[论文解读] Crowdsourcing On-street Parking Space Detection

Ruizhi Liao, Cristian Román+3 more|arXiv (Cornell University)|Mar 1, 2016

Smart Parking Systems Research参考文献 8被引用 9

一句话总结

本文提出 CroPark，一种基于车辆上超声波传感器和 GPS 的众包路边停车检测系统，用于检测路边停车占用情况。通过利用用户驱动的数据采集和监督学习，CroPark 相较于固定传感器系统将传感器部署量减少了高达 99%，显著降低费用并提升城市停车效率。

ABSTRACT

As the number of vehicles continues to grow, parking spaces are at a premium in city streets. Additionally, due to the lack of knowledge about street parking spaces, heuristic circling the blocks not only costs drivers' time and fuel, but also increases city congestion. In the wake of recent trend to build convenient, green and energy-efficient smart cities, we rethink common techniques adopted by high-profile smart parking systems, and present a user-engaged (crowdsourcing) and sonar-based prototype to identify urban on-street parking spaces. The prototype includes an ultrasonic sensor, a GPS receiver and associated Arduino micro-controllers. It is mounted on the passenger side of a car to measure the distance from the vehicle to the nearest roadside obstacle. Multiple road tests are conducted around Wheatley, Oxford to gather results and emulate the crowdsourcing approach. By extracting parked vehicles' features from the collected trace, a supervised learning algorithm is developed to estimate roadside parking occupancy and spot illegal parking vehicles. A quantity estimation model is derived to calculate the required number of sensing units to cover urban streets. The estimation is quantitatively compared to a fixed sensing solution. The results show that the crowdsourcing way would need substantially fewer sensors compared to the fixed sensing system.

研究动机与目标

• 解决因司机在路边寻找停车位而造成的城市停车拥堵问题。
• 降低固定传感器部署在路边停车监测中带来的成本与可扩展性挑战。
• 利用用户车辆作为移动传感平台，采集实时停车占用数据。
• 开发一种监督学习模型，以估算停车可用性并检测非法停车。
• 推导出用于估算覆盖一座城市所需 CroPark 单位数量的定量模型。

提出的方法

• 在车辆上配备超声波传感器和 GPS，测量与路边障碍物的距离，并记录位置、速度和时间戳。
• 使用监督学习算法，基于声纳波形模式将检测到的物体分类为停靠车辆或空位。
• 从声纳波形中提取特征，以估算停车占用率并检测非法停车。
• 应用数量估算模型计算所需 CroPark 单位数量：m = L / (ν × (1/τ) × γ)，其中 L 为总道路长度，ν 为车辆速度，τ 为更新频率，γ 为检测准确率。
• 仅将解析后的数据（停靠车辆、空位、GPS、速度、时间）传输至中央服务器，以构建动态停车占用地图。
• 通过移动应用或网络门户向驾驶员和执法机构分发更新后的停车可用信息。

实验结果

研究问题

• RQ1 如何利用低成本、移动式的超声波传感器实现路边停车占用检测？
• RQ2 为实现城市道路的可靠覆盖，所需移动传感单元的数量是多少？
• RQ3 与固定传感器部署相比，众包传感模型在传感器数量和准确率方面表现如何？
• RQ4 监督学习能否有效基于声纳波形对停车位进行分类并检测非法停车？
• RQ5 更新频率和车辆速度对所需 CroPark 单位数量有何影响？

主要发现

• 在牛津惠特利地区的实际道路测试中，CroPark 系统实现了 87.9% 的车辆检测准确率。
• 对于旧金山上东区（19.26 km²），CroPark 仅需 328 个单位即可实现每 2 分钟更新一次占用地图，而 SFpark 试点项目则需 12,000 个固定传感器。
• 众包方法相较固定传感解决方案将所需传感器单位数量减少了约 99%。
• 模型显示，提高更新频率或车辆速度可减少所需 CroPark 单位数量，而更高的检测准确率则会增加所需数量。
• 系统通过声纳波形分析和 GPS 数据，能有效识别可用和非法停靠的车辆。
• 估算模型与停车位数量或空间分布无关，仅依赖于道路长度、速度、更新频率和检测准确率。