摘 要

　　改革開(kāi)放以來(lái)，尤其是進(jìn)入 21 世紀以來(lái)，伴隨著(zhù)我國不斷提高的國民經(jīng)濟水平， 汽車(chē)作為一種交通工具已經(jīng)逐漸走進(jìn)尋常百姓家中，成為了日常通勤中重要的組成部分。

　　汽車(chē)給大眾出行帶來(lái)便捷的同時(shí)也帶來(lái)了許多問(wèn)題，其中一個(gè)重要問(wèn)題就是如何對數量 越來(lái)越龐大的汽車(chē)進(jìn)行合理管控。高等院校作為人才培養的主要場(chǎng)所，人員集中且人流 密集，在汽車(chē)不斷普及的大背景下，高校校園內與日俱增的機動(dòng)車(chē)數量嚴重影響了校內 道路交通安全，同時(shí)由于多數高校缺乏行之有效的車(chē)輛管理系統，導致亂停亂放現象日 益嚴重，容易造成交通堵塞的同時(shí)也給校容校貌帶來(lái)了不好的影響。 本文以現有的校園安防監控數據為基礎，利用綜合性的車(chē)輛識別方法實(shí)現車(chē)輛在校 內行駛軌跡的不間斷記錄和停車(chē)場(chǎng)占用情況的實(shí)時(shí)監測，并和校內原有出入口車(chē)牌識別 系統進(jìn)行整合，以此完成對車(chē)輛從入口到校內再到出口的全程不間斷監測，實(shí)現校內車(chē) 輛的全方位管控。同時(shí)借鑒最短路徑算法實(shí)現對校內最佳停車(chē)區域的指示。本文主要完 成了以下兩方面的工作：

　　1.通過(guò)對傳統車(chē)輛檢測技術(shù)和校內實(shí)際情況的綜合分析，最終使用基于 YOLOv3 的 車(chē)輛檢測算法完成對車(chē)輛的實(shí)時(shí)檢測，并在此基礎上通過(guò)整合開(kāi)源中文車(chē)牌識別系統 Easy PR、多尺度卷積神經(jīng)網(wǎng)絡(luò )和 FCNN 卷積神經(jīng)網(wǎng)絡(luò )等相關(guān)技術(shù)實(shí)現對車(chē)輛細節特征 的進(jìn)一步識別。綜合以上方法來(lái)實(shí)現對道路車(chē)輛和停車(chē)場(chǎng)車(chē)輛的實(shí)時(shí)監測，進(jìn)而滿(mǎn)足記 錄車(chē)輛行駛路徑和監測停車(chē)場(chǎng)實(shí)時(shí)狀況的需求。同時(shí)利用 Dijkstra 最短路徑算法對校內 車(chē)輛的停車(chē)路線(xiàn)進(jìn)行指引，滿(mǎn)足了車(chē)輛校內停車(chē)引導的需求。

　　2.基于對校內車(chē)輛行駛路徑和車(chē)輛信息的掌握以及校內停車(chē)場(chǎng)實(shí)時(shí)數據的分析，通 過(guò)整合原有校門(mén)車(chē)牌識別道閘系統，本文設計了一套適合高校校園使用的車(chē)輛管理系統。

　　本系統針對不同類(lèi)型用戶(hù)開(kāi)發(fā)了供普通用戶(hù)使用的基于微信小程序的用戶(hù)端和供管理 人員使用的 Web 用戶(hù)端。普通用戶(hù)在手機上可以查詢(xún)車(chē)輛信息、當前和歷史行駛記錄， 同時(shí)還可以獲取停車(chē)引導信息和離場(chǎng)繳費，使用戶(hù)能夠直觀(guān)便捷的進(jìn)行車(chē)輛管理；管理 員用戶(hù) Web 端實(shí)現了出入口控制、停車(chē)場(chǎng)監測、用戶(hù)管理、車(chē)輛相關(guān)信息查詢(xún)和車(chē)輛 數據統計等多種功能，為校內車(chē)輛的規范化管理提供了一個(gè)合適的平臺。 本文從校園實(shí)際需求出發(fā)，應用車(chē)輛識別技術(shù)和最短路徑算法，設計出能夠對校內 車(chē)輛進(jìn)行規范化管理的綜合性系統。通過(guò)該系統研究，可以合理優(yōu)化校內停車(chē)場(chǎng)資源、 節約人工管理成本并提高校內車(chē)輛通行效率和道路交通安全水平，提高了管理人員的工作效率，降低了工作難度，同時(shí)提高了用戶(hù)使用的便捷程度，實(shí)現了對校園內車(chē)輛智能、 合理且高效的管理。

　　關(guān)鍵詞：車(chē)輛管理，綜合性系統，車(chē)輛識別，路徑記錄

Abstract

　　Since the reform and opening up, especially since the beginning of the 21st century, with the continuous improvement of China's national economic level, automobiles as a means of transportation have gradually entered the homes of ordinary people and become an important part of daily commuting. Cars bring convenience to mass travel, but also bring many problems. One of the important issues is how to properly manage the growing number of cars. Colleges and universities, as the main place for talent training, have concentrated personnel and crowded people. Under the background of the continuous popularization of automobiles, the increasing number of motor vehicles on campuses has seriously affected the road traffic safety on the campus, and due to the lack of effective vehicle management system in most colleges and universities, the phenomenon of disorderly parking and disorderly placing is becoming more and more serious, which is easy to cause traffic jams, but also has a bad impact on the appearance of the school.

　　Based on the existing campus security monitoring data, this thesis uses a comprehensive vehicle identification method to realize the continuous recording of the vehicle's driving trajectory in the school and the real-time monitoring of parking lot occupancy, and integrates with the original school entrance license plate recognition system, so as to complete the continuous monitoring of vehicles from the entrance to the school and then to the exit, and realize the full range of vehicles in the school At the same time, we use the shortest path algorithm to indicate the best parking area. This thesis mainly completed the following aspects:

　　1. Through a comprehensive analysis of traditional vehicle detection technology and the actual situation in the school, the vehicle detection algorithm based on YOLOv3 is used to complete the real-time detection of the vehicle. On this basis, through the integration of the open-source Chinese license plate recognition system Easy PR, multi-scale convolution neural network and FCNN convolution neural network and other related technologies, the further recognition of the vehicle details is realized. The above methods are integrated to realize the real-time monitoring of road vehicles and parking lot vehicles, so as to meet the requirements of recording vehicle driving path and monitoring the real-time status of parking lot. At the same time, Dijkstra shortest path algorithm is used to guide the parking routes of vehicles in the school, which meets the needs of vehicle parking guidance in school.

　　2. Based on the grasp of the driving path and vehicle information of the campus and the analysis of the real-time data of the parking lot, through the integration of the original school gate license plate recognition system, this thesis designs a vehicle management system suitable for the use of the campus. According to different types of users, this system develops the user side based on WeChat applet for ordinary users and the web user side for managers. Ordinary users can query vehicle information, current and historical driving records on their mobile phones, and can also obtain parking guidance information and departure payment, so that users can conduct vehicle management intuitively and conveniently. The administrator user web terminal implements various functions such as entrance and exit control, parking lot monitoring, user management, vehicle related information query, and vehicle data statistics, which provides a suitable platform for the standardized management of vehicles in the school.

　　Based on the actual needs of campus, this thesis applies vehicle identification technology and shortest path algorithm to design a comprehensive system that can standardize the management of vehicles in colleges and universities. Through the study of this system, it is possible to rationally optimize the parking lot resources in the school, save labor management costs, improve the traffic efficiency and road traffic safety level of the school, improve the work efficiency of managers, reduce the difficulty of work, and improve the convenience of users to achieve intelligent, reasonable and efficient management of vehicles in campus.

