Encontrar un espacio de estacionamiento pronto podría ser más fácil

Cualquiera que conduzca en un centro lleno de gente sabe que el estacionamiento puede significar dar vueltas casi sin fin en la búsqueda de un espacio cerca de su destino. Ahora, los ingenieros de la Universidad de Rutgers en Nueva Jersey han combinado sencillos sensores ultrasónicos, receptores GPS y redes de datos móviles para crear una forma muy eficaz y de bajo costo de encontrar el espacio de estacionamiento disponible más cercano.



¿Espacio libre?: Este telémetro ultrasónico, pegado a la puerta de un automóvil con imanes, es la base de un sistema prototipo desarrollado en la Universidad de Rutgers para monitorear el estacionamiento en la calle.

Los investigadores de Rutgers dicen que hacer que los datos de estacionamiento detallados estén ampliamente disponibles a través de mapas basados ​​en la web o sistemas de navegación podría aliviar la congestión del tráfico al permitir que los viajeros decidan si estacionar en un garaje central, buscar estacionamiento en la calle o elegir otro modo de transporte con anticipación. Si los conductores eligen el estacionamiento en la calle, podría ser útil sugerir espacios de estacionamiento a los usuarios a través de un dispositivo de navegación o un teléfono celular.



El equipo, dirigido por profesores asistentes Marco Gruteser y Wade Trappe , montó sensores de distancia ultrasónicos en las puertas del lado del pasajero de tres automóviles. Utilizando datos recopilados durante dos meses mientras los conductores se desplazaban por Highland Park, Nueva Jersey, los investigadores desarrollaron un algoritmo que traducía las lecturas de distancia por ultrasonido en un recuento de espacios de estacionamiento disponibles con una precisión del 95 por ciento. Al combinar esto con los datos del GPS, también generaron mapas de los espacios ocupados y abiertos que tenían una precisión de más del 90 por ciento.

La congestión del tráfico es un gran problema a nivel nacional, particularmente en las áreas del centro. Un estudio de Alternativas de transporte , un grupo de defensa del transporte de la ciudad de Nueva York, descubrió que hasta el 45 por ciento del tráfico en Manhattan lo generan los automóviles que rodean la cuadra en busca de estacionamiento. En 2006, Donald Shoup, profesor del departamento de planificación urbana de la Universidad de California, Los Ángeles, calculó que, en el transcurso de un año, los vehículos que buscaban estacionamiento en un distrito de pequeños negocios de Los Ángeles quemaron 47,000 galones de gasolina. y produjo 730 toneladas de dióxido de carbono. El problema es tan grave que algunas ciudades, como San Francisco, han invertido millones de dólares en infraestructura de estacionamiento inteligente, sistemas que detectan la presencia de vehículos en los lugares de estacionamiento mediante sensores fijos instalados en el asfalto o en los parquímetros.

Pero tales sistemas funcionan solo para espacios de estacionamiento con parquímetro o ranurados. También tienen grandes costos de instalación y operación. El SFpark El proyecto en San Francisco cubre 6,000 espacios, solo alrededor del 25 por ciento de los lugares de estacionamiento en la calle disponibles. A un costo estimado de $ 500 para instalar y mantener cada sensor durante un año, eso suma $ 3 millones. El equipo de Rutgers se propuso crear una alternativa de menor costo que pueda funcionar tanto para espacios de estacionamiento con parquímetro como sin espacios.

Los ingenieros diseñaron un prototipo de plataforma de detección que utiliza un sensor ultrasónico de $ 20 que informa la distancia al obstáculo más cercano y un receptor GPS de $ 100 que anota la ubicación correspondiente. Conectaron ambos a una PC liviana con una tarjeta Wi-Fi para transmitir los datos a un servidor central.

