屈俞岐 曹佳樂(lè) 楊彭晨

摘 要：有限的車(chē)位數(shù)量難以滿足快速增長(zhǎng)的停車(chē)需求，如何充分利用現(xiàn)有車(chē)位資源、提高停車(chē)效率是緩解問(wèn)題的關(guān)鍵。基于成熟的圖像識(shí)別與系統(tǒng)開(kāi)發(fā)技術(shù)，采用改進(jìn)型背景差分算法、路徑規(guī)劃算法和Java Web開(kāi)發(fā)等技術(shù)，針對(duì)車(chē)位信息獲取與泊車(chē)引導(dǎo)流程優(yōu)化，主要研究從街道臨時(shí)停車(chē)位和停車(chē)場(chǎng)車(chē)位兩方面實(shí)時(shí)滿足用戶需求的停車(chē)引導(dǎo)系統(tǒng)。在達(dá)到車(chē)位最大化使用的基礎(chǔ)上，使用戶準(zhǔn)確掌握車(chē)位信息，同時(shí)減少尋找車(chē)位過(guò)程中的車(chē)流干擾，有效緩解交通壓力。

關(guān)鍵詞：停車(chē)引導(dǎo);圖像識(shí)別;泊位選擇;車(chē)位檢測(cè);背景差分;濾波

中圖分類(lèi)號(hào)：TP39文獻(xiàn)標(biāo)識(shí)碼：A文章編號(hào)：2095-1302（2019）12-00-03

0 引 言

在私家車(chē)擁有量達(dá)到歷史新高的同時(shí)，車(chē)聯(lián)網(wǎng)也在穩(wěn)步發(fā)展中?，F(xiàn)國(guó)內(nèi)外都在關(guān)注智能化停車(chē)相關(guān)領(lǐng)域，并擁有了較為豐富的理論基礎(chǔ)和技術(shù)實(shí)踐，主要以收集和分析停車(chē)場(chǎng)內(nèi)數(shù)據(jù)為主。但許多系統(tǒng)由于成本或可行性等問(wèn)題，無(wú)法進(jìn)行有效推廣和應(yīng)用。同時(shí)，研究者的焦點(diǎn)都集中在針對(duì)某一停車(chē)場(chǎng)內(nèi)部車(chē)位的最優(yōu)選擇和引導(dǎo)方面，少有人關(guān)注停車(chē)場(chǎng)之間的選擇以及街邊停車(chē)位信息的收集。事實(shí)上，這兩者對(duì)分流高密集人流量的停車(chē)區(qū)域、高效合理地利用資源和緩解交通壓力等方面效果顯著。

本文構(gòu)建的智能停車(chē)引導(dǎo)系統(tǒng)在試圖以較低成本對(duì)各個(gè)停車(chē)場(chǎng)內(nèi)信息進(jìn)行采集和分析，將用戶引導(dǎo)至最優(yōu)停車(chē)位的基礎(chǔ)上，還將監(jiān)控各路邊停車(chē)位，采用路徑規(guī)劃算法在各停車(chē)場(chǎng)之間、各路邊車(chē)位之間建立聯(lián)系，引導(dǎo)用戶在避免違反交通章程的基礎(chǔ)上能夠更便捷地停車(chē)[1-3]。

1 基于圖像識(shí)別的車(chē)位檢測(cè)

傳統(tǒng)的傳感器檢測(cè)方法受外界環(huán)境的影響較大，相比而言，基于圖像處理的車(chē)位檢測(cè)更智能，對(duì)環(huán)境有較小的依賴性?；趫D像識(shí)別的車(chē)位檢測(cè)通過(guò)外部設(shè)備如攝像頭來(lái)獲取車(chē)位圖像，進(jìn)行預(yù)處理操作，并利用識(shí)別算法自動(dòng)識(shí)別并判斷所有停車(chē)位的占有狀況，將結(jié)果反饋給后端[4]。

1.1 圖像預(yù)處理

在車(chē)位檢測(cè)過(guò)程中，為了保證圖像檢測(cè)前后的一致性，提高檢測(cè)和識(shí)別可靠性，要先對(duì)圖像進(jìn)行預(yù)處理。在通過(guò)攝像頭采集圖像時(shí)，設(shè)備的位置、距車(chē)位的距離對(duì)每個(gè)車(chē)位在圖像中的位置和大小均會(huì)產(chǎn)生一定影響，這種影響具有不可控和不確定性。不僅如此，周?chē)h(huán)境的變化如光照、雨雪等也會(huì)導(dǎo)致采集的圖像出現(xiàn)噪聲大、明暗程度存在差異、分辨率低等情況?？紤]到這些因素對(duì)圖像的多重影響，本系統(tǒng)對(duì)圖像進(jìn)行了以下預(yù)處理操作：

