基于无人驾驶技术的智能停车场

吴家葳 李智韬 李洋阳 张杨 李瑞莹

摘要：本论文设计、研究并分析了无人驾驶技术智能停车场的应用。首先，车主在停车场外附近区域将车辆系统与停车场系统相连接，即可下车离开，无需进入停车场内。其次，停车场内的地感传感器系统会识别车辆信息，为车辆安排车位，通过路径规划、室内导航技术及无人驾驶技术使车辆停入适当车位。最后，用户需要取车时，可在手机软件上向停车场系统发出取车申请，停车场系统会再次用同样的方法，将车辆行驶至指定区域等待车主。因此，该论文的研究内容旨在解决当今社会尤其繁忙购物中心、写字楼所出现的停车难、找车难、车位少等问题，帮助车辆用户更高效的利用时间。

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.

關键词：无人驾驶技术;智能停车场;停车场设计;传感器

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

中图分类号：TP391.44                                  文献标识码：A                                  文章编号：1006-4311（2020）31-0175-04

1  研究背景

随着我国科技与经济的快速发展，汽车保有量以及城市的汽车承载量之间的矛盾愈演愈烈，进而产生了停车难、交通拥堵等问题。为解决这些问题，我国各个城市建立了许多的停车场，然而这些传统停车场本身却存在很多的弊端，具体如下：其一，必须配备大量的专职管理人员在停车场内引导车辆停靠，增加停车场管理成本。其二，停车场内空余车位的情况需动用人力去勘察，增加停车场人力成本。其三，车主进入停车场后无法快速方便的找到可以停车的车位，只能在场内无序的寻找空车位，不但占用场内出入主车道资源，造成交通拥堵，还浪费车主的大量时间和精力等等。

在汽车社会的繁华背后，不管是有车一族还是无车一族，都面临着汽车发展过程中所带来的不便。在当前大环境下，很多政策条件开始越来越利于发展新型停车场。除此之外，在万物互联的大趋势下，消费者对自动驾驶产品越发关注，虽然现在这一技术正处于初期发展阶段，但可以预见与之相适应的各种设施在未来将会成为必需品。因此，在传统停车场基础上，我们提出一种基于无人驾驶技术的未来停车场构想及设计，希望可以改善目前商用停车场内停车难、找车难、车位设置不合理等问题。

2  当前两类主流停车场的调研

我们在目前已经商用的停车场中，选取了两个具有代表性的停车场进行了调研——华北电力大学地下停车场及北京五棵松体育馆地下无人停车场。华北电力大学地下停车场与我国大多数停车场拥有共同的设施及特点，例如车牌识别技术、自动抬杆技术等等;而北京五棵松体育馆地下无人停车场引进了AGV智能停车机器人技术，在当前商用停车场中较为先进。

4.1.2 车辆传感器

对于我们所提出的智能停车场的解决方案来说，除了需要对停车位的形状以及分布进行一定的设计外，如何使车辆安全到达指定停车位也不可忽略。由于停车场系统在计算车辆最优路径的时候，需要用到车辆的位置信息，因此就需要大量传感器的原始数据来对其进行分析。我们对现阶段常用的三种车载传感器进行了调研，发现车载普通雷达与车载相机或多或少都对我们针对的问题存在一定的不适应性，而毫米波雷达虽较为适用且产生数据量没有车载相机那么大，但是仍有10-100Mb/s的数据产生速度。

现阶段，仅针对于汽车无线通讯，最广泛运用于车辆通讯的协议称为专用短程通信（DSRC）[3]。对于这种协议而言，其在实现车对基础设施（V2I）通讯的基础上，还可以初步实现车对车（V2V）的通讯甚至是车对所有（V2X）通信系统的数据通讯，但是其最大传输速率仅为2-6Mb/s。同时可以运用于V2X通信系统的还有第四代（4G）蜂窝系统，但是对于4G系统，数据传输速率最大也仅有100Mb/s[4]。在这样的传输速率下，再加上环境的限制，车辆在停车场中低速巡航时的数据传输质量尚且无法得到保证，更不用说当车辆面临大流量数据传输时（如在自动停车时需要精准定位）有可能出现的高延时、高丢包率等情况，由于我们所面对的实际系统容错率极低，这种情况往往是无法忍受的。所以在本文中，我们鼓励在车辆上使用比DSRC和4G（V2X）传输速率更高，带宽通道更宽的毫米波频谱来进行车载通讯。毫米波通讯现阶段已经有可以商用的國际标准：IEEE 802.11ad[5]，并且其已经成为5G蜂窝移动通信系统的一部分。毫米波频谱的使用使得我们可以利用其极高的带宽通道进行通信，从而带来了每秒千兆级数据传输的能力，使得车辆可以在无人停车场这种终端密集型场所，低延时的传输大流量原始数据，考虑到数据传输对于智能停车场的重要性，我们认为现阶段有必要考虑毫米波在车辆通信中的使用。且对于V2X通信系统而言，在查阅了一些资料并做了相应的调研后，我们认为将毫米波应用于车辆通信时将拥有良好的通信表现，控制表现和机械响应表现[7]，且运用毫米波通信的通信装置较小，将可以大大节省车辆空间，其也将是未来车载雷达系统的潜在选择。

