本發(fā)明屬于地下停車定位和路徑引導(dǎo)技術(shù)領(lǐng)域，具體涉及一種cbd（centralbusinessdistrict，簡(jiǎn)稱cbd，即中央商務(wù)區(qū)，指一個(gè)國(guó)家或大城市里主要商務(wù)活動(dòng)進(jìn)行的地區(qū)）地下車庫(kù)停車智能引導(dǎo)系統(tǒng)、方法及裝置。
背景技術(shù)：
在地下停車場(chǎng)逐漸成為城市停車場(chǎng)的主流形式的同時(shí)，引發(fā)了一系列的問題，其中最突出的當(dāng)屬“停車難”，以至于車位資源的不充分利用，停車場(chǎng)的利用率、周轉(zhuǎn)率低下，車主停車費(fèi)時(shí)耗神、效率低?！巴＼囯y”問題主要表現(xiàn)為：
1、停車場(chǎng)管理者為車主選擇車位時(shí)，未考慮車主的出行意愿，隨意分配空車位，車主的停車需求與最終需求相互割裂，沒有進(jìn)行統(tǒng)籌考慮，為車主提供人性化的服務(wù)。
2、在大型地下停車場(chǎng)中，由于空間導(dǎo)向型差，加之大部分地下停車場(chǎng)的引導(dǎo)設(shè)施布置不合理，如標(biāo)牌隨意安放等情況，致使未能對(duì)車主進(jìn)行明晰高效地引導(dǎo)，難以很快找到停車場(chǎng)中的空閑停車位。
3、對(duì)于周轉(zhuǎn)率大且進(jìn)出庫(kù)流量大的停車場(chǎng)，車主在車庫(kù)內(nèi)泊車過程中，有很大可能遇到其他車輛出入庫(kù)和路徑?jīng)_突重疊等擁堵情況，造成交通延誤。管理者未能對(duì)車主進(jìn)行及時(shí)的提醒，改變路徑或者目標(biāo)泊位，減少無效的泊車時(shí)間。
現(xiàn)在“互聯(lián)網(wǎng)+停車”的概念已是成為停車領(lǐng)域的研究重點(diǎn)，各種停車智能引導(dǎo)設(shè)施和停車app層出不窮，但均存在一定的問題，不能很好緩解“停車難”現(xiàn)狀，解決“停車難”問題。
在停車場(chǎng)出入口均采用不停車出入，依托于etc的不停車識(shí)別，借助車輛內(nèi)的etc電子標(biāo)簽，完成停車場(chǎng)內(nèi)的定位導(dǎo)航及空中收費(fèi)，將etc系統(tǒng)的應(yīng)用推廣至地下停車場(chǎng)的領(lǐng)域中，促進(jìn)了etc的發(fā)展，也促進(jìn)了智能交通的發(fā)展。
技術(shù)實(shí)現(xiàn)要素：
本發(fā)明要解決的技術(shù)問題是：提供一種cbd地下車庫(kù)停車智能引導(dǎo)系統(tǒng)、方法及裝置，以更好地緩解甚至是解決地下車庫(kù)“停車難”問題。
本發(fā)明為解決上述技術(shù)問題所采取的技術(shù)方案為：一種cbd地下車庫(kù)停車智能引導(dǎo)系統(tǒng)，其特征在于：它包括：
車主意愿采集模塊，用于采集車主出行信息，出行信息包括出行時(shí)間、路線選擇、預(yù)計(jì)抵達(dá)時(shí)間、出行目的和車位兩側(cè)信息；
泊位推薦模塊，用于根據(jù)采集的車主出行信息、以及預(yù)設(shè)的影響因素，為車主推薦泊位區(qū)域；所述的影響因素包括車主影響因素和管理者影響因素；車主影響因素包括出行目的、泊車時(shí)間、步行距離、兩側(cè)車位占用情況和安全性；管理者影響因素包括平均泊車時(shí)間、泊位均勻分布率、路徑?jīng)_突及重疊；每個(gè)影響因素分配一個(gè)權(quán)重值，且管理者影響因素的權(quán)重值高于車主影響因素；
停車場(chǎng)入口推薦模塊，用于根據(jù)停車場(chǎng)各入口處的道路交通量、交通密度及交通流行駛速度及為車主推薦的泊位區(qū)域，為車主推薦停車場(chǎng)入口；
