简介一份面向电子信息、自动化与嵌入式方向学生及单片机初学者的停车场智能停车引导系统设计文档可用于课程设计、毕业设计选题参考与实物制作借鉴。压缩包内仅1个docx文件约1.17MB以Word报告形式完整呈现设计流程从中英文摘要、绪论中的课题背景与国内外研究现状到系统方案设计、硬件电路、软件程序及调试章节。方案部分比较控制器、供电与显示选型硬件给出按键电路、语音播放电路、电源电路、LED显示电路与MFRC522射频接口的设计思路软件涵盖KEIL开发环境、主程序流程图、显示、语音播报与RFID识别程序并记录测试调试与实物运行结果可帮助读者掌握从选型、原理图到程序落地的完整链路。目前已有129人学习下载。1. 入场三分钟找不到空位问题到底卡在哪一环周六下午两点商场 B2 层入口排队十几辆车闸机抬杆后车主在通道里慢慢挪眼睛扫两侧车位线——B 区满了C 区还剩十来个空位但没有任何一块屏、任何一个页面告诉他往前走 80 米右转。这是多数停车场的真实状态车位数据采集了一部分却没有变成下一步往哪开的指令。智能停车引导系统要打通的正是这最后一公里——把每个车位的占用状态实时拿到手算出离车主最近的可停位再通过入口诱导屏、岔路口二级屏、手机端把方向下发出去。它适合 200 位以上、有多个分区和岔路口、靠人工指挥成本偏高的场景商业综合体、医院、交通枢纽、产业园区。下面按感知层采集、引导算法、服务端数据链路、现场调优四段展开代码和参数都按能直接落地的方式写。2. 车位检测与车牌识别感知层选型与最小实现感知层决定整套系统的天花板。车位状态采错一次后面的分配算法、诱导屏、手机导航全是错的而且错误会沿着链路放大——屏上显示空位、车主开过去发现被占信任度一次就掉光。所以这一层的重点不是能不能测到而是误判率能不能压到千分之几。2.1 地磁、超声波、视频桩的选型对比常见做法是分区混用室外或地面停车场用无线地磁室内层高受限的用超声波车位探测器重点区域和出入口用视频桩。选型时别只看单价要把施工成本、供电和运维一起算。方案检测原理准确率区间供电/布线适合场景主要坑无线地磁磁场扰动95%~98%电池3~5 年地面、露天相邻车位串扰、金属井盖干扰超声波回声测距96%~99%需供电与总线室内标准层探头积灰、层高低于 2.2 米易误判视频桩图像目标检测97%~99.5%需供电与网线出入口、VIP 区逆光、遮挡、单车占两位视频枪机多车位一路看 4~6 位94%~98%高位安装改造项目透视畸变需标定越靠边越不准提示地磁和超声波的价格差通常在 2~3 倍以内但超声波要拉供电和总线改造项目算总账时反而更贵——先算施工再算设备。2.2 用地磁状态机把原始磁场值转成车位状态地磁模块输出的是一串磁场强度值直接和固定阈值比较必然翻车车停久了基线会漂旁边车位开门也会触发。实际部署里我会用一个带迟滞和基线自更新的状态机。# 地磁车位状态机原始磁场值 - 有车/无车 import time from collections import deque TRIGGER_DELTA 12.0 # 判定有车的磁场变化阈值(μT)需现场标定 RELEASE_DELTA 5.0 # 判定无车的阈值必须小于 TRIGGER_DELTA 形成迟滞 HOLD_SECONDS 3.0 # 连续满足条件多久才允许状态翻转滤掉瞬时抖动 BASELINE_MAX 60 # 基线采样窗口长度 class MagSlot: def __init__(self, slot_id): self.slot_id slot_id self.samples deque(maxlenBASELINE_MAX) self.baseline None self.occupied False self.pending None self.pending_since 0.0 def _update_baseline(self, value): # 空闲时才用中位数更新基线避免车辆长期占用把基线带偏 self.samples.append(value) if self.baseline is None: self.baseline value elif not self.occupied: ordered sorted(self.samples) self.baseline ordered[len(ordered) // 2] def feed(self, value, tsNone): ts ts or time.time() self._update_baseline(value) delta abs(value - self.baseline) if self.occupied: want False if delta RELEASE_DELTA else None else: want True if delta TRIGGER_DELTA else None if want is None: # 处于迟滞区间维持原状态 self.pending None return self.occupied if self.pending is not want: # 新的候选状态重新计时 self.pending want self.pending_since ts return self.occupied if ts - self.pending_since HOLD_SECONDS: self.occupied want self.pending None if not want: # 车走后清空窗口重新学基线 self.samples.clear() self.baseline None return self.occupied这段逻辑有三个关键参数。TRIGGER_DELTA和RELEASE_DELTA必须成对出现差值一般留 5~8 μT 做迟滞否则车辆停在阈值边缘时状态会来回跳。HOLD_SECONDS取 3 秒左右能滤掉人走过、邻车开关门产生的短脉冲但也不能太长否则车主已经停进去了屏上还显示空位。BASELINE_MAX用中位数而不是均值更新是为了防一辆车压着车位停一整天。2.3 车牌识别与入场车辆匹配车牌识别不是引导系统的核心但它是把车和车位关联起来的钥匙入口识别车牌入册之后手机上查引导和反向寻车都靠这个车牌。落地时不要逐帧送识别抽帧加去重就够。