Кейсы

ИИ-парковочное пространство

AI-парковочное пространство: без заборов и шлагбаумов

Какие проблемы решает?

Для водителей:
  • длительный и неудобный паркинг
  • отсутствие безопасного охраняемого паркинга вдоль дороги
Для города:
  • большое количество паркующихся автомобилей провоцируют пробки, ДТП, нарушение ПДД
  • заборы и шлагбаумы загромождают город и портят внешний вид

Преимущества системы

  • Организация парковок без дополнительного парковочного оборудования и привлечения дополнительных трудовых ресурсов
  • Возможность настройки гибких тарифов, включающих бесплатные минуты, скидку или удорожание за длительные периоды парковки
  • Взаимодействие с B2G и B2B сегментами
  • Возможна интеграция с Госуслугами, например, для проведения платежей за парковку
  • Разнообразие способов оплаты: через мобильное приложение и терминал, по SMS и абонементам. Возможность оплатить парковочную сессию спустя определенное время
  • Система абонементов, позволяющая сократить издержки на парковку ТС для бизнеса
  • Возможность дополнительных поступлений в бюджет за счет штрафов за несвоевременную оплату парковки
  • Модули системы позволяют интегрироваться с различными типами карт жителя города и другими социальными системами

Как работает ПО?

После того, как водитель заезжает на платную парковку начинается парковочная сессия
Въезд на парковку
С помощью камеры фиксируется авто и сканируется ГРН, отправляется информация о событии на сервер системы, где фиксируется время заезда на парковку
Активная сессия
После распознавания ГРН сессия переходит в статус «Активна». В соответствии с ГРН определяется категория водителя и ценовой тариф.
Оплата парковки
Водитель может сразу или в течении заранее установленного времени оплатить парковку.
Оплата штрафа
Если оплаты не поступило в указанный срок, то сессия считается просроченной, информация о нарушении фиксируется в модуле «Штрафы».

Используемые нейросети

  1. YOLO для распознавания автомобилей и парковочных мест
  2. Mask R-CNN для сегментации изображений парковки
  3. LSTM для предсказания загрузки парковки
  4. Neural Collaborative Filtering для рекомендаций парковочных мест
  5. Graph Neural Networks (GNN) для оптимизации маршрутов
  6. GAN для симуляции и тестирования сценариев
  7. AutoML для автоматизации настройки моделей

Полученные результаты

  1. Сокращение времени поиска парковки на 40%
  2. Увеличение заполняемости парковки на 25%
  3. Снижение заторов в зоне парковки на 30%
  4. Экономия топлива у водителей до 15% за поездку
  5. Точность распознавания свободных мест от 95%
  6. Увеличение пользовательской удовлетворенности на 50% (по опросам)
  7. Рост выручки парковки на 20% благодаря оптимизации использования мест
  8. Сокращение жалоб на парковку на 60%

У вас есть запрос на разработку?

Свяжитесь с нами по почте request@codeinside.ru и мы поможем вам реализовать проект.