一种基于AI边缘算法的智慧停车方法及系统与流程

本发明属于智慧停车，特别是涉及一种基于ai边缘算法的智慧停车方法及系统。

背景技术：

1、随着城市的不断巨大化，停车难的问题也愈发显现。用智能化工具充分改造好存量停车场，既是利于停车场效率的小事，也是解决城市拥堵，克服大城市病的大事。

2、与智慧停车场相对应就是大量传统停车场，传统停车场通常会有产生很多问题，如出入口排队容易造成拥堵，管理难度大；历史停车数据无法追溯，管理无序；支付方式传统单一，人工现金收费模式存在着很多缺陷；人力的管理成本高等等。

3、而目前的一些智慧停车，通常采用云平台的方式。前端是刷卡系统设备和摄像头，路由器为前端的设备提供网络，设备采集的图像数据，上传到后端云平台进行管理、分析的统一处理。

4、客观说，这种端云协同的模式赋能智慧停车也是经过验证的好方案，但停车管理系统并非是企业或者园区的核心业务系统，但因为采集大量图像数据，运算量和对云端算力的要求却很高，这势必会加大云端算力的负担，要保证它的算力为核心业务系统让路，又可能会造成系统的延迟。

5、再者，园区大都没有实现全光联接，一些坐落在大都市的旧城区，网络层的能力，未必能够支撑对大量图像分析和决策，同样也会因此造成系统的延迟。

技术实现思路

1、本发明的目的在于提供一种基于ai边缘算法的智慧停车方法及系统，通过边缘计算+ai的模式，采用边云协同架构，使用高德地图和微信在线支付第三方平台提供的服务器接口，设计和实现了智慧停车方法及系统，解决了现有的端云协同模式下的停车系统，对运算量和对云端算力的要求高、造成系统延迟的问题。

2、为解决上述技术问题，本发明是通过以下技术方案实现的：

3、本发明为一种基于ai边缘算法的智慧停车方法，包括如下步骤：

4、步骤s1：云端存储所有移动节点用户信息、车辆信息以及停车场节点信息；

5、步骤s2：移动节点和停车场节点在云端注册后，根据云端的引导算法加入特定的集群；

6、步骤s3：移动节点需要停车时，向其集群中的停车场节点发送查询信息；

7、步骤s4：在集群中搜索查询，并发送到超级节点；

8、步骤s5：超级节点在其本地集群上进行搜索，并在集群内查询消息；

9、步骤s6：移动节点获得停车场的列表并建立连接；

10、步骤s7：停车场节点作为边缘服务器，对采集到的监控视频数据进行预处理，定期实时发送到云端；

11、步骤s8：当停车场端向云端请求监控视频识别时，云端会处理监控视频并将识别计算结果发送回停车场。

12、作为一种优选的技术方案，所述步骤s1中，云端、移动端和停车场端之间利用hp2p网络进行数据传输和通信；所述云端还对整个hp2p网络进行监控，引导节点加入和退出相应的集群，同时为停车场视频处理提供计算功能以及为移动节点选择停车场和路径规划提供算法。

13、作为一种优选的技术方案，所述hp2p网络将智慧停车系统分为双层，上层为chord环，下层为洪泛网络；所述洪泛网络中的集群中所有节点都被组织为一个小型的非结构化网络；所述chord环由多种集群组成，对每个集群，通过选择一个超级节点来管理所有节点，并负责消息转发。

14、作为一种优选的技术方案，所述hp2p网络的服务流程如下：

15、步骤s11：移动节点向云端提交注册和登录信息；

16、步骤s12：云端为移动节点提供加入集群的引导策略；

17、步骤s13：移动节点根据云端的引导加入特定的集群；

18、步骤s14：移动节点向其集群中的停车场节点发送查询；

19、步骤s15：在集群中搜索查询，并发送到超级节点；

20、步骤s16：超级节点在其本地集群和chord环上进行搜索，并在集群内洪泛查询消息；

21、步骤s17：移动节点获取特定停车场的列表并建立连接。

22、作为一种优选的技术方案，所述步骤s2中，云端的引导算法加入特定的集群步骤如下：

23、步骤s21：采用geohash算法将申请节点的经纬度处理为一个字符串，该字符串代表该申请节点所在的矩形区域；

24、步骤s22：采用sha-1算法将步骤s21得到的字符串计算为一个hash值，该hash值便是这个节点所在群的唯一标识符；

25、步骤s23：云端保存了加入hp2p网络的所有群的群id与超级节点列表，从中查找与该标识符相等的群id；若查找到，则跳转到步骤s24，否则，跳转到步骤s26；

