浅谈城市停车路内视频巡检车应用方案

胡中华

深圳信路通智能技术有限公司

随着经济的发展和技术的发展，城市“停车难”的问题在不同厂家的各种方案下有了一定的缓解，在这些方案中视频设备方案经过多年发展也出现了高位、低位、路牙机等各种形态，而其中一类特殊的视频方案近年来备受青睐，那就是移动巡检方案。

移动巡检方案的核心设备是视频巡检车，事实上视频巡检车已推出多年，但今年以来热度猛增，全国多地涌现了大量相关方案咨询、测试需求以及方案招投标等。为何推出多年的产品会突然迎来热度猛增?这其实和视频巡检车本身的特点有很大关系。

视频巡检车因何备受关注?

视频巡检车主要是对道路两侧的路内在停车辆进行识别，识别得到的停车数据上传到业务平台进行相关业务处理。其核心设备一般使用四轮或两轮电动车载体，核心模块有多路视频采集、精准定位系统、4G模块等。

方案最直观的特点是成本低、上线快、证据链充分、可联动地磁使用等，这与建设成本有限但有建设周期短，快速上线运营等需求的路内停车项目高度适配。

对此类项目而言，采用视频巡检车，只需组织巡检员分配不同路段就可实现停车数据采集，平均单人便可巡检300个左右的泊位。其输出信息包含车牌号码、泊位号及车辆图片等数据，停车证据充分车主争议少。同时识别数据直接接入运营平台，自动生成停车订单实现上线运营收费。相较其他方案，视频选检车在保障项目快速落地、快速上线的同时，还保障了较高的性价比。

而对于原使用地磁方案的项目，视频巡检车也是一个很好的补充，地磁方案仅能采集车辆的有无数据，无法确定车辆的车牌及外形信息，当车主存疑时难以有力证明停车情况，因此投诉与争议率相对较高，容易为运营方带来较大的负面影响。即使搭配PDA设备，通过人工拍照方式补充证据，但人均管控30个左右泊位，也存在低效高成本的问题。而搭配视频巡检车能够更快、更精准采集补充车辆图片数据，既能保障收费的真实可靠，避免争议发生，同时还能实现运营的降本增收。

视频巡检车关键项有哪些?

虽然市面上各类巡检设备形态不一，但视频巡检车基本原理是相同的，巡检员驾驶视频巡检车，在泊位一侧进行巡检，通过视频识别车牌，精准定位系统确定泊位号，通过匹配融合输出完整停车结果。根据视频巡检车本身特点和实际应用，最核心的关键项有以下五点：

一、采集单元的像素与左侧泊位巡检适配度

像素越大，图像越清晰，识别率也会越高。目前市面上视频采集单元采用的是200万像素的摄像头，固定3个摄像头用于右侧泊位巡检，其中2个摄像头管理平行泊位，1个摄像头管理垂停/斜停泊位。若需巡检左侧泊位，则需要另外加装一整套设备，或者采用巡检员逆行等不安全的方式来完成。

为此信路通视频巡检车采用了灵活配置方案，可以按需配置2-4个800万像素摄像头，保障识别率的同时，能把单台车的作用发挥最大，标配右侧泊位巡检，增配后可兼具左侧泊位巡检能力。

二、设备的集成度和重量

经调研分析发现，目前市面上大部分视频巡检车采用了现成的定位算法和定位模块，重量都在20kg以上，装在两轮车后座。也有个别视频巡检车，通过自研定位算法，直接将定位芯片集成到主机里，高度集成，大大降低了设备故障率，也将设备重量减轻到了3.35kg,整车轻便，大大提升了骑行舒适度。

三、精准的定位要求

视频巡检车通常使用卫星定位系统输出精准的坐标数据，再根据坐标数据和泊位号的映射输出泊位数据。目前通过使用北斗定位和千寻RTK技术，可以做到厘米级定位，但该精准度必须在开阔场景，没有遮挡及干扰情况。城市道路内停车位，茂密树木、两侧高楼、甚至上方立交等情况十分常见，这对精准定位带来挑战，如何解决通用技术以外的定位无疑是对厂家创新能力和技术能力的考验。

