基于SSM的停车场管理系统的设计与实现文献综述

【内容摘要】：现今我国已经步入了经济大发展时代，家家户户都拥有了自己的汽车。研究表明，往后一段时间，汽车的数量更会大幅增加，各类停车场也会急剧增加。包括一些小区或者商场都拥有自己的停车场，为了对有限停车空间的合理利用以及对车辆进行合理的管理，本课题拟开发一款停车场管理系统。

使用智能停车场系统管理停车场可以提升整个停车场的智能化、自动化、信息化程度,将原来需要人工处理的问题交由智能设备处理。对于管理者来说，既节省了大量的人工成本,又保证了各种数据的及时、准确、有效。对于使用者来说，借助智能停车场系统中的各类自动引导系统可以快速、自如地找车位、取车。借助智能缴费系统可以让车主快速进出停车场，借助云端管理子系统提前预定停车位，避免了到达停车场后才发现无空闲停车位的尴尬场景，节省了大量不必要的时间，大大提高了泊车的效率，具有极高的社会效益和经济效益。

本课题是基于SSM框架实现的，Spring 管理各层的组件，它的核心思想是IOC（控制反转），即不需要显示地new一个对象，而是让Spring框架帮你来完成这一切；SpringMVC做控制器(controller)，它的核心Servlet即DispatcherServlet承担中介或是前台的职责；MyBatis负责持久化层，它让数据库底层操作变得透明。

【关键词】：停车场管理；车牌识别算法；智能停车；SSM；

导言

本课题使用了车牌识别算法，自动识别车牌信息，降低了人工压力，同时也显著减少人工登记由于个人错误而引发的一系列问题。通过该停车场管理系统，可以省去繁琐的人工登记，也可以节省一笔不小的人员支出，同时也有利于问题出现以后的追踪查询增加安全性。

停车场系统共享“车”与“停车位”，实现停车场的云管理，为管理者和用户提供便利。车主可通过线上系统和线下系统的协同配合预定停车位。该系统能够智能、实时地获取停车场的各种信息，节省了大量的人力和物力，确保车辆数据的实时、准确、高效。

本文主要查阅了《智能停车场管理系统的设计与实现》，《基于深度学习的车牌识别算法研究》等文献。在网络中主要通过CNKI中国知网、万方数据库以及百度学术等资料库，并以关键词、摘要等方式进行搜索。本文旨在借鉴前人的研究基础上理清本课题的开发思路，在前人已有的成果基础上做出进一步的改进。

1 研究背景及意义

伴随着汽车消费市场迅速发展，各种社会车辆和私家车数量迅速增加，停车位的供给速度远远小于汽车数量的增加速度，导致城市停车位越来越紧张。导致停车难现象的原因不仅仅是由于停车场以及停车位建设的不足，停车场管理混乱也是导致该现象的重要原因。在停车场管理行业中，除有授权特许经营的公司外，另有各种各样的物业公司、停车场管理公司纷纷涉足停车场行业。这些停车场经营公司参差不齐，有些公司只以赚钱为目的，采取不科学、不负责任的手段来管理或建设停车场，导致经营混乱、乱收费现象严重[1]。

同时，现有停车场规模越来越大，高峰期大批量车辆出入停车场，在出入口大量拥堵，车主到达停车场内部也难以快速寻找到有效车位。这些问题使大部分驾驶员出于费用和时间的考虑而放弃停车场，为了减少停车、取车时间和停车费用而在路边乱停乱靠，导致乱停乱靠的现象更加严重[2]。

因此，停车场的经营管理是现代城市规划必须要重视的一个问题。针对“城市停车难”的问题，加强停车场基础设施建设是最直接有效的办法，在现有的公共设施基础上开辟新的停车泊位，根据城市、道路的具体情况，增建停车场，增加停车泊位。但是受现在城市土地资源较为稀缺的限制，在现有停车场基础上增建大量的停车泊位已不太现实。除了新建停车场外，现阶段更应该侧重优化现有的停车场资源，优化资源配置，借鉴先进的智能停车场管理系统，利用科学的、综合的管理技术，提高停车场资源利用率[3]。使用智能停车场系统管理停车场可以提升整个停车场的智能化、自动化、信息化程度,将原来需要人工处理的问题交由智能设备处理。

