CN101635090A - 一种停车诱导***及其实现方法 - Google Patents

Abstract

本发明提出一种停车诱导***及其实现方法。停车诱导***包括采集模块、处理模块以及发布模块。采集模块用于采集信息。处理模块包括预测车位计算单元，上述预测车位计算单元接收上述信息，计算并得到第一处理结果。发布模块，用于发布上述第一处理结果。本发明所提供的停车诱导***不仅能动态地显示停车场泊位数，还能显示停车路线、停车场位置以及停车场的出入口信息。

Description

一种停车诱导***及其实现方法

技术领域

本发明有关于智能交通***领域，且特别是有关于一种停车诱导***及其实现方法。

背景技术

随着我国国民经济的发展和人民生活水平的提高，汽车开始大量进入家庭。然而，由于停车场规划和建设的滞后，停车位紧缺的问题也日渐凸现，城市动态停车难的矛盾日益突出。现在已经有一种“停车电子诱导屏”出现在停车场周边的主要道路旁边，图1所示为已知的停车电子诱导屏的示意图。

如图1所示，这种停车电子诱导屏通过将周围一些可以停车的场地中的泊位信息动态的显示在LED显示屏上，引导驾驶员前去泊车。然而，目前国内外的这种停车电子诱导屏都是静态的，也就是说从整体屏幕显示的停车场信息是不变的，可变的只有停车场的泊位数。因此，这种停车电子诱导屏具有一定的缺陷。

首先这种停车电子诱导屏只可以显示固定的几个停车场车位信息和大致前往方向，驾驶员只知道附近有停车场和这些停车场的车位信息，却不知道该如何到达这些停车场，也就是说缺乏提供到达各个停车场的行驶路线。

其次，在停车高峰期，若停车电子诱导屏显示的停车场车位全部停满时候，对于驾驶员来说，此时提供的相关车位的信息等于是没有用处的信息。此时，针对满车位的停车场信息已经失去意义，因为即使驾驶员知道附近有停车场，也不能够去停车，驾驶员只能被动地、盲目地再去其它地方寻找车位，丧失了停车诱导的灵活性。

而且，传统停车诱导发布策略难以解决最优停车场的选择问题。例如：有四个停车场，其中一个因紧急情况关闭，此时停车电子诱导屏只能提供三个停车场的信息，浪费了发布资源。

传统停车电子诱导屏也容易对驾驶员造成‘误诱导’。例如当驾驶员看到停车诱导屏上显示还剩余三个车位，赶到此停车场的时候却发现在行车这段过程中，此三个车位已经被占用掉了。由于停车高峰期剩余停车位变化的随机性，使得传统电子停车诱导屏的显示策略容易造成对驾驶员的‘误导’。

本发明的目的是提供一种停车诱导***及其实现方法，这种停车诱导***突破了传统只能显示静态的停车场及停车泊位的设计方式，在停车诱导屏上不仅要显示停车场泊位数，还要显示停车路线、停车场位置以及停车场的出入口信息。

发明内容

本发明提出一种停车诱导***包括采集模块、处理模块以及发布模块。采集模块用于采集信息。处理模块包括预测车位计算单元，上述预测车位计算单元接收上述信息，计算并得到第一处理结果。发布模块，用于发布上述第一处理结果。

本发明提出的停车诱导***中，所述采集模块包括图像采集单元与第一存储单元，上述第一存储单元耦接上述图像采集单元，并用于存储上述信息。

本发明提出的停车诱导***中，所述信息包括实时车位信息，道路交通流量信息以及车辆行驶速度信息。

本发明提出的停车诱导***中，所述处理模块还包括最佳路径计算单元，接收上述信息，计算并得到第二处理结果。

本发明提出的停车诱导***中，所述处理模块还包括交通状态判别单元，通过上述交通状态判别单元得到第三处理结果。

本发明提出的停车诱导***中，所述发布模块包括电子显示屏与第二存储单元，上述电子显示屏耦接上述第二存储单元，并用于显示上述第一处理结果、上述第二处理结果以及上述第三处理结果。

