基于大數據云平臺的物聯網智能停車解決方案的研究與實現

伍修宇

摘要：城市交通的治理，包括靜態交通和動態交通的有效結合，是個龐大的系統循環工程。雖然政府在交通立法、道路建設、交通規劃、車輛管理等方面投入了大量的人力物力財力，但還是遠遠不能滿足現實需求。從宏觀上看，需要從以下幾個方面來解決城市停車靜態交通管理中出現的問題。1）引入現代化的科技手段，使城市停車管理與收費的智能化、高效化、人性化。創造更多的財富返利于民，同時吸引社會投資進行停車場建設，解決停車資源不足問題，促進社會和諧。2）合理規劃，充分利用道路資源，同時利用價格杠桿來提高占道停車的周轉率。運用物聯網、車聯網等科技的交通引導手段，使城市靜態交通信息化、集中化。3）城市靜態交通的有效管理要能促進和提升城市形象與政府行政管理的執法水平，做到相互促進，不斷提升。

關鍵詞：智能;科技;環保;高效

1需要解決的問題

智能停車需要解決的3個方面的問題：

1.1城市停車位實時監控系統

運用創新技術對區域內的停車位進行實時監控并上報管理系統，能夠實時的反應停車位使用情況，引導用戶方便快捷的泊車，提高效率，降低碳排放，保護環境。

1.2集中停車場管理（室內停車場+有圍欄的室外停車場）

該類停車場具有固定的出入口，通過進場對車輛識別進行計時計費，出場統計費用和收費。整個過程通過技術手段實現，無需人員干預。

1.3路側停車位管理

該類停車未無固定出入口，需要對每個停車位獨立管理。通過技術手段進行車位管理和使用識別。

2智能停車場實現方案

2.1集中停車場智能停車實現方式

運用車牌自動識別系統， 對每輛駛入或駛出的車輛進行車牌號碼自動識別，即時把圖片、車牌號碼及車輛進出紀錄儲存以作備份及參考。所有進出車輛均紀錄在案，只需輸入車牌號碼，便能查找車輛進出紀錄。根據入場時間與出場時間自動計算停車時間，根據停車時間與收費標準自動計算應收費用。

系統通過地磁探測器，實時探測車網的占用情況，通過地磁通信基站傳輸至服務器，將實施空車位數據更新至車位引導終端。

2.2路側停車位智能停車實現方式

路側停車位的智能停車可以采用視頻樁的方式，視頻樁是位于路側停車位旁充滿科技感的木樁類設備，帶有攝像頭，可以對停車位的車輛進行拍照、車牌識別、停車時間計算等功能，可以實現停車位的聯網監控、統一管理、統一收費等功能，在很大程度上解決了之前的停車收費亂象。

視頻樁的工作流程如下：車輛進入車位后，視頻樁拍照并識別車輛，開始計時，并上報互聯網后臺;車輛離開車位后，視頻樁即停止計時，并上報互聯網后臺計費，并通知客戶手機APP進行付費。

2.3城市停車位實時監控系統實現方式

通過城市級智能停車管理及調度解決方案來實現，該方案是一整套綜合利用現代信息化技術，面向城市級散布的各個停車場的停車管理系統。集城市級停車信息共享平臺、智能停車引導系統、城市交通輔助規劃調度系統、支撐多模式的停車計費收費系統等功能于一體的智能停車管理解決方案。

由地磁傳感器模塊、無線傳感網絡節點、數據傳輸單元和智能停車管理軟件四部分組成。其中，地磁傳感器模塊和無線傳感網絡節點一起構成泊位檢測器，多個泊位檢測器之間可以相互通信、自動組網，實時地將檢測到的泊位信息傳給本地網絡的匯聚節點（CDT），匯聚節點再通過數據傳輸單元將所收集的信息傳輸到數據庫服務器，遠端的管理服務器和用戶服務器通過運行在其上的管理軟件便可經網關和internet網絡獲取所需要的信息。然后，以短信、電話、網上預訂、智能化停車引導等多種方式為司機提供泊位信息;為管理人員提供停車收費、停車管理、車流信息建模，規劃分析等服務，從而對城市交通規劃和停車場建設規劃等起到輔助作用。

3智能停車場實現方案中涉及到的技術

3.1車牌識別

車牌識別是圖像識別的一個應用，圖像識別可以使用深度學習的方式進行實現，目前該類型的模型很多，使用比較廣泛的是谷歌的TensorFlow，可以通過谷歌官網找到相應的支持文檔。