# 入口相机抽帧 车牌去重的骨架 import time import cv2 FRAME_INTERVAL 0.5 # 抽帧间隔(秒)25fps 视频等于每 12 帧取 1 帧 DEDUP_SECONDS 8 # 同一车牌多久内不重复上报 class PlateGate: def __init__(self): self.last_seen {} self.last_frame_ts 0.0 def on_frame(self, frame, tsNone, recognizeNone): ts ts or time.time() if ts - self.last_frame_ts FRAME_INTERVAL: return None self.last_frame_ts ts plate recognize(frame) # 外部识别服务返回车牌号或 None if not plate: return None if ts - self.last_seen.get(plate, 0) DEDUP_SECONDS: return None self.last_seen[plate] ts return plate cap cv2.VideoCapture(rtsp://camera/entrance) # 换成现场相机地址 gate PlateGate() while True: ok, frame cap.read() if not ok: time.sleep(0.2) continue plate gate.on_frame(frame, recognizelambda f: None) # 接入识别SDK if plate: print(入场车牌:, plate)FRAME_INTERVAL设 0.5 秒是经验和识别的折中车过闸机大约 2~3 秒这个间隔能取到 4~6 张图足够识别成功一次。DEDUP_SECONDS防止同一辆车被连续上报十几次写库时用INSERT ... ON DUPLICATE KEY UPDATE兜底更保险。2.4 跟车、串扰和误判的兜底规则现场最常遇到的三种误判一是地磁串扰邻车开门或大车经过两边同时翻转二是跟车入场车牌去重逻辑没做好会把一辆车记两次三是超声波探头结灰测距常驻一个虚假值。兜底策略我一般这么配地磁上报带上neighbor_delta相邻两个车位在 3 秒内同时翻转到占用按信号更强的一个生效入口车牌与雷达触发信号做与运算只有雷达触发时才采信识别结果超声波每天凌晨做一次自检连续 30 次测距方差小于 1 厘米直接标记为故障位不再参与分配。这些规则不会提高纸面准确率但能把现场投诉量压下去一半。3. 空位分配与场内路径规划引导算法怎么落地有了车位状态下一个问题是把这辆车引到哪个位。看起来是选最近的空位实际要考虑分区负载、特殊车位、单向通道和掉头成本。算法做错会出现一个区被塞满、隔壁区空一半的情况通道反而更堵。3.1 三种分配策略与适用边界策略规则优点风险适用纯最近曼哈顿距离最小的空位实现简单热门区瞬间饱和车位少、单入口分区均衡按区剩余率摊派通道压力均匀个别车多绕几十米多分区大型场成本加权距离转弯数分区权重接近真实驾驶体验权重难调有单向道的场常见做法是混合先用分区均衡算出目标分区再在分区内用成本加权选具体车位。分区权重按剩余率动态调比如某个区剩余率低于 15% 就把它的权重抬高等于劝退车主别往那开。3.2 把停车场建成带权无向图路径规划的输入是一张图。节点取岔路口、通道端点和车位所在位置边取通道段权重是实际通行代价不是直线距离。# 停车场路网建图节点为路口/车位边权为通行代价 import heapq # edges: (起点, 终点, 权重)权重 通道长度(米) 转弯惩罚(米当量) RAW_EDGES [ (gate_in, j1, 20), (j1, j2, 35), (j1, j3, 40), (j2, A01, 8), (j2, A02, 8), (j2, A03, 9), (j3, B01, 10), (j3, B02, 10), (j3, j4, 30), (j4, C01, 12), (j4, C02, 12), ] TURN_PENALTY 15 # 每次转弯折算的米数单向道多的场要调大 def build_graph(edges): g {} for u, v, w in edges: g.setdefault(u, []).append((v, w)) g.setdefault(v, []).append((u, w)) return g GRAPH build_graph(RAW_EDGES)TURN_PENALTY是这套模型里最值钱的参数。纯按长度算算法会让车主在通道里连续拐三个弯去省 5 米体验极差。把它折算成 15 米当量等于告诉算法宁可多开 10 米也别转弯实际效果比按长度算好得多。3.3 Dijkstra 求最短引导路径节点规模通常在几十到几百之间Dijkstra 完全够用不需要上 A* 或更复杂的算法。def shortest_path(graph, start, goal): 返回 (总代价, 节点列表)不可达时返回 (inf, []) dist {start: 0} prev {} heap [(0, start)] while heap: d, node heapq.heappop(heap) if node goal: path [node] while path[-1] ! start: path.append(prev[path[-1]]) return d, path[::-1] if d dist.get(node, float(inf)): continue for nxt, w in graph.get(node, []): nd d w if nd dist.get(nxt, float(inf)): dist[nxt] nd prev[nxt] node heapq.heappush(heap, (nd, nxt)) return float(inf), [] def pick_slot(graph, gate, free_slots, area_weightNone): free_slots: {车位: 所属分区}area_weight: {分区: 权重系数} best (float(inf), None, None) for slot, area in free_slots.items(): w 1.0 if not area_weight else area_weight.get(area, 1.0) cost, path shortest_path(graph, gate, slot) cost * w # 分区权重放大代价实现均衡 if cost best[0]: best (cost, slot, path) return best free {A01: A, A02: A, B01: B, C01: C} # A 区快满了权重抬高到 1.6算法会优先把人往 C 区引 print(pick_slot(GRAPH, gate_in, free, {A: 1.6, B: 1.0, C: 1.0}))pick_slot里对每个空位跑一次单源最短路车位上千时这一圈会有明显耗时。