駐車場を考慮したナビゲーションシステムは、イライラと排気ガスを防ぐ可能性
MIT研究者が開発した駐車可能率と近接性を最適化するナビゲーションシステムは、渋滞や排気ガス削減に寄与し、シミュレーションで最大66%の時間節約を実現した。
キーポイント
駐車問題の根本原因
従来のナビシステムは目的地への移動時間のみを計算し、駐車場の空き状況や探し回る時間を考慮しないため、ドライバーのイライラと渋滞・排気ガス増加を招いている。
最適化アルゴリズムの提案
MITの研究チームは、目的地までの近接性と駐車場の空き確率をバランスよく考慮する「駐車対応ナビゲーションシステム」を開発し、理想的な駐車場を提案する手法を示した。
シミュレーションによる実証
シアトルの実際の交通データを用いたシミュレーションでは、最も混雑した環境において最大66%の時間節約（約35分の短縮）が可能であることが確認された。
公共交通へのシフト促進
正確な所要時間の提示により、運転と駐車にかかる非効率さが可視化され、公共交通機関や自転車などへの代替手段選択を促す効果が期待される。
確率を考慮した最適ルート計算
動的計画法を用い、目的地への移動・駐車・歩行の合計所要時間の期待値を最小化する最適な駐車場を選択する。
他ドライバーの行動をモデル化
他のドライバーが優先的に駐車したり、失敗した際にユーザーの希望駐車場に流入するなどの競合状況を確率的に考慮する。
クラウドソーシングデータの実用性
センサー設置が限られるため、アプリによる報告や車両の巡回データなど、クラウドソーシングされたデータを駐車空き情報の源として活用する可行性を検証した。
影響分析・編集コメントを表示
影響分析
この研究は、単なるナビゲーションの精度向上を超え、都市交通の効率化と環境負荷低減に貢献する可能性を秘めています。特に、駐車探索という「見えない時間」を可視化することで、ドライバーの行動変容を促し、公共交通機関へのシフトを促進する社会的インパクトが大きいと考えられます。
編集コメント
既存のナビアプリが抱える「目的地到着≠駐車完了」というギャップを解消するアプローチは、次世代のモビリティサービスにおいて必須の要素になり得ます。実用化への道筋が明確になれば、カーナビやスマホアプリの標準機能として普及する可能性があります。
プレス・インクワイアリー プレス連絡先:
MITニュースオフィスウェブサイトでダウンロード用の画像は、非営利団体、報道機関、一般市民向けにクリエイティブ・コモンズ表示-非営利-改変禁止ライセンスの下で提供されています。提供された画像は、サイズに合わせてトリミングすること以外、変更することはできません。画像を複製する際はクレジットラインを使用する必要があります。以下に記載がない場合は、画像のクレジットを「MIT」としてください。
クローズ 
キャプション: MITの研究者らは、目的地への近さと空きスペースの可能性の最適なバランスを提供する駐車場をドライバーが特定するのに役立つ、駐車を考慮したナビゲーションシステムを開発しました。 クレジット: Credit: iStock 前の画像 次の画像
それは毎日起こっています——街を横断しようとするドライバーがナビゲーションアプリで移動時間を確認するものの、目的地に着くと駐車スペースが見つからないのです。最終的に駐車して目的地まで歩く頃には、予想していた時間より大幅に遅れています。
ほとんどの一般的なナビゲーションシステムは、駐車場所を見つけるのに必要な追加時間を考慮せずに、ドライバーを目的地に案内します。これはドライバーにとって単なる頭痛の種以上のものです。ドライバーが駐車場所を探して周りを巡航することで、渋滞を悪化させ、排出ガスを増加させる可能性があります。この過小評価は、人々が公共交通機関を利用することを妨げる可能性もあります。なぜなら、運転して駐車するよりも公共交通機関の方が速いかもしれないことに気づかないからです。
MITの研究者らはこの問題に取り組み、目的地への近さと駐車可能性の最適なバランスを提供する駐車場を特定するために使用できるシステムを開発しました。彼らの適応可能な方法は、ユーザーを目的地ではなく、理想的な駐車エリアへと導きます。
シアトルの実世界の交通データを用いたシミュレーションテストでは、この手法は最も混雑した環境で最大66％の時間節約を達成しました。ドライバーにとって、これは最も近い駐車場で空きが出るのを待つ場合と比較して、移動時間を約35分短縮することになります。
彼らはまだ実世界で使用できるシステムを設計したわけではありませんが、そのデモンストレーションはこのアプローチの実現可能性を示し、どのように実装できるかを示唆しています。
「このフラストレーションは現実であり、多くの人々が感じています。そして、ここでのより大きな問題は、これらの運転時間を体系的に過小評価することで、人々が情報に基づいた選択をすることが妨げられていることです。それは、人々が公共交通機関、自転車、または代替交通手段への移行をさらに困難にしています」と、この研究を説明する論文の筆頭著者であるMIT大学院生のキャメロン・ヒッカートは述べています。
ヒッカートと共著者として論文に名を連ねているのは、Sirui Li PhD ’25; 情報意思決定システム研究所（LIDS）の研究科学者であるZhengbing He; そして、上席著者でMITの土木環境工学（CEE）およびデータ・システム・社会研究所（IDSS）の1954年キャリア開発准教授であり、LIDSのメンバーでもあるキャシー・ウーです。この研究は本日、Transactions on Intelligent Transportation Systemsに掲載されました。
