一套适合高校校园使用的车辆管理系统的设计

摘 要

　　改革开放以来，尤其是进入 21 世纪以来，伴随着我国不断提高的国民经济水平， 汽车作为一种交通工具已经逐渐走进寻常百姓家中，成为了日常通勤中重要的组成部分。

　　汽车给大众出行带来便捷的同时也带来了许多问题，其中一个重要问题就是如何对数量 越来越庞大的汽车进行合理管控。高等院校作为人才培养的主要场所，人员集中且人流 密集，在汽车不断普及的大背景下，高校校园内与日俱增的机动车数量严重影响了校内 道路交通安全，同时由于多数高校缺乏行之有效的车辆管理系统，导致乱停乱放现象日 益严重，容易造成交通堵塞的同时也给校容校貌带来了不好的影响。 本文以现有的校园安防监控数据为基础，利用综合性的车辆识别方法实现车辆在校 内行驶轨迹的不间断记录和停车场占用情况的实时监测，并和校内原有出入口车牌识别 系统进行整合，以此完成对车辆从入口到校内再到出口的全程不间断监测，实现校内车 辆的全方位管控。同时借鉴最短路径算法实现对校内最佳停车区域的指示。本文主要完 成了以下两方面的工作：

　　1.通过对传统车辆检测技术和校内实际情况的综合分析，最终使用基于 YOLOv3 的 车辆检测算法完成对车辆的实时检测，并在此基础上通过整合开源中文车牌识别系统 Easy PR、多尺度卷积神经网络和 FCNN 卷积神经网络等相关技术实现对车辆细节特征 的进一步识别。综合以上方法来实现对道路车辆和停车场车辆的实时监测，进而满足记 录车辆行驶路径和监测停车场实时状况的需求。同时利用 Dijkstra 最短路径算法对校内 车辆的停车路线进行指引，满足了车辆校内停车引导的需求。

　　2.基于对校内车辆行驶路径和车辆信息的掌握以及校内停车场实时数据的分析，通 过整合原有校门车牌识别道闸系统，本文设计了一套适合高校校园使用的车辆管理系统。

　　本系统针对不同类型用户开发了供普通用户使用的基于微信小程序的用户端和供管理 人员使用的 Web 用户端。普通用户在手机上可以查询车辆信息、当前和历史行驶记录， 同时还可以获取停车引导信息和离场缴费，使用户能够直观便捷的进行车辆管理；管理 员用户 Web 端实现了出入口控制、停车场监测、用户管理、车辆相关信息查询和车辆 数据统计等多种功能，为校内车辆的规范化管理提供了一个合适的平台。 本文从校园实际需求出发，应用车辆识别技术和最短路径算法，设计出能够对校内 车辆进行规范化管理的综合性系统。通过该系统研究，可以合理优化校内停车场资源、 节约人工管理成本并提高校内车辆通行效率和道路交通安全水平，提高了管理人员的工作效率，降低了工作难度，同时提高了用户使用的便捷程度，实现了对校园内车辆智能、 合理且高效的管理。

　　关键词：车辆管理，综合性系统，车辆识别，路径记录

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 录

　　第一章 绪论

　　1.1 选题背景及意义

　　改革开放以来，尤其是进入 21 世纪以来，我国经济发展进入了快车道，伴随着不 断提高的国民经济水平，越来越多的人有能力购买私家车，汽车作为一种重要的交通工 具逐渐成为很多平常老百姓日常通勤不可或缺的一部分，对我国的社会生产方式产生了 深刻的影响。从公安部交通管理局发布的有关消息中可以了解到，我国汽车保有量截止 至 2019 年 6 月已达 2.5 亿辆，其中私家车共 1.98 亿辆。2019 年前两季度共有新登记注 册的汽车共 1242 万辆，相比 2018 年同期减少了约 139 万辆，但是增量依然庞大。从车 辆保有量的城市分布来看，截止到 2019 年 6 月，汽车保有量超过 100 万辆的城市共有 66 个，其中超过 200 万辆的城市有 29 个，超过 300 万辆的有 11 个，汽车保有量已经超 过 500 万辆的"汽车大市"有两个，分别是北京和成都[1].

　　伴随着机动车保有量的不断增长，机动车驾驶人数量也在同步增加。截止到 2019 年 6 月，全国共有 1408 万人新领证驾驶证，全国机动车驾驶证总持证人数已达 4.22 亿， 相比 2018 年同期新增 2576 万人，增速不减。从驾驶人整体年龄分布来看，我国驾驶证 持证人口主要集中在 26 至 50 岁之间，其中约 1.44 亿人在 26 至 35 岁之间，占驾驶人总 量的 34.12%,1.64 亿人在 36 至 50 岁之间，占 38.88%;约 1221 万人超过 60 岁，占 2.9%[1]. 可以说随着不断提高的大众生活水平以及人们不断增长的自主出行需求，人们对汽车的 依赖性在不断增强。汽车已经发展成为公众日常出行的一种重要的交通工具。

　　汽车给大众出行带来便捷的同时也相应带来了许多问题，其中一个很重要的问题就 是私家车快速普及带来的停车难问题。当前，"停车难"已经成为城市通病，因停车问题 引发的摩擦和纠纷屡见不鲜。上到北上广深等超大型城市，或者是杭州、长沙、武汉等 二线城市，下到人口不足几万、十几万的乡镇县城，停车难的问题都给普通老百姓的日 常生活带来了许多困扰，同时也给政府管理带来了诸多麻烦[2].从国家发改委公布的我 国停车位现状的相关数据可以得知，当前在我国大城市中，汽车保有量和停车位数量之 间的比例大概是 1:0.8,中小城市的比例大概是 1:0.5,而在大多数发达国家中这项比例 约为 1:1.3.根据相关部门的调查数据显示，我国当前停车位缺口至少超过 5000 万[2].

