¿Dónde estacionarse? Arquitectura e implementación de un sistema automático para detección de espacios libres de parqueo
DOI:
https://doi.org/10.29019/enfoqueute.v10n1.445Palabras clave:
parqueaderos inteligentes, sistema distribuido, plazas de parqueo, plazas de parqueo libres, visión computarizada, aprendizaje automáticoResumen
La congestión vehicular en las ciudades tiene varios factores que la acrecientan, uno de ellos es la falta de disponibilidad de suficientes plazas de parqueo. Un conductor típico invierte una considerable parte del tiempo total del trayecto en buscar un espacio libre para estacionar su vehículo; esto deviene en muchos casos en retrasos involuntarios, seguidos del malestar ocasionado por la impuntualidad generada. Con el fin de encontrar soluciones paliativas parciales, que reduzcan el tiempo dedicado a la búsqueda de estacionamiento, se plantea aplicar técnicas del Internet de las Cosas orientadas a ciudades y edificios inteligentes. En esta investigación el foco ha sido hallar una arquitectura informática apropiada, que permita implementar un sistema distribuido, el cual mediante técnicas de visión computarizada y aprendizaje automático, detecte las plazas de estacionamiento libres al interior de un parqueadero, y brinde al conductor información en tiempo real que le permita dirigirse directamente a un lugar de parqueo vacante.
Metrics
Descargas
Citas
Aydin, I., Karakose, M., & Karakose, E. (2017). A navigation and reservation based smart parking platform using genetic optimization for smart cities. En 2017 5th International Istanbul Smart Grid and Cities Congress and Fair (ICSG) (pp. 120–124). https://doi.org/10.1109/SGCF.2017.7947615
Baroffio, L., Bondi, L., Cesana, M., Redondi, A. E., & Tagliasacchi, M. (2015). A visual sensor network for parking lot occupancy detection in Smart Cities. En 2015 IEEE 2nd World Forum on Internet of Things (WF-IoT) (pp. 745–750). https://doi.org/10.1109/WF-IoT.2015.7389147
Bennett, J. (2018). Xamarin in Action: Creating native cross-platform mobile apps (1 edition). Shelter Island: Manning Publications.
Bibi, N., Majid, M. N., Dawood, H., & Guo, P. (2018). Automatic Parking Space Detection System. En 2017 2nd International Conference on Multimedia and Image Processing (ICMIP) (pp. 11–15). https://doi.org/10.1109/ICMIP.2017.4
C2B2 Consulting. (2018). Payara. Payara Services Ltd. Recuperado de https://www.payara.fish/ (Original work published 2014)
Cabrera-Goyes, E., & Ordóñez-Camacho, D. (2017). Towards a Bluetooth Indoor Positioning System with Android Consumer Devices. En 2017 International Conference on Information Systems and Computer Science (INCISCOS) (pp. 56–59). https://doi.org/10.1109/INCISCOS.2017.14
Cabrera-Goyes, Edwin, & Ordóñez-Camacho, D. (2018). Posicionamiento en espacios interiores con Android, Bluetooth y RSSI. Enfoque UTE, 9(1), 118–126. https://doi.org/10.29019/enfoqueute.v9n1.238
Das, A., Dash, P. K., & Mishra, B. K. (2018). An Intelligent Parking System in Smart Cities Using IoT. Exploring the Convergence of Big Data and the Internet of Things, 155–180. https://doi.org/10.4018/978-1-5225-2947-7.ch012
de Almeida, P. R. L., Oliveira, L. S., Britto, A. S., Silva, E. J., & Koerich, A. L. (2015). PKLot – A robust dataset for parking lot classification. Expert Systems with Applications, 42(11), 4937–4949. https://doi.org/10.1016/j.eswa.2015.02.009
Haleby, J. (2019). REST-assured. Parkster. Recuperado de https://github.com/rest-assured/rest-assured (Original work published 2010)
Hayato, A. (2019). ImageFilters. Arahaya. Recuperado de https://github.com/arahaya /ImageFilters.js (Original work published 2011)
Hevery, M. (2019). Angular. GitHub. Recuperado de https://angular.io/
IBM. (2011, septiembre 28). IBM Global Parking Survey: Drivers Share Worldwide Parking Woes. IBM News Room. Recuperado de https://www-03.ibm.com/press/us/en/pressrelease/35515.wss
Intel Corporation, Willow Garage, & Itseez. (2018). OpenCV library. GitHub. Recuperado de https://opencv.org/ (Original work published 2000)
Khanna, A., & Anand, R. (2016). IoT based smart parking system. En 2016 International Conference on Internet of Things and Applications (IOTA) (pp. 266–270). https://doi.org/10.1109/IOTA.2016.7562735
Korman, R. (2017). US20170025010 A1. Recuperado de http://www.google.com/patents/US20170025010
Koster, A., Oliveira, A., Volpato, O., Delvequio, V., & Koch, F. (2014). Recognition and Recommendation of Parking Places. En Advances in Artificial Intelligence -- IBERAMIA 2014 (pp. 675–685). Springer, Cham. https://doi.org/10.1007/978-3-319-12027-0_54
Loayza, A., Proaño, R., & Ordóñez Camacho, D. (2013). Aplicaciones sensibles al contexto. Tendencias actuales. Enfoque UTE, 4(2), 95–110.