本发明提出的停车诱导***中，所述停车诱导***还包括传输模块，用于在上述采集模块与上述处理模块之间，以及在上述处理模块与上述发布模块之间传输数据。

本发明提出一种停车诱导***的实现方法，包括：通过采集模块采集信息；处理模块接收上述信息，通过预测车位算法得到第一处理结果；以及通过发布模块发布上述第一处理结果。

本发明提出的停车诱导***的实现方法中，所述采集信息包括采集实时车位信息，采集道路交通流量信息以及采集车辆行驶速度信息。

本发明提出的停车诱导***的实现方法中，所述预测车位算法包括：根据上述道路交通流量信息以及上述车辆行驶速度信息计算得到行程时间；以及通过上述行程时间以及上述实时车位信息，计算得到上述第一处理结果。

本发明提出的停车诱导***的实现方法中，还包括通过最佳路径算法得到第二处理结果，并通过上述发布模块发布上述第二处理结果。

本发明提出的停车诱导***的实现方法中，所述最佳路径算法包括：根据上述实时车位信息，选择车位剩余停车场；将上述车位剩余停车场按照距离进行由近至远的排序；若距离相等的上述车位剩余停车场，计算到达时间，并按照时间由短至近排序；以及选择排序靠前的上述车位剩余停车场，并进行最佳路径计算，得到上述第二处理结果。

本发明提出的停车诱导***的实现方法中，还包括通过交通状态判别算法得到第三处理结果，并通过上述发布模块发布上述第三处理结果。

为让本发明的上述特征和优点能更明显易懂，下文特举较佳实施例，并配合附图，作详细说明如下。

附图说明

图1所示为已知的停车电子诱导屏的示意图。

图2所示为根据本发明一实施例的停车诱导***的功能方块图。

图3所示为根据本发明一实施例中的停车诱导***的电子显示屏的局部示意图。

图4所示为根据本发明一实施例中的停车诱导***的实现方法的流程图。

图5所示为根据本发明一实施例中的停车诱导***的实现方法中预测车位算法的示意图。

具体实施方式

为了更了解本发明的技术内容，特举具体实施例并配合所附图式说明如下。

图2所示为根据本发明一实施例的停车诱导***的功能方块图。本实施例所提供的停车诱导***1包括采集模块10、处理模块11、发布模块12以及传输模块13。其中，传输模块13用于在采集模块10与处理模块11之间，以及处理模块11与传输模块13之间传输数据。

如图1所示，采集模块10包括图像采集单元100与第一存储单元101，其中，第一存储单元101耦接图像采集单元100。图像采集单元100用于采集信息，第一存储单元101用于存储上述信息。

上述图像采集单元100用于采集周边停车场实时车位信息，道路交通流量信息以及车辆行驶速度信息。在本实施例中，图像采集单元100可以为视觉传感器，在其它实施例中，图像采集单元100也可以为照相机或摄像机，本发明并不对此作出限制。

具体来说，上述实时车位信息包括图像采集单元100所在区域内的各停车场与路边车位的使用状况，停车场是否关闭等信息。其中，车位信息采集主要有路外停车场信息采集和路侧停车位信息采集两种方式。上述道路交通流量信息包括停车场集散道路的交通信息(如是否拥堵)。

在本实施例中，第一存储单元101还可以将图像采集单元100采集到的各种图像信息，转化为数字信号。

上述处理模块11包括预测车位计算单元110、最佳路径计算单元111以及交通状态判别单元112。其中，预测车位计算单元110接收图像采集单元100采集到的信息，进行计算并得到第一处理结果。相类似的，最佳路径计算单元111以及交通状态判别单元112分别进行计算，可以得到第二处理结果以及第三处理结果。关于预测车位计算单元110、最佳路径计算单元111以及交通状态判别单元112的计算过程，容后详述。

如图1所示，发布模块12包括电子显示屏120与第二存储单元121。电子显示屏120耦接第二存储单元121，并用于显示第一处理结果、第二处理结果以及第三处理结果。在本实施例中，电子显示屏120可以为LED屏。