对此常见解决方案有两种：RFID标签和定制泊位牌。RFID标签主要通过泊位加装RFID标签，巡检车上加装RFID读写器以此提高识别效率，捕获率及准确率可达95%以上，但巡检速度会受一定影响，限速10km/h。“定制泊位牌”通过在泊位加装定制化泊位牌，巡检车上增加采集单元识别泊位牌来提高识别准确率，捕获率及准确率高达98%,并且巡检速度不受影响，仍可达到15km/h。实际应用中有外观结构设计、数据处理策略等方面优化手段，以提供更精准的泊位数据。

四、特定场景下的算法要求

视频巡检车在算法上也要进行适配优化，此处将简单介绍两项重要的算法能力。

①大角度车牌识别。路内停车垂停或斜停泊位，车牌角度基本保持相对小角度识别，而对平行车位，巡检车从一侧经过，识别角度因为停车方向、距离等存在较大差异。大角度车牌识别算法就是针对这种特殊场景而产生的，目前行业内大角度一般在60度，优秀的可以达到70度以上。该技术对运营的影响是可以有效提高识别率和捕获率。

②高速运动视频防抖技术。该技术是一种通过图像处理和算法优化来消除高速运动视频中抖动的技术。视频巡检载体可用两轮或四轮，因城市道路易拥堵，出于灵活高效巡检考虑，目前多数使用两轮电动车，时速一般在15~25km/h之间，行驶过程中很容易产生抖动，通过该技术可优化识别，带来更高的捕获率和识别率。

五、实际使用上的指标要求

根据巡检车的使用特点和数据特点，在指标定义上，从实际运营角度考虑，指标需能够反映真实的停车情况，可以参考以下指标公式。

假设有效泊位总数M条，有效捕获数据总数为N条，车牌识别错误数为A条，漏检数据为B条，多检数据C条，泊位匹配错数据D条，各指标统计方式如下：

总体指标：

①车牌捕获率，反映巡检设备对实际在停车辆的感知能力。

统计公式：捕获率：(M-B)/M

②车牌识别率，反映巡检设备对实际在停车辆车牌号准确程度的感知能力。

统计公式：识别率：(N-A)/N

③泊位准确率：反应视频巡检车对实际在停车辆泊位准确程度的感知能力。

统计公式：泊位准确率：(N-D)/N

④车牌多检率，反应视频巡检车对于空泊位误识别的情况。

统计公式：多检率：C/N

⑤综合识别率，反应视频巡检车能够输出正确的车牌号和泊位号且没有错误数据的能力，可用于该方案下的最终统计指标。

统计公式：综合识别率：(M-A-B-C-D)/M

公式内各项解释：

a.绕行泊位总数：多轮巡检过程中，因堵车或其他原因躲避障碍物造成的泊位绕行数，不参与统计；

b.标定泊位数：巡检区域已规划好的泊位数；

c.有效泊位总数：标定泊位数*巡检轮数-绕行泊位总数；

d.有效捕获数据总数：捕获数据总数-号牌遮挡数-多检数；

e.号牌遮挡数：泊位在停车辆，巡检过程中因异物遮挡造成的错误识别数据；

f车牌识别错误数：若车牌识别错误，记录为一条车牌识别错误数据；

g.漏检数：若数据漏检(即泊位内有车停，但输出“无”或泊位数据缺失),记录为一条漏检数据。绕行障碍物造成的泊位数据缺失不统计在内；

h.多检数：若车牌多检(即泊位内无车停，但输出有车牌),记录为一条多检数据；

i.泊位匹配错误数：若车牌与泊位号不匹配(可根据图片中地上泊位号标识判断),记录为一条泊位匹配错误数据；

注：其中e、f、g、h、i均统称为错误数据，一条错误数据只能属于一种类型。