使用贝叶斯方法评估信息共享停车引导策略
人工智能
2016-11-16 v1 计算机与社会
机器人学
摘要
实时停车占用信息对于停车管理系统帮助驾驶员更高效停车至关重要。近来，联网和自动驾驶汽车技术的进步使得配备传感器的汽车（探测车）能够在驶过停车场时检测并广播可用停车位。本文评估了探测车市场渗透率对系统性能的影响，并研究了不同的停车引导策略以改善数据采集过程。我们采用基于仿真的方法，对一个路外停车场施加四种策略，以影响探测车停入指定停车位的行为。这进而影响了扫描路线和停车位占用估计。我们提出的最后一种策略是一种近最优引导策略，旨在最大化后验信息增益。结果表明，高效的信息收集策略可以弥补联网和自动驾驶汽车低渗透率的不足。我们还强调了在试图通过探索最大化信息增益与通过利用提高分配准确性之间出现的策略权衡。我们的结果可协助城市政策制定者设计和管理智能停车系统。
引用
@article{arxiv.1611.04845,
title = {An Evaluation of Information Sharing Parking Guidance Policies Using a Bayesian Approach},
author = {Xinyi Wu and Kartik Balkumar and Qi Luo and Robert Hampshire and Romesh Saigal},
journal= {arXiv preprint arXiv:1611.04845},
year = {2016}
}