一种基于机器学习算法智能调度的融合停车系统的制作方法

本发明属于智慧停车领域，具体涉及一种基于机器学习算法智能调度的融合停车系统。

背景技术：

1、随着机动车数量的迅速增长，停车管理现状和需求的矛盾进一步加剧，传统停车场的收费采用人工方式，由于存在收费过程繁琐、劳动强度高、停车场利用率低、票款易流失的问题，而逐渐被市场所弃用。随着通讯技术、大数据、人工智能等技术的发展，智慧停车系统在停车场管理中被广泛使用，按应用场景划分，可分为：巡检车、路牙机、低位视频、高位视频、手持pda等模式。然而，面对复杂的城市停车环境，各类停车场场景应用的各种不同的智慧停车模式导致应用程序和系统数据不易流通，严重影响城市停车业务管理。同时，基于车牌识别的智慧停车系统易受环境干扰，存在着视频遮挡、图像模糊、设备掉线、响应不及时等问题，造成偷费、漏费、费用难以追缴等停车管理问题。

技术实现思路

1、本发明的目的在于提供一种基于机器学习算法智能调度的融合停车系统，集合各种不同的智慧停车系统并对各种不同的智慧停车系统的停车数据进行校正补充，及时发现和校正错误的停车事件数据，避免停车系统识别出错而长期无法响应处理的问题，实现对停车系统的智能调度。

2、为实现上述目的，本发明采用以下技术方案：一种基于机器学习算法智能调度的融合停车系统，包括停车设备系统、停车数据管理平台、智能视频图像分析平台、智能业务数据分析平台以及智能调度平台；

3、所述停车设备系统包括：高位视频系统、巡检车系统、路牙机系统、低位视频系统和pda系统；停车设备系统识别现场的车辆信息(包括：检测到的车辆车牌图像、识别到的车辆车牌信息、所在的泊位地理位置信息)上传到停车数据管理平台；

4、所述停车数据管理平台用于对整个停车业务数据信息的管理，其包括用户信息管理、车场/泊位信息管理、财务信息管理、停车场/泊位状态监控、停车订单管理、停车信息查询和异常信息管理，是停车系统的基础模块；

5、所述智能视频图像分析平台是对停车设备系统采集到的视频图像进行图像质量检测，支持图像模糊检测、水雾检测、黑屏检测、图像遮挡检测、图像条纹检测和摄像头偏移检测，能快速准确地判断出图像异常和设备异常情况，并将异常信息上报给智能调度平台；

6、所述智能业务数据分析平台对整个停车业务数据进行分析、监测，通过建立异常事件检测模型实现对停车事件的自动化检测；代替人工，快速地筛选出异常事件，并将异常事件上报给智能调度平台；异常事件检测模型支持长时间无停车事件、固定泊位停车事件无车牌、极短时间车辆出入场的异常事件检测。

7、较佳地，所述长时间无停车事件异常检测是基于时序指标的停车事件检测模型，能根据每个泊位历史停车事件的时间计算出各自的停车时序指标，即该泊位有停车事件的最长事件；根据停车时序指标预测出接下来x小时内该泊位应存在停车事件，如果该泊位停车事件没发生，则认为该泊位存在长时间无停车事件异常，上报报警信息。

8、较佳地，所述固定泊位停车事件无车牌异常检测是对泊位存在停车事件的关联车牌进行检测；当多次重复出现泊位存在停车事件，但无车牌的情况，则认为存在固定泊位停车事件无车牌异常，上报报警信息。

9、较佳地，所述极短时间(一般设置为5分钟)车辆出入场异常检测是对固定泊位的车辆出入场事件按时间维度进行统计，当重复出现极短时间车辆出入场事件时，则认为该区域的泊位车辆出入场存在异常，把极短时间内的车辆出入场事件信息认定为无效信息，平台会把该停车场\路段地址、泊位号和相关的摄像头编码和异常事件进行上报，并自动过滤极短时间内停车出入场记录信息。

10、较佳地，所述智能调度平台是对异常事件数据进行联合分析，生成自适应的异常处理机制，对不同的停车系统设备进行调度，实现对异常事件数据的修正和补充；智能调度平台异常处理机制是对现场应用的不同停车系统设备根据视频图像异常事件和业务数据异常事件综合分析所制定的，其能根据上报的异常事件数据类型和使用的停车场景对调度机制进行相应匹配。

