《电子技术应用》
您所在的位置:首页 > MEMS|传感技术 > 业界动态 > 卡耐基梅隆大学研究人员利用AI 实时预测停车位占用情况

卡耐基梅隆大学研究人员利用AI 实时预测停车位占用情况

2019-01-27
关键词: 传感器 停车位 AI

20190125061923786.jpg

  大家都经历过这种情况:驱车数英里到达目的地却发现,所有的停车位都被占满了。虽然谷歌地图(Google Maps)等应用程序可根据历史数据,预测停车位情况,但是该方法仍具有局限性。据外媒报道,美国卡耐基梅隆大学(Carnegie Mellon University)的科学家进行了一项研究,推出了一个人工智能(AI)系统,可实时预测停车位的占用情况。

  进行该研究的科学家认为停车场传感器易出现故障和错误,因此不从此类传感器上收集数据,而是利用停车计时器所进行的历史交易,在使用额外数据进行预测之前,先估计是否有空余停车位。据估算,大约有95%的街边收费停车场都通过计时器来进行管理,表明此类模型比独立的传感器系统更具通用性。

  研究团队使用了一种基于节点、边缘、属性和其他图形结构的图卷积神经网络来进行建模,说明停车场位置、交通流量、停车需求、道路链路和停车场之间的统计关系。该系统结合具有长短时记忆的时间递归神经网络(一种能够学习长期依赖能力的AI算法)以及多层解码器,从与交通相关的数据源中(如停车计时器交易信息、交通速度和天气情况)提取停车信息,并对停车位占用情况进行预测。

  研究人员根据匹兹堡市区的数据对该模型进行了测试,在匹兹堡市区的39个街区中共有97台路边停车计时器。由匹兹堡停车管理局(Pittsburgh Parking Authority)提供历史停车数据,网联汽车公司Inrix的交通信息频道(Traffic Message Channel)和WeatherUnderground应用车型界面(API)提供交通速度数据和实时天气报告。

  研究人员表示,在测试中,该模型在前30分钟预测停车位占用情况比其他方法表现更好。他们将该人工智能系统的卓越性能归功于天气和交通速度数据——尤其是天气数据,该数据提高了预测的准确性。未来,研究人员将制作一个模型,该模型将结合交通数量、道路封闭、交通事件和事故等与交通相关的额外数据。


本站内容除特别声明的原创文章之外,转载内容只为传递更多信息,并不代表本网站赞同其观点。转载的所有的文章、图片、音/视频文件等资料的版权归版权所有权人所有。本站采用的非本站原创文章及图片等内容无法一一联系确认版权者。如涉及作品内容、版权和其它问题,请及时通过电子邮件或电话通知我们,以便迅速采取适当措施,避免给双方造成不必要的经济损失。联系电话:010-82306118;邮箱:aet@chinaaet.com。