公书慧：基于空间感知的私家车停车行为预测（JAG, 2023）

2023-04-26     发布：信息工程学院    点击：35次

停车场占有率的预测对于城市规划十分重要。随着汽车数量的增加和停车资源的匮乏，停车位供应不足已经成为城市设计的一个挑战。以往的研究在预测停车场占有率时忽略了停车场之间的相关性，这限制了预测的准确度。为了解决这个问题，本研究假设了一个基于Temporal-GCN的关联停车预测模型（CPPM）来预测停车场的时间占有率。特别地，本模型实现了：使用卷积神经网络（CNN）和贝叶斯概率来提取停车场的街景相似性和它们的空间相关性；使用余弦相似性用于计算停车场之间的活动类型相似性；结合图卷积神经网络（GCN）和门递归单元（GRU），并考虑了时间上的停车场记录、停车场相似性和空间相关性来预测时空停车场占有率。在中国宁波和北京进行了两个案例研究，整合了1000多万条停车感应记录和相应的停车场街景图像来预测停车场占用率。结果表明，该模型比基线方法有更突出的表现，可以广泛应用于不同规模和不同发展水平的城市中的各种类型的停车场。研究结果还揭示了宁波和北京市民的停车偏好，这对于定量了解通勤者的停车模式和行为有较高价值，并可以为政府城市规划和管理提供建议。

图 1 CPPM模型概要图

图 2 选取的宁波市停车场分布情况。

图 3 选取的北京停车场分布图

本项工作研究成果发表在遥感领域顶级期刊《Journal of Applied Earth Observation and Geo-information》：Shuhui Gong (公书慧), Jiaxin Qin (覃佳馨), Haibo Xu (徐海波), Rui Cao (曹瑞), Yu Liu (刘瑜), Changfeng Jing* (靖常峰), Yuxiu Hao (郝玉秀), Yuchen Yang (杨宇宸), Spatio-temporal parking occupancy forecasting integrating parking sensing records and street-level images, International Journal of Applied Earth Observation and Geoinformation, Volume 118, 2023, 103290, ISSN 1569-8432 [IF=7.67，中科院一区，JCR一区].

 原文链接：https://doi.org/10.1016/j.jag.2023.103290.