Easy Street Parking: Comprehensive tutorial on solving a Computer Vision problem
Easy Street Parking：解決電腦視覺問題的綜合教程
來源： 蓋世汽車網
 |
| https://www.pixevia.com/smart-parking-occupancy |
大家都經歷過這種情況：驅車數英里到達目的地，卻發現，所有的停車位都被佔滿了。雖然谷歌地圖（Google Maps）等應用 app 可根據歷史數據，預測停車位情況，但是該方法仍具有侷限性。據外媒報導，美國卡耐基梅隆大學（Carnegie Mellon University）的科學家進行了一項研究，推出了一個人工智慧（AI）系統，可即時預測停車位的佔用情況。
進行該研究的科學家認為，停車場感測器易出現故障和錯誤，因此不從此類感測器上收集數據，而是利用停車計時器，所進行的歷史交易，在使用額外數據進行預測之前，先估計是否有空餘停車位。據估算，大約有 95％的街邊收費停車場思，都透過計時器來進行管理，表示此類模式，比獨立的感測器系統更具通用性。
 |
| https://www.5gtechnologyworld.com/can-ai-predict-parking-availability/ |
研究團隊使用了一種基於節點、邊緣、屬性和其他圖形結構的圖卷積神經網路，來進行建模，說明停車場位置、交通流量、停車需求、道路鏈路和停車場之間的統計關係。
該系統結合，具有長短時記憶的時間遞歸神經網路（一種能夠學習長期依賴能力的 AI 算法），以及多層解碼器，從與交通相關的數據源中（如停車計時器交易資訊、交通速度和天氣情況）提取停車資訊，並對停車位佔用情況進行預測。
研究人員根據匹茲堡市區的數據，對該模式進行了測試，在匹茲堡市區的 39 個街區中，共有 97 台路邊停車計時器。由匹茲堡停車管理局（Pittsburgh Parking Authority）提供歷史停車數據，網聯汽車公司 Inrix 的交通資訊頻道（Traffic Message Channel），和 WeatherUnderground 應用車型介面（API），提供交通速度數據和即時天氣報告。
研究人員表示，在測試中，該模式在前 30 分鐘，預測停車位佔用情況，比其他方法表現更好。他們將該人工智慧系統的卓越性能，歸功於天氣和交通速度數據 —— 尤其是天氣數據，該數據提高了預測的準確性。
未來，研究人員將製作一個模式，該模式將結合交通數量、道路封閉、交通事件和事故等與交通相關的額外數據。
沒有留言:
張貼留言