本發(fā)明涉及停車安全，尤其涉及一種智慧停車的安全監(jiān)管方法及系統(tǒng)。

背景技術(shù)：

1、隨著智慧城市的發(fā)展，智慧停車系統(tǒng)逐漸成為解決城市停車難題的重要手段，現(xiàn)有的智慧停車系統(tǒng)主要側(cè)重于停車位引導(dǎo)、自動計費等功能，雖然提高了停車場管理的便捷性，但對于電動汽車的安全充電監(jiān)管方面仍然存在薄弱環(huán)節(jié)，電動汽車在充電過程中，涉及到復(fù)雜的電流、電壓控制和環(huán)境參數(shù)的變化，如果缺乏有效的實時監(jiān)控和安全管理，容易出現(xiàn)過流、過熱或氣體泄漏等安全隱患，特別是在大型停車場內(nèi)，充電樁數(shù)量眾多，設(shè)備運行情況復(fù)雜，傳統(tǒng)的人工監(jiān)管難以實時、精確地發(fā)現(xiàn)問題，存在潛在的安全風(fēng)險。

2、現(xiàn)有的智慧停車系統(tǒng)在充電安全管理方面面臨以下幾個主要問題：首先，缺乏智能化的風(fēng)險評估機制，無法及時識別充電過程中的安全隱患；其次，傳統(tǒng)的安全監(jiān)控系統(tǒng)無法有效處理復(fù)雜的多狀態(tài)變化，例如充電過程中的過熱、過流或電力供應(yīng)波動等情況；此外，現(xiàn)有系統(tǒng)缺乏自動化的應(yīng)急處理機制，當(dāng)發(fā)生異常情況時，無法迅速做出反應(yīng)，導(dǎo)致潛在風(fēng)險進一步擴大。因此，開發(fā)一種能夠?qū)崟r監(jiān)控、智能評估并自動響應(yīng)的智慧停車安全監(jiān)管方法和系統(tǒng)，成為保障電動汽車充電安全的必要手段。

技術(shù)實現(xiàn)思路

1、基于上述目的，本發(fā)明提供了一種智慧停車的安全監(jiān)管方法及系統(tǒng)。

2、一種智慧停車的安全監(jiān)管方法，包括以下步驟：

3、s1：在停車場的電動汽車充電區(qū)域部署多類型傳感器，用于實時采集充電樁和充電車輛周圍的環(huán)境參數(shù)，包括溫度、電流、電壓和空氣中易燃?xì)怏w濃度的數(shù)據(jù)；

4、s2：將采集到的環(huán)境參數(shù)與預(yù)設(shè)的安全閾值進行比較，若檢測到任一參數(shù)超過對應(yīng)的安全閾值，則立即發(fā)出安全警報，觸發(fā)聲光報警裝置；

5、s3：根據(jù)電動汽車充電區(qū)域的歷史數(shù)據(jù)和當(dāng)前充電行為，利用馬爾可夫鏈算法構(gòu)建充電安全評估模型，用于分析車輛充電過程中的狀態(tài)轉(zhuǎn)移，計算不同狀態(tài)之間的轉(zhuǎn)移概率，進而預(yù)測充電過程中的潛在安全風(fēng)險，得到風(fēng)險評估結(jié)果；

6、s4：當(dāng)充電安全風(fēng)險評估結(jié)果超過設(shè)定的風(fēng)險閾值時，執(zhí)行安全檢查步驟，包括檢查充電樁設(shè)備的工作狀態(tài)和電力供應(yīng)的穩(wěn)定性，并根據(jù)風(fēng)險評估結(jié)果，決定是否暫停充電或調(diào)整充電功率；

7、s5：在充電過程中，持續(xù)監(jiān)測并記錄每輛電動汽車的充電狀態(tài)和環(huán)境參數(shù)，若發(fā)生過熱、過流或氣體泄漏的安全事件時，將立即執(zhí)行應(yīng)急處理措施，包括自動切斷電源、啟動排氣設(shè)備，并向相關(guān)應(yīng)急部門發(fā)送警報信息；

8、s6：對每次安全事件進行記錄和分析，用于更新充電安全評估模型的狀態(tài)轉(zhuǎn)移概率，并結(jié)合歷史數(shù)據(jù)優(yōu)化馬爾可夫鏈的預(yù)測精度，提高對充電區(qū)域潛在風(fēng)險的預(yù)警能力。