4.2 停车场算法

4.2.1 智能算法及相关技术

4.2.1.1 室内定位技术

智能停车场系统需要有高精确度和抗干扰性，实现车辆高效准确定位。从相关技术特点来看，无线WiFi虽然布置简单且成本较低，但在实际复杂应用中表现较差，同时在车辆数量较多时运行效率会降低。ZigBee技术的拓扑网络虽然功耗小、可以自组网，但精确度较低。超宽带室内定位技术虽然性能较好，但是其功耗较大，并且与其他智能终端不能很好的融合[9]。新一代蓝牙技术5.0相比于上一代：数据传输速度快、有效距离远、定位精确度高、增加导航功能，再加上蓝牙目前兼容性好的优点，蓝牙的优势较大。因此我们在智能停车场系统中选择了使用蓝牙5.0技术。

4.2.1.2 最短路径算法

智能停车场系统需要一种高效的路径算法，降低车辆在路上花费的时间，提高工作效率。为此，我们对比了几种常见的路径算法。迪杰斯特拉算法最终搜索结果是起始节点到其他所有顶点的最短路径[10]，但因为每次都要对剩余节点进行搜索，计算量较大。A*算法目的性强，相对运算复杂度较低，但每次当路网环境发生变化后，都需要重新进行全局搜索，计算量大且实时性差。蚁群算法能够快速给出问题最为合理的解答，但在正反馈的调节下，可能掩盖更具有优势的路线，其给出的最优路径可能不是全局最优路径[11]。经过对比，我们选用了迪杰斯特拉算法作为最优路径算法。

4.2.2 迪杰斯特拉算法

Dijkstra算法是一种用以计算一个节点到其他所有节点的最优路径算法，其主要特点是以起始点为中心向外层层扩展，直到扩展到终点为止。

在一般情况下，我们解决最优规划问题时，使用的是最优子结构的性质，即：所研究的问题得到的最优解中所包含的子问题的解也是最优的。所以最优路径的最优子结构的性质一般可以描述为：如果P（i，j）={Ni…Nk…Ns…Nj}是从点i到点j的最优路径，点k和点s是该最优路径上的中间点，那么P（k，s）就是从点k到s的最优路径。

由上文可知，为得到最优路径，Dijkstra提出了根据最优路径的距离逐渐递增，从而生成最优路径的算法，例如计算从N0到Nk的最短路径，首先对于起始顶点N0，选择与顶点N0直接相邻的所有顶点中距离最短的顶点N1，然后以N1为顶点寻找与其距离最近的顶点N2，然后依次寻找符合要求的顶点。所以从N0到Nk的最短路径，可将其表示为：Dist[k]=min{Dist[k]，Dist[0]+matrix[0][k]}。

图1为一停车场的示例。该停车场有一入口X1，该停车场所有停车位都长5m，宽2.5m，停车场内部道路宽5m。将停车场内部的交叉口从右到左设置为O1，O2，假设该停车场内部Q1，Q2，Q3，Q4，Q5，Q6为空余车位。则根据该停车场示意图，我们可以使用Dijkstra算法对其最优路径进行分析。

现在假设图中的Q6（左上角）是车主选定的车辆所需停靠的停车位，现在根据Dijkstra算法原理得到用户所在的入口处X1到Q6之间的最优路径，其步骤如下：①选择入口X1，其距离为0，其余除X1以外的点选择距离为∞;②将入口X1作为中间点，计算与其直接相邻的所有节点的距离，以及他们分别到达O1的距离，并选取其中最短的一个，其他点距离变为∞;③将O1作为中间点，计算与其相连的O2之间的距离，并与X1到O1的距离相加，然后把其余点的距离设置为∞;④将O2作为中间点，计算其与Q6的距离，再与前面做得到的距离相加，则可得到最短距离。同样的，车辆驶出停车场时的线路规划与上面的步骤类似，只需将起点设为停车位，终点设为出口即可。

5  智能停车场优化设计

5.1 传统双向车道可改为环岛式单向车道

在传统停车场内，过道由于需要考虑人为误差、车辆交汇等问题，其面积占比在停车场面积中往往较高，从而不得不相应的减少停车位数量。而基于无人驾驶技术下的停车场，由于采用了智能操作，可通过停车场系统的控制，同一停车场内的车辆行驶方向可以得到统一，不会出现交汇情况，因此双向车道可以全部改为单向环岛式车道，从而减少了车道的占用面积，停车数量则得以相应提高。

