論文の概要: Reducing Street Parking Search Time via Smart Assignment Strategies
- arxiv url: http://arxiv.org/abs/2508.19979v1
- Date: Wed, 27 Aug 2025 15:39:25 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-08-28 19:07:41.685767
- Title: Reducing Street Parking Search Time via Smart Assignment Strategies
- Title（参考訳）: スマートアサインメント戦略による街路駐車時間削減
- Authors: Behafarid Hemmatpour, Javad Dogani, Nikolaos Laoutaris,
- Abstract要約: 携帯電話を利用したリアルタイムアシスタントが提案されているが,その有効性は検証されていない。
本研究は,ユーザの調整や情報提供のレベルが,検索時間や街路駐車の確率にどのように影響するかを定量化する。
マドリードの駐車場ネットワークと実際の交通データとの高忠実度シミュレーションでは、Cord-Approxのユーザーは駐車を見つけるのに平均6.69分を費やした。
- 参考スコア（独自算出の注目度）: 1.6312989763677892
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: In dense metropolitan areas, searching for street parking adds to traffic congestion. Like many other problems, real-time assistants based on mobile phones have been proposed, but their effectiveness is understudied. This work quantifies how varying levels of user coordination and information availability through such apps impact search time and the probability of finding street parking. Through a data-driven simulation of Madrid's street parking ecosystem, we analyze four distinct strategies: uncoordinated search (Unc-Agn), coordinated parking without awareness of non-users (Cord-Agn), an idealized oracle system that knows the positions of all non-users (Cord-Oracle), and our novel/practical Cord-Approx strategy that estimates non-users' behavior probabilistically. The Cord-Approx strategy, instead of requiring knowledge of how close non-users are to a certain spot in order to decide whether to navigate toward it, uses past occupancy distributions to elongate physical distances between system users and alternative parking spots, and then solves a Hungarian matching problem to dispatch accordingly. In high-fidelity simulations of Madrid's parking network with real traffic data, users of Cord-Approx averaged 6.69 minutes to find parking, compared to 19.98 minutes for non-users without an app. A zone-level snapshot shows that Cord-Approx reduces search time for system users by 72% (range = 67-76%) in central hubs, and up to 73% in residential areas, relative to non-users.
- Abstract（参考訳）: 密集した大都市圏では、道路駐車の探索が交通渋滞を増している。
他の多くの問題と同様に、携帯電話に基づくリアルタイムアシスタントも提案されているが、その効果は実証されていない。
本研究は,ユーザの調整や情報提供のレベルが,検索時間や街路駐車の確率にどのように影響するかを定量化する。
データ駆動によるマドリードの路面駐車エコシステムのシミュレーションを通じて、非協調的な探索(Unc-Agn)、非ユーザを意識せずに協調した駐車(Cord-Agn)、すべての非ユーザ(Cord-Oracle)の位置を知る理想化されたオラクルシステム、非ユーザの行動を確率論的に推定する新しい/実践的なCord-Approx戦略の4つの戦略を分析した。
Cord-Approx の戦略は,システム利用者と代替駐車場の間の物理的な距離を延長するために,利用者以外の利用者が特定の場所にどの程度近づいたかを判断する代わりに,過去の占有率分布を用いて,それに従って派遣するハンガリーのマッチング問題を解く。
マドリードの駐車場ネットワークと実際の交通データとの高忠実度シミュレーションでは、Cord-Approxのユーザーは駐車を見つけるのに平均6.69分を費やした。
ゾーンレベルのスナップショットでは、Cord-Approxはシステムユーザーの検索時間を中央ハブで72%(範囲 = 67-76%)、非ユーザと比較して住宅地で73%削減している。
関連論文リスト
- A Cost-Effective Framework for Predicting Parking Availability Using Geospatial Data and Machine Learning [0.30758169771529686]
学生は授業の時間帯に空き場所を迅速かつ便利に見つける必要がある。
本稿では,街路地図,モビリティ,気象データなど,複数のデータソースを統合するスマートフレームワークを提案する。
このフレームワークは、予定の駐車場と時間を使って、適切な駐車場を指定する。
