Easypark: Algoritme slår realtidsovervågning i kampen om at finde ledige P-pladser

En ny machine learning algoritme viser vej til hvor du med størst sandsynlighed finder en p-plads i København Illustration: EasyPark
En matematisk model er bedre til at finde en ledig parkeringsplads i København end sensorer, der realtidsovervåger parkeringspladser. Ny parkeringsalgoritme er udviklet i samarbejde med DTU Compute og et israelsk start-up.

Op mod 30 procent af trafikken i storbyer i myldretiden består af biler der søger en parkeringsplads, mens der faktisk ofte vil være ledige parkeringspladser i nærheden. Det giver trængsel, øget risiko for ulykker og øget forurening.

Derfor forsøger mange virksomheder og offentlige myndigheder at finde løsninger, der kan guide bilister hen til den nærmeste ledige plads, så man begrænser søgetrafikken og får folk hurtigere frem til destinationen.

Nu har parkeringsvirksomheden EasyPark lanceret en funktion i deres parkeringsapp, så bilister kan se, hvor den største sandsynlighed er for at finde en ledig p-plads så tæt på slutdestinationen som muligt.

»Find & Park er udviklet ved hjælp af avancerede algoritmer, der behandler forskellige datakilder – herunder data fra transaktioner, der sker ved parkeringsbetaling og konkrete trafikmålinger. Ved at indsamle parkeringsdata over mange år og kombinere det med big data kan vi forudsige, hvor der er størst sandsynlighed for at finde en ledig parkeringsplads på et hvilket som helst tidspunkt på dagen. Det betyder også, at jo mere data, der indsamles over tid, des mere præcis bliver løsningen,« forklarer Bernd Reul, landechef for EasyPark i Danmark.

EasyPark har arbejdet på Find & Park i 10 år og investeret omkring 10 millioner euro i projektet. Det er blandt andet sket i samarbejde med Scion DTU om den statistiske modellering, der kan udregne sandsynlighed for en ledig p-plads, ligesom israelske Parko har bidraget med teknologi til opsamling af parkeringsdata.

Læs også: Vejviser til ledige p-pladser skal mindske trafikken i København

Data er i forskellige lag

Appen viser den historiske belægning for hvert enkelt gade med farvekoder på det pågældende tidspunkt en bilist kører forbi. Rød betyder under en plads pr. 100 m, orange er 1-2 pr. 100 m og grøn mindst 2 pr. 100 m.

App’en angiver altså ikke det konkrete antal af ledige p-pladser, men fortæller i stedet om sandsynligheden for en plads gade for gade, og man kan i appen se den forventede søgetid nær destinationen, altså hvor længe man skal sætte af til at finde en parkeringsplads.

»Udfordringen har været at kombinere den meget store og forskelligartede datamængde vi får ind, og opbygge en model der kan levere forslag af høj præcision. Vores datalag kører både i tid og sted, hvor nogen data har et GIS-lag, mens andre er udtrykt i tid. Nogen datakilder er meget præcise, fx transaktionsdata for betaling af parkering, hvor vi har tid, gps-data. Andre data er meget mere usikre, fx har vi antallet af beboer- og erhvervslicenser, men vi ved ikke hvornår de bruges og hvordan,« siger Bjarne Ersbøll, professor og sektionsleder ved DTU Compute.

Han og andre fra DTU Compute har hjulpet Easypark med omkring 400 arbejdstimer igennem programmet Smart Innovation på DTU Scion.

Han fortæller, at hvis mængden af udstedte beboer- og erhvervslicenser faktisk blev udnyttet 100 procent, så ville der ikke være plads til andre biler på offentlige parkeringspladser i København.

»Men sådan er virkeligheden ikke, og det har vi skulle tage højde for i modellen. Hvis vi ved noget om hvilken bopæl fx beboerlicensen er udstedt til, så parkerer vedkommende formentligt i nærheden af bopælen, og det kan vi bruge til at beregne en mere præcis sandsynlighed i stedet for en flad sandsynlighed,« siger Bjarne Ersbøll og fortsætter:

»Vi har også fået data fra de manuelle trafiktællinger som Københavns Kommune laver, og p-bøde frekvensen i bestemte områder.«

Algoritmen vinder

Mens Easypark primært benytter sig af de data, de selv får ind fra brugerne af deres app, så bliver algoritmen bag i fremtiden fodret fra mange andre kilder. Det fortæller Maurus Häfliger, der er ansvarlig for udviklingen af den nye Find & Park-service.

»Mange byer sætter sensorer op til tracking af eksempelvis parkeringspladser, som vi allerede gør brug af. I takt med at vi kan integrere endnu flere af denne type data på linje med vores andre datasæt, jo bedre bliver forudsigelsen af hvor der er ledige parkeringspladser. Udfordringen med parkering er, at situationen ændrer sig fra sekund til sekund. Den ledige p-plads kan blive optaget af bilen lige foran dig, så algoritmen, som analyser mange datakilder, vil faktisk være bedre end en realtidsovervågning af fysiske parkeringspladser,« siger Maurus Häfliger, Product Owner Parking Guidance i Easypark.