　　Keywords: Vehicle management, Comprehensive system, Vehicle identification, Path record

目 錄

　　第一章 緒論

　　1.1 選題背景及意義

　　改革開(kāi)放以來(lái)，尤其是進(jìn)入 21 世紀以來(lái)，我國經(jīng)濟發(fā)展進(jìn)入了快車(chē)道，伴隨著(zhù)不 斷提高的國民經(jīng)濟水平，越來(lái)越多的人有能力購買(mǎi)私家車(chē)，汽車(chē)作為一種重要的交通工 具逐漸成為很多平常老百姓日常通勤不可或缺的一部分，對我國的社會(huì )生產(chǎn)方式產(chǎn)生了 深刻的影響。從公安部交通管理局發(fā)布的有關(guān)消息中可以了解到，我國汽車(chē)保有量截止 至 2019 年 6 月已達 2.5 億輛，其中私家車(chē)共 1.98 億輛。2019 年前兩季度共有新登記注 冊的汽車(chē)共 1242 萬(wàn)輛，相比 2018 年同期減少了約 139 萬(wàn)輛，但是增量依然龐大。從車(chē) 輛保有量的城市分布來(lái)看，截止到 2019 年 6 月，汽車(chē)保有量超過(guò) 100 萬(wàn)輛的城市共有 66 個(gè)，其中超過(guò) 200 萬(wàn)輛的城市有 29 個(gè)，超過(guò) 300 萬(wàn)輛的有 11 個(gè)，汽車(chē)保有量已經(jīng)超 過(guò) 500 萬(wàn)輛的"汽車(chē)大市"有兩個(gè)，分別是北京和成都[1].

　　伴隨著(zhù)機動(dòng)車(chē)保有量的不斷增長(cháng)，機動(dòng)車(chē)駕駛人數量也在同步增加。截止到 2019 年 6 月，全國共有 1408 萬(wàn)人新領(lǐng)證駕駛證，全國機動(dòng)車(chē)駕駛證總持證人數已達 4.22 億， 相比 2018 年同期新增 2576 萬(wàn)人，增速不減。從駕駛人整體年齡分布來(lái)看，我國駕駛證 持證人口主要集中在 26 至 50 歲之間，其中約 1.44 億人在 26 至 35 歲之間，占駕駛人總 量的 34.12%,1.64 億人在 36 至 50 歲之間，占 38.88%;約 1221 萬(wàn)人超過(guò) 60 歲，占 2.9%[1]. 可以說(shuō)隨著(zhù)不斷提高的大眾生活水平以及人們不斷增長(cháng)的自主出行需求，人們對汽車(chē)的 依賴(lài)性在不斷增強。汽車(chē)已經(jīng)發(fā)展成為公眾日常出行的一種重要的交通工具。

　　汽車(chē)給大眾出行帶來(lái)便捷的同時(shí)也相應帶來(lái)了許多問(wèn)題，其中一個(gè)很重要的問(wèn)題就 是私家車(chē)快速普及帶來(lái)的停車(chē)難問(wèn)題。當前，"停車(chē)難"已經(jīng)成為城市通病，因停車(chē)問(wèn)題 引發(fā)的摩擦和糾紛屢見(jiàn)不鮮。上到北上廣深等超大型城市，或者是杭州、長(cháng)沙、武漢等 二線(xiàn)城市，下到人口不足幾萬(wàn)、十幾萬(wàn)的鄉鎮縣城，停車(chē)難的問(wèn)題都給普通老百姓的日 常生活帶來(lái)了許多困擾，同時(shí)也給政府管理帶來(lái)了諸多麻煩[2].從國家發(fā)改委公布的我 國停車(chē)位現狀的相關(guān)數據可以得知，當前在我國大城市中，汽車(chē)保有量和停車(chē)位數量之 間的比例大概是 1:0.8,中小城市的比例大概是 1:0.5,而在大多數發(fā)達國家中這項比例 約為 1:1.3.根據相關(guān)部門(mén)的調查數據顯示，我國當前停車(chē)位缺口至少超過(guò) 5000 萬(wàn)[2].

　　隱藏在數據背后的是更加嚴重的車(chē)位分布不均勻的問(wèn)題，停車(chē)位的缺口主要表現在城市 中心區域，特別是商業(yè)區、醫院、學(xué)校周邊、交通樞紐和老舊生活區等車(chē)流量較大的區 域。城市就像一個(gè)由多種零部件組成的精密機器，如果某個(gè)零部件出現問(wèn)題，隨之而來(lái)的就會(huì )是各種問(wèn)題，停車(chē)難就像是首先壞掉的零件，后續帶來(lái)了諸多問(wèn)題。第一是道路 交通的擁堵問(wèn)題，在 CBD、學(xué)校和醫院等地方對停車(chē)位的需求量較大，但是由于此類(lèi) 建筑一般位于城市的核心區域導致預留給車(chē)位空間較少，或者地上地下停車(chē)場(chǎng)距離遠、 車(chē)位小導致停車(chē)不便，因此在這些區域車(chē)輛亂停亂放尤為正常，對正常的交通秩序和道 路安全產(chǎn)生了嚴重影響。第二是環(huán)境的污染問(wèn)題，由于難以在短時(shí)間內找到合適車(chē)位， 因此車(chē)輛在尋找車(chē)位的過(guò)程中行駛里程和等待時(shí)間都會(huì )增加，長(cháng)時(shí)間的低速行駛勢必增 加了不必要的能源消耗和尾氣排放，由停車(chē)難問(wèn)題引發(fā)的交通擁堵也會(huì )加重空氣污染和 噪聲污染問(wèn)題[3].

　　當前機動(dòng)車(chē)的尾氣排放和交通噪聲已經(jīng)成為城市污染的重要源頭。 從上述一些數據可以看出我國目前的汽車(chē)保有量依然和發(fā)達國家有一定差距，基于 我國 14 億的人口基礎和當前經(jīng)濟快速發(fā)展的大趨勢下，可以預見(jiàn)我國的汽車(chē)保有量在 近些年依然會(huì )保持相當高速的增長(cháng)。雖然在當前汽車(chē)保有量下城市道路的擁堵問(wèn)題、停 車(chē)問(wèn)題已經(jīng)相當嚴重，但是反觀(guān)近鄰日本，在國土面積有限且千人擁有車(chē)輛數非常高的 情況下依然能夠保持道路交通順暢，歸根結底體現了日本對科學(xué)規劃交通道路及科學(xué)利 用道路空間的重視[4].雖然我國國土面積相較于日本大很多，但是在缺乏科學(xué)管理的情 況下交通問(wèn)題依然層出不窮。 在如此形勢下，高校校園內的機動(dòng)車(chē)數量也是與日俱增。由于高校內人流較為密集， 尤其在上下課時(shí)段，校內交通擁堵問(wèn)題較為嚴重。雖然大部分高校道路寬敞，但是由于 校區設計建設的時(shí)間不同，導致很多校區在設計之初并未考慮到未來(lái)停車(chē)位需求量如此 之大，因此劃線(xiàn)停車(chē)位較少，再加上固定停車(chē)場(chǎng)有設計不合理、離工作地點(diǎn)較遠等問(wèn)題， 很多高校校區現有停車(chē)條件已無(wú)法滿(mǎn)足校內車(chē)輛的停放需求。怎樣能夠快捷有效的對校 內車(chē)輛進(jìn)行出入場(chǎng)管理、校內行駛路徑管理、停車(chē)場(chǎng)管理和停車(chē)引導成為當前亟需解決 的問(wèn)題。為了能夠滿(mǎn)足教職工和學(xué)生對校內停車(chē)的需求，同時(shí)為了方便對校內車(chē)輛進(jìn)行 快捷有效的管理，引導車(chē)輛合理停放，提高校園空間利用率和道路安全水平，進(jìn)而創(chuàng )造 更加文明的和諧校園，一套功能完備的校內車(chē)輛管理系統就顯得非常重要。

　　本文針對當前多數高校車(chē)輛管理系統簡(jiǎn)單、亂停亂放現象嚴重和停車(chē)場(chǎng)有效利用率 不高等問(wèn)題，采用深度學(xué)習、Java EE 和數據庫等相關(guān)技術(shù)進(jìn)行研究，旨在建立一套集 車(chē)輛識別、路徑引導、行駛路徑記錄和停車(chē)管理于一體的校園車(chē)輛管控系統，能夠對進(jìn) 入校內的車(chē)輛在基于視頻監控的基礎上實(shí)現從入校到離校的不間斷監測管控，進(jìn)而實(shí)現 對校內車(chē)輛的規范化管理。研究開(kāi)發(fā)本項目主要有以下意義：

　　（1） 通過(guò)深度學(xué)習中的目標檢測技術(shù)實(shí)現對車(chē)輛的不間斷監測，方便管理者對車(chē) 輛進(jìn)行不間斷管控，進(jìn)而實(shí)現對校內車(chē)輛的規范化管理。

