一种无人机诱导停车方法与流程

本发明涉及智能停车技术领域，尤其涉及一种无人机诱导停车方法。

背景技术：

随着人们生活水平的提高，轿车已经普及到了千家万户，日益增多的轿车也导致了车场高峰期停车难的问题，特别是在上下班和节假日停车场车位难找。就目前的停车场系统而言，停车场一般装设有电动闸杆(道闸)，并通过扫描汽车车牌等方式计算进出停车场汽车数量，进而统计出停车场剩余的车位数通过led显示屏显示，然而这种停车场系统仅仅是给出停车场剩余的车位数，车主进入停车场后往往陷入茫茫的车海寻找停车位，给车主带来很大的不便。车辆过多而无引导地寻停车位还进而导致路面交通阻塞，进一步的给车主停车和车场管理造成了很大的不便。

技术实现要素：

因此，针对上述的问题，本发明提出一种无人机诱导停车方法，解决停车场管理难、车主停车难的问题。

为实现上述目的，本发明采用了以下技术方案：一种无人机诱导停车方法，应用于停车场诱导停车，停车场出入口均设置有车牌识别设备，停车场内设置有无人机地面通信基站和无人机停靠点，无人机停靠点上设置有复数架无人机，无人机可扫描识别车辆车牌号和车辆图片，其特征在于，所述无人机诱导停车方法包括以下步骤：

步骤一，建立停车点位信息模型，所述停车点位信息模型包括停车场出入口的点位信息、停车场内各停车位的点位信息以及各所述无人机的点位信息；所述停车场出入口的点位信息包括停车场出入口经纬度坐标v(in)和停车场出入口序号in；各所述无人机的点位信息均包括无人机经纬度坐标和无人机序号；各所述停车位的点位信息包括停车位经纬度坐标和停车位序号；

步骤二，停车场内各所述停车位上均设置有车位感应设备，所述车位感应设备用于感应停车位状态为被占或空闲，所述车位感应设备采集停车位心跳数据并上报给无人机地面通信基站，所述停车位心跳数据包括停车位序号、上报停车位心跳数据创建时间、上报停车位心跳数据更新时间、停车位状态、停车位心跳数据版本号；

所述无人机地面通信基站根据车位感应设备上报的各停车位的停车位心跳数据通过数据分析计算出个时间段中各停车位的车辆驶入率p(in)、驶出率p(out)、当前时间段的空闲停车位数量、以及每日各时间段停车场内空闲停车位数量；

所述无人机向无人机地面通信基站上报无人机状况心跳数据，所述无人机状况心跳数据包括无人机序号、当前无人机的经纬度坐标、无人机被派执行诱导停车任务的车辆信息、目的地停车位的序号、无人机待命点的经纬度坐标、上报无人机状况心跳数据创建时间、上报无人机状况心跳数据更新时间、各所述无人机使用状态、无人机状况心跳数据版本号和心跳上报频率p(up)；所述无人机使用状态为空闲或派出；

步骤三，当停车场出入口的车牌识别设备识别出车辆驶入时，将该停车场出入口的经纬度坐标v(in)、停车场出入口序号in以及识别出的车辆车牌号和车辆图片数据上报至无人机地面通信基站；

所述停车场出入口的经纬度坐标v(in)＝{lat(in)，lng(in)}，其中lat(in)为停车场出入口的经度坐标，lng(in)为停车场出入口的维度坐标；

步骤四，无人机地面通信基站计算该停车场出入口与当前停车场中各空闲停车位的距离，同时判断各空闲停车位是否有其它无人机已指派诱导至该停车位，结合各停车位点驶入率p(in)、驶出率p(out)、目标停车位的经纬度坐标v(p)通过线性回归算法对当前停车场内各停车位进行匹配度s(p)计算，具体计算方法如下：

v(p)＝{lat(p)，lng(p)}，其中lat(p)为空闲停车位的经度坐标，lng(p)为空闲停车位的维度坐标；

s(p)＝w(p)+b*v(d)，所述v(d)为根据经纬度坐标v(in)和经纬度坐标v(p)计算的停车场出入口到空闲停车位的距离；

w(p)＝a*p(out)-p(in)+c*p(up)，其中a为驶出率p(out)的矫正因子，所述b为停车场出入口到空闲停车位的距离的矫正因子，所述c为心跳上报频率p(up)矫正因子；

若目标车位目标车位在无人机执行诱导停车任务过程中被占领，那么所对应的空闲停车位匹配度s(p)值就会被置位零；

步骤五，无人机地面通信基站将匹配度s(p)不为零，且匹配度s(p)值最大的空闲停车位设定为目标停车位，无人机地面通信基站智能规划无人机到目标停车位的线路，无人机地面通信基站将目标车辆的车辆车牌号、车辆图片、目标停车位和线路传输给无人机，无人机开始搜寻目标车辆并按线路诱导目标车辆到目标停车位；

