CN105390018B - 一种基于机器学习的地下停车场智能引导*** - Google Patents

Abstract

本发明涉及一种基于机器学习的地下停车场智能引导***，包括中央控制台、停车场空位检测装置和电子标签，所述电子标签固定在车辆内部，所述中央控制台用于执行最优路线规划算法、动态路线调整算法和深度学习算法，以及与所述电子标签的通信；所述停车场空位检测装置用于与中央控制台进行通信并报告车位的占用情况；所述停车场空位检测装置搜集到车位的占用情况后，上传至所述中央控制台，所述中央控制台将根据进入车辆寻找最近的空车位与车辆进行绑定，并使用最优路径算法规划路线，得到路线后，命令所述电子标签进行语音导航并随时准备调整路线。本发明能够引导车主快速安全的找到空车位，长期使用还可以减轻停车场管理的复杂性。

Description

一种基于机器学习的地下停车场智能引导***

技术领域

本发明涉及物联网应用技术领域中的停车位引导，特别是涉及一种基于机器学习的地下停车场智能引导***。

背景技术

当前，地下停车场的停车问题非常突出，很多车主无法找到合适的车位导致停车成为一个非常耗时的事情。此外，地下停车场复杂的地形，经常使得车主无法找到出口。如果可以提供一套具备定位导航功能的物联网设备来帮助车主快速安全停车以及顺利出入停车场，那将会极大的提高生活效率。而且，如果***具有学习能力，能够告诉车主在什么时间在什么停车场的什么位置会有较大概率存在空位，那对于有序的停车以及停车场管理具有重大意义。

当前，机器学习方兴未艾，算法较为成熟，容易实现，而一般的室内定位，则显得繁琐，需要提前在室内部署无线传感器，并进行一定程度的信道建模(Channel ModelConstruction)。然后利用提前部署的锚节点(Anchor)接收移动节点(Mobile Tag，MT)的信号并计算两者之间的距离，通过至少三个锚节点获取的距离信息，利用三边定位(Trilateral Positioning)计算出移动节点的粗略位置。然而，这些方法在对信道建模的时候，需要把信道分为视距(Line-of-Sight，LOS)和非视距(None-Line-of-Sight，NLOS)情况。但是，室内环境非常复杂且不具有一般性，LOS和NLOS的场景无法被准确区分，由此带来了很大的误差，MT的位置信息无法被准确计算，偏差较大。同时，如果室内场景复杂或者遮挡物较多，部署WS的难度会显著增加，定位成本偏高。

而目前，在停车场的现有导航方式中，主要以路标，指示灯为主，而且大部分的停车场还没有导航***，只能靠车主自己摸索找到空位，这不仅增加了寻位时间，而且容易导致停车场内部拥堵，甚至发生车祸。

发明内容

本发明所要解决的技术问题是提供一种基于机器学习的地下停车场智能引导***，能够引导车主快速安全的找到空车位，长期使用还可以减轻停车场管理的复杂性。

本发明解决其技术问题所采用的技术方案是：提供一种基于机器学习的地下停车场智能引导***，包括中央控制台、停车场空位检测装置和具备语音导航和加速度传感器的电子标签，所述电子标签固定在车辆内部，所述中央控制台用于执行最优路线规划算法、动态路线调整算法和深度学习算法，以及与所述电子标签的通信；所述停车场空位检测装置用于与中央控制台进行通信并报告车位的占用情况；所述停车场空位检测装置搜集到车位的占用情况后，上传至所述中央控制台，所述中央控制台将根据进入车辆寻找最近的空车位与车辆进行绑定，并使用最优路径算法规划路线，得到路线后，命令所述电子标签进行语音导航。

所述最优路线规划算法用于进入停车场车辆的空位导航，并以最短路线作为首要目标。

所述动态路线调整算法用于在对多辆汽车多个入口进入时，防止汽车之间的碰撞；在路线重叠处，所述电子标签会在中央控制台的引导下发出语音提醒，警示车主前方有车，做好避让准备；针对不按规定停车的车辆，所述动态路线调整算法将会解绑空车位和车辆，并实现重新绑定。

