基于深度学习的停车服务动态定价

城市空气质量的改善是公共政府机构的主要关切之一。该关切源于空气质量与公共健康之间关联的证据。政府机构在此领域的主要举措包括监测与预报系统、禁行高污染机动车，以及在低质量空气时段实施交通限制。本工作提出一种管制停车服务的动态定价方案。停车服务动态定价必须在预测到低质量空气事件时抑制机动车停放。为此，评估了多种深度学习策略。它们的共同点是利用集体空气质量测量值预报城市空气质量的标签。该方案通过经济参数与深度学习质量准则在西班牙马德里进行了评估。