淺談城市停車路內視頻巡檢車應用方案
胡中華
深圳信路通智能技術有限公司
隨著經濟的發展和技術的發展,城市“停車難”的問題在不同廠家的各種方案下有了一定的緩解,在這些方案中視頻設備方案經過多年發展也出現了高位、低位、路牙機等各種形態,而其中一類特殊的視頻方案近年來備受青睞,那就是移動巡檢方案。
移動巡檢方案的核心設備是視頻巡檢車,事實上視頻巡檢車已推出多年,但今年以來熱度猛增,全國多地涌現了大量相關方案咨詢、測試需求以及方案招投標等。為何推出多年的產品會突然迎來熱度猛增?這其實和視頻巡檢車本身的特點有很大關系。
視頻巡檢車因何備受關注?

視頻巡檢車主要是對道路兩側的路內在停車輛進行識別,識別得到的停車數據上傳到業務平臺進行相關業務處理。其核心設備一般使用四輪或兩輪電動車載體,核心模塊有多路視頻采集、精準定位系統、4G模塊等。
方案最直觀的特點是成本低、上線快、證據鏈充分、可聯動地磁使用等,這與建設成本有限但有建設周期短,快速上線運營等需求的路內停車項目高度適配。
對此類項目而言,采用視頻巡檢車,只需組織巡檢員分配不同路段就可實現停車數據采集,平均單人便可巡檢300個左右的泊位。其輸出信息包含車牌號碼、泊位號及車輛圖片等數據,停車證據充分車主爭議少。同時識別數據直接接入運營平臺,自動生成停車訂單實現上線運營收費。相較其他方案,視頻選檢車在保障項目快速落地、快速上線的同時,還保障了較高的性價比。
而對于原使用地磁方案的項目,視頻巡檢車也是一個很好的補充,地磁方案僅能采集車輛的有無數據,無法確定車輛的車牌及外形信息,當車主存疑時難以有力證明停車情況,因此投訴與爭議率相對較高,容易為運營方帶來較大的負面影響。即使搭配PDA設備,通過人工拍照方式補充證據,但人均管控30個左右泊位,也存在低效高成本的問題。而搭配視頻巡檢車能夠更快、更精準采集補充車輛圖片數據,既能保障收費的真實可靠,避免爭議發生,同時還能實現運營的降本增收。
視頻巡檢車關鍵項有哪些?
雖然市面上各類巡檢設備形態不一,但視頻巡檢車基本原理是相同的,巡檢員駕駛視頻巡檢車,在泊位一側進行巡檢,通過視頻識別車牌,精準定位系統確定泊位號,通過匹配融合輸出完整停車結果。根據視頻巡檢車本身特點和實際應用,最核心的關鍵項有以下五點:
一、采集單元的像素與左側泊位巡檢適配度
像素越大,圖像越清晰,識別率也會越高。目前市面上視頻采集單元采用的是200萬像素的攝像頭,固定3個攝像頭用于右側泊位巡檢,其中2個攝像頭管理平行泊位,1個攝像頭管理垂停/斜停泊位。若需巡檢左側泊位,則需要另外加裝一整套設備,或者采用巡檢員逆行等不安全的方式來完成。
為此信路通視頻巡檢車采用了靈活配置方案,可以按需配置2-4個800萬像素攝像頭,保障識別率的同時,能把單臺車的作用發揮最大,標配右側泊位巡檢,增配后可兼具左側泊位巡檢能力。
二、設備的集成度和重量
經調研分析發現,目前市面上大部分視頻巡檢車采用了現成的定位算法和定位模塊,重量都在20kg以上,裝在兩輪車后座。也有個別視頻巡檢車,通過自研定位算法,直接將定位芯片集成到主機里,高度集成,大大降低了設備故障率,也將設備重量減輕到了3.35kg,整車輕便,大大提升了騎行舒適度。
三、精準的定位要求
視頻巡檢車通常使用衛星定位系統輸出精準的坐標數據,再根據坐標數據和泊位號的映射輸出泊位數據。目前通過使用北斗定位和千尋RTK技術,可以做到厘米級定位,但該精準度必須在開闊場景,沒有遮擋及干擾情況。城市道路內停車位,茂密樹木、兩側高樓、甚至上方立交等情況十分常見,這對精準定位帶來挑戰,如何解決通用技術以外的定位無疑是對廠家創新能力和技術能力的考驗。
