目錄
注釋表 VII
第 1 章 引言 1
1.1 研究背景及意義 1
1.2研究現狀與未來發展趨勢 2
1.2.1 智慧停車研究現狀 2
1.2.2停車信息推薦和誘導模型研究現狀 3
1.2.3未來發展趨勢 5
1.3基于V2X的智慧停車信息管理平臺 5
1.3.1課題來源 5
1.3.2主要研究內容 6
1.4 論文組織結構 7
第2章 智慧停車系統架構設計與關鍵技術簡介 8
2.1 系統架構設計 8
2.1.1V2X智慧停車系統架構設計 8
2.1.2系統通信架構設計 9
2.1.3基于C-V2X通信的高精度定位與慣性導航技術 10
2.1.4 V2X車載終端功能組成 11
2.2關鍵技術與理論基礎 12
2.2.1關鍵技術 12
2.2.2理論基礎 14
2.3本章小結 15
第3 章 停車推薦模型研究 16
3.1車位預約流程分析 16
3.2基于改進 TOPSIS 算法的最佳停車場推薦模型設計 17
3.2.1停車場評價屬性分析 17
3.2.2最佳停車場推薦流程 18
3.3基于改進 TOPSIS 算法的最佳停車位推薦模型設計 19
3.3.1停車位評價屬性分析 19
3.3.2最佳停車位推薦流程 21
3.4推薦算法分析 22
3.4.1基于 TOPSIS 的改進算法簡介 22
3.4.2基于改進 TOPSIS 的推薦算法 23
3.5本章小結 27
第4章 智慧停車信息管理平臺詳細設計 28
4.1平臺需求分析與功能模塊設計 28
4.1.1平臺需求分析 28
4.1.2功能模塊設計 29
4.2信息管理平臺軟件架構設計 29
4.3數據庫設計 30
4.3.1數據庫模型設計 31
4.3.2數據表結構設計 31
4.4應用服務器設計 35
4.4.1應用服務器架構設計 35
4.4.2網絡通信程序設計 37
4.4.3平臺功能模塊設計與實現 38
4.5Web 管理平臺設計 46
4.5.1Web 管理平臺架構設計 46
4.5.2Web 管理平臺的設計實現 47
4.5.3平臺功能 Web 界面的設計與實現 48
4.6本章小結 50
第 5 章 測試與驗證 51
5.1 測試環境搭建 51
5.1.1 硬件環境 51
5.1.2 軟件環境 53
5.2 停車推薦模型測試 54
5.2.1 最佳停車場推薦測試 54
5.2.2 最佳停車位推薦測試 56
5.2.3實驗結果與分析 58
5.3 信息管理平臺功能測試 59
5.3.1 智慧停車應用功能測試 59
5.3.2實驗結果與分析 64
5.4 本章小結 64
第 6 章 總結展望 65
6.1全文總結 65
6.2 展望 66
參考文獻 67
致謝 71
攻讀碩士學位期間從事的科研工作及取得的成果 72
注釋表
NB-IoT Narrow Band Internet of Things,窄帶物聯網
LoRa Long Range Radio,遠距離無線電
PGIS Parking Guidance Information System, 停車引導信息系統
Technique for Order Preference by Similarity to an Ideal Solution,逼近
TOPSIS 理想解排序法
OBE On Board Equipment,車載終端
RSE Road Side Equipment,路側設備
C-V2X Cellular-V2X,基于蜂窩網技術的V2X
HMI Human Machine Interface, 人機接口
URL Uniform Resource Locator,統一資源定位符
V2V Vehicle to Vehicle,車與車通信
V2I Vehicle to Infrastructure,車與路邊基礎設施通信
V2P Vehicle to Pedestrian,車與行人通信
V2N Vehicle to Network,車與網絡通信
V2C Vehicle to Cloud,車與云平臺通信
I2N Infrastructure to Network,路邊基礎設施與平臺通信
3GPP 3rd Generation Partnership Project,第三代合作伙伴計劃
Long Term Evolution-Vehicle to Everything,基于長期演進的車載設備
LTE-V2X 與其他設備通訊
5th Generation Wireless Systems -Vehicle to Everything,基于第五代無
5G-V2X 線通信技術的車載設備與其他設備通訊
IoC Inversion of Control,控制反轉
AOP Aspect-Oriented Programming, 面向切面編程
MVC Model-View-Controller,模型-視圖-控制器
ORM Object/Relationship Mapping,對象關系映射
MADM Multiple Attribute Decision Making,多屬性決策
AHP Analytic Hierarchy Process, 層次分析法
C/S Client/Server,客戶端/服務器
B/S Brower/Server,瀏覽器/服務器
HTML Hypertext Markup Language,超文本標記語言
HTTP HyperText Transfer Protocol,超文本傳輸協議
CSS Cascading Style Sheets, 層疊樣式表
Ajax Asynchronous JavaScript And XML,異步 JavaScript 和 XML
第 1 章 引言
1.1 研究背景及意義
近年來,隨著我國居民收入的快速增長,城鎮化水平的穩步提升,汽車消費 大幅增長,據公安部交管局統計,截至2018 年底,全國機動車保有量達到 3.27 億 輛,其中汽車達 2.4 億輛[1]。由于汽車保有量劇增,所以停車位需求也在增長。截 至2017年6月,國內停車位需求量達2.7億個,到2018年停車位需求將近3億個, 保守估計,我國停車位缺口已經超過5000 萬個,停車位供需矛盾愈發突出,為了 解決這一難題,各地都在加強停車設施建設來提供更多的停車位,然而仍有許多 車主依然在為找不到車位而發愁。目前雖然我國停車位缺口率已經達到 50%,但 近五成停車場的停車位沒有得到合理利用,導致停車資源的嚴重浪費,還帶來了 “停車難”的問題[2]。
為解決“停車難”問題,僅僅依靠消耗更多的空間去建設停車場是不夠的, 還需要提高停車位的利用率。目前,傳統停車場普遍存在電子化程度低和停車場
“小、散、亂”的問題,限制了停車位的充分利用。美國IBM公司在全球6大洲 20個城市中對8042名車主展開了一次全球停車調查,在一年的調查時間段內,全 球的停車用戶找到一個停車位平均需花費大約20分鐘的時間,而在北京需要31~40 分鐘才能找到停車位,比全球用時至少多 11 分鐘,此外,超過全球平均用時的城 市還有深圳、墨西哥城以及巴黎等世界知名的大城市[3]。所以,車主無論是在車流 量較大的城市地區尋找停車場,還是在大型停車場中要尋找到合適的空閑車位, 往往會盲目地循環尋找能夠停車的停車場和停車位,在尋找過程中不僅會浪費大 量駕車用戶的時間和燃油,還在一定程度上增加了汽車排放,導致了空氣污染和 交通堵塞[4]。
綜上所述,關于“停車難”問題的原因可以總結為以下幾方面:一是車位數 量無法滿足用戶需求;二是停車場的管理方式混亂,在許多大型停車場中存在車 位種類多,車位大小不均,并且缺乏全局管理措施等問題,導致許多車主無法快 速地在大型停車場中尋找到合適的停車位[5];三是國內停車場的智能化水平低,管 理效率低下,收費方式和停車場值守以人工為主,導致用戶停車體驗差;四是車 主尋找車位難、找車難、排隊繳費慢,以至于車輛在停車場內出入慢,進而引發 交通擁堵和交通安全問題[6]。
為了解決上述相關停車問題,不僅僅需要通過增加車位的數量來滿足用戶需 求,還要改善停車場的管理方式。智慧停車以停車場與停車位資源為基礎,將物 聯網、人工智能、云計算、無線通信以及大數據等技術結合起來,讓停車資源聯 網化、信息化和系統化,對傳統停車場進行智慧化升級。本文將物聯網和無線通 信技術結合起來,搭建智慧停車信息管理平臺,以車主為中心,通過平臺與智能 終端的信息交互功能,向車主實時推送停車過程中的相關信息。本文所提出的停 車推薦模型根據車主的個人意愿和偏好為駕車用戶推薦最佳停車場和停車位,使 車主能夠自行選擇停車位預約和停車,為車主節約停車時間。總之,本文所研究 的基于V2X的智慧停車信息管理平臺不僅能提高停車效率,緩解“停車難”問題, 還能減少車主尋找車位的時間,進一步緩解城市交通擁堵。
1.2研究現狀與未來發展趨勢
1.2.1 智慧停車研究現狀
由于不同地區停車需求的差異,國外不同地區智慧停車發展程度也有著很大 的不同。跟國內相比,國外很多國家地廣人稀,出現“停車難”問題相對較少, 所以國外研究的智慧停車應用主要是為了解決車位查詢、車位預定和停車價格高 的問題。國外發達國家智慧停車管理系統的發展已經基本進入無人收費階段,電 子化程度非常高。在北美地區,美國在停車管理研究領域已經有了較為成熟的智 慧停車應用和技術,如ParkMe公司,基本實現了停車位預定、停車誘導、代客泊 車和電子收費等功能[7,8]。在亞洲地區,隨著互聯網產業的高速發展,日本在智慧 停車領域得到了快速發展,代表企業 Park24 是日本最大的停車管理公司,已經實 現了包括實時信息查詢、停車誘導、無人值守和自助繳費等在內基本停車功能[8]。 在歐洲地區,很多國家人口集中度相對較高,導致尋找車位困難、停車收費貴以 及道路交通擁堵等問題屢見不鮮,所以歐洲對智慧停車需求較大[9],例如歐洲代表 企業 Indigo 公司已經實現了停車場出入口的無人值守。歐洲將智慧停車與智慧交 通、綠色環保等生態行業結合在一起,打造智慧停車行業生態[8,9]。在非洲與中東 地區,停車技術發展相對落后,還需要引進先進的技術和設備,所以智慧停車行 業還有待發展。
與國外發達國家相比,國內人口密度大,對智慧停車行業的需求也比較大。 近幾年以來,我國在智慧停車領域取得了飛速的發展,并取得大量的研究成果, 智慧停車市場競爭也相當激烈。例如代表企業有停車百事通、安泊客、安居寶、 ETCP 與無憂停車等[7],這些企業從停車場的基礎設施出發,實現停車的智能化和 聯網化,為用戶提供實時信息查詢、車位預定、車位導航等功能。此外,互聯網 的發展使停車收費跨入了一個新的階段,各大互聯網企業紛紛推出便攜的移動支 付平臺[10],如阿里巴巴的“高德地圖+支付寶”,騰訊公司的“微信公眾號+微信 支付”,百度的“百度地圖+百度錢包”等,這些企業以網上快捷支付的特性來打 開停車市場,使智慧停車更加智能化。
綜合國內外研究發展情況,目前主要的智慧停車解決方案主要是采用地磁傳 感器和視覺監控來完成車位狀態信息的采集和監控,并通過基于 NB-IoT(Narrow Band Internet of Things,窄帶物聯網)[11]、ZigBee[12]和 LoRa(Long Range Radio, 遠距離無線電) [13]等無線組網技術來實現停車場車位信息的傳輸,然后在停車場 中設置車位誘導屏來實現車輛停車的相關功能。這些解決方案主要存在的問題有: 一是視覺監控定位不夠準確,容易受到包括天氣、能見度以及遮擋物等環境因素 的影響,車位傳感器在室外容易受到環境影響,會影響車位狀態信息的采集;二 是無線組網技術需要部署大量車位檢測傳感器和組網設備,增加了施工難度和成 本;三是停車場中的誘導屏僅考慮到在停車場內部進行小范圍的車位誘導,未實 現車位狀態管理和實時導航的功能。
1.2.2停車信息推薦和誘導模型研究現狀
隨著城市人口的增加和停車場規模的增大,越來越多的車主為了尋找一個空 閑車位消耗大量的時間,進而引起一系列交通問題。導致這些問題的原因包括兩 點:一是停車場管理系統不完善,讓車主無法在線實時查詢各停車場信息,無法 獲取對車主最有利的停車場;二是停車場內部沒有車位誘導系統,導致車主在停 車場內需要循環行駛去尋找車位,既浪費了時間,又增加了停車場出入口的交通 負擔。
目前,國外對于最佳停車場與停車位的選擇方面研究較少,更注重的是對停 車場內部的微觀行為與空間方面的研究,主要包括停車價格和空間容量等[14,15]。 從第一個停車引導信息系統(Parking Guidance Information System,PGIS)于 1971 年在德國亞琛市建立開始,對停車場的研究已經獲得了一些有價值的數據,各國 學者提出了一些停車誘導系統模型[16]。然而,這些模型忽略了整個停車引導過程 中停車位對于車主停車的優劣程度,對于停車位的屬性分析過于單一化。在文獻[17] 中, Peter Bansall 等人模擬和分析了停車選擇模型,該模型是由車主根據被動停車 引導方式下的引導信息自行確定,帶來了很多不確定性和不可靠性。在文獻[18] 中,美國學者 Mouskos 提出的車位預定系統是從車主的停車費用出發,將收費最 少的停車位推薦給車主,利用車位預定服務來幫助車主在出行前或出行途中提前 預約停車位。在文獻[19]中,Jong-Ho Shin等人提出了一種基于神經網絡的智能停 車誘導控制方法,該方法可以通過動態控制來選擇最佳停車場,并提高智能停車 引導系統的性能,從公共利益的角度有效地解決停車問題。
