孟龙梅

摘要：针对城市停车难问题，研究基于大数据技术的智慧停车诱导系统。通过研究大数据生態系统，部署、搭建城市停车场信息大数据平台。通过大数据平台，实现智慧停车数据采集、整合、分析、应用的全部生命周期管理。

关键词：大数据;智慧停车;停车诱导

中图分类号：TP311        文献标识码：A

文章编号：1009-3044（2021）36-0097-03

开放科学（资源服务）标识码（OSID）：

Research on Smart Parking Guidance System Based on Big Data Technology

MENG Long-mei

（Chuzhou Polytechnic， Chuzhou 239000， China）

Abstract： Targeted at the problem of the difficulty to find available parking lots in the urban environment， this research is about a smart parking guidance system based on Big Data technology. By studying the Big Data ecosystem， a Big Data Platform containing information of the existing urban parking lots is deployed and built， through which the management of the whole life cycle that contains data collection， integration， analysis and applications of this smart parking guidance system can be achieved.

Key words： big data; smart parking; parking guidance

1 概述

1.1 研究背景

近年来，随着人民生活水平的提高，汽车在百姓生活中的普及，机动车数量增多，车主开车出门停车难问题也开始显现出来。在很多城市的商业购物中心、农贸市场、学校、饭店、宾馆、车站、公园、行政单位等大型公共场所要么没有停车场，要么停车位不够用。私家车车主为了找一个停车位，常常一边开着车一边挨个地方找停车位。到了周末或节假日，有些场所停车难问题更加严重。虽然随着私家车数量逐步扩大，各地也不断地新建或改造原有的停车场，但是如果单纯采用人工管理停车场，已经远远不能满足停车日常管理与停车诱导的需求。由于停车难问题得不到解决，机动车乱停乱放的问题也随之增加，影响到城市、企业、物业管理的形象。使用先进的停车场管理系统和设备来提高停车场管理水平，已成为智慧停车必不可少的需求。

1.2 国内外研究现状和发展趋势

停车诱导系统是智慧化城市建设中智能交通的一个重要组成部分。这一点在欧美等发达国家的多个城市中已经进行了研究和应用。通过使用停车诱导系统，不仅可以有效地缓解城市化建设中交通拥堵、停车难等情况，还可以减少道路上机动车停放占用，降低车辆尾气排放物以及噪声污染。原有的城市停车场、停车位使用率得到了明显提高，亦能取得良好的社会及经济效益。

首先，从智慧停车诱导系统的国内外研究现状方面来看，世界上最早的停车诱导系统在1971年的德国亚琛市建立。现在欧美发达国家的大城市停车诱导系统已经相当完善与成熟，并且拥有先进的、立体的智慧停车系统。

与国外发达国家和地区相比，我国智慧停车诱导系统起步较晚。但是随着国内汽车产业的快速发展，我国智慧停车的第一套停车诱导系统工程是从2001年北京王府井地区的智慧停车诱导系统开始的[1]。近年来，伴随着科技发展，国内的智慧停车诱导系统发展很快。目前上海、北京、深圳、杭州等城市都建立了停车诱导系统。2019年北京大兴国际机场内已实现有机器人进行辅助停车。

其次，从智慧停车诱导系统的发展趋势方面来看，通过大数据平台，实现智慧停车系统的数据采集、整合、分析、应用的全部生命周期管理是智慧停车系统发展的必然趋势。

国外对大数据的研究十分看重的同时，我国也加快了对大数据相关技术攻关的进程。在2015年两会上，“大数据（big data）”一词被第一次以写入政府工作报告的方式让人们所熟知。现在一些大城市也正在发展智慧城市建设，在智慧交通领域，使用大数据进行商业智能得到城市停车难问题中车辆的出行规律以及原因，再根据分析预测结果进行智慧停车诱导一直被视为城市化建设中缓解交通压力的有效技术手段。实现智慧停车，可以提高城市的宜居性和人们开车出门的幸福感。

2 基于大数据技术的智慧停车诱导系统的总体设计框架

基于大数据技术的智慧停车诱导系统，立足于大数据技术的要求，进行数据采集，大数据平台搭建，异构数据处理、数据清洗，数据挖掘，对常用的诱导算法进行分析比较，选择较合适的诱导算法，为车主提供较全面的、较现实的、可选择的就近停车场进行显示。由车主来选择所显示的停车场，从而实现最佳路径的停车场、停车位引导，这种引导服务便捷可靠，解决了开车出行又担心停车难的问题。系统的总体设计框架如图1所示。