停車場(chǎng)內(nèi)引導(dǎo)模塊，用于在停車場(chǎng)內(nèi)對(duì)車輛進(jìn)行路徑導(dǎo)航，直至車輛停在泊位。
按上述系統(tǒng)，所述的停車場(chǎng)內(nèi)引導(dǎo)模塊包括：
最短路徑規(guī)劃模塊，用于在車輛從停車場(chǎng)入口駛?cè)霑r(shí)，為車輛規(guī)劃出從該停車場(chǎng)入口到為車主推薦的泊位區(qū)域的最短路徑；
堵塞判斷模塊，用于建立路阻函數(shù)，對(duì)若干同時(shí)進(jìn)入車庫(kù)的車輛的最短路徑匯總，將路徑間的沖突及重疊造成的時(shí)間延誤及車輛減速納入路阻函數(shù)中，根據(jù)路阻函數(shù)判斷當(dāng)前車輛的路徑是否存在堵塞；
非堵塞車輛引導(dǎo)模塊，用于在當(dāng)前車輛的路徑無堵塞時(shí)，引導(dǎo)當(dāng)前車輛按照當(dāng)前車輛的路徑行駛至為車主推薦的泊位區(qū)域；
堵塞車輛引導(dǎo)模塊，用于在當(dāng)前車輛的路徑存在堵塞時(shí)，通過靈敏度分析判斷靈敏度是否超過閾值；若未超過則為當(dāng)前車輛改變路徑；若超過則重新為車主推薦新的泊位區(qū)域，并重新規(guī)劃路徑。
利用所述的cbd地下車庫(kù)停車智能引導(dǎo)系統(tǒng)實(shí)現(xiàn)的引導(dǎo)方法，其特征在于：它包括以下步驟：
s1、采集車主出行信息，出行信息包括出行時(shí)間、路線選擇、預(yù)計(jì)抵達(dá)時(shí)間、出行目的和車位兩側(cè)信息；
s2、根據(jù)采集的車主出行信息、以及預(yù)設(shè)的影響因素，為車主推薦泊位區(qū)域；所述的影響因素包括車主影響因素和管理者影響因素；車主影響因素包括出行目的、泊車時(shí)間、步行距離、兩側(cè)車位占用情況和安全性；管理者影響因素包括平均泊車時(shí)間、泊位均勻分布率、路徑?jīng)_突及重疊；每個(gè)影響因素分配一個(gè)權(quán)重值，且管理者影響因素的權(quán)重值高于車主影響因素；
s3、根據(jù)停車場(chǎng)各入口處的道路交通量、交通密度及交通流行駛速度及為車主推薦的泊位區(qū)域，為車主推薦停車場(chǎng)入口；
s4、在停車場(chǎng)內(nèi)對(duì)車輛進(jìn)行路徑導(dǎo)航，直至車輛停在泊位。
按上述方法，所述的s4具體為：
4.1、在車輛從停車場(chǎng)入口駛?cè)霑r(shí)，為車輛規(guī)劃出從該停車場(chǎng)入口到為車主推薦的泊位區(qū)域的最短路徑；
4.2、建立路阻函數(shù)，對(duì)若干同時(shí)進(jìn)入車庫(kù)的車輛的最短路徑匯總，將路徑間的沖突及重疊造成的時(shí)間延誤及車輛減速納入路阻函數(shù)中，根據(jù)路阻函數(shù)判斷當(dāng)前車輛的路徑是否存在堵塞；
4.3、在當(dāng)前車輛的路徑無堵塞時(shí)，引導(dǎo)當(dāng)前車輛按照當(dāng)前車輛的路徑行駛至為車主推薦的泊位區(qū)域；
4.4、在當(dāng)前車輛的路徑存在堵塞時(shí)，通過靈敏度分析判斷靈敏度是否超過閾值；若未超過則為當(dāng)前車輛改變路徑；若超過則重新為車主推薦新的泊位區(qū)域，并重新規(guī)劃路徑。
按上述方法，所述的4.1和4.3采用a*算法進(jìn)行規(guī)劃和引導(dǎo)。
按上述方法，所述的4.4采用d-lite算法進(jìn)行改變路徑和重新規(guī)劃路徑。
按上述方法，所述的s2根據(jù)灰熵法為每個(gè)影響因素賦權(quán)值。
一種cbd地下車庫(kù)停車智能引導(dǎo)裝置，其特征在于：它包括：
移動(dòng)終端，用于輸入車主出行信息，并接收為車主推薦的泊位區(qū)域以及引導(dǎo)信息；
服務(wù)器，服務(wù)器內(nèi)包括：移動(dòng)終端交互模塊，用于利用移動(dòng)數(shù)據(jù)網(wǎng)絡(luò)與移動(dòng)終端進(jìn)行數(shù)據(jù)交互；etc子系統(tǒng)模塊，用于與路側(cè)設(shè)備進(jìn)行數(shù)據(jù)交互；存儲(chǔ)模塊，用于儲(chǔ)存車輛信息和泊位屬性；數(shù)據(jù)處理器，用于完成所述的引導(dǎo)方法；
路側(cè)設(shè)備，設(shè)置在各停車場(chǎng)出入口識(shí)別車輛內(nèi)的車載器，并與etc子系統(tǒng)模塊進(jìn)行數(shù)據(jù)交互；
數(shù)據(jù)中轉(zhuǎn)站，設(shè)置在停車場(chǎng)內(nèi)各處，使得停車場(chǎng)內(nèi)全覆蓋移動(dòng)數(shù)據(jù)網(wǎng)絡(luò)。
本發(fā)明的有益效果為：本發(fā)明考慮多出入口、多層停車場(chǎng)的復(fù)雜環(huán)境和車主的最終目的地，合理安排當(dāng)前有泊車需求的車主的理想車位，并進(jìn)行智能的路徑規(guī)劃和導(dǎo)航，最大程度上為車主提供個(gè)性化停車與管理服務(wù)，從而更好地緩解甚至是解決地下車庫(kù)“停車難”問題。
附圖說明
圖1是本發(fā)明一實(shí)施例的方法流程圖。
具體實(shí)施方式
下面結(jié)合具體實(shí)例和附圖對(duì)本發(fā)明做進(jìn)一步說明。
本發(fā)明提供一種cbd地下車庫(kù)停車智能引導(dǎo)系統(tǒng)，它包括：
車主意愿采集模塊，用于采集車主出行信息，出行信息包括出行時(shí)間、路線選擇、預(yù)計(jì)抵達(dá)時(shí)間、出行目的和車位兩側(cè)信息。
泊位推薦模塊，用于根據(jù)采集的車主出行信息、以及預(yù)設(shè)的影響因素，為車主推薦泊位區(qū)域；所述的影響因素包括車主影響因素和管理者影響因素；車主影響因素包括出行目的、泊車時(shí)間、步行距離、兩側(cè)車位占用情況和安全性；管理者影響因素包括平均泊車時(shí)間、泊位均勻分布率、路徑?jīng)_突及重疊；每個(gè)影響因素分配一個(gè)權(quán)重值，且管理者影響因素的權(quán)重值高于車主影響因素。
停車場(chǎng)入口推薦模塊，用于根據(jù)停車場(chǎng)各入口處的道路交通量、交通密度及交通流行駛速度及為車主推薦的泊位區(qū)域，為車主推薦停車場(chǎng)入口。
停車場(chǎng)內(nèi)引導(dǎo)模塊，用于在停車場(chǎng)內(nèi)對(duì)車輛進(jìn)行路徑導(dǎo)航，直至車輛停在泊位。
停車場(chǎng)內(nèi)引導(dǎo)模塊包括：最短路徑規(guī)劃模塊，用于在車輛從停車場(chǎng)入口駛?cè)霑r(shí)，為車輛規(guī)劃出從該停車場(chǎng)入口到為車主推薦的泊位區(qū)域的最短路徑；堵塞判斷模塊，用于建立路阻函數(shù)，對(duì)若干同時(shí)進(jìn)入車庫(kù)的車輛的最短路徑匯總，將路徑間的沖突及重疊造成的時(shí)間延誤及車輛減速納入路阻函數(shù)中，根據(jù)路阻函數(shù)判斷當(dāng)前車輛的路徑是否存在堵塞；非堵塞車輛引導(dǎo)模塊，用于在當(dāng)前車輛的路徑無堵塞時(shí)，引導(dǎo)當(dāng)前車輛按照當(dāng)前車輛的路徑行駛至為車主推薦的泊位區(qū)域；堵塞車輛引導(dǎo)模塊，用于在當(dāng)前車輛的路徑存在堵塞時(shí)，通過靈敏度分析判斷靈敏度是否超過閾值；若未超過則為當(dāng)前車輛改變路徑；若超過則重新為車主推薦新的泊位區(qū)域，并重新規(guī)劃路徑。
利用所述的cbd地下車庫(kù)停車智能引導(dǎo)系統(tǒng)實(shí)現(xiàn)的引導(dǎo)方法，如圖1所示，它包括以下步驟：
s1、采集車主出行信息，出行信息包括出行時(shí)間、路線選擇、預(yù)計(jì)抵達(dá)時(shí)間、出行目的和車位兩側(cè)信息。
s2、根據(jù)采集的車主出行信息、以及預(yù)設(shè)的影響因素，為車主推薦泊位區(qū)域；所述的影響因素包括車主影響因素和管理者影響因素；車主影響因素包括出行目的、泊車時(shí)間、步行距離、兩側(cè)車位占用情況和安全性；管理者影響因素包括平均泊車時(shí)間、泊位均勻分布率、路徑?jīng)_突及重疊；每個(gè)影響因素分配一個(gè)權(quán)重值，且管理者影響因素的權(quán)重值高于車主影響因素。
車位影響因素分為車主與管理者兩方面：（1）出行車主方面的影響因素為：出行目的、步行距離、泊車時(shí)間、兩側(cè)車位占用情況、安全性。出行目的表示車主完成停車之后要前往的目的地；步行距離，即車主停車之后前往的目的地；泊車時(shí)間為車輛從停車場(chǎng)入口到目標(biāo)車位的行駛距離；安全性則表現(xiàn)為車位到監(jiān)控設(shè)備或保安亭的距離；兩側(cè)車位占用情況，即目標(biāo)車位兩側(cè)的車位是否有車輛停泊。（2）管理者方面的影響因素為：平均泊車時(shí)間、泊位均勻分布率、路徑?jīng)_突及重疊。平均泊車時(shí)間，即若干輛被引導(dǎo)車輛泊車時(shí)間的平均值；泊位均與分布，占用的泊位盡量的在車庫(kù)內(nèi)均與分布；較少的路徑?jīng)_突及重疊，要求被引導(dǎo)車輛之間的干擾盡量少，以提高泊車效率。
各影響因素中，要求管理者方面的要求首先得到滿足，即管理者的影響因素優(yōu)先于車主的影響因素，或者說，管理者的影響因素在車位選擇的影響中決定作用強(qiáng)于車主方面的影響因素，車主在車位的選擇方面是有條件的自由。依托app的出行意愿調(diào)查或者接入其他軟件數(shù)據(jù)庫(kù)，洞悉車主出行目的，再綜合衡量上述車主與管理者的泊位需求，最終做出決策，為若干車輛匹配較理想的車位。
基于對(duì)上述泊位影響因素定性的分析，計(jì)算機(jī)無法做出決策，因此項(xiàng)目需要將各方面的影響因素量化，進(jìn)行定量的分析轉(zhuǎn)化為附加于每個(gè)泊位的權(quán)值，然后依據(jù)權(quán)值做出決策。在決策流程中，擬采用灰熵法計(jì)算泊位權(quán)值，即考慮泊位的各方面影響因素的相對(duì)重要程度，并賦予權(quán)值，綜合考慮之后計(jì)算最終權(quán)值，最終做出決策。
s3、根據(jù)停車場(chǎng)各入口處的道路交通量、交通密度及交通流行駛速度及為車主推薦的泊位區(qū)域，為車主推薦停車場(chǎng)入口。
s4、在停車場(chǎng)內(nèi)對(duì)車輛進(jìn)行路徑導(dǎo)航，直至車輛停在泊位。
s4具體為：
4.1、在車輛從停車場(chǎng)入口駛?cè)霑r(shí)，采用a*算法為車輛規(guī)劃出從該停車場(chǎng)入口到為車主推薦的泊位區(qū)域的最短路徑。
4.2、建立路阻函數(shù)，對(duì)若干同時(shí)進(jìn)入車庫(kù)的車輛的最短路徑匯總，將路徑間的沖突及重疊造成的時(shí)間延誤及車輛減速納入路阻函數(shù)中，根據(jù)路阻函數(shù)判斷當(dāng)前車輛的路徑是否存在堵塞；
4.3、在當(dāng)前車輛的路徑無堵塞時(shí)，引導(dǎo)當(dāng)前車輛按照當(dāng)前車輛的路徑行駛至為車主推薦的泊位區(qū)域；
4.4、在當(dāng)前車輛的路徑存在堵塞時(shí)，通過靈敏度分析判斷靈敏度是否超過閾值；若未超過則采用d-lite算法為當(dāng)前車輛改變路徑；若超過則重新為車主推薦新的泊位區(qū)域，并重新采用d-lite算法規(guī)劃路徑。