　　隐藏在数据背后的是更加严重的车位分布不均匀的问题，停车位的缺口主要表现在城市 中心区域，特别是商业区、医院、学校周边、交通枢纽和老旧生活区等车流量较大的区 域。城市就像一个由多种零部件组成的精密机器，如果某个零部件出现问题，随之而来的就会是各种问题，停车难就像是首先坏掉的零件，后续带来了诸多问题。第一是道路 交通的拥堵问题，在 CBD、学校和医院等地方对停车位的需求量较大，但是由于此类 建筑一般位于城市的核心区域导致预留给车位空间较少，或者地上地下停车场距离远、 车位小导致停车不便，因此在这些区域车辆乱停乱放尤为正常，对正常的交通秩序和道 路安全产生了严重影响。第二是环境的污染问题，由于难以在短时间内找到合适车位， 因此车辆在寻找车位的过程中行驶里程和等待时间都会增加，长时间的低速行驶势必增 加了不必要的能源消耗和尾气排放，由停车难问题引发的交通拥堵也会加重空气污染和 噪声污染问题[3].

　　当前机动车的尾气排放和交通噪声已经成为城市污染的重要源头。 从上述一些数据可以看出我国目前的汽车保有量依然和发达国家有一定差距，基于 我国 14 亿的人口基础和当前经济快速发展的大趋势下，可以预见我国的汽车保有量在 近些年依然会保持相当高速的增长。虽然在当前汽车保有量下城市道路的拥堵问题、停 车问题已经相当严重，但是反观近邻日本，在国土面积有限且千人拥有车辆数非常高的 情况下依然能够保持道路交通顺畅，归根结底体现了日本对科学规划交通道路及科学利 用道路空间的重视[4].虽然我国国土面积相较于日本大很多，但是在缺乏科学管理的情 况下交通问题依然层出不穷。 在如此形势下，高校校园内的机动车数量也是与日俱增。由于高校内人流较为密集， 尤其在上下课时段，校内交通拥堵问题较为严重。虽然大部分高校道路宽敞，但是由于 校区设计建设的时间不同，导致很多校区在设计之初并未考虑到未来停车位需求量如此 之大，因此划线停车位较少，再加上固定停车场有设计不合理、离工作地点较远等问题， 很多高校校区现有停车条件已无法满足校内车辆的停放需求。怎样能够快捷有效的对校 内车辆进行出入场管理、校内行驶路径管理、停车场管理和停车引导成为当前亟需解决 的问题。为了能够满足教职工和学生对校内停车的需求，同时为了方便对校内车辆进行 快捷有效的管理，引导车辆合理停放，提高校园空间利用率和道路安全水平，进而创造 更加文明的和谐校园，一套功能完备的校内车辆管理系统就显得非常重要。

　　本文针对当前多数高校车辆管理系统简单、乱停乱放现象严重和停车场有效利用率 不高等问题，采用深度学习、Java EE 和数据库等相关技术进行研究，旨在建立一套集 车辆识别、路径引导、行驶路径记录和停车管理于一体的校园车辆管控系统，能够对进 入校内的车辆在基于视频监控的基础上实现从入校到离校的不间断监测管控，进而实现 对校内车辆的规范化管理。研究开发本项目主要有以下意义：

　　（1） 通过深度学习中的目标检测技术实现对车辆的不间断监测，方便管理者对车 辆进行不间断管控，进而实现对校内车辆的规范化管理。

　　（2） 引导车辆在最优路径计算下的空余车位停放，以此节省停车时间，同时提高 停车场车位利用率。

　　（3） 对各停车场进行实时监测，为车主提供了便捷的车位信息，方便车主进行车 位选择的同时避免校内出现交通拥堵。

　　（4） 校门出入场、行驶路径记录和停车场监测均由系统完成不需要过多人为干预， 节省人工成本，提高工作效率。

　　1.2 国内外研究现状

　　1.2.1 智能停车管理系统

　　半个多世纪前一些西方发达国家已经开始了对停车管理系统的研究，经过较长时间 的发展，主流的停车管理系统已经较为成熟，进入了智能化、无人化阶段，已经基本实 现真正意义上的智能停车管理系统。系统所使用的收费介质已由传统阅读式收费介质更 新为新型非接触式的收费介质。同时建设停车场时会将一些高度智能化的专用设备应用 到停车场的收费系统中，进而使收费系统在无需人工帮助的情况下实现全自动运行，在 拥有优秀制造工艺的硬件设备和高水平的软件系统两方面共同加持下，系统整体的稳定 性、可靠性和产品的技术水平都具有较高水准[5].随着现代科技的不断发展，很多停车 管理系统已经不再局限于只拥有停车收费的单一功能，同时还开发出一些像车位查询系 统、车位引导系统等辅助功能模块，对整个停车管理系统的功能不断进行完善，提高系 统整体的智能化水平，给用户带来良好的停车体验[6].

