基于物聯(lián)網(wǎng)和大數(shù)據(jù)的城市道路智慧停車系統(tǒng)研究

練云翔，王明瑞，張俊華

摘要：針對城市道路中的車位尋找困難、停車難的問題，設計了一種基于物聯(lián)網(wǎng)和大數(shù)據(jù)的城市道路智慧停車系統(tǒng)。采用STM32處理器設計了車輛感知終端，通過地磁技術感知車位的占用情況，利用圖像識別技術獲取車牌信息。自主設計了ZigBee無線傳感器網(wǎng)絡對車位車輛信息進行傳輸和收集。采用大數(shù)據(jù)分析技術，對數(shù)據(jù)進行統(tǒng)計分析、在線查詢和數(shù)據(jù)分析。采用MINA小程序框架設計了微信小程序，實現(xiàn)用戶對周邊空閑車位的顯示和查詢。

關鍵詞： 智慧停車系統(tǒng);STM32;ZigBee;無線傳感器網(wǎng)絡;MINA小程序框架

中圖分類號：TP393? ? ? 文獻標識碼：A

文章編號：1009-3044（2021）20-0150-03

1 引言

隨著國內城市規(guī)模的不斷擴大，人們出行距離正在增長，城市機動車總量不斷增加。城市停車難、停車亂等問題成為城市交通治理的難題[1]。根據(jù)目前的城市交通現(xiàn)狀，我國近年來正在發(fā)展基于大型停車設施的智能停車系統(tǒng)，如地下停車場智能管理系統(tǒng)、露天停車場智能管理系統(tǒng)等。在大型停車設施周邊的區(qū)域中，停車難、停車亂問題得到了一定程度的解決。然而，在城市中有很多周邊沒有大型停車設施的區(qū)域，這些區(qū)域的車輛通常停在道路兩側的停車區(qū)，停車難、停車亂問題依然存在。

為了解決上述問題，本文提出了一種基于物聯(lián)網(wǎng)和大數(shù)據(jù)的城市道路智慧停車系統(tǒng)。此系統(tǒng)由感知層、網(wǎng)絡層和應用層三個部分組成。可以實現(xiàn)對道路兩旁車位信息的獲取，對已停車輛信息的識別，通過ZigBee無線傳感器網(wǎng)絡對車位信息和車輛信息實現(xiàn)收集和匯聚，最后對數(shù)據(jù)進行分析和處理，用戶通過手機微信小程序方式實時掌握路邊車位信息。

2 系統(tǒng)總體框架

基于物聯(lián)網(wǎng)和大數(shù)據(jù)的城市道路智慧停車系統(tǒng)由三個部分組成，分別是感知層、網(wǎng)絡層和應用層。感知層是以STM32為核心處理器的車輛感知終端，感知終端的感知方式通過地磁識別和圖像識別相結合來實現(xiàn)，地磁識別獲取道路兩旁車位上的車位占用狀態(tài)，圖像識別可用于車位上的車牌信息識別。網(wǎng)絡層是由ZigBee節(jié)點組成的無線傳感器網(wǎng)絡，ZigBee節(jié)點負責收集本車位區(qū)域的車位和車輛信息，通過ZigBee無線通信的方式將信息傳輸信息匯集節(jié)點。匯聚節(jié)點通過NB-IoT窄帶通信技術將數(shù)據(jù)發(fā)送給后臺服務器。應用層由兩部分組成，一部分是后臺服務器上運行的數(shù)據(jù)庫和大數(shù)據(jù)分析軟件，對無線傳感器網(wǎng)絡收集的數(shù)據(jù)進行存儲和管理。另一部分是用戶手機上運行的微信小程序，用戶通過微信小程序查詢周邊車位狀況信息。

3 感知層

感知層由車輛感知終端和ZigBee節(jié)點構成。車輛感知終端包含了STM32處理器、地磁模塊、攝像模塊、存儲器模塊、電源供應模塊等部件。其中，車輛感知終端主要以STM32F103VET6芯片作為處理器;地磁模塊負責感知道路車位的占用情況;攝像模塊負責拍攝車牌圖像，再由STM32處理器的圖像識別程序識別車位上車輛的車牌號碼;存儲器用來存儲車位占用狀態(tài)和車輛車牌信息;電源供應模塊對車輛感知終端的電子部件的電源供應。