优化方式是把gate换成当前车主所在节点并且对热点入口做结果缓存缓存键取入口节点加空闲车位集合的哈希空闲车位变化超过阈值才重算。3.4 诱导屏与手机端下发的刷新节奏刷新频率不是越高越好。屏刷太快会闪车主看不清太慢又会出现开过去已经没位。我的配置是入口总屏 5 秒刷新一次只显示各分区剩余数岔路口二级屏 2 秒刷新一次显示方向和最近空位数手机端用 3 秒轮询加变更推送车位被占时立刻推一次。所有下发的方向信息都要带目标车位号和一条备选路径车主到目标位发现被占时手机端能原地切换到备选不用重新问一遍。4. 数据模型与服务端从上报到下发的一条链路服务端要处理三件事接设备上报、维护车位状态、对外提供查询和引导接口。链路里最容易出问题的是状态一致性——设备上报和数据库状态对不上屏上就会显示幽灵车位。4.1 MySQL 表结构设计三张核心表车位主表、状态流水表、引导记录表。流水表用于回溯和排错别省。CREATE TABLE parking_slot ( slot_id VARCHAR(16) PRIMARY KEY, area_code VARCHAR(8) NOT NULL, slot_type TINYINT NOT NULL DEFAULT 0 COMMENT 0普通 1充电 2无障碍 3VIP, status TINYINT NOT NULL DEFAULT 0 COMMENT 0空闲 1占用 2故障 3预留, sensor_id VARCHAR(32) DEFAULT NULL, coord_x DECIMAL(8,2) DEFAULT NULL, coord_y DECIMAL(8,2) DEFAULT NULL, updated_at DATETIME NOT NULL, KEY idx_area_status (area_code, status) ) ENGINEInnoDB DEFAULT CHARSETutf8mb4; CREATE TABLE slot_status_log ( id BIGINT AUTO_INCREMENT PRIMARY KEY, slot_id VARCHAR(16) NOT NULL, status TINYINT NOT NULL, source VARCHAR(16) NOT NULL COMMENT mag/ultrasonic/video/manual, reported_at DATETIME NOT NULL, KEY idx_slot_time (slot_id, reported_at) ) ENGINEInnoDB DEFAULT CHARSETutf8mb4; CREATE TABLE guide_record ( id BIGINT AUTO_INCREMENT PRIMARY KEY, plate_no VARCHAR(16) NOT NULL, from_node VARCHAR(16) NOT NULL, to_slot VARCHAR(16) NOT NULL, cost DECIMAL(8,2) NOT NULL, created_at DATETIME NOT NULL, KEY idx_plate_time (plate_no, created_at) ) ENGINEInnoDB DEFAULT CHARSETutf8mb4;idx_area_status是给查某分区剩余空位用的这个查询每两秒被诱导屏打一次没有组合索引会直接扫全表。slot_status_log只追加不更新做好按月分区或定期归档否则一年下来几千万行。guide_record是反向寻车的数据基础车主扫码后按车牌查最近一条记录就能定位。4.2 设备上报链路与主题设计设备侧常见做法是走 MQTT。主题按场地/分区/设备类型分层方便做权限和批量订阅。# 设备上报车位状态payload 为 JSON parking/lot01/areaA/mag/S-0231 {slot_id:A0231,status:1,delta:14.2,ts:1712300000} # 服务端下发引导结果给屏 parking/lot01/screen/in-01 {area:A,free:3,dir:right,slot:A0231} # 网关心跳用于判断设备在线 parking/lot01/areaA/gw/GW-01 {online:true,rssi:-78,ts:1712300000}上报频率按设备类型分地磁状态变化时上报加一个 5 分钟的心跳兜底超声波可以 10 秒一次全量视频桩按事件上报。网关断线重连后必须做一次全量对账否则离线期间的状态变更会全部丢失。判断设备离线用最后心跳时间加 3 倍心跳间隔超时就标成未知状态不要直接当成占用或空闲。4.3 Redis 缓存在场车辆与空位索引诱导屏和手机端的读多写少全部打 MySQL 扛不住。用 Redis 存两样东西当前空位集合和在场车辆。