3 数据采集与准备

大数据的一个重要特点是数据源多样化，包括数据库、文本、图片、网页等各类结构化、非结构化及半结构化数据[2]。因此，大数据处理的第一步就是从数据源采集数据并进行预处理等数据准备工作，目的是把相关的数据放到一个数据库或者数据集，为后续流程提供统一的高质量的数据集。在很多情况下，现阶段大多数城市的停车管理系统还未完全实现数据共享，为了构建实现业务目标的模型，需针对缺少的数据资源进行额外的补充，可向停车场所属公司征求相关信息，或购买相关统计数据。

4 搭建大数据技术平台

城市的停车场停车数据具有结构复杂、数据量巨大以及增量迅速等典型大数据特點，传统关系型数据库不足以应对智慧停车诱导需求。可以采用关系型数据库和分布式计算系统混搭的方式实现数据的存储[3]。Hadoop是目前最重要的分布式计算系统之一，常用于离线的复杂的大数据分析处理。

4.1 数据存储

数据存储层主要负责大数据的存储和管理工作。通过混搭分布式文件系统和关系型数据库，将所有接入数据中心的数据进行存储，并配合统一的数据接口，从而保证数据应用和处理的稳定高效运行。其中，使用HDFS（Hadoop Distributed File System分布式文件系统）构建分布式文件系统来存储、访问和处理一些非关系型的数据。使用SQL server 存放关系型元数据和数据库表数据，以利于系统的分析、查询与汇总。大数据平台存储并管理来自各源系统的数据，从而为用户提供相应的数据服务，是整个统计分析系统的核心。这些数据是按照数据模型分类别进行组织、重构和存放的，包含当下数据和较长时期的历史数据。

4.2 数据清洗

数据清理和转换在数据挖掘过程中是最消耗时间及资源的一步。在使用已有的数据资源前，必须对其进行转换和清理，以转变不可用元数据为可用数据并清理资源中的不相关信息和噪音，达到减少资源浪费并提高数据针对性的目的。包括以下几种。

4.2.1 数值转换

对一些值连续的数据，例如进场时间列和出场时间列中的数据，一个典型的转换是把这些数据进行离散化处理。除了离散化技术之外，数据规范化也十分必要，即映射数值至特定范围，如0～1，或保留特定标准偏差，如1。

4.2.2 分组

离散数据除有用以外，还常常具有更为清晰的值。为减少模型的复杂性，可以把这些值分组。例如，进场时间列可能会分散在一天中各个时间段，如早高峰段、晚高峰段等。可以将所有这些时间段分到一个组中，该组的值是高峰段。

4.2.3 聚集

聚集是一种重要的转换，可以从数据导出额外的值。假定想要基于每个车主的停车时长对车辆进行分组，则需要对所有车辆资料进行聚集，假定想要基于每个车主的停车时长对车辆进行分组，则需聚集所有车辆资料并由之形成派生属性，如平均停车时长与车主停车次数，以应用于整个数据挖掘模型。

4.2.4 缺失值处理

大多数数据都包含缺失值。引起数据缺失的原因有很多，例如，某停车场有两个来自不同OLTP数据库的车场停车表，由于两表无法完全相符的定义，直接合并两表数据则会致使缺失值的产生。缺失值的处理直接关系到解决方案的业务价值，因而尤为重要。在不同案例中，或需对缺失值进行保留，或需删除整个记录，或需代入其他数据（如应用实序数据对应以前的值或直接使用最普遍的值）。部分案例要求更为严格，则可以使用相应数据挖掘预测所缺失事例对应的可能性最大的值。

4.3 数据挖掘

在大数据时代，商业智能中的最关键工作就是数据挖掘。海量的数据中有各种类型的数据，有的数据不完全，有的数据表达模糊，数据挖掘就是在这些随机的大型数据库中发现其中有价值的数据规律，建立挖掘模型，使用数据挖掘算法分析出有用的信息，也可以为各停车场管理部门提供决策支持。对停车信息进行数据挖掘，有助于分析交通拥堵的原因，结合车辆购买的增长情况，可以为行政部门提供决策支持。如：什么路段需要修路，哪儿需要新建停车场，要不要限行等。常用的大数据的挖掘算法有很多，如决策树、聚类算法、回归分析、关联规则、神经网络方法、时序算法、Web数据挖掘等。商业智能工具可以在数据平台的基础上，能够快速地生成固定格式报表、灵活动态查询、OLAP分析、图形分析等应用。