9、可選的，所述s1具體包括：

10、s11：在停車場的電動汽車充電區(qū)域內(nèi)，按照充電樁和停車位的排列結(jié)構(gòu)，將溫度傳感器安裝在每個充電樁的上方，距離地面1.5至2米；電流傳感器和電壓傳感器分別集成在每個充電接口的旁側(cè)；氣體傳感器則安裝在充電樁周圍的空氣流通處，距地面0.5米，用于檢測泄漏的可燃?xì)怏w濃度，所有傳感器按照規(guī)則的間隔排列，用于覆蓋整個充電區(qū)域；

11、s12：傳感器通過有線或無線連接方式與數(shù)據(jù)采集設(shè)備進行通訊，所有傳感器按照每秒一次的頻率進行數(shù)據(jù)采集，采集的數(shù)據(jù)包括充電設(shè)備的實時溫度、電壓、電流以及空氣中氣體濃度的變化；

12、s13：對采集到的環(huán)境數(shù)據(jù)進行處理，所述處理包括去除噪聲數(shù)據(jù)和異常值。

13、可選的，所述s2具體包括：

14、s21：將傳感器采集到的溫度、電流、電壓和氣體濃度數(shù)據(jù)與預(yù)先設(shè)置的安全閾值進行逐個比較，所述安全閾值根據(jù)充電樁設(shè)備的工作規(guī)范和安全標(biāo)準(zhǔn)確定，包括最高工作溫度、最大允許電流和電壓范圍以及氣體濃度的上限值；

15、s22：對每一項參數(shù)進行比較，公式為：，其中，表示當(dāng)前采集到的參數(shù)值，表示對應(yīng)參數(shù)的預(yù)設(shè)安全閾值；當(dāng)時，表示參數(shù)超過閾值，并記錄超出值的大小和持續(xù)時間；

16、s23：一旦檢測到某項參數(shù)超出其對應(yīng)的安全閾值，立即發(fā)出指令，通過信號控制觸發(fā)聲光報警裝置，所述報警裝置包括高頻聲警報器和高亮度led燈；

17、s24：在觸發(fā)聲光報警的同時，通過無線信號將超出閾值的參數(shù)及其實時監(jiān)控數(shù)據(jù)發(fā)送至停車場管理中心，并附帶相關(guān)設(shè)備的信息，包括充電樁編號、位置和時間。

18、可選的，所述s3具體包括：

19、s31：采集電動汽車充電區(qū)域的歷史數(shù)據(jù)，所述歷史數(shù)據(jù)包括車輛的充電時長、充電功率、設(shè)備使用頻率、歷史充電故障記錄以及環(huán)境參數(shù)的變化數(shù)據(jù)，同時基于s1中的傳感器采集當(dāng)前充電行為，包括實時的電流、電壓、溫度和氣體濃度的信息；

20、s32：根據(jù)所采集的歷史數(shù)據(jù)與當(dāng)前充電行為，將每一個充電過程分為若干狀態(tài)，所述狀態(tài)包括正常充電、充電過熱、充電過流、氣體泄漏和電壓波動，并定義每個狀態(tài)及其之間的轉(zhuǎn)換條件；

21、s33：基于定義的狀態(tài)和轉(zhuǎn)換條件，構(gòu)建充電安全評估模型，所述評估模型利用馬爾可夫鏈算法，通過分析歷史數(shù)據(jù)中的狀態(tài)轉(zhuǎn)移頻率，計算各個狀態(tài)之間的轉(zhuǎn)移概率；

22、s34：在構(gòu)建完成的充電安全評估模型的基礎(chǔ)上，利用當(dāng)前實時采集到的充電行為數(shù)據(jù)，預(yù)測充電狀態(tài)的變化，根據(jù)狀態(tài)轉(zhuǎn)移概率判斷下一步潛在發(fā)生的狀態(tài)，若預(yù)測的狀態(tài)為高風(fēng)險狀態(tài)，輸出風(fēng)險評估結(jié)果。

23、可選的，所述s33具體包括：

24、s331：基于采集到的歷史數(shù)據(jù)和當(dāng)前充電行為，將每個充電過程視為一個離散的馬爾可夫鏈模型，定義為一組狀態(tài)集，其中，代表正常充電狀態(tài)，代表過熱狀態(tài)，代表過流狀態(tài)，代表氣體泄漏狀態(tài)，依次類推；狀態(tài)集的定義涵蓋充電過程中會發(fā)生的所有狀態(tài)變化，且為狀態(tài)的總數(shù)；