　　（2） 引導車(chē)輛在最優(yōu)路徑計算下的空余車(chē)位停放，以此節省停車(chē)時(shí)間，同時(shí)提高 停車(chē)場(chǎng)車(chē)位利用率。

　　（3） 對各停車(chē)場(chǎng)進(jìn)行實(shí)時(shí)監測，為車(chē)主提供了便捷的車(chē)位信息，方便車(chē)主進(jìn)行車(chē) 位選擇的同時(shí)避免校內出現交通擁堵。

　　（4） 校門(mén)出入場(chǎng)、行駛路徑記錄和停車(chē)場(chǎng)監測均由系統完成不需要過(guò)多人為干預， 節省人工成本，提高工作效率。

　　1.2 國內外研究現狀

　　1.2.1 智能停車(chē)管理系統

　　半個(gè)多世紀前一些西方發(fā)達國家已經(jīng)開(kāi)始了對停車(chē)管理系統的研究，經(jīng)過(guò)較長(cháng)時(shí)間 的發(fā)展，主流的停車(chē)管理系統已經(jīng)較為成熟，進(jìn)入了智能化、無(wú)人化階段，已經(jīng)基本實(shí) 現真正意義上的智能停車(chē)管理系統。系統所使用的收費介質(zhì)已由傳統閱讀式收費介質(zhì)更 新為新型非接觸式的收費介質(zhì)。同時(shí)建設停車(chē)場(chǎng)時(shí)會(huì )將一些高度智能化的專(zhuān)用設備應用 到停車(chē)場(chǎng)的收費系統中，進(jìn)而使收費系統在無(wú)需人工幫助的情況下實(shí)現全自動(dòng)運行，在 擁有優(yōu)秀制造工藝的硬件設備和高水平的軟件系統兩方面共同加持下，系統整體的穩定 性、可靠性和產(chǎn)品的技術(shù)水平都具有較高水準[5].隨著(zhù)現代科技的不斷發(fā)展，很多停車(chē) 管理系統已經(jīng)不再局限于只擁有停車(chē)收費的單一功能，同時(shí)還開(kāi)發(fā)出一些像車(chē)位查詢(xún)系 統、車(chē)位引導系統等輔助功能模塊，對整個(gè)停車(chē)管理系統的功能不斷進(jìn)行完善，提高系 統整體的智能化水平，給用戶(hù)帶來(lái)良好的停車(chē)體驗[6].

　　當前國外停車(chē)場(chǎng)智能管理系統的研究開(kāi)發(fā)已經(jīng)較為成熟，具有代表性的產(chǎn)品有德國 Designa 公司的終端控制計算機 TCC 和數據控制中心 BFR,以及與之配套的控制終端、 標準欄桿、非接觸方式終端機、自動(dòng)收費機、語(yǔ)音合成器、入口人工收費機以及車(chē)牌識 別系統等。還有門(mén)吉利公司的中央停車(chē)指引系統 PLC、PLF、多層停車(chē)指引系統 SIPARK、 停車(chē)票系統 SITY 和 PRISMA 以及機械停車(chē)系統 SICALIS APS[7].國內的停車(chē)場(chǎng)智能管 理系統雖然起步較晚，但是發(fā)展速度迅猛，再加上國內龐大的市場(chǎng)需求做支撐，已經(jīng)逐 步拉近與國外優(yōu)秀產(chǎn)品的距離，其中具有代表性的產(chǎn)品是深圳捷順科技公司開(kāi)發(fā)的智慧 停車(chē)系統，該公司以 B2B2C 的業(yè)務(wù)定位制定和落地智慧停車(chē)方案，通過(guò)為車(chē)場(chǎng)（B）提供 智慧停車(chē)解決方案，為車(chē)主（C）打造智慧停車(chē)服務(wù)，以 B+C 端需求為核心，實(shí)現了"智能 找車(chē)位+自動(dòng)停車(chē)繳費"的智慧停車(chē)服務(wù)[8].

　　不光是和停車(chē)管理有關(guān)的系統產(chǎn)品，在學(xué)術(shù)理論研究方面，國外也處于一定的領(lǐng)先 地位。

　　在 21 世紀初，國內的智能停車(chē)管理系統尚未起步之時(shí)，Russell G.Thompson 就對 停車(chē)位搜索模型和停車(chē)誘導以及信息系統顯示配置進(jìn)行了相關(guān)研究[9].V.W.S.Tang 主 要從事基于無(wú)線(xiàn)網(wǎng)絡(luò )傳感器的停車(chē)場(chǎng)管理系統研究，通過(guò)部署的無(wú)線(xiàn)傳感器實(shí)現對停車(chē) 場(chǎng)的實(shí)時(shí)監測，在較低硬件成本的基礎上可以輕松實(shí)現數據共享，在當時(shí)屬于更高級的 智能交通系統[10].M.Y.I.Idris 主要研究智能停車(chē)系統的核心技術(shù)，包括智能停車(chē)系統的 理論、功能需求和實(shí)際技術(shù)應用等諸多方面，同時(shí)還在對基于無(wú)線(xiàn)傳感器網(wǎng)絡(luò )和超聲波 傳感器的停車(chē)引導系統有所研究[11-12].Al-Kharusi H, Al-Bahadly I 對基于圖像處理的智 能停車(chē)系統有深入研究，主要是通過(guò)相機作為傳感器拍攝照片以研究停車(chē)場(chǎng)占用情況[13]. R E Barone 和 T Giuffrè對智慧城市系統中的停車(chē)管理架構進(jìn)行了深入研究，旨在為當前 的公共停車(chē)管理問(wèn)題提供解決方案[14].C Lei 和 Y F Ouyang 對基于動(dòng)態(tài)停車(chē)價(jià)格和車(chē)位 預定的城市智能停車(chē)管理方案進(jìn)行了相關(guān)研究[15].

　　我國的智能停車(chē)場(chǎng)系統相較于發(fā)達國家起步較晚，智能化進(jìn)程也較為落后[16].我國 開(kāi)始出現真正意義上的智能停車(chē)場(chǎng)管理系統是在 2005 年，由于使用過(guò)程中使用戶(hù)的實(shí) 際體驗有了顯著(zhù)提升，并表現出較普通停車(chē)場(chǎng)管理方式的優(yōu)越性，因此很多城市和地區 開(kāi)始引進(jìn)使用，我國的智能停車(chē)場(chǎng)管理系統進(jìn)入了一個(gè)快速發(fā)展時(shí)期[17].該類(lèi)型管理系 統的發(fā)展和普及為車(chē)主出行和停車(chē)場(chǎng)管理提供了相關(guān)的技術(shù)支持，同時(shí)也為我國未來(lái)智 能化車(chē)輛管理系統的研究建設提供了寶貴經(jīng)驗。

　　相較于智能停車(chē)管理系統，我國早期的停車(chē)場(chǎng)管理系統功能較為單一，主要是通過(guò) 記錄車(chē)輛進(jìn)入和離開(kāi)停車(chē)場(chǎng)的具體時(shí)間，計算時(shí)間段長(cháng)度作為計費基準并以此收取停車(chē) 費用，主要實(shí)現方式是實(shí)體磁卡，在少數設備不完善的停車(chē)場(chǎng)還有通過(guò)發(fā)放紙質(zhì)憑證進(jìn) 行車(chē)輛的出入管理。類(lèi)似于這樣的管理方式無(wú)法將車(chē)輛信息記錄完整，也不能將車(chē)輛和 用戶(hù)進(jìn)行關(guān)聯(lián)，只能記錄出入的時(shí)間信息和車(chē)輛的基本信息，因此管理難以規范，安全 性較差且系統整體智能化程度較低[18].在國內主要大城市中，通過(guò)車(chē)牌識別的方式進(jìn)行 車(chē)輛進(jìn)出管理已經(jīng)逐漸普及，但是當前措施的思路依然是通過(guò)記錄進(jìn)出時(shí)間來(lái)進(jìn)行計費 管理，缺乏車(chē)位展示、停車(chē)引導等功能，系統整體的智能化水平依然較低[19]. 在未來(lái)智能交通和智慧城市的設計規劃中，其中一個(gè)重要的組成部分就是停車(chē)場(chǎng)管 理系統的智能化。當前國內與智能化停車(chē)場(chǎng)和智能化車(chē)輛管理相關(guān)的科研理論和文獻也 越來(lái)越多，也有許多學(xué)者進(jìn)行了和智能停車(chē)系統相關(guān)的研究。華北電力大學(xué)的張東楊采 用 RFID 卡作為系統的管理介質(zhì)，設計實(shí)現了一套基于 RFID 的智能停車(chē)場(chǎng)管理系統[20].