車牌識別由以下步驟完成：

圖像采集：通過高清攝像抓拍主機對卡口過車或車輛違章行為進行實時、不間斷記錄、采集。預處理：圖片質量是影響車輛識別率高低的關鍵因素，因此，需要對高清攝像抓拍主機采集到的原始圖像進行噪聲過濾、自動白平衡、自動曝光以及伽馬校正、邊緣增強、對比度調整等處理。

車牌定位：車牌定位的準確與否直接決定后面的字符分割和識別效果，是影響整個車牌識別率的重要因素。其核心是紋理特征分析定位算法，在經過圖像預處理之后的灰度圖像上進行行列掃描，通過行掃描確定在列方向上含有車牌線段的候選區域，確定該區域的起始行坐標和高度，然后對該區域進行列掃描確定其列坐標和寬度，由此確定一個車牌區域。通過這樣的算法可以對圖像中的所有車牌實現定位。

字符分割：在圖像中定位出車牌區域后，通過灰度化、灰度拉伸、二值化、邊緣化等處理，進一步精確定位字符區域，然后根據字符尺寸特征提出動態模板法進行字符分割，并將字符大小進行歸一化處理。

字符識別：對分割后的字符進行縮放、特征提取，獲得特定字符的表達形式，然后通過分類判別函數和分類規則，與字符數據庫模板中的標準字符表達形式進行匹配判別，就可以識別出輸入的字符圖像。

結果輸出：將車牌識別的結果以文本格式輸出。

3.2車位檢測

3.2.1地磁傳感器

地球磁場在一定范圍內是均勻和穩定的，當有鐵質的物體進入時，會對一定范圍內地球磁場產生擾動。含鐵質的汽車會對地球的磁場產生彎曲擾動，地磁傳感器則會敏銳的察覺到這些彎曲擾動，從而判別出車位上是否有車輛停放。

3.2.2超聲波

超聲波車位探測器是根據探測器由上而下發出超聲波，分析汽車或地面的反射波，精確測量出反射面到探測器的距離，由此準確地檢測出每個車位的停車情況。

3.2.3紅外反射式

有固態發光二極管與的固態光敏二極管或光敏三極管，光電傳感器需要處于發射的紅外線經障礙物發射回來能被接收二極管接收到的區域檢測到周圍的物體，它的原理是紅外發射管發射經過調制的信號，然后由紅外接收管接收。

3.3大數據平臺

大數據平臺架構主要由數據采集、數據分析、云計算平臺、終端發布構成。

3.3.1數據采集

數據采集是該系統中不可或缺的一部分。數據采集系統主要通過感知器、RFID、二維碼、視頻監控等方式獲取信息數據，為下一步的數據處理和平臺計算提供數據來源。這些設備會源源不斷的自動產生新數據。盡可能收集異源甚至是異構的數據，必要時還可與歷史數據對照，多角度驗證數據的全面性和可信性。

3.3.2數據分析

數據分析是基于Hadoop、NoSQL、HBase和數據挖掘等技術的大數據分析技術，可以分析時、日、月以及年的數據，結合各種數學模型及停車場數據進行實時處理和有效分析，以對未來的趨勢進行預測。

3.3.3云計算

云計算方法是整個平臺的基礎服務。利用云計算方法對獲得的數據進行有效整理、分析和存儲。

3.3.4終端發布

終端發布直接面向各層用戶，可將之前產生的數據和分析結果直接發布在各種終端上，實現所有終端用戶的信息共享和訪問，并根據不同終端的需求提供不同的數據。大數據平臺架構如下圖所示。

智能停車大數據平臺系統架構圖

4總結

隨著智慧停車各種技術的逐漸成熟，智慧停車產業將迎來新一輪的爆發期，停車檢測將大有可為。如今，隨著傳感器和攝像機技術的更新換代，每個停車位連接著強大的數據分析算法網絡，極大地提高了停車檢測準確性和效率。新的傳感器和攝像機技術將使智慧停車更加智慧。

參考文獻：

[1]中國物聯網官網：http：//www.iotcn.org.cn

[2]物聯網：https：//iot.ofweek.com

[3]物聯世界：http：//www.iotworld.com.cn

[4]華為物聯網：https：//developer.huawei.com/ict/cn/site-iot-next

[5] its114： http：//www.its114.com