按区域预测 vacant 停车位可用性：一种基于图的时空预测方法
机器学习
2022-05-05 v1
摘要
空车位（VPS）预测是智能停车诱导系统的关键问题之一。准确预测 VPS 信息在智能停车诱导系统中起着至关重要的作用，可帮助驾驶员快速找到车位，减少不必要的时间浪费与过度的环境污染。通过对历史数据的简单分析，我们发现每个停车场不仅存在明显的时间相关性，而且不同停车场之间存在清晰的空间相关性。有鉴于此，本文提出一种基于图数据的模型 ST-GBGRU（基于空间-时间图的门控循环单元），可预测短期（即30分钟内）与长期（即30分钟以上）的 VPS 数量。一方面，由 GRU 提取历史 VPS 数据的时间相关性；另一方面，由 GRU 内部的 GCN 提取历史 VPS 数据的空间相关性。两种预测方法，即直接预测与迭代预测，与所提模型相结合。最后，该预测模型被应用于预测圣莫尼卡8个公共停车场的 VPS 数量。结果表明，在短期与长期预测任务中，ST-GBGRU 模型能达到高准确度并具有良好的应用前景。
引用
@article{arxiv.2205.02113,
title = {Predicting vacant parking space availability zone-wisely: a graph based spatio-temporal prediction approach},
author = {Yajing Feng and Qian Hu and Zhenzhou Tang},
journal= {arXiv preprint arXiv:2205.02113},
year = {2022}
}