與國外相比,國內停車需求大,所以對停車信息推薦和車位誘導的研究比較 多。在文獻[20]中,楊慶芳等人提出一種停車泊位預定模型,通過對停車泊位預定 類型的研究,論述了停車預定的確定型模型和隨機型模型兩種模型的特點,提出 了基于手機的停車預定技術的實現框架和方案。在文獻[21]中,楊軍等人提出了基 于主動停車誘導和信息系統的有限泊位預留策略模型,開發了一種預留泊位的算 法,采用這種模型為車主預留車位更加接近生活。在文獻[22]中,劉偉等人提出用 于管理早上通勤的具有停車位限制的停車位預約系統,該系統為了進一步減少停 車競爭引起的交通擁堵和社會成本,提出了有到期時間設定的停車位預約方案, 即預約停車位的通勤者必須在到期時間之前到達停車位。
國內外雖然對停車信息推薦和誘導模型的研究越來越成熟,但距離將其應用 到實際生活中還十分遙遠。許多研究未對停車場內的車位類型進行分類管理與分 配,沒有根據車主需求與車位自身屬性來選擇車位,所以對于實現最佳車位的預 約和導航還具有一定的局限性。因此對于車主來說,快速的尋找到一個滿足車主 需求的停車場和停車位是智慧停車應用中非常重要的一部分。本文對國內外研究 成果進行總結,針對停車場內部最佳車位的預約問題,設計了最佳停車場與停車 位推薦模型,實現了為車主動態推薦最佳車位的功能。
1.2.3 未來發展趨勢
隨著現代通信技術的飛速發展,以及“互聯網+”技術的興起,智慧停車系統 通過對停車管理環節進行優化,將“互聯網+”與智慧停車深度結合起來,重新審 視駕車用戶停車需求和停車思維,構建“互聯網+停車”的新模式,優化停車流程, 為駕車用戶解決停車問題,并提供在線支付功能,為車主打造一個“停車有位, 在線付費”的停車生態環境。
隨著智能化管理模式的普及,停車場引進先進的內部基礎設施,使停車場向 智能化、信息化方向發展,優化停車場的管理模式,減少停車場管理人力成本。
停車場與車主之間通過互聯網共享數據,實現停車場和停車位信息實時查詢、 車位預約、車位導航、反向尋車和電子自動付費等功能,并能通過互聯網根據個 人偏好選擇最佳停車場和停車位進行預約,最大化滿足車主需求,為車主出行提 供更便捷的服務。
為了智慧停車行業的可持續發展,未來的智慧停車不僅僅依靠停車位收費來 獲利,還要通過為車主提供其他推廣服務來獲利。互聯網大數據分析通過智能終 端反饋的潛在需求,為車主推送相關服務,例如洗車、保養、維修等售后服務和 周邊廣告等生活服務。智慧停車作為車聯網應用和智能交通應用的一部分,圍繞 車主來構建智慧停車環境,為車主提供更便捷的駕車體驗才是未來的發展趨勢。
1.3基于V2X的智慧停車信息管理平臺
1.3.1課題來源
論文課題來源于重慶市科委關鍵技術專項“車聯網大數據平臺與車載終端關 鍵技術研究與應用”和國家重大科技專項“5G產品研發規模試驗”。該項目主要 研究設計V2X車聯網系統架構,研究設計車載智能終端、信息管理平臺和路側設 備關鍵技術;在此基礎上,開發車載終端、路側設備與信息管理平臺,形成車聯 網系統綜合測試與驗證平臺。建立完整的車聯網仿真、驗證與測試系統,然后進 行智能網聯汽車與智能交通車路協同相關的示范應用。本課題所研究的智慧停車 應用是車聯網中一個典型的應用場景,對于促進未來智能交通和智慧城市的新發 展具有重要的意義。
1.3.2 主要研究內容
本論文主要完成基于 V2X 的室外智慧停車系統中的信息管理平臺相關研究工 作。該研究工作主要包括系統架構設計、停車推薦模型研究、信息管理平臺的設 計、智慧停車相關功能的設計與實現幾個部分。
1.系統架構設計
系統架構設計主要從智慧停車系統架構的設計、系統通信架構的設計、基于 V2X 的高精度定位和慣性導航技術、 V2X 車載終端功能組成四部分來描述,旨在 根據高精度定位和慣性導航技術來實現車位狀態信息的檢測與更新,并通過 V2X 車載終端實現停車的基本功能。
2.停車推薦模型研究
針對目前在城市大型停車場中尋找車位停車越來越難的問題,本文從車主需 求和個人意愿角度出發,提出基于改進 TOPSIS( Technique for Order Preference by Similarity to an Ideal Solution,逼近理想解排序法)算法的最佳停車場推薦模型和 最佳停車位推薦模型,對停車場與停車位待評價屬性進行量化,再采用改進 TOPSIS 算法計算最佳停車場與停車位,最后推薦給車主完成車位預約。
3.信息管理平臺的設計
為了解決目前停車場信息化程度不高且人工管理效率低下的問題,本文設計 一個智慧停車信息管理平臺來管理停車場信息,建立與V2X車載終端、V2X路側 設備間的通信,并存儲、處理與轉發車主停車過程中V2X車載終端、V2X路側設 備的信息。
4.智慧停車應用相關功能的實現
為了解決車主無法迅速尋找到空閑停車位以及停車繳費效率低的問題,本文 基于智慧停車信息管理平臺實現停車場和停車位信息實時查詢、車位預約、停車 場和停車位導航、反向尋車以及在線支付等功能。
1.4 論文組織結構
本文主要分為六章,各章內容安排如下:
第一章主要描述本課題的研究背景及意義、國內外研究現狀和未來發展趨勢。 通過對比分析目前的智慧停車應用的發展與所存在的不足并進行總結,結合車聯 網V2X相關技術,提出基于V2X的智慧停車解決方案。
第二章主要描述智慧停車系統架構設計與關鍵技術簡介,介紹了系統中基于 C-V2X通信的高精度定位和慣性導航技術,并對V2X車載終端相關功能模塊進行 了描述。
第三章主要描述停車推薦模型的研究,通過對車主的停車需求進行分析,搭 建最佳停車場與停車位推薦模型,為車主選擇出最佳停車場與停車位,以便于車 主能預約最佳車位,從而減少停車時間。
第四章描述智慧停車信息管理平臺的設計過程,主要包括數據庫設計、應用 服務器設計、 Web 管理平臺設計三個部分,并通過搭建智慧停車信息管理平臺完 成停車相關功能的實現。
第五章描述在智慧停車信息管理平臺上進行智慧停車相關功能的測試情況, 包括停車場和停車位信息查詢、最佳停車場推薦、最佳停車位推薦、車位預約、 車位狀態實時更新、停車場停車位導航、反向尋車與在線收費等功能的測試,并 將改進的 TOPSIS 算法和常見的多屬性決策算法作推薦效果的對比。
第六章對本論文研究內容進行了總結,并對今后要做的改進工作進行了展望。
第 2 章 智慧停車系統架構設計與關鍵技術簡介
本章主要分為智慧停車系統架構設計、關鍵技術與理論基礎兩部分。通過對 國內外研究現狀以及所存在的問題進行分析,設計智慧停車系統架構,然后介紹 本課題所涉及的相關技術與理論。
2.1 系統架構設計
本文所涉及的系統架構設計主要包括智慧停車系統架構設計、系統通信架構 設計以及信息管理平臺軟件架構設計三部分。
2.1.1 V2X智慧停車系統架構設計
基于 V2X 的智慧停車系統主要包括智慧停車信息管理平臺、 V2X 車載終端 (On-Board Equipment, OBE)、V2X 路側設備(Road Side Equipment, RSE)以 及地圖服務器四部分。如圖 2.1 所示,本系統通過建立智慧停車信息管理平臺、 V2X車載終端、V2X路側設備以及地圖服務器之間的信息交互來實現停車信息管 理和相關停車功能,為停車場提供了一種更加智能的管理方式。
圖 2.1 智慧停車系統架構
1.智慧停車信息管理平臺:信息管理平臺通過應用服務器、數據庫和Web管 理平臺三部分來實現,負責停車相關信息的存儲、處理與轉發,為車主提供停車 場和停車位查詢服務、最佳停車場與停車位推薦服務、車位預約服務、停車場與 停車位導航服務、反向尋車以及在線支付服務。應用服務器負責與各終端進行信 息交互,數據庫負責數據的存儲, Web 管理平臺負責人機交互界面的顯示,使管 理員和用戶能夠監控和管理停車場的相關信息。
2.V2X車載終端:V2X車載終端主要由C-V2X (Cellular-V2X)通信模塊、 高精度定位模塊與HMI(Human Machine Interface,人機接口)模塊組成。C-V2X 通信模塊負責V2X車載終端與智慧停車信息管理平臺、V2X路側設備的相互通信; 高精度定位模塊負責車輛位置信息的采集,并通過C-V2X通信模塊將車輛位置信 息同步至信息管理平臺;人機交互模塊負責車主與V2X車載終端的交互。
3.地圖服務器:地圖服務器利用ArcGIS將采集的車位數據生成局部地圖,并 發布ArcGIS地圖服務,生成對應的URL(Uniform Resource Locator,統一資源定 位符),使車位地圖能夠通過Android和Web等終端進行訪問。根據數據庫中的 車位狀態信息,地圖服務器為車位附加不同的顏色表明不同的狀態信息。
4.V2X路側設備:V2X路側設備主要由C-V2X通信模塊、車位監控模塊、高 精度輔助定位模塊以及數據管理模塊組成。C-V2X通信模塊負責V2X路側設備與 智慧停車信息管理平臺、 V2X 車載終端的相互通信,并實現高精度輔助定位信息 廣播功能;車位監控模塊負責實時檢測車位的狀態信息,并將車位狀態信息傳給 數據管理模塊進行處理;高精度輔助定位模塊負責車輛和車位位置信息的采集, 并將車輛位置信息和車位位置信息傳給數據管理模塊進行處理;數據管理模塊負 責對V2X路側設備中的數據進行管理,對來自其他模塊的車位狀態信息和車輛位 置信息進行處理,并實時地將車位狀態更新信息同步至信息管理平臺。
2.1.2 系統通信架構設計
智慧停車系統的網絡通信是指信息管理平臺與V2X車載終端、V2X路側設備 以及便攜式移動設備等終端之間的數據通信。如圖 2.2所示,智慧停車系統中各部 分之間采用V2X通信實現數據的傳輸。由于C-V2X有著通信時延低、可靠性好、 安全性更高的優點,所以智慧停車系統選擇C-V2X通信模塊來實現通信。V2X車
載終端、V2X路側設備等設備上都裝有C-V2X通信模塊和4G無線通信模塊,以 實現車與車通信(Vehicle to Vehicle,V2V)、車與路邊基礎設施通信(Vehicle to Infrastructure, V2I)、車與行人通信(Vehicle to Pedestrian, V2P)、車與網絡/ 云平臺通信(Vehicle to Network/Cloud,V2N/V2C)[23]以及路邊基礎設施與平臺通 信(Infrastructure to Network, I2N)等通信場景。
V2X路側設備是路邊基礎設施的一種,車輛與V2X路側設備之間采用V2I通 信,車輛與信息管理平臺之間采用V2N通信,V2X路側設備與信息管理平臺之間 采用I2N通信。除C-V2X通信外,信息管理平臺與各終端之間還可以通過4G網 絡無線通信技術來實現。
2.1.3基于C-V2X通信的高精度定位與慣性導航技術
在未來智能網聯汽車與智能交通的應用中, C-V2X 應用主要包括三大部分應
用場景:交通安全、交通效率和信息服務。智慧停車應用是典型的交通效率應用 場景,需要高精度定位和慣性導航的支持。目前實現分米級以上的高精度定位主 要是通過地面差分基站結合本地高精度定位的方式實現的,要實現差分定位,需 要購置商用差分定位服務,大部分商用的差分定位服務成本較高,不利于智能網 聯汽車與智能交通的發展。
考慮到成本和可行性,本課題采用“V2X路側設備+GPS/BD差分基站”的方 法來傳輸定位差分信號,如圖 2.3 所示, V2X 路側設備同時作為差分基站,利用 V2X通信時延較低的特點,將差分信號通過C-V2X通信發送給通信范圍內的V2X 車載終端。在車載終端部分,V2X車載終端通過C-V2X通信獲得區域內的高精度 定位差分信號,該信號與本地高精度定位模塊信號相結合,計算得出高精度定位 信息。
圖 2.3 基于 C-V2X 的車載終端高精度定位方法
通過該方法,室外智慧停車系統在道路交通比較復雜的停車場區域布置 V2X 路側設備與定位差分基站,以解決車輛停車過程中車輛的高精度定位問題,使V2X 路側設備能夠更準確地識別車位狀態的變化情況。
2.1.4 V2X車載終端功能組成
在室外智慧停車系統中,V2X車載終端由C-V2X通信模塊、GPS/BD模塊和 HMI模塊等多個模塊組成,V2X車載終端架構如圖2.4所示。C-V2X通信模塊主 要實現車輛信息發送和接收, GPS/BD 模塊實現車輛的高精度定位, HMI 模塊負 責界面的顯示和人機的交互, V2X 車載終端將自身高精度定位信息以及接收到的 停車相關信息顯示通過HMI顯示出來。
圖 2.4 V2X 車載終端架構圖
2.2關鍵技術與理論基礎
2.2.1關鍵技術
本論文研究所涉及到的相關技術包括 C-V2X 通信技術、 Spring 框架、 Spring MVC 框架和 Hibernate 框架等技術。
1.C-V2X 通信技術
C-V2X 是由 3GPP (3rd Generation Partnership Project,第三代合作伙伴計劃) 定義的基于3G/4G/5G等蜂窩網技術演化形成的車用無線通信技術°C-V2X包含直 接通信(PC5)和蜂窩通信(Uu)兩種工作模式:直接通信用于車、人、路之間 地短距離通信,蜂窩通信可實現遠距離和大范圍地可靠通信[24] 。 C-V2X 包含 LTE-V2X(Long Term Evolution-Vehicle to Everything,基于長期演進的車載設備 與其他設備通訊)和 5G-V2X(5th Generation Wireless Systems -Vehicle to Everything, 基于第五代無線通信技術的車載設備與其他設備通訊),且LTE-V2X正向5G-V2X 平滑演進。通過C-V2X無線通信技術實現車、停車基礎設施、人與網絡的全方位 連接,提升汽車聯網化水平,為智慧停車系統提供信息通信基礎,能夠提高交通 效率,改善乘客乘車和泊車體驗。
2.Spring 與 Spring MVC