步骤六，无人机每隔一段设定的时间便向无人机地面通信基站发送无人机状况心跳数据，如果在无人机诱导航行的过程中，无人机地面通信基站收到目标车位被占的停车位心跳数据，便根据无人机发来的无人机状况心跳数据内对应的实时点位进行重新匹配最佳点位和路线并传输给无人机重新诱导停车路线；

s7：无人机到达目的地后便扫描对应目标停车位上车辆的车辆车牌号和车辆图片与目标车辆的车辆车牌号和车辆图片匹配便视为本次诱导停车成功执行，否则返回执行s6；

无人机诱导停车成功执行后，自动飞回无人机停靠点。

进一步的，在执行上述步骤六时，无人机每航行一段设定的时间便对地面进行扫描目标车辆的车辆车牌号和车辆图片，如果有扫描到对应的入目标车辆便继续航行，如果没有则原地等待，原地等待期间继续根据设定的时间循环进行扫描，如果超过限定的时间都没有扫描到对应目标车辆，则异常处理视为放弃本次停车诱导，无人机结束任务并按航行原路返回无人机停靠点。

更进一步的，所述车位感应设备采用安装在停车位上的地磁感应设备。

通过采用前述技术方案，本发明的有益效果是：本无人机诱导停车方法通过对停车场内各停车位各个时间段进出车流量进行数据收集和筛选，通过对各停车位点和无人机状态数据的分析，结合线性回归算法对不同停车位进行匹配度s(p)计算，并通过控制无人机按照匹配的目标车位和路线执行诱导停车，最终实现最佳的停车诱导方案，从而解决车主停车难以及车场管理难的问题。

附图说明

图1是本发明的结构示意图。

具体实施方式

现结合附图和具体实施方式对本发明进一步说明。

参考图1，本实施例提供一种无人机诱导停车方法，应用于停车场诱导停车，停车场出入口均设置有车牌识别设备，停车场内设置有无人机地面通信基站和无人机停靠点，无人机停靠点上设置有复数架无人机，无人机可扫描识别车辆车牌号和车辆图片，所述车牌识别设备、无人机地面通信基站、无人机均为现有设备。

所述无人机诱导停车方法包括以下步骤：

步骤一，建立停车点位信息模型，所述停车点位信息模型包括停车场出入口的点位信息、停车场内各停车位的点位信息以及各所述无人机的点位信息；所述停车场出入口的点位信息包括停车场出入口经纬度坐标v(in)和停车场出入口序号in；各所述无人机的点位信息均包括无人机经纬度坐标和无人机序号；各所述停车位的点位信息包括停车位经纬度坐标和停车位序号；所述停车场出入口经纬度坐标v(in)、无人机经纬度坐标和停车位经纬度坐标均可通过gps定位装置来采集经纬度信息。

步骤二，停车场内各所述停车位上均设置有车位感应设备，本具体实施例中，优选的车位感应设备采用地磁感应，所述车位感应设备用于感应停车位状态为被占或空闲，所述车位感应设备采集停车位心跳数据并上报给无人机地面通信基站，所述停车位心跳数据包括停车位序号、上报停车位心跳数据创建时间、上报停车位心跳数据更新时间、停车位状态、停车位心跳数据版本号；

所述无人机地面通信基站根据车位感应设备上报的各停车位的停车位心跳数据通过数据分析计算出个时间段中各停车位的车辆驶入率p(in)、驶出率p(out)、当前时间段的空闲停车位数量、以及每日各时间段停车场内空闲停车位数量；

所述无人机向无人机地面通信基站上报无人机状况心跳数据，所述无人机状况心跳数据包括无人机序号、当前无人机的经纬度坐标、无人机被派执行诱导停车任务的车辆信息、目的地停车位的序号、无人机待命点的经纬度坐标、上报无人机状况心跳数据创建时间、上报无人机状况心跳数据更新时间、各所述无人机使用状态、无人机状况心跳数据版本号和心跳上报频率p(up)、无人机执行成功率和失败率；所述无人机使用状态为空闲或派出；

步骤三，当停车场出入口的车牌识别设备识别出车辆驶入时，将该停车场出入口的经纬度坐标v(in)、停车场出入口序号in以及识别出的车辆车牌号和车辆图片数据上报至无人机地面通信基站；

