Solutions innovantes pour les défis du stationnement urbain

À mesure que les villes grandissent avec plus de monde, les embouteillages deviennent un vrai casse-tête. Un gros souci pour les gens, c'est de trouver des places de parking. Les systèmes de parking intelligents aident à résoudre ce problème en utilisant des caméras et des capteurs pour dénicher les places libres. Ça fait gagner du temps, réduit le trafic et diminue la pollution.

Récemment, beaucoup de gens ont commencé à utiliser des méthodes basées sur la vision par ordinateur pour repérer les places de parking. Mais la plupart de ces techniques se basent sur des places de parking étiquetées par des humains, ce qui peut être coûteux et pas pratique pour de grandes zones.

Pour résoudre ce problème, on propose une nouvelle méthode, appelée PakLoc, qui peut localiser les places de parking automatiquement. On introduit aussi PakSke, un module qui ajuste la façon dont les places de parking sont affichées dans le système pour s'assurer qu'elles sont de la bonne taille et orientation. Nos tests montrent que cette méthode peut réduire significativement le travail humain nécessaire pour la Détection de parking.

Un élément crucial d'un système de parking intelligent, c'est la capacité de montrer avec précision si les places sont prises ou libres. Traditionnellement, ça se fait avec des méthodes de classification qui prévoient l'état des places de parking à partir d'images étiquetées. Notre nouvelle méthode, PakSta, identifie automatiquement si les places de parking sont occupées ou vides.

#Le Problème du Parking Urbain

D'après un rapport de 2018, une grande partie de la population mondiale vivra en ville d'ici 2050. Avec plus de gens, il y a plus de voitures et de trafic, ce qui complique la gestion des parkings pour les opérateurs. Ça soulève des questions sur la pollution et le temps perdu pour les conducteurs qui cherchent une place. Ça crée aussi des problèmes pour les parkings qui ne sont pas totalement utilisés.

Beaucoup d'études actuelles se concentrent sur la simulation de trafic pour diminuer les embouteillages. Cependant, une enquête a révélé que le conducteur moyen passe des heures chaque année à chercher une place de parking, certains dans des villes bondées dépassant les cent heures de recherche. Ça montre que d'avoir des infos précises sur les places de parking est essentiel, surtout avec la montée des voitures autonomes.

Il faut des systèmes de parking intelligents pour relier les conducteurs aux gestionnaires de parkings. Ces systèmes devraient fournir des infos à jour sur la disponibilité des places pour aider à réduire les émissions de véhicules et attirer plus de clients dans les parkings.

Malgré leur importance, les systèmes de parking intelligents ont du mal à détecter précisément les places. La plupart des solutions actuelles utilisent des capteurs, qui sont onéreux pour de grandes zones, car chaque capteur est nécessaire pour une seule place.

Par exemple, un programme bien connu à San Francisco aide les conducteurs à trouver des places, mais a coûté des millions de dollars à mettre en place à cause du nombre de capteurs installés. Une solution plus efficace et moins chère pourrait venir de la vision par ordinateur. Les caméras peuvent couvrir plusieurs places de parking, offrant une option moins intrusive qui peut aussi repérer des problèmes comme le mauvais stationnement ou le vol.

#Le Besoin de Solutions Automatisées

Utiliser la vision par ordinateur pour la détection de parking est une approche prometteuse, mais beaucoup de systèmes existants traitent la détection comme une simple tâche de classification des places de parking en occupées ou vides. Mais il y a trois principaux problèmes avec cette approche.

D'abord, étiqueter les places de parking à la main prend beaucoup de temps et d'efforts. Ensuite, une fois qu'un espace de parking change, il faut une nouvelle passe d'étiquetage, ce qui complique la tâche des opérateurs gérant plusieurs parkings. Enfin, plus il y a d'emplacements de parking, plus il faut de vérifications, ce qui ralentit le retour d'infos pour les conducteurs.

Pour régler ces problèmes, on propose PakLoc, une méthode automatisée pour trouver les places de parking. L'idée, c'est que les places de parking sont généralement là où les voitures sont repérées dans le flux vidéo des caméras.

PakLoc utilise un algorithme de détection d'objets pour trouver et suivre les places de parking automatiquement. On a aussi introduit PakSke pour ajuster l'apparence des places détectées. Certaines places de parking peuvent ne pas être parfaitement alignées avec le cadre de la caméra, rendant cet ajustement nécessaire pour une identification correcte.

