基于Python的智能停车系统设计.pdf

收稿日期：2023-01-17作者简介：王珅（1998），男，河南焦作人，青岛理工大学机械与汽车工程学院 2020级交通运输专业硕士研究生，研究方向为智慧交通。基金项目：山东省自然科学基金面上项目（编号：ZR2020MG017）；青岛市哲学社会科学规划项目（编号：QDSKL2101167）；青岛理工大学大学生创新创业训练计划项目（编号：202201016）。摘要：基于Python编程语言设计车辆使用停车位的优化流程，以驾驶者停车、取车的时间尽可能短为目标，车辆在停车场入口通过车牌扫描程序（基于高斯模糊和卷积神经网络设计）识别并存储车牌信息，并根据最优停车位选择算法来规划停车路线，通过每条线路上的显示屏引导车辆寻找车位。用户可通过输入车牌号，经过显示屏引导来寻找车辆，并在出口处自动结算车费。基于Python的智能停车系统能实现停车的智能化、人性化以及高效化。关键词：Python；智能停车场；卷积神经网络；车牌识别；路径指引；最优停车位选择中图分类号：U491.8；TP391.44文献标志码：A文章编号：2096-0425（2023）02-0021-05随着人们生活水平的不断提升，汽车成为首选代步工具，与此同时，停车难、找车难亦成为困扰人们出行的难题。传统停车场管理模式无法实现车位的高效利用，寸土寸金的城市又无法建设大量的停车场，故采用先进的停车管理方式，建设高效便捷的智能停车场成为迫切需要。目前智能停车场的设计方案有很多，例如，张楠楠等1设计使用道闸来管理车辆进出，通过红外传感器检测停车位的占用情况，通过物联网与无线传输技术进行数据的上传和下发，用户根据管理界面显示的车位信息查找空余停车位；古辉等2设计了一种预约式智能停车场，通过超声波传感器来感应车辆的存在，并根据车位占用时间进行计时扣费；刘晨等3提出基于云边融合技术的智能停车场系统设计。这些研究都有利于城市智能停车场的建设，但泊车定位功能大多为智能精准定位至空余车位。4而事实上，在日常生活中，驾驶员在很多智能停车场并未使用精准定位停车，还是靠主观判断来停放车辆。鉴于此，笔者考虑将若干相邻的停车位规划为一个区域，驾驶员只需定位到还有剩余停车位的区域，便可找到停车位，这样可以大量节约停车的时间成本。同时笔者发现，由于停车场的空间有限，当有车辆从停车位驶出时，会影响周边停车位停入车辆，故将停车场划分区域进行管理还有这样的优势：当停车位较为充足时，优先为驾驶员安排没有车辆驶出的区域。这样不仅方便车辆的停入和驶出，也有利于提高停车场的使用效率。Python 语言简单、高效，是目前比较接近人类思维的编程语言，5本文提出的基于 Python 设计的智能停车系统由计算机、摄像头、电子显示屏和压力传感器组成，成本低且便于维护。随着物联网识别技术的成熟，结合卷积神经网络的图片特征提取能力，可快速识别车辆信息。6结合已有技术，本文设计的智能停车系统具有快速识别车牌、利用电子显示屏在停车场内引导车辆寻找停车位、自主计算停车费、显示剩余停车位、为找不到车辆的车主提供寻车指引等功能。1智能停车系统设计及工作流程1.1系统组成智能停车系统的软件部分由车牌识别、停车指引、寻车定位、车费结算等相关程序组成，硬件部分选基于基于 PythonPython的智能停车系统设计的智能停车系统设计王珅，胡 语 涵，徐 子 涵，田睿，李 昕 光（青岛理工大学机械与汽车工程学院，青岛 266520）江苏工程职业技术学院学报Journal of Jiangsu College of Engineering and Technology第23卷 第 2 期2 0 2 3 年 6 月DOI：10.19315/j.issn.2096-0425.2023.02.005Vol.23，No.2Jun.2 0 2 3停车指引区域选择目标区域寻车定位摄像模块车牌扫描采集图片车牌信息查车终端内部储存时间差车费计算车牌号图 1系统流程图用无线传输连接硬件组件（电子显示屏+摄像头+压力传感器）。停车场外设立电子显示屏来显示停车场内剩余的停车位，场内设置电子显示屏来提供停车指引、寻车定位服务。Python编程语言具有简单易学、解释性强、可扩展性强、代码规范等特点，7故系统利用 Python制作的程序结合监控系统提取车辆信息作为开始，提取的车辆信息与其他软硬件模块共同为用户停车提供相关辅助。1.2系统工作流程车辆在进入停车场之前就可以通过停车场外的大屏幕获取停车场内剩余停车位的信息。当车辆到达停车场门口时，压力传感器会感应到有车辆驶入，并将信号传递给摄像系统。摄像系统对车辆进行图片信息的收集，并将获得的图片信息上传至车牌识别程序，进而区域选择程序根据停车场内空余停车位的分布为车辆规划最佳停车区域，并通过显示屏为车辆提供指引；当车主准备取车却忘记车辆存放位置时，可以通过分布在停车场内的车辆查询终端输入车牌号查找车辆所在位置；车辆驶出停车场时，摄像系统会再次采集车辆信息，并计算出停车费。