Parking_Application
1.0.0
Abteilung für Software -Engineering - Studienprojekt LADHEADE University
Viele Studenten und Mitarbeiter können problematische Parkplätze an der Lakehead University bestätigen. Um eine einfache, schnelle und effektive Lösung für dieses Problem zu bieten, haben wir eine intelligente Softwareanwendung erstellt, die das Finden eines Parkplatzes erheblich erleichtert. Die Software wird als mobile Anwendung für Smartphones implementiert, die Informationen wie kostenlose Parkplätze, geschäftige Zeiten und den Standort Ihres geparkten Autos anzeigt. Bei der Ankunft an der Universität kann es schwierig sein, einen offenen Parkplatz zu finden und frustrierend, wenn Sie spät laufen. Diese Anwendung würde eine Lösung für dieses Problem bieten und zusätzliche Vorteile bieten, z. B. die Sparen der Benutzerzeit, die Reduzierung unnötiger Stress und die Verringerung der Umweltauswirkungen von Kohlenstoffemissionen, die von motorisierten Fahrzeugen erzeugt werden. Unsere erste Prüfung und Ausbildung dieses Projekts wird sich auf den Parkplatz des G -Campus an der Lakehead University konzentrieren, könnte jedoch weiter auf andere Bereiche wie öffentliche Parkstrukturen und Parkplätze für die Einkaufszentren erweitert werden.
Diese Anwendung unterscheidet sich technologisch sehr von anderen Parkanwendungen, die derzeit vorhanden sind. Anstatt sich auf sensorische Daten oder IP -Kameras zu verlassen, um leere Parkplätze zu lokalisieren und zu erkennen, verwendet diese Anwendung maschinelle Lerntechniken, um festzustellen, ob Sie Ihr Auto geparkt haben oder nicht, und dann verwenden Sie die GPS -Standort- und Netzwerkinformationen, um andere Benutzer darüber zu informieren, dass der Parkplatz gefüllt wurde. Wenn Sie Ihren Parkplatz verlassen haben, kann unser Modell dies außerdem genau erkennen und den Parkplatz als kostenlos markieren. Es müssen verschiedene Methoden zur Klassifizierungsmethoden für maschinelles Lernen getestet werden, um sicherzustellen, dass wir das am besten geeignete Modell ausgewählt haben. Das Modell für maschinelles Lernen wird auf der Grundlage Ihrer Geschwindigkeit vor und nach einem vollständigen Stopp vorhersagen. Es sollte in der Lage sein, den Unterschied zwischen Gehen und Fahren und Fahren zu erkennen, wodurch er den Standort der Stopp bestimmen kann.
Dokumente zur Entwicklung dieses Projekts sind unten aufgeführt:
