ПРОГНОЗИРОВАНИЕ ЗАПОЛНЯЕМОСТИ ПАРКОВОК УНИВЕРСИТЕТА МЕТОДАМИ МАШИННОГО ОБУЧЕНИЯ
Получена: 2026-05-15
Опубликована: 2026-06-06
Аннотация
В статье рассматривается разработка интеллектуальной системы мониторинга и прогнозирования заполняемости парковочных мест на территории университетского кампуса. Предложена архитектура на основе YOLOv8 для детектирования в реальном времени и двухслойной LSTM-сети для краткосрочного прогнозирования. Точность детектирования составила 96,8%, коэффициент детерминации прогностической модели на горизонте 1 час — R²=0,961. Описана архитектура программного обеспечения и результаты опытной эксплуатации
Список литературы
-
Nurullayev S., Cho S.-W. Generalizable Occupancy Detection Using Convolutional Neural Network and Transfer Learning // Sensors. — 2023. — Vol. 23, No. 2. — P. 815. DOI: 10.3390/s23020815
-
Stolfi D.H., Alba E., Yao X. Predicting Car Park Occupancy Rates in Smart Cities // Sensors. — 2020. — Vol. 20, No. 5. — P. 1370. DOI: 10.3390/s20051370
-
Camero A., Toutouh J., Stolfi D.H., Alba E. Evolutionary Deep Learning for Car Park Occupancy Prediction in Smart Cities // Computational Intelligence: International Joint Conference. — 2021. — P. 386–401.
-
Hochreiter S., Schmidhuber J. Long Short-Term Memory // Neural Computation. — 1997. — Vol. 9, No. 8. — P. 1735–1780. (Cited 2024 as foundational reference)
-
Jocher G., Chaurasia A., Qiu J. Ultralytics YOLOv8 [Software]. — 2023. — URL: https://github.com/ultralytics/ultralytics
-
Islam M.A., Ullah M.S., Noor J. Smart Parking System Using IoT and Machine Learning // IEEE Access. — 2022. — Vol. 10. — P. 13041–13053. DOI: 10.1109/ACCESS.2022.3146312
Об авторах
Лицензия
Это произведение доступно по лицензии Creative Commons «Attribution» («Атрибуция») 4.0 Всемирная.