基于WiFi的智能停車場(chǎng)系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)

武漢紡織大學(xué)經(jīng)濟(jì)學(xué)院 周昌龍

基于WiFi的智能停車場(chǎng)系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)

武漢紡織大學(xué)經(jīng)濟(jì)學(xué)院 周昌龍

隨著車輛的飛速增長，停車難的問題越來越突出，提高停車效率和停車場(chǎng)的利用率是發(fā)展的必然趨勢(shì)。論文設(shè)計(jì)并實(shí)現(xiàn)一種基于WiFi的智能停車場(chǎng)系統(tǒng)，它是一種基于WiFi定位技術(shù)的指紋識(shí)別系統(tǒng)，采用分枝定界法的快速近鄰算法，減少了計(jì)算量，并且開發(fā)了一套手機(jī)終端應(yīng)用軟件和服務(wù)器端軟件。該系統(tǒng)可以實(shí)時(shí)顯示停車場(chǎng)車位信息，停車場(chǎng)內(nèi)停車導(dǎo)航和尋車導(dǎo)航等功能。既可以節(jié)省車主的時(shí)間，提高停車場(chǎng)的利用率，同時(shí)也可以使停車場(chǎng)內(nèi)部的交通流更加有序和通暢，從而加速停車場(chǎng)的運(yùn)轉(zhuǎn)和提高整個(gè)停車場(chǎng)的效率。

智能停車場(chǎng)系統(tǒng)；WiFi定位；快速近鄰算法；停車導(dǎo)航；尋車導(dǎo)航

0 引言

隨著經(jīng)濟(jì)的發(fā)展，生活質(zhì)量的提高，城市中的汽車越來越多，導(dǎo)致許多城市出現(xiàn)了停車難和亂停車的現(xiàn)象。公安部日前公布,去年底全國機(jī)動(dòng)車保有量已達(dá)24億輛，車輛的飛速增加給城市的公共管理帶來壓力與挑戰(zhàn)，城市停車服務(wù)已經(jīng)嚴(yán)重考驗(yàn)一個(gè)城市的公共服務(wù)能力。面對(duì)汽車時(shí)代的來臨，尋找停車場(chǎng)和停車位的困難，進(jìn)出停車場(chǎng)的麻煩和停車位供應(yīng)不足的問題將越來越突出。智能停車場(chǎng)系統(tǒng)是必然的發(fā)展趨勢(shì)，對(duì)智能停車場(chǎng)系統(tǒng)進(jìn)行研究和提出設(shè)計(jì)方案是非常有意義的。

本文提出一種停車場(chǎng)實(shí)時(shí)定位的技術(shù)。目前大部分的停車場(chǎng)都是地下停車場(chǎng)，傳統(tǒng)的GPS（Global Positioning System）能很好的解決室外定位的問題，但是在室內(nèi)衛(wèi)星信號(hào)容易受到各種障礙物的遮擋。目前室內(nèi)定位技術(shù)主要有射頻識(shí)別（Radio Frequency Identification, RFID）[1]、 Zigbee[2]、 超聲波（Ultrasonic）[3]、超寬帶（Ultra Wide Band, UWB）[4]、藍(lán)牙（Bluetooth）[5]和WiFi。基于WiFi的室內(nèi)定位相比其他定位技術(shù)，成本低，易于部署，且應(yīng)用廣泛，具有很大應(yīng)用空間。在目前的基于WiFi的室內(nèi)定位系統(tǒng)中，絕大多數(shù)都是基于RSS（Received Signal Strength），其方法主要分為三角定位算法[6]和指紋識(shí)別算法[7]。三角定位算法只要是基于信號(hào)傳播的衰減模型來定位，但是室內(nèi)的環(huán)境比較復(fù)雜，信號(hào)在室內(nèi)傳播過程中容易受到非視距傳播，多徑傳播和陰影效應(yīng)的干擾，很難獲得準(zhǔn)確的衰減模型，并且不同的環(huán)境衰減模型不同。指紋識(shí)別算法是一種基于指紋數(shù)據(jù)庫的匹配定位算法。通過建立定位區(qū)域信號(hào)強(qiáng)度的指紋數(shù)據(jù)庫，然后再與實(shí)時(shí)采集的信號(hào)強(qiáng)度進(jìn)行匹配來達(dá)到位置估計(jì)的目的。在實(shí)際的測(cè)試中，指紋識(shí)別算法相對(duì)于三角定位算法，具有較高的定位精度。