　　山東大學(xué)的陶毅借助高速攝像機、嵌入式車(chē)牌識別和地感線(xiàn)圈等多維傳感器實(shí)現了對車(chē) 輛的實(shí)時(shí)監測管理[21].夏義年和黃迪提出了一種基于視頻監控完整覆蓋的全視頻智慧停 車(chē)場(chǎng)解決方案[22].哈爾濱工程大學(xué)的劉軍對 ZigBee 無(wú)線(xiàn)傳感器網(wǎng)絡(luò )在智能停車(chē)場(chǎng)的數 據通信過(guò)程中存在的問(wèn)題進(jìn)行了研究探索[23].與此同時(shí)在市場(chǎng)上出現了一些與停車(chē)管理 系統相關(guān)服務(wù)的軟件系統，能夠提供包括預約車(chē)位、錯峰停車(chē)、空余車(chē)位查詢(xún)等服務(wù)。

　　以上這些都為停車(chē)場(chǎng)自動(dòng)化管理、智能化管理夯實(shí)了理論研究和技術(shù)開(kāi)發(fā)基礎。 當前有關(guān)停車(chē)管理系統智能化進(jìn)程的研究有很多，拓展了智能化停車(chē)場(chǎng)發(fā)展方向的 同時(shí)也使系統整體功能模塊不斷豐富，但現有的很多管理系統僅能對單個(gè)功能實(shí)現一定 程度的智能化，系統整體智能化水平和功能集成度較高的停車(chē)場(chǎng)管理系統由于建設成本 高、平臺維護困難和可靠性不足等諸多原因依然難以進(jìn)行大面積推廣。

　　此外國內現階段 宣傳的智能化停車(chē)管理系統更多只是通過(guò)多平臺收費的方式方便用戶(hù)的停車(chē)費用繳納， 這僅對收費這一單項功能實(shí)現了自動(dòng)化和智能化，但是對智能化停車(chē)管理系統應該具有 的包括停車(chē)路線(xiàn)引導和空余車(chē)位查詢(xún)等功能的重視程度不高，導致與宣稱(chēng)的智能化停車(chē) 管理系統有較大差距。

　　1.2.2 車(chē)輛檢測

　　目標檢測，實(shí)際上就是對一張圖片中目標物的位置和類(lèi)別進(jìn)行判定，主要任務(wù)就是 精確描述目標位置和準確判定目標類(lèi)別。目標檢測是一種計算機視覺(jué)問(wèn)題，但是相較于 傳統的目標定位和圖像分類(lèi)來(lái)說(shuō)更加困難。從一方面來(lái)講它是一個(gè)圖像目標定位和分類(lèi) 的綜合問(wèn)題，它需要將圖像中的所有目標進(jìn)行正確分類(lèi)的同時(shí)還需要對每個(gè)目標的位置 進(jìn)行精準定位；從另一方面來(lái)講，目標檢測的場(chǎng)景中物體種類(lèi)較多，相互之間互有遮擋， 整體關(guān)系復雜 [24].綜上來(lái)看，車(chē)輛的檢測識別屬于目標檢測子任務(wù)的范疇之內，且是 一個(gè)場(chǎng)景復雜，包含定位和分類(lèi)的綜合性問(wèn)題。 當前的車(chē)輛檢測算法大致可以分為兩大類(lèi)，一種是基于Haar特征、梯度直方圖（HOG） 特征、尺度不變特征變換（SIFT）等傳統圖像特征的目標檢測算法來(lái)進(jìn)行車(chē)輛檢測；另一 種是利用基于卷積神經(jīng)網(wǎng)絡(luò )方法自動(dòng)提取車(chē)輛特征的基于深度學(xué)習的目標檢測算法來(lái) 對車(chē)輛的圖像進(jìn)行檢測[25].

　　特征提取指的是利用車(chē)輛的外形特征從圖像中選出一些可能是車(chē)輛的區域，之后再 根據這些區域的特征信息進(jìn)行判斷和分類(lèi)，由此將圖像中的車(chē)輛檢測出來(lái)。HOG特征雖 是一種極其有效的特征表達式，但其檢測速度較慢且計算量較大，因此很多學(xué)者都在研 究中對HOG特征進(jìn)行了改進(jìn)[26].Liu W和Wen X Z等人以結構對稱(chēng)的車(chē)輛正面特征作為入手點(diǎn)，通過(guò)提取車(chē)輛正面圖像的Harr特征實(shí)現了對后方車(chē)輛的檢測，該研究主要應用 于車(chē)道變更輔助系統（LCA）中[27].許佳佳、張葉和張赫通過(guò)構建高斯尺度空間提取具 有尺度不變性的角點(diǎn)特征并借鑒Forsnter算子思想對提取的角點(diǎn)進(jìn)行精定位以提高配準 精度，以此實(shí)現了對圖像的快速精確配準[28].M Cheon和W Lee等人提出一種針對車(chē)輛 陰影區域的假設，通過(guò)提取假設區域中的特征向量并提取分類(lèi)來(lái)確定假設是否成立，并 聯(lián)同定向梯度直方圖實(shí)現了HOG對稱(chēng)向量這一新型的特征向量，以此實(shí)現了對車(chē)輛的檢 測[29].隨著(zhù)人工智能的不斷發(fā)展，傳統檢測方法逐漸體現出了許多短板，而以深度學(xué)習為 基礎的目標檢測方法的出現則彌補了傳統檢測方法的不足。卷積神經(jīng)網(wǎng)絡(luò )作為一種深度 網(wǎng)絡(luò )模型，在圖像處理領(lǐng)域取得了空前的成就[30].

　　深度學(xué)習主要是利用卷積層對圖片特 征進(jìn)行提取，對提取完成的特征使用分類(lèi)器進(jìn)行類(lèi)別分類(lèi)同時(shí)預測目標的坐標位置。長(cháng) 春理工大學(xué)的宋士奇和樸燕等人參照密集連接卷積網(wǎng)絡(luò )的設計思想，將網(wǎng)絡(luò )中的殘差值 替換為密集卷積塊并改變網(wǎng)絡(luò )的設計結構，提出一種基于改進(jìn)YOLOv3與匹配跟蹤的混 合模型，進(jìn)而實(shí)現了在復雜場(chǎng)景下的車(chē)輛分類(lèi)和跟蹤[31].宋煥生和張向清等人針對實(shí)際 道路交通情況下的車(chē)輛目標采用了Faster R-CNN算法，并結合Image Net的車(chē)輛數據集， 巧妙的將車(chē)輛檢測問(wèn)題轉化成為圖像背景與車(chē)輛之間的二分類(lèi)問(wèn)題，使檢測準確率和執 行效率有了明顯提高[32].長(cháng)安大學(xué)的孔方方和宋蓓蓓針對城市交通場(chǎng)景復雜、車(chē)輛和行 人等目標多且尺度變化大的特點(diǎn)，提出了以YOLOv3為基礎，結合K-means聚類(lèi)方法對 數據集中的標注目標進(jìn)行處理，實(shí)現了一套全景交通監控目標檢測方法[33].

　　1.2.3 停車(chē)引導

　　在智能車(chē)位引導方面，由于西方國家汽車(chē)工業(yè)發(fā)展較早，車(chē)輛普及度高，因此在上 世紀七八十年代歐洲國家就對城市停車(chē)引導系統進(jìn)行了研究并建立了早期的城市停車(chē) 引導系統。 德國在1971年建立了歐洲也是世界上最早的停車(chē)引導系統，亞琛市市中心停車(chē)引導 系統。該系統的工作方式是通過(guò)在主要路口設置的光電顯示引導標志，將市中心附近多 個(gè)停車(chē)場(chǎng)的車(chē)位信息顯示在引導標志上，以此作為車(chē)主停車(chē)的指引[34].在亞洲，日本在 上世紀八九十年代就開(kāi)始有了停車(chē)引導系統，并在日本國內一些大城市進(jìn)行應用，在停 車(chē)管理、交通控制方面取得了較好的效果[35].國內外的很多學(xué)者也進(jìn)行了很多與停車(chē)引 導相關(guān)的研究。陜西科技大學(xué)的張玉杰和田碩對Dijkstra算法進(jìn)行了改進(jìn)，提出了一種帶 約束條件的Dijkstra算法，使運行時(shí)間和復雜度有了明顯降低[36].Alfatihi S和Chihab S等人設計出了一種以路徑規劃來(lái)改變車(chē)輪朝向的智能停車(chē)系統，該系統具有停車(chē)引導和車(chē) 輛損壞通知兩種主要功能，可以在駕駛員停車(chē)時(shí)提供定向幫助[37].