所述深度学习算法用于学习停车场的空车位分布情况以及车主的停车情况，并给予恰当的停车建议。

所述停车场空位检测装置包括检测设备和通信设备；所述检测设备依托传感器进行测量或采用摄像头进行图像识别；所述通信设备在正常情况下为睡眠状态，当所述中央控制台收到停车请求或者进行初始化时，向通信设备发送激活指令，使得通信设备进入工作状态，并报告车位的占用情况。

所述电子标签包括电源模块、离线语音发声模块、加速度传感器模块和RFID模块；所述电源模块用于从汽车内部电源获取电能并为电子标签提供电能；所述离线语音发声模块与所述中央控制台命令绑定，在接收到所述中央控制台发出的启动语音命令后，将快速寻找与之绑定的语音并作出语音应答；所述加速度传感器模块用于实时获取车辆在板载坐标系下的三维加速度信息，并通过所述中央控制台计算出车辆的位置；所述RFID模块用于出入口检查和确认附近车辆将会进入停车场。

在停车导航结束时，所述电子标签将会与车主移动终端连接，当连接断开时，上报所述中央控制台，提示车主离开汽车，所述电子标签自动转入侦听模式；当车主回到停车场，所述电子标签在一定范围内检测到车主移动终端时，将会重新与车主移动终端建立连接并发送车辆位置信息，引导车主找到自己的车辆。

有益效果

由于采用了上述的技术方案，本发明与现有技术相比，具有以下的优点和积极效果：本发明通过惯性数据对自身做出定位，从而快速的实现比较可靠的惯性导航。本发明还利用中央控制台规划寻位路线，利用专用电子标签引导车主有序、安全、快速找到车位、离开停车场并反向寻车。更为重要的是，在一段时间之后，机器学习算法能够每天提醒车主在何时何地找到停车位，极大的方便了车主停车和停车场的有序管理。

附图说明

图1是智能引导***整体框图；

图2是汽车进入停车场导航示意图；

图3是停车导航时的调度示意图。

具体实施方式

下面结合具体实施例，进一步阐述本发明。应理解，这些实施例仅用于说明本发明而不用于限制本发明的范围。此外应理解，在阅读了本发明讲授的内容之后，本领域技术人员可以对本发明作各种改动或修改，这些等价形式同样落于本申请所附权利要求书所限定的范围。

本发明的实施方式涉及一种基于机器学习的地下停车场智能引导***，包括中央控制台、停车场空位检测装置和具备语音导航和加速度传感器的电子标签，所述电子标签固定在车辆内部，所述中央控制台用于执行最优路线规划算法、动态路线调整算法和深度学习算法，以及与所述电子标签的通信；所述停车场空位检测装置用于与中央控制台进行通信并报告车位的占用情况；所述停车场空位检测装置搜集到车位的占用情况后，上传至所述中央控制台，所述中央控制台将根据进入车辆寻找最近的空车位与车辆进行绑定，并使用最优路径算法规划路线，得到路线后，命令所述电子标签进行语音导航。

所述中央控制台是具备网络连接的计算设备，主要负责算法的执行、与电子标签的通信。

所述算法的执行，包括最优路线规划算法，动态路线调整算法(调度算法)，深度学习算法，其中，所述最优路线规划算法，主要用于进入停车场车辆的空位导航，优选的，以最短路线作为首要目标。所述动态路线调整算法(调度算法)，主要用于在对多辆汽车多个入口进入时，防止汽车之间的碰撞。在路线重叠处，电子标签会在中央控制台的引导下发出语音提醒，警示车主前方有车，做好避让准备。另外，车主的行为在本质上是自由的，他可能不会按照引导来停车，当他占用已被其他车辆预定的空位时，中央控制台的调度算法就需要解决这样的问题，重新设置空位绑定。所述深度学习算法，主要用于学习停车场的空车位分布情况以及车主的停车情况，并给与恰当的停车建议，如在某天的某个时间，在某些停车场会有空位，甚至告诉车主空位的具***置信息，以提高停车效率，并便于停车场的管理。所述与电子标签的通信，主要是标签位置的同步以及中央控制台向标签发出播放语音的指令等。

