CN105160934A - 一种适用于大型停车场的智能停车系统 - Google Patents

Abstract

本发明公开了一种适用于大型停车场的智能停车系统，包括车辆分类导航模块、停车位状态判断模块、停车不规范识别模块、停车位预约模块和停车计费模块等；该系统在停车场入口处和每个停车位入口处部署无线传感器节点。本系统的节点体积小，部署与维护都十分方便，可以直接给现有的停车场安装。本发明智能停车系统一方面可让司机提前了解停车场的停车状况，便于规划路线，减轻交通压力，另一方面方便停车场管理员了解停车场的状况，减少了管理的人力成本，也提高了停车场的竞争力。

Description

一种适用于大型停车场的智能停车系统

技术领域

本发明涉及无线传感器技术，尤其涉及一种基于无线传感器网络的智能停车检测系统。

背景技术

在大型停车场中，往往需要让不同类型的车辆停放在不同的区域，但实际中，有的司机或是不清楚规定，或是找不到指定区域，往往未能按要求停放车辆，给停车场的管理带来了极大的不便。

此外，现有停车管理系统只能统计停车场内停车位被占用的数量，而不能得知具体每个停车位的占用情况。因而司机不得不花费额外的时间在停车场中寻找空闲停车位。在大型停车场中，路线往往错综复杂，司机甚至需要额外的导航功能指引自己到指定位置。

此外，很多司机由于缺乏规范意识，或停车技术不足，不能将车辆完全停在停车线以内，既影响了美观，又往往妨碍临近停车位的停车。停车场不得不耗费额外的人力成本对不规范停车的行为进行监管。

此外，现有停车管理系统只能显示自己停车场的车位情况，司机无法提前得知附近的停车场是否有空闲车位，也无法提前预定停车位，往往需要行驶至某个停车场入口才得知该停车场没有空闲停车位，因而在寻找可用的停车场上浪费了大量的时间。

此外，在上下班等高峰时期，在大型停车场的出入口处往往出现车辆排队等候收费的现象。既浪费了大量的时间，也增加了停车场的人力成本。

发明内容

本发明的目的在于针对现有技术的不足，提供一种适用于大型停车场的智能停车检测系统。

本发明的目的是通过以下技术方案实现的：一种适用于大型停车场的智能停车系统，包括车辆分类导航模块、停车位状态判断模块、停车不规范识别模块、停车位预约模块和停车计费模块等；该系统在停车场入口处和每个停车位入口处部署无线传感器节点；

所述车辆分类导航模块通过部署在停车场入口的节点检测车辆驶入停车场时的信息，根据采集的信息对车辆进行分类，并根据分类结果将车辆引导至不同的停车位；

所述停车位状态判断模块通过监测部署在每个停车位入口处的节点的读数变化判断是否有车辆驶入或驶出，并根据监测结果判断该停车位的停车状态；

所述停车不规范识别模块在判断有车辆驶入时，通过监测节点的读数变化推断车辆在停车位的相对位置，并判断车辆停车是否规范；

所述停车位预约模块通过部署在每个停车位的节点将该停车位的状态信息上传至服务器，系统将所有停车位的状态信息显示给用户，使得用户可对空闲的停车位进行预约；

所述停车计费模块在判断有车辆驶入及驶离的同时，记录车辆驶入及驶离的时间，并计算车辆在停车位的停放时间，从而计算停车费用。

进一步地，所述系统使用无线传感器节点检测车辆相关信息；检测方法包括磁场、红外线、超声波、振动、视频等；检测节点通过监测环境参数是否由于受到附近车辆的影响，从而相对于初始状态发生了变化，进而判断是否有车辆驶过或停靠。

进一步地，所述系统使用无线的方式传输停车场的相关信息；传输频率包括433MHz、470MHz、868MHz、915MHz、2.4GHz等公共频段，组网方式包括星形、网形、树形等网络拓扑结构。

进一步地，所述车辆分类导航模块通过如下方式实现：

将车辆检测节点部署在停车场入口处，通过监测节点的读数变化收集车辆的相关信息，对车辆进行分类，并根据分类结果将不同的车辆引导至相对应的停车位区域；

车辆分类的依据包括：车辆长度、车辆磁场变化的特征值、车辆振动变化的特征值等；

其中，车辆长度的测量方法如下：

将两个节点依次部署在停车场入口处，使车辆先后经过这两个节点。假设两个节点的距离为l，车辆经过两个节点的时间间隔为t，假设车辆经过两个节点的过程中，速度v保持不变，则

