基于NB-IoT的无线传感网络城市智能停车系统设计

翟维 郭靖

摘   要：城市机动车数量的增长加剧了城市日益增长的停车需求与有限的停车空间的矛盾。传统的停车场，效率低，自动化低，不能满足飙升的停车需求。为了改善全市的交通管理，有必要开发综合的城市停车的管理平台。鉴于窄带物联网的独特优势，提出了一个基于NB-IoT 的城市智能停车场和无线传感器网络的管理平台（WSN），旨在释放城市停车资源的全部潜力。介绍了NB-IoT无线通信和车牌承认（LPR），解释了整体架构和面向NB-IoT的城市智能停车的处理算法的方案。然后拟定的计划与传统的无线通信技术形成对比。结果证明，该计划胜过了传统计划。虽然NB-IoT 还处于初始阶段但是这项研究将大大推动了中国物联网的发展。

关键词：窄带-物联网（NB-IoT）;无线传感器网络（WSN）;车牌识别（LPR）;智能停车

中图分类号：TN923                                                    文献识别码：A

Design of Narrow Band-IoT Oriented Wireless

Sensor Network in Urban Smart Parking

ZHAI Wei1?，GUO Jing2

（1. College of Electronic Engineering，Xi'an Aeronautical University，Xi'an，Shaanxi 710077，China;

2. College of Electronic and Information Engineering，Shenyang Aerospace University，Shenyang ，Liaoning 110135，China）

Abstract：The fast increasing in the number of motor vehicles has aggravated the contradiction between the growing parking demand and the limited parking space in urban areas. The traditional parking lot，featured by low efficiency and poor automation，fails to satisfy the soaring parking demand. To improve the traffic management across the city，it is necessary to develop an integrated management platform for urban parking lots. In view of the unique advantage of Nar row Band-Internet of Things （NB-IoT），this paper proposes an urban smart parking management platform based on the NB-IoT and wireless sensor network （WSN），aiming to unlock the full potential of urban parking resources. After briefly introducing the NB-IoT wireless communication and license plate recognition （LPR），the author explained the overall architecture and the image processing algorithm of the NB-IoT oriented urban smart parking plan. Then，the proposed plan was contrasted with traditional wireless communication tech-nology. The results proved that the proposed plan outperformed its traditional counterpart. This research will give a great impetus to the development of the IoT although NB-IoT is still in its nascence

Key words：narrow band internet of things （NB-IoT）;wireless sensor network （WSN）;license plate recognition （LPR）;smart parking

隨着城市化进程加快，汽车的数量出现了大幅增长，同时也加剧了城市的停车困难。更糟糕的是，交通问题也加剧了乱停车现象[1]。面对飙升的停车需求，传统的停车场效率、安全和管理不足。但是许多城市停车位因信息传播不畅而闲置[2]。这就需要城市道路和公共设施的智能停车管理平台。要构建这样一个平台，可以考虑物联网（IoT）。

随着无线通信和互联网的发展，物联网标志着一个不可逆转的发展趋势，根据全球移动运营商协会（GSMA）的数据显示，与物联网连接的账户占全球移动账户的2.8%，到2013年底，年增长率接近38%[3]。国际数据公司预测，到2020年全球互联网连接将达到300亿人次，并且将开放1.7万亿美元的市场[4]。物联网中的各种无线通信技术主要分为短程通信和低功耗广域网（LPWAN）。前者涵盖了Zigbee，WiFi，蓝牙和Z-Wave[5]，后者包括授权和未授权的频谱无线通信。授权频谱无线通信的典型例子有EC-GSM、LTE Cat-m和NarrowBand-IoT （NB-IoT），以及那些未经授权的频谱无线通信 LoRa和SigFox[6]。目前，全球运营商和制造商正争相进入NB-IoT 市场并传播这项技术。

物联网的蓬勃发展伴随着智能城市概念的扩散。智能城市的功能之一是智能停车，包括对城市闲置停车位的在线查询、预约和支付城市停车智能管理的第一步是车辆识别[7-8]。高清晰度的摄像头有助于准确识别主要城市道路上的车辆。换句话说，智能停车计划中可以采用车牌识别（LPR）方法识别车辆[9]。使用LPR时，最好与闲置停车位的确认配合使用。一个可行的选择是建立一个基于NB-IOT 的无线传感器网络（WSN）。网络由 NB-IoT 和地磁传感器组成。备用停车位可以通过将地磁传感器与位置信息进行匹配来确认。

1   NB-IoT

NB-IoT是物联网领域的新兴技术。它也被称为低功耗广域网（WAN），因为它消耗的功率低并且支持蜂窝广域网中的数据连接。这项的技术仅消耗180 kHz的带宽。另外，由于NB-IoT可以直接应用于全球移动通信系统（GSM）和通用移动通信系统（UMTS），因此可以以较低的成本进行开发[10]。与蓝牙、ZigBee 和其他短距离通信技术相比，移动蜂窝网络具有覆盖范围广和移动连接能力强的特点，可用于各种各样、丰富多彩的应用程序。NB-IoT 与其他无线通信方法相比，保持了以下优势：

