浅析Mesh网络在城市智慧停车中的应用

刘文

（南京智骋致想电子科技有限公司，江苏 南京 210000）

0 引 言

目前的停车服务主要涉及三方：车主、停车场以及城市管理部门。车主作为消费的一方，关注点是停放车辆的安全、便捷地停车取车以及合理的停车费用。停车场方面则希望通过降低停车场的建设费用和管理成本，来降低停车费以吸引消费者。并通过高效及智能化的管理来方便车主，如实时查看车辆状况、查找停车位置等，以提升服务质量。对于城市管理部门而言，车辆进出无人工干预的操作方式可以缩短车辆在停车场进出口的滞留时间，从而缓解城市道路的交通压力。同时通过掌握各停车场具体的车辆进出信息，可以完善城市车辆综合管理的大数据，与智能交通系统、智慧城市等应用和服务深度融合，提升城市公共资源运用的效率，优化基础设施的管理和服务，改善市民的生活质量[1-2]。

1 系统设计思路

1.1 系统组成

与以往的设计方式不同在于本文系统的核心是利用Mesh网络来连接不同的终端监测点。

Mesh网络是无线网络的一种，通过众多的节点相互连接到彼此。在同一个网络中相邻近的节点可以相互转发数据，数据从一个节点传递到另一个节点，直到抵达目标节点或网络中的网关，最终通过网关传输到外部网络，如图1所示。有别于WiFi或4/5G无线网络，Mesh网络无中心化的设计使其具有较强的健壮性，网络拓扑结构可靠且易于扩展[3-4]。

终端监测点主要由网络节点、摄像头模块、控制模块和供电部分组成。其中网络节点需满足Mesh网络组网，并带有相应的协议。目前市面上有多种基于不同频段的成熟解决方案，如ZigBee、LoRa等。摄像头模块需满足拍摄高低不同分辨率的照片。每一片区域内都有多个终端监测点和一个网关，网关通过光纤网络或4/5G网络与外部网络相连，将数据传递到后台服务器。

图1 Mesh网络连接

后台服务器在图片识别过程中引入深度学习算法，可以进一步提高图像识别的准确率，并提高工作效率。有别于传统处理方法，深度学习是目前最先进的机器学习方法，其效率和精度已远远超过一般识别算法[5-6]。传统机器学习的方法依赖人工进行特征设计和特征提取。这样由人工操作的方法在任务简单时会非常有效，但是当任务复杂时会大大增加人工工作量。相较而言，深度学习避免了复杂的特征提取工作，能根据样本自我学习，从而减少了人为设计特征和特征提取的工作量，具体对比如图2所示。

1.2 系统工作原理

在系统工作时，终端设备会按一定的时间间隔抓拍照片并上传后台。如果照片太大的话可能会造成网络的阻塞，影响传输效率。为了不占用过多的无线网络资源，摄像头模块抓拍的照片是低分辨率照片，规格为640×480像素（30万像素），30～40 KB。后台通过这些照片判断停车位上是否有车，当判断到停车位上有车辆停放时，现场设备抓拍高分辨的照片，再提取出车牌部分的截图向后台上传。一般车牌部分的截图约为10 KB，不会超出无线网络的负荷。在识别出对应车辆的车牌号后，对该车辆停车时间开始计时。当后台系统监测到此位置车辆有所变动时（与上一张该位置照片做静态对比，判断所停车辆是否离开），结束之前的计时，统计停车总时长，作为停车的收费依据。

图2 传统方法与深度学习对比

在本文所述系统中，网络功能架构由4层设计组成，自下而上分别为设备感知层、数据传输层、分析处理层、服务应用层，如图3所示。

图3 总体功能架构图

设备感知层：利用智能终端上的摄像头模块进行区域内抓拍和照片的特征提取，获取具有更高可用性的数据[7]。通过增加不同的传感器，可以在不同的场景下采集和监测微环境数据，如增加烟雾报警器，可针对电动车易自燃等隐患进行防范。

数据传输层：各终端设备通过Mesh网络节点连接起来，再通过网关连接到外网（通过光纤网络或4/5G网络），将采集到的数据传给下一层处理。

分析处理层：这一层具有图像处理和综合平台管理功能。各个不同区域内基于统一接口和传输协议的终端数据，输入并存储在这一层的服务器中，集中进行统一化管理和处理。车辆检测和车牌识别都在这一层完成，并记录数据。

服务应用层：这一层会对上一层搜集和处理过的数据，进一步深挖数据应用，配合相应的手机APP和客户端软件将最直观的结果呈现到用户手里。在这一层通过各种不同的应用和设置，向不同角色的用户提供差异化的功能和使用权限。管理员可在PC终端、手机APP等通过身份验证后进行远程现场查看和控制[8-9]。普通用户也可以在手机端完成车辆实时图片查看和历史照片回看、手机端自动扣费、辅助找车等功能。

本文系统可以做到停车场无人值守。之前每片停车区域都需要1～2名工作人员管理。而通过智能停车监测系统，只需2名工作人员，就可以同时覆盖多个不相连接的停车区域。一人在屏幕前观测监视器上的现场图片，另一人在外巡视作为辅助以及处理突发事件。对于区域内垃圾乱放和违法占用消防应急车道等突发状况，巡视人员也可以做出及时响应。系统在提高效率的同时也大大降低了停车场的运营成本。

1.3 工作流程

设备上电后，先进入自检流程，若自检通过，则进入下一步流程。终端设备先抓拍低分辨率的照片并上传后台。当判断无车辆停放后，后台不下发任何指令，等待下一个周期的照片上传。如后台服务器判断有车辆停放，则会通过网关向对应的终端设备发送命令请求。终端设备临时抓拍高分辨率的照片并提取出车牌部分的截图向后台上传。通过后台进行车牌的精确识别并开始收费计时。如果在车位识别时，发现该位置无车辆停放或车牌已变动（对比前一个拍照周期的照片），则自动结束该位置车辆的收费计时，如有新停车辆则开始新的收费计时[10]。以上就是一个完整的系统工作流程，如图4所示。当出现车辆停放不规则或是车牌有遮挡而无法识别时，后台系统向监控人员发出提醒，再通知现场巡视人员进行号码人工录入。

图4 工作流程

1.4 系统优势

本文系统的优势在于：

（1）通过无线网络来节约停车场地的建设成本；

（2）提高停车场的管理效率，并降低停车场的运营成本；

（3）用户可以实现手机端车辆图片实时查看、停车手机端自动扣费、辅助找车等功能；

（4）系统智能化程度高，便于园区或小区的综合化管理和监控；

（5）无人工干预、开放式的停车管理。

1.5 未来展望

本文系统围绕Mesh网络搭建，可以衍生出低功耗方案和密集监控方案两种不同的发展方向，以满足不同的项目和需求。在人流相对稀少的区域，低功耗方案通过增加设备抓拍照片的间隔时间和降低照片上传频率，来减小设备能耗，使得设备靠太阳能电池即可工作。密集监控方案则应用在车辆流动频繁的区域，如商场地下停车场等。这些地方对监控要求高，信息查看频繁。通过设备内增加存储卡，并缩短设备抓拍照片的间隔时间，来满足实时的图片查看需求。同时还可以采用双网关和双频率来实现网络的扩容，并提高整体网络稳定性。

2 结 语

本文系统的智慧停车应用融合当下热点技术，集高效监控、低成本运营、动态分析和精细化管理于一体，是一种智能化的停车解决方案。本方案改变了现有的停车管理技术和管理理念，与未来智慧型城市的发展方向一致，使用户、停车场管理方、城市相关管理部门均能从中获益。