（1）對(duì)輸入的原始圖像進(jìn)行顏色轉(zhuǎn)換，包括二值化和灰度處理;

（2）通過(guò)高斯濾波和中值濾波對(duì)圖像進(jìn)行濾波操作;

（3）進(jìn)行圖像形態(tài)變換，采用相應(yīng)的腐蝕和膨脹處理措施。

預(yù)處理完成后，利用改進(jìn)型背景差分法來(lái)判斷車(chē)位狀況，實(shí)現(xiàn)對(duì)空余車(chē)位的檢測(cè)。

1.2 基于背景差分法的車(chē)位檢測(cè)

背景差分法是將采集到的視頻幀與背景圖像做差分運(yùn)算，進(jìn)而將目標(biāo)物體作為主要分析對(duì)象分割出來(lái)。但在實(shí)際操作中，在用此算法檢測(cè)停車(chē)位上的車(chē)輛時(shí)，由于圖像中其余區(qū)域（不包括車(chē)位區(qū)）所發(fā)生的狀態(tài)變化都會(huì)被提取，致使整個(gè)過(guò)程的計(jì)算量明顯增大，檢測(cè)準(zhǔn)確率降低。在此基礎(chǔ)上，本系統(tǒng)采用改進(jìn)型背景差分法，即采用先分割后差分的方式，先將圖像中現(xiàn)有的停車(chē)位區(qū)分提取出來(lái)，后期只需針對(duì)這些區(qū)域做背景差分運(yùn)算即可，很大程度上彌補(bǔ)了原算法的缺點(diǎn)[5-7]。背景差分法流程如圖1所示。

1.3 車(chē)位檢測(cè)結(jié)果

車(chē)位中車(chē)輛的覆蓋面積較大，像素點(diǎn)較多，可通過(guò)設(shè)定閾值的方式來(lái)排除外界不可控因素對(duì)圖像的干擾。在車(chē)輛駛?cè)胪＼?chē)位后，各區(qū)域塊內(nèi)像素的積累值會(huì)發(fā)生明顯改變，超過(guò)閾值之后再逐步趨于穩(wěn)定。出現(xiàn)上述變化即可判斷出當(dāng)前停車(chē)位有車(chē)輛占用。在此利用真實(shí)停車(chē)位照片進(jìn)行檢測(cè)，實(shí)際測(cè)試結(jié)果較為理想。當(dāng)算法自動(dòng)檢測(cè)到當(dāng)前車(chē)位有車(chē)輛時(shí)，在相應(yīng)的車(chē)位處標(biāo)記為紅色，否則標(biāo)記為綠色，如圖2所示。

2 路徑規(guī)劃算法

本項(xiàng)目通過(guò)最短路徑算法——Dijkstra算法為泊車(chē)引導(dǎo)提供路徑規(guī)劃。該算法遍歷了起始點(diǎn)和目標(biāo)點(diǎn)之間的全部節(jié)點(diǎn)，搜索范圍廣，具有較高的穩(wěn)定性和準(zhǔn)確度。

加權(quán)無(wú)向圖用鄰接矩陣graph表示，〈vm，vn〉兩節(jié)點(diǎn)間的邊長(zhǎng)權(quán)值用graph[m][n]表示，若〈vm，vn〉兩節(jié)點(diǎn)不相鄰或無(wú)權(quán)值，則graph[m][n]值為0或∞。從起始節(jié)點(diǎn)v到每個(gè)節(jié)點(diǎn)vm的最短路徑值用D[m]表示。S為已找到的從起始節(jié)點(diǎn)v出發(fā)到目標(biāo)節(jié)點(diǎn)的最短路徑節(jié)點(diǎn)集合，初始狀態(tài)為空集。

（1）初始化S：

（2）選擇vn，使D[n]=min{D[m]|vm∈V-S}，vn為求出的一條從起始節(jié)點(diǎn)v出發(fā)的最短路徑的終節(jié)點(diǎn)，更新S使S=S∪{n}。

