CN111724625A - 一种基于5g以及物联网的停车场泊车路径优化系统 - Google Patents

一种基于5g以及物联网的停车场泊车路径优化系统 Download PDF

Info

Publication number
CN111724625A
CN111724625A CN202010779992.8A CN202010779992A CN111724625A CN 111724625 A CN111724625 A CN 111724625A CN 202010779992 A CN202010779992 A CN 202010779992A CN 111724625 A CN111724625 A CN 111724625A
Authority
CN
China
Prior art keywords
parking
management platform
parking space
information
path
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN202010779992.8A
Other languages
English (en)
Inventor
乐启清
熊银花
何俊艺
何家盼
杨明鄂
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Hunan Automotive Engineering Vocational College
Original Assignee
Hunan Automotive Engineering Vocational College
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Hunan Automotive Engineering Vocational College filed Critical Hunan Automotive Engineering Vocational College
Priority to CN202010779992.8A priority Critical patent/CN111724625A/zh
Publication of CN111724625A publication Critical patent/CN111724625A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/14—Traffic control systems for road vehicles indicating individual free spaces in parking areas
    • G08G1/141—Traffic control systems for road vehicles indicating individual free spaces in parking areas with means giving the indication of available parking spaces
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • G06Q10/047—Optimisation of routes or paths, e.g. travelling salesman problem
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/14—Traffic control systems for road vehicles indicating individual free spaces in parking areas
    • G08G1/145—Traffic control systems for road vehicles indicating individual free spaces in parking areas where the indication depends on the parking areas
    • G08G1/148—Management of a network of parking areas

Abstract

本发明旨在解决停车场因泊位路径不合理而导致泊位时间过长的问题，以此为目的，本发明提供了一种基于5G以及物联网的停车场泊车路径优化系统，该系统包括：信息管理平台、车位管理平台及路径管理平台，其特征在于：所述信息管理平台分别于车位管理平台、路径管理平台数据连接。本发明主要研究停车场泊车路径优化问题，依靠算法模型寻找最佳车位，以及通过5G和物联网技术实时检测停车场内车位状态，提高数据传输速度并且加强车辆自身的数据传输。

Description

一种基于5G以及物联网的停车场泊车路径优化系统
技术领域
本发明涉及停车场泊车路径选择领域，尤其涉及一种基于5G以及物联网的停车场泊车路径优化系统。
背景技术
目前随着社会经济发展，居民拥有汽车的数量逐渐增长，与此同时“停车难”问题日益加剧，停车场的建立一定缓和停车问题，但是用户驾车驶入停车场内之后，需要长时间漫游于停车场之中，以找寻合适停车位，这样不仅耽误用户的时间，同时可能导致停车场内的交通混乱，在没有停车场引导系统的情况下，而且造成时间的大量浪费，降低停车场的工作效率。
现有技术公开的一种商用地下停车场的智能泊车系统，该技术只对停车场的车位实时状态进行判断研究，并没有很好研究泊车路径优化方面；另一种典型的如现有技术公开的一种停车场自动泊车方法及系统，该技术虽然研究泊车路径优化方面，但是路径优化的算法并没有更加的人性化，以及数据间的传输并没有使用5G技术。
综上问题本发明主要研究停车场泊车路径优化问题，解决用户泊车时间过长问题，依靠算法模型寻找最佳车位，最佳车位的确定不仅考虑泊车时间最短目标，而且考虑了用户停车方便性的指标进行车位的选择，同时泊车路径的确定以最短路径为目标；以及通过5G和物联网技术实时检测停车场内车位状态，提高停车场内的数据传输速度并且用户的使用体验。
发明内容
本发明的目的在于解决用户泊车时间过长问题，针对目前现有停车场泊车路径优化系统所存在的不足，提出了一种基于5G以及物联网的停车场泊车路径优化系统。
为了克服现有技术的不足，本发明采用如下技术方案：
一种基于5G以及物联网的停车场泊车路径优化系统，所述系统包括：信息管理平台、车位管理平台及路径管理平台，其特征在于：所述信息管理平台分别于车位管理平台、路径管理平台数据连接。
可选的，所述信息管理平台由应用服务器、数据库1和Web管理平台三部分组成，所述信息管理平台负责停车相关信息的存储、处理与转发并且为车主提供停车位查询服务、停车位导航服务，其中所述应用服务器负责与所述车位管理平台和路径管理平台进行信息交互，所述数据1库负责数据的存储，所述Web管理平台负责人机交互界面的显示。
可选的，所述车位管理平台由C-V2X通信模块、传感器模块与数据管理模块组成，其中所述C-V2X通信模块负责所述车位管理平台与所述信息管理平台相互通信；所述传感器模块负责停车场车位信息的采集，并通过所述C-V2X通信模块将所述车位信息同步至所述信息管理平台及路径管理平台；所述数据管理模块负责对所述传感器模块中的数据进行管理并实时地将车位状态更新信息同步至信息管理平台，所述C-V2X通信模块采用C-V2X通信技术，通过C-V2X无线通信技术实现车、停车基础设施、人与网络的全方位连接，提升汽车联网化水平，为智慧停车系统提供信息通信基础，能够提高交通效率，改善用户泊车体验。
可选的，所述路径管理平台由算法模块、支持5G技术的通信模块与数据库2；所述算法模块从数据库2中提取数据并根据算法给出优化的泊车路径方案，其中算法模块对数据的整理采用多属性决策，避免单一的决策目标导致泊车系统的扁平化，同时多属性决策的算法模型可根据用户的泊车体验进行适当的调整，对于停车位的选择考虑面可以更加的人性化且智能化，最后所述算法模块将所述泊车路径方案通过所述通信模块发送至所述信息管理平台中，用户根据所述信息管理平台查看所述泊车路径方案。
本发明所取得的有益效果是：
1.在信息管理及车位管理上借助5G及物联网技术能够快速及有效地获取停车场的车位情况及车辆使用状况，同时提高用户的使用体验。
2.泊车路径的优化设计上不仅考虑用户泊车时间最短的目标，同时考虑了用户其他泊车偏好，使泊车路径选择上更加的人性化和智能化。
3.本发明借助传感器技术监控车位使用情况，并通过5G技术传输信息，很好地实现物联网的技术要求，提高停车场的工作效率。
附图说明
从以下结合附图的描述可以进一步理解本发明。图中的部件不一定按比例绘制，而是将重点放在示出实施例的原理上。在不同的视图中，相同的附图标记指定对应的部分。
图1为本发明的总体设计框架示意图。
图2为本发明的传感器的结构示意图。
图3为本发明的UWB标签进行测距工作示意图。
图4为本发明的停车场平面示意图。
附图标号说明：1-地磁传感器；2-NB-IoT模组；3-UWB标签。
具体实施方式
为了使得本发明的目的.技术方案及优点更加清楚明白，以下结合其实施例，对本发明进行进一步详细说明；应当理解，此处所描述的具体实施例仅用于解释本发明，并不用于限定本发明。对于本领域技术人员而言，在查阅以下详细描述之后，本实施例的其它系统、方法和/或特征将变得显而易见。旨在所有此类附加的系统、方法、特征和优点都包括在本说明书内.包括在本发明的范围内，并且受所附权利要求书的保护。在以以下详细描述描述了所公开的实施例的另外的特征，并且这些特征根据以下将详细描述将是显而易见的。
本发明实施例的附图中相同或相似的标号对应相同或相似的部件；在本发明的描述中，需要理解的是，若有术语“上”、“下”、“左”、“右”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或组件必须具有特定的方位.以特定的方位构造和操作，因此附图中描述位置关系的用语仅用于示例性说明，不能理解为对本专利的限制，对于本领域的普通技术人员而言，可以根据具体情况理解上述术语的具体含义。
实施方式一。
在本实施方式一中，所述信息管理平台所述信息管理平台由应用服务器、数据库1和Web管理平台三部分组成，其中所述应用服务器负责收集所述车位管理平台和路径管理平台的数据，所述数据包括泊车车位的位置信息、车位状态信息和泊车车辆的位置信息；所述应用服务器将所述数据进行加工、处理后保存在所述数据库1中并将所述数据库1中的数据发送给各个平台，其中数据的收集过程通过C-2X/5G通信技术进行；所述应用服务器采用C/S架构进行功能实现，在本实施例中C/S架构采用三层架构，即三层架构指客户端、所述应用服务器及所述数据库1信息实现互相交互，其中所述客户端包括所述车位管理平台和所述路径优化平台，所述应用服务器根据所述客户端请求访问来访问所述数据库1以获取数据，然后将所述数据反馈至所述客户端；所述应用服务器的搭建是是综合Spring、SpringMVC和Hibernate框架实现，即本实施例中的所述应用服务器分为Controller、Model和Hibernate三部分，所述Controller层中实现所述应用服务器的数据交互，所述Model层负责所述数据的加工、处理，所述Hibernate持久层负责对所述数据库1进行对象封装，建立起所述应用服务器与所述数据据1之间的关系映射；所述Hibernate持久层来对所述数据库1做轻量级的封装，通过面向对象的思想来操作关系型数据库，其具体步骤如下：第一步创建所述数据库1中相关数据表的持久化类，即将所述数据库1中的表单中的数据字段封装成Java类；第二步创建所述数据库1的连接配置文件Hibernate.cfg.xml，将所述应用服务器与所述数据库1连接起来；第三步创建对象关系映射文件*.hbm.xml，实现Java类与所述数据表的映射；第四步通过Hibernate API编写访问所述数据库1的代码，并执行对所述数据库1的操作。
本实施方式是对具体实施例一所述信息管理平台进一步说明，本实施例采用SQLServer数据库作为所述数据库1的模型结构，所述数据库1中需要建立的表有车辆信息表、车辆状态日志表、传感器信息表、停车位信息表、停车信息记录表，数据表之间相互关联组成所述数据库1。
实施方式二。
本实施方式二中，所述车位管理平台由C-V2X通信模块、传感器模块与数据管理模块组成，其中所述C-V2X通信模块是基于4G/5G蜂窝网技术形成车用无线通信，所述传感器模块由地磁传感器、UWB标签、NB-IoT通信模块组成，所述地磁传感器及UWB标签负责检测车位状态信息，所述信息被传入所述微控制单元模块，其中所述地磁传感器用来测量停车位的磁场强度，当停车位有车辆进入时停车位上的磁感应强度会发生变化，所述地磁传感器将检测到的磁感应强度值通过SPI接口传送给所述数据管理模块，当所述地磁传感器无法确定当前停车位状况时，唤醒所述UWB标签，被唤醒的所述UWB标签将检测到的测距结果通过SPI接口传送给所述数据管理模块，所述数据管理模块将所述检测结果进行滤波算法处理成为稳定的数据值，通过所述NB-IoT通信模块将数据管理模块内的所述数据值与所述C-V2X通信模块进行数据交换操作，所述C-V2X通信模块将交换过来的所述数据值传入所述信息管理平台和路径管理平台内。
本实施方式是对具体实施方式二所述传感器模块进一步说明，所述地磁传感器在本实施例中的阈值判断模型采用改进后的阈值判断模型对车辆进行检测，增强所述地磁传感器在低信噪比环境下的检测能力；所述阈值判断模型如下：
根据公式(1)确定地磁信号波动检测结果，所述检测结果为0、1数值表现形式，0值表示停车位为空闲状态，1值表示停车位为占用状态；
Figure BDA0002619868290000041
其中，x是所述载车板的序列号，为正整数；Ay(x)是磁信号的当前值，为自然数；By(x)是当前磁感应强度的基线值，其中所述基线值由公式(2)确定；n是临时变量，为自然数；X表示磁感应强度选取长度，在系统内取值为正整数固定值，在本实施例中采取长度值为10；G(x)是电磁信号波动检测结果，所述检测结果从0变为1，表示电磁信号强度出现抖动，此时有车辆进入停车位，Ky2是地磁检测方法判定阈值，该值为确定好的正整数固定值；
Figure BDA0002619868290000042
其中，By(x)和By(x-1)分别表示当前时刻和前一时刻的基线值，取值为常数；β是加权系数，本实施例中β取值为0.05；Ay(x)表示当前时刻的地磁信号强度，取值为常数，α表示时间窗长度，本实施例取值为30；从公式(2)可知只有当停车位处于空闲状态时对基线值才进行更新；所述传感系统将车位的空闲情况上传至所述信息管理平台和路径管理平台中，其中所述路径管理平台根据所述空闲情况进一步确定泊车路径；
本实施例在地磁信号强度不确定时唤醒UWB测距功能，将测距数据与地磁信号强度融合，首先将所述UWB标签放置在停车位中央，信号接入节点固定在所述停车位规定高度上，在视距传输条件下，即当前停车位没有车辆停放时，UWB信号会通过直线传输路径到达所述信号接入节点，在非视距传输条件下，即停车位有车辆停放时，由于受车体阻挡，UWB信号会在车辆底部与地面之间来回反射然后到达所述信号接入节点，所述UWB测距功能同样采用阈值判断方法，所述阈值判断公式如公式(3)所示：
Figure BDA0002619868290000043
其中：x是UWB测距操作的序列号，取值为任意自然数；Luwb(l)是UWB的当前测距结果，取值为任意自然数；Glos是车辆检测器上方没有车辆停放时的测距结果，取值为任意自然数；在本实施例中TG是决策阈值，取值为0.3M，S是平均计算的长度，本实施例设值为5；G(x)是车辆检测结果，该值从0变为1，表示车辆正在进入停车位。
实施方式三。
本实施方式三中，所述路径管理平台由算法模块、支持5G技术的通信模块与数据库2，其中所述通信模块接收所述车位管理平台的C-V2X通信模块发出的车位状况数据，所述通信模块将接收的所述数据分别传输至所述数据库2及所述算法模块中，所述算法模块根据所述数据明确当前停车场内的车位空闲情况，并进一步进行泊车路径的计算；所述算法模型执行的具体步骤如下：
一、确定初始值；本实施方式只对同一层的停车位执行算法运算，即所述算法模型选择泊车的车位只针对同一层的所有车位，并对同层的所有车位进行依此编号；根据所述传感器模块确定当前停车场的空闲车位，本实施例设有6个空闲车位，同时确定5个停车属性偏好，本实施例采用驶入距离、驶出距离、步行距离、停车位两侧环境和停车位类型作为所述停车属性偏好，所述空闲车位作为方案集表示为T＝{t1,t2,t3,t4,t5,t6}，所述停车属性集表示为B＝{b1,b2,b3,b4,b5}，所述方案集对所述属性集的属性决策矩阵为X＝{xij|i＝1,2,3,4,5,6；j＝1,2,3,4,5}，其中i属于正整数，j属于正整数，xij取值为任意自然数；所述决策举证如公式(4)所示：
Figure BDA0002619868290000051
二、规范化；对所述属性决策矩阵X进行规范标准化后得到的矩阵为R＝(rij)6×5，则rij取值如公式(5)所示：
Figure BDA0002619868290000052
其中xij属于所述决策矩阵X中的元素，rij是所述标准化矩阵R中的元素，rij取值为任意自然数；
三、确定属性权重；对所述停车属性偏好根据1-9标度法定义所述属性的权值，并构造判断矩阵，根据所述判断矩阵的对应特征向量来确定所述属性的主观权重，通过信息熵定义来确定所述属性的客观权重，再计算出综合属性权重；本实施例设为车位每个属性关于停车位选择的影响程度，取值位任意自然数，则构造所述的判断矩阵A＝(aij)6×5，如公式(6)所示：
Figure BDA0002619868290000061
根据所述判断矩阵计算最大特征值与特征向量，得出所述属性权值系数，设所述判断矩阵A每列归一化后的矩阵为D＝|α1,α2,α3,α4,α5|，再对矩阵D按行求和，并归一化得出判断矩阵的特征向量θ＝|β1,β2,β3,β4,β5|T，所述特征向量为所述属性权重，设矩阵A的最大特征根为γmax，取值为任意常数；则所述综合属性权重由公式(7)计算可得：
Aθ＝γmaxθ (7)
其中Aθ值为任意自然数，γmax取值由公式(8)可得：
Figure BDA0002619868290000062
其中数值5指所述停车属性的个数，γmax指所述判断矩阵A的最大特征根，取值为任意常数，θj指所述矩阵D中第j个列向量；
为减少决策者个人经验带来的偏差，对所述判断矩阵A进行一致性检验，所述一致性检验公式如公式(9)所示：
Figure BDA0002619868290000063
其中CS指所述判断矩阵对应的一致性指标，取值由公式(10)所示；CR指所述判断矩阵对应的一直比率，取值为任意常数；RS指平均随机一致性指标，本实施例取值为固定值1.12；
Figure BDA0002619868290000064
其中数值5为所述停车属性个数，数值1为固定取值；
由所述信息熵定义可得出客观属性权重，由公式(11)决定所述客观属性权重：
Figure BDA0002619868290000065
其中
Figure BDA0002619868290000066
指第j项所述停车属性的权重，数值为任意常数，yj指第j项所述停车属性的信息熵，取值由公式(12)决定，数值为任意常数；
Figure BDA0002619868290000067
其中数值6为所述空闲车位个数，rij为矩阵R中的元素，数值为自然数；
本实施例对所述停车属性对应的主观权重向量、客观权重向量、综合权重向量分别为α5、
Figure BDA0002619868290000068
μ5，其中上述向量的元素的数值均为自然数；第j项属性对应的综合属性权重为公式(13)所求得：
Figure BDA0002619868290000071
其中αj为矩阵D的元素，
Figure BDA0002619868290000072
为第j项所述停车属性的权重，数值2为固定值，指取平均值；
四、确定加权标准化决策矩阵；所述属性权重对应的矩阵μ5对角化后为μ，则可求得加权标准化决策矩阵V＝(vij)6×5，其中矩阵V的取值由公式(14)决定：
V＝Rμ (14)
其中R为矩阵R，所述矩阵R中的元素值由公式(5)决定，μ为矩阵μ；
五、确定正负理想解；求取正理想解T+与负理想解T-，分别表示形式为
Figure BDA0002619868290000073
Figure BDA0002619868290000074
和
Figure BDA0002619868290000075
其中上述解集的元素由公式(15)、(16)、(17)及(18)决定：
Figure BDA0002619868290000076
Figure BDA0002619868290000077
Figure BDA0002619868290000078
Figure BDA0002619868290000079
其中
Figure BDA00026198682900000710
指所述正理性解中的最优加权属性值，
Figure BDA00026198682900000711
指负理想解中的最劣加权属性值，公式(15)和公式(16)中的i取值为任意自然数，j取值为效益型指数集，公式(17)和公式(18)中的i取值为任意自然数，j取值为成本型指数集；
所述算法模块给出每个空闲车位分别两个不同的方案，其中一份为效益型属性的方案，所述效益型属性是对效益性指标越大越对最终决策结果越有利的属性，而另一份方案是成本型属性的方案，所述成本型属性是指成本指标越小越对最终决策结果越有利的属性；
六、计算相对接近度；每个属性与所述正负理想解之间的距离分别由公式(19)和公式(20)决定：
Figure BDA00026198682900000712
Figure BDA00026198682900000713
其中在公式(19)和公式(20)中，
Figure BDA00026198682900000714
指第i个空闲车位与正理想解之间的距离，取值为自然数；
Figure BDA00026198682900000715
指第i个空闲车位与负理想解之间的距离，取值为自然数；vij为加权矩阵中的元素值；
七、计算相对接近系数；计算每个空闲车位与理想方案的相对接近系数δi，δi由公式(21)决定：
Figure BDA00026198682900000716
其中
Figure BDA00026198682900000717
由公式(19)所得，
Figure BDA00026198682900000718
由公式(20)所得，δi取值为任意正数，i取值为1-6中的任意整数；
根据公式(21)求得所有空闲车位的所述相对接近系数并组成矩阵δN，最后通过对求得的矩阵δN中的每个元素进行排序，所述元素的数值最大的元素所代表的车位即为所求最佳车位；
八、计算最优泊车路径；首先根据步骤七最终确定所述最佳车位，并搜寻最优车位所在路段，通过所述最佳车位到达两端路段节点的距离确定目标路段节点；然后初始化路段节点集合，所述集合有两个子集合组成，一个子集合只包括停车场入口路段节点以及到达所述入口节点的最小权值，另一个子集合包括除去入口节点外的路段节点以及各个路段相应的权值；其次从所述另一个子集合中选出权值最小的路段节点，将该节点移至所述一个集合中，并更新所述另一个子集合中的各个路段节点到入口节点的权值；重复所述其次中的步骤，直至目标道路节点出现再所述一个子集合中；最后将入口道路节点和所述一个子集合中出现的路段节点连接起来，最终构建出泊车路径优化方案。
实施方式四。
本实施例进一步说明一种基于5G以及物联网的停车场泊车路径优化系统，所述系统包括：信息管理平台、车位管理平台及路径管理平台，其特征在于：所述信息管理平台分别于车位管理平台、路径管理平台数据连接；
所述信息管理平台由应用服务器、数据库1和Web管理平台三部分组成，所述信息管理平台负责停车相关信息的存储、处理与转发并且为车主提供停车位查询服务、停车位导航服务，其中所述数据1库负责数据的存储，所述Web管理平台负责人机交互界面的显示；其中所述应用服务器负责与所述车位管理平台和路径管理平台进行信息交互，所述信息包括泊车车位的位置信息、车位状态信息和泊车车辆的位置信息；所述应用服务器将所述信息进行加工、处理后保存在所述数据库1中，其中数据的收集过程通过C-V2X/5G通信技术进行；所述应用服务器采用C/S架构进行功能实现，在本实施例中C/S架构采用三层架构，所述三层架构指客户端、所述应用服务器及所述数据库1实现信息交互，其中所述客户端包括所述车位管理平台和所述路径管理平台，所述应用服务器根据所述客户端请求访问来访问所述数据库1以获取数据，然后将所述数据反馈至所述客户端；所述应用服务器的搭建是是综合Spring、Spring MVC和Hibernate框架实现，即本实施例中的所述应用服务器分为Controller层、Model层和Hibernate持久层三部分，所述Controller层中实现所述应用服务器的数据交互，所述Model层负责所述数据的加工、处理，所述Hibernate持久层负责对所述数据库1进行对象封装，建立起所述应用服务器与所述数据库1之间的关系映射；所述Hibernate持久层来对所述数据库1做轻量级的封装，通过面向对象的思想来操作关系型数据库，其具体步骤如下：第一步创建所述数据库1中相关数据表的持久化类，即将所述数据库1中的表单中的数据字段封装成Java类；第二步创建所述数据库1的连接配置文件Hibernate.cfg.xml，将所述应用服务器与所述数据库1连接起来；第三步创建对象关系映射文件*.hbm.xml，实现Java类与所述数据表的映射；第四步通过Hibernate API编写访问所述数据库1的代码，并执行对所述数据库1的操作；
本实施例采用SQL Server数据库作为所述数据库1的模型结构，所述数据库1中需要建立的表有车辆信息表、车辆状态日志表、传感器信息表、停车位信息表、停车信息记录表，数据表之间相互关联组成所述数据库1；
所述车位管理平台由C-V2X通信模块、传感器模块与数据管理模块组成，其中所述C-V2X通信模块负责所述车位管理平台与所述信息管理平台相互通信；所述传感器模块负责停车场车位信息的采集，并通过所述C-V2X通信模块将所述车位信息同步至所述信息管理平台及路径管理平台；所述数据管理模块负责对所述传感器模块中的数据进行管理并实时地将车位状态更新信息同步至信息管理平台；
其中所述C-V2X通信模块是基于5G蜂窝网技术形成车用无线通信，所述传感器模块由地磁传感器、UWB标签、NB-IoT通信模块组成，所述地磁传感器及UWB标签负责检测车位状态信息，所述车位状态信息被传入所述微控制单元模块，其中所述地磁传感器用来测量停车位的磁场强度，当停车位有车辆进入时停车位上的磁感应强度会发生变化，所述地磁传感器将检测到的磁感应强度值通过SPI接口传送给所述数据管理模块，当所述地磁传感器无法确定当前停车位状况时，唤醒所述UWB标签，被唤醒的所述UWB标签将检测到的测距结果通过SPI接口传送给所述数据管理模块，所述数据管理模块将所述检测结果进行滤波算法处理成为稳定的数据值，通过所述NB-IoT通信模块将数据管理模块内的所述数据值与所述C-V2X通信模块进行数据交换操作，所述C-V2X通信模块将交换过来的所述数据值传入所述信息管理平台和路径管理平台内；
所述地磁传感器在本实施例中的阈值判断模型采用改进后的阈值判断模型对车辆进行检测，增强所述地磁传感器在低信噪比环境下的检测能力；所述阈值判断模型如下：
根据公式(1)确定地磁信号波动检测结果，所述检测结果为0、1数值表现形式，0值表示停车位为空闲状态，1值表示停车位为占用状态；
Figure BDA0002619868290000091
其中，x是所述载车板的序列号，为正整数；Ay(x)是磁信号的当前值，为自然数；By(x)是当前磁感应强度的基线值，其中所述基线值由公式(2)确定；n是临时变量，为自然数；X表示磁感应强度选取长度，在系统内取值为正整数固定值，在本实施例中采取长度值为10；G(x)是电磁信号波动检测结果，所述检测结果从0变为1，表示电磁信号强度出现抖动，此时有车辆进入停车位，Ky2是地磁检测方法判定阈值，该值为确定好的正整数固定值；
Figure BDA0002619868290000092
其中，By(x)和By(x-1)分别表示当前时刻和前一时刻的基线值，取值为常数；β是加权系数，本实施例中β取值为0.05；Ay(x)表示当前时刻的地磁信号强度，取值为常数，α表示时间窗长度，本实施例取值为30；从公式(2)可知只有当停车位处于空闲状态时对基线值才进行更新；所述传感系统将车位的空闲情况上传至所述信息管理平台和路径管理平台中，其中所述路径管理平台根据所述空闲情况进一步确定泊车路径；
本实施例在地磁信号强度不确定时唤醒UWB测距功能，将测距数据与地磁信号强度融合，首先将所述UWB标签放置在停车位中央，信号接入节点固定在所述停车位规定高度上，在视距传输条件下，即当前停车位没有车辆停放时，UWB信号会通过直线传输路径到达所述信号接入节点，在非视距传输条件下，即停车位有车辆停放时，由于受车体阻挡，UWB信号会在车辆底部与地面之间来回反射然后到达所述信号接入节点，所述UWB测距功能同样采用阈值判断方法，所述阈值判断公式如公式(24)所示：
Figure BDA0002619868290000101
其中：x是UWB测距操作的序列号，取值为任意自然数；Luwb(l)是UWB的当前测距结果，取值为任意自然数；Glos是车辆检测器上方没有车辆停放时的测距结果，取值为任意自然数；在本实施例中是决策阈值，取值为0.3M，S是平均计算的长度，本实施例设值为5；G(x)是车辆检测结果，该值从0变为1，表示车辆正在进入停车位；
所述路径管理平台由算法模块、支持5G技术的通信模块与数据库2；其中所述通信模块负责接收来自所述车位管理平台及信息管理平台的数据，并将所述数据上传至所述数据库2中，所述算法模块从数据库2中提取数据并根据算法给出优化的泊车路径方案，所述算法模块将所述泊车路径方案通过所述通信模块发送至所述信息管理平台中，用户根据所述信息管理平台查看所述泊车路径方案；
其中所述通信模块接收所述车位管理平台的C-V2X通信模块发出的车位状况数据，所述通信模块将接收的所述数据分别传输至所述数据库2及所述算法模块中，所述算法模块根据所述数据明确当前停车场内的车位空闲情况，并进一步进行泊车路径的计算；所述算法模型执行的具体步骤如下：
A1、确定初始值；本实施方式只对同一层的停车位执行算法运算，即所述算法模型选择泊车的车位只针对同一层的所有车位，并对同层的所有车位进行依此编号；根据所述传感器模块确定当前停车场的空闲车位，本实施例设有6个空闲车位，同时确定5个停车属性偏好，本实施例采用驶入距离、驶出距离、步行距离、停车位两侧环境和停车位类型作为所述停车属性偏好，所述空闲车位作为方案集表示为T＝{t1,t2,t3,t4,t5,t6}，所述停车属性集表示为B＝{b1,b2,b3,b4,b5}，所述方案集对所述属性集的属性决策矩阵为X＝{xij|i＝1,2,3,4,5,6；j＝1,2,3,4,5}，其中i属于正整数，j属于正整数，xij取值为任意自然数；所述决策举证如公式(4)所示：
Figure BDA0002619868290000111
A2、规范化；对所述属性决策矩阵X进行规范标准化后得到的矩阵为R＝(rij)6×5，则rij取值如公式(5)所示：
Figure BDA0002619868290000112
其中xij属于所述决策矩阵X中的元素，rij是所述标准化矩阵R中的元素，rij取值为任意自然数；
A3、确定属性权重；对所述停车属性偏好根据1-9标度法定义所述属性的权值，并构造判断矩阵，根据所述判断矩阵的对应特征向量来确定所述属性的主观权重，通过信息熵定义来确定所述属性的客观权重，再计算出综合属性权重；本实施例设为车位每个属性关于停车位选择的影响程度，取值位任意自然数，则构造所述的判断矩阵A＝(aij)6×5，如公式(6)所示：
Figure BDA0002619868290000113
根据所述判断矩阵计算最大特征值与特征向量，得出所述属性权值系数，设所述判断矩阵A每列归一化后的矩阵为D＝|α1,α2,α3,α4,α5|，再对矩阵D按行求和，并归一化得出判断矩阵的特征向量θ＝|β1,β2,β3,β4,β5|T，所述特征向量为所述属性权重，设矩阵A的最大特征根为γmax，取值为任意常数；则所述综合属性权重由公式(7)计算可得：
Aθ＝γmaxθ (7)
其中Aθ值为任意自然数，γmax取值由公式(8)可得：
Figure BDA0002619868290000114
其中数值5指所述停车属性的个数，γmax指所述判断矩阵A的最大特征根，取值为任意常数，θj指所述矩阵D中第j个列向量；
为减少决策者个人经验带来的偏差，对所述判断矩阵A进行一致性检验，所述一致性检验公式如公式(9)所示：
