Hållbar, smart parkeringskoordinering för uppkopplade och autonoma fordon

Traffic induced by parking-spot seekers is a growing challenge and constitutes a considerable portion of the traffic in city centers. New opportunities to solve this problem are emerging by connected vehicles and infrastructure. For instance, ultrasonic and magnetic sensors are already mounted on the ceiling of many parking lots to detect the availability of a parking spot. These sensors can provide parking spot availability information in real-time. Further, traffic-aware smart sensors which can detect the movement of individual vehicles are also available in many city and highway areas. This report suggests an algorithm for a cloud-based parking service that exploits these streams of data to choose the best parking lot in a given parking area. The parking seeking problem is subject to a range of criteria that may include user, municipality and parking operator preferences. Users may have some preferences with respect to walking distance to destination. Municipalities prefer to spread the traffic to reduce congestion in the urban core. Parking operators seek to maximize parking lot utilization in order to increase the revenue on real-estate investments. To solve this problem, an optimization algorithm based on multicriteria decision making process is used. The proposed SmartPark algorithm employs a discrete Markov-chain model to demystify the future state of a parking lot. The algorithm features three modular sections: • First, a search process is triggered to identify the expected arrival time periods to all parking lots in the targeted parking area. This process utilizes smart pole data streams reporting congestion rates across the targeted parking area. • Then, a predictive analytics phase uses consolidated historical data about past parking dynamics to infer a state transition matrix, showing the transformation of available spots in a parking lot over short periods of time. • Finally, this matrix is projected against similar future seasonal periods to predict the actual vacancy of a parking lot at the arrival time.Trafik som består av sökande efter parkeringsplats är ett växande problem och utgör en avsevärd del av trafiken i stadskärnor. Nya möjligheter att lösa detta problem kommer dock finnas när fordonen är uppkopplade till infrastrukturen. Till exempel, ultraljudsensorer och magnetiska sensorer är redan monterade i taket på många parkeringshus för att detektera tillgängligheten av en parkeringsplats, och dessa sensorer kan ge information om lediga parkeringsplatser i realtid. Vidare, smarta sensorer för trafikmätning, som också kan se förflyttning av enskilda fordon, finns redan i många städer och på motorvägar. Denna rapport föreslår en algoritm till en molnbaserad parkeringstjänst som använder ovanstående typ av data för att välja den bästa parkeringen i ett visst parkeringsområde. Lösningen på problemet att välja bästa parkering omfattar en rad kriterier som kan inkludera preferenser från användare, kommuner och parkeringsbolag. Användare kan till exempel ha vissa preferenser med avseende på gångavstånd till destinationen, kommuner kan föredra att sprida trafiken för att minska trafikstockningarna i stadskärnan och parkeringsbolag försöker maximera parkeringars utnyttjandegrad för att öka avkastningen på fastighetsinvesteringar. För att lösa detta parkeringsproblem användes en optimeringsalgoritm baserad på en beslutsprocess med flera kriterier. Den föreslagna SmartPark algoritmen använder en diskret Markov-kedjemodell för att prognosticera det framtida tillståndet för en parkeringsplats. Algoritmen innehåller tre modulära delar: • Först används en sökprocess för att identifiera de förväntade ankomsttiderna på alla parkeringsplatser i det önskade parkeringsområdet. Denna process använder data från smarta stolpar som mäter trafik och trängsel inom parkeringsområdet. • Sedan görs en prediktiv analys med hjälp av sammanställda historiska data över tidigare parkeringsanvändning för att skapa en matris som visar förändringen av tillgängliga platser på en parkeringsplats över kortare tidsperioder. • Till sist används matrisen tillsammans med data om säsongsvariationer för att prediktera ledigheten av en parkeringsplats vid tiden för den beräknade ankomsten