（3）修改從起始節(jié)點(diǎn)v到集合V-S上任何一個(gè)節(jié)點(diǎn)vp的最短路徑，若，則修改D[n]為：

（4）重復(fù)（2）與（3）n-1次，便可以得到從起始點(diǎn)v到圖上其他頂點(diǎn)的最短路徑。

此算法的缺點(diǎn)在于搜索的節(jié)點(diǎn)數(shù)較多，搜索范圍過(guò)大，無(wú)法在計(jì)算復(fù)雜拓?fù)渚W(wǎng)絡(luò)的路徑時(shí)發(fā)揮較大作用。在此基礎(chǔ)上進(jìn)行改進(jìn)，若采用Dijkstra扇形限制算法可提高選路速度，減少系統(tǒng)的響應(yīng)時(shí)間，更好地體現(xiàn)實(shí)時(shí)傳輸與更新。當(dāng)車(chē)位節(jié)點(diǎn)數(shù)較少，或過(guò)多無(wú)效的車(chē)流干擾造成擁堵時(shí)，應(yīng)啟用實(shí)時(shí)路徑規(guī)劃，選擇最短的可行路徑將用戶引導(dǎo)至推薦車(chē)位區(qū)域。此外，也可在系統(tǒng)安裝時(shí)將各節(jié)點(diǎn)間的路徑提前計(jì)算并將相應(yīng)路徑的數(shù)據(jù)保存到數(shù)據(jù)庫(kù)中，在實(shí)際操作中以查詢表的形式進(jìn)行調(diào)用，可加快尋路速度，促使系統(tǒng)反應(yīng)更迅速。

3 停車(chē)引導(dǎo)系統(tǒng)的整體開(kāi)發(fā)

3.1 服務(wù)器開(kāi)發(fā)

本系統(tǒng)是基于Java Web開(kāi)發(fā)的網(wǎng)頁(yè)應(yīng)用程序，基于MVC模式進(jìn)行編程，涉及的技術(shù)包括JSP，JSTL，Servlet，Session機(jī)制，JDBC編程，同時(shí)也使用了數(shù)據(jù)庫(kù)、Tomcat服務(wù)器及框架JQuery實(shí)現(xiàn)Web開(kāi)發(fā)。

MVC設(shè)計(jì)模式自頂向下進(jìn)行編程：

Model模塊實(shí)現(xiàn)數(shù)據(jù)庫(kù)數(shù)據(jù)與服務(wù)器端對(duì)象映射，以及與數(shù)據(jù)庫(kù)數(shù)據(jù)的交互;

View模塊使用HTML語(yǔ)言、JS技術(shù)及JQuery框架實(shí)現(xiàn)了用戶登錄和注冊(cè)頁(yè)面;

Control模塊使用JSP及Servlet技術(shù)實(shí)現(xiàn)視圖界面與數(shù)據(jù)庫(kù)數(shù)據(jù)的交互，同時(shí)用圖像識(shí)別模塊調(diào)用攝像頭傳輸?shù)囊曨l并識(shí)別車(chē)位信息（共三種狀態(tài)：預(yù)定、占用、為空），將車(chē)位信息實(shí)時(shí)同步到數(shù)據(jù)庫(kù)中;

用戶使用導(dǎo)航功能時(shí)，服務(wù)器將會(huì)調(diào)用選路算法，使用JDBC編程訪問(wèn)數(shù)據(jù)庫(kù)數(shù)據(jù)，查找目的地附近的所有空車(chē)位，使用JSP進(jìn)行導(dǎo)航路徑顯示，導(dǎo)航到此結(jié)束。

智能停車(chē)場(chǎng)引導(dǎo)系統(tǒng)中的Tomcat服務(wù)器主要完成以下功能：

（1）服務(wù)器和硬件平臺(tái)中的WiFi模塊進(jìn)行網(wǎng)絡(luò)數(shù)據(jù)通信，通過(guò)建立Socket連接實(shí)現(xiàn)數(shù)據(jù)傳輸;

（2）服務(wù)器通過(guò)HTTP通信協(xié)議響應(yīng)手機(jī)移動(dòng)端發(fā)來(lái)的數(shù)據(jù)請(qǐng)求，實(shí)現(xiàn)用戶的注冊(cè)登錄，并為用戶提供車(chē)位信息;

（3）服務(wù)器連接MySQL數(shù)據(jù)庫(kù)，通過(guò)注冊(cè)登錄、驗(yàn)證身份、設(shè)置權(quán)限等操作保證數(shù)據(jù)庫(kù)的安全，硬件平臺(tái)和手機(jī)移動(dòng)端可以通過(guò)服務(wù)器對(duì)數(shù)據(jù)庫(kù)中的數(shù)據(jù)信息如車(chē)位屬性、用戶信息等進(jìn)行增加、刪除、修改、查看等操作。

3.2 網(wǎng)頁(yè)實(shí)現(xiàn)

通過(guò)注冊(cè)、登錄后，用戶成功進(jìn)入系統(tǒng)主頁(yè)，如圖3所示，可輸入要查找的目的地進(jìn)行附近車(chē)位查詢。以西北大學(xué)為例，目的地附近地圖的效果如圖4所示。以西北大學(xué)長(zhǎng)安校區(qū)5號(hào)教學(xué)樓為目的地搜索附近車(chē)位，路線及車(chē)位情況如圖5所示。