所述停车场出入口的经纬度坐标v(in)＝{lat(in)，lng(in)}，其中lat(in)为停车场出入口的经度坐标，lng(in)为停车场出入口的维度坐标；

步骤四，无人机地面通信基站计算该停车场出入口与当前停车场中各空闲停车位的距离，同时判断各空闲停车位是否有其它无人机已指派诱导至该停车位，结合各停车位点驶入率p(in)、驶出率p(out)、目标停车位的经纬度坐标v(p)通过线性回归算法对当前停车场内各停车位进行匹配度s(p)计算，具体计算方法如下：

v(p)＝{lat(p)，lng(p)}，其中lat(p)为空闲停车位的经度坐标，lng(p)为空闲停车位的维度坐标；

s(p)＝w(p)+b*v(d)，所述v(d)为根据经纬度坐标v(in)和经纬度坐标v(p)计算的停车场出入口到空闲停车位的距离；

w(p)＝a*p(out)-p(in)+c*p(up)，其中a为驶出率p(out)的矫正因子，所述b为停车场出入口到空闲停车位的距离的矫正因子，所述c为心跳上报频率p(up)矫正因子；驶入率p(in)和驶出率p(out)的计算是通过统计该车位历史驶入次数和驶出次数基于历史平均驶入次数和驶出次数的商值,如图1，若停车场中空闲停车位c历史驶入次数是405次,驶出次数是404次,而该车场历史平均驶入和驶出次数皆为300次,由此可得出空闲停车位c驶入率为405÷300＝1.350,驶出率为404÷300＝1.347,由于驶入驶出率相对接近,为了能够基于这两个参数获取能够匹配其车位使用情况,这里引入了修正因子a＝0.500,使用越频繁的车位更容易被占,因此对其期望值便相对较低。而p(up)心跳上报率表示的是该车位的感应设备历史上报车位信息的次数基于全车位历史平均上报车位信息的次数的商值,例如该车位历史上报信息次数为8932次,而空闲停车位c历史平均次数为8510,那么其心跳上报率即为8932÷8510＝1.050(四舍五入),由于心跳上报反映了该车位潜在易故障程度以及无人机执行任务成功率(例如无人机执行过程车位被占但是车位信息没有及时上报导致执行任务的失败),因此经过考量给予了因素c相对较大的值5.000。

w(p)＝a*p(out)-p(in)+c*p(up)＝0.500*1.347-1.350+5.000*1.050＝4.574。

若目前停车场出入口的点位距离空闲停车位c点位经计算后得出实际距离为31.394m,这里引入了修正负因子b＝-0.010,来调整最终基于实际情况得出的期望值:

s(p)＝w(p)+b*{v(in),v(p)}＝4.574-0.010*31.394＝4.260

经过同样的假设停车场出入口的点位距离空闲停车位b点位经计算后得出实际距离为42.916m，停车场出入口的点位距离空闲停车位d点位经计算后得出实际距离为53.227m,我们依次得出了空闲停车位d的期望s(p)＝0.500*1.167-1.167+5.000*1.025-0.010*53.227＝4.010。空闲停车位b的期望s(p)＝0.500*1.233-1.233+5.000*0.999-0.010*42.916＝3.948。若目标车位目标车位在无人机执行诱导停车任务过程中被占领，那么所对应的空闲停车位匹配度s(p)值就会被置位零，空闲停车位a由于被占因此无需计算直接置为零。

如此最终得出了最适匹配空闲停车位c,另需说明的是,如果最佳值恰好有相等的情况,便根据就近原则分配离待诱导点位最近的那个车位；

步骤五，无人机地面通信基站将匹配度s(p)不为零，且匹配度s(p)值最大的空闲停车位c设定为目标停车位，无人机地面通信基站智能规划无人机到目标停车位的线路，无人机地面通信基站将目标车辆的车辆车牌号、车辆图片、目标停车位和线路传输给无人机，无人机开始搜寻目标车辆并按线路诱导目标车辆到目标停车位；

步骤六，无人机每隔一段设定的时间便向无人机地面通信基站发送无人机状况心跳数据，如果在无人机诱导航行的过程中，无人机地面通信基站收到目标车位被占的停车位心跳数据，便根据无人机发来的无人机状况心跳数据内对应的实时点位进行重新匹配最佳点位和路线并传输给无人机重新诱导停车路线；

s7：无人机到达目的地后便扫描对应目标停车位上车辆的车辆车牌号和车辆图片与目标车辆的车辆车牌号和车辆图片匹配便视为本次诱导停车成功执行，否则返回执行s6；

无人机诱导停车成功执行后，自动飞回无人机停靠点。

在执行上述步骤六时，无人机每航行一段设定的时间便对地面进行扫描目标车辆的车辆车牌号和车辆图片，如果有扫描到对应的入目标车辆便继续航行，如果没有则原地等待，原地等待期间继续根据设定的时间循环进行扫描，如果超过限定的时间都没有扫描到对应目标车辆，则异常处理视为放弃本次停车诱导，无人机结束任务并按航行原路返回无人机停靠点。

尽管结合优选实施方案具体展示和介绍了本发明，但所属领域的技术人员应该明白，在不脱离所附权利要求书所限定的本发明的精神和范围内，在形式上和细节上可以对本发明做出各种变化，均为本发明的保护范围。