MoParkeR：多目标停车推荐

现有的停车推荐方案主要侧重于基于空余选项查找和建议停车位。然而，还存在与停车位相关的其他因素可能影响某人的停车选择，例如费用、停车规则、到目的地的步行距离、出行时间、在给定时间空余的可能性。更重要的是，这些因素可能随时间变化且相互冲突，这使得当前停车推荐系统产生的推荐无效。在本文中，我们提出一个称为多目标停车推荐的新问题。我们设计了一个名为 MoParkeR 的多目标停车推荐引擎作为解决方案，其共同考虑各种冲突因素。具体而言，我们利用非支配排序技术计算一组帕累托最优解，由推荐的权衡停车点组成。我们使用两个真实世界数据集进行了大量实验，以展示我们多目标推荐方法的适用性。