　　当前国外停车场智能管理系统的研究开发已经较为成熟，具有代表性的产品有德国 Designa 公司的终端控制计算机 TCC 和数据控制中心 BFR,以及与之配套的控制终端、 标准栏杆、非接触方式终端机、自动收费机、语音合成器、入口人工收费机以及车牌识 别系统等。还有门吉利公司的中央停车指引系统 PLC、PLF、多层停车指引系统 SIPARK、 停车票系统 SITY 和 PRISMA 以及机械停车系统 SICALIS APS[7].国内的停车场智能管 理系统虽然起步较晚，但是发展速度迅猛，再加上国内庞大的市场需求做支撑，已经逐 步拉近与国外优秀产品的距离，其中具有代表性的产品是深圳捷顺科技公司开发的智慧 停车系统，该公司以 B2B2C 的业务定位制定和落地智慧停车方案，通过为车场（B）提供 智慧停车解决方案，为车主（C）打造智慧停车服务，以 B+C 端需求为核心，实现了"智能 找车位+自动停车缴费"的智慧停车服务[8].

　　不光是和停车管理有关的系统产品，在学术理论研究方面，国外也处于一定的领先 地位。

　　在 21 世纪初，国内的智能停车管理系统尚未起步之时，Russell G.Thompson 就对 停车位搜索模型和停车诱导以及信息系统显示配置进行了相关研究[9].V.W.S.Tang 主 要从事基于无线网络传感器的停车场管理系统研究，通过部署的无线传感器实现对停车 场的实时监测，在较低硬件成本的基础上可以轻松实现数据共享，在当时属于更高级的 智能交通系统[10].M.Y.I.Idris 主要研究智能停车系统的核心技术，包括智能停车系统的 理论、功能需求和实际技术应用等诸多方面，同时还在对基于无线传感器网络和超声波 传感器的停车引导系统有所研究[11-12].Al-Kharusi H, Al-Bahadly I 对基于图像处理的智 能停车系统有深入研究，主要是通过相机作为传感器拍摄照片以研究停车场占用情况[13]. R E Barone 和 T Giuffrè对智慧城市系统中的停车管理架构进行了深入研究，旨在为当前 的公共停车管理问题提供解决方案[14].C Lei 和 Y F Ouyang 对基于动态停车价格和车位 预定的城市智能停车管理方案进行了相关研究[15].

　　我国的智能停车场系统相较于发达国家起步较晚，智能化进程也较为落后[16].我国 开始出现真正意义上的智能停车场管理系统是在 2005 年，由于使用过程中使用户的实 际体验有了显著提升，并表现出较普通停车场管理方式的优越性，因此很多城市和地区 开始引进使用，我国的智能停车场管理系统进入了一个快速发展时期[17].该类型管理系 统的发展和普及为车主出行和停车场管理提供了相关的技术支持，同时也为我国未来智 能化车辆管理系统的研究建设提供了宝贵经验。

　　相较于智能停车管理系统，我国早期的停车场管理系统功能较为单一，主要是通过 记录车辆进入和离开停车场的具体时间，计算时间段长度作为计费基准并以此收取停车 费用，主要实现方式是实体磁卡，在少数设备不完善的停车场还有通过发放纸质凭证进 行车辆的出入管理。类似于这样的管理方式无法将车辆信息记录完整，也不能将车辆和 用户进行关联，只能记录出入的时间信息和车辆的基本信息，因此管理难以规范，安全 性较差且系统整体智能化程度较低[18].在国内主要大城市中，通过车牌识别的方式进行 车辆进出管理已经逐渐普及，但是当前措施的思路依然是通过记录进出时间来进行计费 管理，缺乏车位展示、停车引导等功能，系统整体的智能化水平依然较低[19]. 在未来智能交通和智慧城市的设计规划中，其中一个重要的组成部分就是停车场管 理系统的智能化。当前国内与智能化停车场和智能化车辆管理相关的科研理论和文献也 越来越多，也有许多学者进行了和智能停车系统相关的研究。华北电力大学的张东杨采 用 RFID 卡作为系统的管理介质，设计实现了一套基于 RFID 的智能停车场管理系统[20].