对于管理者来说，既节省了大量的人工成本,又保证了各种数据的及时、准确、有效。对于使用者来说，借助智能停车场系统中的各类自动引导系统可以快速、自如地找车位、取车。借助智能缴费系统可以让车主快速进出停车场，借助云端管理子系统提前预定停车位，避免了到达停车场后才发现无空闲停车位的尴尬场景，节省了大量不必要的时间，大大提高了泊车的效率，具有极高的社会效益和经济效益[4]。

1.1国内研究现状

与国外发达国家相比，我国在智能化停车场管理系统的应用方面起步较晚。2001 年，北京建设了王府井停车诱导系统，该系统是我国第一套停车诱导系统，并且在 2012 年进行了升级，该项目运用物联网中云计算技术，移动互联网技术，建设了全方位智能停车诱导系统，实现了以互联网、车载导航、手机、广播和诱导屏等全方位多级的、连续的发布手段。该系统不仅方便了车主随时随地的了解停车位占用信息，同时也为科研单位和政府开展静态交通的研究提供了数据支持和研究工具[5]。2010 年 1 月，厦门人民会堂停车场试运行了厦门的第一个智能停车场案例——陌泊停车系统，该系统将物联网技术很好的运用到了城市交通停车诱导系统中。车主可以运用该系统通过手机短信、语音和手机客户端等方式实时的获取附近停车场的车位占用状态，帮助车主方便快捷的寻找到合适车位。在理论研究方面，季彦婕等人对智能停车诱导信息板进行了深入研究， 并设计了停车位状态显示优化的模型；蔡景勇等人则将 GIS 引入到了停车诱导信息系统，并对智能化停车管理系统的信息显示进行了研究和分析[6]；杨晓光等人对智能停车诱导系统进行了深入研究[7]；李维龙等人对不同类型的车辆探测技术进行了对比，在此基础上提出了低功耗无线传感网络技术。近几年，虽然许多企业运用国内外的前沿技术，结合国内行业的现状和特点开发出了许多较高技术水平的智能停车设备，政府也在大力开展智能化停车管理系统的建设，但是停车管理系统目前仍然存在许多不足之处：（1）研究多数针对的是单一模块，缺乏系统化。当前，停车场信息诱导系统、出入口控制系统、收费系统等在研究和实际的应用上大多都是孤立的，各个系统缺乏必要的关联，每个系统虽然都能一定程度的缓解交通压力，但是各系统都没有实现效能的最大化。[9]（2）采集数据的兼容性差。当前停车场车位信息数据采集的方式有许多种，包括视频采集、超声波采集和感应线圈等。由于当前各系统不是很重视各模块的关联，很多企业或者研究机构从节约成本的角度出发，大多数会选择成本较低，检测精度也相对较高的感应线圈技术来实现停车位信息的采集，然而感应线圈的采集方式所采集到的车位使用信息对于当前迅速发展的不停车收费系统来说又具有一定的局限性。[10]（3）停车诱导系统的车位占用信息发布方式比较单一[8]。现在各大城市大多数还只能采取在主要交通路况运用显示屏来发布附近停车场的空闲车位信息，而且所发布的信息许多时候由于信息采集不够精确而导致错误信息的误发布，扰乱交通秩序。同时，车主往往会因为忽视了停车诱导屏而导致找不到空闲车位，造成城市交通的额外负担。另一方面，目前智能化的停车诱导系统只能为车主提供静态路径诱导，缺少对道路交通情况变化的预测，容易导致消息滞后和局部拥堵现象。总体来说，停车场管理系统正在朝着智能化，无人化方向发展。未来停车场将打破单一模式，实现联网数据共享，通过建设智能化的停车平台实现便捷的停车场查询、车位预订、不停车进出停车场以及自助付费等功能。[11]。

1.2国外研究现状

国外发达国家和地区对智能化停车管理系统的研究和应用起步较早，国外的研究技术相比国内要成熟一些，功能也更完善。

在实际应用方面，德国的亚琛市在 1971 年建立了世界上最早的城市停车诱导系统。随后，日本柏市在 1973 年也建立了日本最早的停车诱导系统，该系统能向车主提供停车场位置，总的停车位数目和空闲车位等诱导信息。德国科隆市在 1986 年建立了可以覆盖整个城市中心地段的停车诱导系统。该系统总共包括 30 个大型的停车场、接近 18000 个停车位、170 个左右停车诱导指示牌。与此同时，在数据的共享方面，该系统建立了综合的数据库，直接由市交通监控管理中心进行统一管理，该系统在运营情况和实施效果方面都具备一定的代表性，为各国各城市的城市诱导系统的建立提供了一个非常成功的案例[10]。

