Автоматизированный мониторинг инфраструктуры парковки с использованием методов машинного обучения и компьютерного зрения

Обоснование. В статье исследуется актуальная проблема дефицита парковочных пространств в современных городских условиях. Авторами разработано инновационное решение на основе автоматизированной системы мониторинга, использующей методы компьютерного зрения и глубокого обучения. Проведен комплексный анализ существующих мировых аналогов систем управления парковками с выделением их конкурентных преимуществ и существенных ограничений. В качестве методологической основы предложена детализированная процессная модель, представленная в нотации BPMN 2.0, которая включает описание архитектуры решения, алгоритмы обработки видеоданных и методику обучения нейронной сети. Особое внимание уделено разработке специализированного шаблона отчетности, обеспечивающего наглядное представление статистических данных о занятости парковочных мест в режиме реального времени.

Цель – повышение эффективности управления парковочной инфраструктурой за счет внедрения интеллектуальных алгоритмов автоматического распознавания.

Материалы и методы. В работе применяется комплекс современных методов, включая технологии машинного обучения (с акцентом на использование модели YOLOv8m), принципы системного анализа и синтеза, а также методы статистической обработки данных.

Результаты. Экспериментальные результаты подтверждают эффективность предложенного подхода, демонстрируя стабильно высокую точность детектирования свободных парковочных мест, превышающую 80%. В перспективе развития системы авторы выделяют три ключевых направления: обеспечение масштабируемости для работы с крупными парковочными комплексами, оптимизацию пользовательских интерфейсов и дальнейшее повышение точности детектирования за счет совершенствования алгоритмов. Полученные результаты имеют значительную практическую ценность для решения актуальных задач smart city и оптимизации городской инфраструктуры.