elib
DLR-Header
DLR-Logo -> http://www.dlr.de
DLR Portal Home | Impressum | Datenschutz | Kontakt | English
Schriftgröße: [-] Text [+]

Detecting and Estimating On-street Parking Areas from Aerial Images

López Díaz, María und Kehlbacher, Ariane und Hellekes, Jens und Merkle, Nina und Henry, Corentin und Heinrichs, Matthias (2022) Detecting and Estimating On-street Parking Areas from Aerial Images. Transportation Research Board (TRB) 101st Annual Meeting, 2022-01-09 - 2022-01-13, Washington, D.C., USA.

[img] PDF
62MB

Kurzfassung

Parking is an essential part of transportation systems and urban planning, but the availability of data on parking is limited and therefore posing problems, for example, estimating search times for parking spaces in travel demand models. This paper presents an on-street parking area prediction model developed using remote sensing and open geospatial data of the German city of Brunswick. Neural networks are used to segment the aerial images in parking and street areas. To enhance the robustness of this detection, multiple predictions over same regions are fused. We enrich this information with publicly available data and formulate a Bayesian inference model to predict the parking area per street meter. The model is estimated and validated using detected parking areas from the aerial images. We find that the prediction accuracy of the parking area model at mid to high levels of parking area per street meter is good, but at lower levels uncertainty increases. Using a Bayesian inference model allows the uncertainty of the prediction to be passed on to subsequent applications to track error propagation. Since only open source data serve as input for the prediction model, a transfer to structurally similar regions, for which no aerial images are available, is possible. The model can be used in a wide range of applications like travel demand models, parking regulation and urban planning.

elib-URL des Eintrags:https://elib.dlr.de/148454/
Dokumentart:Konferenzbeitrag (Poster)
Titel:Detecting and Estimating On-street Parking Areas from Aerial Images
Autoren:
AutorenInstitution oder E-Mail-AdresseAutoren-ORCID-iDORCID Put Code
López Díaz, MaríaMaria.LopezDiaz (at) dlr.dehttps://orcid.org/0000-0002-7986-3970NICHT SPEZIFIZIERT
Kehlbacher, ArianeAriane.Kehlbacher (at) dlr.dehttps://orcid.org/0000-0003-3898-858XNICHT SPEZIFIZIERT
Hellekes, JensJens.Hellekes (at) dlr.dehttps://orcid.org/0000-0002-0080-3124NICHT SPEZIFIZIERT
Merkle, NinaNina.Merkle (at) dlr.dehttps://orcid.org/0000-0003-4177-1066NICHT SPEZIFIZIERT
Henry, CorentinCorentin.Henry (at) dlr.dehttps://orcid.org/0000-0002-4330-3058NICHT SPEZIFIZIERT
Heinrichs, MatthiasMatthias.Heinrichs (at) dlr.dehttps://orcid.org/0000-0002-0175-2787NICHT SPEZIFIZIERT
Datum:2022
Referierte Publikation:Ja
Open Access:Ja
Gold Open Access:Nein
In SCOPUS:Nein
In ISI Web of Science:Nein
Status:veröffentlicht
Stichwörter:aerial imagery, deep learning, image segmentation, parking space detection, on-street parking, Bayesian inference, OpenStreetMap
Veranstaltungstitel:Transportation Research Board (TRB) 101st Annual Meeting
Veranstaltungsort:Washington, D.C., USA
Veranstaltungsart:internationale Konferenz
Veranstaltungsbeginn:9 Januar 2022
Veranstaltungsende:13 Januar 2022
HGF - Forschungsbereich:Luftfahrt, Raumfahrt und Verkehr
HGF - Programm:Verkehr
HGF - Programmthema:Verkehrssystem
DLR - Schwerpunkt:Verkehr
DLR - Forschungsgebiet:V VS - Verkehrssystem
DLR - Teilgebiet (Projekt, Vorhaben):V - Energie und Verkehr (alt), V - UrMo Digital (alt), R - Optische Fernerkundung
Standort: Berlin-Adlershof , Oberpfaffenhofen
Institute & Einrichtungen:Institut für Verkehrsforschung > Mobilität und urbane Entwicklung
Institut für Methodik der Fernerkundung > Photogrammetrie und Bildanalyse
Hinterlegt von: López Díaz, María
Hinterlegt am:09 Feb 2022 11:14
Letzte Änderung:24 Apr 2024 20:46

Nur für Mitarbeiter des Archivs: Kontrollseite des Eintrags

Blättern
Suchen
Hilfe & Kontakt
Informationen
electronic library verwendet EPrints 3.3.12
Gestaltung Webseite und Datenbank: Copyright © Deutsches Zentrum für Luft- und Raumfahrt (DLR). Alle Rechte vorbehalten.