　　1.3 研究?jì)热菁凹夹g(shù)路線(xiàn)

　　本文針對高等院校校內車(chē)輛管理現狀，以多數高校原有的車(chē)牌識別進(jìn)出場(chǎng)系統作為 基礎，利用校內主干道全覆蓋的超高清監控網(wǎng)絡(luò )作為入手點(diǎn)，研究和開(kāi)發(fā)適合校內使用 的智能化車(chē)輛管理系統。該系統主要通過(guò)車(chē)輛識別技術(shù)和相關(guān)配套硬件設施對校園內的 車(chē)輛進(jìn)行精確、高效和規范化的管理。主要實(shí)現了以下幾方面功能：一是車(chē)主在停車(chē)前 能夠提前掌握校內各停車(chē)區域車(chē)位空余情況，跟據自身需求就近選擇停車(chē)場(chǎng)；二是系統 能夠根據當前校內停車(chē)區域情況提供合適的停車(chē)引導路線(xiàn)，給車(chē)主進(jìn)行停放參考；三是 車(chē)主能夠通過(guò)客戶(hù)端實(shí)時(shí)查詢(xún)到自己的車(chē)輛信息、實(shí)時(shí)行駛記錄和歷史記錄；四是管理 人員可以通過(guò)系統對校內車(chē)輛行駛情況、停車(chē)場(chǎng)空余情況等信息實(shí)時(shí)掌握，并進(jìn)行合理 的調度管理。本項目的開(kāi)發(fā)實(shí)現了對高校校園內車(chē)輛的基本信息、行駛路徑和停車(chē)費用 進(jìn)行管理，同時(shí)對校內的各個(gè)停車(chē)區域做到車(chē)位信息的實(shí)時(shí)監測和更新，能夠滿(mǎn)足進(jìn)入 校內車(chē)輛的日常需求。本文的主要研究?jì)热萑缦拢?/p>

　　（1） 在校內現有的車(chē)輛進(jìn)出場(chǎng)管理系統基礎上，本文采用 Spring Boot 作為后端 開(kāi)發(fā)框架，使用 Java 編程語(yǔ)言同時(shí)采用 Java EE 技術(shù)建設基于分布式特征的智能化車(chē)輛 管理平臺，用戶(hù)和管理人員分別通過(guò)小程序和網(wǎng)頁(yè)端進(jìn)行操作，兩種用戶(hù)端各司其職， 共同為整個(gè)系統服務(wù)，同時(shí)清晰劃分的功能模塊使整套系統更加方便快捷；

　　（2） 本文通過(guò)實(shí)時(shí)調用校內海康威視超高清監控攝像頭監控數據，利用深度學(xué)習 中的目標檢測技術(shù)實(shí)現對車(chē)輛的抓拍識別，實(shí)現車(chē)輛在校內行駛和停放的不間斷監控， 從而實(shí)現從車(chē)輛進(jìn)入校內到離校的全方位管控；

　　（3） 對于不熟悉校內停車(chē)場(chǎng)位置分布的車(chē)輛，本文在停車(chē)引導模塊中通過(guò)引入 Dijkstra 算法向普通用戶(hù)客戶(hù)端推送離校門(mén)入口最近且有車(chē)位空余的停車(chē)場(chǎng)路線(xiàn)，以供 用戶(hù)進(jìn)行選擇，方便用戶(hù)能夠快速尋找到合適的車(chē)位。 主要技術(shù)路線(xiàn)如下：

　　（1） 查詢(xún)多種文獻和相關(guān)技術(shù)資料對國內外停車(chē)管理現狀進(jìn)行了系統化研究，重 點(diǎn)了解圖像檢測技術(shù)相關(guān)文獻資料，同時(shí)對 Java EE 框架、Spring Boot 框架、最短路徑 算法和數據庫技術(shù)等進(jìn)行了深入學(xué)習；

　　（2） 對校內教職工和學(xué)生需求進(jìn)行深度調研，同時(shí)結合校內現有停車(chē)管理現狀， 重新規劃和設計智能、合理、規范的停車(chē)管理方案；

　　（3） 通過(guò)對潛在用戶(hù)的調研完成系統的需求分析，并對平臺功能進(jìn)行設計和實(shí)現， 同時(shí)對相關(guān)軟硬件參數和標準與校內管理機構和軟硬件廠(chǎng)商進(jìn)行對接；

　　（4） 通過(guò)系統測試，對平臺中設計不合理和缺失的功能進(jìn)行修改完善以滿(mǎn)足校內 停車(chē)管理的實(shí)際需求。

　　1.4 本文組織結構

　　本文共分為六章，具體各章內容如下：

　　第一章 緒論：首先介紹了高校智能化車(chē)輛管理平臺的研究背景和意義，并對當前 國內外智能化停車(chē)場(chǎng)管理系統以及相關(guān)核心技術(shù)的發(fā)展現狀和未來(lái)趨勢進(jìn)行了描述，同 時(shí)介紹了本文的主要研究?jì)热荩�最后�?jiǎn)要說(shuō)明了本文的組織結構。

　　第二章 平臺開(kāi)發(fā)相關(guān)技術(shù)和理論：該部分對設計開(kāi)發(fā)高校智能化車(chē)輛管理平臺所 涉及到的主要技術(shù)和相關(guān)理論做了簡(jiǎn)單介紹和分析，具體包括 Java EE 框架、Spring Boot 框架、車(chē)輛檢測技術(shù)、最短路徑算法和數據庫技術(shù)等。

　　第三章 平臺需求分析：通過(guò)前期調研，并與潛在用戶(hù)充分溝通交流的前提下明確 本系統的主要開(kāi)發(fā)方向和建設目標，以業(yè)務(wù)流程作為主體框架對高校智能化車(chē)輛管理平 臺的功能性需求、非功能性需求和系統的可行性進(jìn)行分析和確定。

　　第四章 平臺設計：本章對系統的軟硬件結構進(jìn)行了規劃設計。主要是系統各個(gè)功 能模塊的設計和系統所使用數據庫的設計，具體包括高校智能化車(chē)輛管理平臺的功能模 塊介紹和詳細流程圖、系統數據庫 E-R 圖和主要數據表的結構以及表間邏輯聯(lián)系等。

　　第五章 平臺實(shí)現：此部分主要對高校智能化車(chē)輛管理平臺的實(shí)現過(guò)程做了詳細描 述。首先介紹了系統相關(guān)開(kāi)發(fā)環(huán)境，之后對系統各個(gè)模塊的實(shí)現過(guò)程進(jìn)行介紹，具體有 出入口控制模塊、車(chē)輛識別模塊、停車(chē)場(chǎng)監測模塊、停車(chē)引導模塊和系統管理模塊。

　　第六章 平臺測試：通過(guò)系統的實(shí)際運行，對高校智能化車(chē)輛管理平臺的各部分功 能進(jìn)行詳細測試，對系統中出現的功能缺失不完善和各種系統 BUG 進(jìn)行了改進(jìn)和修正。

　　第二章 平臺開(kāi)發(fā)相關(guān)技術(shù)和理論
　　2.1 Java 技術(shù)和相關(guān)開(kāi)發(fā)框架
　　2.1.1 Java
　　2.1.2 Java EE 框架
　　2.1.3 Spring 和 Spring Boot
　　2.1.4 Spring Data Jpa
　　2.2 車(chē)輛識別技術(shù)
　　2.2.1 常用車(chē)輛檢測技術(shù)
　　2.2.2 YOLO 算法
　　2.3 最短路徑算法
　　2.3.1 最短路徑算法簡(jiǎn)介
　　2.3.2 Dijkstra 算法
　　2.4 數據庫技術(shù)
　　2.5 本章小結