截至 1995 年，日本已经将城市停车管理系统引入到了 30 多个城市。在东京市新宿区建立的停车管理系统综合考虑了交通控制、安全控制、路网控制等相关因素，该系统被一致认为是日本首次成熟案例。1996 年 2 月，美国的圣菲亚商业中心成功建立了该国第一个停车诱导系统，该系统总共管理着 6 个停车库及 4 个停车场，同时使用 10 个可变信息板电子诱导屏万方数据南京邮电大学专业学位硕士研究生学位论文第四章 基于 Android 的车位查询及预订模块的设计与实现3来发布停车位的使用情况和 46 个静止方向指示牌以显示停车位置，车主可以根据诱导屏上的信息和指示牌上指示的方向到达其选择的停车库或者停车场[10]。

近几年的发展中，新加坡在新加坡市建立了一个全自动化停车场，以此来缓解当地局部的交通压力。车主只需将车子停放在停车场入口的大电梯处并在电子屏幕上输入个人密码，该系统就会自动将该车辆输送到该停车场的空闲车位上。日本则在立体停车场领域发展顺速，同时还对各城市经营性的停车场减税免税。英国伦敦推行一个收费性质的停车场网站，车主可在该网站上查看各停车场的具体位置和收费情况等信息，市民可在出门前预订停车位和停车时长，然后刷信用卡进行费用支付。

在理论研究方面，Z.Pala 以 RFID 技术为研究主线，对城市停车场管理系统的数据传输方式进行了深入探讨和研究总结；Russell G.Thompson[11]深入研究了停车位搜索模型和停车诱导系统的信息显示配置及优化等相关理论和方法；D.Teodorovi 曾提出基于模糊逻辑和证书规划方法的停车位预定系统；V.W.S.Tang 提出了一种基于低成本无线网络的智能停车场管理系统，该管理系统可以在系统之间实现数据的共享，是高级智能交通的一部分；M.Y.I.Idris 对智能停车场管理系统及其关键技术进行了深入研究，总结了该系统的功能及应用。

3关键技术介绍

智能停车场管理系统是随着国内外汽车工业的快速发展，引发出新的社会需求之后，物联网和云计算技术、计算机技术和视频识别技术等发展日趋成熟的技术应用于这一领域的产物。随着这些相关技术不断地推陈出新，当前停车场管理系统智能化的条件可谓十分成熟，部署成本也越来越低。

3.1数据库技术

数据库技术是信息系统中的一项非常核心的技术。数据库是按照某种数据模型组织起来的，并且存放于二级存储器中的数据集合。简单来说，数据库可以看成为一个电子化的文件柜，用于存储数据，用户可以对文件中的数据进行查询、新增、删除和更新等操作。数据库产生于 20 世纪六七十年代，它产生的目的是有效地存取和管理大量的数据信息，数据库技术主要研究的是存储、管理和使用数据的方法。数据库技术与计算机技术相互渗透，互相促进，已经广泛地应用于各大领域，如人工智能、情报检索以及计算机辅助设计等领域。数据库具有如下特点：（1）实现数据的共享；（2）减少数据的冗余度；（3）实现数据的独立性；（4）数据可集中控制；（5）通过数据库管理系统，可及时发现故障并能快速修复故障；（6）数据具有一致性和可维护性，用来确保数据的可靠性和安全性。

3.2车牌识别技术

车牌识别技术(Vehicle License Plate Recognition，VLPR) 是一种能够确定汽车牌照在图像中的位置，并提取和识别出文本字符的技术，它是计算机视频图像识别技术在车牌识别中的一种应用。车牌识别的过程包含图像的采集、预处理、车牌的定位、字符分割和识别等一系列的算法运算。

1）图像预处理：在车牌图像的采集和输入过程中，由于受到环境以及特殊因素等的影响，采集到的图像的质量总会下降。低质量的图像采集会给影响车牌图像的定位、分割和识别。因此，对车牌采集的初始图像进行预处理是非常必要的，这样能提升图像的质量，并且将对我们有用的图像信息凸显出来，该处理有利于系统进行各种后续处理。图像预处理主要包含灰度化、二值化、平滑处理、图像的增强和锐化及边缘提取等。图像的平滑处理实现方法一般包含中值滤波法、邻域平均法等。图像增强的方法分为直方图均衡化和灰度拉伸法等，图像锐化处理的方法一般分为两种，一种是微分锐化，如梯度锐化，另一种就是高通滤波法。另外在图像的边缘检测和提取中，比较常用的边缘检测算子有：Sobel算子、Roberts 算子、Prewitt 算子、Laplacian 算子等。