Spring是為了解決企業應用開發復雜性而創建的一個開源的輕量級Java框架, 最早由 Rod Johnson 在文獻[25]中闡述的關于 Spring 的一些核心思想和理念衍生而 出。Spring框架采用了分層架構,將框架分為多個組件,開發者可以選擇使用其中
的一個或多個組件進行開發。這種分層架構不僅簡化了開發,還能集成各種優秀 的開源框架[26]。Spring 的核心是 IoC(Inversion of Control)和 AOP(Aspect-Oriented Programming) [26,27], IoC 是將開發者設計好的對象交給容器來控制,而不用在對 象內部直接控制, AOP 采用一種“橫切”技術來將程序設計中多業務流程中的通 用功能單獨封裝doC和AOP使Java對象之間松散耦合,并使代碼能夠功能復用, 使整個程序結構變得非常靈活。Spring的用途不僅能開發服務器端的應用,還能開 發其他非服務器端Java應用,并且同樣具備可測試性、松耦合和易開發的優勢。
Spring Core
Supporting utlities
Bean container
圖 2.5 Spring 框架總體結構圖
圖2.5為Spring框架的總體結構圖,從圖中可以看到Spring框架的各模塊既 是單獨存在的,也是相互依賴的。在Spring框架中,Spring MVC模塊提供了全功 能構建Web應用程序的MVC (Model-View-Controller)實現。MVC框架是高度 可配置的,容納了視圖技術,并且支持包括JSP、FreeMarker、Velocity等不同的 視圖類型。
3.Hibernate
Hibernate 是一個開源的,輕量級的 ORM(Object/Relationship Mapping,對象關 系映射)框架[28]。 Hibernate 適用于關系型數據庫,關注數據持久性,對 JDBC 進行 了輕量級的對象封裝,將Java類映射到數據庫表中,Hibernate可以自動生成SQL 語句并自動執行,程序員可以使用面向對象編程思維來操作數據庫[26,28]。 Hibernate 是傳統Java對象和數據庫服務器之間的橋梁,用來處理基于O/R映射機制和模式 的對象。
2.2.2理論基礎
本論文研究所涉及到的理論基礎包括多屬性決策算法。多屬性決策(Multiple Attribute Decision Making, MADM)是現代決策科學的一個重要組成部分,又稱 有限方案多目標決策,指的是根據多個屬性信息,對備選方案進行排序并選擇最 優方案的決策問題[29]。多屬性決策的理論和方法在工程設計、醫學、經濟和軍事 等領域中有著廣泛的應用[29,30]。
多屬性決策由兩部分組成:一是獲取屬性權重和屬性值,屬性權重的確定是 多屬性決策的關鍵環節;二是通過屬性權重來計算各備選方案的最終權重,并進 行排序和擇優。屬性權重的確定方法可以分為主觀賦權法、客觀賦權法以及綜合 賦權法三種[29]。主觀賦權法指的是決策者根據自身經驗來確定權重的方法,常見 的主觀賦權法有專家調查法、二項系數法和層次分析法( Analytic Hierarchy Process, AHP)等[31];客觀賦權法是在原始數據的基礎上通過數學方法來確定權重的方法, 常見的客觀賦權法有熵權法、離差最大化法以及均方差法等;綜合賦權法是將主 觀賦權法和客觀賦權法兩者計算的結果進行線性加權計算最終的結果,既能克服 主觀賦權的主觀隨意性,又能克服客觀賦權法中權值確定容易受到樣本數據影響 的缺陷。
常見的多屬性決策算法有AHP法、熵權法和TOPSIS法等。
1.AHP
AHP 是一種基于數學和心理學的組織和分析復雜決策的結構化技術。它由 Thomas L. Saaty[32]在20世紀70年代開發,并從那時起進行了廣泛地研究和改進。 AHP 法首先將決策問題分解為層次結構,對應的每個子問題都可以單獨分析,決 策者就系統地評估其各種元素,通過比較它們對上層次結構中的元素的影響程度, 以此來確定待評價方案的權重[33]。 AHP 作為一種主觀賦權法,它的本質不僅僅是 用于執行評估的基礎信息,而且也是決策者主觀經驗的一種體現。
2.熵權法
熵最早是在 1850年德國物理學家克勞修斯提出,是用來在熱力學中表示物質 狀態混亂程度的標志,信息論之父C. E. Shannon。4]在1948年將熵的概念引入信息 論中,并將其命名為信息熵,用來描述信息的不確定度。目前信息熵已被廣泛用 于工程技術、社會經濟等領域。
熵權法是一種客觀賦權方法,根據各待評價屬性的變異程度來進行賦權,熵 值的大小反映了該信息源的無序程度。換而言之,指標的信息熵越大,則指標所 對應值的變異程度就越小,在綜合評價中對最終的結果影響也越小,最終計算出 的權重就越小;指標的信息熵越小,則指標所對應值的變異程度就越大,在綜合 評價中對最終的結果影響也越大,最終計算出的權重就越大。熵權法能夠有效地 排除決策者主觀經驗的影響,使得研究結果更加客觀公正。
3. TOPSIS
TOPSIS是由C.L.Hwang和K.Yoon于1981年首次提出的一種非常經典的多屬 性決策方法[29,30],它是根據待評價方案與理想方案之間的接近程度來進行排序, 并確定最佳方案的方法。
TOPSIS 引入了兩個基本概念:正理想解和負理想解。正理想解指設想的最佳 方案的各屬性值都達到各備選方案中最理想的值;負理想解指設想的最佳方案的 各屬性值都達到各備選方案中最不理想的值[29,35]。TOPSIS的基本原理,是通過計 算各備選方案與正理想解、負理想解的距離來進行排序,若備選方案最靠近正理 想解同時又最遠離負理想解則為最佳方案;若備選方案最靠近負理想解同時又最 遠離正理想解則為最差方案[29,30,35]。
2.3 本章小結
本章主要介紹了系統架構設計、關鍵技術和相關理論。本章首先介紹了智慧 停車系統架構和通信架構,然后介紹了基于V2X通信的高精度定位和慣性導航技 術,最后簡要介紹了本文所用到的相關關鍵技術和理論。
第 3 章 停車推薦模型研究
目前,停車場和停車位缺乏統一管理和推薦的方法,導致車主停車難的問題。 鑒于此,本章提出一種最佳停車場與停車位推薦模型,向車主推薦可以停車的停 車位,同時車主能夠根據個人偏好個性化預約停車位,從而減少車主尋找車位和 到達車位的時間。
3.1 車位預約流程分析
在停車的整個過程中,車位預約是非常重要的一步,其流程如圖 3.1 所示。其 中,在車主發起停車請求時,智慧停車信息管理平臺接收停車請求,根據當前車 輛位置信息來查詢周圍的停車場信息,再通過最佳停車場推薦模型計算最佳停車 場,并將最佳停車場信息推送到V2X車載終端。隨后,車主選擇好停車場后向信 息管理平臺發起車位查詢請求,信息管理平臺收到請求后將停車場對應的車位信 息發送至V2X車載終端,根據該車輛的大小和車位狀態信息篩選出空閑可利用的 停車位作為備選停車位,再通過最佳停車位推薦模型從備選停車位中選出最佳停 車位并推薦給車主。最后,車主能夠自行選擇是否預約最佳停車位,若確定預約, 則向信息管理平臺發送預約請求;否則,車主結束車位預約操作,并向信息管理 平臺反饋消息。
圖 3.1 車位預約流程圖
在車位預約過程中,為了幫助車主能夠快速地在附近的停車場內尋找到空閑 的停車位,智慧停車信息管理平臺可以構建各停車場基礎設施與車主之間的聯系, 使車主能夠通過網絡實時查詢停車場信息,并根據個人意愿選擇停車位預約。車 主對于最佳停車場與停車位的選擇是一種多屬性決策問題,所以在智慧停車信息 管理平臺中加入停車推薦模型,來選擇最佳的停車場與停車位并推薦給車主,然 后車主根據推薦結果選擇車位預約。
3.2 基于改進 TOPSIS 算法的最佳停車場推薦模型設計
在城市復雜交通環境中,存在車主無法及時找到合適停車場的問題,本文設 計了最佳停車場推薦模型,該模型根據停車場的相關屬性,為車主推薦周圍的最 佳停車場。
3.2.1 停車場評價屬性分析
在建立最佳停車場推薦模型之前,需要先分析車主在選擇停車位時要考慮的 相關停車場屬性,通過分析待選停車場各評價屬性對車主選擇最佳停車場的影響 程度來解決最佳停車場的選擇問題。文獻[36]提出了車主停車最關注的相關停車場 屬性,包括步行距離、安全性和收費標準等。本文在此基礎上綜合考慮停車場的 屬性對車主決策的影響,選擇以下四個相關屬性作為待評價指標:
1.行駛距離:車輛所在位置到停車場的行駛距離。通過調用百度或者高德等 商用地圖 API 可以獲取車輛所在位置到停車場的距離,行駛距離越短的停車場越 容易被車主選擇。
2.步行距離:停車場出口到目的地的最短步行距離。通過調用百度或者高德 等商用地圖 API 可以獲取停車場出口到目的地的最短步行距離,步行距離越短的 停車場就越容易被車主選擇。
3.可預約停車位數:停車場中可預約停車位的數量。停車位狀態包括空閑、 授權(已預約)和占用三種,只有空閑狀態下的停車位可以被預約,空閑車位數 量越多的停車場就越容易被車主選擇。
4.停車收費標準:停車場停放車輛每小時所需要收取的費用。根據停車場位 置和管理方式的不同,停車收費標準也有著很大的差異,本文對各停車場的收費 標準進行統計并錄入數據庫,收費標準越低的停車場就越容易被車主選擇。
3.2.2 最佳停車場推薦流程
通過上文對停車場評價屬性的分析,構建最佳停車場推薦模型,如圖3.2所示。 首先對備選停車場集的各屬性進行量化,再通過基于改進TOPSIS的推薦算法求出 最佳停車場。
備選停車場集- 停車場 A 基于改進TOPSIS 最佳停車場-
■ j ? 1 ■ 屬性量化 的推薦算法
圖 3.2 停車場推薦模型
最佳停車場的推薦流程如圖3.3 所示。主要實現步驟如下:
1.獲取停車請求數據。當信息管理平臺獲取到停車請求數據后,通過該數據 中所包含的車輛當前位置和目的地位置,來搜索附近一定范圍內的停車場。
2.確定可預約停車場集。初步篩選出還有空閑停車位的停車場作為備選停車 場。
3.確定評價屬性并量化。根據車主請求數據分析車主的停車需求,并確定停 車場相關屬性,再根據各屬性對結果的影響程度來對各屬性進行量化。
4.最佳停車場推薦。推薦模型通過改進的 TOPSIS 算法計算備選停車場中的 最佳停車場,并推薦給終端。
5.是否選擇推薦的停車場。當終端接收到信息管理平臺推送的最佳停車場信 息時,車主可以根據自身意愿來確定是否選擇該停車場,若選擇,則信息管理平 臺將停車場中的停車位信息發送到終端;否則,車主可以選擇更改評價屬性量化 參數,并進入下一次推薦。
圖 3.3 停車場推薦流程圖
3.3 基于改進 TOPSIS 算法的最佳停車位推薦模型設計
目前,由于大量停車場還沒有車位誘導系統,所以車主通過駕車在停車場巡 游的方式來尋找空閑停車位,既浪費了時間,又占用了停車場道路交通資源,進 而導致交通擁堵等多種交通問題。為了解決這些問題,本節將提出一種最佳停車 位推薦模型,實現車主能夠選擇最佳停車位預約的功能。
3.3.1 停車位評價屬性分析
影響車主選擇停車位的因素有以下兩點:一是停車場設施中停車位的類型復 雜,二是車主的停車需求多種多樣。在建立最佳停車位推薦模型之前,要先確定 車主在選擇停車位時所考慮的相關車位屬性。文獻[37]和文獻[38]確定車主在選擇 車位時所考慮的車位屬性有:停車場入口到停車位的距離、車主下車后的步行時 間、車輛遮陰時長以及車輛停放便捷性等。文獻[39]與文獻[40]中通過大量的對車 主停車因素的調查分析,得出在車位推薦所需要考慮的主要停車位屬性包括停車 場入口到停車位的行駛距離、停車位到目的地需步行的距離、停車位類型和車位 安全性等。
綜合上述研究,本文從車主和停車場的角度出發,選擇以下幾個車位屬性作 為停車位推薦的評價屬性:
1.駛入距離:停車場入口到停車位的最短行駛距離。信息管理平臺從數據庫 中可以獲取到停車場入口和停車位的 GPS 位置信息,根據停車場內部交通情況來 計算最短行駛距離。
2.駛出距離:停車位到停車場出口的最短行駛距離。駛出距離通過停車位與 停車場出口的GPS位置信息來確定。
3.步行距離:停車位到電梯或出口需步行的最短距離。步行距離通過停車位
與電梯或者出口的GPS位置計算。
4.停車位兩側環境:停車位兩側是否有車輛或者障礙物。停車位兩側環境能 夠影響車主停放車輛的難易程度,停車位兩側環境包括四種情況:
(1)停車位兩側無車輛停放;
(2)停車位一側為空一側有車輛停放;
(3)停車位位于邊側;
(4)停車位兩側均有車輛停放。
對于車主來說,停車位的停車難度從易到難分別為:兩側均無車輛停放,停 車位位于邊側,一側為空一側有車輛停放,以及停車位兩側均有車輛停放。因此, 可以定義如表 3.1 所示規則來為該屬性賦權:
表 3.1 停車位兩側環境量化規則[40,41]
停車位 停車位兩側 停車位一側為空 停車位 停車位兩側
兩側環境 均停放車輛 一側有車輛停放 位于邊側 無車輛停放
S 1?3 3~5 5~7 7~9
5.停車位類型:停車位的類型一般分為三種,包括直方停車位、側方停車位、
斜方停車位。停車位類型的不同使得停車難易程度也不同,根據Jun提出的方法[42]: 斜方停車位最易停車,其次是側方停車位,直方停車位停車難度相對最大。停車
位類型量化規則如表3.2所示。
表 3.2 停車位類型量化規則
停車位類型 斜方停車位 側方停車位 直方停車位
t 7~9 5~7 3?5
3.3.2 最佳停車位推薦流程
通過上文對停車位評價屬性的分析,構建最佳停車位推薦模型,如圖 3.4 所示, 首先對備選停車位集的各屬性進行量化,再通過基于改進TOPSIS的推薦算法求出 最佳停車位。
備選停車位集- 停車位 — 基于改進TOPSIS 最佳停車位.