3.1 地磁模塊程序設計

地磁模塊采用環(huán)形線圈檢測技術對車位占用狀態(tài)進行檢測。地磁模塊的感應環(huán)形線圈安裝在道路兩旁的車位地面下方。當有車輛發(fā)生位移時，會對感應線圈產(chǎn)生的電磁場造成干擾，使電感量發(fā)生變化。地磁模塊程序通過對電感量的實時檢測，來實現(xiàn)車位占用狀態(tài)的感知[2]。

地磁模塊的車位占用狀態(tài)感知過程：首先獲得當前的電磁量值，接著將當前的電磁量值與上次獲得的電磁量進行比較，如果不同則說明有車輛正在車位上發(fā)生位移。將當前的電磁量保存在存儲器中，以便下一次的比對。接著等待車輛停止穩(wěn)定，再對當前電磁量與車位空置時的電磁量進行比較，如果不同則表示有車輛停在了車位上，最后控制攝像模塊進行圖像捕捉，通過圖像識別來識別車牌號碼。

3.2車牌圖像識別

根據(jù)文獻[3]，首先對車牌圖像進行預處理。采用微分法，利用梯度算子，處理車牌圖像銳化。采用計算量小、對細節(jié)反應敏感的Roberts邊緣檢測算子，可以得到較細邊緣。用如下卷積模板表示：

然后對車牌圖像進行矯正。由于攝像設備的拍攝角度問題，車牌圖像容易出現(xiàn)傾斜，會對車牌圖像識別的精確性造成影響。為了解決這個問題，采用Radon積分變換計算車牌的傾斜角度，從斷層掃描的剖面圖重建出投影前的函數(shù)，以獲得高質量的車牌圖像，沿θ方向的Radon變換定義如下：

4 網(wǎng)絡層

網(wǎng)絡層通過ZigBee無線傳感器網(wǎng)絡對感知層感知的信息進行傳輸和收集。

根據(jù)文獻[4]，針對固定部署的ZigBee節(jié)點，采用一種特定的無線傳感器網(wǎng)絡路由規(guī)劃。無線傳感器網(wǎng)絡覆蓋道路的車位區(qū)域，區(qū)域內的車輛感知終端通過ZigBee節(jié)點將本車位中占用信息和車牌號碼信息傳輸?shù)綗o線傳感器網(wǎng)絡中，再采用特定的路由路徑，使用多跳的方式，最終傳輸?shù)絽R聚節(jié)點中。匯聚節(jié)點收集所有節(jié)點數(shù)據(jù)后，通過NB-IoT窄帶通信技術將數(shù)據(jù)發(fā)送給后臺服務器。

5 應用層

應用層由后臺服務器和微信小程序組成。后臺服務器利用數(shù)據(jù)庫技術對采集的數(shù)據(jù)進行存儲和管理，采用大數(shù)據(jù)技術對車輛附近的車位占用狀態(tài)進行關聯(lián)搜查，尋找合適的空閑車位。微信小程序包括了微信服務器和小程序客戶端，微信服務器為用戶手機端的小程序客戶端提供支持和服務，小程序客戶端運行在用戶手機中，負責獲取用戶位置，并將后臺服務器查詢到的空閑車位信息顯示在小程序界面中[5]。

5.1大數(shù)據(jù)分析

Hadoop是分布式系統(tǒng)的重要技術，通過分層原理實現(xiàn)數(shù)據(jù)信息的高效處理，Hadoop具有穩(wěn)定性強、容錯性高和成本性低等優(yōu)點[6]。在無線傳感器網(wǎng)絡中，通過車輛感知終端采集了大量數(shù)據(jù)，包括車位位置、車位占用情況、車位占用持續(xù)時間、車位占用開始時間、車牌號碼等。在后臺服務器中使用數(shù)據(jù)庫對這些信息進行存儲和管理，后臺服務器的大數(shù)據(jù)分析軟件利用Hadoop技術對數(shù)據(jù)進行統(tǒng)計分析、在線查詢和數(shù)據(jù)分析。在大數(shù)據(jù)技術的信息采集功能下，對車輛附近的車位占用狀態(tài)進行關聯(lián)搜查，尋找合適的空閑車位，并將車輛附近的車位信息通過微信小程序顯示在用戶手機界面上。