一種具有語音交互功能的停車誘導系統設計

(山東建筑大學 信息與電氣工程學院，濟南 250101)

0 引言

汽車數量的不斷攀升，停車資源日益短缺，尋找停車場成為駕車出行的頭等難題[1-3]。作為智能交通的重要組成部分，停車誘導系統使得停車變得更加高效、便捷[4]。隨著LBS[5]、MQTT協議[6]等技術不斷應用到停車誘導系統中，用戶可實時通過手機軟件查看目的地附近的停車場信息。但是，目前的停車誘導系統仍存在一些問題：首先，其實時性較差，不能根據路況和場內空閑車位的變化適時誘導停車；其次，觸摸式操作，增加了駕駛風險。本文主要工作在以下兩個方面：1)實時獲取道路信息以及停車場剩余車位信息，避免擁堵路段；2)增加語言交互功能，以減少駕駛風險。

1 系統結構及原理

停車誘導系統由中心控制系統、智能終端兩部分組成，如圖1所示。

中心控制系統包括中心服務器、請求管理中心與停車場管理中心三部分。通過與百度地圖服務器通信獲取道路信息，與停車場服務器通信獲取場內空閑車位信息，與智能終端通信，接收客戶端的請求，并返回請求處理結果。

智能終端為智能手機，用戶通過智能終端向服務器發送誘導請求，獲取誘導結果。在誘導過程中，若產生目的地的變更，用戶無需操作手機，通過語音交互功能即可選擇最佳停車方案。

圖1 停車誘導系統結構

2 停車誘導模型

停車場推薦模型如圖2所示。根據用戶提供的起始位置和目的地位置，將距離目的地500米以內的M個停車場首先根據空余車位進行篩選，篩選后的停車場綜合考慮停車場至目的地的步行距離、駕駛距離、駕駛時間、行駛路況、停車費用等因素，根據不同的優化目標向用戶推薦不同的停車場停車誘導方案。

圖2 停車誘導模型

2.1 百度地圖信息的獲取

2.1.1 準備工作

百度地圖是國內主要的地圖服務提供商，提供了Web開發和移動開發等開發SDK[7-8]。對百度地圖進行開發，需要先下載百度地圖Android軟件開發包和申請百度地圖密鑰。軟件開發包中的baidumapapi.jar和libBMapApiEngine_v1_3_2.so文件為百度地圖應用開發的支撐。準備工作完成后，即可對地圖進行顯示(MapView)、控制(MapController)、增添層疊信息(OverLay)等操作。

2.1.2 誘導信息獲取

中心服務器獲取到用戶提供的起始位置后，使用getPoint(address: String, callback: Function, city: String)方法向百度地圖發送起始點位置以驗證起始位置是否存在；若存在，百度地圖則以地址所在的坐標點Point為參數調用回調函數；中心控制系統收到百度地圖服務器發回的回調函數后，再以PoiNearbySearchOption keyword(java.lang.String key) 等方法向百度地圖獲取目的地附近的停車場；百度地圖識別目的地位置，以Array數據向服務器返回目的地附近500米以內的停車場；中心控制系統通過DrivingRoute.getResults()方法獲得開始位置至停車場的線路，并且通過plan.getRoute()方法獲取方案中的關鍵步驟，其中包含線路中所經過的道路以及行駛方向；中心控制系統識別線路中的道路之后，向百度地圖服務器發送http://api.map.baidu.com/traffic/v1/road?road_name=道路名稱&city=城市名稱&ak=用戶AK //GET請求以獲取道路的實時路況信息；百度地圖服務器收到請求后向中心控制系統返回road_traffic參數，參數中包含int類型的status參數，以數字形式表示擁堵狀況。中心服務器通過從百度地圖獲取的數據可以生成停車誘導方案。程序流程圖如圖3所示。

圖3 道路信息獲取流程圖

2.1.3 交通擁堵時的信息獲取

在誘導過程中，中心控制系統不斷通過http://api.map.baidu.com/traffic/v1/road?road_name=道路名稱&city=城市名稱&ak=用戶AK //GET請求語句獲取道路的實時路況信息，實時的status參數與與存儲的的status參數進行對比，從而判斷擁堵狀況是否升級。若產生擁堵升級狀況，則系統重新進行規劃路線，具體步驟如3.1.2所示。