屬性量化 的推薦算法
圖 3.4 最佳停車位推薦模型結構
最佳停車位推薦具體流程如圖 3.5 所示,主要實現步驟如下:
1.獲取停車位數據。信息管理平臺接收已選擇的停車場數據,并從數據庫獲 取對應的停車位數據;
2.確定可預約停車位集。推薦模型根據車輛的大小和類型等因素篩選出合適 的空閑停車位作為備選停車位;
3.確定評價屬性并量化。通過車位的相關信息和車主輸入的評價屬性量化參 數來對車位屬性量化;
4.最佳停車位推薦。采用推薦算法計算各備選車位與理想方案的接近系數并 排序,得出最佳停車位;
5.是否選擇推薦的停車位。如果車主確定預約推薦的停車位,則向信息管理 平臺發送車位預約信息,并更新車位狀態;否則,車主可以選擇更改車位屬性量 化參數后再推薦。
圖 3.5 停車位推薦流程圖
3.4 推薦算法分析
3.4.1基于TOPSIS的改進算法簡介
最佳停車場和停車位的推薦是一個多屬性決策問題。TOPSIS算法是利用備選 方案與正理想解和負理想解之間的距離來確定最佳選擇方案的一種經典多屬性決 策方法。 TOPSIS 算法對原始數據作規范化的處理,消除了不同指標量綱的影響, 能夠充分利用數據信息,也能夠充分反映各備選方案之間的差距,算法具有真實 性和普遍適用性的優點[29,30]。但它在評價不同類型的問題也有一些局限性,比如, 在通常情況下TOPSIS算法中權重信息會事先給定,或者根據決策者經驗進行權重 信息的計算,所以導致最終結果具有一定的主觀性。
對于上述缺點,本文對傳統的TOPSIS算法進行改進,結合AHP和熵權法計 算權重的方法,綜合主觀權重和客觀權重,使改進后的 TOPSIS 算法既能克服傳統
TOPSIS 算法的主觀性,又能克服熵權法中數據樣本差異帶來的結果與事實不符的 問題。通過改進后的推薦算法計算出來的結果比傳統的 TOPSIS 算法和熵權法更符 合實際情況。
3.4.2 基于改進 TOPSIS 的推薦算法
在多屬性決策算法中,屬性權重的確定是其中非常重要的一步。傳統的TOPSIS 算法是利用待評價屬性對最終決策結果的影響程度來對屬性賦權,所以往往會導 致決策結果容易受決策者經驗影響,過于主觀。論文從屬性權值確定的角度出發, 并分析AHP[32]和信息熵[34]的相關定義,對主觀權重進行一致性校驗,確定其是否 符合決策要求,再引入信息熵定義確定客觀權重,綜合兩者計算出的屬性權值, 再通過 TOPSIS 算法[29]計算各待評價方案與正負理想解的相對接近程度來確定最 佳方案。具體計算步驟如下:
1.確定屬性決策矩陣
設 在 本 多 屬 性 決 策 問 題 中 待 評 價 的 方 案 有 n 個 , 即 方 案 集 為 A = {%,a2,a3,…,an},每個方案對應的屬性有m 個,即屬性集為B = {%b2,b3,…,bm}; 其中,N = {1,2,3,…,n},M = {1,2,3,…,m},i e N,j eM。方案集對屬性集的屬 性決策矩陣為X = {xtj |i = 1,2,…,n; j = 1,2,…,m},即:
(3.1)
Xnm
對屬性決策矩陣x進行規范標準化后得到的矩陣為r =(勺),則:
Xj
云
i=1
式中, xij ——屬性決策矩陣 X 中的元素
rij ——標準化矩陣 R 中的元素
2.確定屬性權重
由于每個備選方案的屬性對最終的推薦效果的影響程度不同,所以本文根據
Satty 等人[32,33]提出的 1-9 標度法來定義屬性的權值,并構造判斷矩陣,再根據該 矩陣的對應特征向量來確定各方案屬性的主觀權重,通過信息熵定義來確定車位 屬性的客觀權重,再計算出綜合屬性權重。設5為車位每個屬性關于停車位選擇 的影響程度,則構造判斷矩陣C = (j 。
\ J 丿 mxm
根據上面的判斷矩陣計算最大特征值與特征向量,得出屬性權值系數。設判
斷矩陣C每列歸一化后的矩陣為E = [“1,卩2,…,%],m eM,再對矩陣E按行求
和,并歸一化得到判斷矩陣的特征向量“=宓。2,???,%]T,即為屬性權重,設C的
(3.5)
式中,AnaX——判斷矩陣C的最大特征根
“ 矩陣E中第j個列向量
為了減少決策者個人經驗所帶來的偏差,對判斷矩陣進行一致性檢驗,一致
性檢驗公式為: CI
CR = C1 (3.6)
RI
其中: A — m
CI = Amax (3.7)
m — 1
式中,CI 判斷矩陣對應的一致性指標
CR——判斷矩陣對應的一致比率
RI ——平均隨機一致性指標
平均隨機一致性指標RI取值如表3.3所示。當CI = 0時,則說明矩陣是一致 的,但這只是理想狀態下的。通過計算一致比率CR來確定判斷矩陣是否足夠一致, CR越小,則說明一致性程度更好,當CR < 0.1時,則認為判斷矩陣滿足一致性要 求。
表 3.3 平均隨機一致性指標[43]
m 1 2 3 4 5 6 7 8 9
RI 0 0 0.56 0.90 1.12 1.24 1.32 1.41 1.45
由信息熵定義可得到客觀屬性權重:
1 —勺
m
工(1 -勺)
j=1
其中:
式中, 5j ——第 j 項指標的屬性權重
ej ——第 j 項指標的信息熵
綜上,設m個指標對應的主觀權重向量、客觀權重向量、綜合權重向量分別為
Mm、盅、%,第j項屬性對應的綜合屬性權重為:
角+ 5
叫二七(3.10)
3.確定加權標準化決策矩陣
屬性權重對應的矩陣 %m 對角化后為 % ,則可求得加權標準化決策矩陣
=仇)
\ J /nxm
V= R% (3.11)
4.確定正負理想解 求取正理想解 A+ 與負理想解 A- :
A+={^+ "+,…,町,???#+} (3.12)
A~={y- V;,…巧,••"-} (3.13)
vj = min vi/., i e N, j e I1
vjj = minvij , i e N, jeI2
式中, vjj ——正理想解中的最優加權屬性值
vj 負理想解中的最劣加權屬性值
11——效益型指數集
12——成本型指數集
備選方案的屬性可分為效益型屬性和成本型屬性兩種。效益型屬性是對應的 指標越大越對最終決策結果越有利的屬性,而成本型屬性是指對應指標越小越對 最終決策結果越有利的屬性[44]。
5.計算相對接近度
每個方案的屬性與正負理想解之間的距離:
(3.18)
式中,dj——第i個方案與正理想解之間的距離
d———第i個方案與負理想解之間的距離
6.計算相對接近系數
計算每個方案與理想解決方案的相對接近系數%*:
(3.20)
設求得的n個相對接近系數組成的矩陣為心,最后通過對求得的心中每個元 素進行排序,得出最佳的停車解決方案。
3.5 本章小結
本章提出了最佳停車場與停車位推薦模型,該模型能夠解決車主在面臨多個 停車場和停車位的決策問題。為了能找出最符合車主個人意愿且最利于出行的方 案,推薦模型采用基于改進 TOPSIS 的推薦算法來為車主推薦停車場和停車位。
第 4 章 智慧停車信息管理平臺詳細設計
上一章停車推薦模型的研究,解決了車主選擇最佳停車場中的最佳停車位預 約的問題。本章首先分析智慧停車信息管理平臺的需求,并根據需求來設計智慧 停車信息管理平臺各功能模塊,然后介紹信息管理平臺的詳細設計過程,最后介 紹了智慧停車應用中各個功能的實現。
4.1 平臺需求分析與功能模塊設計
4.1.1 平臺需求分析
通過智慧停車系統的研究現狀分析,本文所研究的智慧停車信息管理平臺具 有非常大的市場需求。從車主角度出發,它能夠為車主節約大量的停車時間和資 源;從停車場管理角度出發,它能為停車場提供更加方便快捷智能化的管理方式; 從城市交通角度出發,它能在一定程度上緩解交通擁堵和減少環境污染。總之, 本文所研究的基于V2X的智慧停車信息管理平臺在緩解停車難的問題上有一定的 意義。一個完整的智慧停車信息管理平臺應該包括以下需求:
1.管理車主的車輛信息。實現車輛的注冊與登錄,實時獲取車輛狀態信息并 保存至數據庫。
2.管理停車場和停車位的信息。實現停車場和停車位信息的實時查詢,并能 查看停車場內空閑停車位的數量與停車位的實時狀態。
3.車位狀態實時監控與同步。通過路側設備管理模塊實現車位狀態的監控, 并同步車位狀態至信息管理平臺,信息管理平臺再將車位狀態同步至各車主,以 便于車主預約停車位。
4.實現停車位預約功能。根據車主個人意愿來為車主推薦最佳停車場和停車 位,使車主能夠選擇最合適的停車場和停車位進行預約。
5.實現停車場和停車位導航。在V2X車載終端上實現停車場和停車位的導航 功能。
6.實現反向尋車功能。在車主停車完成后,車主需要在停車場內快速尋找到 車輛所停的具體位置,信息管理平臺將停放車輛的停車位的位置信息同步至 V2X 車載終端,實現導航尋車。
7.實現停車在線支付功能。當車主駕車離開停車場時,信息管理平臺根據車 主停車時間來計算停車費用,并將需要支付的費用信息發送給 V2X 車載終端,以 提示車主付費。
4.1.2 功能模塊設計
本系統中智慧停車信息管理平臺主要分為車輛管理模塊、停車管理模塊和路 側設備管理模塊三大模塊,如圖 4.1 所示。車輛管理模塊主要負責車輛信息注冊和 登錄、車輛狀態信息同步和車輛狀態監控等功能;停車管理模塊主要負責停車場 查詢、停車位查詢、停車位預約、停車場導航、停車位導航、反向尋車和在線支 付等功能;路側設備管理模塊主要負責路側設備信息注冊與登錄、車位狀態監控 和車位狀態更新等功能。
僧慧停車信息管理平臺
圖 4.1 信息管理平臺功能模塊圖
4.2信息管理平臺軟件架構設計
智慧停車信息管理平臺軟件架構分為感知層、網絡傳輸層與應用層,如圖 4.2 所示。
感知層負責數據的采集,其中包括V2X車載終端、V2X路側設備等。V2X車 載終端負責車身數據的采集,包括位置信息、速度信息等, V2X 路側設備負責車 位狀態信息和泊車車輛的位置信息的采集。
網絡傳輸層負責將感知層中的采集的數據通過 C-V2X/4G 通信發送到應用層 中的信息管理平臺中,信息管理平臺根據車主的請求信息反饋對應的數據。
應用層負責智慧停車應用的實現,信息管理平臺位于系統的應用層,屬于智 慧停車系統的核心,對來自感知層的數據進行加工、處理、存儲和轉發,并通過 移動端或瀏覽器端顯示對應的界面,便于信息展示和人機交互。
信息管理平臺包括應用服務器、數據庫、Web管理平臺(瀏覽器人機交互界 面)三部分。應用服務器實現從感知層獲取數據,在應用層進行處理,并保存到 數據庫中,以及將數據庫中數據分發給各終端;數據庫負責應用層數據的存儲; Web 管理平臺實現平臺人機交互。
移動端:與平臺進行交互 瀏覽器端:與平臺進行交互
Web管理平臺
數據庫
圖 4.2 信息管理平臺軟件架構設計圖
4.3 數據庫設計
本文設計的智慧停車信息管理平臺涉及的數據較多,在開發中需要采用數據 庫來存儲和管理數據。常見的使用最多的數據庫有SQL Server、MySQL和Oracle 等。 SQL Server 使用方便,可伸縮性好,能夠跨平臺使用,且與相關軟件集成程 度高,擁有圖形化的用戶界面,使數據庫管理更加直觀,所以本文選擇 SQL Server 作為數據存儲工具,用于存儲智慧停車應用相關數據。
4.3.1 數據庫模型設計
本系統所采用的SQL Server數據庫是關系型數據庫。SQL Server提供了數據 庫管理、設計和查詢工具來實現數據的存儲、管理與查詢。
在數據庫的設計流程中,數據庫模型的設計是不可或缺的一步。根據智慧停 車應用的需求,搭建停車信息數據庫模型,如圖 4.3 所示。在數據庫中需要建立的 表有車主信息表、車輛信息表、車輛狀態日志表、路側設備信息表、停車場信息 表、停車位信息表、停車信息記錄表。數據表之間不是獨立的,而是相互關聯起 來組成一個完整的智慧停車數據庫。
varchar(40) varchar(20) varchar(40) varchar(20) varchar(11) varchar(40) datetime varchar⑵ varchar(20) varchar(100) bit
varchar(200)
車王信息表;車輛信息表
路側設備信息表
路側設備ID <ui〉
路fliSS名稱
在線狀態
路側設備IF
入網時間
經度
緯度 varchar(40) <M)
varchar(40) bit
varchar (16) datetime
rs id <pi>
停車位信息表
停車付 ID Si〉varchar (40) <H> 停車場ID <fil> varchar (40)
路惻設備ID <fi2> varchar (40)
淳牟位經度 numeric(9, 6) 停車位緯度 numeric(9, 6)
停車位狀態 varchar (20)
parking id <pi>
圖 4.3 信息管理平臺數據庫模型
4.3.2 數據表結構設計
在智慧停車數據庫所包含的數據表中,車輛信息表、車輛狀態日志表、停車 場信息表、停車位信息表、停車信息記錄表以及路側設備信息表是本系統的核心 數據表,所以下面重點描述這幾張表。
1.車輛信息表(Info_Veh)
車輛信息表記錄了在智慧停車系統中所有注冊登記車輛的基本信息,如表4.1 所示。該表包含的數據字段有:車輛ID,主鍵,采用車牌號表示,代表每個車輛
的唯一性和不重復性;車輛密碼,作為每個車輛的登錄安全憑證;車輛臨時 ID, 記錄車輛的車架號;車主ID,外鍵,表示該車輛的車主ID,通過車主ID可以將 車輛信息表和該車輛對應的車主信息表關聯起來;車輛在線狀態,記錄車輛是否 在線的信息;車輛IP,記錄車輛的ip地址;車牌號,記錄車輛的車牌號;車輛類 型,記錄車輛的類型,包括車輛的大小和種類;車輛入網時間,記錄車輛注冊的 時間;車輛出廠時間,記錄車輛的出廠時間。
表4.1車輛信息表
名稱 數據類型(長度) 主鍵/外鍵 是否允許Null值 注釋
2. 車輛狀態日志表( Log_Veh_Statu) 車輛狀態日志表記錄了在智慧停車系統中在線車輛的實時狀態信息,如表 4.2 所示。該表包含的數據字段有:車輛狀態ID,代表車輛在某個時刻的狀態;日志 時間,表示該條車輛狀態信息產生的時間;車輛ID,外鍵,記錄產生該日志的車 輛ID;車輛臨時ID,記錄車輛的車架號;車輛方向,記錄車輛的方向,方便在地 圖上顯示車輛行車方向;車輛海拔,記錄車輛海拔高度;車輛經度/車輛緯度,記 錄車輛的位置信息;車輛加速度/速度,記錄車輛的加速度/速度信息。
表4.2車輛狀態日志表
名稱 數據類型(長度) 主鍵/外鍵 是否允許Null值 注釋
表4.2車輛狀態日志表(續)
名稱 數據類型(長度) 主鍵/外鍵 是否允許Null值 注釋
veh speed int 是 速度
3. 停車場信息表( Info_Parklot) 停車場信息表記錄了智慧停車系統中停車場的信息,如表4.3所示。該表包含 的字段有:停車場 ID ,主鍵,代表每個停車場的唯一性和不重復性;停車場名, 記錄停車場的名稱;停車場經度/停車場緯度,用于記錄停車場的位置信息;總停 車位數,用于記錄停車場中停車位數量;空閑停車位數,用于記錄車位狀態為空 閑的停車位的數量;收費標準,用于記錄停車場中停車位的收費價格;停車場地 址,用于記錄停車場的詳細地址;局部地圖URL,用于記錄停車場局部地圖的鏈 接地址信息。
表4.3停車場信息表
名稱 數據類型(長度) 主鍵/外鍵 是否允許非空 注釋
4. 停車位信息表( Info_Parking)
