前言：想要寫出一篇引人入勝的文章？我們特意為您整理了城市智慧停車中Mesh網絡的應用范文，希望能給你帶來靈感和參考，敬請閱讀。

摘要：針對這些年城市發展所帶來的一系列停車管理問題，如何提高停車場的管理效率并節約成本，以及實現城市交通的動態分析和精細化管理，一直是一大熱點話題。文中系統通過在智慧停車中引入mesh網絡，并輔以嵌入式、深度學習、大數據等技術改進現有的技術與管理方式，使停車管理更加靈活，更加智能化。尤其是在智慧型城市的建設與管理中，將智慧停車與重點管理要素相結合，可以提升城市的綜合管理水平，并大大提高停車場的運行效率和監控水平。

關鍵詞：Mesh網絡；智慧停車；物聯網；深度學習；停車場管理；數據監測

引言

目前的停車服務主要涉及三方：車主、停車場以及城市管理部門。車主作為消費的一方，關注點是停放車輛的安全、便捷地停車取車以及合理的停車費用。停車場方面則希望通過降低停車場的建設費用和管理成本，來降低停車費以吸引消費者。并通過高效及智能化的管理來方便車主，如實時查看車輛狀況、查找停車位置等，以提升服務質量。對于城市管理部門而言，車輛進出無人工干預的操作方式可以縮短車輛在停車場進出口的滯留時間，從而緩解城市道路的交通壓力。同時通過掌握各停車場具體的車輛進出信息，可以完善城市車輛綜合管理的大數據，與智能交通系統、智慧城市等應用和服務深度融合，提升城市公共資源運用的效率，優化基礎設施的管理和服務，改善市民的生活質量[1-2]。

1系統設計思路

1.1系統組成

與以往的設計方式不同在于本文系統的核心是利用Mesh網絡來連接不同的終端監測點。Mesh網絡是無線網絡的一種，通過眾多的節點相互連接到彼此。在同一個網絡中相鄰近的節點可以相互轉發數據，數據從一個節點傳遞到另一個節點，直到抵達目標節點或網絡中的網關，最終通過網關傳輸到外部網絡，如圖1所示。有別于WiFi或4/5G無線網絡，Mesh網絡無中心化的設計使其具有較強的健壯性，網絡拓撲結構可靠且易于擴展[3-4]。終端監測點主要由網絡節點、攝像頭模塊、控制模塊和供電部分組成。其中網絡節點需滿足Mesh網絡組網，并帶有相應的協議。目前市面上有多種基于不同頻段的成熟解決方案，如ZigBee、LoRa等。攝像頭模塊需滿足拍攝高低不同分辨率的照片。每一片區域內都有多個終端監測點和一個網關，網關通過光纖網絡或4/5G網絡與外部網絡相連，將數據傳遞到后臺服務器。后臺服務器在圖片識別過程中引入深度學習算法，可以進一步提高圖像識別的準確率，并提高工作效率。有別于傳統處理方法，深度學習是目前最先進的機器學習方法，其效率和精度已遠遠超過一般識別算法[5-6]。傳統機器學習的方法依賴人工進行特征設計和特征提取。這樣由人工操作的方法在任務簡單時會非常有效，但是當任務復雜時會大大增加人工工作量。相較而言，深度學習避免了復雜的特征提取工作，能根據樣本自我學習，從而減少了人為設計特征和特征提取的工作量，具體對比如圖2所示。

1.2系統工作原理

在系統工作時，終端設備會按一定的時間間隔抓拍照片并上傳后臺。如果照片太大的話可能會造成網絡的阻塞，影響傳輸效率。為了不占用過多的無線網絡資源，攝像頭模塊抓拍的照片是低分辨率照片，規格為640×480像素（30萬像素），30～40KB。后臺通過這些照片判斷停車位上是否有車，當判斷到停車位上有車輛停放時，現場設備抓拍高分辨的照片，再提取出車牌部分的截圖向后臺上傳。一般車牌部分的截圖約為10KB，不會超出無線網絡的負荷。在識別出對應車輛的車牌號后，對該車輛停車時間開始計時。當后臺系統監測到此位置車輛有所變動時（與上一張該位置照片做靜態對比，判斷所停車輛是否離開），結束之前的計時，統計停車總時長，作為停車的收費依據。在本文所述系統中，網絡功能架構由4層設計組成，自下而上分別為設備感知層、數據傳輸層、分析處理層、服務應用層，如圖3所示。設備感知層：利用智能終端上的攝像頭模塊進行區域內抓拍和照片的特征提取，獲取具有更高可用性的數據[7]。通過增加不同的傳感器，可以在不同的場景下采集和監測微環境數據，如增加煙霧報警器，可針對電動車易自燃等隱患進行防范。數據傳輸層：各終端設備通過Mesh網絡節點連接起來，再通過網關連接到外網（通過光纖網絡或4/5G網絡），將采集到的數據傳給下一層處理。分析處理層：這一層具有圖像處理和綜合平臺管理功能。各個不同區域內基于統一接口和傳輸協議的終端數據，輸入并存儲在這一層的服務器中，集中進行統一化管理和處理。車輛檢測和車牌識別都在這一層完成，并記錄數據。服務應用層：這一層會對上一層搜集和處理過的數據，進一步深挖數據應用，配合相應的手機APP和客戶端軟件將最直觀的結果呈現到用戶手里。在這一層通過各種不同的應用和設置，向不同角色的用戶提供差異化的功能和使用權限。管理員可在PC終端、手機APP等通過身份驗證后進行遠程現場查看和控制[8-9]。普通用戶也可以在手機端完成車輛實時圖片查看和歷史照片回看、手機端自動扣費、輔助找車等功能。本文系統可以做到停車場無人值守。之前每片停車區域都需要1～2名工作人員管理。而通過智能停車監測系統，只需2名工作人員，就可以同時覆蓋多個不相連接的停車區域。一人在屏幕前觀測監視器上的現場圖片，另一人在外巡視作為輔助以及處理突發事件。對于區域內垃圾亂放和違法占用消防應急車道等突發狀況，巡視人員也可以做出及時響應。系統在提高效率的同時也大大降低了停車場的運營成本。

