機場車輛管理及預測系統探究

前言：想要寫出一篇引人入勝的文章？我們特意為您整理了機場車輛管理及預測系統探究范文，希望能給你帶來靈感和參考，敬請閱讀。

本文以機場停車場為背景，為了實現有效、快速及均載分流的出入管理，設計出機場車輛出入管理及預測系統，該系統去人工化程度高，可以節省大量的人力成本，其采用的QT開發平臺具有跨平臺開發和可視化開發管理特點，結合數據庫開發技術，使該系統具有數據存儲、數據查詢以及數據跟蹤功能，跳出數據孤島化，實現信息的互聯，同時引入神經網絡技術，使該系統向智能化、高效化進行一步發展。

1總體設計分析

1.1功能需求分析

機場車輛管理主要分為三類，機場職工等工作人員內部車輛管理、社會車輛管理、出租車輛管理。一個完善的車輛管理系統應該具有管理員信息、員工信息、車輛信息、停車位狀態信息和停車場歷史日志信息等。該系統應該具有的功能為：（1）專用車位申請管理，申請人可通過申請界面提出申請專用車位使用，轉為臨時工作人員狀態。（2）員工和車位信息存儲與查詢，車位的狀態被標記并存儲，采用“0”和“1”分別表示空閑與占用狀態，同時本軟件可以通過操作界面查詢到車輛信息以及員工信息。（3）具有數據分析功能，基于時間流的車位占用數據集的學習，預測接下來幾天車輛停入情況。（4）系統管理維護，系統管理員可以查詢、增加、刪除和修改員工信息、管理員信息、車場信息和車位申請信息等，以靈活應對人員對出行以及機場車輛各種情況的變動。

1.2系統總體框架

根據前面小節關于功能需求的分析，將客運車輛管理系統分成了5個模塊。機場車輛出入管理及預測系統的總體框架設計圖1所示。

1.3數據庫設計數據庫

采用MYSQL。根據本系統的需求分析以及系統總體功能設計，機場車輛管理系統數據庫中的數據表包括管理員信息表、人員信息表、車輛信息表、車位申請信息表、車場狀態信息表、數據分析訓練信息表，對應的表為sys_worker表、sys_passenger表、sys_cars表、sys_reserve表、sys_parkstatus表和sys_dataanaly表等。

2RNN模型建立及應用

本系統為了實現機場車輛管理系統高效的運行，我們分析了常規前饋神經網絡、卷積網絡以及循環神經網絡。分析發現循環神經網絡（以下簡稱“RNN”）與前面兩種網絡比較，RNN采用新架構，數據在空間和時間方向上流動，在時間上具有記憶功能，對于具有時間流的數據分析具有很好的預測特性。綜上所述，本系統引入RNN循環神經網絡，依賴時間方向上車場停入車輛的數據，構建日期與車位占用數量的數據集，利用RNN模型針對數據集進行訓練，預測接下來五天車輛入場情況，進一步提升機場場面管理系統的綜合化、自動化和智能化程度。

3軟件應用設計

3.1程序流程設計

本機場車輛管理系統分為訪客和管理員二種登錄類型，管理員能獲得更高的管理權限，這樣分等級的管理模式能夠對機場車輛管理系統進行安全高效的管理。機場車輛管理系統流程為：（1）系統初始化；（2）登錄驗證（訪客或者管理員）；（3）訪客登錄成功，進入訪客頁面可以進行專用車位申請；（4）管理員登錄成功，進入管理員界面，可以進行車場、車輛、人員以及數據分析信息管理。

3.2程序及界面詳細設計與實現

本系統在Windows7系統下運行QtCreator4.3.1，創建的工程文件包含Headers、Sources、Forms以及Resources文件夾，其中Headers和Sources文件夾為主程序存放區，采用模塊化程序設計，分別創建main.cpp、mainwindow.cpp、database.cpp、run.cpp、paramjson.cpp以及view.cpp等模塊程序代碼實現系統后端數據的接入和算法的實現。Forms和Resources文件夾主要存放前面界面相關代碼，系統主要構建login.ui和mainwindow.ui分別為登錄驗證界面以及主界面，其中主界面中采用QTabWidget可視化控件實現專用車申請、車輛管理、人員管理以及數據分析人機交互功能。

3.3功能驗證

（1）登錄驗證界面前面的章節完成了對系統的軟件設計，本小節對功能模塊進行驗證測試，如圖2所示，打開系統進入到系統登錄界面，本系統的登錄界面權限分為訪客和管理員。測試采用訪客賬號“User-k007”，由管理員分配，管理員賬號為“SuperUse-rk007”，初始密碼為“123456”，點擊“登錄”按鈕進入系統，賬號和密碼正確則跳轉到相應的界面。（2）訪客登錄界面本文某機場模擬數據為數據源，進行系統功能的測試，以訪客身份登錄，進入到車位申請界面，進行專用車位申請。（3）管理員界面以管理員身份登錄，管理員可以車輛和人員管理界面對數據進行增、刪、減、查等操作。本文根據前25天車場車位占用數量，對后5天的車場車位占用情況進行一個預測，將學習率設置為“0.01”，隱層的神經元數量設置為“5”，迭代次數為“20000”，生成損失函數以及預測曲線，車位占用數量預測曲線橫坐標為日期（天），縱坐標為車位占用數量（個），預測值為未來五天車位占用數量，見預測曲線圖中未標點的曲線。圖2為系統登錄以及車位占用數據分析管理界面。

4結語

本文設計開發基于QT的機場車輛管理系統，具體的工作包括設計了：（1）管理系統數據庫，利用MYSQLServer5.5軟件，根據機場車輛管理系統的功能需求，建立6個數據表，進一步地建立了后臺機場車輛管理系統；（2）利用QTCreader軟件，采用C++語言完成前后端設計。描述了程序設計和界面設計的分析流程及思路，將登錄人員分為訪客和管理員，分別取得不同的任務權限，以便于安全高效的完成機場車輛管理系統的管理。分析引入RNN循環神經網絡實現了超級管理員對后續5天車場車位占用數量預測，提高了車站管理的智能化。（3）最后，將上述工作進行了效果的驗證，根據軟件運行結果顯示本設計的機場車輛管理系統滿足預期功能需求。下一步的研究工作，將結合物聯網技術，實時監控顯示車輛運行中的位置和車況，完成車輛從進場到出場的全車程周期管理。

作者:梁亢 李涵文 張江 單位:四川九洲空管科技有限責任公司