مروری نظام مند بر سامانه های پارکینگ هوشمند: مدل های پیش بینی مکانی-زمانی، معماری های توزیع شده و مسیرهای پژوهشی آینده

رشد سریع شهرنشینی و افزایش تعداد خودروها، مسئله مدیریت هوشمند پارکینگ را به یکی از چالش های اساسی زیرساخت های شهری تبدیل کرده است؛ چالشی که پیامدهایی چون ازدحام ترافیک، اتلاف زمان، افزایش مصرف سوخت و ناپایداری اکولوژیک را به همراه دارد. با گسترش اینترنت اشیا، داده های حسگری و الگوریتم های یادگیری ماشین و یادگیری عمیق، پژوهش های اخیر تلاش کرده اند با ترکیب داده های چندمنبعی، مدل سازی وابستگی های مکانی-زمانی و بهره گیری از معماری های توزیع شده، دقت و سرعت پیش بینی اشغال پارکینگ را افزایش دهند. این پژوهش، یک مطالعه مروری نظام مند است که با جستجوی ساختاریافته در پایگاه های معتبر، غربال گری چندمرحله ای و استخراج داده با قالب استاندارد، مجموعه ای جامع از مطالعات کلیدی را تحلیل و طبقه بندی کرده است. مقالات منتخب بر اساس نوع مدل، سطح معماری، ماهیت داده، و نوع مسئله در چهار محور اصلی شامل روش های کلاسیک، مدل های عمیق، ساختارهای گرافی و چنددیدگاهی، و معماری های مبتنی بر اینترنت اشیا و پردازش لبه دسته بندی شده اند. تحلیل ادبیات نشان می دهد که رویکردهای جدید با تلفیق داده های محیطی، ترافیکی و اجتماعی، بهره گیری از ساختارهای توجه و شبکه های گراف، و استفاده از پردازش مه و لبه، توانسته اند محدودیت مدل های سنتی را برطرف کرده و دقت پیش بینی را در مقیاس شهری افزایش دهند. در جمع بندی، یافته ها بیانگر آن است که مسیر آینده سامانه های هوشمند پارکینگ بر محور مدل های ترکیبی چندمنبعی، معماری های توزیع شده کم تاخیر، روش های امن و مقیاس پذیر، و الگوریتم های پیش بینی با قابلیت استقرار در دستگاه های لبه ای خواهد بود؛ مسیری که می تواند به کاهش ازدحام، افزایش بهره وری حمل ونقل و بهبود کیفیت زندگی شهری منجر شود.

کلیدواژه ها:

سامانه های هوشمند پارکینگ ، پیش بینی اشغال پارکینگ ، یادگیری ماشین و یادگیری عمیق ، رایانش لبه و مه ، داده های مکانی-زمانی