因此，我們提出了一種基于WIFI的智能停車場(chǎng)系統(tǒng)，并且提出了采用分枝定界的快速緊鄰算法應(yīng)用于WiFi定位技術(shù)中，該系統(tǒng)可以實(shí)時(shí)顯示停車場(chǎng)車位信息，停車場(chǎng)內(nèi)車位導(dǎo)航和尋車導(dǎo)航等功能。既可以節(jié)省車主的時(shí)間，提高停車場(chǎng)的利用率。同時(shí)也可以使停車場(chǎng)內(nèi)部的交通流更加有序和通暢，從而加速停車場(chǎng)的運(yùn)轉(zhuǎn)和提高整個(gè)停車場(chǎng)的效率。

1 系統(tǒng)設(shè)計(jì)

基于WIFI的智能停車系統(tǒng)主要通過手機(jī)客戶端和后臺(tái)服務(wù)進(jìn)行交互實(shí)現(xiàn)相應(yīng)的功能。主要分為：手機(jī)客戶端，數(shù)據(jù)庫服務(wù)器，定位服務(wù)器和車位顯示模塊。手機(jī)客戶端主要作用是采集實(shí)時(shí)WiFi信號(hào)強(qiáng)度、發(fā)送相應(yīng)的定位請(qǐng)求和將服務(wù)器反饋回來的信息反映到地圖上；數(shù)據(jù)庫服務(wù)器對(duì)系統(tǒng)數(shù)據(jù)進(jìn)行管理和監(jiān)控，數(shù)據(jù)包括：路由器設(shè)備信息、指紋地圖、車位信息和地圖信息；定位服務(wù)器主要是用來接收客戶端請(qǐng)求并進(jìn)行定位計(jì)算和導(dǎo)航計(jì)算，并將結(jié)果推送給手機(jī)客戶端；車位顯示模塊通過超聲波車位檢測(cè)模塊將車位信息反饋到數(shù)據(jù)庫服務(wù)器，并顯示在LED顯示屏上。系統(tǒng)實(shí)現(xiàn)的停車導(dǎo)航和尋車導(dǎo)航的功能，通過手機(jī)客戶端獲取到信號(hào)強(qiáng)度和設(shè)備MAC地址，并將這些信息作為請(qǐng)求信息發(fā)送給定位服務(wù)器，定位服務(wù)器通過定位算法計(jì)算當(dāng)前位置并根據(jù)請(qǐng)求類型讀取數(shù)據(jù)庫信息查找出合適的導(dǎo)航路線，將路線結(jié)果返回給客戶端。整個(gè)系統(tǒng)所用的數(shù)據(jù)通過車位顯示模塊和數(shù)據(jù)庫服務(wù)器獲取。

2 定位原理及算法設(shè)計(jì)

2.1 定位原理

隨著國內(nèi)外大城市的WiFi熱點(diǎn)部署不斷增加，利用WiFi信號(hào)進(jìn)行室內(nèi)定位變得更具有可操作性。因而在定位信號(hào)的選擇中，可采用WiFi信號(hào)強(qiáng)度作為位置定位的基礎(chǔ)。在理論上，無線信號(hào)在自由空間內(nèi)傳播距離后，接受信號(hào)強(qiáng)度可表示如下式：

式中：Pr為接受點(diǎn)的的信號(hào)強(qiáng)度；P0為接受點(diǎn)的參考距離；n為路徑損耗指數(shù)，由環(huán)境因素決定；Xσ是服從高斯正太分布的隨機(jī)數(shù)。

由于信號(hào)傳播中的干擾因素，無線信號(hào)傳播衰減模型很難的表征距離和信號(hào)強(qiáng)度間的映射關(guān)系，而基于指紋識(shí)別的定位算法在復(fù)雜的環(huán)境中的定位精度一般高于基于衰減模型的定位算法，所以本系統(tǒng)采用指紋識(shí)別算法。

2.2 定位算法

2.2.1 離線訓(xùn)練階段

在離線訓(xùn)練階段主要是采集定位停車場(chǎng)中的參考點(diǎn)的信號(hào)強(qiáng)度。由于移動(dòng)終端在不同方向接收同樣的信號(hào)強(qiáng)度是有差異的，所以本系統(tǒng)根據(jù)停車場(chǎng)的行車方向，在每一個(gè)參考點(diǎn)采集兩個(gè)不同方向的指紋信息。指紋地圖。

2.2.2 在線定位階段

在線定位階段只要是把實(shí)時(shí)采集到的信號(hào)強(qiáng)度與指紋地圖中的數(shù)據(jù)進(jìn)行匹配得到定位位置估計(jì)。首先將實(shí)時(shí)采集到的信號(hào)強(qiáng)度與樣本子集的均值進(jìn)行對(duì)比得到最小差值的樣本集，然后再對(duì)樣本集中的數(shù)據(jù)對(duì)應(yīng)的坐標(biāo)取平均值來得到位置估計(jì)。