import redis, json, time r redis.Redis(host127.0.0.1, port6379, decode_responsesTrue) LOT lot01 def on_slot_report(msg): 处理一条车位状态上报同步更新缓存与空位集合 slot_id, status msg[slot_id], msg[status] pipe r.pipeline() pipe.hset(f{LOT}:slot, slot_id, status) if status 0: pipe.sadd(f{LOT}:free, slot_id) # 空闲加入集合 else: pipe.srem(f{LOT}:free, slot_id) # 占用移出集合 pipe.hset(f{LOT}:slot:ts, slot_id, int(time.time())) pipe.execute() def area_free_count(area): 按分区统计空位数用管道批量取状态减少往返 slots r.smembers(f{LOT}:free) if not slots: return 0 pipe r.pipeline() for s in slots: pipe.hget(f{LOT}:slot_meta, s) # meta 里存 area_code areas pipe.execute() return sum(1 for a in areas if a area){LOT}:free用 Set 而不是 String是因为取一个最近空位和统计分区空位都是集合操作改一个车位的状态只影响集合里的一个元素不用整块重写。slot_meta存车位静态属性启动时从 MySQL 全量加载一次之后不再读库。要注意缓存和库的先后顺序先更新 Redis 再异步刷库库挂了不影响车主看屏只影响历史追溯。4.4 空位查询与引导接口对外接口用 FastAPI 写很省事两个核心接口就够查空位分布、请求引导。from fastapi import FastAPI, Query from pydantic import BaseModel app FastAPI() class GuideResp(BaseModel): slot_id: str area: str cost: float path: list backup: str | None None app.get(/api/v1/free) def free_summary(lot: str Query(...)): 返回各分区剩余空位供入口总屏和手机端首页使用 return {lot: lot, areas: {A: area_free_count(A), B: area_free_count(B), C: area_free_count(C)}} app.get(/api/v1/guide, response_modelGuideResp) def guide(lot: str, gate: str, plate: str): 根据入口节点选位并返回路径同时落一条引导记录 free {s: r.hget(f{LOT}:slot_meta, s) for s in r.smembers(f{LOT}:free)} weights build_area_weight() # 按剩余率动态算分区权重 cost, slot, path pick_slot(GRAPH, gate, free, weights) if slot is None: return GuideResp(slot_id, area, cost-1, path[], backupNone) save_guide_record(plate, gate, slot, cost) # 写 guide_record return GuideResp(slot_idslot, areafree[slot], costcost, pathpath, backuppick_backup(free, gate, slot))/api/v1/free会被诱导屏高频调用建议在 Nginx 层加 2 秒缓存或者让屏幕端自己做 2 秒节流。/api/v1/guide每次都要算路径属于重接口必须带车牌做幂等——同一车牌 10 秒内重复请求直接返回上一条引导记录不然车主连点两下就会拿到两个不同车位。4.5 容量参数与压测口径上线前至少压三个数上报吞吐、查询 QPS、接口延迟。1000 个车位的场地状态变化上报峰值大约 20~50 条每秒早高峰入场单机 MQTT 服务端轻松吃下/api/v1/free按每块屏 0.5 QPS 算50 块屏也就 25 QPS加缓存后压力可忽略真正要压的是/api/v1/guide它包含一次全空位最短路计算单次耗时随空位数线性增长空位 800 个时约 30~60 毫秒。压测口径按入场峰值 5 分钟内每分钟 60 辆车来算也就是 1 QPS 的引导请求留 5 倍余量按 5 QPS 压P99 控制在 200 毫秒内就算合格。5. 反向寻车、屏刷新与现场排错的几个技巧反向寻车是这套系统最容易被低估的功能。商场场景里车主取车时记不住自己停在哪扫码输入车牌系统按guide_record查最近一条引导记录直接给出从当前电梯口到 A0231的路径。实现上就是把引导接口的起点从入口节点换成最近的人行出口节点算法完全复用。注意guide_record要按车牌加时间倒序查并且只取 24 小时内的记录否则跨天车辆会查到旧数据。诱导屏的刷新策略按位置分层参数直接抄这张表就行。屏幕位置刷新间隔显示内容注意事项入口总屏5 秒各分区剩余数数字变化小于 2 不刷新避免闪动岔路口二级屏2 秒方向箭头 最近空位数方向取自路径第二跳节点车位上方指示灯状态变化即刷红/绿灯珠寿命有限别做呼吸效果手机端3 秒轮询 变更推送路径与备选位进入停车场后切到低频省电现场排错有一套固定动作。屏上显示空位但实际有车先用redis-cli hget lot01:slot A0231看缓存值再查slot_status_log里这个车位最近十条上报如果设备一直在报占用而缓存是空闲说明 Redis 更新链路断了如果设备本身在报空闲就是传感器标定问题去现场重做基线。反过来实际空着但屏上显示占用多半是车位被误标成故障态查parking_slot.status是不是 2。还有一种情况是路径算出来绕远把TURN_PENALTY从 15 调到 25 再观察通常单向道多的负二层会立刻改善。最后一个技巧是关于状态对账的。设备离线期间的状态变化一定会丢所以网关重连后不能只依赖增量上报。我一般让网关重连成功后立即发一条全量快照到parking/lot01/areaA/gw/GW-01/full服务端收到后按快照覆盖该网关下所有车位状态并和 Redis 里的值做一次差异比对差异超过 5% 就在日志里打一条告警——这条告警比任何监控指标都更早发现现场问题。本文还有配套的精品资源点击获取 智能停车引导系统：从车位检测到空位分配与路径规划
