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(bào)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(xiàng)研究，推出了一個(gè)人工智能（AI）系統(tǒng),，可實(shí)時(shí)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(cuò)誤，因此不從此類傳感器上收集數(shù)據(jù),，而是利用停車計(jì)時(shí)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(jì)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(jì)時(shí)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(duì)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(jì)關(guān)系,。該系統(tǒng)結(jié)合具有長短時(shí)記憶的時(shí)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(jì)時(shí)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(gè)街區(qū)中共有97臺路邊停車計(jì)時(shí)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(shí)時(shí)天氣報(bào)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(gè)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),。