（2）车牌区域定位：车牌定位过程中，系统先对采集到的图像采取大范围的相关搜索，并且找到符合车辆牌照特征的多个区域作为车牌的候选区，并对各候选区进行分析，判断出最佳候选区，然后将该区域从图像中分离出来。车辆区域定位主要包含两种的原因：首先，车牌定位可以实现对复杂场景的监控，其次，通过定位，可以缩小后续车牌识别的范围。现在常用的车牌定位技术可以总结为以下几种[23]：① 基于颜色的车牌定位技术；② 基于边缘检测的车牌定位技术；③ 基于区域的车牌定位技术；④ 基于小波分析和变换的定位技术；⑤基于神经网络的定位技术；⑥ 基于矢量量化的车牌定位技术。

（3）车牌字符分割：车牌字符分割是从图像预处理、车牌定位之后所得到的车牌图像中分割出七个单一的字符图像。因为受到车牌倾斜、光照不均和车牌污迹等诸多因素影响，使万方数据南京邮电大学专业学位硕士研究生学位论文第四章 基于 Android 的车位查询及预订模块的设计与实现15车牌字符分割的困难和挑战升级。现在常用的具有代表性的车牌字符分割算法主要有四类：① 基于垂直投影的车牌字符分割算法；② 基于连通区域的车牌字符分割算法；③ 基于聚类分析算法的车牌字符分割算法；④ 基于字符模板匹配的车牌字符分割算法。

（4）车牌字符识别：车牌字符识别是车牌识别最为关键的部分，它是一个对分割完的字符进行分类的过程，影响字符识别正确率的重要因素主要是对字符进行特征提取和识别算法的选择。国内车牌字符识别相对比较特殊，每个车牌都包含汉字、数字和字母部分，车牌字符个数虽少，但是种类繁多；所以，车牌字符识别算法通常需要尽可能的消除外界因素所带来的影响，并根据需求选择最合适的字符识别算法。目前，车牌字符识别常用的算法包含以下几种：①模板匹配法：该方法将输入的待识别的车牌字符归一化为模板大小，计算字符与模板集合匹配的相似度，然后选择最佳的匹配结果。模板匹配法虽然简单，匹配的速度也非常快，但是该方法很容易对存在变形、噪声和偏移的字符产生错误识别。②神经网络算法：该算法运用生物的神经网络模型，让系统模拟人类的思维，来对问题进行记忆、推理和联想，该算法具有很强的自适应学习能力，其组织规则和学习算法使算法能根据环境的要求来进行自适应。③支持向量机：SVM（Support VectorMachine）是出现在神经网络算法之后的一种全新的模式识别方法，该方法用结构风险最小原则来替代经验风险最小原则来进行分类。 ④特征匹配法：该方法排除了方向和尺寸所带来的干扰，并且对细节变化非常敏感，能很好的分辨出字符结构上非常细微的差别。

4总结

本文主要介绍研究课题的目的、研究背景及意义，介绍了实现本系统所需要的基本的技术。通过这一段时间的查阅资料和学习，我发现本课题研究的意义在于方便一些中小型停车场对车辆的智能管理以及对空间的充分利用。

参考文献

［1］吕田. 智能停车场管理系统的设计与实现[D].西安工业大学,2016.

［2］高静.基于停车场信息的动态停车诱导系统研究[D].山东科技大学，2016

［3］陈婷.基于 RFID 定位的停车场智能移动终端设计[D].南京邮电大学，2016

［4］丁瑞锋.智能停车场系统设计与实现[D].郑州大学，2017

［5］张群.智能化城市停车场管理系统的应用研究[D].南京邮电大学,2015

［6］齐婷婷.物联网技术在智能停车场系统的应用研究[D].山东科技大学,2015

［7］杨振. 车牌识别中关键算法的改进研究[D]. 2016.

［8］孙婷婷. 基于车牌识别的一体式寻车数据采集系统的实现[D]. 浙江大学, 2015.

［9］王恒. 基于深度学习的车牌识别算法研究[D]. 浙江工业大学, 2017.

［10］Giupponi L, Agusti R, Perez-Romero J. The research and design of intellectual parking system based on

RFID [C]. IEEE Global Telecommunications Conference(GLOBECOM), 2013:3851-3855.

［11］Eiichi Taniguchietal,Russell.G.Thompson,Tadshiyamada,Ron Van Duin.City Logistics Network Modelling and Intelligence Transport Systems[M].2010:1-47.