確率的駐車
駐車問題を解決するために、研究者らは確率を考慮したアプローチを開発しました。このアプローチは、目的地近くのすべての公共駐車場、出発点からそこまで運転する距離、各駐車場から目的地まで歩く距離、そして駐車成功の可能性を考慮します。
動的計画法に基づくこのアプローチは、良い結果から逆方向に働き、ユーザーにとって最適なルートを計算します。
彼らの方法はまた、ユーザーが理想的な駐車場に到着したがスペースを見つけられない場合も考慮しています。他の駐車場までの距離と、それぞれでの駐車成功確率を考慮に入れます。
「近くにいくつかの駐車場があり、成功確率がわずかに低いが、互いに非常に近い場合、より高い確率の駐車場に行って空きを期待するよりも、そこへ運転する方が賢明な選択かもしれません。私たちの枠組みはそれを考慮することができます」とヒッカートは言います。
最終的に、彼らのシステムは、目的地まで運転し、駐車し、歩くのに必要な期待時間が最も低い最適な駐車場を特定できます。
しかし、どのドライバーも、自分だけが繁忙な都心部に駐車しようとしているとは期待していません。したがって、この方法は、ユーザーの駐車成功確率に影響を与える他のドライバーの行動も組み込んでいます。
例えば、別のドライバーがユーザーの理想的な駐車場に先に到着し、最後の駐車スペースを取ってしまうかもしれません。または、別のドライバーが別の駐車場に駐車しようとしたが失敗し、その後ユーザーの理想的な駐車場に駐車するかもしれません。さらに、別のドライバーが別の駐車場に駐車し、ユーザーの成功確率を下げる波及効果を引き起こす可能性もあります。
「私たちの枠組みでは、それらのシナリオをすべて非常に明確かつ原理的にモデル化する方法を示しています」とヒッカートは言います。
クラウドソーシングによる駐車データ
駐車空き状況に関するデータは、いくつかのソースから得ることができます。例えば、一部の駐車場には、出入りする車の台数を追跡する磁気センサーやゲートがあります。
しかし、そのようなセンサーは広く使用されていないため、彼らのシステムを実世界での展開により実現可能にするために、研究者らは代わりにクラウドソーシングデータを使用する効果を研究しました。
例えば、ユーザーはアプリを使用して空き駐車スペースを示すことができます。データはまた、駐車を探して周回する車両の数、または駐車場に入り、失敗して出て行く車両の数を追跡することで収集することもできます。
いつの日か、自動運転車が通りかかった空き駐車スペースを報告することさえできるかもしれません。
「現在、そのような情報の多くはどこにも伝わりません。しかし、誰かがアプリで単に『駐車不可』をタップするだけでもそれを捕捉できれば、人々がより情報に基づいた意思決定をすることを可能にする重要な情報源となる可能性があります」とヒッカートは付け加えます。
研究者らは、シアトル地域の実世界の交通データを使用して彼らのシステムを評価し、混雑した都市環境と郊外地域で一日の異なる時間をシミュレーションしました。混雑した環境では、彼らのアプローチは、空きが出るのを座って待つ戦略と比較して総移動時間を約60％削減し、次に近い駐車場に継続的に運転する戦略と比較して約20％削減しました。
彼らはまた、駐車空き状況に関するクラウドソーシングによる観察は、実際の駐車空き状況と比較して約7％の誤差率しかないことを発見しました。これは、駐車確率データを収集する効果的な方法となり得ることを示しています。
将来、研究者らは、都市全体でリアルタイムの経路情報を使用したより大規模な研究を実施したいと考えています。また、衛星画像の使用など、駐車空き状況に関するデータ収集の追加手段を探求し、潜在的な排出削減量を推定したいと考えています。
「交通システムは非常に大きく複雑であるため、それらを変えることは本当に難しいです。私たちが探し求め、そしてこのアプローチで見つけたのは、人々がより良い選択をし、渋滞を減らし、排出ガスを減らすのに大きな影響を与えることができる小さな変化です」とウーは述べています。
この研究は、一部、Cintra、MIT Energy Initiative、および米国国立科学財団によって支援されました。
このニュース記事を共有する:
論文: “Probability-Aware Parking Selection” オープンアクセス論文: “Probability-Aware Parking Selection” 関連リンク
情報意思決定システム研究所
データ・システム・社会研究所
土木環境工学科
工学部
MITシュワルツマン・カレッジ・オブ・コンピューティング
人工知能
機械学習
コンピュータモデリング
コンピュータ科学技術
土木環境工学
MITエネルギー・イニシアティブ
電気工学・計算機科学科（EECS）
情報意思決定システム研究所（LIDS）
工学部
MITシュワルツマン・カレッジ・オブ・コンピューティング
米国国立科学財団（NSF）
関連記事
エコドライブ対策は車両排出ガスを大幅に削減できる可能性がある
![](/sites/def
原文を表示
Press Inquiries Press Contact:
Images for download on the MIT News office website are made available to non-commercial entities, press and the general public under a Creative Commons Attribution Non-Commercial No Derivatives license. You may not alter the images provided, other than to crop them to size. A credit line must be used when reproducing images; if one is not provided below, credit the images to "MIT."
Close Caption: MIT researchers have developed a parking-aware navigation system that helps drivers identify lots offering the optimal balance between proximity to their destination and the likelihood of available spaces. Credits: Credit: iStock Previous image Next image
It happens every day — a motorist heading across town checks a navigation app to see how long the trip will take, but they find no parking spots available when they reach their destination. By the time they finally park and walk to their destination, they’re significantly later than they expected to be.
Most popular navigation systems send drivers to a location without considering the extra time that could be needed to find parking. This causes more than just a headache for drivers. It can worsen congestion and increase emissions by causing motorists to cruise around looking for a parking spot. This underestimation could also discourage people from taking mass transit because they don’t realize it might be faster than driving and parking.
MIT researchers tackled this problem by developing a system that can be used to identify parking lots that offer the best balance of proximity to the desired location and likelihood of parking availability. Their adaptable method points users to the ideal parking area rather than their destination.
In simulated tests with real-world traffic data from Seattle, this technique achieved time savings of up to 66 percent in the most congested settings. For a motorist, this would reduce travel time by about 35 minutes, compared to waiting for a spot to open in the closest parking lot.
While they haven’t designed a system ready for the real world yet, their demonstrations show the viability of this approach and indicate how it could be implemented.
“This frustration is real and felt by a lot of people, and the bigger issue here is that systematically underestimating these drive times prevents people from making informed choices. It makes it that much harder for people to make shifts to public transit, bikes, or alternative forms of transportation,” says MIT graduate student Cameron Hickert, lead author on a paper describing the work.