對此常見解決方案有兩種:RFID標簽和定制泊位牌。RFID標簽主要通過泊位加裝RFID標簽,巡檢車上加裝RFID讀寫器以此提高識別效率,捕獲率及準確率可達95%以上,但巡檢速度會受一定影響,限速10km/h。“定制泊位牌”通過在泊位加裝定制化泊位牌,巡檢車上增加采集單元識別泊位牌來提高識別準確率,捕獲率及準確率高達98%,并且巡檢速度不受影響,仍可達到15km/h。實際應用中有外觀結構設計、數據處理策略等方面優化手段,以提供更精準的泊位數據。
四、特定場景下的算法要求
視頻巡檢車在算法上也要進行適配優化,此處將簡單介紹兩項重要的算法能力。
①大角度車牌識別。路內停車垂停或斜停泊位,車牌角度基本保持相對小角度識別,而對平行車位,巡檢車從一側經過,識別角度因為停車方向、距離等存在較大差異。大角度車牌識別算法就是針對這種特殊場景而產生的,目前行業內大角度一般在60度,優秀的可以達到70度以上。該技術對運營的影響是可以有效提高識別率和捕獲率。
②高速運動視頻防抖技術。該技術是一種通過圖像處理和算法優化來消除高速運動視頻中抖動的技術。視頻巡檢載體可用兩輪或四輪,因城市道路易擁堵,出于靈活高效巡檢考慮,目前多數使用兩輪電動車,時速一般在15~25km/h之間,行駛過程中很容易產生抖動,通過該技術可優化識別,帶來更高的捕獲率和識別率。
五、實際使用上的指標要求
根據巡檢車的使用特點和數據特點,在指標定義上,從實際運營角度考慮,指標需能夠反映真實的停車情況,可以參考以下指標公式。
假設有效泊位總數M條,有效捕獲數據總數為N條,車牌識別錯誤數為A條,漏檢數據為B條,多檢數據C條,泊位匹配錯數據D條,各指標統計方式如下:
總體指標:
①車牌捕獲率,反映巡檢設備對實際在停車輛的感知能力。
統計公式:捕獲率:(M-B)/M
②車牌識別率,反映巡檢設備對實際在停車輛車牌號準確程度的感知能力。
統計公式:識別率:(N-A)/N
③泊位準確率:反應視頻巡檢車對實際在停車輛泊位準確程度的感知能力。
統計公式:泊位準確率:(N-D)/N
④車牌多檢率,反應視頻巡檢車對于空泊位誤識別的情況。
統計公式:多檢率:C/N
⑤綜合識別率,反應視頻巡檢車能夠輸出正確的車牌號和泊位號且沒有錯誤數據的能力,可用于該方案下的最終統計指標。
統計公式:綜合識別率:(M-A-B-C-D)/M
公式內各項解釋:
a.繞行泊位總數:多輪巡檢過程中,因堵車或其他原因躲避障礙物造成的泊位繞行數,不參與統計;
b.標定泊位數:巡檢區域已規劃好的泊位數;
c.有效泊位總數:標定泊位數*巡檢輪數-繞行泊位總數;
d.有效捕獲數據總數:捕獲數據總數-號牌遮擋數-多檢數;
e.號牌遮擋數:泊位在停車輛,巡檢過程中因異物遮擋造成的錯誤識別數據;
f車牌識別錯誤數:若車牌識別錯誤,記錄為一條車牌識別錯誤數據;
g.漏檢數:若數據漏檢(即泊位內有車停,但輸出“無”或泊位數據缺失),記錄為一條漏檢數據。繞行障礙物造成的泊位數據缺失不統計在內;
h.多檢數:若車牌多檢(即泊位內無車停,但輸出有車牌),記錄為一條多檢數據;
i.泊位匹配錯誤數:若車牌與泊位號不匹配(可根據圖片中地上泊位號標識判斷),記錄為一條泊位匹配錯誤數據;
注:其中e、f、g、h、i均統稱為錯誤數據,一條錯誤數據只能屬于一種類型。