本文摘要：大家都经历过这种情况：驱车数英里抵达目的地却找到，所有的停车位都被填满了。

大家都经历过这种情况：驱车数英里抵达目的地却找到，所有的停车位都被填满了。虽然谷歌地图（GoogleMaps）等应用程序可根据历史数据，预测停车位情况，但是该方法仍具备局限性。据外媒报导，美国卡耐基梅隆大学（CarnegieMellonUniversity）的科学家展开了一项研究，发售了一个人工智能（AI）系统，可动态预测停车位的闲置情况。

展开该研究的科学家指出停车场传感器不易经常出现故障和错误，因此不从此类传感器上搜集数据，而是利用行驶计时器所展开的历史交易，在用于额外数据展开预测之前，再行估算否有空余停车位。据估计，约有95％的街边收费停车场都通过计时器来展开管理，指出此类模型比独立国家的传感器系统极具通用性。研究团队用于了一种基于节点、边缘、属性和其他图形结构的图卷积神经网络来展开建模，解释停车场方位、交通流量、行驶市场需求、道路链路和停车场之间的统计资料关系。

该系统融合具备宽短时记忆的时间迭代神经网络（一种需要自学长年倚赖能力的AI算法）以及多层解码器，从与交通涉及的数据源中（如行驶计时器交易信息、交通速度和天气情况）萃取行驶信息，并对停车位闲置情况展开预测。研究人员根据匹兹堡市区的数据对该模型展开了测试，在匹兹堡市区的39个街区中共有97台路边行驶计时器。由匹兹堡行驶管理局（PittsburghParkingAuthority）获取历史行驶数据，网联汽车公司Inrix的交通信息频道（TrafficMessageChannel）和WeatherUnderground应用于车型界面（API）获取交通速度数据和动态天气报告。

研究人员回应，在测试中，该模型在前30分钟预测停车位闲置情况比其他方法展现出更佳。他们将该人工智能系统的卓越性能得益于天气和交通速度数据——特别是在是天气数据，该数据提升了预测的准确性。未来，研究人员将制作一个模型，该模型将融合交通数量、道路堵塞、交通事件和事故等与交通涉及的额外数据。

本文来源：OD体育-www.sesi82.com