智能停车导航系统构建的必要性及可行性分析

李广宇，李益乐，张文亮，韩丽君，李翠霞



智能停车导航系统构建的必要性及可行性分析

李广宇，李益乐，张文亮，韩丽君，李翠霞

（郑州大学 软件与应用科技学院，河南 郑州 450002）

在大量的实地数据采集的基础上，针对现有停车场的停车位紧缺，停车难，停车区域划分不合理，乱停乱放现象严重等各类问题，通过构建数学模型，来准确地分析相关重要参数及造成上述问题的原因，再基于这些问题的根源，针对性地设计一个规范化，合理化的智能停车导航系统，从而避免人们在停车问题上浪费大量时间，并改善人们的停车体验。

智能停车；停车数据；数学建模；导航系统；数据分析

0 引言

停车难一直以来都是一个难题，我们通过对郑州大学北校区周围，两个区域内的11个停车场进行实地调查，获得了大量的数据，基于这些数据，我们做出了以下的分析与论证，企图做出一个智能停车导航系统以减少人们停车所耗费的时间，并改良人们的停车体验。

对各个类型停车区域类型进行编号：

1. 学院停车场

2. 私营停车场

3. 路边停车场

4. 家属院停车场

5. 零散停车位

1 数学建模

1.1 参数解释：

①停车总时长：寻位时长+动作完成时长

②寻位时长：从进门-找到停车位

③动作完成时长：到达停车位-停好

④每条路径（或每个节点）的选择概率Pi

⑤ Bi停车场内各个停车子区域

⑥驾驶员的操作水平（记为ability）

⑦ Ps（车辆完成停车动作的概率）

⑧ Pi（B类子节点的选择概率）

1.2 基础分析

基于数据，迫切需要找到一种合适的模型来帮助我们计算和分析现有数据。在许多实际问题中，遇到的随机变量受到为数众多的相互独立随机因素的影响，而每一个别因素的影响都是微小的，且这些影响是可以叠加的。具有上述特点的随机变量一般都可以认为具有以函数[1]：

当=时，取到最大值

在所调查的各个停车场中，根据车流方向的不同，我们获得了直接导向型停车场和时针导向型停车场两种模型，并企图分别抽象出T与各种影响因素直接的关系，显然，无论哪种模型下，每条路径（或每个节点）的选择概率Pi起到了决定因素。基本上，停车场内，都会划分不同的停车区域，在此，我们以Bi进行表示，停车场入口处，以A进行表示。且，车辆进入停车场后，其速度v基本保持一个较低的水平，故而我们认为车辆匀速前进[10]。

1.2.1 直接导向型

图1 停车场模型图1

驾驶员的操作水平（记为ability）该值越高，Ps越高（车辆完成停车动作的概率）

进入停车场的时间段（记为t）随着进入停车场时间的推迟，该车辆完成停车动作的概率Ps将会降低

则，T的表达式显而易见：

1.2.2 时针导向型

基于大量的数据和分析，我们发现Ps、时间、驾驶员的操作水平ability、各个B类子节点在某种程度上符合正态分布，但又有些许的误差，我们不妨称之为“类正态分布”。

1.3 图像

1.3.1 相等

1.3.2m相等

此时，一定有读者质疑，我们的分析过程中，最重要的参数是各类时间，确定的重要参数是P（选择概率），刚才分析的一大堆，看似无意义。其实，以实际中的情形做参考，完成停车动作的概率P，一定是与P有联系的，并且成正相关。请试想，成功的概率越大，我选择它的概率会小吗？我们不妨以常数作为P与P相互联系的媒介，得到下列式子：

（n为停车场中子停车区域的个数） （8）

那么，我们可以很容易地得到时针导向型停车场的一组停车总时长（）的表达式：

需要特别指出的是，在两种停车场模型下，我们依据实际意义，只采用标准型正态分布的m值的右半部分，这也是我们为什么称其为“类正态分布”。如图5所示。

故而的范围需要做出变动：

2 模型的验证分析

在第二部分的建模中，我们成功地拟合出了“时针导向型”停车场的数学模型，即上述提到的“类正态分布”，不过，这仍然只是我们的理论分析罢了，支撑该模型的数据不够多，只能称之为“有理”，在这一部分的分析中，我们将拿出大量的数据，试图支撑起我们的分析。