系统流程如图 1所示。2车牌识别卷积神经网络作为深度学习的重要研究方向，在图片识别领域获得了广泛运用。智能停车系统利用卷积神经网络图片识别模型并结合 Python语言，可以具有代码简洁易懂、编写效率高、程序修改便捷等优点。8摄像系统采集到的车辆照片通过车牌扫描程序处理之后便可以提取到车牌信息。车牌扫描程序具体可分为车牌定位、字符切割、字符匹配、信息的存储与提取模块。2.1车牌定位与字符切割由于摄像头只能获取车辆照片，无法直接精准获取车牌号，所以首先要对车牌进行定位。我国的车牌具有明显的颜色特征，市面上绝大多数车牌都是蓝底车牌，故本文选用符合人眼视觉系统特性的 HSV（色相 Hue，饱和度 Saturation，色明度 Value，简称 HSV）颜色空间以蓝底车牌为例进行车牌定位。9考虑到车牌为长宽比在一定范围内的矩形，通过定义函数来筛选符合车牌形状的矩形，接着找出最有可能是车牌的位置，然后将目标区域所对应的矩形截取出来。将原图片（图 2）通过完整程序处理之后可以得到定位后的定位图片（图 3）。经过定位的车牌照除了目标字符还有多余的区域，为了精确切割字符先对车牌照进行预处理：首先修改车牌照片尺寸，经过高斯模糊之后将图片转化成灰度二值化图片；通过计算每行白色像素和每行总像素的比值，设置阈值来初步切割图片，10预处理后的图片结果如图 4所示。接着计算初步切割图片白色和黑色像素点占每列像素数的比例来进行字符切割，将切割后的若干图片进行筛选（可多次筛选），最终选出字符所在的 7张图片，如图 5所示。2.2基于卷积神经网络的字符匹配1)卷积神经网络图片识别模型。卷积神经网络是目前图片特征提取的最佳方式。按照 9 1 的比例将收集到的车牌照片通过车牌定位与车牌切割得到一定数量的类似图 5所示的字符图片，将字符图片缩小为88 像素块，图片上共 64 个像素，然后将图片转为灰度图并获取图片上64个像素的灰度值。每个字符图片为1个数据，以32个数据作为1个批次（batch）进行处理，通道数为 1，图片大小为 88，输入模型的数据大小为batch，1，8，8。模型通过 Pytorch中的 nn.Conv2d作为卷积层进行二维卷图 2原图片图 3定位图片图 4初步切割图片图 5切割后的字符2222江苏工程职业技术学院学报2023年积，卷积核大小为 33、步长为 1、填充（Padding）方式为上下左右的一层填充，填充值为 0；将 Pytorch 中的nn.MaxPool2d作为池化层，池化方式为最大池化，二维池化的窗口大小为22、步长为1、Padding为上下左右的一层填充，填充值为0。模型结构为：卷积池化卷积池化。在最后一次池化后，通过全连接层输出大小为batch，1的数据，以nn.MSELoss为损失函数计算损失（loss）值并更新权重。在loss值达到预期目标或最大迭代次数后模型训练结束。针对汉字与字母图片，通过编码的形式计算loss值，即给汉字和字母进行10以上的数据编号，每个省会简称的汉字和字母都有唯一的数字与之对应。2)图片识别。将图 5 所示的字符缩小为 88 像素尺寸，将图片转灰度图；依次获取图片上 64 个像素值的灰度值。将车牌照获取的 7个字符图片打包为 1个 batch 代入模型，根据计算结果与相应的字母、汉字和数字相匹配，运行程序之后字符匹配的结果为“赣 E30559”，匹配成功。3停车指引3.1停车区域选择考虑到停车场占地面积有限，场内道路通常比较狭窄，当有两辆及以上车辆在临近车位停靠或者驶入时，需要部分车辆让道，可能会造成拥堵，不仅浪费用户时间，同时影响停车场的使用效率。为解决这一问题，可将停车场划分为若干区域，每个区域的停车位数量根据停车场的实际情况确定，根据停车场各个区域剩余停车位的数量、是否有车辆准备从某区域驶入或驶出等因素来确定将车辆引导至哪个目标区域停车。影响停车区域选择的因素有：区域内是否还有空余的停车位；区域内是否有车辆准备驶出或驶入，将这些区域命名为待排除区域；区域内存在的车辆是否过半（这里主要考虑到某区域内停车数量越多，越容易有车辆从该区域驶出）。这 3点因素对停车区域选择的影响力依次减弱，具体选择的方法为：首先筛选出还有空余车位的区域，将这些区域命名为次选区域，然后在次选区域里筛选出剩余停车位过半的区域，命名为首选区域。接着对首选区域进行判断，先排除待排除区域，这些区域主要通过寻车指引输入的车牌号以及区域摄像头采集到的信息来判定，驶出车辆在停车费结算完成后从待排除区域删除，驶入车辆在一段时间后从待排除区域删除。排除后，若首选区域里还有剩余区域，则在没有被排除的首选区域里选取任意区域为指引区域；若首选区域均被排除，则对次选区域也进行以上筛选排除。