一种基于停车场信息的交通诱导系统的制作方法

本发明是属于智能交通系统(ITS)在智能停车领域中的应用，尤其是能快速诱导驾驶员进行停车。

背景技术：

相较于国外而言，我国的停车诱导系统技术起步较迟，技术尚不成熟，应用面不广，还处于初步发展阶段。但对于国内的状况而言，汽车的保有量及增长量逐年攀升，且增长率一年比一年高。对于停车位的需求远远高于目前停车位的存量及增量，而且停车位的利用率较低，因此，对于加快停车诱导系统的发展，更是迫在眉睫。现阶段，绝大多数停车诱导系统主要存在以下问题：

(1)缺少整体规范以及各个子系统的规范体系。比如停车场的联网方式、停车场信息采集方式、停车场的数据发送方式，以及如何将采集的信息以统一的数据格式上传至数据管理平台。

(2)停车场信息发布方式比较单一，主要体现在显示屏单一、发布信息单一两个方面。显示屏只能采用VMS屏，而发布信息也仅仅局限于停车场实时空余车位信息。

(3)当前停车诱导系统也能为驾驶者提供的路径诱导，但主要是静态路径诱导。所发布的信息缺少对交通情况变化的预测能力，容易造成消息滞后与局部拥堵现象。

(4)目前空车位采集仅考虑停车场，涉及到停车场数量以及停车场周边交通情况的很少，没有将现有的停车资源充分整合缺乏引导车辆及时利用周边范围内，其他具备空闲泊位的停车设施的协调办法。

目前虽然市场上有部分停车诱导系统，但都是存在这样或那样的问题，无法真正达到智能诱导，缓解交通压力的目的。

技术实现要素：

本发明技术解决问题：克服现有技术的不足，提供一种基于停车场信息的交通诱导系统，真正充分利用停车场实时信息进行交通诱导，具有信息发布多元化，标准规范化，信息整合化，数据刷新高频化的优点，是针对现有问题的解决。

本发明技术解决方案：一种基于停车场信息的交通诱导系统，包括停车场信息采集系统、云数据管理平台和信息发布系统；

停车场信息采集系统，实时获取停车场车位数，空余数，停车场位置信息，并将采集的信息以统一的数据格式通过Internet上传到数据管理平台；

云数据管理平台，对各个停车场数据信息进行汇总分析、数据挖掘、模型预测等操作，将处理结果通过Wifi或ZigBee等方式发送给信息发布系统；

信息发布系统，将停车场数据发送到LED诱导屏，移动终端和网络终端上，供驾驶员选择最合适的停车位置，然后引导驾驶员最快到达停车区域。

所述停车场信息采集系统中的停车场为三类停车场，即已经建设了管理系统的停车场，未建设管理系统的停车场，咪表停车场；

(1)已有管理系统的停车场：在管理系统后台服务上安装接口软件，从停车场管理系统中获取空余车位等信息，通过无线或有线网络定时发送到数据管理平台；

(2)未建管理系统的停车场：在停车场的出入口安装智能摄像机或地感应线圈，实时监测进出停车场的车辆，从而计算出停车场当前的空余车位数，并通过无线或有线网络将停车场信息上传到数据管理平台；

(3)咪表停车场：采取国际通行的“咪表”计时刷卡收费的方式，提示车主在占用道路停放车辆时，应有时间观念和缴费意识，以减少机动车对道路的占用时间和空间，提高道路的通行功能。

所云数据管理平台包括数据交换、信息存储、综合处理功能；实现VIGPS与其他外围系统的相互通信，采集、处理及存储各个停车场的实时数据，形成停车场的基础数据库、停车场业务数据库和停车场车位数据库，实现信息共享与交换，为停车场诱导与管理系统深化应用提供支持；

同时，云数据管理平台还深入分析收集到的数据，对获取的大量数据进行统计分析，深度挖掘，以得到更优的结论，通过收集的数据,为出行市民提供停车场的管理、查询、预订多项应用；整合分析停车场数据，以提供更好的交通解决方案和最优的决策支持。

所述云数据管理平台包括统计分析模块、数据挖掘模块、模型预测模块和相关数据库；

统计分析模块：对停车场实时信息进行定性、定量分析，可以获得各个停车场在每个时段的平均车流量，停车高峰期时间段，引导建议等相关信息，可以得到全部各个停车场信息数据对比图，由此可为数据挖掘模块做准备。