停車位信息表記錄了每個停車場中各停車位的信息,如表4.4所示。該表包含 的字段有:停車位ID,主鍵,代表每個停車位的唯一性和不重復性;停車場ID, 外鍵,記錄該停車位對應的停車場ID,通過該ID可以將停車位信息與其對應的停 車場信息表關聯起來;路側設備ID,外鍵,記錄該停車位對應的路側設備ID,通 過該 ID 可以將停車位信息與其對應的 V2X 路側設備信息關聯起來;停車位經度/ 停車位緯度,用于記錄停車位的位置信息;停車位狀態,用于記錄停車位的狀態 信息,包括空閑、授權(已預約)與占用三種狀態;停車位類型,用于記錄停車 位的類型,包括直方停車位、側方停車位與斜方停車位三種類型。
表4.4停車位信息表
名稱 數據類型(長度)—主鍵/外鍵 是否允許非空 注釋
5.停車信息記錄表(Info_ParkRecord) 停車信息記錄表記錄了智慧停車系統中停車過程中的相關信息,如圖4.5所示。
該表包含的字段有:停車記錄ID,主鍵,代表每個停車位的唯一性和不重復性; 車輛ID/停車場ID/停車位ID,外鍵,用于將停車記錄信息表與車輛信息表、停車 場信息表與停車位信息表關聯起來;申請時間,用于記錄車主申請車位的時間; 預約時長,用于記錄車主申請車位時選擇的車位預約時長;實際到達時間/實際離 開時間,用于記錄車主實際到達車位時間與實際離開車位時間;停車時長,記錄 車輛實際的停車時長;停車費用,記錄停車需收取的費用;支付狀態,記錄停車 費用支付狀態的信息。
表4.5停車信息記錄表
名稱 數據類型(長度) 主鍵/外鍵 是否允許非空 注釋
6.路側設備信息表(Info_RoadSide) 路側設備信息表記錄了在智慧停車系統中所有注冊登記路側設備的基本信息, 如圖4.6所示。該表包含的數據字段有:路側設備ID,主鍵,代表每個路側設備 的唯一性和不重復性;路側設備名稱,記錄路側設備的名稱信息;在線狀態,記
錄路側設備的在線狀態;路側設備IP,記錄路側設備的IP;入網時間,記錄路側 設備注冊時間;路側設備經度/緯度,記錄路側設備的位置信息。
表4.6路側設備信息表
名稱 數據類型(長度) 主鍵/外鍵 是否允許Null值 注釋
4.4 應用服務器設計
信息管理平臺應用服務器主要負責智慧停車系統中實時數據的接收、存儲和 轉發,以及與V2X車載終端、V2X路側設備以及便攜式移動設備等客戶端進行數 據交互。
4.4.1 應用服務器架構設計
在信息管理平臺中,應用服務器是采用C/S (Client/Server,客戶端/服務器) 架構來實現的oC/S架構是常見的服務器架構之一,是一種分布式系統的計算模型, 常用的 C/S 結構有兩層架構、三層架構兩種,在本設計中采用三層架構,如圖 4.4 所示。應用服務器根據客戶端請求來訪問數據庫以獲取必要的數據和相應的信息, 然后反饋給客戶端。
應用服務器的搭建是綜合Spring、Spring MVC和Hibernate框架實現的,如圖 4.5所示。Spring MVC框架是建立在Spring應用平臺上的MVC模型,所以采用 MVC模型來進行應用服務器的搭建。MVC模型分為Model (模型)、View (視 圖)和Controller (控制器)三部分。本文中的Controller和Model在應用服務器 中實現,而View (視圖)部分相當于本文的Web管理平臺部分,由.NET框架實 現,具體設計過程在本章第4.4節描述。
應用服務器分為 Controller、 Model 和 Hibernate 三部分, Controller 層中實現 應用服務器與各客戶端的數據交互, Model 層負責應用程序數據邏輯的處理, Hibernate 持久層負責對 JDBC( Java DataBase Connectivity, Java 數據庫連接)進 行對象封裝,建立起應用服務器與數據庫之間的關系映射。
1.Controller
Controller 層定義 Dispatcher 類實現應用服務器與各個客戶端的數據交互,完 成數據的接收和發送。 Controller 層可以調用 Service 層接口來控制業務流程,向 Model層發送數據并接收Model層發來的數據。在Dispatcher類中進行Socket編 程實現應用服務器與各客戶端的通信。
2.Model
Model層實現應用服務器中應用程序數據邏輯的處理,包括數據的處理與傳輸, 以及數據庫中數據的存取。在該服務器中,這部分分三層來實現,包括Service (業 務層)、Dao (數據訪問層)以及Entity (實體層)。業務層負責業務模塊的邏輯 應用設計,先設計業務層的接口,再設計要實現的類,接著在 Spring 的配置文件 中配置需要實現的關聯,通過業務層的實現,可以調用 Dao 層的接口,來實現數 據庫的訪問[45]。數據訪問層負責數據持久化的工作,將與數據庫關聯的一些任務 進行封裝,通過設計本層數據訪問接口,并在 Spring 配置文件中定義此接口的實 現類即可實現數據的持久化。Entity實體層由數據表中所對應的字段和數據類型進 行封裝而成,是數據庫在項目中所對應的類。應用服務器采用這樣的分層設計和 類封裝設計不僅使得程序結構更加清晰,還讓程序可以得到重復利用。
3.Hibernate
信息管理平臺的應用服務器是采用Java語言開發的,而Java是一門面向對象 的的高級編程語言,因此采用Hibernate來對JDBC做輕量級的封裝,通過面向對 象的思想來操作關系型數據庫,使得編程過程實現更加簡單,跨平臺性更好。 Hibernate框架工作原理如圖4.6所示,為實現通過面向對象的方式來操作數據庫, 第一步創建本設計中相關數據表的持久化類,即將數據庫表單中的數據字段封裝 成Java類;第二步創建數據庫連接配置文件Hibernate.cfg.xml,將應用服務器與數 據庫連接起來;第三步創建對象關系映射文件*.hbm.xml,實現Java類與數據表的 映射;第四步通過Hibernate API編寫訪問數據庫的代碼,執行對數據庫的操作。
圖 4.6 Hibernate 框架工作原理圖
4.4.2 網絡通信程序設計
在智慧停車系統中,V2X車載終端、V2X路側設備與便攜式移動設備等終端 作為客戶端,信息管理平臺作為服務器端,系統中所有數據的發送與接收都需要 客戶端與服務器兩端共同完成。考慮到客戶端與服務器端之間數據傳輸的可靠性 與穩定性問題,本文選擇采用TCP/IP傳輸協議來實現終端與服務器之間的網絡通 信。
TCP網絡程序設計是指利用Socket套接字來編寫通信程序,Socket套接字用 于將應用程序與端口連接起來。建立 Socket 連接至少需要一對套接字,其中運行 于客戶端的稱為ClientSocket,運行于服務器端的稱為ServerSocket, TCP/IP協議 Socket通信模型如圖4.7所示。
圖 4.7 TCP/IP 協議 Socket 通信模型
套接字之間的連接過程分為四個步驟:
1.服務器端創建Socket套接字完成后,綁定IP地址和端口號,然后監聽客戶 端的連接請求,進入阻塞狀態;
2.客戶端通過服務器地址和端口號向服務器發起請求;
3.服務器端接收到客戶端請求,確認連接,并開始信息傳輸;
4.當服務器端和客戶端之間的信息傳輸結束后,服務器和客戶端關閉,斷開 連接,釋放資源。
4.4.3 平臺功能模塊設計與實現
本系統中智慧停車信息管理平臺的功能設計采用模塊化的設計方法,主要分 為車輛管理模塊、停車管理模塊和路側設備管理模塊。
1.車輛管理模塊 車輛管理模塊的主要功能包括車輛信息注冊和登錄、車輛狀態信息同步和車 輛狀態監控等。車輛信息注冊和登錄和車輛狀態信息同步主要在應用服務器中實 現,車輛狀態監控是指將數據庫中車輛的最新狀態信息實時同步到Web管理平臺 上顯示,以利于平臺管理員監控車輛的實時狀態。
車輛管理模塊類圖如圖4.8所示,Dispatcher類為整個應用服務器的控制類, 主要包含vehController()和rsController()兩個函數,分別負責與V2X車載終端和 V2X路側設備的連接與信息交互。在本模塊中,vehController()通過調用 VehicleHandler 類和 LogVehStatuHandler 類中的相關函數來實現對應的功能。 VehicleDao類和LogVehStatuDao類繼承BaseHibernateDao類,實現對數據庫的新 增、刪除、修改和查詢等功能,進一步完成車輛數據的存儲與轉發。 Vehicle 類和 LogVehStatu類為實體類,與數據庫中的數據表形成映射。
圖 4.8 車輛管理模塊類圖
(1) 車輛注冊和登錄 車主在進行停車操作時,需要先登錄信息管理平臺,如果車主是第一次登錄,
則需要先注冊之后才能完成登錄操作,圖 4.9 為車輛注冊與登錄功能時序圖, register()是車輛注冊函數,login()是車輛登錄函數,save()是數據庫數據保存函數, update()是數據庫數據更新函數。
車輛
Dispatcher
VehicleHandler
VehicleDao
register():Vehicle
圖 4.9 車輛注冊與登錄功能時序圖
(2)車輛狀態信息同步
車輛在行駛過程中, V2X 車載終端將采集到的車輛狀態信息(包括經緯度、 速度、加速度等)實時上傳至信息管理平臺數據庫中,實現對車輛狀態的監控, 并且利于其他功能的實現。車輛狀態信息同步功能時序圖如圖 4.10 所示。
圖 4.10 車輛狀態信息同步功能時序圖
2.停車管理模塊 停車管理模塊主要實現的功能包括停車場查詢、停車位查詢、停車位預約、 停車場導航、停車位導航、反向尋車和在線支付等。停車管理模塊類圖如圖 4.11 所示。Dispatcher類通過vehController()函數來接收從V2X車載終端發送的停車指 令,包括停車場查詢、停車位查詢、停車位預約、反向尋車等指令; ParklotHandler 類、 ParkingHandler 類和 ParkRecordHandler 類分別負責執行對應的停車指令,并 調用繼承了 BaseHibernateDao 類的 ParklotDao 類、 ParkingDao 類和 ParkRecordDao 類來對數據庫進行訪問與操作。
圖 4.11 停車管理模塊類圖
(1) 停車場查詢
車主發起停車請求時,信息管理平臺根據車主要到達的目的地位置查詢附近 一定范圍內的停車場,再對車主停車請求數據進行分析,通過最佳停車場推薦模 型,量化停車場相關屬性,選擇出最佳停車場,并將最佳停車場信息發送到 V2X 車載終端,車主可以選擇最佳停車場進行下一步停車位查詢的操作。如果推薦的 最佳停車場不滿足車主要求,車主可以對停車場相關屬性進行重新評價,然后信 息管理平臺根據重設的屬性量化參數重新進行停車場的推薦。停車場查詢功能時 序圖如圖4.12所示,parklotQuery()是停車場查詢函數,find()是數據庫數據查找函 數, parklotRec()是最佳停車場推薦函數。
11|parklotRec():ParklOt
W」etu rn:ParklotLis t Q |
i i
圖 4.12 停車場查詢功能時序圖
(2) 停車位查詢
當車主選擇好停車場后,信息管理平臺查詢該停車場中的停車位信息,篩選 出所有的空閑停車位,再對車主停車請求數據進行分析,通過最佳停車位推薦模 型,量化停車位相關屬性,選擇出最佳停車位,停車位信息發送到V2X車載終端, 車主可以選擇要預約的停車位,并進行下一步停車位預約的操作。如果推薦的最 佳停車位不滿足車主要求,車主可以對停車位相關屬性進行重新評價,然后信息 管理平臺根據重設的屬性量化參數重新進行停車位的推薦。停車位查詢功能時序 圖如圖4.13所示,parkingQuery()是停車位查詢函數,find()是數據庫訪問函數, parkingRec()是最佳停車位推薦函數。
park in gQuery():Parklot. i i
fin d():Parki ng
J^_ieturn:Parking LI
「L |parkingRec():Parking; _return;Parking List g I
圖 4.13 停車位查詢功能時序圖
(3) 停車位預約
當V2X車載終端接收到最佳停車位信息時,車主選擇預約停車位,并通過V2X 車載終端向服務器發送車位預約請求,車位預約請求信息包括停車場ID、停車位 ID 和預約時長等。服務器收到車主預約請求后,更新車位的狀態。如果車位狀態 為“空閑”,則數據庫中的車位狀態由“空閑”變更至“授權(已預約)”狀態, 并將本次停車位預約的相關信息存入停車信息記錄表,最后將車位預約成功的信 息反饋給車主,表示車位預約成功。停車位預約功能時序圖如圖 4.14 所示, parkingApply()是停車位預約函數。
圖 4.14 停車位預約功能時序圖
考慮到車主預約停車位后不一定能夠及時到達停車位停車,所以服務器可以 設置一個等待時間,從車主預約成功后開始計算,若車主未在等待時間以內停入 停車位,則視為放棄停車位,此次預約無效,并提示車主重新預約。
(4)停車場導航 當車主選擇好停車場后,根據信息管理平臺推送的停車場的位置信息, V2X
車載終端調用百度地圖 API 進入地圖導航,車輛可根據導航路徑行駛至停車場。
(5)停車位導航
當車位預約成功后, V2X 車載終端也獲得了信息管理平臺同步的車位位置信 息,車主通過V2X車載終端進行車位導航,調用ArcGIS API獲得車位導航路徑, 車輛根據導航路徑行駛至停車位。當V2X路側設備檢測到車輛進入停車位時,V2X 路側設備將車位變更信息發送至信息管理平臺,平臺將數據庫中車位狀態由“授 權”更改為“占用”。
(6)反向尋車
車主需要駕車離開時,通過V2X車載終端向服務器發起尋車請求,請求信息 包括車牌號,服務器收到車主請求后,在數據庫中查詢用戶車輛所停放的車位信 息,并將車位信息推送給V2X車載終端,并在局部地圖上顯示出停車位位置,生 成車位導航路徑,車主即可根據路徑尋找到所停放的車輛。反向尋車功能時序圖 如圖4.15所示,vehicleFind()是反向尋車函數。
圖 4.15 反向尋車功能時序圖
(7) 在線支付
車主停車完成后,可以向信息管理平臺發起停車費用支付請求,信息管理平 臺收到請求后,根據車主停車時間和停車位的收費標準來計算停車費用,并將停 車費用信息發送給車主。車主繳納費用成功后,信息管理平臺將該車主的此次停 車費用支付狀態由“0”更改為“1”,表示已完成支付。
3.路側設備管理模塊
路側設備管理模塊主要負責路側設備信息注冊與登錄、車位狀態實時更新等 功能。路側設備管理模塊類圖如圖4.16所示。Dispatcher類通過rsController()函數 來接收從V2X路側設備發送的消息指令,包括注冊與登錄指令、車位狀態更新指 令等;RoadSideHandler類負責執行對應的指令,并調用繼承了 BaseHibernateDao 類的 RoadSideDao 類、 ParkingDao 類來對數據庫進行訪問與操作。
(1) 路側設備登錄與注冊
V2X路側設備是放置在停車場中的設備,被用來檢測車位狀態。V2X路側設 備首次開始工作時需要登錄信息管理平臺,如果V2X路側設備是第一次登錄,則 需要注冊之后才能完成登錄操作。圖 4.17 為路側設備注冊與登錄功能時序圖, register()是注冊函數,login。是登錄函數,save()是數據庫數據保存函數,update() 是數據庫數據更新函數。
login():RoadSide
update():RoadSide
W eturn:Count._.