　　山东大学的陶毅借助高速摄像机、嵌入式车牌识别和地感线圈等多维传感器实现了对车 辆的实时监测管理[21].夏义年和黄迪提出了一种基于视频监控完整覆盖的全视频智慧停 车场解决方案[22].哈尔滨工程大学的刘军对 ZigBee 无线传感器网络在智能停车场的数 据通信过程中存在的问题进行了研究探索[23].与此同时在市场上出现了一些与停车管理 系统相关服务的软件系统，能够提供包括预约车位、错峰停车、空余车位查询等服务。

　　以上这些都为停车场自动化管理、智能化管理夯实了理论研究和技术开发基础。 当前有关停车管理系统智能化进程的研究有很多，拓展了智能化停车场发展方向的 同时也使系统整体功能模块不断丰富，但现有的很多管理系统仅能对单个功能实现一定 程度的智能化，系统整体智能化水平和功能集成度较高的停车场管理系统由于建设成本 高、平台维护困难和可靠性不足等诸多原因依然难以进行大面积推广。

　　此外国内现阶段 宣传的智能化停车管理系统更多只是通过多平台收费的方式方便用户的停车费用缴纳， 这仅对收费这一单项功能实现了自动化和智能化，但是对智能化停车管理系统应该具有 的包括停车路线引导和空余车位查询等功能的重视程度不高，导致与宣称的智能化停车 管理系统有较大差距。

　　1.2.2 车辆检测

　　目标检测，实际上就是对一张图片中目标物的位置和类别进行判定，主要任务就是 精确描述目标位置和准确判定目标类别。目标检测是一种计算机视觉问题，但是相较于 传统的目标定位和图像分类来说更加困难。从一方面来讲它是一个图像目标定位和分类 的综合问题，它需要将图像中的所有目标进行正确分类的同时还需要对每个目标的位置 进行精准定位；从另一方面来讲，目标检测的场景中物体种类较多，相互之间互有遮挡， 整体关系复杂 [24].综上来看，车辆的检测识别属于目标检测子任务的范畴之内，且是 一个场景复杂，包含定位和分类的综合性问题。 当前的车辆检测算法大致可以分为两大类，一种是基于Haar特征、梯度直方图（HOG） 特征、尺度不变特征变换（SIFT）等传统图像特征的目标检测算法来进行车辆检测；另一 种是利用基于卷积神经网络方法自动提取车辆特征的基于深度学习的目标检测算法来 对车辆的图像进行检测[25].

　　特征提取指的是利用车辆的外形特征从图像中选出一些可能是车辆的区域，之后再 根据这些区域的特征信息进行判断和分类，由此将图像中的车辆检测出来。HOG特征虽 是一种极其有效的特征表达式，但其检测速度较慢且计算量较大，因此很多学者都在研 究中对HOG特征进行了改进[26].Liu W和Wen X Z等人以结构对称的车辆正面特征作为入手点，通过提取车辆正面图像的Harr特征实现了对后方车辆的检测，该研究主要应用 于车道变更辅助系统（LCA）中[27].许佳佳、张叶和张赫通过构建高斯尺度空间提取具 有尺度不变性的角点特征并借鉴Forsnter算子思想对提取的角点进行精定位以提高配准 精度，以此实现了对图像的快速精确配准[28].M Cheon和W Lee等人提出一种针对车辆 阴影区域的假设，通过提取假设区域中的特征向量并提取分类来确定假设是否成立，并 联同定向梯度直方图实现了HOG对称向量这一新型的特征向量，以此实现了对车辆的检 测[29].随着人工智能的不断发展，传统检测方法逐渐体现出了许多短板，而以深度学习为 基础的目标检测方法的出现则弥补了传统检测方法的不足。卷积神经网络作为一种深度 网络模型，在图像处理领域取得了空前的成就[30].

　　深度学习主要是利用卷积层对图片特 征进行提取，对提取完成的特征使用分类器进行类别分类同时预测目标的坐标位置。长 春理工大学的宋士奇和朴燕等人参照密集连接卷积网络的设计思想，将网络中的残差值 替换为密集卷积块并改变网络的设计结构，提出一种基于改进YOLOv3与匹配跟踪的混 合模型，进而实现了在复杂场景下的车辆分类和跟踪[31].宋焕生和张向清等人针对实际 道路交通情况下的车辆目标采用了Faster R-CNN算法，并结合Image Net的车辆数据集， 巧妙的将车辆检测问题转化成为图像背景与车辆之间的二分类问题，使检测准确率和执 行效率有了明显提高[32].长安大学的孔方方和宋蓓蓓针对城市交通场景复杂、车辆和行 人等目标多且尺度变化大的特点，提出了以YOLOv3为基础，结合K-means聚类方法对 数据集中的标注目标进行处理，实现了一套全景交通监控目标检测方法[33].

　　1.2.3 停车引导

　　在智能车位引导方面，由于西方国家汽车工业发展较早，车辆普及度高，因此在上 世纪七八十年代欧洲国家就对城市停车引导系统进行了研究并建立了早期的城市停车 引导系统。 德国在1971年建立了欧洲也是世界上最早的停车引导系统，亚琛市市中心停车引导 系统。该系统的工作方式是通过在主要路口设置的光电显示引导标志，将市中心附近多 个停车场的车位信息显示在引导标志上，以此作为车主停车的指引[34].在亚洲，日本在 上世纪八九十年代就开始有了停车引导系统，并在日本国内一些大城市进行应用，在停 车管理、交通控制方面取得了较好的效果[35].国内外的很多学者也进行了很多与停车引 导相关的研究。陕西科技大学的张玉杰和田硕对Dijkstra算法进行了改进，提出了一种带 约束条件的Dijkstra算法，使运行时间和复杂度有了明显降低[36].Alfatihi S和Chihab S等人设计出了一种以路径规划来改变车轮朝向的智能停车系统，该系统具有停车引导和车 辆损坏通知两种主要功能，可以在驾驶员停车时提供定向帮助[37].

