El aparcamiento es un problema que afecta enormemente a la movilidad en las ciudades. El disponer de sistemas inteligentes capaces de ayudar a organizar el aparcamiento o apoyar a los usuarios en su búsqueda toma mayor importancia cuanto más crece el número de vehículos.

En este proyecto pretende estudiar los sistemas de detección de plazas libres y ocupadas en un espacio destinado al aparcamiento de vehículos. Este es tema altamente tratado en la literatura.

Como objetivo final, se deberá investigar la posibilidad de desarrollar un sistema para estimar la probabilidad de abandono de un vehículo aparcado cuando no existan huecos libres. Se buscar explotar la premisa de que existen patrones de comportamientos en los propietarios de vehículos o en ciertas zonas de la ciudad. Esta información de que en zona o calle se puede encontrar un hueco en los próximos minutos podría ser de interés en un futuro.

Para validar los resultados se dispondrá de un dataset no público.

El fin último de este trabajo será la publicación de los resultados.

Referencias:

• Acharya, Debaditya, Weilin Yan, and Kourosh Khoshelham. "Real-time image-based parking occupancy detection using deep learning." Research@ Locate 4 (2018): 33-40.
• Amato, Giuseppe, et al. "Car parking occupancy detection using smart camera networks and deep learning." 2016 IEEE Symposium on Computers and Communication (ISCC). IEEE, 2016.
• Amato, Giuseppe, et al. "Deep learning for decentralized parking lot occupancy detection." Expert Systems with Applications 72 (2017): 327-334.
• CNRPark+EXT is a dataset for visual occupancy detection of parking lots of roughly 150,000 labeled images (patches) of vacant and occupied parking spaces, built on a parking lot of 164 parking spaces.. http://cnrpark.it/