26、步骤s24：判断该申请节点是移动端还是停车场端；若申请节点是移动端，则返回超级节点列表，算法结束；若申请节点是停车场端，则跳转到步骤s25；

27、步骤s25：将该申请节点的ip地址加入到该群超级节点列表中，返回更新后的超级节点列表，算法结束；

28、步骤s26：新建一个群，群id为步骤s21得到的hash值，超级节点列表中只有一组数据，就是申请节点的ip地址；

29、步骤s27：返回大于该hash值的第一个群id的超级节点列表，算法结束。

30、作为一种优选的技术方案，所述步骤s6中，停车场的查询算法流程如下：

31、步骤s61：移动端将用户输入的目的地地址发送给其所在群超级节点；

32、步骤s62：超级节点判断目的地是否在本群区域内；若在本群区域内，则由超级节点返回该群内停车场的相关信息；否则跳转到步骤s63；

33、步骤s63：超级节点根据高德地图接口提供的地址转换方法，将目的地地址转换为相应经纬度；

34、步骤s64：超级节点根据geohash算法将经纬度计算为一个字符串；

35、步骤s65：超级节点将字符串发送到hp2p网络中，该字符串在hp2p网络上层chord环中转发查询；

36、步骤s66：若是在chord环中查询到与该字符串相符的群id，则有该群超级节点返回群内的停车场信息，否则返回与该字符串代表的区域最近的群内停车场信息。

37、作为一种优选的技术方案，所述步骤s7中，当一个停车场节点计算资源在最大容忍时间内没有按时完成计算任务，则将后续计算任务卸载到其他停车场节点继续执行；其中，任务的计算时间表示为：

38、

39、式中，ti,j为任务从传输到执行计算的完成时间，ttran,ij为任务数据传输的时间，ci为完成任务ti所需要的计算资源量，ri,j为服务器j分配给任务ti的资源量。

40、作为一种优选的技术方案，所述步骤s8中，停车场向云端请求监控视频识别时，计算出路径的流程如下：

41、步骤s81：地图初始化，将建模得到的细粒度地图进行合并，得到全局粗粒度地图；

42、步骤s82：在全局粗粒度地图中采用d*lite算法进行路径规划，得到全局路径节点序列，每一个节点代表一个局部区域；

43、步骤s83：根据上一步得到的全局路径节点序列进行平滑曲线拟合；

44、步骤s84：根据平滑曲线和全局路径节点序列所代表的局部区域的交点计算在每一局部区域内的起始点和目标点；

45、步骤s85：采用蚁群算法并行计算每一个局部区域内的路径；若在某个局部区域内没有得到路径，则在全局粗粒度地图中将该区域设置为障碍，跳转到步骤s82；

46、步骤s86：将上一步得到局部区域路径进行合并，得到最终的路径，算法结束。

47、一种基于ai边缘算法的智慧停车系统，包括移动端、停车场端和云端；所述移动端为多个车辆组成的移动节点；所述移动节点用于请求登录云计算中心节点，注册车辆信息，并通过hp2p网络与停车场端交互；所述停车场端为多个智能设备组成的停车场节点，用于本地边缘计算，并对移动端上传的实时路况信息和停车场实时监控视频进行过滤筛选，将筛选后的数据上传到云端；所述云端用于用户和停车场的信息管理以及停车场的推荐，并通过路径规划算法从停车场列表中选择最合适的停车场进行路径规划。

48、作为一种优选的技术方案，hp2p网络分为两层，上层为结构化p2p网络，即chord环；下层为非结构化p2p网络，即洪泛网络；所述洪泛网络中的节点分为普通节点和超级节点；所述超级节点保存上层chord环中虚拟及诶单需要维护的路由信息，若hp2p网络中的普通节点发起查询请求时，同时进行群内洪泛查询与chord环查询；若在本群中查询失败，则由超级节点通过路由信息在chord环上对资源所在节点进行定位并转发查询请求，最后资源所在节点将查询结果返回给普通节点。

49、本发明具有以下有益效果：

50、(1)本发明通过边缘计算+ai的模式，采用边云协同架构，使用高德地图和微信在线支付第三方平台提供的服务器接口，设计和实现了智慧停车方法及系统，减轻了云端算力的负担，将计算移至边缘，加快处理速度，提高停车管理效率。

51、(2)本发明通过设置一个容忍时间，在一个停车场节点计算资源在最大容忍时间内没有按时完成计算任务，则将后续计算任务卸载到其他停车场节点继续执行，提高了数据处理效率，避免造成系统延迟。

52、(3)本发明通过在停车场出入口和内部的摄像头，采集进出场车辆、车牌图片，进行车辆实时识别并匹配车主信息，从而精准记录车辆的进出时间，为进场车辆提供空位引导，提高用户停车体验，节约用户停车时间。

53、当然，实施本发明的任一产品并不一定需要同时达到以上所述的所有优点。