在目標(biāo)泊位確定之后，系統(tǒng)將尋找目標(biāo)車輛行駛至目標(biāo)車位的最短路徑，并引入交通流優(yōu)化的模型，在遭遇延誤時(shí)進(jìn)行路徑或泊位的修改以及路徑的優(yōu)化。因此，項(xiàng)目分為靜態(tài)環(huán)境和動(dòng)態(tài)環(huán)境中的研究，并在動(dòng)態(tài)環(huán)境種道路阻抗發(fā)生變化時(shí)，引入靈敏度分析概念，幫助系統(tǒng)在修改路徑與修改車位之間做出決策。
靜態(tài)環(huán)境研究分析時(shí)不考慮車輛之間的干擾、路徑?jīng)_突及停車造成的時(shí)間延誤，僅僅考慮車輛到目標(biāo)泊位的行駛時(shí)間的。在靜態(tài)環(huán)境中，路徑的尋找將以a*算法進(jìn)行。
動(dòng)態(tài)環(huán)境中，除了考慮車輛的行駛時(shí)間之外，還必須考慮車輛之間的干擾：車輛路徑之間的沖突與重疊及其他車輛泊車造成的延誤。在此引入阻抗與延誤的概念。阻抗即車輛之間的路徑?jīng)_突、重疊造成的時(shí)間損耗；延誤，表示路徑擁擠程度，即其他車輛泊車造成的時(shí)間延誤。在動(dòng)態(tài)環(huán)境之中，由于路阻發(fā)生變化，因此可能需要進(jìn)行路徑的修改，考慮使用d-lite算法進(jìn)行尋路。
靈敏度分析：在動(dòng)態(tài)的環(huán)境之中，由于地下停車場(chǎng)道路阻抗發(fā)生改變，因此可能需要應(yīng)用上述算法進(jìn)行路徑的修改。出于對(duì)路徑修改與泊位修改之間的經(jīng)濟(jì)性、快捷性的考慮，引入了閥值的概念，即運(yùn)用靈敏度分析方法，計(jì)算修改路徑與修改泊位兩套方案的閥值，根據(jù)計(jì)算結(jié)果，對(duì)實(shí)時(shí)狀態(tài)下應(yīng)采取的解決措施做出決策。這將進(jìn)一步強(qiáng)化系統(tǒng)人性化的特點(diǎn)，最大程度的為車主提供方便快捷的泊位，節(jié)省車主的泊車時(shí)間，減少車主的步行距離。
一種cbd地下車庫(kù)停車智能引導(dǎo)裝置，它包括：移動(dòng)終端，用于輸入車主出行信息，并接收為車主推薦的泊位區(qū)域以及引導(dǎo)信息；服務(wù)器，服務(wù)器內(nèi)包括：移動(dòng)終端交互模塊，用于利用移動(dòng)數(shù)據(jù)網(wǎng)絡(luò)與移動(dòng)終端進(jìn)行數(shù)據(jù)交互；etc子系統(tǒng)模塊，用于與路側(cè)設(shè)備進(jìn)行數(shù)據(jù)交互；存儲(chǔ)模塊，用于儲(chǔ)存車輛信息和泊位屬性；數(shù)據(jù)處理器，用于完成所述的引導(dǎo)方法；路側(cè)設(shè)備，設(shè)置在各停車場(chǎng)出入口識(shí)別車輛內(nèi)的車載器，并與etc子系統(tǒng)模塊進(jìn)行數(shù)據(jù)交互；數(shù)據(jù)中轉(zhuǎn)站，設(shè)置在停車場(chǎng)內(nèi)各處，使得停車場(chǎng)內(nèi)全覆蓋移動(dòng)數(shù)據(jù)網(wǎng)絡(luò)。
由于大型地下停車庫(kù)中無法使用gps進(jìn)行高效導(dǎo)航，因此需要構(gòu)建另一套地下智能導(dǎo)航系統(tǒng)。在停車場(chǎng)內(nèi)加裝數(shù)據(jù)中轉(zhuǎn)站，使得庫(kù)內(nèi)能夠使用移動(dòng)數(shù)據(jù)網(wǎng)絡(luò)，并建立系統(tǒng)的數(shù)據(jù)庫(kù)，用以儲(chǔ)存車輛信息、泊位屬性及其他相關(guān)數(shù)據(jù)。系統(tǒng)借助etc讀寫裝置及車輛內(nèi)的rfid電子標(biāo)簽識(shí)別車輛，車輛行進(jìn)過程中對(duì)車輛進(jìn)行定位，并借助移動(dòng)終端將數(shù)據(jù)傳輸給數(shù)據(jù)處理中心，系統(tǒng)計(jì)算后反饋給app移動(dòng)終端，為車主尋路導(dǎo)航。