2.3 快速最近鄰算法

算法可以分為兩個(gè)階段：第一個(gè)階段是將指紋數(shù)據(jù)庫分級(jí)分解，形成樹結(jié)構(gòu)。第二個(gè)階段用搜索算法找出實(shí)時(shí)測(cè)量信號(hào)強(qiáng)度的最近鄰。

第一階段：指紋數(shù)據(jù)庫的分解。

首先將指紋地圖分為m個(gè)子集，每個(gè)子集再分成m個(gè)子集。這樣依次下去就可以得到一個(gè)樹結(jié)構(gòu)，每個(gè)節(jié)點(diǎn)都對(duì)應(yīng)一群指紋數(shù)據(jù)，用p來表示這樣一個(gè)節(jié)點(diǎn)，其他的參數(shù)表達(dá)含義如下所示：

Np：中的指紋個(gè)數(shù)；

Mp：指紋子集的指紋RSS均值；

D(r(o),Mp)：表示r(o),Mp之間的差值；

r(o)：表示實(shí)時(shí)測(cè)量的信號(hào)強(qiáng)度值；

Mp：表示中的樣本均值；

rp：表示Mp到的最大差值。

第一階段: 搜索階段。

在搜索階段中需要使用以下兩個(gè)規(guī)則來檢驗(yàn)未知點(diǎn)是否在中。

為了減少計(jì)算量，避免對(duì)最終節(jié)點(diǎn)中所有的指紋樣本Xi計(jì)算D(X,Xi)距離，所以引出規(guī)則2。

3 系統(tǒng)試驗(yàn)測(cè)試

3.1 試驗(yàn)平臺(tái)的搭建

為了驗(yàn)證提出的基于WiFi的智能停車場(chǎng)系統(tǒng)，在武漢紡織大學(xué)陽光校區(qū)3棟教學(xué)樓地下停車場(chǎng)搭建了實(shí)驗(yàn)環(huán)境。在停車場(chǎng)內(nèi)我們部署了5個(gè)TP-LINK TL-MR10U的無線路由器來搭建WiFi環(huán)境，并且選取了28個(gè)參考點(diǎn)進(jìn)行了定位導(dǎo)航實(shí)驗(yàn)。數(shù)據(jù)庫管理服務(wù)器和計(jì)算服務(wù)器我們采用了2臺(tái)DELL OPTIPLEX 990臺(tái)式機(jī)，在定位過程中我們使用安裝有我們開發(fā)的手機(jī)應(yīng)用的三星GALAXY SIII手機(jī)作為移動(dòng)終端。

3.2 手機(jī)客戶端軟件實(shí)現(xiàn)

手機(jī)客戶端的Android開發(fā)平臺(tái)是JDK1.6.0_43和Android SDK 4.4，編程工具采用Eclipse 4.2.0，測(cè)試手機(jī)為三星GALAXY SIII。停車導(dǎo)航和尋車導(dǎo)航通過請(qǐng)求將當(dāng)前定位信息發(fā)送給后臺(tái)定位服務(wù)器，服務(wù)器讀取數(shù)據(jù)庫信息尋找最優(yōu)路徑。最后通過退出按鈕，關(guān)閉客戶端，暫時(shí)離開停車場(chǎng)，停車位置信息仍然會(huì)保留在數(shù)據(jù)庫中。實(shí)物圖如圖 1所示：

圖1 停車導(dǎo)航和尋車導(dǎo)航移動(dòng)終端APP界面

4 結(jié)論

本文設(shè)計(jì)并實(shí)現(xiàn)了一種基于WiFi的智能停車場(chǎng)系統(tǒng)，提出了采用分枝定界法的近鄰快速算法應(yīng)用于定位中，在一定程度上減少了定位的計(jì)算量。并開發(fā)了移動(dòng)客戶端軟件和服務(wù)器端后臺(tái)管理界面。在試驗(yàn)中，該系統(tǒng)可以實(shí)時(shí)顯示停車場(chǎng)車位信息，停車場(chǎng)內(nèi)車位導(dǎo)航和尋車導(dǎo)航等功能，是一種集成移動(dòng)終端和網(wǎng)絡(luò)服務(wù)器交互的高智能實(shí)時(shí)查詢和導(dǎo)航系統(tǒng)，具有極大的市場(chǎng)價(jià)值和應(yīng)用前景。

[1]HOLM S.Hybrid ultrasound-RFID indoor positioning: Combining the best of both worlds[C]//RFID,2009 IEEE International Conference on.IEEE,2009:155-162.