$v=\frac{l}{t};$

观察车辆经过单个节点的波形，设得到车辆经过单个节点的时间为T，则车辆长度L为

$L=vT=v\frac{l}{t};$

系统由此可以根据车辆长度的不同，对车辆进行分类，进而将不同长度的车辆引导至停车场相应的停车位；

此外，系统也可以根据车辆磁场变化的特征值进行分类，车辆磁场变化的特征值如下：

获得车辆经过磁场传感器时的波形，并根据波形分析出特征量，所述特征量包括但不限于：波峰数、波谷数、最长上升时间、最长下降时间、最大变化量等。系统将多个特征量组成一个特征向量，并采用机器学习的方式，给予若干样本数量进行训练，进而根据训练结果对测量数据进行分类判断。

此外，系统也可以根据车辆振动变化的特征值进行分类，车辆振动变化的特征值的分类方法，与车辆磁场变化的特征值的分类方法类似。

进一步地，所述停车位状态判断模块通过如下方式实现：

将车辆检测节点部署在每个停车位入口处，车辆检测节点采用磁场传感器，通过监测节点的读数变化判断是否有车辆驶入或驶出，并根据检测结果判断该停车位的停车状态：空闲或占用。系统通过使用基于自适应阈值探测算法(ADTA)的方法判断，以避免环境及邻近停车位等的扰动对结果产生的影响，提高检测的准确率，具体包括以下子步骤：

a)初始状态的基准线计算，在节点刚刚启动，停车位没有车辆停靠时，采集磁场传感器测得的连续n个时刻某方向的磁场强度分量H(1)、H(2)、……H(n)，并将它们的均值作为当前时刻下的基准线，记为B(i)，于是有

$B\left(i\right)=\frac{H\left(1\right)+H\left(2\right)+...+H\left(n\right)}{n},$

进而分别得到三个方向上的基准线B_X(i)、B_Y(i)、B_Z(i)，其中，X轴方向与车辆驶入停车位的方向相同，Y轴与X轴处于同一水平面上，且方向由X轴方向逆时针旋转90°得到，Z轴方向垂直水平面向上；

b)磁场变化量计算，在某个时刻，采集磁场传感器测得某方向上的磁场强度分量H(i)，并与该方向上的基准线相比较，求出该时刻该方向上磁场强度分量的变化量ΔH(i)：

ΔH(i)＝|H(i)-B(i)|，

进而得到三个方向上的磁场强度分量的变化量ΔH_X(i)、ΔH_Y(i)、ΔH_Z(i)；

定义磁场强度变化量ΔM(i)＝f(ΔH_X(i),ΔH_Y(i),ΔH_Z(i))；ΔM(i)可以通过多种方式计算，但应保证车辆停靠前后ΔM(i)的变化尽量大，同时使车辆状态不变时ΔM(i)的变化尽量小；

c)停车状态监测，将磁场强度变化量ΔM(i)与给定的阈值相比较，并根据比较结果更新状态量S(i)的值；若ΔM(i)大于阈值，则S(i)＝1，若ΔM(i)小于阈值，则S(i)＝0；为了提高判断准确率，阈值的设定应尽量保证车辆停靠前后ΔM(i)的变化大于阈值，而车辆状态不变时ΔM(i)的变化小于阈值；由于ΔM(i)的变化量与停车场具体环境、停靠车型有关，建议阈值的取值根据部署的实际情况进行调整；

d)根据S(i)的值及系统前一时刻所处状态，判断当前时刻的状态；

系统可能处于五种状态：初始状态、空闲状态、占用状态、占用缓冲低状态、占用缓冲高状态、空闲缓冲状态；

当节点部署完成，刚刚启动，且没有车辆停靠时，系统处于初始状态；此时系统根据步骤a)所述，初始化基准线；

当基准线初始化完成后，系统进入空闲状态；此时系统开始正常工作，计算状态值S(i)，并根据前一时刻所处状态，判断当前时刻的状态；系统当前时刻的状态在空闲状态、占用状态、占用缓冲低状态、占用缓冲高状态、空闲缓冲状态之间切换；其中，占用缓冲低状态、占用缓冲高状态、空闲缓冲状态是缓冲区状态，为避免由于扰动等因素造成系统误判；各个状态的切换条件如下：