简介一份面向电子信息、自动化与嵌入式方向学生及单片机初学者的停车场智能停车引导系统设计文档可用于课程设计、毕业设计选题参考与实物制作借鉴。压缩包内仅1个docx文件约1.17MB以Word报告形式完整呈现设计流程从中英文摘要、绪论中的课题背景与国内外研究现状到系统方案设计、硬件电路、软件程序及调试章节。方案部分比较控制器、供电与显示选型硬件给出按键电路、语音播放电路、电源电路、LED显示电路与MFRC522射频接口的设计思路软件涵盖KEIL开发环境、主程序流程图、显示、语音播报与RFID识别程序并记录测试调试与实物运行结果可帮助读者掌握从选型、原理图到程序落地的完整链路。目前已有129人学习下载。1. 入场三分钟找不到空位问题到底卡在哪一环周六下午两点商场 B2 层入口排队十几辆车闸机抬杆后车主在通道里慢慢挪眼睛扫两侧车位线——B 区满了C 区还剩十来个空位但没有任何一块屏、任何一个页面告诉他往前走 80 米右转。这是多数停车场的真实状态车位数据采集了一部分却没有变成下一步往哪开的指令。智能停车引导系统要打通的正是这最后一公里——把每个车位的占用状态实时拿到手算出离车主最近的可停位再通过入口诱导屏、岔路口二级屏、手机端把方向下发出去。它适合 200 位以上、有多个分区和岔路口、靠人工指挥成本偏高的场景商业综合体、医院、交通枢纽、产业园区。下面按感知层采集、引导算法、服务端数据链路、现场调优四段展开代码和参数都按能直接落地的方式写。2. 车位检测与车牌识别感知层选型与最小实现感知层决定整套系统的天花板。车位状态采错一次后面的分配算法、诱导屏、手机导航全是错的而且错误会沿着链路放大——屏上显示空位、车主开过去发现被占信任度一次就掉光。所以这一层的重点不是能不能测到而是误判率能不能压到千分之几。2.1 地磁、超声波、视频桩的选型对比常见做法是分区混用室外或地面停车场用无线地磁室内层高受限的用超声波车位探测器重点区域和出入口用视频桩。选型时别只看单价要把施工成本、供电和运维一起算。方案检测原理准确率区间供电/布线适合场景主要坑无线地磁磁场扰动95%~98%电池3~5 年地面、露天相邻车位串扰、金属井盖干扰超声波回声测距96%~99%需供电与总线室内标准层探头积灰、层高低于 2.2 米易误判视频桩图像目标检测97%~99.5%需供电与网线出入口、VIP 区逆光、遮挡、单车占两位视频枪机多车位一路看 4~6 位94%~98%高位安装改造项目透视畸变需标定越靠边越不准提示地磁和超声波的价格差通常在 2~3 倍以内但超声波要拉供电和总线改造项目算总账时反而更贵——先算施工再算设备。2.2 用地磁状态机把原始磁场值转成车位状态地磁模块输出的是一串磁场强度值直接和固定阈值比较必然翻车车停久了基线会漂旁边车位开门也会触发。实际部署里我会用一个带迟滞和基线自更新的状态机。# 地磁车位状态机原始磁场值 - 有车/无车 import time from collections import deque TRIGGER_DELTA 12.0 # 判定有车的磁场变化阈值(μT)需现场标定 RELEASE_DELTA 5.0 # 判定无车的阈值必须小于 TRIGGER_DELTA 形成迟滞 HOLD_SECONDS 3.0 # 连续满足条件多久才允许状态翻转滤掉瞬时抖动 BASELINE_MAX 60 # 基线采样窗口长度 class MagSlot: def __init__(self, slot_id): self.slot_id slot_id self.samples deque(maxlenBASELINE_MAX) self.baseline None self.occupied False self.pending None self.pending_since 0.0 def _update_baseline(self, value): # 空闲时才用中位数更新基线避免车辆长期占用把基线带偏 self.samples.append(value) if self.baseline is None: self.baseline value elif not self.occupied: ordered sorted(self.samples) self.baseline ordered[len(ordered) // 2] def feed(self, value, tsNone): ts ts or time.time() self._update_baseline(value) delta abs(value - self.baseline) if self.occupied: want False if delta RELEASE_DELTA else None else: want True if delta TRIGGER_DELTA else None if want is None: # 处于迟滞区间维持原状态 self.pending None return self.occupied if self.pending is not want: # 新的候选状态重新计时 self.pending want self.pending_since ts return self.occupied if ts - self.pending_since HOLD_SECONDS: self.occupied want self.pending None if not want: # 车走后清空窗口重新学基线 self.samples.clear() self.baseline None return self.occupied这段逻辑有三个关键参数。TRIGGER_DELTA和RELEASE_DELTA必须成对出现差值一般留 5~8 μT 做迟滞否则车辆停在阈值边缘时状态会来回跳。HOLD_SECONDS取 3 秒左右能滤掉人走过、邻车开关门产生的短脉冲但也不能太长否则车主已经停进去了屏上还显示空位。BASELINE_MAX用中位数而不是均值更新是为了防一辆车压着车位停一整天。2.3 车牌识别与入场车辆匹配车牌识别不是引导系统的核心但它是把车和车位关联起来的钥匙入口识别车牌入册之后手机上查引导和反向寻车都靠这个车牌。落地时不要逐帧送识别抽帧加去重就够。