دستیابی آسان به فضاهای پارکینگ موجود

در مورد پیش‌بینی تعداد فضاهای موجود در پارکینگ بحث می‌کنیم. پارکینگ توسط یک زنجیره پیوسته مارکوف ، به پیروی از کالیسکان، بارتلز، شرمان و مائو مدل‌سازی شده است. پارکینگ به‌طور مرتب تعداد فضاهای اشغال‌شده، ظرفیت، میزان ورود و سرعت پارکینگ را از طریق یک شبکه وسیع حمل‌ونقل مخابره می‌کند. سیستم هدایت در خودرو باید با توجه به این داده‌ها احتمال وجود فضای پارکینگ را به‌محض ورود محاسبه کند. نتیجه ساختاری را به دست آوردیم که به‌طور قابل‌ملاحظه‌ای محاسبه احتمال انتقال در سیستم هدایت وسیله نقلیه را ساده می‌کند.

We discuss the problem of predicting the number of available parking spaces in a parking lot. The parking lot is modeled by a continuous-time Markov chain, following Caliskan, Barthels, Scheuermann, and Mauve. The parking lot regularly communicates the number of occupied spaces, capacity, arrival and parking rate through a vehicular network. The navigation system in the vehicle has to compute from these data the probability of an available parking space upon arrival. We derive a structural result that considerably simplifies the computation of the transition probabilities in the navigation system of the vehicle.