Figure BDA0002619868290000121
其中CS指所述判断矩阵对应的一致性指标，取值由公式(10)所示；CR指所述判断矩阵对应的一直比率，取值为任意常数；RS指平均随机一致性指标，本实施例取值为固定值1.12；
Figure BDA0002619868290000122
其中数值5为所述停车属性个数，数值1为固定取值；
由所述信息熵定义可得出客观属性权重，由公式(11)决定所述客观属性权重：
Figure BDA0002619868290000123
其中
Figure BDA0002619868290000124
指第j项所述停车属性的权重，数值为任意常数，yj指第j项所述停车属性的信息熵，取值由公式(33)决定，数值为任意常数；
Figure BDA0002619868290000125
其中数值6为所述空闲车位个数，rij为矩阵R中的元素，数值为自然数；
本实施例对所述停车属性对应的主观权重向量、客观权重向量、综合权重向量分别为α5、
Figure BDA0002619868290000126
μ5，其中上述向量的元素的数值均为自然数；第j项属性对应的综合属性权重为公式(13)所求得：
Figure BDA0002619868290000127
其中αj为矩阵D的元素，
Figure BDA0002619868290000128
为第j项所述停车属性的权重，数值2为固定值，指取平均值；
A4、确定加权标准化决策矩阵；所述属性权重对应的矩阵μ5对角化后为μ，则可求得加权标准化决策矩阵V＝(vij)6×5，其中矩阵V的取值由公式(14)决定：
V＝Rμ (14)
其中R为矩阵R，所述矩阵R中的元素值由公式(5)决定，μ为矩阵μ；
A5、确定正负理想解；求取正理想解T+与负理想解T-，分别表示形式为
Figure BDA0002619868290000129
Figure BDA00026198682900001210
和
Figure BDA00026198682900001211
其中上述解集的元素由公式(15)、公式(16)、公式(17)及公式(18)决定：
Figure BDA00026198682900001212
Figure BDA00026198682900001213
Figure BDA00026198682900001214
Figure BDA00026198682900001215
其中
Figure BDA0002619868290000131
指所述正理性解中的最优加权属性值，
Figure BDA0002619868290000132
指负理想解中的最劣加权属性值，公式(15)和公式(16)中的i取值为任意自然数，j取值为效益型指数集，公式(17)和公式(18)中的i取值为任意自然数，j取值为成本型指数集；
所述算法模块给出每个空闲车位分别两个不同的方案，其中一份为效益型属性的方案，所述效益型属性是对效益性指标越大越对最终决策结果越有利的属性，而另一份方案是成本型属性的方案，所述成本型属性是指成本指标越小越对最终决策结果越有利的属性；
A6、计算相对接近度；每个属性与所述正负理想解之间的距离分别由公式(19)和公式(20)决定：
Figure BDA0002619868290000133
Figure BDA0002619868290000134
其中在公式(40)和公式(41)中，
Figure BDA0002619868290000135
指第i个空闲车位与正理想解之间的距离，取值为自然数；
Figure BDA0002619868290000136
指第i个空闲车位与负理想解之间的距离，取值为自然数；vij为加权矩阵中的元素值；
A7、计算相对接近系数；计算每个空闲车位与理想方案的相对接近系数δi，δi由公式(21)决定：
Figure BDA0002619868290000137
其中
Figure BDA0002619868290000138
由公式(19)所得，
Figure BDA0002619868290000139
由公式(20)所得，δi取值为任意正数，i取值为1-6中的任意整数；
根据公式(21)求得所有空闲车位的所述相对接近系数并组成矩阵δN，最后通过对求得的矩阵δN中的每个元素进行排序，所述元素的数值最大的元素所代表的车位即为所求最佳车位；
A8、计算最优泊车路径；首先根据步骤A7最终确定所述最佳车位，并搜寻最优车位所在路段，通过所述最佳车位到达两端路段节点的距离确定目标路段节点；然后初始化路段节点集合，所述集合有两个子集合组成，一个子集合只包括停车场入口路段节点以及到达所述入口节点的最小权值，另一个子集合包括除去入口节点外的路段节点以及各个路段相应的权值；其次从所述另一个子集合中选出权值最小的路段节点，将该节点移至所述一个集合中，并更新所述另一个子集合中的各个路段节点到入口节点的权值；重复所述其次中的步骤，直至目标道路节点出现再所述一个子集合中；最后将入口道路节点和所述一个子集合中出现的路段节点连接起来，最终构建出泊车路径优化方案；
所述算法模块将泊车路径优化方案通过SPI接口传送给所述通信模块与数据库2中，所述通信模块通过5G蜂窝网技术将所述优化方案传输到所述信息管理平台的应用服务层中，所述应用服务层接收方案后将方案上传至所述Web管理平台，用户通过所述所述Web管理平台获取泊车路径，当所述用户选择将车辆停放再所述最佳车位后，所述车位管理平台中的传感器模块将感知到的数据通过所述C-V2X通信模块传输至所述信息管理平台和路径管理平台后，本发明的泊车路径优化系统完成一次泊车优化任务。
综上所述，本发明的一种基于5G以及物联网的停车场泊车路径优化系统，虽然上面已经参考各种实施例描述了本发明，但是应当理解，在不脱离本发明的范围的情况下，可以进行许多改变和修改。也就是说上面讨论的方法，系统和设备是示例。各种配置可以适当地省略，替换或添加各种过程或组件。例如，在替代配置中，可以以与所描述的顺序不同的顺序执行方法，和/或可以添加，省略和/或组合各种部件。而且，关于某些配置描述的特征可以以各种其他配置组合，如可以以类似的方式组合配置的不同方面和元素。此外，随着技术发展其中的元素可以更新，即许多元素是示例，并不限制本公开或权利要求的范围。
在说明书中给出了具体细节以提供对包括实现的示例性配置的透彻理解。然而，可以在没有这些具体细节的情况下实践配置例如，已经示出了众所周知的电路、过程、算法、结构和技术而没有不必要的细节，以避免模糊配置。该描述仅提供示例配置，并且不限制权利要求的范围，适用性或配置。相反，前面对配置的描述将为本领域技术人员提供用于实现所描述的技术的使能描述。在不脱离本公开的精神或范围的情况下，可以对元件的功能和布置进行各种改变。
综上，其旨在上述详细描述被认为是例示性的而非限制性的，并且应当理解，以上这些实施例应理解为仅用于说明本发明而不用于限制本发明的保护范围。在阅读了本发明的记载的内容之后，技术人员可以对本发明作各种改动或修改，这些等效变化和修饰同样落入本发明权利要求所限定的范围。