論文 参考訳（メタデータ） (2025-08-18T23:24:19Z) - Your Car Tells Me Where You Drove: A Novel Path Inference Attack via CAN Bus and OBD-II Data [57.22545280370174]
On Path Diagnostic - Intrusion & Inference (OPD-II) は物理カーモデルとマップマッチングアルゴリズムを利用した新しい経路推論攻撃である。
我々は4台の異なる車両と41トラックの道路および交通シナリオに対する攻撃を実行した。
論文 参考訳（メタデータ） (2024-06-30T04:21:46Z) - Efficient Parking Search using Shared Fleet Data [2.0967973517861003]
スマート環境における自由駐車場の発見は,マルコフ決定過程(MDP)としてモデル化し,解決することができる。
環境中の全ての車両の駐車意図を知ることは、不確実性を排除します。
本稿では,車両内のデータ共有が,特定のドライバーの検索時間にどの程度有用か,という課題について考察する。
論文 参考訳（メタデータ） (2024-04-16T15:20:28Z) - Vehicle Occurrence-based Parking Space Detection [5.084185653371259]
本研究では、駐車場の画像列を受信し、検出された駐車場を識別する座標のリストを返す自動駐車空間検出方法を提案する。
PKLotとCNRPark-EXTの駐車場データから12の異なる部分集合を用いた結果、AP25のスコアは95.60%、AP50のスコアは79.90%に達した。
論文 参考訳（メタデータ） (2023-06-16T16:22:45Z) - Correlating sparse sensing for large-scale traffic speed estimation: A
Laplacian-enhanced low-rank tensor kriging approach [76.45949280328838]
本稿では,Laplacian enhanced Low-rank tensor (LETC) フレームワークを提案する。
次に,提案したモデルをネットワークワイド・クリグにスケールアップするために,複数の有効な数値手法を用いて効率的な解アルゴリズムを設計する。
論文 参考訳（メタデータ） (2022-10-21T07:25:57Z) - Public Parking Spot Detection And Geo-localization Using Transfer
Learning [0.0]
世界中の都市では、公共駐車場と空き駐車場の配置が大きな問題であり、通勤者の時間と交通渋滞が増大している。
この研究は、携帯電話カメラからのGeo-Tagged画像のデータセットを、ニューラルネットワーク駆動のパブリックカメラによって検出された利用可能な駐車スペースを備えたヨハネスブルグの最も便利な公共駐車場へのナビゲートに利用する方法を説明する。
論文 参考訳（メタデータ） (2022-09-01T04:09:51Z) - A Keypoint-based Global Association Network for Lane Detection [47.93323407661912]
レーン検出は、レーンラインの複雑なトポロジー形状を予測し、異なる種類のレーンを同時に区別する必要がある、困難なタスクである。
新しい視点からレーン検出問題を定式化するためのグローバルアソシエーションネットワーク(GANet)を提案する。
F1スコアはCULaneが79.63%、Tusimpleデータセットが97.71%、高いFPSが97.71%である。
論文 参考訳（メタデータ） (2022-04-15T05:24:04Z) - Learning-Based Path Planning for Long-Range Autonomous Valet Parking [37.70834223132688]
長距離自動駐車(Long-range autonomous valet parking, LAVP)が提案されている。
電気自動車(Electric autonomous Vehicle, EAV)が市内に配備され、必要な場所で利用者を拾い上げ、降ろし、都市中心部の駐車場まで自律的に運転することができる。
本稿では,Double-Layer Ant Colony Optimization (DL-ACO)アルゴリズムと呼ばれる学習に基づくアルゴリズムを提案する。
論文 参考訳（メタデータ） (2021-09-23T21:55:12Z) - METEOR: A Massive Dense & Heterogeneous Behavior Dataset for Autonomous
Driving [42.69638782267657]
本稿では、インドにおける非構造化シナリオにおけるトラフィックパターンをキャプチャする、新しい複雑なトラフィックデータセットMETEORを提案する。
METEORは1000分以上のビデオクリップと、エゴ車軌道を持つ200万以上の注釈付きフレームと、周囲の車両や交通機関のための1300万以上のバウンディングボックスで構成されている。
我々は,オブジェクト検出と行動予測アルゴリズムの性能を評価するために,新しいデータセットを用いた。
論文 参考訳（メタデータ） (2021-09-16T01:01:55Z) - An Experimental Urban Case Study with Various Data Sources and a Model
for Traffic Estimation [65.28133251370055]
我々はスイスのチューリッヒの都市ネットワーク内の地域でビデオ計測による実験キャンペーンを組織した。
我々は,既存のサーマルカメラからの測定を確実にすることで,交通の流れや走行時間の観点からの交通状況の把握に注力する。
本稿では,様々なデータソースの融合による移動時間を推定するために,単純かつ効率的な多重線形回帰(MLR)モデルを提案する。
論文 参考訳（メタデータ） (2021-08-02T08:13:57Z) - Infostop: Scalable stop-location detection in multi-user mobility data [0.0]
本稿では、フローベースネットワークコミュニティ検出アルゴリズムInfomapを活用することにより、最先端ソリューションの限界を克服するInfostopアルゴリズムについて述べる。
本研究では,Infostopsによって検出されたユーザ数の増加と,従来のソリューションよりも時間の複雑さが遅くなることを示す。
論文 参考訳（メタデータ） (2020-03-31T17:02:19Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。