2.1 数据收集分析

经过调研组的详细探讨，得到了下列需要做出数据采集的各项指标[4]：

①停车总时长：寻位时长+动作完成时长

②寻位时长：从进门-找到可停车区域（B类子节点）

③动作完成时长：到达可停车区域-停好

④时间区间（我们拟定为8点-22点）

⑤ 8点起过B1的车辆n（即进入软院的总车辆）

⑦ 8点起过B2的车辆n-(a1+b1)

以此类推，得出所有B类子节点的数据。

其中，不难得到一组选择概率的计算公式：

需要特别注意的是，当=1时，1即为，即进入该时针导向型停车场的总驾驶员人数，即在该时间区间内，进入该停车场的总车辆数。

①=1

2.2 数据处理

我们得到两列经过处理过的数据，第一列的值，是时间点，即图像中的值。

第二列的值，是根据前面给出的选择概率的计算公式组，得出的对应的概率值，即值。需要做出一点解释，我们的时间用十进制表示。

图6 散点图

为了方便后续的描述，我们只截取了部分图像，虽然只是部分，但足够使用。

从图中我们可以清晰地看到，所有的数据点都较为均匀地落在三个区域中，并且基本上分别分布在10点、15点、20点附近。

我们用线将主要的点连接起来得到下图：

图7 画出散点图的趋势线

我们发现，这幅图像与我们在第二部分建模所得的“类正态分布”图像高度地近似！并且，我们可以根据正态分布图像的规律及前面提到的概念，在图中非常直观并较为准确地得到三幅图的值，按照时间的变化，依次为8、13-14中的某个值、18-19中的某个值。带入在图像中上的数个点，我们得到了准确的与的值（按照图像，从左到右依次表示）：

此处，我们发现，三个值，是符合我们根据自己得到的模型所猜测出的值的范围。有趣的是，的值，基本在同一个值1.00附近，这显然也符合第二部分中我们得到的模型（完整的图，有九段图形，不同B类子节点随着的增加，具有滞后性，并且对于同一个驾驶员，的值唯一）！至此，基于实际的数据，我们证明了该模型是十分准确的！

3 详细地数据分析

我们对11个停车场，在一天中的不同时段，分别对在各个停车场内停车的驾驶员的做了抽样调查。我们严格地制作了一个调查问卷，用于收集最真实的数据。其中，整理全部调查数据如表1所示[5]。得出11个停车场的平均停车总时长：

由第二、第三部分中的各组公式，我们最终求得了各个停车场的停车总时长（T），表3是对各个数据的汇总对比[8]：

实际调查总时长：为了与用公式得出的T形成对比，也为了再次验证模型及公式的正确性。经对比，我们发现T与¢的差值基本维持在±0.9 min，误差较小。

表1 数据表

Tab.1 Data table

汇总值

表2 均值表

Tab.2 The table of mean value

4 必要性及可行性分析

其中，我们尤其关注停车总时长T，其平均值竟然达到了12.96 min。下面给出原因比重，如图8所示。

图8 原因比重图

从我们列出的四个在停车过程中，浪费时间的原因，发现：

有26.74%的人认为是“没有合理的停车引导”

表3 数据汇总表

Tab.3 Data summary table

有25.26%的人认为是“对停车场的内部不了解”

有7.38%的人认为是“驾驶水平有限”

有40.62%的人认为是“空位信息不够明确”

显然，原因1、2、4占较大比重，其中4占的比重最大，在实地调查中，我们得知，很多停车场是没有停车引导人员的，这使得驾驶员在不清楚停车场构造的情况下尤为难堪[9]。

我们以11个停车场作为参考，“以小见大”，影射至更多的区域。诸多的因素，使得“停车”变得越来越难。人口拥挤，车辆众多，停车需要大，这些“硬难题”是客观存在的，我们难以做出改变。然而，通过本文通篇的分析与得出的结论，我们可以从四大原因入手，切实地改善人们的停车体验。

系统功能职责介绍[6]：

① 面向停车场：

根据停车场状况对停车场进行智能化改造，系统将计算机图像识别与处理、自动控制、传感技术集于一体，包括了车辆身份的判断、出入控制、车辆自动识别、车位检索、车位引导、图像显示、车辆校对、时间计算、网络通信等系列化功能，实现了停车场内部设备之间的相互连接。

② 面向管理者：

开发停车场（位）管理系统，满足管理者不同场景的需要。系统包括车位状态查询、车辆身份判断、停车位检索，时间计算，费用收取等功能，是停车场管理服务的数据信息接收终端，便于停放车辆统一合理高效管理