当系统处于空闲状态时，若S(i)＝1，则进入占用缓冲高状态；

当系统处于占用缓冲高状态时，若S(i)＝0，则进入占用缓冲低状态；若连续N次采样均有S(i)＝1，则进入占用状态；

当系统处于占用缓冲低状态时，若S(i)＝1，则进入占用缓冲高状态；若连续N次采样均有S(i)＝0，则进入空闲状态；

当系统处于占用状态时，若S(i)＝0，则进入空闲缓冲状态；

当系统处于空闲缓冲状态时，若S(i)＝1，则进入占用状态；若连续N次采样均有S(i)＝0，则进入空闲状态。

进一步地，磁场变化量ΔM(i)＝a×ΔH_X(i)+b×ΔH_Y(i)+c×ΔH_Z(i)，其中，a、b、c均大于0；或 $\mathrm{\Δ}M\left(i\right)=\left|\sqrt{H_X{\left(i\right)}^2+H_Y{\left(i\right)}^2+H_Z{\left(i\right)}^2}-\sqrt{B_X{\left(i\right)}^2+B_Y{\left(i\right)}^2+B_Z{\left(i\right)}^2}\right|;$ 或ΔM(i)＝max(|H_X(i)-B_X(i)|,|H_Y(i)-B_Y(i)|,|H_Z(i)-B_Z(i)|)。

进一步地，所述停车不规范识别模块通过如下方式实现：

将车辆检测节点部署在每个停车位入口处，在判断有车辆驶入，即停车位的状态由空闲变为占用后，通过监测节点的读数变化推断车辆在停车位的相对位置，并判断车辆车体是否完全在停车位示意线内。若车辆车体未完全在停车位示意线内，属于停车不规范行为，系统会提示用户调整车辆位置，或通知停车场管理员，具体包括以下子步骤：

A)分析纵向停车是否规范：比较缓冲区内磁场强度，或磁场强度在某个方向上的分量，相对基准线变化最大时刻的值H_max(i)，与当前时刻的值H(i)的差值ΔH(i)＝|H_max(i)-H(i)|；若此差值在允许的范围内，则认为车辆纵向停靠规范，若此差值大于或小于允许的范围，则认为车辆纵向停靠不规范；

B)分析横向停车是否规范：比较缓冲区内磁场强度，或磁场强度在某个方向上的分量，当前时刻的值H(i)，与基准线的值B(i)的差值ΔH(i)＝|H(i)-B(i)|；若此差值在允许的范围内，则认为车辆横向停靠规范，若此差值小于允许的范围，则认为车辆横向停靠不规范。

进一步地，所述停车位预约模块通过如下方式实现：

每个停车位的节点将该停车位的状态信息上传至服务器，系统将所有停车位的状态信息显示给用户。当用户对某一停车位预约时，系统通过读取该停车位的停车状态判断是否可以预约。若当前时刻停车位状态为空闲，则提示预约成功，将该停车位的状态标记为预约，若一定时间内预约的车辆驶入该停车位，则将该停车位标记为占用，若一定时间内预约的车辆没有驶入该停车位，则将该停车位标记为空闲；若当前时刻停车位状态为占用，则提示预约失败，该停车位的状态保持占用不变。

进一步地，所述停车计费模块通过如下方式实现：

将车辆检测节点部署在每个停车位入口处，在判断有车辆驶入及驶离的同时，记录车辆驶入及驶离的时间，并计算车辆在停车位的停放时间，并根据车辆在停车位的停放时间计算停车费用，通过支付宝等方式对车主进行收费。

本发明具有的有益效果是：适用于大型停车场的智能停车系统的搭建，一方面，让司机提前了解停车场的停车状况，便于规划路线，减轻交通压力，另一方面，方便停车场管理员了解停车场的状况，减少了管理的人力成本，也提高了停车场的竞争力。本系统中具有成本较低、安装方便、测量准确、功能全面等优点。与现有系统相比，本系统节点体积非常小，部署与维护都十分方便，方便对现有停车场进行改装。系统对较为稳定的环境数据进行测量，受环境变化影响较小，准确率高。系统对测量数据进行较为全面的分析，测量的数据可以用于不同功能，提高了节点的利用率。