# 入口相机抽帧 车牌去重的骨架 import time import cv2 FRAME_INTERVAL 0.5 # 抽帧间隔(秒)25fps 视频等于每 12 帧取 1 帧 DEDUP_SECONDS 8 # 同一车牌多久内不重复上报 class PlateGate: def __init__(self): self.last_seen {} self.last_frame_ts 0.0 def on_frame(self, frame, tsNone, recognizeNone): ts ts or time.time() if ts - self.last_frame_ts FRAME_INTERVAL: return None self.last_frame_ts ts plate recognize(frame) # 外部识别服务返回车牌号或 None if not plate: return None if ts - self.last_seen.get(plate, 0) DEDUP_SECONDS: return None self.last_seen[plate] ts return plate cap cv2.VideoCapture(rtsp://camera/entrance) # 换成现场相机地址 gate PlateGate() while True: ok, frame cap.read() if not ok: time.sleep(0.2) continue plate gate.on_frame(frame, recognizelambda f: None) # 接入识别SDK if plate: print(入场车牌:, plate)FRAME_INTERVAL设 0.5 秒是经验和识别的折中车过闸机大约 2~3 秒这个间隔能取到 4~6 张图足够识别成功一次。DEDUP_SECONDS防止同一辆车被连续上报十几次写库时用INSERT ... ON DUPLICATE KEY UPDATE兜底更保险。2.4 跟车、串扰和误判的兜底规则现场最常遇到的三种误判一是地磁串扰邻车开门或大车经过两边同时翻转二是跟车入场车牌去重逻辑没做好会把一辆车记两次三是超声波探头结灰测距常驻一个虚假值。兜底策略我一般这么配地磁上报带上neighbor_delta相邻两个车位在 3 秒内同时翻转到占用按信号更强的一个生效入口车牌与雷达触发信号做与运算只有雷达触发时才采信识别结果超声波每天凌晨做一次自检连续 30 次测距方差小于 1 厘米直接标记为故障位不再参与分配。这些规则不会提高纸面准确率但能把现场投诉量压下去一半。3. 空位分配与场内路径规划引导算法怎么落地有了车位状态下一个问题是把这辆车引到哪个位。看起来是选最近的空位实际要考虑分区负载、特殊车位、单向通道和掉头成本。算法做错会出现一个区被塞满、隔壁区空一半的情况通道反而更堵。3.1 三种分配策略与适用边界策略规则优点风险适用纯最近曼哈顿距离最小的空位实现简单热门区瞬间饱和车位少、单入口分区均衡按区剩余率摊派通道压力均匀个别车多绕几十米多分区大型场成本加权距离转弯数分区权重接近真实驾驶体验权重难调有单向道的场常见做法是混合先用分区均衡算出目标分区再在分区内用成本加权选具体车位。分区权重按剩余率动态调比如某个区剩余率低于 15% 就把它的权重抬高等于劝退车主别往那开。3.2 把停车场建成带权无向图路径规划的输入是一张图。节点取岔路口、通道端点和车位所在位置边取通道段权重是实际通行代价不是直线距离。# 停车场路网建图节点为路口/车位边权为通行代价 import heapq # edges: (起点, 终点, 权重)权重 通道长度(米) 转弯惩罚(米当量) RAW_EDGES [ (gate_in, j1, 20), (j1, j2, 35), (j1, j3, 40), (j2, A01, 8), (j2, A02, 8), (j2, A03, 9), (j3, B01, 10), (j3, B02, 10), (j3, j4, 30), (j4, C01, 12), (j4, C02, 12), ] TURN_PENALTY 15 # 每次转弯折算的米数单向道多的场要调大 def build_graph(edges): g {} for u, v, w in edges: g.setdefault(u, []).append((v, w)) g.setdefault(v, []).append((u, w)) return g GRAPH build_graph(RAW_EDGES)TURN_PENALTY是这套模型里最值钱的参数。纯按长度算算法会让车主在通道里连续拐三个弯去省 5 米体验极差。把它折算成 15 米当量等于告诉算法宁可多开 10 米也别转弯实际效果比按长度算好得多。3.3 Dijkstra 求最短引导路径节点规模通常在几十到几百之间Dijkstra 完全够用不需要上 A* 或更复杂的算法。def shortest_path(graph, start, goal): 返回 (总代价, 节点列表)不可达时返回 (inf, []) dist {start: 0} prev {} heap [(0, start)] while heap: d, node heapq.heappop(heap) if node goal: path [node] while path[-1] ! start: path.append(prev[path[-1]]) return d, path[::-1] if d dist.get(node, float(inf)): continue for nxt, w in graph.get(node, []): nd d w if nd dist.get(nxt, float(inf)): dist[nxt] nd prev[nxt] node heapq.heappush(heap, (nd, nxt)) return float(inf), [] def pick_slot(graph, gate, free_slots, area_weightNone): free_slots: {车位: 所属分区}area_weight: {分区: 权重系数} best (float(inf), None, None) for slot, area in free_slots.items(): w 1.0 if not area_weight else area_weight.get(area, 1.0) cost, path shortest_path(graph, gate, slot) cost * w # 分区权重放大代价实现均衡 if cost best[0]: best (cost, slot, path) return best free {A01: A, A02: A, B01: B, C01: C} # A 区快满了权重抬高到 1.6算法会优先把人往 C 区引 print(pick_slot(GRAPH, gate_in, free, {A: 1.6, B: 1.0, C: 1.0}))pick_slot里对每个空位跑一次单源最短路车位上千时这一圈会有明显耗时。