所述停车场空位检测装置，需要具备网络连接，随时可以与中央控制台通信，即包括检测设备和通信设备。主要用于向中央控制台报告车位的占用情况，其中，所述检测设备，可以是依托传感器进行的测量，也可以是摄像头的图像识别，本发明中不限制设备类型和使用方法。所述通信设备，优选的，应当以可靠性作为设备选择的先决条件。为了减少设备的能量消耗，不应当让设备时刻处于运作之中，这对网络的压力也是非常巨大的。一般的，可以在设备内部添加如下触发机制：在正常的睡眠状态中，当中央控制台收到停车请求或者进行初始化时，向设备发送激活指令，使得设备进入工作状态，并报告车位信息。

所述电子标签，应当具有低功耗、可充电的特点，并具备电源模块、离线语音发声模块、加速度传感器模块和RFID模块，支持多种无线传输协议的射频模块以及可与车内电源装置相连接的接口。电子标签应当小巧美观，并固定在汽车驾驶座前部，禁止拆下。其续航能力应至少2天以上。其中，所述电源模块，具备快速充电功能，并可以直接从汽车内部电源获取电能，其工作时的最大电流应该限制在5mA以下，保证低功耗和安全。所述离线语音发声模块，具备所有可能场景下的离线语音库，并与中央控制台命令绑定，在接收到中央控制台发出的启动语音命令后，离线语音模块将快速寻找与之绑定的语音并作出语音应答。所述加速度传感器模块，优选的，推荐ADI公司的ADXL362三轴加速度传感器。该模块用于实时获取汽车在板载坐标系下的三维加速度信息。通过中央控制台可以计算出汽车的位置，并决定该如何进行下一步导航。所述无线模块，需要具备至少两种协议，协议类型取决于停车场内网络配置。协议用于向服务器传输包括加速度传感器数据在内的位置信息及控制命令，优选的，我们推荐蓝牙4.0协议和TCP/IP协议。所述RFID模块，优选的，推荐无源RFID，主要用于出入口检查和确认附近汽车将会进入停车场。

如图1所示是本发明提供的引导***的主要***框图。

本***包括：中央控制台110，直接锚节点120，车位检测设备130，电子标签140，其他停车场150，间接锚节点160。其中：

中央控制台110负责通过直接锚节点120接收车位检测设备130和电子标签140的信号以及向他们发送指令；同时，中央控制台还将通过间接锚节点160来获得其他停车场的车位信息，用于机器学习的需要。

直接锚节点120不只一个，为了实现对停车场的全面覆盖，需要安装多个节点。直接锚节点120的作用即是作为一个信号中继站，负责中央控制台110和车位检测设备130和电子标签140的信息。为了保证信息的一致性，防止在多个直接锚节点120向中央控制台110传输信息时发生碰撞，每一个直接锚节点120需要报告自身的ID信息。

车位检测设备130大部分时间处于被动检测状态，也即处于睡眠状态。只有当收到中央控制台110的命令时才会检测车位情况并报告至中央控制台110。每天，车位检测装置130会在约定的时间主动向中央控制台发送车位信息，以核对车位信息的正确性。

电子标签140在正式启用之后，大部分时间处于低功耗的睡眠状态，当其检测到停车场信号时被激活，并与中央控制台110建立通信。此后在停车场内部，电子标签140将以较高频率频繁与中央控制台110通信，报告通过加速度传感器获取的原始数据，中央控制台110快速处理该信息并得到电子标签140的位置，并继续返回导航指令。巧妙的，电子标签140还会与车主的手机进行配对。当该配对失去连接时，电子标签将转入侦听状态，当再次与车主手机建立连接时，电子标签140将会发送自己位置给车主手机，方便车主寻车，并与中央控制台110取得联系，准备驶出停车场的导航。在驶离停车场时，电子标签140会主动报告停车时间，告诉车位停车费用。