　　第三章 平臺需求分析
　　3.1 校內現有停車(chē)管理狀況分析
　　3.2 功能需求分析
　　3.2.1 平臺用戶(hù)
　　3.2.2 業(yè)務(wù)流程
　　3.2.3 數據流向
　　3.2.4 主要功能需求
　　3.3 非功能性需求分析
　　3.4 系統可行性分析
　　3.4.1 技術(shù)可行性
　　3.4.2 營(yíng)運可行性
　　3.5 本章小結

 　　第四章 平臺設計
　　4.1 平臺設計目標
　　4.2 平臺架構
　　4.3 平臺功能模塊設計
　　4.3.1 出入口控制模塊
　　4.3.2 車(chē)輛識別模塊
　　4.3.3 停車(chē)場(chǎng)監測模塊
　　4.3.4 停車(chē)引導模塊
　　4.3.5 系統管理模塊
　　4.4 數據庫設計
　　4.4.1 數據庫 E-R 模型設計
　　4.4.2 數據庫表結構設計
　　4.5 本章小結

　　第五章 平臺實(shí)現
　　5.1 平臺開(kāi)發(fā)環(huán)境
　　5.2 平臺登錄實(shí)現
　　5.2.1 普通用戶(hù)登錄
　　5.2.2 管理員登錄
　　5.3 出入口控制模塊實(shí)現
　　5.3.1 入口控制
　　5.3.2 出口控制
　　5.4 車(chē)輛識別模塊實(shí)現
　　5.4.1 車(chē)輛識別方法
　　5.4.2 用戶(hù)端相關(guān)模塊功能

　　5.5 停車(chē)場(chǎng)監測模塊實(shí)現
　　5.5.1 停車(chē)場(chǎng)車(chē)輛監測方法
　　5.5.2 用戶(hù)端相關(guān)模塊功能
　　5.6 停車(chē)引導模塊實(shí)現
　　5.6.1 停車(chē)引導方法
　　5.6.2 用戶(hù)端相關(guān)模塊功能
　　5.7 系統管理模塊實(shí)現
　　5.7.1 普通用戶(hù)
　　5.7.2 管理員用戶(hù)
　　5.8 本章小結

　　第六章 平臺測試
　　6.1 測試環(huán)境
　　6.2 功能測試
　　6.3 性能測試
　　6.4 測試結論
　　6.5 本章小結

總結與展望

　　（1）論文總結

　　本文以作者所在高校校區作為項目實(shí)驗對象，對當前校內車(chē)輛管理現狀進(jìn)行了充分 研究，同時(shí)對用戶(hù)需求進(jìn)行了細致調研，并結合當前校內實(shí)際情況設計完成了高校智能 化車(chē)輛管理平臺。針對目前多數院校只對車(chē)輛進(jìn)入和離開(kāi)進(jìn)行管理的這一普遍現象，本 平臺通過(guò)使用校內高清攝像頭進(jìn)行數據采集，通過(guò)車(chē)輛識別系統對校內車(chē)輛進(jìn)行識別定 位，從而實(shí)現了車(chē)輛在進(jìn)入校內后的不間斷管控。具體實(shí)現了出入口車(chē)牌識別、校內車(chē) 輛識別、停車(chē)場(chǎng)監測和信息提示、停車(chē)路線(xiàn)引導和車(chē)輛數據綜合管理等功能。 本文的主要工作內容如下：

　　（1） 對當前國內外停車(chē)管理系統的現狀進(jìn)行了分析，同時(shí)對當前技術(shù)應用現狀進(jìn) 行研究，明確了開(kāi)發(fā)高校智能化車(chē)輛管理平臺的必要性。

　　（2） 綜合介紹了高校智能化車(chē)輛管理平臺設計實(shí)現的關(guān)鍵技術(shù)和相關(guān)理論。主要 包括網(wǎng)頁(yè)端和客戶(hù)端小程序開(kāi)發(fā)所使用到的 Java 技術(shù)和 Spring Boot 框架等，與車(chē)輛識 別相關(guān)的常用車(chē)輛檢測技術(shù)和本項目中所使用的 YOLOv3 算法，還有在停車(chē)引導中所 涉及到的最短路徑算法，以及后臺數據信息管理所使用到的數據庫技術(shù)等。

　　（3） 對本文所述項目所在實(shí)驗對象高校現有的車(chē)輛管理系統進(jìn)行細致了解和分 析，再加上對潛在用戶(hù)群體實(shí)際需求的充分調研，確定了高校智能化車(chē)輛管理平臺的功 能性需求和非功能性需求，以及對系統開(kāi)發(fā)的可行性進(jìn)行了分析。

　　（4） 根據高校智能化車(chē)輛管理平臺的功能性需求完成了系統的總體設計，具體包 括出入口控制模塊、車(chē)輛識別模塊、停車(chē)場(chǎng)監測模塊、停車(chē)引導模塊和系統管理模塊的 設計，同時(shí)還對項目數據存儲和管理所需的數據庫進(jìn)行了總體設計。

　　（5） 按照高校智能化車(chē)輛管理平臺各功能模塊的設計，通過(guò)引入綜合性的車(chē)輛識 別方法實(shí)現了系統的關(guān)鍵功能。同時(shí)對用戶(hù)端相關(guān)的模塊功能進(jìn)行了實(shí)現，完成了分別 針對兩種不同類(lèi)型用戶(hù)開(kāi)發(fā)的 Web 網(wǎng)頁(yè)和微信小程序。

　　（6） 結合高校智能化車(chē)輛管理平臺的實(shí)際運行情況，完成了對平臺整體的功能測 試和分析，并對測試中出現的問(wèn)題和缺陷進(jìn)行了及時(shí)修改。從分析結果來(lái)看，高校智能 化車(chē)輛管理平臺達到了系統最初設定的目標要求。 本文的研究和開(kāi)發(fā)不僅是完成了具體系統的實(shí)現，同時(shí)為學(xué)校校園未來(lái)的規劃和建 設提供了有力的數據支撐。

　　（2）未來(lái)展望

　　智能化的車(chē)輛管理是高校車(chē)輛管理的發(fā)展方向，未來(lái)一定會(huì )繼續朝著(zhù)智能化、規范 化、無(wú)人化和便捷化的方向發(fā)展。未來(lái)的智能化車(chē)輛管理系統不光會(huì )應用在高校中，還 會(huì )應用在各種企業(yè)和單位的停車(chē)管理中。本人在完成了該項目的研究開(kāi)發(fā)后，對軟件工 程開(kāi)發(fā)和深度學(xué)習算法研究有了更進(jìn)一步的認識，不僅掌握了許多相關(guān)的基礎理論，同 時(shí)提升了自己的實(shí)踐開(kāi)發(fā)能力。 本項目建設的系統雖然達到了項目最初的開(kāi)發(fā)目標，但是由于系統設計還存在一定 的不足，以及所使用的相關(guān)技術(shù)手段有限，因此平臺在一些系統功能模塊上仍有不足， 未來(lái)需要進(jìn)行進(jìn)一步的完善和優(yōu)化，主要包含以下幾個(gè)方面：

　　（1） 車(chē)輛進(jìn)入校內后進(jìn)行智能識別時(shí)容易受到外界因素干擾。當天氣不好時(shí)，比 如下霧天氣或者下雨天氣，識別的準確度會(huì )下降。當夜晚車(chē)輛燈光過(guò)亮時(shí)同樣會(huì )影響識 別的準確度。這些問(wèn)題還需要對相關(guān)識別算法進(jìn)行進(jìn)一步研究。

　　（2） 當車(chē)輛在停車(chē)場(chǎng)中停放時(shí)，如果車(chē)輛停放過(guò)于密集，停車(chē)場(chǎng)監測模塊會(huì )出現 車(chē)輛數量識別不準確或者車(chē)輛信息識別出現交叉混亂的問(wèn)題。由于停車(chē)場(chǎng)一般會(huì )有多個(gè) 不同角度的攝像頭，因此這個(gè)問(wèn)題需要對多攝像頭聯(lián)動(dòng)識別方向進(jìn)行進(jìn)一步的研究。