25、s332：定義每個狀態(tài)之間的轉(zhuǎn)換條件，設(shè)定狀態(tài)之間的轉(zhuǎn)移概率，表示從狀態(tài)轉(zhuǎn)移到狀態(tài)的概率；其中為狀態(tài)轉(zhuǎn)移矩陣，表示所有狀態(tài)的轉(zhuǎn)移概率；

26、s333：構(gòu)建狀態(tài)轉(zhuǎn)移的初始分布，其中表示最初處于狀態(tài)的概率；

27、s334：根據(jù)馬爾可夫鏈的狀態(tài)轉(zhuǎn)移矩陣和初始分布，通過遞推公式計算系統(tǒng)在任意時刻處于狀態(tài)的概率，公式為：，其中，表示在時刻時的狀態(tài)分布，為初始狀態(tài)分布，為狀態(tài)轉(zhuǎn)移矩陣，且為時間步數(shù)。

28、可選的，所述s34具體包括：

29、s341：將實時采集到的充電行為數(shù)據(jù)設(shè)為，并結(jié)合狀態(tài)轉(zhuǎn)移矩陣和當(dāng)前狀態(tài)分布，進行狀態(tài)變化的預(yù)測；

30、s342：根據(jù)當(dāng)前狀態(tài)分布和轉(zhuǎn)移矩陣，計算在下一時刻的狀態(tài)分布；

31、s343：對于預(yù)測出的狀態(tài)，根據(jù)狀態(tài)轉(zhuǎn)移概率判斷當(dāng)前充電過程是否將轉(zhuǎn)移到高風(fēng)險狀態(tài)，若某狀態(tài)的轉(zhuǎn)移概率超過預(yù)設(shè)的高風(fēng)險閾值，則標(biāo)記該狀態(tài)為高風(fēng)險狀態(tài)；

32、s344：若預(yù)測的狀態(tài)為高風(fēng)險狀態(tài)，則根據(jù)狀態(tài)轉(zhuǎn)移概率的大小和對應(yīng)的風(fēng)險權(quán)重進行計算，得到風(fēng)險評估結(jié)果。

33、可選的，所述s4具體包括：

34、s41：當(dāng)充電安全風(fēng)險評估結(jié)果超過設(shè)定的風(fēng)險閾值時，立即觸發(fā)安全檢查；

35、s42：檢查電力供應(yīng)的穩(wěn)定性，監(jiān)控電力供應(yīng)線路的電流和電壓的波動情況，檢測是否存在異常波動，若檢測到電流或電壓的異常跳變，則標(biāo)記為不穩(wěn)定供電狀態(tài)；

36、s43：根據(jù)充電樁設(shè)備和電力供應(yīng)的狀態(tài)檢查結(jié)果，比對當(dāng)前的充電樁工作狀態(tài)與風(fēng)險評估結(jié)果，若充電設(shè)備和電力供應(yīng)均處于正常范圍內(nèi)，但評估結(jié)果顯示高風(fēng)險，則根據(jù)評估結(jié)果采取預(yù)防性措施；

37、s44：若風(fēng)險評估結(jié)果與檢查出的充電設(shè)備狀態(tài)或電力供應(yīng)狀態(tài)均顯示高風(fēng)險，則立即暫停充電。

38、可選的，所述s5具體包括：

39、s51：在充電過程中持續(xù)監(jiān)測并實時記錄每輛電動汽車的充電狀態(tài)，所監(jiān)測的參數(shù)包括電流、電壓、充電接口溫度以及空氣中的氣體濃度；

40、s52：用于監(jiān)測充電狀態(tài)參數(shù)是否出現(xiàn)異常，具體當(dāng)溫度超過安全閾值時，電流超過允許范圍時、氣體濃度超過安全限值時，均標(biāo)記為異常的安全事件，并觸發(fā)應(yīng)急處理流程；

41、s53：在觸發(fā)應(yīng)急處理流程后，首先執(zhí)行自動切斷電源的步驟，斷開充電樁與電動汽車的電力連接；

42、s54：啟動充電區(qū)域的排氣設(shè)備，利用安裝在充電樁附近的氣體傳感器實時反饋的氣體濃度信息，控制排氣系統(tǒng)的工作強度，快速降低空氣中的有害氣體濃度；

43、s55：通過無線信號向相關(guān)應(yīng)急部門發(fā)送警報信息，警報信息包括車輛的充電狀態(tài)、所監(jiān)測到的異常參數(shù)、充電樁編號、具體位置及異常發(fā)生的時間。

44、可選的，所述s6具體包括：

45、s61：在每次安全事件發(fā)生時，記錄所有相關(guān)參數(shù)，包括安全事件發(fā)生時的電流、電壓、溫度、氣體濃度，以及安全事件發(fā)生的時間點和充電設(shè)備的編號；

46、s62：對每次安全事件進行分析，判斷導(dǎo)致安全事件的主要原因，具體通過對比異常數(shù)據(jù)與安全閾值的差距，識別最終的故障類型，包括過熱、過流、氣體泄漏；

47、s63：基于安全事件的分析結(jié)果，將事件的數(shù)據(jù)輸入到充電安全評估模型中，更新狀態(tài)轉(zhuǎn)移概率矩陣，通過每次事件的發(fā)生，動態(tài)更新狀態(tài)轉(zhuǎn)移矩陣中的相關(guān)概率值；

48、s64：結(jié)合每次安全事件和歷史數(shù)據(jù)，使用加權(quán)平均算法對更新后的轉(zhuǎn)移概率進行平滑處理，避免由于個別異常事件導(dǎo)致模型不穩(wěn)定。

49、一種智慧停車的安全監(jiān)管系統(tǒng)，用于實現(xiàn)上述的一種智慧停車的安全監(jiān)管方法，包括以下模塊：

50、數(shù)據(jù)采集模塊：用于在電動汽車充電區(qū)域部署多類型傳感器，實時采集充電樁設(shè)備和車輛的環(huán)境參數(shù)，所述環(huán)境參數(shù)包括電流、電壓、溫度和氣體濃度；

51、風(fēng)險評估模塊：與數(shù)據(jù)采集模塊連接，用于接收實時采集的充電行為數(shù)據(jù)，并基于馬爾可夫鏈算法構(gòu)建充電安全評估模型，通過分析狀態(tài)轉(zhuǎn)移概率和歷史數(shù)據(jù)，實時計算充電過程中的安全風(fēng)險，并輸出風(fēng)險評估結(jié)果；

52、安全閾值比較模塊：用于將數(shù)據(jù)采集模塊采集到的環(huán)境參數(shù)與預(yù)設(shè)的安全閾值進行比較，若任一參數(shù)超過對應(yīng)的安全閾值，則將異常數(shù)據(jù)傳輸至風(fēng)險評估模塊進行分析；

53、應(yīng)急處理模塊：與風(fēng)險評估模塊連接，用于當(dāng)風(fēng)險評估結(jié)果顯示高風(fēng)險狀態(tài)時，立即觸發(fā)相應(yīng)的應(yīng)急處理措施，包括自動切斷充電電源、啟動排氣設(shè)備，并向相關(guān)應(yīng)急部門發(fā)送警報信息；

54、狀態(tài)監(jiān)控與反饋模塊：用于對充電過程中的安全事件進行記錄與分析，并將每次安全事件的記錄反饋至風(fēng)險評估模塊，更新狀態(tài)轉(zhuǎn)移概率和評估模型參數(shù)，以持續(xù)優(yōu)化系統(tǒng)的預(yù)測精度。

55、本發(fā)明的有益效果：

56、本發(fā)明，通過多類型傳感器實時采集充電樁及電動汽車的電流、電壓、溫度和氣體濃度等參數(shù)，結(jié)合馬爾可夫鏈算法構(gòu)建的充電安全評估模型，實現(xiàn)了對充電過程中的狀態(tài)變化進行精確預(yù)測和實時風(fēng)險評估，系統(tǒng)能夠根據(jù)狀態(tài)轉(zhuǎn)移概率和歷史數(shù)據(jù)，及時發(fā)現(xiàn)過熱、過流或氣體泄漏等潛在風(fēng)險，并觸發(fā)相應(yīng)的應(yīng)急處理機制，如自動切斷電源、啟動排氣設(shè)備等，有效避免了充電過程中出現(xiàn)安全事故的可能性；

57、本發(fā)明，通過分析每次安全事件的數(shù)據(jù)并動態(tài)更新狀態(tài)轉(zhuǎn)移概率，能夠不斷優(yōu)化安全評估模型的預(yù)測精度，結(jié)合歷史數(shù)據(jù)的長期分析，逐步提高了對復(fù)雜多變狀態(tài)的應(yīng)對能力，確保充電過程中每一步驟的安全可控，這種自動化、智能化的安全監(jiān)管方式不僅減少了人工監(jiān)管的負(fù)擔(dān)，也顯著提升了整個智慧停車系統(tǒng)的智能化水平和可靠性。