基于WiFi的智能停車場系統的設計與實現

武漢紡織大學經濟學院 周昌龍

基于WiFi的智能停車場系統的設計與實現

武漢紡織大學經濟學院 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的利用率是發展的必然趨勢。論文設計并實現一種基于WiFi的智能停車場系統，它是一種基于WiFi定位技術的指紋識別系統，采用分枝定界法的快速近鄰算法，減少了計算量，并且開發了一套手機終端應用軟件和服務器端軟件。該系統可以實時顯示停車場車位信息，停車場內停車導航和尋車導航等功能。既可以節省車主的時間，提高停車場的利用率，同時也可以使停車場內部的交通流更加有序和通暢，從而加速停車場的運轉和提高整個停車場的效率。

智能停車場系統；WiFi定位；快速近鄰算法；停車導航；尋車導航

0 引言

隨著經濟的發展，生活質量的提高，城市中的汽車越來越多，導致許多城市出現了停車難和亂停車的現象。公安部日前公布,去年底全國機動車保有量已達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，城市停車服務已經嚴重考驗一個城市的公共服務能力。面對汽車時代的來臨，尋找停車場和停車位的困難，進出停車場的麻煩和停車位供應不足的問題將越來越突出。智能停車場系統是必然的發展趨勢，對智能停車場系統進行研究和提出設計方案是非常有意義的。

本文提出一種停車場實時定位的技術。目前大部分的停車場都是地下停車場，傳統的GPS（Global Positioning System）能很好的解決室外定位的問題，但是在室內衛星信號容易受到各種障礙物的遮擋。目前室內定位技術主要有射頻識別（Radio Frequency Identification, RFID）[1]、 Zigbee[2]、 超聲波（Ultrasonic）[3]、超寬帶（Ultra Wide Band, UWB）[4]、藍牙（Bluetooth）[5]和WiFi。基于WiFi的室內定位相比其他定位技術，成本低，易于部署，且應用廣泛，具有很大應用空間。在目前的基于WiFi的室內定位系統中，絕大多數都是基于RSS（Received Signal Strength），其方法主要分為三角定位算法[6]和指紋識別算法[7]。三角定位算法只要是基于信號傳播的衰減模型來定位，但是室內的環境比較復雜，信號在室內傳播過程中容易受到非視距傳播，多徑傳播和陰影效應的干擾，很難獲得準確的衰減模型，并且不同的環境衰減模型不同。指紋識別算法是一種基于指紋數據庫的匹配定位算法。通過建立定位區域信號強度的指紋數據庫，然后再與實時采集的信號強度進行匹配來達到位置估計的目的。在實際的測試中，指紋識別算法相對于三角定位算法，具有較高的定位精度。

因此，我們提出了一種基于WIFI的智能停車場系統，并且提出了采用分枝定界的快速緊鄰算法應用于WiFi定位技術中，該系統可以實時顯示停車場車位信息，停車場內車位導航和尋車導航等功能。既可以節省車主的時間，提高停車場的利用率。同時也可以使停車場內部的交通流更加有序和通暢，從而加速停車場的運轉和提高整個停車場的效率。

1 系統設計

基于WIFI的智能停車系統主要通過手機客戶端和后臺服務進行交互實現相應的功能。主要分為：手機客戶端，數據庫服務器，定位服務器和車位顯示模塊。手機客戶端主要作用是采集實時WiFi信號強度、發送相應的定位請求和將服務器反饋回來的信息反映到地圖上；數據庫服務器對系統數據進行管理和監控，數據包括：路由器設備信息、指紋地圖、車位信息和地圖信息；定位服務器主要是用來接收客戶端請求并進行定位計算和導航計算，并將結果推送給手機客戶端；車位顯示模塊通過超聲波車位檢測模塊將車位信息反饋到數據庫服務器，并顯示在LED顯示屏上。系統實現的停車導航和尋車導航的功能，通過手機客戶端獲取到信號強度和設備MAC地址，并將這些信息作為請求信息發送給定位服務器，定位服務器通過定位算法計算當前位置并根據請求類型讀取數據庫信息查找出合適的導航路線，將路線結果返回給客戶端。整個系統所用的數據通過車位顯示模塊和數據庫服務器獲取。

