[发明专利]基于边缘计算的用于检测车位停车状态的方法

说明书

本发明涉及基于边缘计算的用于检测车位停车状态的方法,该方法包括以下步骤：对地磁传感器采集的用于表现车位停车状态的原始三轴数据进行数据特征工程处理，选择经由数据特征化处理后的三轴数据进行取值运算；根据获得的运算值通过边缘计算，输出一个预判结果，并筛选出特征数据一起打包上传云端服务器；将边缘计算的输出结果与云端处理结合，识别各种特殊情况下的干扰，实现整体的最优判断。本发明考虑数据的波动性，动态上传数据，达到节能的效果；通过边缘算法，实现设备限定条件下上传数据，而非采用定期上传数据，降低设备功耗，实现延长设备工作周期。

技术领域

本发明涉及车位停车状态检测技术，具体涉及一种基于边缘计算的用于检测车位停车状态的方法。

背景技术

目前车位无人监管，主要通过以下几个技术可以实现：(1)磁感线圈：人为制造一个磁感线圈环境，当物体进入到此环境中时，会对原有磁感线进行切割，产生感应电流。基于此来对车位状况进行监测；(2)模式识别：通过摄像头采集而来的有车及无车的图像，人为设定相应的模式，基于此来实时监控车位状况；(3)红外/RFID/蓝牙：基于电磁波反射现象，在车位有车及无车情况下，车辆对于环境中的电磁波会有不同作用的影响，利用此区别监控车位状况。但是以上技术的实现有一个共同的缺点，就是搭建与维护成本相当高。单个摄像头及磁感线圈的成本以及搭建一套红外、RFID、蓝牙设备价格仍然较高，此外在搭建磁感线圈、布设摄像头或者布设相应的红外、蓝牙、RFID标签等设备时，会涉及破坏原有路面，增加布设相应的电源线及信号线。因此工程量加上设备成本使得这些技术总体成本相当高，如果只实现一个监控车位的功能，往往使得总体投入与实现的功能回报不匹配。在此背景下，利用地磁环境进行车位监控的技术应势而生。

基于地球本身存在的地磁环境，当车辆进入到局部的地磁环境中时，会对原有地磁环境造成一定的影响，由地磁传感器将实时的地磁数据采集并通过LoRa无线传输协议上传。通过对实时监测到的地磁数据进行分析可以推算出当前车位的状况。

边缘计算(Edge Computing)是指在靠近物体或数据源头的一侧，采用网络、计算、存储、应用核心能力为一体的开放平台，就近提供最近端服务。其应用程序在边缘侧发起，产生更快的网络服务相应，满足行业在实时业务、应用智能、安全与隐私保护等方面的基本需求。边缘计算处于物理实体和工业连接之间，或处于物理实体的顶端。而云端计算，仍然可以访问边缘计算的历史数据。

用于手机、平板电脑、传感器、安防摄像机和车辆的互联网连接设备已经产生了大量可以进行挖掘和分析的数据。在全球范围内来说，云(cloud)是这一进程中不可缺少的一部分。不幸的是，随着云与用户之间的距离越来越大，传输延迟也越来越大，边缘计算已经被证明是桥接云与用户之间距离的一种有效的方式。边缘计算涉及将小型边缘服务器放在云端和用户之间。这种方式将有助于从云和服务器的肩膀卸载下一些工作负载，这将有助于加速催生众多需要低延迟的应用边缘计算驱动数据远离中央数据服务器，提供实时分析，同时削减部署开支。截止目前为止，边缘计算已应用到以下几个场景中去：

1.增强现实(Augmented Reality)：增强型现实技术将文本和图像层叠到个人环境的数字表示中，随着AR应用程序的激增，系统需要了解用户的坐标和移动，平台可以通过提供特定用户感兴趣的高度局部化的数据来支持AR服务。由于原有数据量大、杂乱，经常出现数据过度冗余，平台经常做大量的无用工作，导致数据处理过程慢，信息反馈延迟，因而边缘计算的到来相当于对原有数据进行“滤波”的一个过程，大大提高平台对用户信息处理的效率。

2.虚拟现实(Virtual Reality Scenarios)：虚拟现实技术是仿真技术的一个重要方向，主要包括模拟环境、感知、自然技能和传感设备等方面。在当中有一个非常重要的过程叫做感知反馈，边缘计算即能通过对传感设备采集而来的周围环境数据的特征处理，辅助VR系统实现更为高效且逼真的模拟效果。