Jeśli kiedykolwiek jeździłeś samochodem po tętniącym życiem mieście, to zapewne doskonale znasz tę sytuację: wyznaczasz trasę za pomocą aplikacji nawigacyjnej, a gdy dotrzesz do celu, zaczyna się prawdziwa walka – znalezienie miejsca parkingowego. Ta męcząca procedura często prowadzi do znacznych opóźnień, ponieważ najpierw szukasz miejsca parkingowego, a potem musisz stamtąd iść pieszo do miejsca docelowego. Jest to frustrujące i przyczynia się do zatorów komunikacyjnych w miastach oraz wzrostu emisji spalin.
Niestety, większość, jeśli nie wszystkie, systemy nawigacyjne są zaprojektowane tak, aby zawieźć Cię do miejsca docelowego bez uwzględnienia dodatkowego czasu potrzebnego na znalezienie parkingu. Może to być zniechęcające dla osób rozważających transport zbiorowy, ponieważ mogą nie zdawać sobie sprawy, że może to być szybsza opcja.
Jednak naukowcy z MIT pracują nad rozwiązaniem, które może całkowicie zmienić sytuację. Opracowali system, który identyfikuje parkingi oferujące najlepszy kompromis między lokalizacją a szansą na znalezienie wolnego miejsca. Ich unikalny algorytm kieruje użytkowników do najbardziej odpowiedniego parkingu, a nie bezpośrednio do miejsca docelowego. W badaniach opartych na rzeczywistych danych o ruchu drogowym z Seattle metoda ta pozwoliła zaoszczędzić nawet 66% w obszarach o dużym natężeniu ruchu. W porównaniu z czekaniem na zwolnienie miejsca na najbliższym parkingu można potencjalnie skrócić czas podróży o około 35 minut.
Podejście zespołu MIT oblicza wszystkie publiczne parkingi w pobliżu miejsca docelowego, biorąc pod uwagę odległość jazdy, odległość pieszo od parkingu do miejsca docelowego oraz prawdopodobieństwo znalezienia miejsca parkingowego. Co być może najważniejsze, system przygotowuje się również na scenariusze, w których użytkownik dociera do idealnego parkingu, ale nie znajduje wolnych miejsc, biorąc pod uwagę bliskość i prawdopodobieństwo sukcesu innych pobliskich parkingów.
Cameron Hickert, absolwent MIT i główny autor artykułu badawczego, wyjaśnia: “Nasza struktura może poradzić sobie z przypadkami, w których rozsądniej jest wypróbować kilka pobliskich partii z nieco niższym prawdopodobieństwem sukcesu, zamiast liczyć na otwarcie w partii o wyższym prawdopodobieństwie”.”
System uwzględnia również zachowania innych kierowców, które mogą wpłynąć na skuteczność parkowania. W przyszłości dane mogą pochodzić z kilku źródeł, w tym z informacji pozyskanych w ramach crowdsourcingu lub z monitorowania pojazdów krążących w poszukiwaniu miejsca parkingowego. Wraz z postępem technologicznym pojazdy autonomiczne mogą nawet zgłaszać wolne miejsca, obok których przejeżdżają. “Gromadzenie tych informacji, nawet poprzez proste interakcje z aplikacją, może mieć kluczowe znaczenie dla podejmowania świadomych decyzji” – stwierdza Hickert.
W testach z wykorzystaniem danych o ruchu drogowym w Seattle, symulujących różne scenariusze miejskie i podmiejskie, metoda opracowana przez zespół MIT skróciła czas podróży o około 60% w porównaniu do oczekiwania na miejsce i o 20% w porównaniu do ciągłej jazdy do najbliższego parkingu. Perspektywa wykorzystania danych parkingowych pochodzących z crowdsourcingu okazała się obiecująca z poziomem błędu wynoszącym zaledwie 7% w porównaniu z dostępnością w czasie rzeczywistym. Sugeruje to, że może to skutecznie gromadzić dane dotyczące prawdopodobieństwa parkowania.
W przyszłości zespół przeprowadzi szeroko zakrojone badania, w których wykorzysta informacje o trasach w czasie rzeczywistym z całego miasta oraz przeanalizuje dodatkowe źródła danych, takie jak zdjęcia satelitarne, w celu oszacowania potencjalnej redukcji emisji. “Systemy transportowe są złożone i trudno je zmienić, ale nawet niewielkie usprawnienia mogą znacząco wpłynąć na procesy decyzyjne, natężenie ruchu i poziom emisji” – mówi Cathy Wu, główna autorka badania.
Badania te były wspierane przez Cintra, MIT Energy Initiative i National Science Foundation. Więcej informacji można znaleźć w oryginalnym artykule prasowym tutaj lub uzyskać dostęp do pełnego badania w Transakcje dotyczące inteligentnych systemów transportowych tutaj.
Ta strona używa plików cookie.