算并将相应路径的数据保存到数据库中，在实际操作中以查询表的形式进行调用，可加快寻路速度，促使系统反应更迅速。

3 停车引导系统的整体开发

3.1 服务器开发

本系统是基于 Java Web 开发的网页应用程序，基于MVC 模式进行编程，涉及的技术包括 JSP，JSTL，Servlet，Session 机制，JDBC 编程，同时也使用了数据库、Tomcat 服务器及框架 JQuery 实现 Web 开发。

MVC 设计模式自顶向下进行编程 ：

Model 模块实现数据库数据与服务器端对象映射，以及与数据库数据的交互 ；

View 模块使用 HTML 语言、JS 技术及 JQuery 框架实现了用户登录和注册页面 ；

Control 模块使用 JSP 及 Servlet 技术实现视图界面与数据库数据的交互，同时用图像识别模块调用摄像头传输的视频并识别车位信息（共三种状态 ：预定、占用、为空），将车位信息实时同步到数据库中 ；

用户使用导航功能时，服务器将会调用选路算法，使用JDBC 编程访问数据库数据，查找目的地附近的所有空车位，使用 JSP 进行导航路径显示，导航到此结束。

智能停车场引导系统中的 Tomcat 服务器主要完成以下功能 ：

（1）服务器和硬件平台中的WiFi模块进行网络数据通信，通过建立 Socket 连接实现数据传输 ； 

（2）服务器通过 HTTP 通信协议响应手机移动端发来的数据请求，实现用户的注册登录，并为用户提供车位信息 ； 

（3）服务器连接 MySQL 数据库，通过注册登录、验证身份、设置权限等操作保证数据库的安全，硬件平台和手机移动端可以通过服务器对数据库中的数据信息如车位属性、用户信息等进行增加、删除、修改、查看等操作。

3.2 网页实现

通过注册、登录后，用户成功进入系统主页，如图 3 所示，可输入要查找的目的地进行附近车位查询。以西北大学为例，目的地附近地图的效果如图 4 所示。以西北大学长安校区 5号教学楼为目的地搜索附近车位，路线及车位情况如图5所示。

4 结 语

本文主要研究了如何通过交通网络数据对街道停车位和停车场车位的使用状况进行分析，继而引导用户高效抵达空余车位，从而减少交通拥堵、违章停车等现象。同时，合理配置资源，提升停车场及路边车位的利用效率，减少浪费。本系统的数据来源于交通网络系统的监控设施，通过图像识别技术对车位进行空余筛选，利用最优泊位算法确定最优泊车路线，以达到在不同规模、布局的车位区域都能够实现算法获取和泊位引导。

现场测试证明系统能够很好地实现车位检测、数据采集、传输和处理、车位引导及信息实时显示、更新和存储等功能，系统能较好地满足停车引导的智能化服务需求，为用户实时提供便利，验证了本文所研究技术与方案的可行性。本文的主要创新点如下 ： 

（1）以充分利用停车位为前提，将街道临时停车位和停车场车位同时考虑在内，切实考虑找寻车位中的实际情况，为研究停车引导提供了新思路和新方向。 

（2）抛却传统的传感器车位感知技术，采用摄像头采集视频，并对视频帧进行图像识别，减小了外界不可控因素对检测设备的影响，使对车位状态的检测更高效合理。