优化方式是把gate换成当前车主所在节点并且对热点入口做结果缓存缓存键取入口节点加空闲车位集合的哈希空闲车位变化超过阈值才重算。3.4 诱导屏与手机端下发的刷新节奏刷新频率不是越高越好。屏刷太快会闪车主看不清太慢又会出现开过去已经没位。我的配置是入口总屏 5 秒刷新一次只显示各分区剩余数岔路口二级屏 2 秒刷新一次显示方向和最近空位数手机端用 3 秒轮询加变更推送车位被占时立刻推一次。所有下发的方向信息都要带目标车位号和一条备选路径车主到目标位发现被占时手机端能原地切换到备选不用重新问一遍。4. 数据模型与服务端从上报到下发的一条链路服务端要处理三件事接设备上报、维护车位状态、对外提供查询和引导接口。链路里最容易出问题的是状态一致性——设备上报和数据库状态对不上屏上就会显示幽灵车位。4.1 MySQL 表结构设计三张核心表车位主表、状态流水表、引导记录表。流水表用于回溯和排错别省。CREATE TABLE parking_slot ( slot_id VARCHAR(16) PRIMARY KEY, area_code VARCHAR(8) NOT NULL, slot_type TINYINT NOT NULL DEFAULT 0 COMMENT 0普通 1充电 2无障碍 3VIP, status TINYINT NOT NULL DEFAULT 0 COMMENT 0空闲 1占用 2故障 3预留, sensor_id VARCHAR(32) DEFAULT NULL, coord_x DECIMAL(8,2) DEFAULT NULL, coord_y DECIMAL(8,2) DEFAULT NULL, updated_at DATETIME NOT NULL, KEY idx_area_status (area_code, status) ) ENGINEInnoDB DEFAULT CHARSETutf8mb4; CREATE TABLE slot_status_log ( id BIGINT AUTO_INCREMENT PRIMARY KEY, slot_id VARCHAR(16) NOT NULL, status TINYINT NOT NULL, source VARCHAR(16) NOT NULL COMMENT mag/ultrasonic/video/manual, reported_at DATETIME NOT NULL, KEY idx_slot_time (slot_id, reported_at) ) ENGINEInnoDB DEFAULT CHARSETutf8mb4; CREATE TABLE guide_record ( id BIGINT AUTO_INCREMENT PRIMARY KEY, plate_no VARCHAR(16) NOT NULL, from_node VARCHAR(16) NOT NULL, to_slot VARCHAR(16) NOT NULL, cost DECIMAL(8,2) NOT NULL, created_at DATETIME NOT NULL, KEY idx_plate_time (plate_no, created_at) ) ENGINEInnoDB DEFAULT CHARSETutf8mb4;idx_area_status是给查某分区剩余空位用的这个查询每两秒被诱导屏打一次没有组合索引会直接扫全表。slot_status_log只追加不更新做好按月分区或定期归档否则一年下来几千万行。guide_record是反向寻车的数据基础车主扫码后按车牌查最近一条记录就能定位。4.2 设备上报链路与主题设计设备侧常见做法是走 MQTT。主题按场地/分区/设备类型分层方便做权限和批量订阅。# 设备上报车位状态payload 为 JSON parking/lot01/areaA/mag/S-0231 {slot_id:A0231,status:1,delta:14.2,ts:1712300000} # 服务端下发引导结果给屏 parking/lot01/screen/in-01 {area:A,free:3,dir:right,slot:A0231} # 网关心跳用于判断设备在线 parking/lot01/areaA/gw/GW-01 {online:true,rssi:-78,ts:1712300000}上报频率按设备类型分地磁状态变化时上报加一个 5 分钟的心跳兜底超声波可以 10 秒一次全量视频桩按事件上报。网关断线重连后必须做一次全量对账否则离线期间的状态变更会全部丢失。判断设备离线用最后心跳时间加 3 倍心跳间隔超时就标成未知状态不要直接当成占用或空闲。4.3 Redis 缓存在场车辆与空位索引诱导屏和手机端的读多写少全部打 MySQL 扛不住。用 Redis 存两样东西当前空位集合和在场车辆。