Han nævner at EasyParks egne data ikke inkluderer eksempelvis biler med beboerlicens eller erhvervslicenser til parkering, som fylder meget fx på Frederiksberg, hvor halvdelen af de parkerede biler har licens.

»Vi kombinerer transaktionsdata, og observationsdata med åbne data fra myndigheder, så vores algoritme bliver bedre. Jo mere data vi fodrer algoritmen med, jo bedre, og derfor er den nuværende service fortsat i en beta-funktion, hvor vi også lægger vægt på at få feedback. Al feedback der sendes fra appen ryger direkte til vores udviklerteam, og ikke i kundeservice,« siger Maurus Häfliger.

I fremtiden kan man forestille sig at data kommer fra en række andre kilder, så en realtidsfunktion bliver bedre.

»Man kan forestille sig at vi i fremtiden kan integrere parkeringsservicen med oplysninger om store events, fx Copenhagen Marathon, eller omlægninger af trafikken ved byggerier,« siger Bernd Reul.

Bidrag fra danske bilister

100 danske bilister har bidraget til udviklingen ved at registrere data om trafikforholdene ved parkeringsarealer i København, Odense og Aarhus.

Man kan bruge den nye service på to måder, enten ved direkte at vise hvor der er størst sandsynlighed for at finde en parkeringsplads tættest på den position man befinder sig på, eller ved at indtaste en adresse på sin slutdestination, og lade navigationsappen foreslå en rute.

»Det er en ny måde at navigere på, fordi vi ikke viser vej direkte til målet, men den vej hvor man bedst kan finde en p-plads tæt på slutdestinationen. Vi viser ikke bare hvor der er størst sandsynlighed for at finde en parkeringsplads på et statisk kort, men giver også navigationsanvisninger, der løbende følgende bilistens bevægelser i trafikken,« siger Bernd Reul, landechef for EasyPark Danmark.

Easypark har allerede rullet løsningen ud i appen, der dog først bliver aktiveret, når bilen er inden for en 50 kilometers radius omkring København. I første omgang er der tale om en beta-version.

I Stockholm, hvor servicen blev lanceret for en udvalgt skare af bilister i oktober 2017, har Find & Park reduceret bilisternes søgetid efter en parkeringsplads med ca. 50 procent.

København i front med åbne data

For at kunne levere den nye service skal Easypark have registreret alle parkeringspladser i en by. Men mange byer har slet ikke tilgængelig data om parkeringsforhold, og derfor har Easypark sendt omkring 700 chauffører på gaden i 30 storbyer for at notere parkeringsforholdene med et kamera i forruden der tager et billede i sekundet, og hvor chaufførerne manuelt registrerer ledige p-pladser.

»Vi er i gang med at rulle løsningen ud i 10 byer i Europa, og København er absolut en af de bedste byer, når det handler om at stille åbne data til rådighed. Vi har kunne meget data fra Open Data DK-platformen, og kvaliteten af datasættene er rigtig god,« siger Maurus Häfliger, som er ’Product Owner Parking Guidance’ – altså ansvarlig for udviklingen af Find & Park.

Open Data DK er en dataportal hvor danske kommuner samler datasæt til fri afbenyttelse.

Da Version2 prøver Easyparks løsning en mandag formiddag på Vesterbro og Frederiksberg er der faktisk ledige p-pladser på de vejstrækninger, som er markeret grønt i parkeringsappen.

Københavns Kommune er i gang med at udvide deres åbne data omkring parkering i København, og håber på sigt at kunne levere en åben API, så andre leverandører kan bruge parkeringsdata til at minimere søgetrafikken i København.

Ideen er at leverandører via et api kan spørge på en adresse og få svar på, hvor stor sandsynligheden er for at finde en ledig p-plads indenfor et område på 300 meter, 400 meter eller 500 meter.

Samtidig vil Københavns Kommune udstille de ikke-personhenførbare datakilder, der indgår i servicen, på data.kk.dk.

Projektet blev iværksat i 2016 og er endnu ikke lanceret.

Tips og korrekturforslag til denne historie sendes til tip@version2.dk
Kommentarer (1)
sortSortér kommentarer
  • Ældste først
  • Nyeste først
  • Bedste først
#1 Mark Klitgaard

Ved at indsamle parkeringsdata over mange år og kombinere det med big data

Jeg håber virkelig for EasyParks egen skyld at der her menes at de har benyttet teknikker til at processere store datasæt og ikke bare har kombineret deres parkeringsdata med store datasæt...

  • 1
  • 0
Log ind eller Opret konto for at kommentere