Les tests sur des ensembles de données communs montrent que notre méthode peut trouver des places de parking sans avoir besoin d'un étiquetage manuel préalable, ce qui fait gagner beaucoup de temps.

#Les Méthodes PakLoc et PakSke

#PakLoc : Détection Automatique des Places de Parking

PakLoc prend une série d'images vidéo et détecte les véhicules, créant des boîtes englobantes qui délimitent leur emplacement. La méthode compare ensuite ces boîtes au fil du temps pour voir lesquelles restent stables, indiquant qu'une voiture est garée.

Si une boîte reste en place au-dessus d'un certain seuil, la méthode la considère comme un véhicule garé. Si un nouveau véhicule apparaît, il est ajouté à la liste, tandis que les véhicules en mouvement sont retirés s'ils ne correspondent pas aux boîtes existantes.

En sélectionnant soigneusement certains seuils, le système peut obtenir des résultats efficaces pour différencier les voitures garées des voitures en mouvement.

À la fin, le module PakSke peaufine ces boîtes pour s'assurer qu'elles s'alignent bien avec les vraies places de parking, car les parkings ont souvent des espaces à différents angles. Cet ajustement améliore considérablement la précision.

#PakSta : Identification de l'État des Places de Parking

La méthode PakSta prévoit si les places de parking trouvées par PakLoc sont disponibles ou occupées. Elle traite les images vidéo de manière séquentielle et les filtre pour se concentrer uniquement sur les zones de parking détectées.

Les images filtrées sont alors analysées pour vérifier la présence de véhicules. Si une voiture est détectée dans une place, elle est marquée comme occupée ; sinon, elle est notée comme vide. De cette façon, PakSta fournit des mises à jour en temps réel sur la disponibilité des places de parking.

#Les Ensembles de Données Utilisés

Pour tester nos méthodes, on a utilisé l'ensemble de données PKLot, qui comprend des milliers d'images prises sous différents angles dans divers parkings. Cet ensemble de données fournit à la fois des images étiquetées et non étiquetées, s'assurant qu'on a une base solide pour évaluer notre travail.

En plus, on a utilisé d'autres ensembles de données pour entraîner notre algorithme de détection. Ces derniers comprennent CityFlow, qui contient des images étiquetées de véhicules à des intersections chargées, et VeRi-776, avec des images d'une large gamme de scénarios de circulation.

#Métriques d'Évaluation

Pour nos méthodes, on s'est concentré sur des métriques spécifiques pour évaluer les performances. Pour PakLoc, on a mis l'accent sur le rappel, qui mesure combien de places réelles ont été identifiées, ainsi que la précision moyenne pour différents seuils. Pour PakSta, on a regardé la précision pour évaluer à quel point le système classait correctement les espaces vides ou occupés.

On vise à montrer que nos techniques sont plus performantes que les méthodes existantes et simplifient la gestion globale du parking pour les opérateurs.

#Résultats Expérimentaux

#Performance de PakLoc

Les résultats de nos tests ont montré qu'en combinant PakLoc avec le module d'ajustement PakSke, on a obtenu des améliorations significatives. Plus précisément, des métriques comme le rappel moyen et la précision ont vu une augmentation notable avec l'emploi des couches PakSke.

PakLoc a surpassé plusieurs modèles existants, prouvant qu'il pouvait détecter avec précision les places de parking dans des scénarios réels avec un minimum d'intervention manuelle.

#Performance de PakSta

Dans nos tests, PakSta a également montré une forte performance, atteignant une grande précision pour déterminer si les places de parking étaient occupées ou non. Notamment, il ne s'est pas appuyé sur des données étiquetées manuellement pour son efficacité, contrairement à plusieurs solutions précédentes.

Les résultats de ces tests montrent l'efficacité de PakLoc et PakSta pour créer un système de parking intelligent qui peut être facilement étendu et adapté.

#Conclusion

Nos méthodes proposées, PakLoc et PakSta, abordent des problèmes critiques dans la gestion du parking en automatisant la détection et l'identification de l'état des places de parking. Elles réduisent non seulement la quantité d'étiquetage manuel nécessaire, mais améliorent aussi l'efficacité des systèmes de parking intelligents.

À l'avenir, on prévoit de développer une plateforme de parking intelligente complète qui intègre ces méthodes, facilitant encore plus les défis rencontrés dans la gestion du parking urbain.