4 結(jié) 語(yǔ)

本文主要研究了如何通過(guò)交通網(wǎng)絡(luò)數(shù)據(jù)對(duì)街道停車(chē)位和停車(chē)場(chǎng)車(chē)位的使用狀況進(jìn)行分析，繼而引導(dǎo)用戶高效抵達(dá)空余車(chē)位，從而減少交通擁堵、違章停車(chē)等現(xiàn)象。同時(shí)，合理配置資源，提升停車(chē)場(chǎng)及路邊車(chē)位的利用效率，減少浪費(fèi)。本系統(tǒng)的數(shù)據(jù)來(lái)源于交通網(wǎng)絡(luò)系統(tǒng)的監(jiān)控設(shè)施，通過(guò)圖像識(shí)別技術(shù)對(duì)車(chē)位進(jìn)行空余篩選，利用最優(yōu)泊位算法確定最優(yōu)泊車(chē)路線，以達(dá)到在不同規(guī)模、布局的車(chē)位區(qū)域都能夠?qū)崿F(xiàn)算法獲取和泊位引導(dǎo)。

現(xiàn)場(chǎng)測(cè)試證明系統(tǒng)能夠很好地實(shí)現(xiàn)車(chē)位檢測(cè)、數(shù)據(jù)采集、傳輸和處理、車(chē)位引導(dǎo)及信息實(shí)時(shí)顯示、更新和存儲(chǔ)等功能，系統(tǒng)能較好地滿足停車(chē)引導(dǎo)的智能化服務(wù)需求，為用戶實(shí)時(shí)提供便利，驗(yàn)證了本文所研究技術(shù)與方案的可行性。

本文的主要?jiǎng)?chuàng)新點(diǎn)如下：

（1）以充分利用停車(chē)位為前提，將街道臨時(shí)停車(chē)位和停車(chē)場(chǎng)車(chē)位同時(shí)考慮在內(nèi)，切實(shí)考慮找尋車(chē)位中的實(shí)際情況，為研究停車(chē)引導(dǎo)提供了新思路和新方向。

（2）拋卻傳統(tǒng)的傳感器車(chē)位感知技術(shù)，采用攝像頭采集視頻，并對(duì)視頻幀進(jìn)行圖像識(shí)別，減小了外界不可控因素對(duì)檢測(cè)設(shè)備的影響，使對(duì)車(chē)位狀態(tài)的檢測(cè)更高效合理。

參 考 文 獻(xiàn)

[1]鄧應(yīng)偉.停車(chē)場(chǎng)智能管理系統(tǒng)[D].長(zhǎng)沙：湖南大學(xué)，2006.

[2]張小建，徐慧.基于視頻處理的運(yùn)動(dòng)車(chē)輛檢測(cè)算法的研究[J].液晶與顯示，2012（1）： 108-113.

[3] KEKRE H B， THEPADE S D.Color traits transfer to gray scale images [C]// EmergingTrends in Engineering and Technology，2008.ICETET'08.First InternationalConference on.IEEE，2008：82-85.

[4]王紅剛，吳奉亮.通風(fēng)網(wǎng)絡(luò)區(qū)域劃分算法與程序?qū)崿F(xiàn)[J].工礦自動(dòng)化，2009（10）：39-43.

[5]殷招偉，戴文博.Dijkstra 算法在 GIS 車(chē)輛誘導(dǎo)系統(tǒng)的優(yōu)化實(shí)現(xiàn)[C]// 廣西計(jì)算機(jī)學(xué)會(huì) 2014年學(xué)術(shù)年會(huì).

[6]牟洵.地下車(chē)庫(kù)路徑規(guī)劃與燈光導(dǎo)航智能控制系統(tǒng)的研究[D].濟(jì)南：山東建筑大學(xué)，2014.

[7]劉宏，王云山，熊文龍.基于HTTP協(xié)議的Java手機(jī)網(wǎng)絡(luò)通信的實(shí)現(xiàn)[J].武漢理工大學(xué)學(xué)報(bào)（信息與管理工程版），2006，28（1）：11-14.

[8] HAGEN H， JORG S. MyMIDP：an jdbc driver for accessing mysql from mobile devices [C]// International Conference on Advanes in Database，2009：74-80.

[9]羅小娟，于文靜.基于無(wú)線傳感器網(wǎng)絡(luò)的停車(chē)位監(jiān)控系統(tǒng)[J].物聯(lián)網(wǎng)技術(shù)，2018，8（1）：72-73.

[10]王雨竹，王源庚，李政均，等.智能交互式停車(chē)場(chǎng)[J].物聯(lián)網(wǎng)技術(shù)，2018，8（10）：97-99.