Znalezienie miejsca parkingowego dla ciężarówek to dla kierowców ciągły problem. Poszukiwanie często trwa tak długo, że kierowcy narażają się na ryzyko naruszenia przepisów dotyczących czasu jazdy, co grozi mandatami, a nawet utratą prawa jazdy. W przeciwieństwie do poprzednich podejść, system rekomendacji SOLP nie traktuje danej trasy jako statycznej sekwencji dróg i parkingów. Zamiast tego oblicza dynamiczną prognozę potencjalnie użytecznych miejsc parkingowych na podstawie współzależnych czynników, w tym natężenia ruchu, dostępności miejsc postojowych oraz czasu jazdy i odpoczynku kierowcy.
Innowacja polega na wyświetlaniu rekomendacji dotyczących poziomu zajętości parkingów znajdujących się wzdłuż trasy, dzięki czemu kierowcy mogą udać się do tych miejsc, mając na uwadze wymogi prawne mówi Thomas Meiers z Instytutu HHI.
Kolorowy wyświetlacz pokazuje zajętość miejsc parkingowych
Wspomagane przez sztuczną inteligencję narzędzie jest wbudowane w aplikację lub jednostkę pokładową pojazdu. System dostarcza informacji o zajętości parkingów posługując się różnymi kolorami. Czerwony oznacza brak miejsc, żółty – parking, gdzie postój jest jeszcze dopuszczalny, a zielony – obiekt z wolnymi miejscami na odpoczynek. Prognozy są aktualizowane co 15 minut przez następne dwie godziny. Moduł AI jest szkolony na podstawie informacji o lokalizacji i cechach pętli indukcyjnych, które zliczają liczbę przejeżdżających pojazdów oraz miejsc parkingowych w sieci autostrad, jak również danych o natężeniu ruchu z pętli indukcyjnych i telematyki oraz danych o zajętości parkingów. Aby wygenerować prognozę, bieżące informacje są analizowane i łączone w czasie rzeczywistym z trasami pokonywanymi przez ciężarówki. W kolejnym kroku aplikacja pilotażowa ma być przetestowana przez wybranych kierowców w różnych krajach związkowych, zanim system zostanie wdrożony w całym kraju.Źródło: Fraunhofer
grafika poglądowa
