以接近传感器和光传感器为指引的智能停车场的性能分析外文翻译资料

英语原文共 8 页，剩余内容已隐藏，支付完成后下载完整资料

以接近传感器和光传感器为指引的智能停车场的性能分析

摘要：

近年来车辆保有量的迅速增加已引起一些全球性问题，例如空气污染，道路堵塞，燃料浪费和时间浪费。特别是在大城市，这些问题是当找停车位时车辆堵塞造成的。即使在今天，许多现有的停车系统被动地向驾驶员提供关于停车位的可用信息。目前，用于检测停车设施中的车辆存在的传感器是不可靠的并且是昂贵的。本文提出了一个全面的分析设计智能停车系统的方法，如传感器选择和传感器部署的精确检测的最佳位置。最初，停车场使用两个最常见的传感器，即用于阴影检测原理的光可靠电阻（LDR）传感器和用于对象检测机制的红外（IR）传感器。本文提出了在不同条件下检测空闲停车位和车辆检测的精度的性能分析，并且IR传感器在检测空闲停车位和在不同环境因素中的车辆检测方面优于LDR传感器。

关键词：智能停车系统;无线传感器网络;红外传感器;光传感器。

1. 介绍

车辆被认为是人类今天的基本工具之一。 随着人口不断增加，2013年车辆数目也增加了10亿。车辆数目的这种快速增长导致了一些非常具有挑战性的全球性问题，例如空气污染，道路堵塞，燃料浪费，时间浪费和对人们的日常干扰。造成这些问题的主要原因之一是主干道上长时间的车辆堵塞，特别是人们在许多重要城市找到空置的地方或停车位时。 即使在今天，在许多大城市，现有的停车系统是非常传统的，并且只为驾驶员被动的提供关于停车位可用地信息。 因此，在现有的停车系统中智能这个问题需要认真考虑。 在现有的停车系统中包括人工停车系统，这种停车场可以辅助驾驶员找到两个停车位。因此，如果停车区域和空间增加的时候，停车场管理会变得更加困难。此外，时间和地点的问题是当前空闲的停车位，正确停车位的导航和收费小票甚至增加了传统停车系统中的现有问题。因此，这些问题可以通过设计一个智能停车系统来解决。通过智能停车系统，在传感器技术的帮助下，系统就可以智能自主地管理整个停车系统。

无线传感器网络（WSN）是一种有利的技术，其基于自动传感器，部署在区域中以感测不同的物理参数，诸如停车位空位，车辆检测等。这些传感器在它们之间以及中央基站中，其中来自传感器的整个信息被收集和后续处理。因此，借助于无线操作自主传感器，可以开发基于WSN的智能停车系统。

虽然近年来已经进行了大量的研究，通过不同的技术使现有的停车系统智能化，例如基于全球定位系统（GPS）的系统，基于全球移动通信系统（GSM）的系统，射频标签/ 基于ID（RFID）的系统，以及类似的许多其它系统。 但是，在设计可靠的基于传感器的停车系统时，一直存在对两个重要因素的混淆，即最佳传感器和用于准确和可靠的停车位检测和车辆检测的传感器部署的最佳位置。

本文想通过对传感器选择和传感器优化部署的详细讨论一次性解决这些问题。 最广泛使用的传感器是光可靠电阻（LDR）传感器，红外（IR）传感器和磁传感器。 最初，使用LDR传感器和IR传感器以及磁传感器来检测车辆。 这些传感器可以归类为接近传感器。 使用这些传感器的原因是成本低，并且如果用作传感器则与相机相比使用较少的存储器。 而且，与重量或压力传感器相比，这些传感器更可靠。 因此，这些传感器在制定基于WSN的智能停车系统中至关重要。 然而，它们在检测车辆中的准确性和可靠性还有待解决。

因此，本文介绍了接近传感器（LDR和IR传感器）的性能分析。作为一个案例研究，设计了一个测试台，其中传感器部署在开放的停车设施中，以检测空闲停车位，车辆和车辆检测类型以及在变化的环境条件下的检测精度。

其余的文章组织如下。 第2节介绍相关工作，第3节介绍基于WSN的智能停车系统，讨论LDR和IR传感器的操作理论，第4节提供了关于实验场景的详细讨论，并介绍了智能停车系统的接近传感器的性能分析，最后，第5节总结了论文。