Claims (4)

1.一种基于5G以及物联网的停车场泊车路径优化系统，所述路径优化系统用于运用5G及物联网技术优化停车场泊车路径；其特征在于，所述系统包括：信息管理平台、车位管理平台及路径管理平台，其特征在于：所述信息管理平台分别于车位管理平台、路径管理平台数据连接。
2.根据权利要求1所述的一种基于5G以及物联网的停车场泊车路径优化系统，其特征在于，所述信息管理平台由应用服务器、数据库1和Web管理平台三部分组成，所述信息管理平台负责停车相关信息的存储、处理与转发并且为车主提供停车位查询服务、停车位导航服务，其中所述应用服务器负责与所述车位管理平台和路径管理平台进行信息交互，所述数据1库负责数据的存储，所述Web管理平台负责人机交互界面的显示。
3.如前述权利要求之一所述的一种基于5G以及物联网的停车场泊车路径优化系统，其特征在于，所述车位管理平台由C-V2X通信模块、传感器模块与数据管理模块组成，其中所述C-V2X通信模块负责所述车位管理平台与所述信息管理平台相互通信；所述传感器模块负责停车场车位信息的采集，并通过所述C-V2X通信模块将所述车位信息同步至所述信息管理平台及路径管理平台；所述数据管理模块负责对所述传感器模块中的数据进行管理并实时地将车位状态更新信息同步至信息管理平台。
4.如前述权利要求之一所述的一种基于5G以及物联网的停车场泊车路径优化系统，其特征在于，所述路径管理平台由算法模块、支持5G技术的通信模块与数据库2；其中所述通信模块负责接收来自所述车位管理平台及信息管理平台的数据，并将所述数据上传至所述数据库2中，所述算法模块从数据库2中提取数据并根据算法给出优化的泊车路径方案，所述算法模块将所述泊车路径方案通过所述通信模块发送至所述信息管理平台中，用户根据所述信息管理平台查看所述泊车路径方案。
CN202010779992.8A 2020-08-05 2020-08-05 一种基于5g以及物联网的停车场泊车路径优化系统 Pending CN111724625A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010779992.8A CN111724625A (zh) 2020-08-05 2020-08-05 一种基于5g以及物联网的停车场泊车路径优化系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010779992.8A CN111724625A (zh) 2020-08-05 2020-08-05 一种基于5g以及物联网的停车场泊车路径优化系统