附图说明

图1是智能停车系统的节点部署图；

图2是无线传感器节点的结构图；

图3是智能停车系统的结构图。

具体实施方式

下面结合附图和实施例对本发明作进一步说明。

如图1所示，智能停车系统使用无线传感器检测所需要的数据，无线传感器根据测量数据的要求部署在不同的位置，如停车场入口处、每个停车位入口处等。其中，部署在停车场入口的节点用来检测车辆驶入停车场时的信息，根据该信息对车辆进行分类，并根据分类结果将车辆引导至不同的停车位。部署在每个停车位入口处的节点用来判断车辆是否驶入停车位，同时判断车辆停靠是否规范，并记录车辆驶入和驶离停车位的时间，便于进行计费。

如图2所示，无线传感器节点由主板、传感器模块、射频天线模块和电源构成。其中，传感器模块可以选用磁场、红外线、超声波、振动、视频等任何可以检测到车辆引起的环境参数变化的传感器；射频天线模块可以选用433MHz、470MHz、868MHz、915MHz、2.4GHz等任何可以使用的公共频段，并可以使用星形、网形、树形等常用网络拓扑结构组网。电源可以采用锂电池或其它电池，也可以在条件允许的情况下使用电线或太阳能等方式供电。无线传感器节点首先利用传感器模块获得数据，并通过I2C或其它通信协议传输给主板。主板对数据进行分析和处理，并判断当前的状态结果，如驶过车辆的类型、该停车位是否被占用，车辆停靠是否规范等等，然后，将判断结果传输给射频天线模块，并通过该模块以无线的方式发送。

如图3所示，无线传感器节点之间形成网络，图中以网形网络为例，无线传感器节点的状态数据包发送出去后，或直接由汇聚节点接收，或由其它无线传感器节点或专门的路由节点进行一次或多次转发，最终由汇聚节点接收。汇聚节点分析数据包的内容和来源，并上传至服务器。客户端、Web界面或手机APP通过Internet访问服务器，获得需要的数据并直观地展示出来。

Claims (9)

1.一种适用于大型停车场的智能停车系统，其特征在于，包括车辆分类导航模块、停车位状态判断模块、停车不规范识别模块、停车位预约模块和停车计费模块等；该系统在停车场入口处和每个停车位入口处部署无线传感器节点；

所述车辆分类导航模块通过部署在停车场入口的节点检测车辆驶入停车场时的信息，根据采集的信息对车辆进行分类，并根据分类结果将车辆引导至不同的停车位；

所述停车位状态判断模块通过监测部署在每个停车位入口处的节点的读数变化判断是否有车辆驶入或驶出，并根据监测结果判断该停车位的停车状态；

所述停车不规范识别模块在判断有车辆驶入时，通过监测节点的读数变化推断车辆在停车位的相对位置，并判断车辆停车是否规范；

所述停车位预约模块通过部署在每个停车位的节点将该停车位的状态信息上传至服务器，系统将所有停车位的状态信息显示给用户，使得用户可对空闲的停车位进行预约；

所述停车计费模块在判断有车辆驶入及驶离的同时，记录车辆驶入及驶离的时间，并计算车辆在停车位的停放时间，从而计算停车费用。

2.根据权利要求1所述的一种适用于大型停车场的智能停车系统，其特征在于，所述系统使用无线传感器节点检测车辆相关信息；检测方法包括磁场、红外线、超声波、振动、视频等；检测节点通过监测环境参数是否由于受到附近车辆的影响，从而相对于初始状态发生了变化，进而判断是否有车辆驶过或停靠。

3.根据权利要求1所述的一种适用于大型停车场的智能停车系统，其特征在于，所述系统使用无线的方式传输停车场的相关信息；传输频率包括433MHz、470MHz、868MHz、915MHz、2.4GHz等公共频段，组网方式包括星形、网形、树形等网络拓扑结构。