L return:Message
i^- 一
圖 4.17 路側設備注冊與登錄時序圖
(2) 車位狀態實時更新
V2X 路側設備負責車位狀態的監控,在車輛停入車位和車輛離開車位時, V2X 路側設備會檢測到車位狀態的變化,然后將車位狀態變更信息實時同步至信息管 理平臺, 并保存至數據庫。 車位狀態更新功能時序圖如圖 4.18 所示, parkingStatuUpdate ()為車位狀態更新函數。
圖 4.18 車位狀態更新時序圖
4.5 Web 管理平臺設計
在上一節介紹了應用服務器的設計過程,以及智慧停車系統中相關功能的實 現過程。為了實現停車場數據的可視化管理,本節介紹了 Web管理平臺的設計與 實現。 Web 管理平臺負責智慧停車信息管理平臺界面的顯示,對停車場數據進行 監控和管理。本節從 Web 管理平臺架構設計、平臺詳細設計與實現以及平臺功能 Web 界面設計三個部分來介紹。
4.5.1 Web 管理平臺架構設計
常見的Web管理平臺體系結構是通過B/S (Brower/Server,瀏覽器/服務器) 架構來實現的。 Web 管理平臺包括瀏覽器、 Web 服務器和數據庫三個部分, Web 服務器所采用的是 B/S 三層體系結構,包括表示層、業務邏輯層和數據訪問層三 部分[46]以及與之搭配的實體類庫,如圖4.19所示。表示層指的是Web網頁界面, 即HTML(HyperText Markup Language)頁面,用來顯示數據并為平臺管理員和 用戶提供一種交互式操作界面;業務邏輯層作為表示層與數據訪問層之間的橋梁, 負責數據業務邏輯處理;數據訪問層負責操作數據庫,實現對數據的新增、刪除、 修改和查找等,為業務邏輯層或表示層提供數據服務[47];實體類(Model)在三層 中不是作為其中一層所存在,它是對數據庫表進行封裝,并貫穿于三層,在三層 之間傳遞數據。
圖4.19瀏覽器/服務器(B/S)三層架構
4.5.2Web 管理平臺的設計實現
Web 服務器是運行在服務器上的程序,可以提供對多種信息服務的訪問,它 接收來自于瀏覽器的請求并以HTML文檔的形式返回結果。瀏覽器和服務器之間 采用應用層協議HTTP (HyperText Transfer Protocol)來實現通信。HTTP是基于 TCP/IP協議之上的網絡傳輸協議,采用了請求/響應模型,如圖4.20所示。瀏覽器 向Web服務器請求Web頁面,Web服務器收到請求后將所需要的Web頁面發送 給瀏覽器,在瀏覽器上顯示頁面內容。HTTP不僅傳輸速度快,而且能夠自定義超 文本文檔的傳輸內容和傳輸順序。除此之外,公共網關接口標準定義了 Web 服務 器與應用程序之間的通信方式,即應用程序通常通過ODBC、JDBC或者其他協議 與數據庫服務器通信,以獲取或存儲數據。
瀏覽器端上的前端網頁采用HTML+CSS+JavaScript來設計,Web服務器采用 C#來設計。前端網頁的設計分為三層,即結構層(HTML)、表示層(CSS)和行 為層(JavaScript),這三者是相輔相成的。HTML定義網頁的內容,用來向瀏覽 器說明網頁內容的結構;CSS (Cascading Style Sheets)描述網頁的布局,用來控 制網頁的視覺外觀;JavaScript是動態腳本語言,描述網頁的行為,將文本格式的 字符代碼發送給瀏覽器由瀏覽器解釋運行。為使瀏覽器網頁能夠更迅速地響應, Web管理平臺采用Ajax (Asynchronous JavaScript And XML)技術來實現瀏覽器 與 Web 服務器之間數據的交換,這種方式無需重新加載整個網頁,只需更新部分 網頁。C#為桌面應用語言,.NET框架使用C#語言來完成Web服務器后端程序的 編寫,用于創建應用程序。
4.5.3 平臺功能 Web 界面的設計與實現
平臺管理員或者用戶通過瀏覽器端網頁界面來實現與Web服務器的交互,為 了讓網頁界面美觀簡潔,本課題采用基于.NET的LR-BPMS(LR通用基本權限系 統框架)系統框架來搭建智慧停車信息管理平臺,LR-BPMS是一套基于組件式快 速開發的軟件系統框架,基于面向對象開發思想和分層架構設計代碼,框架中提 供了通用的權限管理功能,系統菜單管理功能、菜單按鈕管理功能、通用數據庫 管理功能、動態接口模塊,以及靈活可擴展的系統機制。LR-BPMS擁有各種通用 功能模塊,并且可以動態配置,使開發更加簡便快捷。智慧停車信息管理平臺各 功能界面的設計如下:
1.智慧停車信息管理平臺登錄界面設計
智慧停車信息管理平臺的登錄界面采取賬號密碼驗證的方式來實現,登錄界 面如圖 4.21 所示,管理員或車主輸入賬號和密碼即可進入信息管理平臺。
圖 4.21 智慧停車信息管理平臺登錄界面
2.停車場地圖界面設計
在智慧停車應用的設計中,Web管理平臺通過調用百度地圖JavaScript API來 實現各停車場在地圖中的位置顯示,如圖4.22和圖4.23所示,前者為停車場信息 界面,后者為停車場地圖顯示界面。
圖 4.22 信息管理平臺停車場信息界面
智急停車估息管理平臺
圖 4.23 信息管理平臺停車場地圖界面
3.停車歷史記錄顯示
Web 管理平臺可以查看停車的歷史記錄,如圖 4.24所示。停車歷史記錄中包
括車主進出停車位的時間、停車時長、停車費用以及支付狀態等。
圍2019年03月13日16:08:43 益首頁主控臺 囿停車場1SS X 血停車記錄日志X
圖 4.24 停車歷史記錄顯示
4.6 本章小結
本章介紹了智慧停車信息管理平臺的詳細設計內容,首先分析了平臺的需求, 再介紹了平臺功能模塊的設計,最后從信息管理平臺軟件架構設計、數據庫設計、 應用服務器設計以及Web管理平臺設計四個方面分別介紹智慧停車信息管理平臺 的設計過程。
第 5 章 測試與驗證
前面幾章主要介紹了停車推薦模型的研究與智慧停車信息管理平臺的設計過
程,解決了車主尋找車位難和停車效率低的問題。本章主要完成智慧停車測試與 驗證工作,包括測試環境的搭建、停車推薦模型測試以及智慧停車應用中各功能 的測試。
5.1 測試環境搭建
為了完成本課題的測試與驗證,以重慶郵電大學實驗室車聯網系統仿真、測試 與驗證平臺為基礎來搭建智慧停車系統,如圖 5.1所示。為了測試智慧停車相關功 能,選取重慶郵電大學室外停車場作為測試場景。測試環境分為硬件環境和軟件 環境兩部分。
圖 5.1 車聯網系統仿真、測試與驗證平臺
5.1.1 硬件環境
在本次開發測試中,智慧停車系統中所涉及到的硬件設備有V2X車載終端設
備、V2X路側設備與智能平板等。
1. V2X 車載終端
V2X車載終端是車輛的核心單元,用于實時采集車輛位置信息、速度信息等。
如圖 5.2 所示, V2X 車載終端中央處理單元采用的是恩智浦公司推出的四核 i.MX6Q處理器,包含四個Cortex-A9核心,運行頻率1.2GHZ,通信模塊包括C-V2X 通信模塊,4G通信模塊,藍牙模塊以及支持無線局域網的WiFi模塊等。V2X車 載終端通過C-V2X通信模塊與其他車輛和設備進行通信,通過4G模塊與信息管 理平臺進行通信。
2. V2X 路側設備
V2X 路側設備掛載了 C-V2X 通信模塊、 4G 通信模塊等通信模塊,從而實現 與V2X車載終端、信息管理平臺的通信,同時采用了與V2X車載終端相同的中央 處理單元,并通過自身協議總線接口連接差分定位模塊,外接進行車位視頻信息 采集的高清攝像頭。V2X路側設備底層操作系統版本是Linux-3.10.17,硬件實物 如圖 5.3 所示。
3. 智能平板
V2X車載終端的HMI模塊負責完成車主與智慧停車信息管理平臺的人機交互 功能。本課題為了方便測試,選擇智能平板(系統:Android 6.0, RAM: 3GB) 作為V2X車載終端的HMI模塊,如圖5.4所示。
圖 5.4 智能平板實物圖
5.1.2軟件環境
智慧停車信息管理平臺的開發是在Windows Server 2016環境下實現,編程所 涉及到的集成開發環境有 MyEclipselO、SQL Server 2012、Visual Studio 2012 以及 ArcGIS 。 MyEclipse10 負責智慧停車管理平臺中應用服務器的開發, SQL Server 2012負責智慧停車管理平臺中數據庫的開發, Visual Studio 2012負責智慧停車管 理平臺中Web管理平臺的開發。
ArcGIS是由美國環境系統研究所(ESRI)開發的新一代圖形軟件,是世界上 使用最廣泛的 GIS 軟件應用之一[48]。 ArcGIS 作為一個全面,完整和可擴展的 GIS 軟件平臺,可以適用于單用戶或多用戶模式,無論是在桌面、服務器、Internet還 是現場操作【牴49,50]。為了能夠實現停車位的局部導航,通過ArcGIS軟件將停車場 中的內部停車位數據制作成局部地圖,并根據數據庫中車位狀態信息為各停車位 附加不同的顏色,最后發布ArcGIS地圖服務。在通過調用ArcGIS地圖API即可 實現車輛導航至停車位。
5.2停車推薦模型測試
5.2.1 最佳停車場推薦測試
選擇重慶郵電大學內部停車場作為測試場地,對最佳停車場推薦模型及算法 進行測試與驗證。車主向平臺發起停車指令時,信息管理平臺收到后以車主目的 地為中心,查找500m范圍以內的停車場,如圖5.5所示。
斂宇圈書埴
1 整一
最佳停車場:重慶郵電大學P1停車場 距離:430米 總車位:64個
費用,2 0元/小時 空車位:5個
圖 5.5 車主附近停車場分布
推薦模型對所查詢的結果進行篩選,選取500m米范圍的停車場作為備選方案, 在范圍內的停車場有P1、P2、P3和P5四個停車場(P1、P2、P3和P5分別表 示雨紅蓮停車場、重郵賓館停車場、物管中心停車場、 31 棟停車場)。備選停車 場相關屬性賦值見表 5.1。
表 5.1 備選停車場屬性表
備選停車場 行駛距離(m) 步行距離(m) 可預約停車位數(個) 收費標準(元/小時)
P1 430 90 5 2
P2 558 350 9 3
P3 706 362 5 2
P5 901 419 7 3
由上表數據和公式 (3.1) 可得出屬性決策矩陣:
X -
由公式(3.2)可計算得到X的標準化決策矩陣R :
由公式 (3.3) 可構造判斷矩陣:
1/2
對C歸一化后得到矩陣E :
0.491803
0.521739
0.454545
0.461538
0.245902
0.260870
0.272727
0.307692
0.098361
0.086957
0.090909
0.076923
0.163934
0.130435
0.181818
0.153846
由公式(3.4)和公式(3.5)可以求出C的特征向量卩4:
均=[0.482886 0.271974 0.088150 0.156990『
由公式 (3.6) 和公式 (3.7) 對矩陣作一致性檢驗判斷, 可以求出:
CI = 0.004840 , CR = 0.005378,顯然,CR < 0.1,判斷矩陣的一致性滿足要求。
由公式(3.8)和公式(3.9)可以求出客觀屬性權重向量巧:
d4 =[0.187102 0.234731 0.400020 0.178147『
由公式(3.10)可計算出綜合屬性權重:
他=[0.334994 0.253353 0.244085 0.167568『
由公式 (3.11) 到公式 (3.20),可以得出最終的每個備選停車場與理想解決方
案的相對接近系數:
阮=[0.416961 0.411209 0.413378 0.410823『
對相對接近系數矩陣卩;中各元素進行排序得出:呎>0;>0;>0;,所以P1為 本次推薦測試的最佳停車場,其次是停車場P3。
5.2.2 最佳停車位推薦測試
通過上文計算出的最佳停車場P1平面示意圖如圖5.6所示,停車位類型有斜 方、側方和直方三種,停車位狀態分別用白色、綠色、紅色三種顏色來表示,白 色表示車位空閑,綠色表示車位授權(已預約),紅色表示車位被占用。
顯然,車位狀態為空閑的停車位有B4、D1、E6、E7和F8五個停車位,推 薦模型選擇駛入距離、駛出距離、步行距離、停車位兩側環境和停車位類型五個 屬性進行最佳停車位推薦。各備選停車位相關屬性賦值如表5.2所示。
表 5.2 備選停車位屬性表
備選停車位 駛入距離(m) 駛岀距離(m) 步行距離(m) 車位兩側環境 車位類型
B4 108.51 31.58 31.15 3 8
D1 64.08 72.77 18.65 6 4
E6 37.83 103.02 27.35 4 4
E7 35.08 105.19 29.85 4 4
F 8 41.25 99.27 23.62 2 4
由上表數據和公式 (3.1) 可得出屬性決策矩陣:
「108.51 31.58 31.15 3 8