Mainetti, L., Patrono, L., Stefanizzi, M. L., & Vergallo, R. (2015). A Smart Parking System based on IoT protocols and emerging enabling technologies. En 2015 IEEE 2nd World Forum on Internet of Things (WF-IoT) (pp. 764–769). https://doi.org/10.1109/WF-IoT.2015.7389150
Margreiter, M., Orfanou, F., & Mayer, P. (2017). Determination of the parking place availability using manual data collection enriched by crowdsourced in-vehicle data. Transportation Research Procedia, 25, 497–510. https://doi.org/10.1016/j.trpro.2017.05.432
Masmoudi, I., Wali, A., Alimi, A. M., & Jamoussi, A. (2015). Architecture of Parking Lots Management System for Drivers’ Guidance. En 2015 IEEE International Conference on Systems, Man, and Cybernetics (pp. 2974–2978). https://doi.org/10.1109/SMC.2015.517
Masmoudi, I., Wali, A., Jamoussi, A., & Alimi, A. M. (2014). Vision based system for Vacant Parking Lot Detection: VPLD. En 2014 International Conference on Computer Vision Theory and Applications (VISAPP) (Vol. 2, pp. 526–533).
Mono Project. (2019). SkiaSharp. GitHub. Recuperado de https://github.com/mono/SkiaSharp (Original work published 2016)
MySQL AB. (2018). MySQL. Oracle Corporation. Recuperado de https://www.mysql.com/ (Original work published 1995)
Newton-King, J. (2019). Json.NET. Newtonsoft. Recuperado de https://github.com/JamesNK/Newtonsoft.Json (Original work published 2012)
Nieto, R. M., García-Martín, Á., Hauptmann, A. G., & Martínez, J. M. (2018). Automatic Vacant Parking Places Management System Using Multicamera Vehicle Detection. IEEE Transactions on Intelligent Transportation Systems, 1–12. https://doi.org/10.1109/TITS.2018.2838128
Oracle Corporation. (2018). OpenMQ. EE4J. Recuperado de https://javaee.github.io/openmq/
Ordóñez-Camacho, D., Gómez, E., & Ávalos, H. (2018). An Architectural Proposal for an Automatic Vacant Parking Detection System. In 2018 International Conference on Information Systems and Computer Science (INCISCOS) (pp. 351–355). https://doi.org/10.1109/INCISCOS.2018.00057
Otto, M., & Thornton, J. (2019). Bootstrap. GitHub. Recuperado de https://github.com/twbs/bootstrap (Original work published 2011)
OxyPlot. (2019). OxyPlot. GitHub. Recuperado de https://github.com/oxyplot/oxyplot (Original work published 2014)
Paidi, V., Fleyeh, H., Håkansson, J., & Nyberg, R. G. (2018). Smart parking sensors, technologies and applications for open parking lots: a review. IET Intelligent Transport Systems. https://doi.org/10.1049/iet-its.2017.0406
Pham, N., Hassan, M., Nguyen, H. M., & Kim, D. (2017). GS1 Global Smart Parking System: One Architecture to Unify Them All. En 2017 IEEE International Conference on Services Computing (SCC) (pp. 479–482). https://doi.org/10.1109/SCC.2017.69
Pham, T. N., Tsai, M., Nguyen, D. B., Dow, C., & Deng, D. (2015). A Cloud-Based Smart-Parking System Based on Internet-of-Things Technologies. IEEE Access, 3, 1581–1591. https://doi.org/10.1109/ACCESS.2015.2477299
Pietzsch, T., Preibisch, S., Tomančák, P., & Saalfeld, S. (2012). ImgLib2—generic image processing in Java. Bioinformatics, 28(22), 3009–3011. https://doi.org/10.1093/bioinformatics/bts543
Ritchie, A. (2019). ACR User Dialogs. GitHub. Recuperado de https://github.com/aritchie/userdialogs (Original work published 2015)
Roy, A., Paul, J., Baidya, R., & Devi, M. (2018). Parking Places Discovery and Reservation Using Vehicular Ad Hoc Networks. En Advances in Electronics, Communication and Computing (pp. 695–703). Springer, Singapore. https://doi.org/10.1007/978-981-10-4765-7_72
