基于無人駕駛技術的智能停車場

吳家葳 李智韜 李洋陽 張楊 李瑞瑩

摘要：本論文設計、研究并分析了無人駕駛技術智能停車場的應用。首先，車主在停車場外附近區域將車輛系統與停車場系統相連接，即可下車離開，無需進入停車場內。其次，停車場內的地感傳感器系統會識別車輛信息，為車輛安排車位，通過路徑規劃、室內導航技術及無人駕駛技術使車輛停入適當車位。最后，用戶需要取車時，可在手機軟件上向停車場系統發出取車申請，停車場系統會再次用同樣的方法，將車輛行駛至指定區域等待車主。因此，該論文的研究內容旨在解決當今社會尤其繁忙購物中心、寫字樓所出現的停車難、找車難、車位少等問題，幫助車輛用戶更高效的利用時間。

Abstract： This paper designs， studies and analyzes the application of driverless technology in smart parking lots. First of all， the car owner connects the vehicle system with the parking lot system in the area near the parking lot， and can get off and leave without entering the parking lot. Secondly， the ground-sensing sensor system in the parking lot will recognize vehicle information， arrange parking spaces for the vehicles， and park the vehicles in appropriate parking spaces through route planning， indoor navigation technology and driverless technology. Finally， when the user needs to pick up the car， he can send an application to the parking lot system on the mobile phone software， and the parking lot system will use the same method again to drive the vehicle to the designated area to wait for the owner. Therefore， the research content of this paper aims to solve the problems of parking， finding cars， and lack of parking spaces that are particularly busy in shopping malls and office buildings in today's society， and help vehicle users use their time more efficiently.

關鍵詞：無人駕駛技術;智能停車場;停車場設計;傳感器

Key words： unmanned driving technology;intelligent parking lot;parking lot design;sensor

中圖分類號：TP391.44? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? 文獻標識碼：A? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? 文章編號：1006-4311（2020）31-0175-04

1? 研究背景

隨著我國科技與經濟的快速發展，汽車保有量以及城市的汽車承載量之間的矛盾愈演愈烈，進而產生了停車難、交通擁堵等問題。為解決這些問題，我國各個城市建立了許多的停車場，然而這些傳統停車場本身卻存在很多的弊端，具體如下：其一，必須配備大量的專職管理人員在停車場內引導車輛停靠，增加停車場管理成本。其二，停車場內空余車位的情況需動用人力去勘察，增加停車場人力成本。其三，車主進入停車場后無法快速方便的找到可以停車的車位，只能在場內無序的尋找空車位，不但占用場內出入主車道資源，造成交通擁堵，還浪費車主的大量時間和精力等等。

在汽車社會的繁華背后，不管是有車一族還是無車一族，都面臨著汽車發展過程中所帶來的不便。在當前大環境下，很多政策條件開始越來越利于發展新型停車場。除此之外，在萬物互聯的大趨勢下，消費者對自動駕駛產品越發關注，雖然現在這一技術正處于初期發展階段，但可以預見與之相適應的各種設施在未來將會成為必需品。因此，在傳統停車場基礎上，我們提出一種基于無人駕駛技術的未來停車場構想及設計，希望可以改善目前商用停車場內停車難、找車難、車位設置不合理等問題。

2? 當前兩類主流停車場的調研

我們在目前已經商用的停車場中，選取了兩個具有代表性的停車場進行了調研——華北電力大學地下停車場及北京五棵松體育館地下無人停車場。華北電力大學地下停車場與我國大多數停車場擁有共同的設施及特點，例如車牌識別技術、自動抬桿技術等等;而北京五棵松體育館地下無人停車場引進了AGV智能停車機器人技術，在當前商用停車場中較為先進。

4.1.2 車輛傳感器

對于我們所提出的智能停車場的解決方案來說，除了需要對停車位的形狀以及分布進行一定的設計外，如何使車輛安全到達指定停車位也不可忽略。由于停車場系統在計算車輛最優路徑的時候，需要用到車輛的位置信息，因此就需要大量傳感器的原始數據來對其進行分析。我們對現階段常用的三種車載傳感器進行了調研，發現車載普通雷達與車載相機或多或少都對我們針對的問題存在一定的不適應性，而毫米波雷達雖較為適用且產生數據量沒有車載相機那么大，但是仍有10-100Mb/s的數據產生速度。