64.08 72.77 18.65 6 4
X= 37.83 103.02 27.35 4 4
35.08 105.19 29.85 4 4
_ 41.25 99.27 23.62 2 4
由公式(3.2)可計算得到X的標準化決策矩陣R :
由公式 (3.3) 可構造判斷矩陣:
「1 1/2 3 5 6_
2 1 4 6 7
C= 1/3 1/4 1 1 3
1/5 1/6 1 1 1
_1/6 1/7 1/3 1 1
對C歸一化后得到矩陣E :
由公式(3.4)和公式(3.5)可以求出C的特征向量氏:
應=[0.305178 0.456071 0.110327 0.073456 0.054968『
由公式 (3.6) 和公式 (3.7) 對矩陣作一致性檢驗判斷,可以求出: CI =0.0290 , CR = 0.0259,顯然,CR < 0.1,判斷矩陣的一致性滿足要求。
由公式(3.8)和公式(3.9)可以求出客觀屬性權重①:
氏=[0.071699 0.219943 0.137504 0.099994 0.470961『
由公式(3.10)可計算出綜合屬性權重s :
ms =[0.188438 0.338007 0.123916 0.086725 0.262965『
由公式(3.11)到公式(3.20),可以得出最終的每個備選停車位與理想解決方案的 相對接近系數:
嗔=[0.519680 0.519859 0.519862 0.520061 0.519838『
對相對接近系數矩陣05中各元素進行排序可以得出:0; >0* >0; >0* >0;, 所以E7為本次推薦測試的最佳停車位,其次是E6停車位。
5.2.3 實驗結果與分析
通過對最佳停車場和停車位推薦模型的測試,該模型有效地解決了車主選擇 停車場和預約停車位時所面臨的最優選擇問題,為車主推薦了最佳停車場和停車 位信息。由于本文涉及的停車推薦算法采用了改進的 TOPSIS 算法,為了檢驗改進 后的 TOPSIS 算法的推薦效果,以停車位的推薦為例,選取常見的熵權法和傳統 TOPSIS 算法和改進后的 TOPSIS 算法來進行對比。對于本次推薦測試,不同決策 算法計算出的序列對比如表 5.3 所示。
表 5.3 不同決策算法計算出的序列對比
決策算法 推薦序列
熵權法 D1a E7 A E6a B4a F8
TOPSIS E6a E7 a DI a B4a F 8
本文改進的TOPSIS法 E7 A E6a DI a F8 a B4
通過對備選停車位進行分析,不難發現, B4 停車位雖然是斜方停車位,但是 兩側均有車輛停放,而E6和E7 一側為空,更容易停車,且E7相對于E6車主位 置到停車位行駛距離更小,所以對于本次車位推薦來說,通過改進后的 TOPSIS 算法更能準確的選擇出對于車主最佳的停車位。為了進一步確定在多次推薦的情 況下改進的 TOPSIS 算法是否比熵權法和傳統 TOPSIS 算法推薦效果更好,本文選 擇在不同的停車場景中作多次測試,通過對三種決策方法計算出的結果進行分析, 如果推薦的結果在三者中最佳,則認為此推薦結果最符合實際情況,設決策算法 的推薦的準確率為最符合實際的推薦次數占總推薦次數的百分比。測試結果如表 5.4 所示。
表5.4多次推薦下不同決策算法對比
決策算法 推薦次數 最符合實際的推薦次數
熵權法 200 145
傳統 TOPSIS 算法 200 138
本文改進TOPSIS算法 200 157
由表中數據分析可以得到,在200次的推薦中,熵權法推薦準確率為72.5%, 傳統TOPSIS算法為69%,本文提出的改進TOPSIS算法為78.5%,可以得到結論: 本文提出的改進TOPSIS算法推薦準確率比熵權法高6%,比傳統TOPSIS算法高 9.5%,所以改進TOPSIS算法一定程度上克服了傳統TOPSIS算法屬性權重計算過 于依靠決策者個人經驗的缺點,同時克服了熵權法推薦結果受數據樣本差異影響 較大的弊端。
5.3信息管理平臺功能測試
5.3.1 智慧停車應用功能測試
智慧停車應用功能主要包括車輛注冊與登錄、停車場查詢、停車位查詢、停 車位預約、停車場導航、停車位導航、車位狀態實時更新、反向尋車和停車費用 支付功能。
1.車輛注冊與登錄
在進行停車之前,車輛需要進行注冊或登錄,使信息管理平臺能夠獲取到車 輛的信息,未注冊的車輛在登錄前需要進行注冊后才能登錄,圖5.7為車輛登錄與 注冊過程中與信息管理平臺的信息交互過程,圖5.8為車輛登錄與注冊的界面展示。
圖 5.7 信息管理平臺車輛注冊登錄
未緬卡■? 0K/8O 彙 Q|CS)1O:52
ifi® 注冊
*車腳爾CarA
•Eft: JWAES
<3 O □
(a) 車輛登錄
(b) 車輛注冊
圖 5.8 車輛注冊與登錄
2. 停車場與停車位信息查詢
當車主向信息管理平臺發起停車請求時,平臺獲取車主所駕駛車輛當前位置 信息,搜索附近一定范圍內(本測試選取范圍以 500 米為例)的停車場信息,并 同步至車輛所對應的終端,與此同時,信息管理平臺根據車輛位置信息和附近停 車場信息為車主推薦最佳停車場, V2X 車載終端與信息管理平臺的信息交互過程 如圖 5.9 (a) 所示,停車場查詢與推薦界面如圖 5.10 (a) 所示。
— — — — — — — — — iicou'j^F4fj-iA;e.<v;Wju)j>sj/j — — — — — — — — —丄。juvucoa . <-i ucj
resp======={"isSuccess":true}
車載終端
服務器端接愛窘戶端數據 {"datatype": "PARKLOT_DATA", "fromtype": ,,veh","fromicTp
Hibernate: select logvehstat9_.log_veh_id as logl_5_, logvehstat©VIN5_, logvehstatQ .log veh time as log3_5_, logvehstat0_.' Hibernate: select parklotO .parklot id as parklotl 16 , par*klafcbfiJRL as UR\16 . parklot0_.parklot_address as parklot3_16_., parklot©, send to CarA 匚datatype: : :PARKLOT「?AT?lll,parFlotDa£a::々:1)里":"http://172.2*.139.238:608©7arcgis/rest/services/NA_20190102/NAServer/l send to CarA {"datatype": "BestParklot", ;'parklot id": "eel"} | 一 _
resp======: • 一…— 一!二-“亠…」h & 辛"R士
車載終端
服務器端接受客戶端數據 {"datatype": "LOG_VEH_STATU"/,veh_heading": 269, "veh_id": "CarA", "fromtype": "veh", "VIN": "489473962", "veh_lat": "29.54
recieveStr ======={"datatype":"LOG—VEH—STATU","veh_heading":260,"veh_乙":"CarA","fromtype":"veh","VIN":"489473962","veh_lat”:"29.540
:content” : ”停車場信息友送成功'
停車場信息同步
(a)停車場信息同步和最佳停車場推薦
Hioernare: msert inxo 丄?TQ_ven_ataru ven_accej.e» ven_ej.ev, ven_neaamg, ven^ar, ven_ion, ven_speea, ven_ia) va_Lues r
=========臨時車輛狀態添加成功========={ "isSuccess" : true} resp======={"isSuccess":true} 車載終端
服務器端接受客戶端數據 {"datatype": "PARKING.DATA", "f romtype" : "veh",吁歲叱"G'CarA", "parklot_id": "eel"}
Hiber nate: s _pmrki -pmr k: ng_l m十rg rmrk: ng?_4 7_丿_ng8_. park in g long itude as p
send to CarA:{"datatype":"PARKING_DATA","parkingData":[{"parking; id":"©eiOieeiparking_latitude":29.5463*64,"parking longitude" send to CarA {"datatvpe": "BestParklot". "parking id" : "00:103006"、~_
resp======={boontent"!"停車位常息發迖成功,,,";ob"king6c>1:c>Ec!ndSuoec!Oo"47其廠 ■» 最佳停車位推薦
車載終端
服務器端接受客戶端數據 {"datatype”: "LOG_VEH_STATU","veh_heading" :261, ”veh_id" : "CarA", "■Frorntype": "veh", "VIN" : "489473962", "veh_lat" : "29.5》
recieveStr ======={"datatype": "LOG-VEH-STATU", ,,veh_heading,': 261, "veh_id": "CarA", "fromtype" : "veh", ■'VIN": "489473962" /'veh-lat": "29.548
(b)停車位信息同步和最佳停車位推薦
停車位信息同步
Fr少idVZarA”
圖 5.9 停車場和停車位的信息同步與推薦
車主選擇停車場后,向信息管理平臺發送停車位信息查詢請求,進入停車位
局部地圖界面,信息管理平臺根據車主要到達的目的地信息和停車場信息為車主
推薦最佳停車位,如圖5.10 (b) 所示,圖中的黃色停車位即為推薦的最佳停車位。 停車場查詢與推薦過程中, V2X 車載終端與信息管理平臺的信息交互過程如圖 5.9 (b) 所示。
3. 停車位預約
如圖5.10 (b) 所示,車主選擇停車位時,先設置預約時長,再向信息管理平臺 發送車位預約指令,信息管理平臺將車位狀態信息變更為授權(已預約)狀態, 并向車主反饋預約成功的信息。車主與信息管理平臺的信息交互過程如圖 5.11 所 示。
LogvenSiatU L veri2ne'aaiihg=2M7 ven2eiev=riui£7 ven_idn=15o.oiz5J.», ven_iax=zy.mwsssj ven_acceie=nuxi, ven_speea=w」
Hibernate: select vehstatu0_.veh_id as vehl_ll_0_, vehstatu0_.VIN as VIN11_0_> vehstatu0_.veh_accele as veh3_ll_0_j vehstatu0_.veh_elev as veh4_1 Hibernate: delete -From lnfo_Veh_Statu where veh_id=?
Hibernate: insert into Info_Veh_Statu (VIN」 veh_aceele, veh_elev, veh_heading, veh_lat, veh_lon, veh_speed, veh_id) values (?» ?, ?, ?, ?j ?, ?,
=========臨時荊鍬jg®il]j5ES]=======^{”isSuccess":trije} — 「 「 「 「 「 —
resp======={,,isSuccess" :true} __ …一《~午付帝約
車載騒 . — .
月艮務器端顒客戶端K據---■|-{"datatype":"PARKTNG=APPLrCATTON”i,"fr'omid":"C:arA","4:ronrtype":"veh";,"parking_id":"Gei83ee6","parkltrt_id": "eel"}
Hibernate: select 0arking0_.parking—id as p8rkingl_17_j. pdFkingO—.pdi-k^ng—ljrtituel* p?rkiHg2_!17_, parkin喜0_.p&rl;ing_li3ngit'uck pbr*king3_17_.