11、较佳地，对于使用高位视频+低位视频或路牙机+巡检车+pda停车系统的场景，该系统具体流程如下：

12、s1：高位视频停车系统识别车辆车牌信息，记录为停车事件(包括：停车位置、出入场时间、车牌信息和出入场车辆图像)，并将信息上传给停车数据管理平台；

13、s2：智能视频图像分析平台定时轮询所管辖的用于车牌识别的视频摄像头，对摄像头的视频质量进行检测，判断其是否存在视频质量异常情况，如图像模糊、存在水雾、黑屏、遮挡、图像条纹和摄像头偏移等，并将视频异常信息上传给智能调度平台；

14、s3：当智能视频图像分析平台发现存在视频异常情况时，即对所存在异常情况的摄像头所在的视频桩上所有的摄像头进行二次视频质量检测；当发现其他摄像头也存在异常问题时，对同一路段的摄像头进行二次检测，如果同样出现问题，即以“路段”的形式向智能调度平台推送异常事件信息，否则，就以“视频桩”为单位的形式推送；如果对视频桩上的摄像头二次检测未发现问题，则以“摄像头”为单位的形式进行异常事件的推送；

15、s4：智能业务数据分析平台是建立泊位业务数据异常检测模型从业务数据维度去检测泊位异常事件，以“视频+业务”两个维度最大限度减少泊位异常事件漏检、误检的问题。智能业务数据分析平台会实时检测分析推送上来的停车事件，对长时间无停车事件、固定泊位停车事件无车牌、极短时间车辆出入场等异常事件以“泊位-车辆车牌信息-出入场时间-异常类型”的形式向智能调度平台进行推送；

16、s5：智能调度平台以“车牌-泊位-入场时间”为维度去融合业务异常事件数据和视频异常事件数据，以“摄像头”、“视频桩”、“路段”为单位统一泊位异常事件数据；

17、s6：智能调度平台融合过程为：当业务异常事件数据的出错泊位与视频异常事件数据一致时，以智能视频图像分析平台推送的视频异常形式(“摄像头”或“视频桩”或“路段“”)将视频异常事件与业务异常事件数据进行融合，统一成“摄像头(视频桩或路段)+设备(路段)编号+设备(路段)地理位置+视频异常类型+异常开始时间)”的异常停车事件的形式，否则，则认为是由业务异常(如：识别错误)引起的错误，将会对所有的业务异常事件数据以“泊位或路段”的形式进行划分，对于“泊位”业务异常事件，将根据泊位号查询获取到对应的摄像头编号，以“摄像头+摄像头编号+摄像头地理位置+业务异常类型+异常开始时间”的形式建立异常停车事件；对于“路段”业务异常事件，统一为“路段+路段编号+路段地理位置+业务异常类型+异常开始时间”的异常停车事件形式；

18、s7：智能调度平台会自动根据融合后的异常停车事件形式和所使用的停车系统匹配对应的调度规则，同时，将对应的调度规则上传给停车数据管理平台。

19、s8：停车数据管理平台将根据调度规则对停车设备系统进行调度匹配，补充对应的停车事件数据，对异常停车数据进行数据融合修正。

20、较佳地，智能调度规则会存在三种调度形式：

21、(1)异常停车事件以“摄像头”为单位推送时，其调度规则为：同视频桩其他摄像头识别—低位视频桩(或路牙机)识别—pda识别；

22、(2)异常停车事件以“视频桩”为单位推送时，其调度规则为：低位视频桩(或路牙机)识别—pda识别；

23、(3)异常停车事件以“路段”为单位推送时，其调度规则为：巡检车识别—pda识别。

24、本发明通过视频图像分析平台和业务数据分析平台从视频图像质量和业务质量两个维度采用人工智能算法对停车数据进行监控，对视频图像使用视频质量检测模型实时监测，对异常视频图像数据建立“摄像头”、“视频桩”、“路段”三个类型进行推送，对业务数据建立长时间无停车事件、固定泊位停车事件无车牌、极短时间车辆出入场异常检测模型对异常事件数据进行实时检测和推送；然后，将视频异常事件和业务异常事件数据进行匹配融合，根据融合后的泊位、路段和异常原因数据，更加准确、快速定位异常原因和位置，根据使用的停车场景，生成相适应的调度机制，快速启动对应的应急方案，对车辆车牌信息进行抓拍补充和校正，减少因停车系统故障导致的车辆漏检、误检的情况，最大程度降低因设备故障和异常带来的财产损失。

25、本发明可集合各种不同的智慧停车系统，并对各种不同的智慧停车系统的停车数据进行校正补充，及时发现和校正错误的停车事件数据，避免停车系统识别出错而长期无法响应处理的问题，实现对停车设备系统的智能调度。