打开文本图片集

摘要：本项目针对现代停车场管理中反向寻车的难题，采用边缘计算技术并选择合适的嵌入式计算平台将车牌图像识别等复杂算法运行在视频监控采集设备终端，通过遗传算法对监控终端进行负载均衡，实现车牌识别的边缘化计算。同时服务器开放数据接口并提供数据库存储、寻车路径规划、以及其他管理和逻辑功能。充分利用了监控终端的计算优势，实现了了去中心化，增强系统的鲁棒性。系统采用弹性部署机制，可根据需求调整监控端设备部署密度，实现系统效益最大化。

关键字：车牌识别，边缘计算，反向寻车

1研究背景和意义

中国用三十年时间快速进入了汽车社会，但随之而来的便是道路拥堵、停车难、寻车难等问题[1]。尤其是反向寻车问题，从使用场景分析，停车主要在小区车库、商场车库、办公楼车库。对于小区车库以及办公楼车库，一般不会出现反向寻车问题[2]。对于大中型停车场，如果没有一个智能化的反向寻车系统进行引导，对商场消费的客户将会造成不好的体验。停车场管理技术在近几年不断发展，而人们主要将目光集中在了停车场的收费管理以及将当前移动支付与停车场管理相结合，却很少解决停车场取车问题。

综上所述，随着社会发展和消费升级带来的反向寻车问题亟待解决。从社会效益和经济效益方面，可以很大程度减少车主在取车时造成的时间消耗，提升停车场的车位利用率;另一方面可以减少相应停车场引导以及维护的人力成本。

2研究现状

国内对于停车场反向寻车系统主要有两种方式：利用二维码进行定位、利用车牌识别进行定位。

1.二维码定位需要在每一个车位上贴上标记，停车后需要用户记录所在车位的二维码[3]。在离开商场取车时，利用记录的二维码请求反向寻车系统生成停车场以及车位的路径图。该方式部署成本较低，但智能化程度不高。

2.借助于计算机图像识别技术，成都理工大学信息科学与技术学院的罗欢等[4]实现了基于图像识别技术的大型停车场反向寻车系统，通过在地下停车场部署摄像头网络，将摄像头数据上传主机进行识别记录，然后提供反向寻车功能。但是使用该方式的系统部署成本太高，并未在大部分停车场普及。

3研究内容

3.1主要内容

针对停车场反向寻车难的问题，利用计算机图像识别技术、嵌入式技术，实现在现代大型停车场中部署低成本、高可用性的自主反向寻车系统。利用嵌入式计算平台进行边缘计算和现代物联网技术，实现自主反向寻车系统的去中心化部署，使系统更加灵活、稳定。研究通过终端直通（Device-to-Device，D2D）技术，采用自适应算力资源平衡算法对区域下的监控终端节点进行算力平衡。通过1：N方式（一个监控节点负责N个车位）将监控节点部署至停车场关键位置，利用软件算法对车辆信息分析后获得车辆大致存在区域，极大的降低了部署成本。并且可以灵活控制部署密度，对监控精细度进行调整。

本课题设计的车库反向寻车系统主要内容包括：

1.基于D2D算力平衡算法的监控终端：车辆检测、车牌识别、算力平衡;

2.B/S架构后台及用户终端：提供网页查询服务，停车场数据管理、监控终端注册、数据存储、分发等，逻辑功能实现。

3.2监控终端

3.2.1 边缘计算模式下的延迟计算处理模型：

本系统采用的是嵌入式计算平台，相对于计算机平台，计算能力相对薄弱，会出现在大流量车辆经过的时候无法实时完成计算。鉴于本系统的特殊性，在检测到目标车辆后并不需要对车辆信息的实时识别处理，只需记录下检测时间，并将图像缓存到系统中，待系统空闲处理即可。

3.2.2 移动边缘计算下的D2D算力平衡模型：

同一停车场内会部署多个监控节点，每个监控节点都可以对采集的车辆图像进行后续信息识别提取，但是容易出现节点之间由于流量差异导致的计算负载不一致情况。本课题将采用D2D技术对同一停车场中多个监控节点的计算负载进行平衡。

每个监控终端自适应的收集自身负载信息，根据当前运行状态选择是否将负载信息（各性能指标参数）发送至负载均衡器;负载均衡器[5]基于全局信息执行任务调度。合理的负载均衡调度算法动态适应各个服务器节点的实时负载，能够保障决策的高效。各服务器节点负载信息主要通过性能参数体现，表示服务器性能指标为 ，表示第 i 个服务器节点，

其中表示 CPU 的频率，表示内存容量， 表示磁盘可用空间，表示网络带宽，其中 0≤≤1 表示各个指标被使用的权重系数。

3.3 B/S架构后台及用户终端

用户终端采用B/S架构设计，该架构可以简化系统开发流程，用户可以利用具备浏览器功能的各种设备进行反向寻车，比如手机、电脑、平板等。使用H5进行用户页面设计，可以很方便的将反向寻车系统对接到微信、支付宝、QQ等应用程序中，也可以集成到其他车库管理系统中，作为子系统运行。

后台管理系统提供用户的注册与管理、设备注册与管理、停车场绘制、日志管理等功能。监控终端一旦联网注册，则在后台管理系统中生成唯一ID。登录后台管理系统，进行停车场管理，其中需要通过新增停车场、绘制（导入）停车场、设置监控节点、设置反向寻车节点一系列步骤完成对反向寻车系统的部署[4， 6， 7]。

4 总结

本项目利用边缘计算技术，选择合适的嵌入式计算平台将复杂的图像识别等核心算法放置在监控终端运行，云服务端只提供功能逻辑处理，充分利用了监控终端的计算优势实现了一套完整的智慧停车场管理系统，实现了了去中心化，增强系统的鲁棒性;系统采用灵活部署机制，根据需求调整监控终端的部署密度，其中提出的反向寻车功能可以满足大多数停车场的应用需求。

参考文献

[1]曹永健， 钱承山， 许强， et al. 基于物联网技术的停车场定位系统设计 [J]. 电子技术应用， 2014， （06）： 42-4.

[2]李博， 何鹏举， 颜靖艺， et al. 基于物联网的停车场内停车诱导系统 [J]. 电子设计工程， 2019， 27（09）： 32-6.

[3]薄璐， 薄玮. 智能停车场收费管理系统的分析与设计 [J]. 微型电脑应用， 2014， 030（005）： 35-6.

[4]应时彦， 朱献康， 朱华， et al. 基于嵌入式Web服务器的停车场管理系统 [J]. 浙江工业大学学报， 2016， 44（4）： 383-7.

[5]JIE W， JIANGJUN Y. A high-efficient multi-deme genetic algorithm with better load-balance [J]. Int J Comput Sci Math， 2018， 9（3）： 240-6.

[6]黄训磊， 王丽静， 王兴宇， et al. 基于ARM的停车场车辆管理系统 [J]. 现代电子技术， 2014， （2）： 100-4.

[7]张月霞， 刘永超， 王加庆， et al. 基于Android和嵌入式的智能停车场设计 [J]. 计算机测量与控制， 2015， 023（008）： 2830-3.

浙江工商职业技术学院 浙江工商职业技术学院校重点科研基金项目编号：2020Z04资助