2 定位原理及算法設計

2.1 定位原理

隨著國內外大城市的WiFi熱點部署不斷增加，利用WiFi信號進行室內定位變得更具有可操作性。因而在定位信號的選擇中，可采用WiFi信號強度作為位置定位的基礎。在理論上，無線信號在自由空間內傳播距離后，接受信號強度可表示如下式：

式中：Pr為接受點的的信號強度；P0為接受點的參考距離；n為路徑損耗指數，由環境因素決定；Xσ是服從高斯正太分布的隨機數。

由于信號傳播中的干擾因素，無線信號傳播衰減模型很難的表征距離和信號強度間的映射關系，而基于指紋識別的定位算法在復雜的環境中的定位精度一般高于基于衰減模型的定位算法，所以本系統采用指紋識別算法。

2.2 定位算法

2.2.1 離線訓練階段

在離線訓練階段主要是采集定位停車場中的參考點的信號強度。由于移動終端在不同方向接收同樣的信號強度是有差異的，所以本系統根據停車場的行車方向，在每一個參考點采集兩個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時采集到的信號強度與指紋地圖中的數據進行匹配得到定位位置估計。首先將實時采集到的信號強度與樣本子集的均值進行對比得到最小差值的樣本集，然后再對樣本集中的數據對應的坐標取平均值來得到位置估計。

2.3 快速最近鄰算法

算法可以分為兩個階段：第一個階段是將指紋數據庫分級分解，形成樹結構。第二個階段用搜索算法找出實時測量信號強度的最近鄰。

第一階段：指紋數據庫的分解。

首先將指紋地圖分為m個子集，每個子集再分成m個子集。這樣依次下去就可以得到一個樹結構，每個節點都對應一群指紋數據，用p來表示這樣一個節點，其他的參數表達含義如下所示：

Np：中的指紋個數；

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)：表示實時測量的信號強度值；

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規則來檢驗未知點是否在中。

為了減少計算量，避免對最終節點中所有的指紋樣本Xi計算D(X,Xi)距離，所以引出規則2。

3 系統試驗測試

3.1 試驗平臺的搭建

為了驗證提出的基于WiFi的智能停車場系統，在武漢紡織大學陽光校區3棟教學樓地下停車場搭建了實驗環境。在停車場內我們部署了5個TP-LINK TL-MR10U的無線路由器來搭建WiFi環境，并且選取了28個參考點進行了定位導航實驗。數據庫管理服務器和計算服務器我們采用了2臺DELL OPTIPLEX 990臺式機，在定位過程中我們使用安裝有我們開發的手機應用的三星GALAXY SIII手機作為移動終端。

3.2 手機客戶端軟件實現

手機客戶端的Android開發平臺是JDK1.6.0_43和Android SDK 4.4，編程工具采用Eclipse 4.2.0，測試手機為三星GALAXY SIII。停車導航和尋車導航通過請求將當前定位信息發送給后臺定位服務器，服務器讀取數據庫信息尋找最優路徑。最后通過退出按鈕，關閉客戶端，暫時離開停車場，停車位置信息仍然會保留在數據庫中。實物圖如圖 1所示：

圖1 停車導航和尋車導航移動終端APP界面

4 結論

本文設計并實現了一種基于WiFi的智能停車場系統，提出了采用分枝定界法的近鄰快速算法應用于定位中，在一定程度上減少了定位的計算量。并開發了移動客戶端軟件和服務器端后臺管理界面。在試驗中，該系統可以實時顯示停車場車位信息，停車場內車位導航和尋車導航等功能，是一種集成移動終端和網絡服務器交互的高智能實時查詢和導航系統，具有極大的市場價值和應用前景。

[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.藍牙手機室內定位系統[J].計算機應用,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 實驗結果

5.結論

本文借助于空間填充曲線的研究成果，提出了大數據背景下針對海量移動目標軌跡的熱點區域挖掘算法。該算法采用Z曲線把二維軌跡數據降至一維，有效規避了二維空間數據的復雜計算，且通過修改逼近次數可靈活改變網格的大小以適應不同移動目標軌跡的特點。在此基礎上，通過更深入的研究可擴展大數據技術在對移動目標軌跡聚類、伴隨模式挖掘、分類等方面的應用。

參考文獻

[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據分發區域匹配[J].系統仿真學報,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：網電空間測控。

周昌龍（1990—），男，湖北漢川人，碩士，現就職于武漢紡織大學經濟學院。