1.覆盖范围广：NB-IoT 是室内覆盖的有效保证。在相同的频段，NB-IoT比传统网络增加20 dB，覆盖面积增加100倍。使得该技术可以应用于农村地区、工厂、地下车库、井盖等。

2.强大的连接：在同一个基站上，NB-IoT的接入能力是传统无线技术的50-100倍。以智能家居为例，在未来的智能家居联网中，NB-IoT可以轻松实现各种设备之间的连接。

3.低功耗：低功耗是物联网应用的重要指标。由于传感器通常位于偏远地区，电池不应该经常更换。NB-IoT可以满足对电池寿命的严格要求，它通过开发小数据量和小速率的应用来最小化功耗。

4.低成本：物联网的低成本主要体现在基站的复用上。与LoRa不同，NB-IoT不需要重建通信网络、多路基站和天线。低速率、低功耗和低带宽都有助于低成本的优势。

基于以上优点，NB-IoT在远程抄表、智能停车、智能耕种等多种情况下易于实现。

2   LPR

LPR是一种检测道路上车辆的技术，可以自动提取车牌信息，如字符、数字和颜色。LPR作为现代智能交通系统的重要组成部分，已经应用于车辆监控和公共停车场。该技术以数字图像处理、模式识别和计算机视觉为基础。每辆车的数量是通过分析摄像机拍摄的车辆图像或视频序列得到的。目前，LPR已应用于收费、停车管理、交通引导、车辆调度、车辆检測等领域。

LPR算法有很多，而且还在不断涌现新的LPR算法。然而，大多数算法都是为严格的环境设计的，即固定的拍摄位置、焦距和光照。在这些情况下，有些车牌无法识别。

LPR系统通常由硬件模块（数据采集）和软件模块（LPR）组成。数据采集模块采集车牌图像，并将采集到的图像传输到软件模块。基于相关算法，软件模块从原始图像中提取车牌信息，获取车牌信息。LPR技术流程图如图1所示：

1.图像采集模块：在图像采集前，需要将图像采集设备安装在相应位置。该设备通常在支持自动对焦的集成摄像机上运行。为了适应不同的光照条件，相机在不同的光照水平下都应该具有光补偿功能。信息提取的准确性取决于所捕获图像的清晰度。

2.图像识别模块：在不同的识别设备中，从图像中识别车牌信息的方式不同。识别通常包含以下四个步骤：

（a）图像预处理：对在不同环境下拍摄的图像进行不同干扰程度的子对象处理，如天气和光照。由于图像中的噪声和过度曝光，在图像中可能定位错误。为了准确识别车牌信息，必须对图像进行预处理，便于后续的图像处理。预处理措施包括去噪、形态学处理和二进制处理。

（b）车牌定位：经过预处理后，需要准确定位车牌在图像中的具体位置，将车牌图像与图像的其余部分分离开来。这一步是识别过程中的关键和难点，直接影响到LPR过程。

（c）字符分割：在此步骤中，字符在车牌中被识别，车牌上通常有很多字符，但是，在处理之前无法确定字符的属性。为了便于字符识别，必须从车牌中分割出特定的字符。

（d）字符识别：车牌中的字符由图形和特殊符号组成，这些字符都是相同的格式和大小。一般来说，识别特殊符号比识别图形要困难得多。其难点在于汉字的相似性和车牌的磨损规律。

3   基于NB-IoT的城市智能停车平台设计

3.1   总体架构

基于NB-IOT的城市智能停车管理平台（以下简称本平台）硬件部分主要包括车位检测器、自动LPR装置、停车指南和无线传感器网络。系统软件部分包括停车场查询、移动支付、智能汽车搜索、智能移动管理和智能停车管理。该平台采用地磁检测停车位，以个人数字适配器（PDA）/移动App为管理工具，以NB-IoT作为数据传输通道。通过PDA和手机App实现停车管理。该平台的总体架构如图2所示。

其中自动LPR装置用于从视频流中获取图像，通过模式识别确定车牌信息。停车场车辆位置由地磁传感器获取。虽然LoRa不支持精确的监控，但是每个传感器的位置信息都记录在该平台的数据库中。在接收到传感器或传感器的身份信息后，该平台将从数据库中找到相应的位置信息，从而引导车辆进入停车位。车位检测器主要用于检测车位的占用情况。一旦检测到一个空闲停车位，检测器就会将信息发送到提议的平台，然后引导车辆到合适的停车位。

手机App中实现了备用车位查询、智能车搜索、移动支付等功能。用户可以在App中找到自己的位置和附近的车位信息，引导自己找到合适的车位。用户在App中输入车位数量即可自动支付停车费。用户还可以通过智能汽车搜索功能找到自己的车。