Publications (1)

Publication Number Publication Date
CN111724625A true CN111724625A (zh) 2020-09-29

Family

ID=72574463

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010779992.8A Pending CN111724625A (zh) 2020-08-05 2020-08-05 一种基于5g以及物联网的停车场泊车路径优化系统

Country Status (1)

Country Link
CN (1) CN111724625A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114023102A (zh) * 2021-11-16 2022-02-08 厦门市万云智能科技有限公司 一种基于多模式检测的停车位感应方法
CN114093196A (zh) * 2021-11-17 2022-02-25 湖北大学 基于移动性权重分簇算法的智能停车位选择方法

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102004634A (zh) * 2009-09-01 2011-04-06 上海杉达学院 分层的业务管理系统
CN108010376A (zh) * 2017-12-14 2018-05-08 浙江大学城市学院 一种基于物联网技术的城市停车诱导系统及方法
CN109194762A (zh) * 2018-09-20 2019-01-11 山东省农业科学院科技信息研究所 基于ssh的土壤信息网络发布系统及方法
CN109559553A (zh) * 2018-12-12 2019-04-02 重庆邮电大学 一种智慧停车系统及其停车管理方法
KR20190084916A (ko) * 2019-06-28 2019-07-17 엘지전자 주식회사 주차 위치 알림 장치 및 방법
CN110942653A (zh) * 2019-10-20 2020-03-31 黄旭仕 一种基于车联网的智能驾驶汽车辅助泊车系统

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102004634A (zh) * 2009-09-01 2011-04-06 上海杉达学院 分层的业务管理系统
CN108010376A (zh) * 2017-12-14 2018-05-08 浙江大学城市学院 一种基于物联网技术的城市停车诱导系统及方法
CN109194762A (zh) * 2018-09-20 2019-01-11 山东省农业科学院科技信息研究所 基于ssh的土壤信息网络发布系统及方法
CN109559553A (zh) * 2018-12-12 2019-04-02 重庆邮电大学 一种智慧停车系统及其停车管理方法
KR20190084916A (ko) * 2019-06-28 2019-07-17 엘지전자 주식회사 주차 위치 알림 장치 및 방법
CN110942653A (zh) * 2019-10-20 2020-03-31 黄旭仕 一种基于车联网的智能驾驶汽车辅助泊车系统

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
张增超等: "基于地磁传感器和UWB技术的停车位车辆检测方法与实现", 《传感技术学报》 *

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114023102A (zh) * 2021-11-16 2022-02-08 厦门市万云智能科技有限公司 一种基于多模式检测的停车位感应方法
CN114023102B (zh) * 2021-11-16 2024-02-27 厦门市万云智能科技有限公司 一种基于多模式检测的停车位感应方法
CN114093196A (zh) * 2021-11-17 2022-02-25 湖北大学 基于移动性权重分簇算法的智能停车位选择方法
CN114093196B (zh) * 2021-11-17 2023-05-09 湖北大学 基于移动性权重分簇算法的智能停车位选择方法

Similar Documents

Publication Publication Date Title
Song et al. A novel convolutional neural network based indoor localization framework with WiFi fingerprinting
CN105206057B (zh) 基于浮动车居民出行热点区域的检测方法及系统
US20090027203A1 (en) Systems and methods for object localization and path identification based on rfid sensing
CN104636354B (zh) 一种位置兴趣点聚类方法和相关装置
CN111868763A (zh) 优化和预测共享车辆环境中的资源可用性
US20090027165A1 (en) Systems and methods for object localization and path identification based on rfid sensing
CN111724625A (zh) 一种基于5g以及物联网的停车场泊车路径优化系统
CN103150774B (zh) 一种高速公路绿色通道车辆鉴别系统和方法
Wang et al. Surrogate mobile sensing
CN110175713B (zh) 分时租赁汽车用户出行目的预测方法
CN108882172A (zh) 一种基于hmm模型的室内移动轨迹数据的预测方法
CN109359670A (zh) 一种基于交通大数据的个体关联强度自动检测方法
CN104200206A (zh) 一种基于双角度排序优化的行人重识别方法
CN108566620A (zh) 一种基于wifi的室内定位方法
CN108304266A (zh) 一种移动多目标群智感知任务分配方法
CN107886717A (zh) 一种停车诱导方法、装置、计算设备及存储介质
CN110345935A (zh) 一种室内地图匹配定位的方法
CN115809378A (zh) 一种基于手机信令数据的医疗短缺区识别及布局优化方法
CN112637273A (zh) 一种智能热点数据预测及缓存方法
CN113596989A (zh) 一种用于智慧车间的室内定位方法及系统
Tu et al. Research on intelligent calculation method of intelligent traffic flow index based on big data mining
CN110189537B (zh) 基于时空特征的停车诱导方法、装置、设备及存储介质
CN116884222B (zh) 一种卡口节点的短时交通流预测方法
CN106292645B (zh) 一种新能源车辆故障数据采集系统
Qi et al. Fusion positioning based on WiFi and Bluetooth for the area around the corner of stairs

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20200929