1. 相关工作

为了设计智能停车系统，最重要的部分是准确地检测车辆。此外，信息必须可靠地传播到中央基站。下面是用于检测7,8,9,10,11车辆的各种传感器和不同的方法。

Yamada et al.12和Banerjee et al.13已经使用监视摄像机和图像处理技术来检查停车场中车辆的可用性。这是在当前停车系统中使用的最常见的技术之一，但是该方法由于许多原因诸如室内和室外环境，阴影效应和失真效应等而缺乏准确性。 Amin Kianpisheh et al.14使用超声波传感器来检测车辆,超声波传感器是在一定程度上精确检测车辆的一种可能性。然而，它具有一些缺点，特别是对温度变化和极端空气湍流的敏感性，这使得超声传感器不适合于智能停车系统。在15中，作者提出了用于检测空的停车位的声学传感器，然而其在拥挤和嘈杂的环境中的可靠性限制它适合于车辆检测和停车系统。 V.Venkateswaran et al.6使用红外（IR）传感器来检测车辆，通过IR传感器检测车辆是最明智的方法之一，但是由于作者使用单独的IR发射器和单独的IR接收器，所以该方法是复杂的。此外，作者简单地提出使用IR传感器，而其精度和可靠性仍然是要解决的问题。 Pala et al.17提出了通过RFID / Tag技术进行车辆检测。车辆检测是通过标记车辆的最准确的方法之一。然而，在大规模的基于RFID /标签的车辆停车检测仍然没有采用，原因有两个，首先是放置标签的位置，其次是系统的所有成本，这使得商业采用速度缓慢。 Wei et al. 18，作者提出了智能停车系统的车载Ad-hoc网络（VANETS）。 VANET是专为车辆相关应用设计的。然而，实现VANET是一个缓慢的过程。此外，VANET架构是昂贵的，并且部署整个VANET仅用于停车系统是不合适的。 19的作者还提出了VANETs用于检测车辆，而信息传播通过短消息服务（SMS）进行。 Hongwei Wang et al.20提出了基于预留的智能停车系统。所提出的系统使用光和振动传感器来检测车辆。作者主要集中在检测车辆必须搜索空的停车位的情况下的车辆拥塞，作者通过他们提出的系统减轻了交通拥堵，然而，作者没有考虑环境损伤，这可能导致通过振动的错误检测，也没有考虑到可能误导车辆通过光传感器的检测的不同的环境条件和因素。 Srikanth et al.7已经设计并实现了使用WSN的原型智能PARKing（SPARK）系统，但原型是不切实际的，因为为原型选择的传感器易受环境条件和不同的非目标对象的影响。 Quinones et al.21提出了一种使用无线传感器网络设计智能停车系统的架构。这些工作主要集中在使用zigbee 900和Digimesh 2.4 GHz的基于拓扑网络设计的可靠信息传播或连接。 Gupta et al.22通过集成普适计算，信息和群体智能提出了智能上下文感知泊车位定位机制。研究集中于检测空闲停车位，并使用任何传感器对朝向基站的最短可靠路径进行分类。类似地，Asaduzzaman等人图23给出了诸如Wifi，蓝牙和Zigbee的无线技术的比较分析，并且提出了Zigbee作为时间和能量高效的停车系统，并且没有陈述对传感器及其精度的任何描述。 Junzhao et al.24提出了一种使用相机传感器进行检测的基于多分类器图像的空闲停车检测系统。照相机可以用作传感器检测空闲停车位或车辆，然而它是易受攻击的黑暗（低强度），这需要复杂的算法。因此，这种系统是昂贵的和高度复杂的。其余的研究25,26,27提出了不同的架构，用于开发基于WSN的智能停车系统。

上文提出的文献提出了可用于检测车辆的不同的基于WSN的停车系统，然而，需要考虑许多因素和方面。诸如在不同的非目标元素（例如生物（人或动物）或除车辆物体之外）的空闲停车检测和车辆检测的精确度的因素。还有停车系统的位置，例如室内或室外，因为可见性对于一些传感器起重要作用。类似地，诸如天气（多云或多尘）的环境条件也可能损害传感器的性能并导致错误检测。因此，考虑到这些因素和方面，现有文献缺乏这样的考虑，这使得不同传感器的精度不明确并且可能导致错误检测。本研究报告介绍了具有红外传感器的LDR传感器的性能，并提供了在不同环境条件下其精度和可靠性的比较分析。

1. 框架比较

在本节中，介绍了基于WSN的智能停车系统。 原型包括无线传感器的网络部署在停车区域，其检测车辆的停车位的可用性，将信息传播给驾驶员。 为了简化驱动程序，设计Android应用程序通过地图导航帮助司机找到空闲车位。

为了设计一个可靠和高效的基于WSN的停车系统，第一阶段是部署传感器。最初，考虑单个停车槽，其中可以部署传感器。有两个重要的考虑，1）要使用的传感器的类型，2）传感器感测车辆的位置。可以使用和部署不同的传感器来感测车辆存在或不存在。最初，LDR传感器和IR传感器用于性能评估。对于使用任何种类的传感器，最重要和关键的考虑是传感器部署的位置。传感器的部署取决于网络的环境（室内/室外）。在室内环境中，传感器可以部署在屋顶下方或墙壁上或地板上，甚至部署在单个槽口周围。在室外环境中，传感器安装在停车位的地板上。在地板上种植传感器是最常见的使用方法，因为它被认为是一个独立于环境的位置。因此，通过适当的传感器选择和部署，监测在单个停车位处车辆的存在和不存在。一旦监测到单个停车位，则可以将其概括为其他停车位。因此，布置网状网络，其中每个传感器连接到每个其他传感器。使用收集树协议（CTP）28将该信息发送到基站。一旦在基站收集数据，该信息就通过文件传输协议（FTP）在服务器上上传。相同的信息传输到FTP服务器，并在服务器上每5秒定期更新一次。智能安卓应用程序设计可以从FTP服务器获取信息，并在任何时间向其用户指示可用的停车位。

