IoT-basiertes Smart Parking-System unter Verwendung des Deep Long Short Memory Netzwerks

Verkehrsstaus sind eines der auffälligsten städtischen Verkehrsprobleme, da sie hohen Energieverbrauch und Luftverschmutzung verursachen. Die Unverfügbarkeit von freien Parkplätzen ist einer der Hauptgründe für Staus. Stau und Parken sind miteinander verbunden, da die Suche nach einem freien Parkplatz zusätzliche Verzögerungen verursacht und die lokale Zirkulation erhöht. Im Zentrum großer Städte entfallen 10 % der Verkehrsbewegungen auf Suchfahrten, da Fahrer fast 20 Minuten mit der Suche nach einem freien Parkplatz verbringen. Daher ist es notwendig, ein Vorhersagesystem für die Verfügbarkeit von Parkplätzen zu entwickeln, das die Fahrer im Voraus über die standort-, tages- und stundenbezogene Belegung der Parkplätze informiert. In diesem Papier schlagen wir ein Framework vor, das auf einem tiefen Long Short Term Memory Netzwerk basiert, um die Verfügbarkeit von Parkplätzen in Integration mit dem Internet der Dinge (IoT), Cloud-Technologie und Sensornetzwerken vorherzusagen. Wir verwenden den Datensatz der Parkplatzsensoren von Birmingham, um die Leistung der tiefen Long Short Term Memory Netzwerke zu bewerten. Drei Arten von Experimenten werden durchgeführt, um die Verfügbarkeit von freien Parkplätzen vorherzusagen, basierend auf Standort, Wochentagen und Arbeitszeiten eines Tages. Die experimentellen Ergebnisse zeigen, dass das vorgeschlagene Modell die modernen Vorhersagemodelle übertrifft.