[2]HU X,CHENG L,ZHANG G.A Zigbee-based localization algorithm for indoor environments[C]//Computer Science and Network Technology(ICCSNT),2011 International Conference on.IEEE,2011,3:1776-1781.

[3]HAZAS M,HOPPER A.Broadband ultrasonic location systems for improved indoor positioning[J].Mobile Computing, IEEE Transactions on,2006,5(5):536-547.

[4]DE ANGELIS A,DWIVEDI S,HANDEL P.Characterization of a flexible UWB sensor for indoor localization[J].2013.

[5]張浩,趙千川.藍(lán)牙手機(jī)室內(nèi)定位系統(tǒng)[J].計(jì)算機(jī)應(yīng)用,2011,31(11): 3152-3156.

[6]HE J,LI S,PAHLAVAN K,et al.A realtime testbed for performance evaluation of indoor TOA location system[C]//Communications (ICC), 2012 IEEE International Conference on.IEEE,2012:482-486.

[7]TIAN Z,TANG X,ZHOU M,et al.Fingerprint indoor positioning algorithm based on affinity propagation clustering[J].EURASIP Journal on Wireless Communications and Networking,2013,2013(1):1-8.

圖3 實(shí)驗(yàn)結(jié)果

5.結(jié)論

本文借助于空間填充曲線的研究成果，提出了大數(shù)據(jù)背景下針對(duì)海量移動(dòng)目標(biāo)軌跡的熱點(diǎn)區(qū)域挖掘算法。該算法采用Z曲線把二維軌跡數(shù)據(jù)降至一維，有效規(guī)避了二維空間數(shù)據(jù)的復(fù)雜計(jì)算，且通過修改逼近次數(shù)可靈活改變網(wǎng)格的大小以適應(yīng)不同移動(dòng)目標(biāo)軌跡的特點(diǎn)。在此基礎(chǔ)上，通過更深入的研究可擴(kuò)展大數(shù)據(jù)技術(shù)在對(duì)移動(dòng)目標(biāo)軌跡聚類、伴隨模式挖掘、分類等方面的應(yīng)用。

參考文獻(xiàn)

[1]Lee J G,Han J,Li X.Trajectory Outlier Detection:A Partitionand-Detect Framework[J].2008:140-149.

[2]Jeung H,Yiu M L,Zhou X,et al.Discovery of Convoys in Trajectory Databases[J].Computer Science,2010,1(1):1068-1080.

[3]Yang Y,Cui Z,Wu J,et al.Trajectory analysis using spectral clustering and sequene pattern mining[J].Journal of Computational Information Systems,2012,8(6):2637-2645.

[4]Giannotti F,Nanni M,Pinelli F,et al.Trajectory pattern mining[C]//ACM SIGKDD International Conference on Knowledge Discovery and Data Mining.ACM,2007:330-339.

[5]Qu Z,Dorsey J F,Dawson D M.Model reference robust control of a class of SISO systems[J].IEEE Transactions on Automatic Control,1994,39(11):2219-2234.

[6]H.Ambrose,Z.Qu.Model reference robust control for MIMO systems[J].International Journal of Control,1997,68(3):345-349 vol.1.

[7]Mokbel M F,Aref W G,Kamel I.Analysis of Multi-Dimensional Space-Filling Curves[J].GeoInformatica,2003,7(3):179-209.

[8]Moon B,Jagadish H V,Faloutsos C,et al.Analysis of the Clustering Properties of the Hilbert Space-Filling Curve[J].IEEE Transactions on Knowledge & Data Engineering,2001,13(1):124-141.

[9]Mokbel M F,Aref W G.Irregularity in Multi-Dimensional Space-Filling Curves with Applications in Multimedia Databases[C]// ACM CIKM International Conference on Information and Knowledge Management,Atlanta,Georgia,Usa,November.2001:512-519.

[10]劉胤田,唐常杰,曾濤,等.基于空間填充曲線的數(shù)據(jù)分發(fā)區(qū)域匹配[J].系統(tǒng)仿真學(xué)報(bào),2007,19(4):780-783.

作者簡介：

張魯斌（1985—），山東曲阜人，碩士，工程師，主要研究方向：網(wǎng)電空間測(cè)控。

周昌龍（1990—），男，湖北漢川人，碩士，現(xiàn)就職于武漢紡織大學(xué)經(jīng)濟(jì)學(xué)院。