Hibernate: insert into Info_ParkRecord (mpplytime, arrivetime, leavetime, parkfee, parking id. parklct_id, parktime, realarrivetime, realleavetin Hibernate: update Info_Parking set parking_latitude=?j parking lonEitude=?. parking_statu=?」 parklot_id=? where parking_id=? resp=w={"content":"牟位申請祕"_,"isApplicationSuccess":true}
車載終轎
圖 5.11 停車位預約
4.停車場與停車位導航 車主預約車位后可進行停車場與停車位的導航,圖5.12 (a) 為停車場導航圖,
圖5.12 (b) 為停車位導航圖。
5.車位狀態實時更新
當 V2X 路側設備檢測到車輛停入停車位時,會將停車位狀態變更信息同步至 信息管理平臺,如圖5.13所示。圖 5.14 (a) 表示車位狀態信息同步之前數據庫中 的車位狀態,圖 5.14 (b) 表示車位狀態信息同步之后數據庫中的車位狀態。
圖 5.13 V2X 路側設備同步車位狀態更新信息
6. 反向尋車
車主需要駕車離開時可以通過信息管理平臺來獲取車輛所停放停車位的信息 和位置,并在 V2X 車載終端 HMI 上顯示尋車路徑,如圖 5.15 所示,當車主到達 停車場后即可根據停車位導航路徑進入對應的停車位。車主與信息管理平臺的信 息交互過程如圖5.16所示。
圖 5.15 反向尋車
圖 5.16 反向尋車
7.停車費用支付 車主在駕車離開車位時向信息管理平臺發送停車費用支付請求,信息管理平 臺計算停車費用,并發送至車主提示車主繳納費用,如圖 5.17 所示。車主與信息 管理平臺的信息交互過程如圖5.18所示。
5.3.2 實驗結果與分析
通過對智慧停車應用中各項功能的測試,智慧停車信息管理平臺基本上完成 了智慧停車功能的需求,驗證了室外智慧停車系統的可行性。
5.4 本章小結
本章主要介紹了智慧停車信息管理平臺各功能的測試與驗證,首先介紹了測 試環境的搭建,再介紹停車推薦模型的測試,最后完成信息管理平臺的功能測試。 通過測試分析,本文的智慧停車信息管理平臺能提高停車效率,一定程度上能夠 緩解停車難的問題。
第 6 章 總結展望
6.1 全文總結
根據智慧停車應用在現實生活中的發展情況,本文分析了國內目前導致“停 車難”問題的原因,提出了一種基于V2X的室外智慧停車解決方案,設計了智慧 停車系統架構,并搭建信息管理平臺,實現了停車場和停車位信息的統一管理和 發布,在此基礎上,重點研究了停車信息推薦算法,并實現了智慧停車應用的基 本功能,旨在解決車主在實際停車問題中無法及時找到合適車位停車的問題。本 文的主要工作總結如下:
1.本文首先設計了基于 V2X 的室外智慧停車方案和系統架構,建立起車主與 停車場之間的聯系,提高停車場信息化程度,使車主能夠通過互聯網來及時獲取 停車場與停車位的實時信息,進而解決停車問題。此外,本文簡要分析了基于 V2X 通信的車位管理和高精度輔助定位方法,通過該方法實現車位的管理與高精度定 位。
2.本文重點研究基于改進 TOPSIS 算法的最佳停車場和停車位推薦模型。該 模型通過對停車場和停車位的相關屬性進行量化,再通過改進 TOPSIS 算法來選擇 最佳方案,為車主推薦符合個人意愿的空閑停車位進行預約和停車。通過該推薦 模型,一方面解決車主在城市復雜交通環境中難以找到停車場停車的問題,另一 方面解決車主在大型停車場中無法及時找到最佳車位停車的問題。
3.本文對停車相關功能需求進行了分析,搭建信息管理平臺來建立車主、V2X 車載終端、V2X路側設備與信息管理平臺的相互通信,最后通過信息管理平臺來 實現智慧停車應用中的基本功能,包括實時信息查詢、車位預約、車位導航、反 向尋車以及在線支付等,旨在為車主提供更加方便快捷的停車體驗。
4.本文通過對比分析改進的 TOPSIS 推薦算法與傳統多屬性決策算法的推薦 效果,驗證了 TOPSIS 算法的推薦準確率優于傳統多屬性決策算法。除此之外,本 文將論文的研究成果結合具體案例進行了實際應用和轉化,對智慧停車應用各個 功能進行測試和分析,驗證了停車推薦模型的有效性和信息管理平臺的可行性。
6.2展望
本文所研究的智慧停車信息管理平臺能夠實現停車過程中的一些基本功能, 但平臺還存在很多不足,有待下一步繼續深入研究,主要包括以下幾個方面:
1. 本文所研究的智慧停車信息管理平臺能滿足基本功能的測試,具有可行性, 但在實際運行中可能會有其他意料之外的問題出現,所以對于系統的容錯率有待 進一步提升。
2.由于研究條件有限,并且 V2X 車載設備與 V2X 路側設備數量有限,智慧 停車信息管理平臺未能完成壓力測試,待后續制作大量終端設備,即可進一步提 高系統和平臺的穩定性。
3.停車推薦模型中的推薦算法還不夠理想,對于決定車主選擇停車位的相關 因數研究不夠,以至于多次測試下的推薦結果不能完全與預期結果符合,需要進 一步完善和優化。
參考文獻
[1] 中華人民共和國公安部. 中華人民共和國公安部數據 [EB/OL]. URL: [2019-01-12]. http://www.mps.gov.cn/n2254098/n4904352/c6354939/content.html.
[2]劉保君.智慧停車對于停車場運營效率的提升J].城市開發,2017(19): 47.
[3]Armonk N Y. IBM Global Parking Survey: Drivers Share Worldwide Parking Woes[R]. IBM News Room, 2011-09-28[2019-03-03]. http://www-03.ibm.com/press/us/en/pressrelease/35515.wss.
[4]Koster A, Oliveira A, Volpato O, et al. Recognition and recommendation of parking places[C]//Ibero-American Conference on Artificial Intelligence. Springer, Cham, 2014: 675-685.
[5]Wang F Y, Yang L Q, Yang J, et al. Urban intelligent parking system based on the parallel theory[C]//2016 International Conference on Computing, Networking and Communications (ICNC). IEEE, 2016: 1-5.
[6]Vera-Gomez Juan, Alexis Q A, Garcia Carmelo, et al. An Intelligent Parking Management System for Urban Areas[J]. Sensors, 2016, 16(6):931-.
[7]張春菊,李冠東,高飛,et al. “互聯網+”城市智慧停車模式研究[J].測繪通報, 2017(11):58-63.
[8]劉倩,王緝憲,李云.面向可持續的城市停車管理:國際比較與借鑒[J/OL].國 際城市規劃: 1-12[2019-03-03].
http://kns.cnki.net/kcms/detail/11.5583.TU.20181229.1050.002.html.
[9]Kodransky M, Hermann G. Europe's parking u-turn: from accomodation to regulation[M]. Institute for Transportation and Development Policy, 2010: 22-74.
[10]康正寧,周振華.試論“互聯網+停車”模式[J].上海經濟研究,2017(03): 115-122.
[11]Wang Y P E, Lin X, Adhikary A, et al. A Primer on 3GPP Narrowband Internet of Things[J]. IEEE Communications Magazine, 2017, 55(3): 117-123.
[12]Zhang Y, Du Y, Zhen A, et al. The intelligent parking lot based on ZigBee technology and SVM[C]//Consumer Communications & Networking Conference (CCNC), 2017 14th IEEE Annual. Las Vegas: IEEE Press, 2017: 620-621.
[13]Devalal S, Karthikeyan A. LoRa Technology - An Overview[C]//2018 Second International Conference on Electronics, Communication and Aerospace Technology (ICECA), 2018: 284-290.
[14]Shin J H, Jun H B. A study on smart parking guidance algorithm[J]. Transportation Research Part C: Emerging Technologies, 2014, 44: 299-317.
[15]De Almeida P R L, Oliveira L S, Britto A S, et al. PKLot — A robust dataset for parking lot classification[J]. Expert Systems with Applications, 2015, 42(11): 4937-4949.
[16]Fang J, Ma A, Fan H, et al. Research on smart parking guidance and parking recommendation algorithm[C]//2017 8th IEEE International Conference on Software Engineering and Service Science (ICSESS). IEEE, 2017: 209-212.
[17]BONSALL P, PALMER I. Modelling drivers' car parking behavior using data from a travel choice simulator [J]. Transportation Research Part C: Emerging Technologies, 2004, 12(5): 321—347.
[18]Mouskos K C, Tvantzis J, Bernstein D, et al. Mathematical formulation of a deterministic parking reservation system (PRS) with fixed costs[C]//2000 10th Mediterranean Electrotechnical Conference. Information Technology and Electrotechnology for the Mediterranean Countries. Proceedings. MeleCon 2000 (Cat. No. 00CH37099). IEEE, 2000, 2: 648-651.
[19]Shin J H, Jun H B, Kim J G. Dynamic control of intelligent parking guidance using neural network predictive control[J]. Computers & Industrial Engineering, 2018, 120: 15-30.
[20]楊慶芳,楊兆升,胡娟娟.停車泊位預定技術研究[J].公路交通科技,2006(12): 123-127.
[21]Yang J, Li X, Liu S. A reservation strategy model of finite berth based on active parking guidance and information system[C]//2009 International Workshop on Intelligent Systems and Applications. IEEE, 2009: 1-4.
[22]Liu W, Yang H, Yin Y. Expirable parking reservations for managing morning commute with parking space constraints[J]. Transportation Research Part C: Emerging Technologies, 2014, 44: 185-201.
[23]Chen H, Zhang R, Zhai W, et al. Interference-Free Pilot Design and Channel Estimation Using ZCZ Sequences for MIMO-OFDM-Based C-V2X Communications[J]. 中國通信, 2018, v.15(07): 57-64.
[24]Seo H, Lee K D, Yasukawa S, et al. LTE evolution for vehicle-to-everything services[J]. IEEE Communications Magazine, 2016, 54(6): 22-28.
[25]Johnson R. Expert one-on-one J2EE design and development[M]. John Wiley & Sons, 2004: 203-248.
[26]Hao X, Tang H. Struts+ Spring+ Hibernate Integrated Framework and its Use in Log Accounting and analyzing System[C]//2010 International Conference on Multimedia Information Networking and Security. IEEE, 2010: 936-939.
[27]Zhang D, Wei Z, Yang Y. Research on lightweight MVC framework based on spring MVC and mybatis[C]//2013 Sixth International Symposium on Computational Intelligence and Design. IEEE, 2013, 1: 350-353.
[28]Sharma N, Murthy B K, Barwal P N. Development of ePPMS for research proposals based on integrated spring and Hibernate framework[C]//2015 2nd International Conference on Computing for Sustainable Global Development (INDIACom). IEEE, 2015: 247-250.
[29]Yoon K P, Hwang C L. Multiple attribute decision making: an introduction[M]. Sage publications, 1995: 1-59.
[30]Tzeng G H, Huang J J. Multiple attribute decision making: methods and applications[M]. Chapman and Hall/CRC, 2011: 24-71.
[31]連程.基于支持向量機的互聯網金融個人信用評估方法研究[D].浙江財經大 學, 2017.
[32]Saaty T L. How to make a decision: the analytic hierarchy process[J]. European journal of operational research, 1990, 48(1): 9-26.
[33]Saaty T L. Axiomatic foundation of the analytic hierarchy process[J]. Management science, 1986, 32(7): 841-855.
[34]Shannon C E. A mathematical theory of communication[J]. Bell Labs Technical Journal, 1948, 27(4): 379-423.
[35]Yoon K P, Kim W K. The behavioral TOPSIS[J]. Expert Systems with Applications, 2017, 89: 266-272.
[36]潘馳,趙勝川,姚榮涵.基于出行目的停車行為差異性分析J].交通信息與安 全, 2012, 30(01): 39-42+57.
[37]Young W, Thompson R. PARKSIM 1 A COMPUTER GRAPHICS APPROACH FOR PARKING-LOT LAYOUTS[J]. Traffic engineering & control, 1987, 28(3).
[38]Young W. PARKSIM 1 A NETWORK MODEL FOR PARKING FACILITY DESIGN[J]. Traffic engineering & control, 1986, 27(12): 606-613.
[39]Michael Florian, Los M. Impact of the supply of parking spaces on parking lot choice[J]. Transportation Research Part B Methodological, 1980, 14(1-2): 155-163.
[40]Leephakpreeda T. Car-parking guidance with fuzzy knowledge-based decision making[J]. Building and Environment, 2007, 42(2): 803-809.
[41]Bo L, Yijian P, Hao W, et al. MADM-based smart parking guidance algorithm[J]. PloS one, 2017, 12(12): e0188283-.
[42]陳峻.城市停車設施規劃方法研究[D].東南大學,2000.
[43]歐陽繼紅,王仲佳,劉大有.具有動態加權特性的關聯規則算法[J].吉林大學 學報(理學版), 2005(03): 314-319.
[44]Hatami-Marbini A, Kangi F. An extension of fuzzy TOPSIS for a group decision making with an application to Tehran stock exchange[J]. Applied Soft Computing, 2017, 52: 1084-1097.
[45]陳曦.基于HTML5的微課程資源管理系統的設計與實現[D].華中師范大學, 2015.
[46]鄒修梅,卿粼波,吳曉紅,et al.柱狀圖中矢量巖性圖例的動態繪制與編輯J]. 計算機與數字工程, 2015, 43(4): 714-719.
[47]陳琛.基于.NET技術的學校網絡選課系統[J].信息通信,2013(06): 91-92.
[48]Frankl A, Zwertvaegher A, Poesen J, et al. Transferring Google Earth observations to GIS-software: example from gully erosion study[J]. International Journal of Digital Earth, 2013, 6(2): 196-201.
[49]Xu J Y, Yang M Y. The Design and Production of Map Symbol Database Based on ArcGIS[C]//Advanced Materials Research. Trans Tech Publications, 2012, 378: 405-408.
[50]Lu H, Nihong W, Chang W, et al. The research on the WebGIS application based on the J2EE framework and ArcGIS server[C]//2010 international conference on intelligent computation technology and automation. IEEE, 2010, 3: 942-945.