原型系统被广义化，它可以部署在任何地方（室内或室外），并且系统应该在每个环境/天气条件下维持。为了设计可靠和鲁棒的传感器网络，第一和最重要的步骤是选择传感器以通过车辆的存在和不存在来检测停车槽的可用性和不可用性。由于使用LDR和IR传感器，重要的是理解它们对于每个传感器的操作理论/两个传感器的工作原理讨论如下：

3.1光依赖电阻（LDR）传感器

使用的第一个传感器是光敏电阻（LDR）传感器。 LDR传感器与MDA100CA传感器板28集成。LLD传感器工作于阴影检测方法。在阴影检测方法中，每当存在光或诸如Sun的光源时，它计算发光强度，不存在发光强度会产生阴影。如果LDR传感器部署在车辆下方，则车辆的存在在LDR传感器上产生阴影。指示停车位的不可用性。同样，没有车辆也不会产生任何阴影，指示停车位的可用性。这样，LDR传感器用于在智能停车系统中检测车辆。

3.2红外（IR）传感器

用于设计智能停车系统的第二个传感器是Sharp Technologys红外传感器。红外传感器工作在对象检测方法。在物体检测方法中，每当在IR传感器的视线（LOS）内存在任何物体时，信号的一部分将在IR传感器的方向上反射回来。该反射信号被称为回波信号。如果IR传感器部署在停车槽中，存在车辆将阻碍IR信号的LOS，导致回波信号，指示车辆在停车位中的存在。类似地，车辆的不存在不会导致任何回波信号。指示停放车辆的免费停车位的可用性。这样，IR传感器用于在智能停车系统中检测车辆。

可能是Crossbows LDR传感器或Sharp技术红外传感器，有必要进行详细的性能分析和测试这些传感器的车辆检测的准确性，可靠的信息传播和他们的工作脆弱性不同的环境因素和方面。

1. 结果

在本节中，上述两种建议的传感器（LDR传感器和IR传感器）在实时条件下在不同的情景中被考虑、部署和测试，以检查传感器的可靠性精度。 最初在单个停车位进行实验。 在相同的物理参数和条件下使用不同类型的车辆观察两个传感器的结果。 具体情况如下：

4.1情况1：使用光传感器的车辆检测

LDR传感器工作在阴影检测方法。使用LDR传感器的车辆检测由发光强度值的变化产生，有不同的发光源，在我们的例子中，Sun被认为是发光强度的主要来源。 实验是通过部署Crossbows IRIS motes 28进行的，MDA100CA传感器单元具有嵌入式LDR传感器， IRIS微尘被植入在单个停车槽的表面中以检测车辆。

为了检测停放的车辆，重要的是在空闲停车位处计算太阳的总体发光强度分布（从早晨到晚上）。配置文件指示并帮助设置阈值。当任何车辆到达停车位时，它将停在LDR传感器上，这将与太阳光与传感器表面孔径的接触相交，产生阴影效应。因此，导致发光强度的显着降低。将在传感器上产生阴影的发光强度的值是阈值，用于参考将来的车辆检测。因此，最初传感器被部署在停车槽的中心底部，以监测太阳的从上午9:00到下午7:00在空的停车位中的发光强度分布。

4.1.1分析
LDR传感器的首要优点是易于使用和集成。 然而，由于许多因素的缺点，检测车辆中的工作脆弱性被严重扰乱。 发光强度的值随着用于检测车辆的不同环境参数而变化，例如停车是在掩蔽处还是没有掩蔽处，车辆距离停车位底座的高度，停车位置相对于到达角的位置 太阳光（即东，西，北和南），环境效应（如多云，恶劣的天气），时间间隔，因为太阳的发光强度随着天数在24小时内发展而减少，从而产生多个阈值， 从而增加算法代码复杂性，并且一天的持续时间每年减少365天。 这些所有因素都对LDR传感器的精确性造成严重的影响，有效地检测车辆。

4.2情景2：使用红外（IR）传感器的车辆检测：

红外（IR）传感器工作在对象检测方法。对象检测方法基于检测在其范围31内的

剩余内容已隐藏，支付完成后下载完整资料

资料编号：[138820]，资料为PDF文档或Word文档，PDF文档可免费转换为Word