現階段，僅針對于汽車無線通訊，最廣泛運用于車輛通訊的協議稱為專用短程通信（DSRC）[3]。對于這種協議而言，其在實現車對基礎設施（V2I）通訊的基礎上，還可以初步實現車對車（V2V）的通訊甚至是車對所有（V2X）通信系統的數據通訊，但是其最大傳輸速率僅為2-6Mb/s。同時可以運用于V2X通信系統的還有第四代（4G）蜂窩系統，但是對于4G系統，數據傳輸速率最大也僅有100Mb/s[4]。在這樣的傳輸速率下，再加上環境的限制，車輛在停車場中低速巡航時的數據傳輸質量尚且無法得到保證，更不用說當車輛面臨大流量數據傳輸時（如在自動停車時需要精準定位）有可能出現的高延時、高丟包率等情況，由于我們所面對的實際系統容錯率極低，這種情況往往是無法忍受的。所以在本文中，我們鼓勵在車輛上使用比DSRC和4G（V2X）傳輸速率更高，帶寬通道更寬的毫米波頻譜來進行車載通訊。毫米波通訊現階段已經有可以商用的國際標準：IEEE 802.11ad[5]，并且其已經成為5G蜂窩移動通信系統的一部分。毫米波頻譜的使用使得我們可以利用其極高的帶寬通道進行通信，從而帶來了每秒千兆級數據傳輸的能力，使得車輛可以在無人停車場這種終端密集型場所，低延時的傳輸大流量原始數據，考慮到數據傳輸對于智能停車場的重要性，我們認為現階段有必要考慮毫米波在車輛通信中的使用。且對于V2X通信系統而言，在查閱了一些資料并做了相應的調研后，我們認為將毫米波應用于車輛通信時將擁有良好的通信表現，控制表現和機械響應表現[7]，且運用毫米波通信的通信裝置較小，將可以大大節省車輛空間，其也將是未來車載雷達系統的潛在選擇。

4.2 停車場算法

4.2.1 智能算法及相關技術

4.2.1.1 室內定位技術

智能停車場系統需要有高精確度和抗干擾性，實現車輛高效準確定位。從相關技術特點來看，無線WiFi雖然布置簡單且成本較低，但在實際復雜應用中表現較差，同時在車輛數量較多時運行效率會降低。ZigBee技術的拓撲網絡雖然功耗小、可以自組網，但精確度較低。超寬帶室內定位技術雖然性能較好，但是其功耗較大，并且與其他智能終端不能很好的融合[9]。新一代藍牙技術5.0相比于上一代：數據傳輸速度快、有效距離遠、定位精確度高、增加導航功能，再加上藍牙目前兼容性好的優點，藍牙的優勢較大。因此我們在智能停車場系統中選擇了使用藍牙5.0技術。

4.2.1.2 最短路徑算法

智能停車場系統需要一種高效的路徑算法，降低車輛在路上花費的時間，提高工作效率。為此，我們對比了幾種常見的路徑算法。迪杰斯特拉算法最終搜索結果是起始節點到其他所有頂點的最短路徑[10]，但因為每次都要對剩余節點進行搜索，計算量較大。A*算法目的性強，相對運算復雜度較低，但每次當路網環境發生變化后，都需要重新進行全局搜索，計算量大且實時性差。蟻群算法能夠快速給出問題最為合理的解答，但在正反饋的調節下，可能掩蓋更具有優勢的路線，其給出的最優路徑可能不是全局最優路徑[11]。經過對比，我們選用了迪杰斯特拉算法作為最優路徑算法。

4.2.2 迪杰斯特拉算法

Dijkstra算法是一種用以計算一個節點到其他所有節點的最優路徑算法，其主要特點是以起始點為中心向外層層擴展，直到擴展到終點為止。

在一般情況下，我們解決最優規劃問題時，使用的是最優子結構的性質，即：所研究的問題得到的最優解中所包含的子問題的解也是最優的。所以最優路徑的最優子結構的性質一般可以描述為：如果P（i，j）={Ni…Nk…Ns…Nj}是從點i到點j的最優路徑，點k和點s是該最優路徑上的中間點，那么P（k，s）就是從點k到s的最優路徑。

