基于NB-IoT的無線傳感網絡城市智能停車系統(tǒng)設計

翟維 郭靖

摘? ?要：城市機動車數量的增長加劇了城市日益增長的停車需求與有限的停車空間的矛盾。傳統(tǒng)的停車場，效率低，自動化低，不能滿足飆升的停車需求。為了改善全市的交通管理，有必要開發(fā)綜合的城市停車的管理平臺。鑒于窄帶物聯網的獨特優(yōu)勢，提出了一個基于NB-IoT 的城市智能停車場和無線傳感器網絡的管理平臺（WSN），旨在釋放城市停車資源的全部潛力。介紹了NB-IoT無線通信和車牌承認（LPR），解釋了整體架構和面向NB-IoT的城市智能停車的處理算法的方案。然后擬定的計劃與傳統(tǒng)的無線通信技術形成對比。結果證明，該計劃勝過了傳統(tǒng)計劃。雖然NB-IoT 還處于初始階段但是這項研究將大大推動了中國物聯網的發(fā)展。

關鍵詞：窄帶-物聯網（NB-IoT）;無線傳感器網絡（WSN）;車牌識別（LPR）;智能停車

中圖分類號：TN923? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? 文獻識別碼：A

Design of Narrow Band-IoT Oriented Wireless

Sensor Network in Urban Smart Parking

ZHAI Wei1?，GUO Jing2

（1. College of Electronic Engineering，Xi'an Aeronautical University，Xi'an，Shaanxi 710077，China;

2. College of Electronic and Information Engineering，Shenyang Aerospace University，Shenyang ，Liaoning 110135，China）

Abstract：The fast increasing in the number of motor vehicles has aggravated the contradiction between the growing parking demand and the limited parking space in urban areas. The traditional parking lot，featured by low efficiency and poor automation，fails to satisfy the soaring parking demand. To improve the traffic management across the city，it is necessary to develop an integrated management platform for urban parking lots. In view of the unique advantage of Nar row Band-Internet of Things （NB-IoT），this paper proposes an urban smart parking management platform based on the NB-IoT and wireless sensor network （WSN），aiming to unlock the full potential of urban parking resources. After briefly introducing the NB-IoT wireless communication and license plate recognition （LPR），the author explained the overall architecture and the image processing algorithm of the NB-IoT oriented urban smart parking plan. Then，the proposed plan was contrasted with traditional wireless communication tech-nology. The results proved that the proposed plan outperformed its traditional counterpart. This research will give a great impetus to the development of the IoT although NB-IoT is still in its nascence

Key words：narrow band internet of things （NB-IoT）;wireless sensor network （WSN）;license plate recognition （LPR）;smart parking

隨著城市化進程加快，汽車的數量出現了大幅增長，同時也加劇了城市的停車困難。更糟糕的是，交通問題也加劇了亂停車現象[1]。面對飆升的停車需求，傳統(tǒng)的停車場效率、安全和管理不足。但是許多城市停車位因信息傳播不暢而閑置[2]。這就需要城市道路和公共設施的智能停車管理平臺。要構建這樣一個平臺，可以考慮物聯網（IoT）。

隨著無線通信和互聯網的發(fā)展，物聯網標志著一個不可逆轉的發(fā)展趨勢，根據全球移動運營商協(xié)會（GSMA）的數據顯示，與物聯網連接的賬戶占全球移動賬戶的2.8%，到2013年底，年增長率接近38%[3]。國際數據公司預測，到2020年全球互聯網連接將達到300億人次，并且將開放1.7萬億美元的市場[4]。物聯網中的各種無線通信技術主要分為短程通信和低功耗廣域網（LPWAN）。前者涵蓋了Zigbee，WiFi，藍牙和Z-Wave[5]，后者包括授權和未授權的頻譜無線通信。授權頻譜無線通信的典型例子有EC-GSM、LTE Cat-m和NarrowBand-IoT （NB-IoT），以及那些未經授權的頻譜無線通信 LoRa和SigFox[6]。目前，全球運營商和制造商正爭相進入NB-IoT 市場并傳播這項技術。

物聯網的蓬勃發(fā)展伴隨著智能城市概念的擴散。智能城市的功能之一是智能停車，包括對城市閑置停車位的在線查詢、預約和支付城市停車智能管理的第一步是車輛識別[7-8]。高清晰度的攝像頭有助于準確識別主要城市道路上的車輛。換句話說，智能停車計劃中可以采用車牌識別（LPR）方法識別車輛[9]。使用LPR時，最好與閑置停車位的確認配合使用。一個可行的選擇是建立一個基于NB-IOT 的無線傳感器網絡（WSN）。網絡由 NB-IoT 和地磁傳感器組成。備用停車位可以通過將地磁傳感器與位置信息進行匹配來確認。

1? ?NB-IoT

NB-IoT是物聯網領域的新興技術。它也被稱為低功耗廣域網（WAN），因為它消耗的功率低并且支持蜂窩廣域網中的數據連接。這項的技術僅消耗180 kHz的帶寬。另外，由于NB-IoT可以直接應用于全球移動通信系統(tǒng)（GSM）和通用移動通信系統(tǒng)（UMTS），因此可以以較低的成本進行開發(fā)[10]。與藍牙、ZigBee 和其他短距離通信技術相比，移動蜂窩網絡具有覆蓋范圍廣和移動連接能力強的特點，可用于各種各樣、豐富多彩的應用程序。NB-IoT 與其他無線通信方法相比，保持了以下優(yōu)勢：