图3所示为根据本发明一实施例中的停车诱导***的电子显示屏的局部示意图。从图3中可以看出，本发明所提供的电子显示屏120突破了传统只能显示静态的停车场及停车泊位的方式，在电子显示屏120上不仅可以显示停车场泊位数，还可以显示到达停车场的停车路线、停车场位置以及停车场的出入口等信息。

图4所示为根据本发明一实施例中的停车诱导***的实现方法的流程图。请结合图2中停车诱导***的具体结构，在本实施例中，停车诱导***的实现方法包括一下步骤：首先通过采集模块10采集信息(步骤S40)，包括采集实时车位信息，采集道路交通流量信息以及采集车辆行驶速度信息。

步骤S41，处理模块11接收上述信息，通过预测车位算法得到第一处理结果。

步骤S42，处理模块11通过最佳路径算法得到第二处理结果。

步骤S43，处理模块11通过交通状态判别算法得到第三处理结果。

步骤S44，通过发布模块12发布第一处理结果、第二处理结果以及第三处理结果。

关于预测车位算法、最佳路径算法以及交通状态判别算法，具体描述如下。

图5所示为根据本发明一实施例中的停车诱导***的实现方法中预测车位算法的示意图。预测车位算法包括以下步骤：步骤S50，根据道路交通流量信息以及车辆行驶速度信息计算得到行程时间；步骤S51，通过行程时间以及实时车位信息，计算得到第一处理结果。

停车诱导所服务的对象停车场一般为公共停车设施，包括路内、路外的社会公共停车设施和对社会车辆开放的公建配建停车设施。纳入停车诱导的停车泊位主要是指公共停车设施内可供社会车辆停放的车辆，被单位或个人长期租用的固定车位不在研究范围之内。因此，本发明采用停车场的有效泊位占有率可以直观地描述停车场可供利用的泊位情况。停车场的有效泊位，是指正在开放的停车场内未被车辆或其他物品占用，可以用来停放车辆的停车泊位。有效泊位占有率即指有效泊位数占停车场总泊位数的比例。

停车场的有效泊位占有率受诸多因素的影响，如停车场类型、所处位置、停车费率、周边的交通流量、天气等。多因素的作用造成了有效泊位占有率变化的复杂性，其中一些随机性较强的因素(例如天气)造成了泊位变化的随机性。除去复杂性和随机性，有效泊位占有率变化的另一个重要特性是周期性和相似性，即按一定趋势有规律地、周期性地发展变化。可见，有效泊位占有率的变化趋势既在一定的规律性，又受各种随机因素的影响。在进行有效泊位占有率短时预侧时，必须针对有效泊占有率的这些变化特性，既要充分分析、掌握并利用其规律性，又要兼顾各种因素的影响。

由于有效泊位占有率的影响因素过于复杂，随机性较强，传统的因果型预侧方法难以适用于有效泊位占有率的短时预侧。而且在实际的信息采集过程中，较易得到的只是停车场有效泊位占有率的时间序列。因此，考虑利用停车场有效泊位占有率过去的历史数据资料，寻找其变动趋势，并以趋势外推测有效泊位占有率的未来状态。从上述实际数据调查结果可以看出，尽管有效泊位占有率变化剧烈，看似无章可循，实际上有着周期性和自相似性，这是利用历史数据建立有效泊位占有率预测模型的一个基本前提。

停车泊位数的实测是根据布设在各个停车场出入口的图像采集单元100(见图1)实现的，假设原有车辆基数为N，则每进入一辆车N→N+1，每出去一辆车N→N-1，由此得到每个时刻停车场内的车辆数目。

然而，根据停车场的实测泊位数目并不能直接作为发布的依据，因为很多时候，电子显示屏120(见图1)与停车场有着一定的时空距离，在这个时空距离里停车场的泊位数很可能发生变化，特别时很多时候当泊位数接近饱和时，容易给驾驶员造成误导。

步骤S50，根据道路交通流量信息以及车辆行驶速度信息计算得到行程时间(T)。上述行程时间为电子显示屏120到停车场的时间，其主要由电子显示屏120到停车场的距离以及车辆行驶速度决定的。