如图2所示，将用一个具体的场景来描述引导***的具体实现：

首先，所有车主都需在汽车上安装好电子标签140，并用手机与其进行一次配对。配对成功后，电子标签正式启用。(在使用电子标签的初期，机器学习还处于学习阶段，将不会立刻发挥作用。)

停车场场内布置有众多的直接锚节点，其中，在每个出入口附近的两侧，都安装了直接锚节点，同时，在停车场的中央位置，也会安装直接锚节点，保证整个停车场处于信号覆盖区。

当装有电子标签的汽车1和汽车2靠近停车场的两个出入口时，直接锚节点的广播会把电子标签将从睡眠状态唤醒，然后电子标签与直接锚节点建立通信，并由直接锚节点向中央控制台发送加速度传感器数据，中央控制台将检查停车场内空车位情况，如果空车位数量大于等于汽车数，则提示汽车可以进入停车，如果空车位小于汽车数，随机选择汽车内的标签提示可以进入，剩余汽车提示车位不足，并提供附近停车场的车位信息，同时通过间接锚节点通知附近停车场，可能有汽车前往该地。另外，电子标签还要发送汽车1和汽车2靠近的停车场的门的编号，记录门编号是为了统计各个门的车流量，为机器学习准备训练数据。当汽车1和汽车2驶入停车场时，RFID模块被激活，电子标签向中央控制台发送请求导航命令，中央控制台立刻运行最短路径规划算法，将空车位1与汽车1绑定，将空车位2与汽车2绑定，计算出路径，并返回导航命令，同时开始动态调度。电子标签接收到导航命令后，从离线语音导航库匹配响应语音，并开始语音导航，且以较高的频率与直接锚节点通信，直接锚节点将信息回传至中央控制台。对于动态调度，将会在后面以图3为例进行说明。

当汽车1和汽车2到达指定空车位后，中央控制台先通过直接锚节点要求车位检测设备检查相应空车位的情况并上报核实是否正确停车，然后通知电子标签停止导航，并发出导航完成的语音。此时，电子标签将自动与车主手机连接，当无法检测到手机信号时，电子标签进入侦听状态。到这一步，停车导航已经完成。

但是，很多时候，特别是当我们到了一个不熟悉的停车场，比如我们去一个陌生的商场购物，于是我们将汽车停在商场下面的停车场。当我们购物完成再次回到停车场时，由于陌生的地形，我们会找不到我们的汽车。如图2，寻车车主想要找到自己的车，也即图2中的被占车位。在本***中，车主只需要往中央行走，到达一定地点后，对应电子标签将会侦听到车主的手机，然后标签将通过蓝牙向手机传输汽车的位置信息，引导车主找到汽车。同时，电子标签会立即通过直接锚节点向中央控制台继续发送数据，中央控制台计算得到位置信息。

在车主上车之后，寻车导航结束，如果位置开始发生变化，则中央控制台将会通过直接锚节点发送导航命令，电子标签在接收到导航命令之后，为车主导航到最近的出入口处。当车主抵达出入口时，RFID模块将会再次被触发，电子标签将会通过直接锚节点向中央控制台发送缴费请求，中央控制台计算后返回，电子标签接收后将会告诉车主此次停车费用，并返回离开时的停车场出入口编号。同样，该编号用于中央控制台的机器学习算法的训练样本。车主缴费完成后离开停车场，当电子标签无法再检测到直接锚节点的信号时，电子标签自动进入睡眠状态。

这里特别需要声明的是，当中央控制台利用机器学习算法在学习了一段时间之后，在每一次车主离开停车场时，会通过电子标签温馨提醒车主明天的哪些时间在哪些停车场有空位的概率较大，并在下一次汽车运动后再次发出提醒。当每一次车主靠近停车场时，也会通过电子标签温馨提醒车主在哪些时间选择离开停车场会避免车流高峰。

