盖世汽车讯 这种情况每天都在发生——一位驾车者开车穿过市区，查看导航应用了解行程所需时间，结果到达目的地后却发现没有停车位。等到他们最终找到停车位并步行前往目的地时，已经比预期晚了很多。

大多数主流导航系统在将司机引导至目的地时，并未考虑寻找停车位所需的额外时间。这不仅会给司机带来麻烦，还会加剧交通拥堵，并因司机四处寻找停车位而增加排放。这种对所需时间的低估也可能使人们不愿乘坐公共交通工具，因为他们没有意识到乘坐公共交通工具可能比开车和停车更快。

据外媒报道，麻省理工学院（MIT）的研究人员开发了一种系统来解决这个问题，该系统能够识别出在距离目标地点的远近和停车位可用性之间取得最佳平衡的停车场。这种灵活方法会将用户引导至理想的停车区域，而不是他们的目的地。

图片来源： 麻省理工学院

在利用西雅图真实交通数据进行的模拟测试中，该技术在最拥堵的路况下节省了高达66%的时间。对于驾车者而言，与在最近的停车场等待空位相比，这可以减少大约35分钟的出行时间。

虽然研究人员尚未设计出适用于实际应用的系统，但他们的演示表明了这种方法的可行性，并指明了其可能的实施方式。

“这种挫败感是真实存在的，很多人都有同感。而更深层次的问题在于，系统性地低估通勤时间会阻碍人们做出明智的选择。这使得人们更难转向公共交通、自行车或其他交通方式。”麻省理工学院研究生Cameron Hickert说道。

可能的停车方案

为了解决停车问题，研究人员开发了一种概率感知方法，该方法考虑了目的地附近所有可能的公共停车场、从出发点到目的地的驾车距离、从每个停车场步行到目的地的距离以及停车成功的概率。

该方法基于动态规划，从较好的结果出发，反向推导，最终计算出用户的最佳路线。

该方法还考虑了用户到达理想停车场却找不到车位的情况。它会考虑与其他停车场的距离以及每个停车场的停车成功概率。

“如果附近有几个成功概率略低但彼此距离很近的停车场，那么开车去这些成功概率稍低的停车场可能比去成功概率更高的停车场碰运气更明智。我们的框架可以考虑到这种情况，”Hickert说道。

最终，他们的系统能够找到最佳停车场，使驾车、停车和步行至目的地所需的时间最短。

但没有哪个司机希望自己是唯一一个在繁忙的市中心寻找停车位的人。因此，该方法还考虑了其他司机的行为，这些行为会影响用户停车成功的概率。

例如，另一位司机可能先到达用户理想的停车场，并抢占了最后一个车位。或者，另一位司机可能尝试停在其他停车场，如果失败，则停在用户理想的停车场。此外，另一位司机可能停在其他停车场，从而产生溢出效应，降低用户停车成功的概率。

“通过我们的框架，我们展示了如何以非常清晰且符合原则的方式对所有这些场景进行建模，”Hickert说道。

众包停车数据

停车位可用情况的数据可以来自多个来源。例如，一些停车场配备了磁性探测器或闸门，用于追踪车辆的进出数量。

但此类传感器并未得到广泛应用，因此，为了使该系统更易于实际部署，研究人员研究了使用众包数据的有效性。

例如，用户可以通过应用程序标记可用停车位。还可以通过追踪寻找停车位的车辆数量，或追踪进入停车场后未找到停车位又驶出的车辆数量来收集数据。

未来，自动驾驶汽车甚至可以报告它们经过的空余停车位。

“目前，很多这类信息都石沉大海。但如果我们能够收集到这些信息，哪怕只是让用户在应用程序中点击‘无车位’，也能成为重要的信息来源，帮助人们做出更明智的选择。”Hickert补充道。

研究人员利用西雅图地区的真实交通数据评估了他们的系统，模拟了拥堵的城市环境和郊区不同时段的交通状况。在拥堵环境下，与原地等待空位相比，他们的方法将总出行时间缩短了约60%；与不断驶向下一个最近的停车场相比，也缩短了约20%。

他们还发现，与实际停车位可用性相比，众包观测数据的误差率仅为7%左右。这表明，众包观测数据可能是收集停车概率数据的有效方法。

未来，研究人员计划利用全城实时路线信息开展更大规模的研究。他们还希望探索其他收集停车位可用性数据的途径，例如利用卫星图像，并估算潜在的减排量。