　　（3） 有些車(chē)輛在停放過(guò)程中會(huì )出現壓線(xiàn)停放影響臨近車(chē)位面積的問(wèn)題，或者是由 于空余車(chē)位較多，導致一輛車(chē)占用多個(gè)車(chē)位的問(wèn)題，在系統開(kāi)發(fā)的下一個(gè)階段需要重點(diǎn) 研究車(chē)輛違規停放的檢測和管理問(wèn)題。

　　參考文獻
　　[1] 蔣菱楓。 2019 年上半年全國機動(dòng)車(chē)保有量達 3.4 億輛[N]. 人民公安報交通周刊， 2019-7-5（01）
　　[2] 張冰馨， 曾憲銳。 陽(yáng)光海天大手筆掘金停車(chē)市場(chǎng)[J]. 市場(chǎng)觀(guān)察， 2017（Z2）
　　[3] 戴麗。 未來(lái)共享停車(chē)被看好[J]. 節能與環(huán)保， 2017（09）： 30-31
　　[4] 王開(kāi)泳， 陳田， 高曉路。 日本交通體系的特征與經(jīng)驗借鑒[J]. 世界地理研究， 2008（01）：112-118
　　[5] 劉文利。 國內停車(chē)場(chǎng)管理系統的現狀與發(fā)展趨勢[J]. 中國新技術(shù)新產(chǎn)品， 2011（01）： 20
　　[6] 呂田。 智能停車(chē)場(chǎng)管理系統的設計與實(shí)現[D]. 西安工業(yè)大學(xué)， 2016
　　[7] 武海龍。 智能化停車(chē)場(chǎng)綜合管理系統的設計與實(shí)現[D]. 南京理工大學(xué)， 2018
　　[8] 捷順科技。 引領(lǐng)智慧停車(chē)新時(shí)代，捷順科技實(shí)現"人工智能"大裂變[J]. 中國公共安全， 2018, No. 306（01）： 204-207
　　[9] Thompson R. G., Takada K., Kobayakawa S Optimisation of Parking Guidance and Information Systems Display Configurations[J]. Transportation Research Part C: Emerging Technologies, 2001, 9（1）： 69-85
　　[10]Tang V. W. S., Zheng Y., Cao J An Intelligent Car Park Management System based on Wireless Sensor Networks[C]. International Symposium on Pervasive Computing & Applications. IEEE, 2006: 65-70
　　[11]Idris M. Y. I., Leng Y. Y., Tamil E. M., et al. Car Park System: A Review of Smart Parking System and its Technology[J]. Information Technology Journal, 2009, 8（2）： 101-113
　　[12]Idris M. Y. I., Tamil E. M., Noor N. M., et al. Parking Guidance System Utilizing Wireless Sensor Network and Ultrasonic Sensor[J]. Information Technology Journal, 2009, 8（2）： 138-146
　　[13]Al-Kharusi H., Al-Bahadly I Intelligent Parking Management System Based on Image Processing[J]. World Journal of Engineering and Technology, 2014, 2: 41-53
　　[14]Barone R. E., Giuffrè T., Siniscalchi S. M., et al. Architecture for Parking Management in Smart Cities[J]. IET Intelligent Transport Systems, 2013, 8（5）： 445-452
　　[15]Lei C., Ouyang Y. F Dynamic Pricing and Reservation for Intelligent Urban Parking Management[J]. Transportation Research Part C: Emerging Technologies, 2017, 77: 226-244
　　[16]鄒振宇。 我國智能立體停車(chē)庫產(chǎn)業(yè)發(fā)展思考[J]. 安徽科技， 2016（10）： 39-41
　　[17]何小平。 攀枝花電業(yè)局停車(chē)場(chǎng)管理系統設計與實(shí)現[D]. 電子科技大學(xué)， 2018
　　[18]周前峰。 "互聯(lián)網(wǎng)+"時(shí)代停車(chē)場(chǎng)管理系統的發(fā)展[J]. 智能建筑， 2016（01）： 50-51
　　[19]王成鵬， 谷德鑫， 宋昊。 試析車(chē)牌識別系統中的關(guān)鍵技術(shù)[J]. 電腦編程技巧與維護， 2016（20）： 85-86
　　[20]張東楊。 基于 RFID 的智能停車(chē)場(chǎng)管理系統設計與實(shí)現[D]. 華北電力大學(xué)（北京）， 2016
　　[21]陶毅。 基于多維傳感系統的智能停車(chē)場(chǎng)管理系統的設計與實(shí)現[D]. 山東大學(xué)， 2018
　　[22]夏義年， 黃迪。 全視頻智慧停車(chē)場(chǎng)綜合解決方案[J]. 現代建筑電氣， 2014, 5（01）： 53-55+60
　　[23]劉軍。 基于 ZigBee 的智能停車(chē)場(chǎng)管理系統的設計與實(shí)現[D]. 哈爾濱工程大學(xué)。 2012
　　[24]李旭冬， 葉茂， 李濤。 基于卷積神經(jīng)網(wǎng)絡(luò )的目標檢測研究綜述[J]. 計算機應用研究， 2017, 34（10）： 2881-2886+2891
　　[25]王澍。 基于神經(jīng)網(wǎng)絡(luò )學(xué)習的車(chē)輛信息識別技術(shù)研究[D]. 南京郵電大學(xué)， 2017
　　[26]Llorca D. F., Arroyo R., Miguel ?ngel Sotelo. Vehicle logo recognition in traffic images using HOG features and SVM[C]. IEEE Intelligent Transportation Systems Conference. IEEE, 2013
　　[27]Liu W., Wen X. Z., Duan B., et al. Rear Vehicle Detection and Tracking for Lane Change Assist[C]. IEEE Intelligent Vehicles Symposium. IEEE, 2007: 525-257
　　[28]許佳佳， 張葉， 張赫。 基于改進(jìn) Harris-SIFT 算子的快速圖像配準算法[J]. 電子測量 與儀器學(xué)報， 2015, 29（01）： 48-54
　　[29]Cheon M., Lee W., Yoon C., et al. Vision-Based Vehicle Detection System with Consideration of the Detecting Location[J]. IEEE Transactions on Intelligent Transportation Systems, 2012, 13（3）： 1243-1252
　　[30]張強， 李嘉鋒， 卓力。 車(chē)輛識別技術(shù)綜述[J]. 北京工業(yè)大學(xué)學(xué)報， 2018, 44（03）： 382-392
　　[31]宋士奇， 樸燕， 蔣澤新。 基于改進(jìn) YOLOv3 的復雜場(chǎng)景車(chē)輛分類(lèi)與跟蹤[J/OL]. 山東 大學(xué)學(xué)報（工學(xué)版）： 1-7[2020-03-25]. http://kns.cnki.net/kcms/detail/37.1391.T.20191219.1442.012.html
　　[32]宋煥生， 張向清， 鄭寶峰， 等。 基于深度學(xué)習方法的復雜場(chǎng)景下車(chē)輛目標檢測[J]. 計 算機應用研究， 2018, 35（04）： 1270-1273
　　[33]孔方方， 宋蓓蓓。 改進(jìn)YOLOv3的全景交通監控目標檢測[J/OL]. 計算機工程與應用： 1-8[2020-03-25]. http://kns.cnki.net/kcms/detail/11.2127.TP.20200119.1759.008.html
　　[34]王慧敏。 城市停車(chē)誘導系統設計[D]. 南京信息工程大學(xué)， 2014
　　[35]Song J., Wen Z Study on Urban Parking Guidance Information System Design[J]. Proceedings of SPIE - The International Society for Optical Engineering, 2011: 87
　　[36]張玉杰， 田碩。 Dijkstra 優(yōu)化算法在停車(chē)場(chǎng)車(chē)位引導系統中的應用[J]. 計算機測量與 控制， 2014, 22（01）： 191-193
　　[37]Alfatihi S., Chihab S., Alj Y. S Intelligent Parking System for Car Parking Guidance and Damage Notification[C]. International Conference on Intelligent Systems Modelling & Simulation. IEEE, 2013: 24-29
　　[38]Horstmann. Java 核心技術(shù)。卷Ⅰ，基礎知識[M]. 人民郵電出版社， 2008 [39]Eckel B. Java 編程思想[M]. 北京： 機械工業(yè)出版社， 2002
　　[40]余建英。 J2EE 軟件架構淺析[J]. 電腦知識與技術(shù)， 2012, 8（19）： 4763-4765
　　[41]徐敬。 J2EE 架構下基于 Web 的信息管理系統框架研究[J]. 硅谷， 2015, 8（01）： 84-85
　　[42]賈素來(lái)。 J2EE 多層模型研究[J]. 山東工業(yè)技術(shù)， 2017（04）： 208-209
　　[43]李洋， 孫永維， 許冰， 等。 基于 Ajax,Struts,Hibernate 和 Spring 的 J2EE 架構[J]. 吉林 大學(xué)學(xué)報（信息科學(xué)版）， 2011, 29（06）： 576-584
　　[44]王永和， 張勁松， 鄧安明， 等。 Spring Boot 研究和應用[J]. 信息通信， 2016（10）： 91-94
　　[45]張峰。 應用 Spring Boot 改變 web 應用開(kāi)發(fā)模式[J]. 科技創(chuàng )新與應用， 2017（23）： 193-194
　　[46]Kainulainen P Spring Data[J]. Developing Software for the Qualcomm Brew Platform, 2012（2）： 100
　　[47]張雪芹， 方婷， 李志前， 等。 基于類(lèi) Haar 特征和 AdaBoost 的車(chē)輛識別技術(shù)[J]. 華東 理工大學(xué)學(xué)報（自然科學(xué)版）， 2016, 42（02）： 260-265
　　[48]Niknejad H. T., Kawano T., Shimizu M., et al. [IEEE 2012 IEEE Intelligent Vehicles Symposium （IV） - Alcal de Henares, Madrid, Spain （2012.06.3-2012.06.7）] 2012 IEEE Intelligent Vehicles Symposium - Vehicle detection using discriminatively trained part templates with variable size[C]. Intelligent Vehicles Symposium. IEEE, 2012: 766-771
　　[49]Liu Chunsheng, Guo Yu, Li Shuang, et al. ACF Based Region Proposal Extraction for YOLOv3 Network Towards High-Performance Cyclist Detection in High Resolution Images[J]. Sensors （Basel, Switzerland）， 2019, 19（12）
　　[50]Adler J. D., Mirchandani P. B., Xue G., et al. The Electric Vehicle Shortest-Walk Problem With Battery Exchanges[J]. Networks & Spatial Economics, 2016, 16（1）
　　[51]Maleki S., Nguyen D., Lenharth A., et al. DSMR: a shared and distributed memory algorithm for single-source shortest path problem[C]. the 21st ACM SIGPLAN Symposium. ACM, 2016, 51（8）
　　[52]吳若偉， 樓佩煌。 基于 Dijkstra 算法的大型停車(chē)場(chǎng)最優(yōu)泊車(chē)路徑規劃[J]. 工業(yè)控制計 算機， 2013, 26（05）： 93-95
　　[53]付榮。 陜西省煤炭生產(chǎn)企業(yè)增值稅監控管理系統的設計與實(shí)現[D]. 西安電子科技大 學(xué)， 2012
　　[54]秦園園。 關(guān)于 Tomcat 的一些問(wèn)題探討[J]. 山西科技， 2011, 26（04）： 40-41
　　[55]劉洪昱。 ORACLE 數據傳輸技術(shù)在保險信息系統上線(xiàn)過(guò)程中的應用[D]. 上海交通大 學(xué)， 2012
　　[56]徐婷婷。 基于 SQL Server2000 的圖書(shū)館管理系統設計[J]. 科技資訊， 2013（03）： 254-2550
　　[57]李威， 高錦濤， 高騰。 基于 E-R 圖的關(guān)系數據庫關(guān)鍵字查詢(xún)[J]. 計算機系統應用， 2012, 21（09）： 156-161+14
　　[58]郝朝君。 關(guān)于軟件開(kāi)發(fā)中數據庫設計理論與實(shí)踐分析[J]. 信息通信， 2016（03）： 164-165
　　[59]He K., Zhang X., Ren S., et al. Deep Residual Learning for Image Recognition[C]. IEEE Conference on Computer Vision & Pattern Recognition. IEEE Computer Society, 2016: 770-778
　　[60]王健。 深度學(xué)習算法在山區植被分類(lèi)中的應用[J]. 價(jià)值工程， 2019, 38（04）： 161-163
　　[61]張波良， 張瑞昌， 關(guān)佶紅。 道路網(wǎng)上最短路徑算法綜述[J]. 計算機應用與軟件， 2014, 31（10）： 1-9
　　[62]陶幸輝， 宋志剛。 軟件系統測試類(lèi)型及測試用例設計[J]. 科技經(jīng)濟市場(chǎng)， 2011（06）： 3-5.