接下来，将结合图3，给出动态调度的具体说明：

如图3所示，汽车1和汽车2分别准备从出入口A和出入口E进入停车场，且已经通过中央控制台分别与车位1和车位2进行绑定。其中，标示有◎表示空车位，其他为已占车位。很显然，汽车1和汽车2都必须经过拐点G才能到达空车位。那么，当两辆车都快到达拐点G时，如果不加引导，有碰撞的可能。此时，中央控制台将会随机的向一辆车，比如汽车2，发出碰撞警报并要求停车，等汽车1驶过之后停止警告。这样可以避免汽车在寻位过程中的碰撞，引起停车场内拥挤和混乱。

此时，按照绑定规则和导航指示，汽车1应该停在车位1的位置。但是，车主并不一定会按照导航的指示停车，从习惯上来说，车主更倾向于靠右停车，于是，汽车1违背导航指示，停在了车位2的位置。当中央控制台发现汽车1偏离导航指示时，将会通过直接锚节点向电子标签传达错误路线的语音命令，然后电子标签将会提示车主已偏离预定路线。当发现车主已经停在一个被汽车2绑定的车位上时，首先中央控制台命令设备检测装置检查空位情况并报告，核实之后，立刻解除该空位与汽车2的绑定，并将汽车1对应的空位与汽车2绑定，同时通过直接锚节点更新电子标签的导航信息，完成车位的重新绑定。

Claims (6)

1.一种基于机器学习的地下停车场智能引导***，包括中央控制台、停车场空位检测装置和具备语音导航和加速度传感器的电子标签，所述电子标签固定在车辆内部，其特征在于，所述中央控制台用于执行最优路线规划算法、动态路线调整算法和深度学习算法，以及与所述电子标签的通信；所述停车场空位检测装置用于与中央控制台进行通信并报告车位的占用情况；所述停车场空位检测装置搜集到车位的占用情况后，上传至所述中央控制台，所述中央控制台将根据进入车辆寻找最近的空车位与车辆进行绑定，并使用最优路径算法规划路线，得到路线后，命令所述电子标签进行语音导航；所述动态路线调整算法用于在对多辆汽车多个入口进入时，防止汽车之间的碰撞；在路线重叠处，所述电子标签会在中央控制台的引导下发出语音提醒，警示车主前方有车，做好避让准备；针对不按规定停车的车辆，所述动态路线调整算法将会解绑空车位和车辆，并实现重新绑定。

2.根据权利要求1所述的基于机器学习的地下停车场智能引导***，其特征在于，所述最优路线规划算法用于进入停车场车辆的空位导航，并以最短路线作为首要目标。

3.根据权利要求1所述的基于机器学习的地下停车场智能引导***，其特征在于，所述深度学习算法用于学习停车场的空车位分布情况以及车主的停车情况，并给予恰当的停车建议。

4.根据权利要求1所述的基于机器学习的地下停车场智能引导***，其特征在于，所述停车场空位检测装置包括检测设备和通信设备；所述检测设备依托传感器进行测量或采用摄像头进行图像识别；所述通信设备在正常情况下为睡眠状态，当所述中央控制台收到停车请求或者进行初始化时，向通信设备发送激活指令，使得通信设备进入工作状态，并报告车位的占用情况。

5.根据权利要求1所述的基于机器学习的地下停车场智能引导***，其特征在于，所述电子标签包括电源模块、离线语音发声模块、加速度传感器模块和RFID模块；所述电源模块用于从汽车内部电源获取电能并为电子标签提供电能；所述离线语音发声模块与所述中央控制台命令绑定，在接收到所述中央控制台发出的启动语音命令后，将快速寻找与之绑定的语音并作出语音应答；所述加速度传感器模块用于实时获取车辆在板载坐标系下的三维加速度信息，并通过所述中央控制台计算出车辆的位置；所述RFID模块用于出入口检查和确认附近车辆将会进入停车场。

6.根据权利要求1所述的基于机器学习的地下停车场智能引导***，其特征在于，在停车导航结束时，所述电子标签将会与车主移动终端连接，当连接断开时，上报所述中央控制台，提示车主离开汽车，所述电子标签自动转入侦听模式；当车主回到停车场，所述电子标签在一定范围内检测到车主移动终端时，将会重新与车主移动终端建立连接并发送车辆位置信息，引导车主找到自己的车辆。

Images