找不到停車位？AI用深度學習幫你即時預測車位狀況

開車到達目的地卻找不到停車位嗎？最近卡內基美隆大學土木環境工程學系的研究團隊，在論文平臺Arxiv發布了即時預測停車位的AI研究，研究團隊整合多種即時和歷史的交通相關數據，包含停車的時間、交通狀況、道路的特徵、天氣等資料，最終利用深度神經網路，預測短期停車位的使用狀況。有別於過去收集停車感測器數據的方法，研究團隊在加入其他參考數據之前，先利用停車計費機的交易資料，來預測停車空位，由於95%的路邊收費停車位都是透過計費機管理，這樣的方法也比起依賴感測器數據的方法，更為通用。

首先，研究團隊用卷積神經網路，建立停車位預測的模型，該模型包含停車位置、車流量、車位需求、道路的連接和停車街區等關聯，再透過遞歸神經網路結合長短期記憶 （long-short term memory，LSTM），從交通相關的資料源中，萃取出停車資訊，並輸出車位狀況的預測結果。

車位預測模型的訓練資料來自於美國賓夕法尼亞州匹茲堡市中心的資料，橫跨39個街區，包含97個路邊停車收費機，歷史資料則是用匹茲堡停車管理局的資料，結合汽車科技新創Inrix提供的即時交通狀況資料，以及透過Weather Underground的API取得每小時天氣報吿，研究人員表示，由於該預測模型加入天氣的數據，提高了休閒娛樂區域停車位的預測準確性。未來，研究團隊預計要加入更多交通相關的數據，包含車流量、道路封閉、交通事件等，來改善預測模型。