El algoritmo que idearon los investigadores basa la detección de vehículos estacionados en caídas en las lecturas del sensor ultrasónico. Para distinguir los automóviles estacionados de otros obstáculos más pequeños en el camino del sensor, por ejemplo, árboles, contenedores de reciclaje o personas, compararon el ancho y la profundidad de cada inmersión con umbrales determinados a partir de una ronda de datos de capacitación en la que los ingenieros marcaron cada sensor. sumergir como un coche u otro objeto. Luego desarrollaron filtros que eliminan todas las caídas que tienen una profundidad menor que el umbral que el algoritmo aprendió de los datos de entrenamiento. Para los espacios de estacionamiento con ranuras, el algoritmo tenía una precisión de detección de aproximadamente el 95 por ciento. Para el estacionamiento sin espacios, lograron una precisión de aproximadamente el 96 por ciento.

El equipo también integró sus datos de detección con mapas de referencia para crear un mapa preciso de la disponibilidad de estacionamiento. Se enfrentaron a un gran desafío para lograr esto porque las coordenadas de ubicación proporcionadas por un receptor GPS solo suelen tener una precisión de tres metros. Con una longitud aproximada del lugar de estacionamiento de unos siete metros, un vehículo podría adaptarse fácilmente a un lugar adyacente incorrecto. Entonces desarrollaron otro algoritmo que usa las lecturas del sensor ultrasónico para detectar ciertos objetos fijos, como árboles y letreros de las calles. Esto les permitió reducir su tasa de error a más de la mitad.

Después de demostrar que el concepto funcionaba, Gruteser y sus colegas querían ver si un sistema de este tipo podría implementarse de manera efectiva en una gran ciudad colocando sistemas de sensores en vehículos que circulan regularmente, como taxis, coches de policía y otros vehículos gubernamentales. El equipo utilizó un conjunto de datos públicos de 536 taxis en San Francisco para estudiar los patrones de movilidad de los automóviles. Si bien los taxis visitaban algunas partes de la ciudad con poca frecuencia para que los datos recopilados fueran útiles para un mapa de estacionamiento en tiempo real, el muestreo proporcionado por estos mismos taxis en el centro de San Francisco fue más que adecuado para cubrir el área más pequeña.

Los ingenieros estiman que podrían cubrir el área del centro de San Francisco usando solo 300 taxis por aproximadamente $ 200,000, un factor de ahorro de alrededor de 15 en comparación con un sistema de sensor fijo. Sabemos que este ahorro está relacionado con el hecho de que estamos obteniendo un muestreo aleatorio no garantizado de los espacios de estacionamiento, en comparación con el monitoreo continuo que ofrecen los sistemas de sensores fijos, dice Gruteser.

Desarrollar un sistema para la implementación en el mundo real no debería ser tan difícil, dice Gruteser. El equipo eligió usar telémetros ultrasónicos debido a su costo relativamente bajo en comparación con los telémetros láser y radares automotrices, un mejor funcionamiento nocturno en comparación con las cámaras y su creciente disponibilidad en asistencia de estacionamiento y sistemas de estacionamiento automatizado en automóviles. Esto significa que los ingenieros podrían usar sensores ultrasónicos que ya están presentes en los vehículos en un futuro sistema de monitoreo de estacionamiento.

Si bien los investigadores se basaron en conexiones Wi-Fi oportunistas para transmitir sus datos desde los automóviles al servidor central, los vehículos podrían reportar sus datos a través de módems celulares ampliamente disponibles, dicen. Finalmente, dice Gruteser, sería bastante sencillo distribuir la información de disponibilidad de estacionamiento a través de Internet, de manera similar a la forma en que Google superpone los datos de congestión del tráfico en sus mapas. O, en colaboración con empresas de dispositivos de navegación, podría enviarse a receptores GPS comerciales.

El equipo de Rutgers ha presentado su informe de proyecto a la Conferencia Internacional Anual sobre Sistemas, Aplicaciones y Servicios Móviles ( Mobisys ), que se celebrará en junio en San Francisco.

esconder