4.根据权利要求1所述的一种适用于大型停车场的智能停车系统，其特征在于，所述车辆分类导航模块通过如下方式实现：

将车辆检测节点部署在停车场入口处，通过监测节点的读数变化收集车辆的相关信息，对车辆进行分类，并根据分类结果将不同的车辆引导至相对应的停车位区域；

车辆分类的依据包括：车辆长度、车辆磁场变化的特征值、车辆振动变化的特征值等；

其中，车辆长度的测量方法如下：

将两个节点依次部署在停车场入口处，使车辆先后经过这两个节点。假设两个节点的距离为l，车辆经过两个节点的时间间隔为t，假设车辆经过两个节点的过程中，速度v保持不变，则

$v=\frac{l}{t};$

观察车辆经过单个节点的波形，设得到车辆经过单个节点的时间为T，则车辆长度L为

$L=vT=v\frac{l}{t};$

系统由此可以根据车辆长度的不同，对车辆进行分类，进而将不同长度的车辆引导至停车场相应的停车位；

此外，系统也可以根据车辆磁场变化的特征值进行分类，车辆磁场变化的特征值如下：

获得车辆经过磁场传感器时的波形，并根据波形分析出特征量，所述特征量包括但不限于：波峰数、波谷数、最长上升时间、最长下降时间、最大变化量等。系统将多个特征量组成一个特征向量，并采用机器学习的方式，给予若干样本数量进行训练，进而根据训练结果对测量数据进行分类判断。

此外，系统也可以根据车辆振动变化的特征值进行分类，车辆振动变化的特征值的分类方法，与车辆磁场变化的特征值的分类方法类似。

5.根据权利要求1所述的一种适用于大型停车场的智能停车系统，其特征在于，所述停车位状态判断模块通过如下方式实现：

将车辆检测节点部署在每个停车位入口处，车辆检测节点采用磁场传感器，通过监测节点的读数变化判断是否有车辆驶入或驶出，并根据检测结果判断该停车位的停车状态：空闲或占用。系统通过使用基于自适应阈值探测算法(ADTA)的方法判断，以避免环境及邻近停车位等的扰动对结果产生的影响，提高检测的准确率，具体包括以下子步骤：

5.1初始状态的基准线计算，在节点刚刚启动，停车位没有车辆停靠时，采集磁场传感器测得的连续n个时刻某方向的磁场强度分量H(1)、H(2)、……H(n)，并将它们的均值作为当前时刻下的基准线，记为B(i)，于是有

$B\left(i\right)=\frac{H\left(1\right)+H\left(2\right)+...+H\left(n\right)}{n},$

进而分别得到三个方向上的基准线B_X(i)、B_Y(i)、B_Z(i)，其中，X轴方向与车辆驶入停车位的方向相同，Y轴与X轴处于同一水平面上，且方向由X轴方向逆时针旋转90°得到，Z轴方向垂直水平面向上；

5.2磁场变化量计算，在某个时刻，采集磁场传感器测得某方向上的磁场强度分量H(i)，并与该方向上的基准线相比较，求出该时刻该方向上磁场强度分量的变化量ΔH(i)：

ΔH(i)＝|H(i)-B(i)|，

进而得到三个方向上的磁场强度分量的变化量ΔH_X(i)、ΔH_Y(i)、ΔH_Z(i)；

定义磁场强度变化量ΔM(i)＝f(ΔH_X(i),ΔH_Y(i),ΔH_Z(i))；ΔM(i)可以通过多种方式计算，但应保证车辆停靠前后ΔM(i)的变化尽量大，同时使车辆状态不变时ΔM(i)的变化尽量小；

5.3停车状态监测，将磁场强度变化量ΔM(i)与给定的阈值相比较，并根据比较结果更新状态量S(i)的值；若ΔM(i)大于阈值，则S(i)＝1，若ΔM(i)小于阈值，则S(i)＝0；为了提高判断准确率，阈值的设定应尽量保证车辆停靠前后ΔM(i)的变化大于阈值，而车辆状态不变时ΔM(i)的变化小于阈值；由于ΔM(i)的变化量与停车场具体环境、停靠车型有关，建议阈值的取值根据部署的实际情况进行调整；

