王竹荣，薛伟，牛亚邦，崔颖安，孙钦东，黑新宏

（西安理工大学计算机科学与工程学院，陕西 西安 710048）

1 引言

近年来，智能交通系统（ITS,intelligent transportation system）迅速发展[1]。停车诱导信息系统（PGIS,parking guidance information system）是ITS 中不可缺少的组成部分，泊位占有率预测是其中一项重要技术。根据国际停车协会（IPI,International Parking Institute）的一项调查，超过30%的汽车在公路上寻找停车位，而这些巡航汽车在城市地区造成了高达40%的交通堵塞[2]。研究数据显示，在公路的车流量中，泊车车辆占道路车流量的12%～15%。寻找车位的过程会增加30%的燃油消耗[3]。泊位占有率预测和泊位信息共享对停车场的日常运行、调度规划以及交通运行状态具有重要影响。泊位占有率预测已经引起学术界和工业界的广泛关注。例如，谷歌地图基于用户调查和轨迹数据[4]预测全市范围内的停车困难程度；百度地图基于环境上下文特征（如兴趣点、地图查询等），估计全市范围内的实时停车位可用信息[5]。上述方法是对某一区域的停车难度进行预测和分级，这可能导致对于单个停车场的泊位占有率预测结果不准确。

现有的泊位占有率预测方法主要为基于统计学的预测方法和基于机器学习的预测方法。基于统计学的预测方法虽然计算较为简单，时间复杂度较低，但是预测精度不高且稳定性较差。例如，Dunning 等[6]提出建立一个停车场数据收集以及泊位预测的PGIS，利用差分整合移动平均自回归模型进行泊位占有率预测，实验结果表明该模型的预测效果并不稳定，仅能预测占有率相对平稳的时间段，在出现波峰或者波谷的时间段预测效果较差。……