import redis, json, time r redis.Redis(host127.0.0.1, port6379, decode_responsesTrue) LOT lot01 def on_slot_report(msg): 处理一条车位状态上报同步更新缓存与空位集合 slot_id, status msg[slot_id], msg[status] pipe r.pipeline() pipe.hset(f{LOT}:slot, slot_id, status) if status 0: pipe.sadd(f{LOT}:free, slot_id) # 空闲加入集合 else: pipe.srem(f{LOT}:free, slot_id) # 占用移出集合 pipe.hset(f{LOT}:slot:ts, slot_id, int(time.time())) pipe.execute() def area_free_count(area): 按分区统计空位数用管道批量取状态减少往返 slots r.smembers(f{LOT}:free) if not slots: return 0 pipe r.pipeline() for s in slots: pipe.hget(f{LOT}:slot_meta, s) # meta 里存 area_code areas pipe.execute() return sum(1 for a in areas if a area){LOT}:free用 Set 而不是 String是因为取一个最近空位和统计分区空位都是集合操作改一个车位的状态只影响集合里的一个元素不用整块重写。slot_meta存车位静态属性启动时从 MySQL 全量加载一次之后不再读库。要注意缓存和库的先后顺序先更新 Redis 再异步刷库库挂了不影响车主看屏只影响历史追溯。4.4 空位查询与引导接口对外接口用 FastAPI 写很省事两个核心接口就够查空位分布、请求引导。from fastapi import FastAPI, Query from pydantic import BaseModel app FastAPI() class GuideResp(BaseModel): slot_id: str area: str cost: float path: list backup: str | None None app.get(/api/v1/free) def free_summary(lot: str Query(...)): 返回各分区剩余空位供入口总屏和手机端首页使用 return {lot: lot, areas: {A: area_free_count(A), B: area_free_count(B), C: area_free_count(C)}} app.get(/api/v1/guide, response_modelGuideResp) def guide(lot: str, gate: str, plate: str): 根据入口节点选位并返回路径同时落一条引导记录 free {s: r.hget(f{LOT}:slot_meta, s) for s in r.smembers(f{LOT}:free)} weights build_area_weight() # 按剩余率动态算分区权重 cost, slot, path pick_slot(GRAPH, gate, free, weights) if slot is None: return GuideResp(slot_id, area, cost-1, path[], backupNone) save_guide_record(plate, gate, slot, cost) # 写 guide_record return GuideResp(slot_idslot, areafree[slot], costcost, pathpath, backuppick_backup(free, gate, slot))/api/v1/free会被诱导屏高频调用建议在 Nginx 层加 2 秒缓存或者让屏幕端自己做 2 秒节流。/api/v1/guide每次都要算路径属于重接口必须带车牌做幂等——同一车牌 10 秒内重复请求直接返回上一条引导记录不然车主连点两下就会拿到两个不同车位。4.5 容量参数与压测口径上线前至少压三个数上报吞吐、查询 QPS、接口延迟。1000 个车位的场地状态变化上报峰值大约 20~50 条每秒早高峰入场单机 MQTT 服务端轻松吃下/api/v1/free按每块屏 0.5 QPS 算50 块屏也就 25 QPS加缓存后压力可忽略真正要压的是/api/v1/guide它包含一次全空位最短路计算单次耗时随空位数线性增长空位 800 个时约 30~60 毫秒。压测口径按入场峰值 5 分钟内每分钟 60 辆车来算也就是 1 QPS 的引导请求留 5 倍余量按 5 QPS 压P99 控制在 200 毫秒内就算合格。5. 反向寻车、屏刷新与现场排错的几个技巧反向寻车是这套系统最容易被低估的功能。商场场景里车主取车时记不住自己停在哪扫码输入车牌系统按guide_record查最近一条引导记录直接给出从当前电梯口到 A0231的路径。实现上就是把引导接口的起点从入口节点换成最近的人行出口节点算法完全复用。注意guide_record要按车牌加时间倒序查并且只取 24 小时内的记录否则跨天车辆会查到旧数据。诱导屏的刷新策略按位置分层参数直接抄这张表就行。屏幕位置刷新间隔显示内容注意事项入口总屏5 秒各分区剩余数数字变化小于 2 不刷新避免闪动岔路口二级屏2 秒方向箭头 最近空位数方向取自路径第二跳节点车位上方指示灯状态变化即刷红/绿灯珠寿命有限别做呼吸效果手机端3 秒轮询 变更推送路径与备选位进入停车场后切到低频省电现场排错有一套固定动作。屏上显示空位但实际有车先用redis-cli hget lot01:slot A0231看缓存值再查slot_status_log里这个车位最近十条上报如果设备一直在报占用而缓存是空闲说明 Redis 更新链路断了如果设备本身在报空闲就是传感器标定问题去现场重做基线。反过来实际空着但屏上显示占用多半是车位被误标成故障态查parking_slot.status是不是 2。还有一种情况是路径算出来绕远把TURN_PENALTY从 15 调到 25 再观察通常单向道多的负二层会立刻改善。最后一个技巧是关于状态对账的。设备离线期间的状态变化一定会丢所以网关重连后不能只依赖增量上报。我一般让网关重连成功后立即发一条全量快照到parking/lot01/areaA/gw/GW-01/full服务端收到后按快照覆盖该网关下所有车位状态并和 Redis 里的值做一次差异比对差异超过 5% 就在日志里打一条告警——这条告警比任何监控指标都更早发现现场问题。本文还有配套的精品资源点击获取