2.2 停車誘導算法

本文的停車誘導過程如下：系統獲取到用戶提交的目的地信息后，通過多屬性決策算法，從目標停車場集合中根據不同優化目標選擇出最佳方案并推薦給用戶。停車場推薦算法根據不同的優化目標選擇多種推薦方式：時間最優、距離最優以及費用最優。用戶根據自己的需求選擇需要的方式。每種方式所考慮的因素是相同的，不同之處在于各因素的權重系數。

考慮的客觀因素有：用戶位置距停車場位置的距離、停車場位置距目的地位置的距離、從用戶位置到停車場的道路狀況、停車場費用和剩余停車位。相關定義如下：

1)用戶位置距停車場位置的駕駛距離，記為D。用戶需將自己的請求(包含位置信息)發送至服務器，服務器通過調用百度地圖 API 接口，獲取停車場與目的地之間的距離，并用距離表示該值。

2)停車場位置距目的地位置的步行距離，記為L。用戶將車停至停車場后需步行至目的地。步行距離與用戶選擇停車產的可能性密切相關，步行距離越小，則選擇該停車場的可能性越大。

3)停車場剩余車位數C。此數據為停車場實時數據，通過停車場服務器鏈接獲取。

4)駕車至停車場行駛時間T。該值受當前位置與目標停車場之間的距離和道路交通狀況影響，可以通過調用百度地圖 API 接口，直接獲取當前位置到達目的地之間的行駛時間。

5)停車場費用，記為F。不同停車場收費標準不盡相同。本文對各個停車場的收費標準錄入管理中心，在最優停車場場模型中根據用戶提交的預計停車時間計算出數值并將數值賦值給F。

6)道路狀況，記為S。道路在不同時間段的道路狀況不盡相同，該數據通過百度地圖接口進行獲取，通過設定閾值將交通狀況分為通暢、緩行、擁堵以及嚴重擁堵四個級別，不同級別對應不同數值且遞增。本文將通暢的擁堵系數賦值為1，緩行的擁堵系數賦值為2，擁堵的擁堵系數賦值為3，嚴重擁堵的擁堵系數賦值為4。在進行最優停車場推算時，系統以路口為節點，獲取節點間的道路狀況，用各路段的距離與其相應的擁堵系數就除以線路總距離，求得的值賦值給S，如式(1)所示:

(1)

式(1)中,Sij為第i個停車場的第j個方案，l1、l2、l3、l4分別為通暢路段距離、緩行路段距離、擁堵路段距離以及嚴重擁堵路段距離，ρ1、ρ2、ρ3、ρ4分別為通常、緩行、擁堵以及嚴重擁堵四種狀況下的擁堵系數，l為該方案的路線總長度。

通過分析用戶在實際生活中選擇停車場的傾向性不難發現：停車場與用戶當前位置相隔距離越小的優先級越高；停車場內剩余車位越多的，用戶前往停車的優先級越高；停車場每小時停車費用越低，優先級越高；道路交通狀況越好(取值越小)優先級越高；駕駛時間越短優先級越高。

多屬性決策算法具體如下：

1)選取G={D,L,C,T,F,S}為決策方案集，P={p11,p12…p1r,p21,p22…p2q,…,pm1…pmy}

為符合要求停車場的路線集合，pij為第i個停車場的第j個方案。記v為所有方案的數量。建立決策矩陣Av*6;

2)將決策矩陣Av*6中的數據進行無量綱化處理，得到標準矩陣Z=(zij)v*6

3)針對不同優化目標，構建指標權重向量W=[wdwlwcwtwfws]T;

4)構建加權規范化決策矩陣C=Z*W；

5)計算停車場綜合屬性Ti(w)=∑Z*W;

本文先通過用戶提交的目的地位置附近停車場的參數(量綱不一致)進行標準化處理后，再進行推算分析，即可得最優停車場推算公式如式(2)所示：

(2)