5.2 进一步缩小停车位尺寸

在无人驾驶技术下的停车场内，由于车主不再需要进入停车场内，因此停车位将不再需要预留车主上下车所需要的空间，车辆横向净间距可近似按汽车与柱间净间距设计，预计节省面积将达到60%以上。而基于智能操作的准确性，停车位长宽数据还可进一步优化，具体优化值随无人驾驶技术准确性而定。

5.3 引入不同尺寸停车位

智能停车场基于地磁传感器，可测量车辆长度大小，从而在车辆进入停车场时将车辆分为大、中、小型车三类，为其选择停车位并设计路线。由于中大型车数量较多，且长度差距相对较小，因此商用停车场的停车位大小通常取中型车和大型车车位设计标准的中间值，这对小型车及微型车来说，将浪费相当大一部分的面积。因此，在同一停车场内应设计不同大小的停车位，可以更好的利用停车场内的空间资源。

5.4 根据大中小型车比例更改停车位设计地图

由于停车过程不再需要司机操控，因此停车场内不再需要实体画线来引导车主停到适宜的位置，而这一点也为停车场总体设计提供了更多的可能性。根据停车场实际地形，可以提前设计出不同的停车方案地图，以适应不同比例的大、中、小型车数量，例如当大、中、小型车的比例为2：6：2时，则需要更多的中型车车位，这时可以将预备在停车场操控台中中型车车位最多的地图应用于该停车场;而当大、中、小型车的比例为2：2：6时，则可应用小型停车位最多的地图。

5.5 出入口处设置潮汐车道

潮汐车道最早是运用于交通通行中为减少道路拥堵情况而设计的一种特殊通道，其可根据车流量变化来改变通行车道的方向，以达到缓解交通紧张的目的。我们将潮汐车道运用到智能停车场中，在出入口处设置潮汐车道。由于停车场内车辆的行驶方向及路径由停车场系统决定，因此出入口处的车道方向可根据停入车流量以及取车车流量的变化而变化当停车场出入口处只有驶入车辆而暂时没有驶出车辆时，可暂时将出入口处所有车道全部设为驶入方向，以达到缓解车流量，减少汽车等待时间的目的。

6  停车及取车步骤

以下为该智能停车场的停、取车流程，车主全程无需进入停车场，且无需在出入口排队取车。

停车：

①车主将车开到入口时，传感器获得车辆基本信息（车牌、车辆大小、ETC等）;

②车主下车，关闭车门，使用APP将车辆接入停车场系统;

③自动停车系统接管车辆，按车辆大小和停车场剩余车位情况规划车位;

④自动停车系统按照智能算法计算路径，将车辆停入预定车位;

⑤停车场系统将车辆实时信息上传到APP。

取车：

①车主按照自己的行程可选择APP上的预取车

服务;

②自动停车系统将车辆停到靠近停车场出口的取

车区;

③自动停车系统将车辆在取车区的车位信息发送到APP上;

④车主到取车区取走车辆，自行驶离停车场;

⑤车辆行驶到停车场出口时，停车场可依据车辆车牌或ETC完成计费，并将账单发送给车主，车主在APP上完成支付。

7  总结

本文根据当今社会停车场现状，提出了基于无人驾驶技术的智能停车场方案，旨在解决停车场停车难、找车位难、车位少等问题。停车难和找车位难的问题可依靠无人驾驶技术以及停车场传感器电脑系统解决，而车位少的解决方案则是在无人驾驶技术及停车场传感器电脑系统的基础上对车位大小及分布的创新设计。由于无人驾驶技术尚未广泛应用，本文的所有创新设计主要针对现有的无人驾驶技术而提出。但就近几年无人驾驶技术的发展趋势来看，其技术模式的变化并不大，因而即使未来无人驾驶技术有了新的突破，本文中的创新设计仍然适用。

参考文献：

[1]李伟年，俞明华.地磁传感器应用于停车场车辆检测[J].电子世界，2013（08）：31.

[2]李侠君.基于地磁传感器的停车位无线网络控制与计费技术研究[D].浙江工业大学，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]韓庆文，曾令秋，雷剑梅，刘杰.V2X商用进程中面临的测试挑战及关键技术[J].移动通信，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]黄润飞.基于低功耗蓝牙的地下停车场室内导航模型研究与实现[D].昆明：云南师范大学，2017.

[10]陈宁.运输车辆机器人存取车路径优化算法研究[J].现代计算机，2019，26（12）：28-32.

[11]漆维正.智能泊车系统的路径规划算法研究及实现[D].西安：西安电子科技大学，2019.

[12]吴博.智能停车场引导系统设计[D].北京：北方工业大学，2018.