大家都經歷過這種情況：驅車數英里到達目的地卻發現，所有的停車位都被占滿了。雖然谷歌地圖（Google Maps）等應用程序可根據歷史數據，預測停車位情況，但是該方法仍具有局限性。據外媒報道，美國卡耐基梅隆大學（Carnegie Mellon University）的科學家進行了一項研究，推出了一個人工智能（AI）系統，可實時預測停車位的占用情況。

　　進行該研究的科學家認為停車場傳感器易出現故障和錯誤，因此不從此類傳感器上收集數據，而是利用停車計時器所進行的歷史交易，在使用額外數據進行預測之前，先估計是否有空余停車位。據估算，大約有95%的街邊收費停車場都通過計時器來進行管理，表明此類模型比獨立的傳感器系統更具通用性。

　　研究團隊使用了一種基于節點、邊緣、屬性和其他圖形結構的圖卷積神經網絡來進行建模，說明停車場位置、交通流量、停車需求、道路鏈路和停車場之間的統計關系。該系統結合具有長短時記憶的時間遞歸神經網絡（一種能夠學習長期依賴能力的AI算法）以及多層解碼器，從與交通相關的數據源中(如停車計時器交易信息、交通速度和天氣情況)提取停車信息，并對停車位占用情況進行預測。

　　研究人員根據匹茲堡市區的數據對該模型進行了測試，在匹茲堡市區的39個街區中共有97臺路邊停車計時器。由匹茲堡停車管理局（Pittsburgh Parking Authority）提供歷史停車數據，網聯汽車公司Inrix的交通信息頻道（Traffic Message Channel）和WeatherUnderground應用車型界面（API）提供交通速度數據和實時天氣報告。

　　研究人員表示，在測試中，該模型在前30分鐘預測停車位占用情況比其他方法表現更好。他們將該人工智能系統的卓越性能歸功于天氣和交通速度數據——尤其是天氣數據，該數據提高了預測的準確性。未來，研究人員將制作一個模型，該模型將結合交通數量、道路封閉、交通事件和事故等與交通相關的額外數據。