Hickert is joined on the paper by Sirui Li PhD ’25; Zhengbing He, a research scientist in the Laboratory for Information and Decision Systems (LIDS); and senior author Cathy Wu, the Class of 1954 Career Development Associate Professor in Civil and Environmental Engineering (CEE) and the Institute for Data, Systems, and Society (IDSS) at MIT, and a member of LIDS. The research appears today in Transactions on Intelligent Transportation Systems.
Probable parking
To solve the parking problem, the researchers developed a probability-aware approach that considers all possible public parking lots near a destination, the distance to drive there from a point of origin, the distance to walk from each lot to the destination, and the likelihood of parking success.
The approach, based on dynamic programming, works backward from good outcomes to calculate the best route for the user.
Their method also considers the case where a user arrives at the ideal parking lot but can’t find a space. It takes into the account the distance to other parking lots and the probability of success of parking at each.
“If there are several lots nearby that have slightly lower probabilities of success, but are very close to each other, it might be a smarter play to drive there rather than going to the higher-probability lot and hoping to find an opening. Our framework can account for that,” Hickert says.
In the end, their system can identify the optimal lot that has the lowest expected time required to drive, park, and walk to the destination.
But no motorist expects to be the only one trying to park in a busy city center. So, this method also incorporates the actions of other drivers, which affect the user’s probability of parking success.
For instance, another driver may arrive at the user’s ideal lot first and take the last parking spot. Or another motorist could try parking in another lot but then park in the user’s ideal lot if unsuccessful. In addition, another motorist may park in a different lot and cause spillover effects that lower the user’s chances of success.
“With our framework, we show how you can model all those scenarios in a very clean and principled manner,” Hickert says.
Crowdsourced parking data
The data on parking availability could come from several sources. For example, some parking lots have magnetic detectors or gates that track the number of cars entering and exiting.
But such sensors aren’t widely used, so to make their system more feasible for real-world deployment, the researchers studied the effectiveness of using crowdsourced data instead.
For instance, users could indicate available parking using an app. Data could also be gathered by tracking the number of vehicles circling to find parking, or how many enter a lot and exit after being unsuccessful.
Someday, autonomous vehicles could even report on open parking spots they drive by.
“Right now, a lot of that information goes nowhere. But if we could capture it, even by having someone simply tap ‘no parking’ in an app, that could be an important source of information that allows people to make more informed decisions,” Hickert adds.
The researchers evaluated their system using real-world traffic data from the Seattle area, simulating different times of day in a congested urban setting and a suburban area. In congested settings, their approach cut total travel time by about 60 percent compared to sitting and waiting for a spot to open, and by about 20 percent compared to a strategy of continually driving to the next closet parking lot.
They also found that crowdsourced observations of parking availability would have an error rate of only about 7 percent, compared to actual parking availability. This indicates it could be an effective way to gather parking probability data.
In the future, the researchers want to conduct larger studies using real-time route information in an entire city. They also want to explore additional avenues for gathering data on parking availability, such as using satellite images, and estimate potential emissions reductions.
“Transportation systems are so large and complex that they are really hard to change. What we look for, and what we found with this approach, is small changes that can have a big impact to help people make better choices, reduce congestion, and reduce emissions,” says Wu.
This research was supported, in part, by Cintra, the MIT Energy Initiative, and the National Science Foundation.
Share this news article on:
Paper: “Probability-Aware Parking Selection” Open-access Paper: “Probability-Aware Parking Selection” Related Links
Laboratory for Information and Decision Systems
Institute for Data, Systems, and Society
Department of Civil and Environmental Engineering
School of Engineering
MIT Schwarzman College of Computing
Artificial intelligence
Machine learning
Computer modeling
Computer science and technology
Civil and environmental engineering
MIT Energy Initiative
Electrical engineering and computer science (EECS)
Laboratory for Information and Decision Systems (LIDS)
School of Engineering
MIT Schwarzman College of Computing
National Science Foundation (NSF)
Related Articles
Eco-driving measures could significantly reduce vehicle emissions
関連記事
今日のまとめ
AI日報で今日の重要ニュースをまとめ読み