致謝

　　時(shí)間如白駒過(guò)隙，研究生復試的景象還歷歷在目，轉眼間卻已經(jīng)到了離開(kāi)的時(shí)節。 依稀記得三年前那個(gè)炎熱的夏天，我背著(zhù)大包小包的行李來(lái)到研九樓下，開(kāi)始我的讀研 生涯。三年間，我生活過(guò)的充實(shí)，學(xué)的扎實(shí)；三年間，我不斷克服困難，迎接挑戰。三 年時(shí)間，讓我更加積極進(jìn)取，同時(shí)也讓我更加自信沉穩。這一切變化都離不開(kāi)老師的諄 諄教誨和同學(xué)的鼓勵包容。在論文即將完稿之際，謹借此機會(huì )向給予我幫助的老師和同 學(xué)們表達深深的謝意。

　　我首先要感謝我的導師，安徽大學(xué)電子信息工程學(xué)院王年教授。能夠拜入王老師的 門(mén)下，受其教誨是我此生莫大榮幸。盡管公務(wù)繁忙，但是老師總會(huì )在百忙之中抽出時(shí)間 為我答疑解惑，不僅是學(xué)業(yè)上的問(wèn)題，更教會(huì )我為人處世之道，不僅教導我以嚴謹務(wù)實(shí) 的態(tài)度對待科研工作，更教會(huì )我以輕松愉快的心情面對生活。在論文的寫(xiě)作過(guò)程中，導 師的嚴謹治學(xué)和親和力讓我感到無(wú)比溫暖。在以后的生活中，老師的教誨我也會(huì )時(shí)刻銘 記在心。在此，我要再次向您表示深深的感謝，老師您辛苦了。

　　其次我要向安徽大學(xué)大學(xué)網(wǎng)絡(luò )信息中心的段運生老師、竺德老師和陳陽(yáng)德老師表示 感謝。三年時(shí)間，無(wú)論是在學(xué)習、科研、就業(yè)和論文等方方面面你們都給我提供了寶貴 的意見(jiàn)和建議，在項目的推進(jìn)過(guò)程中，無(wú)論是監控、設備還是各種軟硬件需求都是在你 們的鼎力支持下才得以完成。沒(méi)有兩位老師的無(wú)私幫助也就不會(huì )有我今天的學(xué)習成就。 接下來(lái)我要感謝我的同學(xué)們，沒(méi)有大家的合理分工，團結合作，就不會(huì )有現在的成 果。感謝趙墨然、周劍宇兩位學(xué)長(cháng)，是你們在我初入安大時(shí)給我指引，為我樹(shù)立了奮斗 的標桿。感謝王興聞、黃德成、錢(qián)立冬、陳博文、李文康和魏圓慶，三年時(shí)間，從 411 到 208,我們共同經(jīng)歷，也共同成長(cháng)，我們吵吵鬧鬧，卻又相輔相成。感謝黃雪峰、何 晶和汪晨威幾位學(xué)弟，是你們在項目的開(kāi)發(fā)過(guò)程中給了我無(wú)數的支持與幫助，我們即將 畢業(yè)，你們要扛起網(wǎng)絡(luò )中心的大旗。

　　最后我要感謝我的父母和親人，這些年你們在我身后默默的支持我，將我從呱呱墜 地的嬰兒撫養成為能為社會(huì )做出貢獻的人，感謝你們的辛苦付出，有你們作為我堅強的 后盾，我才能順利的完成學(xué)業(yè)，如今我即將畢業(yè)踏上社會(huì )，我會(huì )用最好的成績(jì)回饋你們 的愛(ài)。文以至此，我要感謝各位審閱老師，感謝各位老師在百忙之中抽出寶貴的時(shí)間一 同參與對我這篇論文的審閱。

（如您需要查看本篇畢業(yè)設計全文，請您聯(lián)系客服索取）