③ 面向用户：

提供软件服务（APP、微信小程序、支付宝小程序），包括：

车位诱导：系统会检索并向车主推荐最佳停车场，车主也可以自行选择目的地，由系统导航停车。

移动支付：支持微信、支付宝等众多移动付款方式。简化收款流程，实现不停车服务

5 结语

智能停车正是在市场需求的强烈召唤下应运而生。传统停车场不足以满足巨大的市场需求，是智能停车行业发展的主要驱动因素。智能停车核心价值在于打通停车场信息孤岛，引导车辆停向空闲车位，有效提升车位利用率，缓解停车难。而通过本文得出的数学模型的分析，驾驶员的平均停车总时长达到了12.96 min，极大地浪费了人们的时间[7]。

由此，我们认为一个用户友好的智能停车导航系统的构建，是有必要且可行的。

[1] 同济大学数学教研室. 工程数学-概率论[M]. 北京: 高等教育出版社, 2015. 12.

[2] 盛骤, 谢式千, 潘承毅. 概率论与数理统计[M]. 第四版. 北京: 高等教育出版社, 2008. 06.

[3] 宁乐然主编；富宏, 龚鹏飞, 薛安邦, 欧丽云, 李永刚, 蒋怀远副主编；马兢, 王永明, 宁乐然, 许立鹏, 李永刚, 欧丽云, 康波, 银服森, 龚鹏飞, 富宏, 蒋怀远, 薛安邦撰稿．道路交通工程学教程(修订本)[M]: 中国人民公安大学出版社, 2007. 08.

[4] D. Teodorovi and P. Lui Intelligent parking systems European Journal of Operational Research, vol. 175, no. 3, pp. 1666-1681, 2006.

[5] R. Grodi, D. B. Rawat, & F. Rios-Gutierrez. (2016). Smart parking: Parking occupancy monitoring and visualization system for smart cities. Southeastcon 2016, 1-5. doi:10. 1109/SECON.2016.7506721.

[6] R. J. Oentaryo and M. Pasquier, "Self-Trained Automated Parking System", International Conference onControl, Auto­mation, Robotics and Vision, Vol. 14, No. 4, pp. 1005, Dec. 2004.

[7] 环球科技网. 2017智慧停车大数据: 看停车困局与行业变革. [EB/OL]. [2017-12] http://tech.huanqiu.com/net/2017-12/ 11460840.html.

[8] 韩冰琪, 李精精. 我国居民汽车保有量影响因素的计量分析[J]. 中国管理信息化. 2013(04): 39-41.

[9] 慧聪网. 从数据看购物中心停车场类型及可挖掘市场. [EB/OL]. [2014-12] http://info.secu.hc360.com/2014/12/ 051122803642.shtml.

[10] 屈婉玲. 离散数学[M]. 第二版. 北京. 高等教育出版社, 2008-3-1.

Necessity and Feasibility Analysis of Intelligent Parking Guidance System Construction

LI Guang-yu, LI Yi-le, ZHANG Wen-liang, HAN Li-jun, LI Cui-xia

(School of Software and Applications, Zhengzhou University, Zhengzhou 450002, China)

On the basis of a large number of field data collection, in view of the shortage of parking space in the existing parking lot, the difficulty of parking, the unreasonable parking area division, the serious disorderly discharge and so on, through the construction of mathematical model, the relevant important parameters and the reasons for the above problems are accurately analyzed, and the root causes of these problems are based on the root of these problems. In order to avoid people wasting a lot of time on parking problems and improving people's parking experience, a standardized and rationalized intelligent parking navigation system is designed.

Intelligent parking; Parking data; Mathematical modeling; Navigation system; Data analysis

TP311.5

A

10.3969/j.issn.1003-6970.2018.07.004

郑州大学2017年度创新训练计划项目(201710459054Z)

李广宇(一作)(1996-)，男，本科生，主要研究方向：软件开发与应用；李益乐(1996-)，女，本科生，主要研究方向：软件开发与应用；张文亮(1996-)，男，本科生，主要研究方向：软件开发与应用；韩丽君(1996-)，女，本科生，主要研究方向：软件开发与应用。

李翠霞(1977-)，女，硕士，副教授，硕士生导师，郑州大学青年骨干教师，软件工程教研室主任，河南省教学标兵，主要研究方向：机器学习与WEB挖掘。

本文著录格式：李广宇，李益乐，张文亮，等. 智能停车导航系统构建的必要性及可行性分析[J]. 软件，2018，39（7）：17-23