数据挖掘模块：以统计分析模块的结论为基础，建立了时间-车流量关系模型，停车场-车流量关系模型，得到试验地区的针对性模型结论以及如何进行引导交通流的建议。数据挖掘的结论作为模型预测模块的依据。

模型预测模块：由于影响停车的因素是多方面的，很多因素的变化都是不可预知的、难易量化的，比如突发车祸造成堵车等因素，所以以数据挖掘模块的结论为依据，建立相应的预测模型，对试验地区进行针对性短时预测。根据不同用户的需求和相应的预测结论，进行针对性诱导，引导用户快速停车，达到交通诱导的目的。

相关数据库：为整个交通诱导系统提供数据存储，除了存储每个停车场的实时信息，还要存储统计分析模块、数据挖掘模块、模型预测模块的结论性数据。各个模块的运行都需要进行数据调用，数据库必须要及时、准确的提供相应的数据。因此，建立高效的数据库可以提高整个系统的运行效率。

所述信息发布系统将停车场实时数据发送到LED诱导屏，移动终端和网络终端上，提供多种方式供驾驶员选择；

多级LED诱导屏：城市高速出入口区域形成一级诱导，城市快速干道周边形成二级诱导，停车场出入口及附近交叉路口的车位信息形成三级诱导；

移动终端：市民可安装VIGPS的App，信息发布系统也会在移动端发布信息，市民可根据App进行选择合适的停车场，并进行路线导航；

网络终端：信息发布系统同时会将信息发布到网络上，市民也可在网络终端上查询相应的停车场信息。

本发明与现有技术相比的优点在于：

(1)多元化：信息发布方式多元化，驾驶员可通过诱导屏，移动终端，网络终端等多种方式获取信息。多级LED诱导屏遍布各个交通要道，信息发布广泛，移动终端、网络终端多元获取实时信息。

(2)规范化：本发明针对停车场规范混乱的问题，对接入停车场的各个方面进行规范化，联网方式，信息采集，数据发送等方式进行统一化。参考多套国际标准，取长补短，制定了一套自己的标准规范。

(3)整合化：VIGPS实时获取所有接入的停车场信息，采用数据挖掘、模型预测等方法，对现有资源进行充分整合，发布最新信息供驾驶员选择。

(4)高频化：静态路径诱导采用多级LED诱导屏进行诱导，动态路径诱导根据数据实时反馈，高频动态更新信息，移动终端和网络终端的数据也会高频更新，尤其体现在导航路线的动态改变上，让驾驶员以最优路线到达目的地。

附图说明

图1是本发明系统的组成框图；

图2为本发明中停车场信息采集系统组成框图；

图3为发明云数据管理平台组成框图

图4为本发明信息发布系统组成框图。

图5为本发明方法的实现流程图；

图6为本发明中的云数据管理平台网络分层设计图。

具体实施方式

如图1所示，本发明包括停车场信息采集系统、云数据管理平台和信息发布系统。停车场信息采集系统，可根据设计方案进行安装，安装完毕后可采集信息上传到云数据管理平台。云数据管理平台对数据进行统计分析，数据挖掘、模型预测等操作，将处理后的结果发送到信息发布系统。信息发布系统实时发布信息到多个信息载体上，驾驶员可根据情况选择合适的信息获取方式，选择后即可进行交通诱导。

如图2所示，停车场信息采集系统，主要目的是获取停车场车位数、空余数、停车场位置等信息。通过建设信息采集系统，可实现三类停车场(已经建设了管理系统的停车场，未建设管理系统的停车场，咪表停车场)的车位数以及实时的停车位的信息采集。

具体内容如下：

(1)已有管理系统的停车场：在管理系统后台服务上安装接口软件，从停车场管理系统中获取空余车位等信息，通过无线或有线网络定时发送到数据管理平台。

(2)未建管理系统的停车场：在停车场的出入口安装智能摄像机或地感应线圈，实时监测进出停车场的车辆，从而计算出停车场当前的空余车位数，并通过无线或有线网络将停车场信息上传到数据管理平台。

(3)咪表停车场：采取国际通行的“咪表”计时刷卡收费的方式，提示车主在占用道路停放车辆时，应有时间观念和缴费意识，以减少机动车对道路的占用时间和空间，提高道路的通行功能。