其中：w為因素權重系數，按照因素在最優推算時重要性來確定且w>0，Dmax、Dmin為用戶位置距停車場位置的最大、最小駕駛距離；Lmax、Lmin為停車場位置距目的地位置的最大、最小步行距離；Cmax、Cmin為停車場實時剩余車輛最多、最少的賦值；Tmax、Tmin為當前位置到目標停車場的需要的最大、最小時間；Smax、Smin為道路實時路況的最大值、最小值。通過式(1)的推算，可以得到某一用戶到達各停車場的評估值T停車場編號值越小，停車場被選擇優先級越高。

2.3 停車場實時誘導算法示例

中心控制系統中使用setRealRoadCondition(Boolean open)方法開啟實時路況，通過百度地圖可以獲取分鐘級的實時路況信息。

以圖4為例進行說明。起始位置如圖所示，用戶輸入目的地后，得到3個目的地附近的停車場P1、P2、P3。

圖4 誘導過程示例—初始位置

1)通過百度地圖，獲得起始位置到3個停車場(P1、P2、P3)的備選行駛線路，并且獲得每條道路的實時數據(道路長度及實時路況等信息)，再通過多屬性決策算法，得到目標停車場P1及其行駛線路：起始-A1-A8-A9-P1。如圖5所示。

圖5 誘導過程示例—初始規劃

2) 在汽車行駛至A1-A8路段的X位置時，通過百度地圖獲取到A8-A9路段出現道路擁堵狀況升級的情況(道路狀況由良好變為擁堵)，此時系統獲取實時的道路交通數據進行新的停車場及各種可能路線的篩選，對于實時位置X而言，去往各個停車場的路線如圖6所示。

X-P1：線路① X-A8-A9-P1

線路②X-A8-A7-A10-A9-P1

X-P2：線路① X-A8-A7-A10-P2

線路②X-A1-A2-A7-A10-P2

線路③X-A8-A9-A13-A14-A10-P2

X-P3：線路① X-A8-A7-A10-A11-P3

線路②X-A8-A7-A6-A11-P3

線路③X-A8-A9-A13-A14-A15-A11-P3

圖6 誘導過程示例—實時方案

根據實時路況數據、駕駛距離、步行距離、停車場空余車位綜合考慮可得，此時的推薦選擇為X-P2的線路①，如圖7所示。

3) 將新得出的推薦結果通過語音合成播報給用戶，利用語音識別技術獲取用戶的更換意愿。若愿意更換，則將用戶按照前往停車場P2線路①誘導方案進行誘導；若用戶無操作，則基于按照之前方案進行。

圖7 前方道路擁堵時新的誘導方案

2.4 多屬性決策算法示例

以濟南市某廣場為例，系統通過百度地圖API提供的搜索接口，搜索半徑500米以內的停車場，獲取停車場合集P{p1,p2,p3,p4}。

候選停車場指標如表1所示。

表3 傳感器主要技術指標

1)有表中數據建立決策矩陣A:

2)將矩陣A中的數據進行0-1標準化處理，得到矩陣Z：

3)以時間因素為主要考量對象，評價指標參數權重中駕駛時間權重取0.3，路況權重取0.25，步行距離權重取0.2，駕駛距離權重取0.15，剩余車位權重取0.05，費用權重取0.05。此時計算出各停車場的綜合誘導指數如表2所示。

此時計算結果表明，當以時間因素為主要考量對象時，p11的綜合誘導指數為最優，可作為首選停車場向用戶推薦。這說明當用戶對評價指標賦予不同權重，即用戶所關心的影響因素發生變化時，推薦模型會根據權重指標的變化推薦不同的結果，并向用戶推薦停車誘導方案。