Salpietro, R., Bedogni, L., Felice, M. D., & Bononi, L. (2015). Park Here! a smart parking system based on smartphones’ embedded sensors and short range Communication Technologies. En 2015 IEEE 2nd World Forum on Internet of Things (WF-IoT) (pp. 18–23). https://doi.org/10.1109/WF-IoT.2015.7389020
Shih, S. E., & Tsai, W. H. (2014). A Convenient Vision-Based System for Automatic Detection of Parking Spaces in Indoor Parking Lots Using Wide-Angle Cameras. IEEE Transactions on Vehicular Technology, 63(6), 2521–2532. https://doi.org/10.1109/TVT.2013.2297331
Shinde, S., Patil, A., Chavan, S., Deshmukh, S., & Ingleshwar, S. (2017). IoT based parking system using Google. En 2017 International Conference on I-SMAC (IoT in Social, Mobile, Analytics and Cloud) (I-SMAC) (pp. 634–636). https://doi.org/10.1109/I-SMAC.2017.8058256
Valor Software. (2019). ng2-charts. GitHub. Recuperado de https://github.com/valor-software/ng2-charts (Original work published 2015)
Vítek, S., Melničuk, P., Vítek, S., & Melničuk, P. (2017). A Distributed Wireless Camera System for the Management of Parking Spaces. Sensors, 18(1), 69. https://doi.org/10.3390/s18010069
Witten, I. H., Frank, E., Hall, M. A., & Pal, C. J. (2016). Data Mining: Practical Machine Learning Tools and Techniques (4 edition). Amsterdam: Morgan Kaufmann.
Zaytsev, J., & Chernyak, M. (2019). Fabric. GitHub. Recuperado de https://github.com/fabricjs/fabric.js (Original work published 2010)
Zhang, L., Li, X., Huang, J., Shen, Y., Wang, D., Zhang, L., … Wang, D. (2018). Vision-Based Parking-Slot Detection: A Benchmark and A Learning-Based Approach. Symmetry, 10(3), 64. https://doi.org/10.3390/sym10030064
Publicado
Cómo citar
Número
Sección
Derechos de autor 2019 Enfoque UTE
Esta obra está bajo licencia Creative Commons Attribution 3.0 International License.
Los artículos e investigaciones publicadas por la Universidad UTE, se realizan en régimen de Acceso Abierto [Open Access] en formato electrónico. Al enviar un artículo a cualquiera de las revistas científicas de la Universidad UTE, el o los autores aceptan estas condiciones.
La UTE aplica la licencia Creative Commons Attribution (CC-BY) a los artículos de sus revistas científicas. En virtud de esta licencia de acceso abierto, como autor usted acuerda que cualquier persona puede reutilizar su artículo en su totalidad o en parte para cualquier propósito, de forma gratuita, incluso para fines comerciales. Cualquiera puede copiar, distribuir o reutilizar el contenido siempre y cuando el autor y la fuente original estén correctamente citados. Esto facilita la libertad de reutilización y también asegura que el contenido pueda ser extraído sin barreras para necesidades de investigación.
Esta obra está bajo una Creative Commons Attribution 3.0 International (CC BY 3.0).
Además, la Revista Enfoque UTE garantiza y declara que los autores conservan siempre todos los derechos de autor y de publicación de sus obras originales sin restricciones [© Los Autores]. El reconocimiento (BY) permite cualquier explotación de la obra, incluyendo una finalidad comercial, así como la creación de obras derivadas, la distribución de las cuales también está permitida sin ninguna restricción.
Enfoque UTE - Facultad de Ciencias de la Ingeniería e Industrias - Universidad UTE