由上文可知，為得到最優路徑，Dijkstra提出了根據最優路徑的距離逐漸遞增，從而生成最優路徑的算法，例如計算從N0到Nk的最短路徑，首先對于起始頂點N0，選擇與頂點N0直接相鄰的所有頂點中距離最短的頂點N1，然后以N1為頂點尋找與其距離最近的頂點N2，然后依次尋找符合要求的頂點。所以從N0到Nk的最短路徑，可將其表示為：Dist[k]=min{Dist[k]，Dist[0]+matrix[0][k]}。

圖1為一停車場的示例。該停車場有一入口X1，該停車場所有停車位都長5m，寬2.5m，停車場內部道路寬5m。將停車場內部的交叉口從右到左設置為O1，O2，假設該停車場內部Q1，Q2，Q3，Q4，Q5，Q6為空余車位。則根據該停車場示意圖，我們可以使用Dijkstra算法對其最優路徑進行分析。

現在假設圖中的Q6（左上角）是車主選定的車輛所需停靠的停車位，現在根據Dijkstra算法原理得到用戶所在的入口處X1到Q6之間的最優路徑，其步驟如下：①選擇入口X1，其距離為0，其余除X1以外的點選擇距離為∞;②將入口X1作為中間點，計算與其直接相鄰的所有節點的距離，以及他們分別到達O1的距離，并選取其中最短的一個，其他點距離變為∞;③將O1作為中間點，計算與其相連的O2之間的距離，并與X1到O1的距離相加，然后把其余點的距離設置為∞;④將O2作為中間點，計算其與Q6的距離，再與前面做得到的距離相加，則可得到最短距離。同樣的，車輛駛出停車場時的線路規劃與上面的步驟類似，只需將起點設為停車位，終點設為出口即可。

5? 智能停車場優化設計

5.1 傳統雙向車道可改為環島式單向車道

在傳統停車場內，過道由于需要考慮人為誤差、車輛交匯等問題，其面積占比在停車場面積中往往較高，從而不得不相應的減少停車位數量。而基于無人駕駛技術下的停車場，由于采用了智能操作，可通過停車場系統的控制，同一停車場內的車輛行駛方向可以得到統一，不會出現交匯情況，因此雙向車道可以全部改為單向環島式車道，從而減少了車道的占用面積，停車數量則得以相應提高。

5.2 進一步縮小停車位尺寸

在無人駕駛技術下的停車場內，由于車主不再需要進入停車場內，因此停車位將不再需要預留車主上下車所需要的空間，車輛橫向凈間距可近似按汽車與柱間凈間距設計，預計節省面積將達到60%以上。而基于智能操作的準確性，停車位長寬數據還可進一步優化，具體優化值隨無人駕駛技術準確性而定。

5.3 引入不同尺寸停車位

智能停車場基于地磁傳感器，可測量車輛長度大小，從而在車輛進入停車場時將車輛分為大、中、小型車三類，為其選擇停車位并設計路線。由于中大型車數量較多，且長度差距相對較小，因此商用停車場的停車位大小通常取中型車和大型車車位設計標準的中間值，這對小型車及微型車來說，將浪費相當大一部分的面積。因此，在同一停車場內應設計不同大小的停車位，可以更好的利用停車場內的空間資源。

5.4 根據大中小型車比例更改停車位設計地圖

由于停車過程不再需要司機操控，因此停車場內不再需要實體畫線來引導車主停到適宜的位置，而這一點也為停車場總體設計提供了更多的可能性。根據停車場實際地形，可以提前設計出不同的停車方案地圖，以適應不同比例的大、中、小型車數量，例如當大、中、小型車的比例為2：6：2時，則需要更多的中型車車位，這時可以將預備在停車場操控臺中中型車車位最多的地圖應用于該停車場;而當大、中、小型車的比例為2：2：6時，則可應用小型停車位最多的地圖。

5.5 出入口處設置潮汐車道

潮汐車道最早是運用于交通通行中為減少道路擁堵情況而設計的一種特殊通道，其可根據車流量變化來改變通行車道的方向，以達到緩解交通緊張的目的。我們將潮汐車道運用到智能停車場中，在出入口處設置潮汐車道。由于停車場內車輛的行駛方向及路徑由停車場系統決定，因此出入口處的車道方向可根據停入車流量以及取車車流量的變化而變化當停車場出入口處只有駛入車輛而暫時沒有駛出車輛時，可暫時將出入口處所有車道全部設為駛入方向，以達到緩解車流量，減少汽車等待時間的目的。