建设信息采集系统有助于规范停车场的系统以及各个子系统，并将采集的信息以统一的数据格式上传至数据管理平台。

如图3所示，云数据管理平台作为本发明的信息枢纽，主要包括数据交换、信息存储、综合处理等功能。实现VIGPS与其他外围系统的相互通信，采集、处理及存储各个停车场的实时数据，形成停车场的基础数据库、停车场业务数据库和停车场车位数据库，实现信息共享与交换，为停车场诱导与管理系统深化应用提供支持。

云数据管理平台分层设计如图6所示：根据功能模块划分，统计分析模块、数据挖掘模块、模型预测模块、相关数据库模块。

统计分析模块：利用分布式数据库或分布式计算集群，对存储其中的各个停车场数据信息进行详细分析和分类汇总，分析方法采用对比分析、速度分析、弹性分析、模型分析，以满足大数据量的分析需求；获得各个停车场在每个时段的平均车流量，停车高峰期时间段，引导建议，对比图等相关信息。

数据挖掘模块：以统计分析模块的结论为基础，在现有数据上进行基于各种算法的计算，从而起到预测的效果，算法包括用于聚类的Kmeans、用于统计学习的SVM和用于分类的NaiveBayes，以实现高级别数据分析的需求，使用的额工具有Hadoop的Mahout；对数据挖掘以单线程为主，优先使用Kmeans方法；建立了时间-车流量关系模型，停车场-车流量关系模型，得到试验地区的针对性模型结论以及如何进行引导交通流的建议。数据挖掘的结论作为模型预测模块的依据。

模型预测模块：首先进行定性预测和定量预测，定性预测采用的是类推预测法和德尔菲法，定量预测采用了回归分析法、弹性系数法、指数平滑法等多种方法，然后将预测结论加入预测模型中，通过预测模型得到最终的预测结论。预测模型的建立采用双层K-近邻短时预测算法。最后根据不同用户的需求和相应的预测结论，进行针对性诱导，引导用户快速停车，达到交通诱导的目的。针对试验地区：以5分钟为周期的预测，在实诚快速路准确率到达90％以上，主干路到达80％以上，能够满足交通诱导的实时、动态需求。

相关数据库：存储每个停车场的实时信息、统计分析模块、数据挖掘模块、模型预测模块的结论性数据，为整个VIGPS提供数据支撑。各个模块的运行都需要进行数据调用，数据库必须要及时、准确的提供相应的数据。经测试：数据库的平均插入速率：MongoDB不指定_id插入>MySQL不指定主键插入>MySQL指定主键插入>MongoDB指定_id插入。MongoDB在指定_id与不指定_id插入时速度相差很大，而MySQL的差别却小很多，MongoDB在启动后会将数据库中的数据以文件映射的方式加载到内存中。如果内存资源相当丰富的话，这将极大地提高数据库的查询速度。经测试：针对本系统，MongoDB数据库比MySQL数据库效率高7％到13％。

如图4所示，信息发布系统将停车场实时数据发送到LED诱导屏，移动终端和网络终端上，提供多种方式供驾驶员选择。

(1)多级LED诱导屏：城市高速出入口区域形成一级诱导，城市快速干道周边形成二级诱导，停车场出入口及附近交叉路口的车位信息形成三级诱导。

(2)移动终端：市民可安装VIGPS的App，信息发布系统也会在移动端发布信息，市民可根据App进行选择合适的停车场，并进行路线导航。

(3)网络终端：信息发布系统同时会将信息发布到网络上，市民也可在网络终端上查询相应的停车场信息。

如图5所示，本发明实施流程图如下：

当驾驶员需要进行诱导停车时，首先可以打开App查找附近的停车场，同时停车场信息会实时刷新。驾驶员选择停车场后，可以使用App的导航功能直接到达目的地，当然，导航路线也是根据后台数据动态变化的，这样可以减少驾驶员的消耗时间。

如果驾驶员没带手机或者手机坏了，也可以根据笔记本或者LED诱导屏选择路线。网络终端和诱导屏发布的也是实时信息。

提供以上实施例仅仅是为了描述本发明的目的，而并非要限制本发明的范围。本发明的范围由所附权利要求限定。不脱离本发明的精神和原理而做出的各种等同替换和修改，均应涵盖在本发明的范围之内。