1.3工作流程

設備上電后，先進入自檢流程，若自檢通過，則進入下一步流程。終端設備先抓拍低分辨率的照片并上傳后臺。當判斷無車輛停放后，后臺不下發任何指令，等待下一個周期的照片上傳。如后臺服務器判斷有車輛停放，則會通過網關向對應的終端設備發送命令請求。終端設備臨時抓拍高分辨率的照片并提取出車牌部分的截圖向后臺上傳。通過后臺進行車牌的精確識別并開始收費計時。如果在車位識別時，發現該位置無車輛停放或車牌已變動（對比前一個拍照周期的照片），則自動結束該位置車輛的收費計時，如有新停車輛則開始新的收費計時[10]。以上就是一個完整的系統工作流程，如圖4所示。當出現車輛停放不規則或是車牌有遮擋而無法識別時，后臺系統向監控人員發出提醒，再通知現場巡視人員進行號碼人工錄入。

1.4系統優勢

本文系統的優勢在于：（1）通過無線網絡來節約停車場地的建設成本；（2）提高停車場的管理效率，并降低停車場的運營成本；（3）用戶可以實現手機端車輛圖片實時查看、停車手機端自動扣費、輔助找車等功能；（4）系統智能化程度高，便于園區或小區的綜合化管理和監控；（5）無人工干預、開放式的停車管理。

1.5未來展望

本文系統圍繞Mesh網絡搭建，可以衍生出低功耗方案和密集監控方案兩種不同的發展方向，以滿足不同的項目和需求。在人流相對稀少的區域，低功耗方案通過增加設備抓拍照片的間隔時間和降低照片上傳頻率，來減小設備能耗，使得設備靠太陽能電池即可工作。密集監控方案則應用在車輛流動頻繁的區域，如商場地下停車場等。這些地方對監控要求高，信息查看頻繁。通過設備內增加存儲卡，并縮短設備抓拍照片的間隔時間，來滿足實時的圖片查看需求。同時還可以采用雙網關和雙頻率來實現網絡的擴容，并提高整體網絡穩定性。

2結語

本文系統的智慧停車應用融合當下熱點技術，集高效監控、低成本運營、動態分析和精細化管理于一體，是一種智能化的停車解決方案。本方案改變了現有的停車管理技術和管理理念，與未來智慧型城市的發展方向一致，使用戶、停車場管理方、城市相關管理部門均能從中獲益。

參考文獻

[1]何華英.城市道路交通溢出控制方法及其應用[J].指揮信息系統與技術，2018，9（1）：79-84.

[2]陳民.基于多層次數據交換的區域智慧城市公共信息平臺[J].計算機應用與軟件，2016，33（12）：67-70.

[3]李少謙，陳劼，段景山，等.認知無線網絡組網協議與應用[M].北京：國防工業出版社，2015：41-42.

[4]黃書強，王高才，單志廣，等.智慧城市中無線網絡節點部署優化方案研究[J].計算機研究與發展，2014，51（2）：278-289.

[5]吳岸城.神經網絡與深度學習[M].北京：人民郵電出版社，2016：212-213.

[6]冉龍旭，于國龍，聶小雙，等.一種基于深度學習的自動稱重機的設計[J].物聯網技術，2019，9（2）：101-102.

[7]潘磊磊，張桂青，田崇翼，等.基于NB-IOT的農業環境監控系統設計[J].電子設計工程，2019，27（1）：25-30.

[8]李耀東，顧文浩.淺析物聯網技術在工業園區的應用[J].物聯網技術，2019，9（2）：84-87.

[9]趙鑫，王亞剛，王凱.基于B/S模式的智能家居管理系統設計[J].軟件導刊，2018，17（2）：99-101.

[10]余道敏，肖偉明，張重齊.智慧平安社區大數據云服務平臺研究與設計[J].電子設計工程，2019，27（6）：51-54.

作者：劉文鹍 單位：南京智騁致想電子科技有限公司