苦寻不着车位？AI可运用深度学习掌握车位状况

这是不少开车人最常遇到的问题，开车到达目的地却找不到停车位吗？最近卡内基美隆大学土木环境工程学系的研究团队，在论文平台Arxiv发布了实时预测停车位的AI研究，研究团队整合多种实时和历史的交通相关数据，包含停车的时间、交通状况、道路的特征、天气等数据，最终利用深度神经网络，预测短期停车位的使用状况。有别于过去收集停车传感器数据的方法，研究团队在加入其他参考数据之前，先利用停车计费机的事务数据，来预测停车空位，由于95%的路边收费停车位都是透过计费机管理，这样的方法也比起依赖传感器数据的方法，更为通用。首先，研究团队用卷积神经网络，建立停车位预测的模型，该模型包含停车位置、车流量、车位需求、道路的连接和停车街区等关联，再透过递归神经网络结合长短期记忆 （long-short term memory，LSTM），从交通相关的数据源中，萃取出停车信息，并输出车位状况的预测结果。

车位预测模型的训练数据来自于美国宾夕法尼亚州匹兹堡市中心的资料，横跨39个街区，包含97个路边停车收费机，历史数据则是用匹兹堡停车管理局的数据，结合汽车科技新创Inrix提供的实时交通状况数据，以及透过Weather Underground的API取得每小时天气报吿，研究人员表示，由于该预测模型加入天气的数据，提高了休闲娱乐区域停车位的预测准确性。未来，研究团队预计要加入更多交通相关的数据，包含车流量、道路封闭、交通事件等，来改善预测模型。相关内文主要来源：乐彩爱公益 pctchp.org.tw/