　　1.3 研究内容及技术路线

　　本文针对高等院校校内车辆管理现状，以多数高校原有的车牌识别进出场系统作为 基础，利用校内主干道全覆盖的超高清监控网络作为入手点，研究和开发适合校内使用 的智能化车辆管理系统。该系统主要通过车辆识别技术和相关配套硬件设施对校园内的 车辆进行精确、高效和规范化的管理。主要实现了以下几方面功能：一是车主在停车前 能够提前掌握校内各停车区域车位空余情况，跟据自身需求就近选择停车场；二是系统 能够根据当前校内停车区域情况提供合适的停车引导路线，给车主进行停放参考；三是 车主能够通过客户端实时查询到自己的车辆信息、实时行驶记录和历史记录；四是管理 人员可以通过系统对校内车辆行驶情况、停车场空余情况等信息实时掌握，并进行合理 的调度管理。本项目的开发实现了对高校校园内车辆的基本信息、行驶路径和停车费用 进行管理，同时对校内的各个停车区域做到车位信息的实时监测和更新，能够满足进入 校内车辆的日常需求。本文的主要研究内容如下：

　　（1） 在校内现有的车辆进出场管理系统基础上，本文采用 Spring Boot 作为后端 开发框架，使用 Java 编程语言同时采用 Java EE 技术建设基于分布式特征的智能化车辆 管理平台，用户和管理人员分别通过小程序和网页端进行操作，两种用户端各司其职， 共同为整个系统服务，同时清晰划分的功能模块使整套系统更加方便快捷；

　　（2） 本文通过实时调用校内海康威视超高清监控摄像头监控数据，利用深度学习 中的目标检测技术实现对车辆的抓拍识别，实现车辆在校内行驶和停放的不间断监控， 从而实现从车辆进入校内到离校的全方位管控；

　　（3） 对于不熟悉校内停车场位置分布的车辆，本文在停车引导模块中通过引入 Dijkstra 算法向普通用户客户端推送离校门入口最近且有车位空余的停车场路线，以供 用户进行选择，方便用户能够快速寻找到合适的车位。 主要技术路线如下：

　　（1） 查询多种文献和相关技术资料对国内外停车管理现状进行了系统化研究，重 点了解图像检测技术相关文献资料，同时对 Java EE 框架、Spring Boot 框架、最短路径 算法和数据库技术等进行了深入学习；

　　（2） 对校内教职工和学生需求进行深度调研，同时结合校内现有停车管理现状， 重新规划和设计智能、合理、规范的停车管理方案；

　　（3） 通过对潜在用户的调研完成系统的需求分析，并对平台功能进行设计和实现， 同时对相关软硬件参数和标准与校内管理机构和软硬件厂商进行对接；

　　（4） 通过系统测试，对平台中设计不合理和缺失的功能进行修改完善以满足校内 停车管理的实际需求。

　　1.4 本文组织结构

　　本文共分为六章，具体各章内容如下：

　　第一章 绪论：首先介绍了高校智能化车辆管理平台的研究背景和意义，并对当前 国内外智能化停车场管理系统以及相关核心技术的发展现状和未来趋势进行了描述，同 时介绍了本文的主要研究内容，最后简要说明了本文的组织结构。

　　第二章 平台开发相关技术和理论：该部分对设计开发高校智能化车辆管理平台所 涉及到的主要技术和相关理论做了简单介绍和分析，具体包括 Java EE 框架、Spring Boot 框架、车辆检测技术、最短路径算法和数据库技术等。

　　第三章 平台需求分析：通过前期调研，并与潜在用户充分沟通交流的前提下明确 本系统的主要开发方向和建设目标，以业务流程作为主体框架对高校智能化车辆管理平 台的功能性需求、非功能性需求和系统的可行性进行分析和确定。

　　第四章 平台设计：本章对系统的软硬件结构进行了规划设计。主要是系统各个功 能模块的设计和系统所使用数据库的设计，具体包括高校智能化车辆管理平台的功能模 块介绍和详细流程图、系统数据库 E-R 图和主要数据表的结构以及表间逻辑联系等。

　　第五章 平台实现：此部分主要对高校智能化车辆管理平台的实现过程做了详细描 述。首先介绍了系统相关开发环境，之后对系统各个模块的实现过程进行介绍，具体有 出入口控制模块、车辆识别模块、停车场监测模块、停车引导模块和系统管理模块。

　　第六章 平台测试：通过系统的实际运行，对高校智能化车辆管理平台的各部分功 能进行详细测试，对系统中出现的功能缺失不完善和各种系统 BUG 进行了改进和修正。

　　第二章 平台开发相关技术和理论
　　2.1 Java 技术和相关开发框架
　　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 车辆识别技术
　　2.2.1 常用车辆检测技术
　　2.2.2 YOLO 算法
　　2.3 最短路径算法
　　2.3.1 最短路径算法简介
　　2.3.2 Dijkstra 算法
　　2.4 数据库技术
　　2.5 本章小结

　　第三章 平台需求分析
　　3.1 校内现有停车管理状况分析
　　3.2 功能需求分析
　　3.2.1 平台用户
　　3.2.2 业务流程
　　3.2.3 数据流向
　　3.2.4 主要功能需求
　　3.3 非功能性需求分析
　　3.4 系统可行性分析
　　3.4.1 技术可行性
　　3.4.2 营运可行性
　　3.5 本章小结

 　　第四章 平台设计
　　4.1 平台设计目标
　　4.2 平台架构
　　4.3 平台功能模块设计
　　4.3.1 出入口控制模块
　　4.3.2 车辆识别模块
　　4.3.3 停车场监测模块
　　4.3.4 停车引导模块
　　4.3.5 系统管理模块
　　4.4 数据库设计
　　4.4.1 数据库 E-R 模型设计
　　4.4.2 数据库表结构设计
　　4.5 本章小结

　　第五章 平台实现
　　5.1 平台开发环境
　　5.2 平台登录实现
　　5.2.1 普通用户登录
　　5.2.2 管理员登录
　　5.3 出入口控制模块实现
　　5.3.1 入口控制
　　5.3.2 出口控制
　　5.4 车辆识别模块实现
　　5.4.1 车辆识别方法
　　5.4.2 用户端相关模块功能

　　5.5 停车场监测模块实现
　　5.5.1 停车场车辆监测方法
　　5.5.2 用户端相关模块功能
　　5.6 停车引导模块实现
　　5.6.1 停车引导方法
　　5.6.2 用户端相关模块功能
　　5.7 系统管理模块实现
　　5.7.1 普通用户
　　5.7.2 管理员用户
　　5.8 本章小结

　　第六章 平台测试
　　6.1 测试环境
　　6.2 功能测试
　　6.3 性能测试
　　6.4 测试结论
　　6.5 本章小结

总结与展望

　　（1）论文总结

　　本文以作者所在高校校区作为项目实验对象，对当前校内车辆管理现状进行了充分 研究，同时对用户需求进行了细致调研，并结合当前校内实际情况设计完成了高校智能 化车辆管理平台。针对目前多数院校只对车辆进入和离开进行管理的这一普遍现象，本 平台通过使用校内高清摄像头进行数据采集，通过车辆识别系统对校内车辆进行识别定 位，从而实现了车辆在进入校内后的不间断管控。具体实现了出入口车牌识别、校内车 辆识别、停车场监测和信息提示、停车路线引导和车辆数据综合管理等功能。 本文的主要工作内容如下：

　　（1） 对当前国内外停车管理系统的现状进行了分析，同时对当前技术应用现状进 行研究，明确了开发高校智能化车辆管理平台的必要性。

　　（2） 综合介绍了高校智能化车辆管理平台设计实现的关键技术和相关理论。主要 包括网页端和客户端小程序开发所使用到的 Java 技术和 Spring Boot 框架等，与车辆识 别相关的常用车辆检测技术和本项目中所使用的 YOLOv3 算法，还有在停车引导中所 涉及到的最短路径算法，以及后台数据信息管理所使用到的数据库技术等。

　　（3） 对本文所述项目所在实验对象高校现有的车辆管理系统进行细致了解和分 析，再加上对潜在用户群体实际需求的充分调研，确定了高校智能化车辆管理平台的功 能性需求和非功能性需求，以及对系统开发的可行性进行了分析。

　　（4） 根据高校智能化车辆管理平台的功能性需求完成了系统的总体设计，具体包 括出入口控制模块、车辆识别模块、停车场监测模块、停车引导模块和系统管理模块的 设计，同时还对项目数据存储和管理所需的数据库进行了总体设计。

　　（5） 按照高校智能化车辆管理平台各功能模块的设计，通过引入综合性的车辆识 别方法实现了系统的关键功能。同时对用户端相关的模块功能进行了实现，完成了分别 针对两种不同类型用户开发的 Web 网页和微信小程序。

　　（6） 结合高校智能化车辆管理平台的实际运行情况，完成了对平台整体的功能测 试和分析，并对测试中出现的问题和缺陷进行了及时修改。从分析结果来看，高校智能 化车辆管理平台达到了系统最初设定的目标要求。 本文的研究和开发不仅是完成了具体系统的实现，同时为学校校园未来的规划和建 设提供了有力的数据支撑。

　　（2）未来展望

　　智能化的车辆管理是高校车辆管理的发展方向，未来一定会继续朝着智能化、规范 化、无人化和便捷化的方向发展。未来的智能化车辆管理系统不光会应用在高校中，还 会应用在各种企业和单位的停车管理中。本人在完成了该项目的研究开发后，对软件工 程开发和深度学习算法研究有了更进一步的认识，不仅掌握了许多相关的基础理论，同 时提升了自己的实践开发能力。 本项目建设的系统虽然达到了项目最初的开发目标，但是由于系统设计还存在一定 的不足，以及所使用的相关技术手段有限，因此平台在一些系统功能模块上仍有不足， 未来需要进行进一步的完善和优化，主要包含以下几个方面：

　　（1） 车辆进入校内后进行智能识别时容易受到外界因素干扰。当天气不好时，比 如下雾天气或者下雨天气，识别的准确度会下降。当夜晚车辆灯光过亮时同样会影响识 别的准确度。这些问题还需要对相关识别算法进行进一步研究。

　　（2） 当车辆在停车场中停放时，如果车辆停放过于密集，停车场监测模块会出现 车辆数量识别不准确或者车辆信息识别出现交叉混乱的问题。由于停车场一般会有多个 不同角度的摄像头，因此这个问题需要对多摄像头联动识别方向进行进一步的研究。

　　（3） 有些车辆在停放过程中会出现压线停放影响临近车位面积的问题，或者是由 于空余车位较多，导致一辆车占用多个车位的问题，在系统开发的下一个阶段需要重点 研究车辆违规停放的检测和管理问题。

　　参考文献
　　[1] 蒋菱枫。 2019 年上半年全国机动车保有量达 3.4 亿辆[N]. 人民公安报交通周刊， 2019-7-5（01）
　　[2] 张冰馨， 曾宪锐。 阳光海天大手笔掘金停车市场[J]. 市场观察， 2017（Z2）
　　[3] 戴丽。 未来共享停车被看好[J]. 节能与环保， 2017（09）： 30-31
　　[4] 王开泳， 陈田， 高晓路。 日本交通体系的特征与经验借鉴[J]. 世界地理研究， 2008（01）：112-118
　　[5] 刘文利。 国内停车场管理系统的现状与发展趋势[J]. 中国新技术新产品， 2011（01）： 20
　　[6] 吕田。 智能停车场管理系统的设计与实现[D]. 西安工业大学， 2016
　　[7] 武海龙。 智能化停车场综合管理系统的设计与实现[D]. 南京理工大学， 2018
　　[8] 捷顺科技。 引领智慧停车新时代，捷顺科技实现"人工智能"大裂变[J]. 中国公共安全， 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]邹振宇。 我国智能立体停车库产业发展思考[J]. 安徽科技， 2016（10）： 39-41
　　[17]何小平。 攀枝花电业局停车场管理系统设计与实现[D]. 电子科技大学， 2018
　　[18]周前峰。 "互联网+"时代停车场管理系统的发展[J]. 智能建筑， 2016（01）： 50-51
　　[19]王成鹏， 谷德鑫， 宋昊。 试析车牌识别系统中的关键技术[J]. 电脑编程技巧与维护， 2016（20）： 85-86
　　[20]张东杨。 基于 RFID 的智能停车场管理系统设计与实现[D]. 华北电力大学（北京）， 2016
　　[21]陶毅。 基于多维传感系统的智能停车场管理系统的设计与实现[D]. 山东大学， 2018
　　[22]夏义年， 黄迪。 全视频智慧停车场综合解决方案[J]. 现代建筑电气， 2014, 5（01）： 53-55+60
　　[23]刘军。 基于 ZigBee 的智能停车场管理系统的设计与实现[D]. 哈尔滨工程大学。 2012
　　[24]李旭冬， 叶茂， 李涛。 基于卷积神经网络的目标检测研究综述[J]. 计算机应用研究， 2017, 34（10）： 2881-2886+2891
　　[25]王澍。 基于神经网络学习的车辆信息识别技术研究[D]. 南京邮电大学， 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]许佳佳， 张叶， 张赫。 基于改进 Harris-SIFT 算子的快速图像配准算法[J]. 电子测量 与仪器学报， 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]张强， 李嘉锋， 卓力。 车辆识别技术综述[J]. 北京工业大学学报， 2018, 44（03）： 382-392
　　[31]宋士奇， 朴燕， 蒋泽新。 基于改进 YOLOv3 的复杂场景车辆分类与跟踪[J/OL]. 山东 大学学报（工学版）： 1-7[2020-03-25]. http://kns.cnki.net/kcms/detail/37.1391.T.20191219.1442.012.html
　　[32]宋焕生， 张向清， 郑宝峰， 等。 基于深度学习方法的复杂场景下车辆目标检测[J]. 计 算机应用研究， 2018, 35（04）： 1270-1273
　　[33]孔方方， 宋蓓蓓。 改进YOLOv3的全景交通监控目标检测[J/OL]. 计算机工程与应用： 1-8[2020-03-25]. http://kns.cnki.net/kcms/detail/11.2127.TP.20200119.1759.008.html
　　[34]王慧敏。 城市停车诱导系统设计[D]. 南京信息工程大学， 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]张玉杰， 田硕。 Dijkstra 优化算法在停车场车位引导系统中的应用[J]. 计算机测量与 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 核心技术。卷Ⅰ，基础知识[M]. 人民邮电出版社， 2008 [39]Eckel B. Java 编程思想[M]. 北京： 机械工业出版社， 2002
　　[40]余建英。 J2EE 软件架构浅析[J]. 电脑知识与技术， 2012, 8（19）： 4763-4765
　　[41]徐敬。 J2EE 架构下基于 Web 的信息管理系统框架研究[J]. 硅谷， 2015, 8（01）： 84-85
　　[42]贾素来。 J2EE 多层模型研究[J]. 山东工业技术， 2017（04）： 208-209
　　[43]李洋， 孙永维， 许冰， 等。 基于 Ajax,Struts,Hibernate 和 Spring 的 J2EE 架构[J]. 吉林 大学学报（信息科学版）， 2011, 29（06）： 576-584
　　[44]王永和， 张劲松， 邓安明， 等。 Spring Boot 研究和应用[J]. 信息通信， 2016（10）： 91-94
　　[45]张峰。 应用 Spring Boot 改变 web 应用开发模式[J]. 科技创新与应用， 2017（23）： 193-194
　　[46]Kainulainen P Spring Data[J]. Developing Software for the Qualcomm Brew Platform, 2012（2）： 100
　　[47]张雪芹， 方婷， 李志前， 等。 基于类 Haar 特征和 AdaBoost 的车辆识别技术[J]. 华东 理工大学学报（自然科学版）， 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]吴若伟， 楼佩煌。 基于 Dijkstra 算法的大型停车场最优泊车路径规划[J]. 工业控制计 算机， 2013, 26（05）： 93-95
　　[53]付荣。 陕西省煤炭生产企业增值税监控管理系统的设计与实现[D]. 西安电子科技大 学， 2012
　　[54]秦园园。 关于 Tomcat 的一些问题探讨[J]. 山西科技， 2011, 26（04）： 40-41
　　[55]刘洪昱。 ORACLE 数据传输技术在保险信息系统上线过程中的应用[D]. 上海交通大 学， 2012
　　[56]徐婷婷。 基于 SQL Server2000 的图书馆管理系统设计[J]. 科技资讯， 2013（03）： 254-2550
　　[57]李威， 高锦涛， 高腾。 基于 E-R 图的关系数据库关键字查询[J]. 计算机系统应用， 2012, 21（09）： 156-161+14
　　[58]郝朝君。 关于软件开发中数据库设计理论与实践分析[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。 深度学习算法在山区植被分类中的应用[J]. 价值工程， 2019, 38（04）： 161-163
　　[61]张波良， 张瑞昌， 关佶红。 道路网上最短路径算法综述[J]. 计算机应用与软件， 2014, 31（10）： 1-9
　　[62]陶幸辉， 宋志刚。 软件系统测试类型及测试用例设计[J]. 科技经济市场， 2011（06）： 3-5.

