基于KNN算法的车位自动预约系统的设计与实现开题报告

1. 研究目的与意义

1.阐述课题研究的现状与发展趋势近年来我国城市化和机动化快速发展，机动车使用量的迅速增长与有限的停车资源矛盾日益突出。停车管理作为城市交通系统重要的一环，如何有效解决城市停车中的供需不均衡，车位自动预约系统为解决这一问题提供了解决办法。早期的车辆限于互联网的发展，覆盖的范围往往局限于某几个相邻的停车区间，用户普及率不够高，土地资源的利用效率不够明显，形成不了规模化效益。然而进入21世纪以来，互联网技术快速普及和高速发展，手持设备轻量化与便捷化，共享停车不再止步于线下，与互联网产品的结合成为发展新趋势。以国外的Park Tag为例，自2013年应用以来，已经在英国、德国、法国等国家实施和推广，通过提供空余泊位来获取可供交易的积分，进而打造一个停车泊位的数据交互平台。国内的则以安居宝开发的“智慧云停车”为突出代表，通过“掌停宝”app使车主能够实时查询附近空余车位、费用、优惠等信息，并可实现在线预约停车位，事后通过移动支付结算的停车场。而在国内众多网络开发平台中，腾讯旗下的微信小程序凭借着海量用户、粘度高、免去了推广和宣传的环节、更容易以小成本开发试错等优点，已经成为中小企业甚至个人首要考虑的平台。所以本次车位自动预约系统就是基于微信小程序开发与实践的。2.本课题研究的价值与意义KNN 算法是一种广泛使用的非参数回归方 法，它根据参数和数据的相似度，从历史数据中 搜索与当前状态最为接近的近邻值用于预测。它假定数据库中的相似数据之间存在相关性，因此，计算的时候只需要利用大量数据，而无需提前定义特定的数学模型和参数。KNN算法充分体现了车辆历史轨迹的非参数特征，模型参数包括状态向量、距离度量值、近邻数，以及预测算法。基于KNN算法的车位自动预约系统减少了停车位信息资源不对称现象，能够有效缓解城市停车难的问题。一方面可以充分利用有限的停车位，实现土地资源的最大化利用，另一方面主动顺应了当下共享经济，便利了居民的出行。相较于传统的app，微信小程序具有十分方便的特点，微信用户只需要通过扫一扫或搜一下便可以打开相应程序，不需要担心安装软件过多占用太多内存，使得用户拥有良好的体验。3.参考文献[1] 陈欣. 共享经济环境下共享停车发展策略研究[J]. 知识经济, 2019(09): 17-19.[2] 刘天元, 夏明. 微信小程序开发与运用[J]. 电子世界, 2021(23): 206-207.[3] 李进才. 5款优秀的前端开发工具[J]. 计算机与网络, 2020, 46(13): 33.[4] 袁堂青, 亓婧. 基于微信小程序的开发与研究[J]. 网络安全技术与应用, 2020(04): 66-67.[5] 闭小梅. 闭瑞华. KNN算法综述[J]. 科技创新导报. 2009(14): 31.[6] 霍豪. 沈金星. 郑长江. 基于KNN算法的公交到站时间预测[J]. 河海大学土木与交通学报. 2020. 18(04): 76-82 102[7] 朴泓德, 金山海. 基于KNN算法的不良步态分类[J]. 信息技术与信息化, 2022(01): 190-193.[8] 王锟. 孟建军. 雷斌. 祁文哲. “共享停车”车位多模式匹配算法探究[J]. 工业控制计算机. 2020. 33(10):74-76.[9] J. W. Li;X. Li;J. W. Jiang;N. Yu;Y. Ma;W. D. Chen. Design and Implementation of Scenic Intelligent Guide System Based on Wechat Applet[J]. The International Archives of the Photogrammetry, Remote Sensing and Spatial Information Sciences. 2021. XLII-3W10.[10] Chen Jia. Wang Yongjie. Yan Xuehu. Wang Jiayu. Li Longlong. Visual secret sharing scheme with (n,n) threshold based on WeChat Mini Program codes[J]. Journal of Visual Communication and Image Representation. 2022(prepublish).[11] Wei Wang. Botao Liu. Ying Zhong . Jin An. Long List Data Display based on WeChat Applet[J]. World Scientific Research Journal. 2021:7(1).[12] Bensaci. Ramla,Khaldi. Belal,Aiadi. Oussama,Benchabana. Ayoub. Deep Convolutional Neural Network with KNN Regression for Automatic Image Annotation[J]. Applied Sciences,2021:11(21).[13] Ekta Thirani. Jayshree Jain. Vaibhav Narawade. Enhancing Performance Evaluation for Video Plagiarism Detection Using Local Feature through SVM and KNN algorithm[J]. International Journal of Image, Graphics and Signal Processing. 2021:13(5).[14] 田钧. 方朱. 陈强. 贾宁. 马寿峰. 基于轨迹数据的车辆跟驰行为分析与建模综述[J]. 天津大学管理与经济学部. 2021. 21(05):148-159.

2. 研究内容和问题

基本内容：本课题主要目标设计并能够实现一个基于KNN算法的车位自动预约系统的设计与实现，实现停车信息的预览，查阅，预约。以微信开发者工具作为主要编程软件，使用JavaScript作为开发语言,MySqle作为后台数据库，Navicat作为数据库的管理工具。主要功能：1.用户个人信息的管理2.停车场列表的显示3.停车场信息的查询4.实时地图搜索5.在线预约的结算系统6.后台数据库的增删改查 难题：界面设计：一个良好的界面设计不仅能给用户带来好的阅读体验，也有利于查询与搜索。程序功能：功能完善的小程序更能提高用户使用粘度，优化用户的体验感。停车信息：停车信息必须及时有效，准确率高，需要前期大量的调查和信息搜索。数据管理：存储用户信息和停车信息，后台能够随时增添修改停车信息，保证停车信息的时效性。算法模型：实现KNN算法

3. 设计方案和技术路线

研究方法：文献资料法：利用图书馆、档案馆及互联网等广泛查询相关的文献资料，加以分析与研究。案例分析法：对目前现存的微信小程序和共享车位预约系统进行系统性的调查和分析，深入研究，总计经验。分析归纳法：研究分析查阅的文献资料，归纳总结其研究内容并合理分类，根据比较研究及案例分析的结果，总结国内外的做法和经验。调查法：通过实地考察本地区停车场，调查停车场的车流量和使用量，筛选出高峰使用区间和低峰使用区间。实验法：利用互联网学习各项编程技术，在实际开发过程中运用与实践，进行不断的修改与调试。技术路线：（1）参考市场上已经成熟的各类app和小程序的设计； （2）使用微信开发者工具进行小程序的前端开发； （3）使用Navicat软件管理小程序的后端数据； （4）对小程序进行上传前的各种调试和修改。

4. 研究的条件和基础

操作系统：Windows 10开发工具：PhpStorm、微信Web开发工具开发技术：类HTML的微信小程序开发语言数据库：MySQL数据库管理工具：Navicat硬件环境需求如下所示：处理器：Intel(R) Core(TM) i5-7200U CPU @ 2.50GHz 2.70 GHz内存：12G内存（或者4G以上）硬盘：512G固态硬盘（或者256G以上）