若还有剩余区域，则在剩余的次选区域里选取任意区域为指引区域；若无，则从首选区域选择任意区域为指引区域。用数学集合的形式来描述停车场各区域之间的关系，如图 6所示。通过 Python编程中的 for语句与 if语句的嵌套循环，可实现所有停车区域的停车优先级按照上文中的准则划分。在停车场只有单个入口时，系统可实现在每个车辆进入停车场时对停车区域的停车优先级的刷新；在停车场有多个入口时，以 15 min的间隔进行停车区域的停车优先级刷新，具体时间间隔由阶段时间内的停车数量决定，停车数量越多，刷新的时间间隔越短。区域选择算法如下：输入：字典格式输入每个停车区域编号、停车数量 x和最大容量 y，字典长度为 N；包含有车辆驶入或驶出的待排除区列表 list_outlist1=，list2=/设置空列表存储分类后的停车区域for i=1，2，N：/通过循环遍历所有停车区域if xy：/条件语句对每个停车区域进行分类list1.append(i)if x/y1/2：list2.append(i)if i不属于 list_out：将 i所代表的区域作为目标区域输出结束算法if 没有输出：/条件语句选择最优停车区域if list2不为空:CUAB注：U 为停车场内所有的区域；A 表示还有空余车位的次选区域；B 表示剩余车位过半的首选区域；C 表示有车辆驶入或驶出的待排除区域。图 6停车场各区域集合关系图王珅，等：基于 Python 的智能停车系统设计第 2期2323将 list2中的第一个区域作为目标区域输出else：将 list1中的第一个区域作为目标区域输出更新字典/更新停车区域的分类结束算法3.2路径规划由于停车场入口和停车区域相对固定，故在系统搭建之初就采用蚁群算法找出若干条相对最短的路径。蚁群算法采用实际路径长度和转弯数加权之和作为点之间的相对长度。对停车场内所有路段进行编号，将所有入口和停车区域间的若干条相对最短路径和每条路径对应的所有路段编号一同打包保存至内存中。在 Python中，蚁群算法主要用 scikit-opt库的相关函数实现。通过 0/1 矩阵更新路段是否被占用，计算所选路径所有路段的 0-1 值来判断被占用的路段数。当只有 1个入口且只有单个车辆驶入时，系统在确定好目标停车区域后直接调用最短停车路径；当只有1个入口但有多个车辆依次驶入时，依照车辆驶入的先后顺序选择停车区域并刷新停车区域的停车优先级。系统在为前面车辆确定好停车路径后，为了从内存中给后面车辆选择适合的路径，会避开前面车辆停车区域所在的路段。单入口路径规划算法伪码为：输入：目标区域 m；若干最佳路径所在的三维列表 list_waymlist1=/设置空列表存储重复路段数量for i in rang(len(list_waym):/通过循环计算所有路径的重复路段数量计算 list_waymi与前车辆路径路段的重复数量 alist1.append(a)输出路径 list_waymmin(list1)为最优路径/选择重复最少的路径为最优路径将输出的路径作为下一个车辆的前车辆路径进行更新结束算法当有多个入口时，由于停车区域的停车优先级经固定时间间隔就会刷新，所以在为不同车辆规划停车路径时，通过计算是否有相同路段编号的方式，判断多个车辆的路径是否有相同的路段。依照先后顺序，针对不同入口的车辆，会在若干路径中选择尽可能多地避开其他入口车辆所经路段的路径。多入口路径规划算法伪码为：输入：入口编号 n、目标区域 m；若干最佳路径三维列表 list_waynmlist1=/设置空列表存储重复路段数量for i in rang(len(list_waym):/通过循环计算所有路径的重复路段数量计算 list_waymi与其他入口路径路段的重复数量 alist1.append(a)输出路径 list_waynmmin(list1)为最优路径/选择重复最少的路径为最优路径固定时间更新其他入口路径路段结束算法4寻车指引及费用结算在为车辆选择好最佳停车区域之后即可为车辆规划前往目标区域的最佳路径。利用分布在停车场内的显示屏引导车辆前往指引区域，考虑到用户中途可能会选择就近停车区域内的停车位，所以在各个区域设置压力感应装置，当有车辆驶入时，压力传感器将信号传送给摄像系统，摄像系统对车辆进行图片采集，并将图片信息上传至车牌识别程序以获取车辆信息。将获取的车牌信息和对应的区域号进行保存，并更改相应区域剩余停车位数量。当用户忘记车辆停放的位置，或因停车场面积过大、停车数量过多而找不到自己车辆所在位置时，可2424江苏工程职业技术学院学报2023年以通过分布在停车场内的查车终端查找自己车辆所在区域。用户通过输入车牌号的方式调取车辆所在的位置信息，同时系统会根据调取的信息为用户规划前往目标区域的最佳路径，并通过显示屏引导用户到达目标区域。当车辆准备离开停车场时，再次调用车牌扫描和车费计算程序，记录下此刻的时间，调出该车牌号存储时间，利用两次时间差来计算停车费，并将该车牌号和该车牌号存储的时间数据从内存中删除，同时也从对应的停车区域中删除，并更改显示屏上剩余停车位的数量。5结语Python作为当前流行的编程语言，具有简单易用、学习成本低、标准库和第三库众多、功能强大、程序方便维护等特点，基于卷积神经网络的车牌识别程序能够准确识别车辆的车牌信息，将两者结合使用开发的具有车牌识别、停车指引、寻车指引、费用结算等功能的智能停车场系统，使停车场的每个停车位都尽可能得到充分利用，用户停车花费的时间更短。参考文献：1张楠楠，张晓.基于物联网技术的智能停车场系统设计与实现J.现代电子技术，2020，43（12）：38-41.2古辉，顾杰杰.一种预约式智能停车场及其 LEACH路由算法改进J.浙江工业大学学报，2016，44（2）：134-139.3刘晨，李文凯，罗涵泽，等.基于云边融合技术的智能停车场系统设计J.单片机与嵌入式系统应用，2020，20（11）：78-81.4章蓬伟，贾钰峰，邵小青，等.基于计算思维的项目驱动 Python程序设计教学研究J.科技视界，2022（17）：91-93.5邱燕霞.基于物联网的智能停车场系统分析J.江西建材，2019（12）：240-241.6张绍东.基于计算机编程语言的选用方法分析J.电子技术与软件工程，2022（14）：68-71.7嵩天，黄天羽，礼欣.Python语言：程序设计课程教学改革的理想选择J.中国大学教学，2016（2）：42-47.8李甫，张佳成.复杂场景下车牌识别新方法J.湘潭大学自然科学学报，2016，38（1）：90-92.9杨超，杨振，胡维平.车牌识别系统中反色判断及二值化算法J.计算机工程与设计，2016，37（2）：534-539.10 白又达，刘纪平，黄龙，等.面向地图图片识别的两种卷积神经网络分析J.测绘科学，2021，46（11）：126-134.（责任编辑：王晓燕）Design of the Python-based Intelligent Parking SystemWANG Shen，HU Yuhan，XU Zihan，TIAN Rui，LI Xinguang(School of Mechanical&Automotive Engineering，Qingdao University of Technology，Qingdao 266520，China)Abstract：The process of vehicles using parking space was optimized and designed based on Python for thepurpose of shortening the time to park and pick up cars.License plate was recognized and its information wasstored at the entrance to parking lot by a scanning program which was designed with Gaussian Blur andConvolution Neural Network，and the vehicle was guided to find a parking space by a display screen on theparking route that was planned according to the algorithm of optimal selection.Users were guided through thedisplay to find their vehicles by entering the number of their license plates，and the fare was automatically settledat the exit.The Python-based intelligent parking system enables intelligent，user-friendly and efficient parking.Key words：Python；intelligent parking lot；Convolution Neural Network；license plate recognition；pathguiding；optimal selection of parking space王珅，等：基于 Python 的智能停车系统设计第 2期2525