6? 停車及取車步驟

以下為該智能停車場的停、取車流程，車主全程無需進入停車場，且無需在出入口排隊取車。

停車：

①車主將車開到入口時，傳感器獲得車輛基本信息（車牌、車輛大小、ETC等）;

②車主下車，關閉車門，使用APP將車輛接入停車場系統;

③自動停車系統接管車輛，按車輛大小和停車場剩余車位情況規劃車位;

④自動停車系統按照智能算法計算路徑，將車輛停入預定車位;

⑤停車場系統將車輛實時信息上傳到APP。

取車：

①車主按照自己的行程可選擇APP上的預取車

服務;

②自動停車系統將車輛停到靠近停車場出口的取

車區;

③自動停車系統將車輛在取車區的車位信息發送到APP上;

④車主到取車區取走車輛，自行駛離停車場;

⑤車輛行駛到停車場出口時，停車場可依據車輛車牌或ETC完成計費，并將賬單發送給車主，車主在APP上完成支付。

7? 總結

本文根據當今社會停車場現狀，提出了基于無人駕駛技術的智能停車場方案，旨在解決停車場停車難、找車位難、車位少等問題。停車難和找車位難的問題可依靠無人駕駛技術以及停車場傳感器電腦系統解決，而車位少的解決方案則是在無人駕駛技術及停車場傳感器電腦系統的基礎上對車位大小及分布的創新設計。由于無人駕駛技術尚未廣泛應用，本文的所有創新設計主要針對現有的無人駕駛技術而提出。但就近幾年無人駕駛技術的發展趨勢來看，其技術模式的變化并不大，因而即使未來無人駕駛技術有了新的突破，本文中的創新設計仍然適用。

參考文獻：

[1]李偉年，俞明華.地磁傳感器應用于停車場車輛檢測[J].電子世界，2013（08）：31.

[2]李俠君.基于地磁傳感器的停車位無線網絡控制與計費技術研究[D].浙江工業大學，2013.

[3]J. B. Kenney. "Dedicated Short-Range Communications （DSRC） Standards in the United States，" Proc. IEEE， vol. 99， no. 7， July 2011， pp. 1162-1182.

[4]H. Seo et al.. "LTE Evolution for Vehicle-to-Everything （V2X） Services，" IEEE Commun. Mag.， vol. 54， no. 6， June 2016， pp. 22-28.

[5]IEEE Standard for Information technology--Telecommunications and information exchange between systems--Local and metropolitan area networks--Specific requirements-Part 11： Wireless LAN Medium Access Control （MAC） and Physical Layer （PHY） Specifications Amendment 3： Enhancements for Very High Throughput in the 60 GHz Band，" in IEEE Std 802.11ad-2012 （Amendment to IEEE Std 802.11-2012， as amended by IEEE Std 802.11ae-2012 and IEEE Std 802.11aa-2012） ， vol.， no.， pp.1-628， 28 Dec. 2012， doi： 10.1109/IEEESTD.2012.6392842.

[6]ISO/DIS 21216 Std.. "Intelligent Transport Systems — Communication Access for Land Mobiles （CALM） — Millimetre Wave Air Interface，" 2012.

[7]韓慶文，曾令秋，雷劍梅，劉杰.V2X商用進程中面臨的測試挑戰及關鍵技術[J].移動通信，2019，43（11）：28-35.

[8]J. Choi， V. Va， N. Gonzalez-Prelcic， R. Daniels， C. R. Bhat and R. W. Heath， "Millimeter-Wave Vehicular Communication to Support Massive Automotive Sensing，" in IEEE Communications Magazine， vol. 54， no. 12， pp. 160-167， December 2016， doi： 10.1109/MCOM.2016.1600071CM.

[9]黃潤飛.基于低功耗藍牙的地下停車場室內導航模型研究與實現[D].昆明：云南師范大學，2017.

[10]陳寧.運輸車輛機器人存取車路徑優化算法研究[J].現代計算機，2019，26（12）：28-32.

[11]漆維正.智能泊車系統的路徑規劃算法研究及實現[D].西安：西安電子科技大學，2019.

[12]吳博.智能停車場引導系統設計[D].北京：北方工業大學，2018.