表2 各停車方案誘導指數

2.5 結果與分析

本文通過一下三個指標進行有效性的評價。

1)平均駕駛距離。此指標為所有方案的駕駛距離總和與停車場數目的比值，表示駕車用戶從當前位置到達目標停車場的平時駕駛距離。

2)平均駕駛時間。此指標為所有方案的駕駛時間總和與停車場數目的比值，表示駕車用戶從當前位置到達目標停車場所需的平均駕駛時間。

3)平均步行距離。此指標為所有方案的步行距離總和與停車場數目的比值，表示從停車場位置到目的地位置的平均步行距離。

由表3可以看出，此次停車行為中，平均駕駛距離為8.2 km、步行距離為309.6 m、駕駛時間為20.3 min，而方案(即3.4節中得到的最終誘導方案)駕駛距離為6.9 km、步行距離為123 m、駕駛時間為19 min，均優于平均數值。結果表明，該推薦可以幫助駕車用戶減少駕駛距離，節省停車時間，減少步行距離。

表3 誘導結果對比

3 語音交互系統

基于語音技術的智能停車誘導系統，可作為現有停車誘導系統的補充，實現系統的個性化及增值服務[9-10]。語音交互系統可分為語音識別和語音合成兩部分。語音識別是使設備識別語音信息以完成信息輸入；語音合成是使設備通過語音的方式完成信息輸出。為防止駕駛員在駕駛過程中因操縱手機選擇道路而產生的駕駛風險，本文中在智能終端模塊中加入語音模塊。

3.1 加入語音交互系統的原因

選擇加入語音交互模塊的原因有以下幾點：

1)在誘導過程中可能在已規劃的道路上出現交通事故等意外狀況產生交通擁堵。針對此種情況，系統會重新規劃路線以獲得實時最佳方案。若推薦方案發生變化，則需要通知用戶并闡明原因，便于用戶自行選擇。使用語音方式提醒用戶，更加有效、更加安全

2)是否使用新的誘導方案，需要用戶的許可。智能終端在發出更改詢問后，獲取用戶的聲音，再判斷是否使用新的方案。相比較傳統的接觸時選擇，這種方法更加安全、便捷、智能。

3.2 語音模塊功能

語音模塊是本系統的智能終端的主要功能之一，此模塊核心功能是語音識別、語音合成。

3.2.1 語音合成

語音合成的目的是把存儲的信息通過語音的方式表達出來，人們能夠識別接收語音信息。語音合成應用在播報誘導信息以及詢問用戶意愿(主要指在產生誘導信息變更時詢問用戶是否進行更改)等方面。本功能基于科大訊飛SDK，將需要播報的文字內容轉換成語音內容，再將語音拼接到一起播放出來。移動端語音合成流程如圖8所示。

圖8 移動端語音合成流程圖

如圖8所示，移動端合成流程為：1)調用SynthesizerPlayer類的靜態方法crea-teSynthesizerPlayer()創建語音合成播放器；2)設置合成語速player.setSpeed(80)以及設置合成音量player.setVolume(70)；3)創建語音合成控件回調接口；4)調用Synthesiz-erPlayer對象的playText()方法來播放文本。

3.2.2 語音識別

語音識別是將語音信息經過處理轉變為計算機可以識別的輸入。用戶發出指令，系統對用戶的語音指令進行壓縮處理，然后將其發送到云端服務器，服務器利用已經訓練好的語音集合對接收的語音數據進行匹配，匹配成功之后返回匹配好的文本信息給系統，系統再根據文本信息與已有功能進行匹配，成功則調用有關功能，同時手機數據庫將記錄此次調用的相關信息，方便以后為用戶提供定制化功能做基礎，否則將提示用戶“出現錯誤”。具體流程如圖9所示。

圖9 語音識別流程圖

4 結束語

本文通過對停車誘導系統存在的問題進行分析，構建多屬性決策停車場誘導系統。系統通過算法分析為車輛推薦停車場，并使用語音交互技術對車輛進行誘導，通過百度地圖實時獲取道路數據，依據實際情況進行重新分析；若產生新的誘導方案，則先詢問用戶是否更改方案，用戶可以通過語音回饋，若獲得用戶同意，則按照新的方案進行誘導。本系統能有效地解決駕駛員停車難等問題，節省用戶時間，提高資源利用率，有利于停車場智能化管理水平的提高。