智慧城市中路边停车位占用的统计建模

许多研究表明，寻找停车位会带来显著的直接和间接成本。因此，减少驾车者在寻找可用停车位上花费的时间颇具吸引力，尤其是在所有道路使用者空间有限的城市地区。对路边停车位占用的预测可为驾驶者提供何处可能找到空余停车位的指导。随着实时停车位占用数据的日益可得，该研究领域在过去十年中获得了越来越多的关注。在本文中，我们采用统计方法进行停车位占用预测，其中利用了时间事件模型和半马尔可夫过程理论。后者涉及拉普拉斯变换及其反变换的使用，这是一项艰巨的数值任务。我们将该方法应用于澳大利亚墨尔本市的数据。我们的主要结果是，半马尔可夫模型在真负率和真正率方面均优于马尔可夫模型，而这主要是通过考虑停车位已在其初始状态停留的当前持续时间来实现的。