1.覆蓋范圍廣：NB-IoT 是室內覆蓋的有效保證。在相同的頻段，NB-IoT比傳統(tǒng)網絡增加20 dB，覆蓋面積增加100倍。使得該技術可以應用于農村地區(qū)、工廠、地下車庫、井蓋等。

2.強大的連接：在同一個基站上，NB-IoT的接入能力是傳統(tǒng)無線技術的50-100倍。以智能家居為例，在未來的智能家居聯網中，NB-IoT可以輕松實現各種設備之間的連接。

3.低功耗：低功耗是物聯網應用的重要指標。由于傳感器通常位于偏遠地區(qū)，電池不應該經常更換。NB-IoT可以滿足對電池壽命的嚴格要求，它通過開發(fā)小數據量和小速率的應用來最小化功耗。

4.低成本：物聯網的低成本主要體現在基站的復用上。與LoRa不同，NB-IoT不需要重建通信網絡、多路基站和天線。低速率、低功耗和低帶寬都有助于低成本的優(yōu)勢。

基于以上優(yōu)點，NB-IoT在遠程抄表、智能停車、智能耕種等多種情況下易于實現。

2? ?LPR

LPR是一種檢測道路上車輛的技術，可以自動提取車牌信息，如字符、數字和顏色。LPR作為現代智能交通系統(tǒng)的重要組成部分，已經應用于車輛監(jiān)控和公共停車場。該技術以數字圖像處理、模式識別和計算機視覺為基礎。每輛車的數量是通過分析攝像機拍攝的車輛圖像或視頻序列得到的。目前，LPR已應用于收費、停車管理、交通引導、車輛調度、車輛檢測等領域。

LPR算法有很多，而且還在不斷涌現新的LPR算法。然而，大多數算法都是為嚴格的環(huán)境設計的，即固定的拍攝位置、焦距和光照。在這些情況下，有些車牌無法識別。

LPR系統(tǒng)通常由硬件模塊（數據采集）和軟件模塊（LPR）組成。數據采集模塊采集車牌圖像，并將采集到的圖像傳輸到軟件模塊?；谙嚓P算法，軟件模塊從原始圖像中提取車牌信息，獲取車牌信息。LPR技術流程圖如圖1所示：

1.圖像采集模塊：在圖像采集前，需要將圖像采集設備安裝在相應位置。該設備通常在支持自動對焦的集成攝像機上運行。為了適應不同的光照條件，相機在不同的光照水平下都應該具有光補償功能。信息提取的準確性取決于所捕獲圖像的清晰度。

2.圖像識別模塊：在不同的識別設備中，從圖像中識別車牌信息的方式不同。識別通常包含以下四個步驟：

（a）圖像預處理：對在不同環(huán)境下拍攝的圖像進行不同干擾程度的子對象處理，如天氣和光照。由于圖像中的噪聲和過度曝光，在圖像中可能定位錯誤。為了準確識別車牌信息，必須對圖像進行預處理，便于后續(xù)的圖像處理。預處理措施包括去噪、形態(tài)學處理和二進制處理。

（b）車牌定位：經過預處理后，需要準確定位車牌在圖像中的具體位置，將車牌圖像與圖像的其余部分分離開來。這一步是識別過程中的關鍵和難點，直接影響到LPR過程。

（c）字符分割：在此步驟中，字符在車牌中被識別，車牌上通常有很多字符，但是，在處理之前無法確定字符的屬性。為了便于字符識別，必須從車牌中分割出特定的字符。

（d）字符識別：車牌中的字符由圖形和特殊符號組成，這些字符都是相同的格式和大小。一般來說，識別特殊符號比識別圖形要困難得多。其難點在于漢字的相似性和車牌的磨損規(guī)律。

3? ?基于NB-IoT的城市智能停車平臺設計

3.1? ?總體架構

基于NB-IOT的城市智能停車管理平臺（以下簡稱本平臺）硬件部分主要包括車位檢測器、自動LPR裝置、停車指南和無線傳感器網絡。系統(tǒng)軟件部分包括停車場查詢、移動支付、智能汽車搜索、智能移動管理和智能停車管理。該平臺采用地磁檢測停車位，以個人數字適配器（PDA）/移動App為管理工具，以NB-IoT作為數據傳輸通道。通過PDA和手機App實現停車管理。該平臺的總體架構如圖2所示。

其中自動LPR裝置用于從視頻流中獲取圖像，通過模式識別確定車牌信息。停車場車輛位置由地磁傳感器獲取。雖然LoRa不支持精確的監(jiān)控，但是每個傳感器的位置信息都記錄在該平臺的數據庫中。在接收到傳感器或傳感器的身份信息后，該平臺將從數據庫中找到相應的位置信息，從而引導車輛進入停車位。車位檢測器主要用于檢測車位的占用情況。一旦檢測到一個空閑停車位，檢測器就會將信息發(fā)送到提議的平臺，然后引導車輛到合適的停車位。

手機App中實現了備用車位查詢、智能車搜索、移動支付等功能。用戶可以在App中找到自己的位置和附近的車位信息，引導自己找到合適的車位。用戶在App中輸入車位數量即可自動支付停車費。用戶還可以通過智能汽車搜索功能找到自己的車。