5.4根据S(i)的值及系统前一时刻所处状态，判断当前时刻的状态；

系统可能处于五种状态：初始状态、空闲状态、占用状态、占用缓冲低状态、占用缓冲高状态、空闲缓冲状态；

当节点部署完成，刚刚启动，且没有车辆停靠时，系统处于初始状态；此时系统根据步骤5.1所述，初始化基准线；

当基准线初始化完成后，系统进入空闲状态；此时系统开始正常工作，计算状态值S(i)，并根据前一时刻所处状态，判断当前时刻的状态；系统当前时刻的状态在空闲状态、占用状态、占用缓冲低状态、占用缓冲高状态、空闲缓冲状态之间切换；其中，占用缓冲低状态、占用缓冲高状态、空闲缓冲状态是缓冲区状态，为避免由于扰动等因素造成系统误判；各个状态的切换条件如下：

当系统处于空闲状态时，若S(i)＝1，则进入占用缓冲高状态；

当系统处于占用缓冲高状态时，若S(i)＝0，则进入占用缓冲低状态；若连续N次采样均有S(i)＝1，则进入占用状态；

当系统处于占用缓冲低状态时，若S(i)＝1，则进入占用缓冲高状态；若连续N次采样均有S(i)＝0，则进入空闲状态；

当系统处于占用状态时，若S(i)＝0，则进入空闲缓冲状态；

当系统处于空闲缓冲状态时，若S(i)＝1，则进入占用状态；若连续N次采样均有S(i)＝0，则进入空闲状态。

6.根据权利要求5所述的一种适用于大型停车场的智能停车系统，其特征在于，磁场变化量ΔM(i)＝a×ΔH_X(i)+b×ΔH_Y(i)+c×ΔH_Z(i)，其中，a、b、c均大于0；或 $\mathrm{\Δ}M\left(i\right)=|\sqrt{H_X{\left(i\right)}^2+H_Y{\left(i\right)}^2+H_Z{\left(i\right)}^2}-\sqrt{B_X{\left(i\right)}^2+B_Y{\left(i\right)}^2+B_Z{\left(i\right)}^2}|;$ 或ΔM(i)＝max(|H_X(i)-B_X(i)|,|H_Y(i)-B_Y(i)|,|H_Z(i)-B_Z(i)|)。

7.根据权利要求5所述的一种适用于大型停车场的智能停车系统，其特征在于，所述停车不规范识别模块通过如下方式实现：

将车辆检测节点部署在每个停车位入口处，在判断有车辆驶入，即停车位的状态由空闲变为占用后，通过监测节点的读数变化推断车辆在停车位的相对位置，并判断车辆车体是否完全在停车位示意线内。若车辆车体未完全在停车位示意线内，属于停车不规范行为，系统会提示用户调整车辆位置，或通知停车场管理员，具体包括以下子步骤：

7.1分析纵向停车是否规范：比较缓冲区内磁场强度，或磁场强度在某个方向上的分量，相对基准线变化最大时刻的值H_max(i)，与当前时刻的值H(i)的差值ΔH(i)＝|H_max(i)-H(i)|；若此差值在允许的范围内，则认为车辆纵向停靠规范，若此差值大于或小于允许的范围，则认为车辆纵向停靠不规范；

7.2分析横向停车是否规范：比较缓冲区内磁场强度，或磁场强度在某个方向上的分量，当前时刻的值H(i)，与基准线的值B(i)的差值ΔH(i)＝|H(i)-B(i)|；若此差值在允许的范围内，则认为车辆横向停靠规范，若此差值小于允许的范围，则认为车辆横向停靠不规范。

8.根据权利要求1所述的一种适用于大型停车场的智能停车系统，其特征在于，所述停车位预约模块通过如下方式实现：

每个停车位的节点将该停车位的状态信息上传至服务器，系统将所有停车位的状态信息显示给用户。当用户对某一停车位预约时，系统通过读取该停车位的停车状态判断是否可以预约。若当前时刻停车位状态为空闲，则提示预约成功，将该停车位的状态标记为预约，若一定时间内预约的车辆驶入该停车位，则将该停车位标记为占用，若一定时间内预约的车辆没有驶入该停车位，则将该停车位标记为空闲；若当前时刻停车位状态为占用，则提示预约失败，该停车位的状态保持占用不变。

9.根据权利要求1所述的一种适用于大型停车场的智能停车系统，其特征在于，所述停车计费模块通过如下方式实现：

将车辆检测节点部署在每个停车位入口处，在判断有车辆驶入及驶离的同时，记录车辆驶入及驶离的时间，并计算车辆在停车位的停放时间，并根据车辆在停车位的停放时间计算停车费用，通过支付宝等方式对车主进行收费。