一般情况下，车辆行驶速度不仅与驾驶员有关，还受到道路交通流量的影响，但在车辆较多的市中心，在相同的行车线路条件下，不同驾驶员的行程速度的差异较小。因此，行程时间(T)可直接利用以下公式计算：

$T=(\frac{L}{v}+\underset{t=1}{\overset{n}{\mathrm{\Σ}}}{t}_i){(1+\mathrm{\α}\left(\frac{V}{C}\right))}^{\mathrm{\β}}$

其中：L代表电子显示屏到停车场的距离；V代表道路交通流量，可根据交通流检测***获得；t_i代表在自有留条件下，车辆在第i各交叉口的延误；N代表发布屏到停车场的交叉口数；C代表道路通行能力；α、β代表服务水平参数，在无经验值的情况下通常可设α＝0.15、β＝4；V代表自由流条件下车辆的平均行驶速度，可根据实际采集获得。

如图5所示，将实时车位信息与上述计算得到的行程时间(T)输入模糊化器50，通过处理器51利用模糊神经网络算法对停车泊位数进行预测，再由逆模糊化器52输出第一处理结果。

最佳路径算法包括以下步骤：根据采集模块10采集到的实时车位信息，选择车位剩余停车场；将已经选择的车位剩余停车场按照距离进行由近至远的排序；若距离相等的车位剩余停车场，计算到达时间，并按照时间由短至近排序；以及选择排序靠前的车位剩余停车场，进行最佳路径计算，得到第二处理结果。

例如一个区域中有10个停车场，但是在某一个位置的停车诱导屏中只能发布4个比较合适，那么首先剔除这10个停车位中已满的停车场，在剩余的停车场中选择到达所需行程距离最短、行程时间的按顺序排列的4个停车场进行发布。若剔除后的剩余车位中不满4个，则显示发布所有的剩余停车场。

本发明的停车诱导***的实现方法中，还包括通过交通状态判别算法得到第三处理结果，具体描述如下。

在本发明的停车路线中，要求能够对路径的交通状态进行判别，以方面驾驶员选择到哪个停车场停车。对各个车道下游交通状态的具体判别过程为，首先根据信号控制参数对各车道信号周期内从红灯开始到绿灯结束时刻的检测设备A、检测设备B检测到的交通流量数据进行提取，

根据检测到的各个车道周期内检测设备检测设备A的流量q₁和检测设备B检测到的流量q₂，计算两个检测设备的流量差值：

${\▿}_{q\left(t\right)}={\▿}_{q(t-1)+q_2\left(t\right)-q_1\left(t\right)}$

检测设备C主要用于判断交通流的流入参数值，检测参数有5s平均流量、平均速度、平均时间占有率，通过对这三个参数的分析得到交通流的变化趋势。交通状态变化趋势的预测过程为不断滑动选取每300s时间段内交通参数(滑动间隔为5s)，计算300s内的平均交通流量q、平均速度v(m/s)、平均时间占有率h，这样就得到了每5s的滑动平均交通参数。对平均流量、平均速度、平均时间占有率分别设定三个权值α、β、γ(α+β+γ＝1)，计算三个交通参数的加权平均值R＝α*q-β*v+10*γ*h，(显然R也以每5s生成的一个序列)以此作为统一的交通状态量化指标，显然可以看出R值越大，交通状态越趋向于拥挤，否则交通状态越趋向于畅通。使用R值对交通状态的变化趋势进行预测的主要内容是对交通状态的保持不变、交通集结、交通消散做出判断。由10个R数据组成一个序列，同样通过滑动选择R序列数值，通过特定的分析模型对交通状态的变化趋势做出判别。

不断滑动选取三个信号周期内的流量差值

若发现这三个信号周期内的流量差值都为大于某一数值q_max，且平均值大于某值Q_max则判别为堵塞；若三个信号周期内的流量差值都小于某一数值q_min，且平均值小于某值Q_min，则判别为畅通；否则判别为拥挤。

