大家都經(jīng)歷過這種情況：驅(qū)車數(shù)英里到達(dá)目的地卻發(fā)現(xiàn)，所有的停車位都被占滿了。雖然谷歌地圖（Google Maps）等應(yīng)用程序可根據(jù)歷史數(shù)據(jù)，預(yù)測停車位情況，但是該方法仍具有局限性。據(jù)外媒報道，美國卡耐基梅隆大學(xué)（Carnegie Mellon University）的科學(xué)家進(jìn)行了一項研究，推出了一個人工智能（AI）系統(tǒng)，可實時預(yù)測停車位的占用情況。

　　進(jìn)行該研究的科學(xué)家認(rèn)為停車場傳感器易出現(xiàn)故障和錯誤，因此不從此類傳感器上收集數(shù)據(jù)，而是利用停車計時器所進(jìn)行的歷史交易，在使用額外數(shù)據(jù)進(jìn)行預(yù)測之前，先估計是否有空余停車位。據(jù)估算，大約有95%的街邊收費(fèi)停車場都通過計時器來進(jìn)行管理，表明此類模型比獨(dú)立的傳感器系統(tǒng)更具通用性。

　　研究團(tuán)隊使用了一種基于節(jié)點(diǎn)、邊緣、屬性和其他圖形結(jié)構(gòu)的圖卷積神經(jīng)網(wǎng)絡(luò)來進(jìn)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(tǒng)計關(guān)系。該系統(tǒng)結(jié)合具有長短時記憶的時間遞歸神經(jīng)網(wǎng)絡(luò)（一種能夠?qū)W習(xí)長期依賴能力的AI算法）以及多層解碼器，從與交通相關(guān)的數(shù)據(jù)源中(如停車計時器交易信息、交通速度和天氣情況)提取停車信息，并對停車位占用情況進(jìn)行預(yù)測。

　　研究人員根據(jù)匹茲堡市區(qū)的數(shù)據(jù)對該模型進(jìn)行了測試，在匹茲堡市區(qū)的39個街區(qū)中共有97臺路邊停車計時器。由匹茲堡停車管理局（Pittsburgh Parking Authority）提供歷史停車數(shù)據(jù)，網(wǎng)聯(lián)汽車公司Inrix的交通信息頻道（Traffic Message Channel）和WeatherUnderground應(yīng)用車型界面（API）提供交通速度數(shù)據(jù)和實時天氣報告。

　　研究人員表示，在測試中，該模型在前30分鐘預(yù)測停車位占用情況比其他方法表現(xiàn)更好。他們將該人工智能系統(tǒng)的卓越性能歸功于天氣和交通速度數(shù)據(jù)——尤其是天氣數(shù)據(jù)，該數(shù)據(jù)提高了預(yù)測的準(zhǔn)確性。未來，研究人員將制作一個模型，該模型將結(jié)合交通數(shù)量、道路封閉、交通事件和事故等與交通相關(guān)的額外數(shù)據(jù)。