智能導(dǎo)航系統(tǒng)中etc子系統(tǒng)主要由車輛識(shí)別系統(tǒng)（路邊讀寫設(shè)備，車載器，環(huán)路感應(yīng)器等硬件設(shè)備組成），儲(chǔ)存有大量車輛信息的中心管理系統(tǒng)以及其他輔助系統(tǒng)構(gòu)成。其工作原理為：通過路邊車道設(shè)備控制系統(tǒng)的信號(hào)發(fā)射與接收裝置（稱為路邊讀寫設(shè)備，簡(jiǎn)稱rsu）識(shí)別車輛上設(shè)備（稱為車載器，簡(jiǎn)稱obu）內(nèi)特有編碼，判別車型，進(jìn)行扣費(fèi)操作和抬起自動(dòng)欄桿等。此外，基于etc技術(shù)建立車庫(kù)內(nèi)定位系統(tǒng)：建立在現(xiàn)有的rfid定位技術(shù)，通過讀寫器周期性的發(fā)放固有頻率的激發(fā)信號(hào)，使感應(yīng)范圍內(nèi)的電子標(biāo)簽激活，從而進(jìn)行數(shù)據(jù)交流。
本發(fā)明中etc讀寫裝置及車輛內(nèi)的rfid電子標(biāo)簽識(shí)別車輛，車輛行進(jìn)過程中對(duì)車輛進(jìn)行定位。
（1）利用etc電子標(biāo)簽識(shí)別不同車輛。etc系統(tǒng)的電子標(biāo)簽在使用前便已經(jīng)儲(chǔ)存了相關(guān)車輛的基本信息，在被讀寫器讀取時(shí)發(fā)生數(shù)據(jù)交流，從而可以準(zhǔn)確確定車輛信息并加以區(qū)分。
（2）讀寫器分布及定位算法
多種定位算法均需要不少于三個(gè)不同的測(cè)量裝置來完成二維定位，因此讀寫器需要成三角形分布。例如在10m×100m的長(zhǎng)方形范圍內(nèi)，通過在四個(gè)角落以及矩形中心位置安裝讀寫器即可以對(duì)該范圍內(nèi)的電子標(biāo)簽進(jìn)行精度較高的定位。定位算法主要根據(jù)讀寫器接收到的信號(hào)強(qiáng)度、信號(hào)到達(dá)時(shí)間作為計(jì)算依據(jù)。由1、2讀寫器與電子標(biāo)簽的距離差可以得到一個(gè)以1、2為焦點(diǎn)的雙曲線；同時(shí)也可以得到一個(gè)以1、3為焦點(diǎn)的雙曲線。兩個(gè)雙曲線交點(diǎn)即為電子標(biāo)簽的位置。通過這種方法對(duì)電子標(biāo)簽進(jìn)行定位。
可見，本發(fā)明人性化的考慮了車主出行意愿并兼顧管理者要求進(jìn)行泊位分配，建立動(dòng)態(tài)模型與靜態(tài)模型并完善相應(yīng)算法進(jìn)行交通流規(guī)劃，利用etc系統(tǒng)標(biāo)簽進(jìn)行車輛識(shí)別與定位，并以此為基礎(chǔ)建立導(dǎo)航系統(tǒng)，有效引導(dǎo)車主泊車與指導(dǎo)停車場(chǎng)管理。
以上實(shí)施例僅用于說明本發(fā)明的設(shè)計(jì)思想和特點(diǎn)，其目的在于使本領(lǐng)域內(nèi)的技術(shù)人員能夠了解本發(fā)明的內(nèi)容并據(jù)以實(shí)施，本發(fā)明的保護(hù)范圍不限于上述實(shí)施例。所以，凡依據(jù)本發(fā)明所揭示的原理、設(shè)計(jì)思路所作的等同變化或修飾，均在本發(fā)明的保護(hù)范圍之內(nèi)。