在路段上游对各个车道的交通状态判别是以整个路段上游多个车道综合考虑的，因为在路段上游只有‘进得去’与‘进不去’之分，无论通过哪个车道，只要能够进入路段就统统为‘进得去’，所有车道都不容易进去则为‘进不去’。根据这个思路本发明对上游交通状态的判别过程为，根据上面所述计算得的R值，取其在一个信号周期内的序列，分别计算各个车道的拥挤度平均值R₁、R₂、....R_m(m个车道)，以及所有车道的拥挤度平均值R：

R＝(R₁+R₂+…+R_m)/m

对上游交通状态的判别过程为首先设定一个阈值R_max、R_min，以及每个车道的 阈值R_(i)max、R_(i)min；若R₁＞R_(i)max且R＞R_max则判别为堵塞；若R₁＜R_(i)min且R＜R_min，则判别为畅通，否则判别为拥挤。

虽然本发明已以较佳实施例揭露如上，然其并非用以限定本发明，任何所属技术领域中具有通常知识者，在不脱离本发明的精神和范围内，当可作些许的更动与润饰，因此本发明的保护范围当视权利要求书所界定者为准。

Claims (13)

1.一种停车诱导***，其特征在于，包括：

采集模块，用于采集信息；

处理模块，包括预测车位计算单元，上述预测车位计算单元接收上述信息，计算并得到第一处理结果；以及

发布模块，用于发布上述第一处理结果。

2.根据权利要求1所述的停车诱导***，其特征在于，上述采集模块包括图像采集单元与第一存储单元，上述第一存储单元耦接上述图像采集单元，并用于存储上述信息。

3.根据权利要求1所述的停车诱导***，其特征在于，上述信息包括实时车位信息，道路交通流量信息以及车辆行驶速度信息。

4.根据权利要求3所述的停车诱导***，其特征在于，上述处理模块还包括最佳路径计算单元，接收上述信息，计算并得到第二处理结果。

5.根据权利要求3所述的停车诱导***，其特征在于，上述处理模块还包括交通状态判别单元，通过上述交通状态判别单元得到第三处理结果。

6.根据权利要求4、5所述的停车诱导***，其特征在于，上述发布模块包括电子显示屏与第二存储单元，上述电子显示屏耦接上述第二存储单元，并用于显示上述第一处理结果、上述第二处理结果以及上述第三处理结果。

7.根据权利要求1所述的停车诱导***，其特征在于，上述停车诱导***还包括传输模块，用于在上述采集模块与上述处理模块之间，以及在上述处理模块与上述发布模块之间传输数据。

8.一种停车诱导***的实现方法，其特征在于，包括：

通过采集模块采集信息；

处理模块接收上述信息，通过预测车位算法得到第一处理结果；以及

通过发布模块发布上述第一处理结果。

9.根据权利要求8所述的停车诱导***的实现方法，其特征在于，上述采集信息包括采集实时车位信息，采集道路交通流量信息以及采集车辆行驶速度信息。

10.根据权利要求9所述的停车诱导***的实现方法，其特征在于，上述预测车位算法包括：

根据上述道路交通流量信息以及上述车辆行驶速度信息计算得到行程时间；以及

通过上述行程时间以及上述实时车位信息，计算得到上述第一处理结果。

11.根据权利要求9所述的停车诱导***的实现方法，其特征在于，还包括通过最佳路径算法得到第二处理结果，并通过上述发布模块发布上述第二处理结果。

12.根据权利要求11所述的停车诱导***的实现方法，其特征在于，上述最佳路径算法包括：

根据上述实时车位信息，选择车位剩余停车场；

将上述车位剩余停车场按照距离进行由近至远的排序；

若距离相等的上述车位剩余停车场，计算到达时间，并按照时间由短至近排序；以及

选择排序靠前的上述车位剩余停车场，并进行最佳路径计算，得到上述第二处理结果。

13.根据权利要求8所述的停车诱导***的实现方法，其特征在于，还包括通过交通状态判别算法得到第三处理结果，并通过上述发布模块发布上述第三处理结果。

Images