大数据整体架构主要由以下几部分组成，即数据源、数据导入、数据平台、商业智能工具、应用平台，如图2所示。

5 停车诱导系统

通过采集停车场、路面临停车辆的车位信息，依靠自建网络将数据发送至信息处理中心，信息处理端对收集到的停车信息进行处理、统计、分析等。再由停车诱导系统建立信息共享的停车信息管理系统，实现停车场自动识别车位占用功能，自动诱导车辆出入，缩短车主寻找车位的时间。

停车诱导系统是以可视化信息发布屏为载体，为车主提供停车场的位置信息、道路拥堵信息，停车场空余车位等实时数据信息，引导车主合理选择行驶路段进行停车。同时对数据平台的数据进行数据挖掘分析找到数据中的规律，为停车场管理部门、交管部门提供辅助决策。停车诱导系统由停车场的数据采集器、数据发布平台和停车信息发布端组成。可以采用有线或无线的通信方式，将数据采集区域内的所有停车场纳入其中，实现区域智慧停车诱导全面覆盖。停车诱导系统结构如图3所示。

系统由三部分组成：停车场数据采集器、诱导系统数据平台、信息发布子系统。数据采集器位于停车场内，由车辆探测器和控制器组成;诱导系统数据平台充当中央处理系统的角色，功能是对数据进行分析并显示在相应的输出设备上;信息发布子系统包括诱导显示屏即LED电子公告牌控制器、网络信息服务器，信息发布子系统在发布控制器的控制下实现电子公告牌的信息发布功能，分为一、二、三级诱导显示数据。数据更新时间一般可设定为3～5分钟，更新频率可调节。

5.1 一级诱导显示屏

一级诱导显示屏设置在进入主要路段的道路内侧面，用于显示道路实时交通情况、停车场方位信息。LED电子公告牌上显示的道路与中文字体大小要适合，方便在道路上正在驾驶车辆的车主能远距清楚地看到。一级停车诱导显示屏的建造结构要求结实稳定，能保证在强风和暴雨等恶劣气候条件下的安全。

5.2 二级诱导显示屏

二级停车诱导屏设置在停车场周边的道路侧面，指示从道路上进入停车场的方向。LED电子公告牌上显示停车场中文名称、方位箭头、距离和停车场标志、停车场的空余车位数目等信息。二级停车诱导屏的建造结构要求稳定，能承受强台风和强暴雨的侵袭。

5.3 三级诱导显示屏

三级停车诱导屏设置于停车场入口处和停车场内部，LED电子公告牌上显示指示停车场内部停车位方位的信息。显示具体停车场名称和空余车位的信息。车位信息通过有线方式接收，控制单元存储并发布。另外，在停车场内部也可以使用三级诱导屏进行出口诱导，指导用户根据出口周边的路况信息选择合适的出口。

5.4 车位引导实现

在每个停车场安装N个地磁感应器，用来感应车位状态和识别车辆信息，通过无线或有线方式进行数据传输。当车辆在某个车位上停放30秒以上时，认为车辆已在此车位停放，将车位占用信息给路由节点，再由路由节点将车位占用信息发送到停车场网关节点，可以实时通过LED电子公告牌显示车位占用及空余车位信息，同时向大数据管理平台提供数据，方便管理平台进行车位安排管理及引导提醒。在停车场的出入口处，设置用于感应车辆进出的感应器，统计车辆进出数据，用于对进出停车场的车辆数据进行统计和周期性上传。

6 结束语

在基于大数据技术的停车诱导系统的总体设计框架中最关键的技术是停车数据采集、数据存储、数据清洗和停车数据挖掘分析技术。使用关系型数据库和分布式文件系统混合搭建的方式实现大数据平台可以实现这一功能。从而不仅使停车场的综合管理得到全面的提升，也实现了城市智慧停车。

参考文献：

[1] 李扬威，焦朋朋，杜林.城市智能停车管理系统研究[J].交通信息与安全，2014，32（4）：160-164.

[2] 方巍，郑玉，徐江.大数据：概念、技术及应用研究综述[J].南京信息工程大学学报，2014，6（5）：405-419.

[3] 徐时芳，罗晓宾，陈阳华.基于Spark的分布式大数据分析建模系统的设计与实现[J].现代电子技术，2018，41（20）：172-174，178.

[4] White T.Hadoop权威指南：大数据的存储与分析[M].4版.北京：清华大学出版社，2017.

[5] MacLennan J，Tang ZhaoHui，Crivat B.数据挖掘原理与应用[M]. 2版.北京：清华大学出版社，2010.7

【通联编辑：代影】