致谢

　　时间如白驹过隙，研究生复试的景象还历历在目，转眼间却已经到了离开的时节。 依稀记得三年前那个炎热的夏天，我背着大包小包的行李来到研九楼下，开始我的读研 生涯。三年间，我生活过的充实，学的扎实；三年间，我不断克服困难，迎接挑战。三 年时间，让我更加积极进取，同时也让我更加自信沉稳。这一切变化都离不开老师的谆 谆教诲和同学的鼓励包容。在论文即将完稿之际，谨借此机会向给予我帮助的老师和同 学们表达深深的谢意。

　　我首先要感谢我的导师，安徽大学电子信息工程学院王年教授。能够拜入王老师的 门下，受其教诲是我此生莫大荣幸。尽管公务繁忙，但是老师总会在百忙之中抽出时间 为我答疑解惑，不仅是学业上的问题，更教会我为人处世之道，不仅教导我以严谨务实 的态度对待科研工作，更教会我以轻松愉快的心情面对生活。在论文的写作过程中，导 师的严谨治学和亲和力让我感到无比温暖。在以后的生活中，老师的教诲我也会时刻铭 记在心。在此，我要再次向您表示深深的感谢，老师您辛苦了。

　　其次我要向安徽大学大学网络信息中心的段运生老师、竺德老师和陈阳德老师表示 感谢。三年时间，无论是在学习、科研、就业和论文等方方面面你们都给我提供了宝贵 的意见和建议，在项目的推进过程中，无论是监控、设备还是各种软硬件需求都是在你 们的鼎力支持下才得以完成。没有两位老师的无私帮助也就不会有我今天的学习成就。 接下来我要感谢我的同学们，没有大家的合理分工，团结合作，就不会有现在的成 果。感谢赵墨然、周剑宇两位学长，是你们在我初入安大时给我指引，为我树立了奋斗 的标杆。感谢王兴闻、黄德成、钱立冬、陈博文、李文康和魏圆庆，三年时间，从 411 到 208,我们共同经历，也共同成长，我们吵吵闹闹，却又相辅相成。感谢黄雪峰、何 晶和汪晨威几位学弟，是你们在项目的开发过程中给了我无数的支持与帮助，我们即将 毕业，你们要扛起网络中心的大旗。

　　最后我要感谢我的父母和亲人，这些年你们在我身后默默的支持我，将我从呱呱坠 地的婴儿抚养成为能为社会做出贡献的人，感谢你们的辛苦付出，有你们作为我坚强的 后盾，我才能顺利的完成学业，如今我即将毕业踏上社会，我会用最好的成绩回馈你们 的爱。文以至此，我要感谢各位审阅老师，感谢各位老师在百忙之中抽出宝贵的时间一 同参与对我这篇论文的审阅。

（如您需要查看本篇毕业设计全文，请您联系客服索取）