Compare Parquery and smart parking technologies

Che cos'è lo smart parking?

Le basi della gestione di parcheggi usando i dati


Vantaggi dello smart parking

Come trarre profitto dallo smart parking


Città intelligenti

Lo smart parking come componente di un'iniziativa Smart City


Confronto delle soluzioni di smart parking

Scoprire come i sensori e i sistemi basati su telecamere si differenziano tra loro

Parquery provides real-time results to more than 70 customers worldwide.

Chi utilizza la soluzione di Parquery in tutto il mondo?

Parquery fornisce risultati in tempo reale ai gestori di parcheggi e ai partner commerciali

Parquery monitors more than 400 parking spots with 2 cameras in Vevey

Città di Vevey, Svizzera

Parquery monitora oltre 400 posti auto con 2 telecamere


Parquery analyzes Park and Rail parking areas for SBB

Ferrovie svizzere (FFS)

Progetto Parquery P+Rail a Rapperswil, Svizzera


Hasler Co AG has been using Parquery solution since 2018

Hasler + Co AG, Svizzera

Parquery offre un'esperienza positiva al cliente nella vendita al dettaglio


Parquery guides drivers to available parking spots in Trzic

Città di Trzič, Slovenia

Parquery guida gli automobilisti verso i posti auto disponibili


Parquery displays available parking spots in the town of Kranjska Gora

Coppa del Mondo di sci a Kranjska Gora, Slovenia

Parquery eccelle sul ghiaccio e sulla neve


Parquery monitors three parking areas in San Marino Outlet Experience

L'esperienza dell'Outlet di San Marino

Parquery fornisce una guida fluida per gli autisti nella retail

Parquery customers testify - Focus on Hasler + Co AG

Focus su Hasler + Co AG

Hasler + Co AG condividono il modo in cui gestiscono in modo ottimale il parcheggio con la soluzione di Parquery

Contact Parquery to learn more about smart parking

Contattarci

Contattarci per saperne di più sullo smart parking

At Parquery, smart parking experts will answer your call

Parlare con un esperto

Gli esperti di smart parking risponderanno alle chiamate

Parquery offers parking managers a free demo

Prenotare una demo

Parquery offre ai gestori di parcheggi una demo gratuita

 

Parquery AI - Cosa rende eccezionale la nostra soluzione di Smart Parking?

 

Perché la soluzione di Parquery funziona per qualsiasi veicolo, parcheggio e condizione atmosferica?

Esplorare i punti di forza dei potenti algoritmi di intelligenza artificiale di Parquery

 

La soluzione di parcheggio intelligente di Parquery utilizza telecamere e intelligenza artificiale (AI) per monitorare i parcheggi. Gli algoritmi intelligenti, eseguiti nel cloud o localmente nei parcheggi, rilevano i veicoli nelle immagini delle telecamere e determinano se i singoli posti auto sono occupati.

La soluzione AI di Parquery è robusta anche in condizioni avverse

Le immagini di uno dei clienti di Parquery dimostrano la solidità della soluzione IA di Parquery anche in condizioni avverse con diversi fattori presenti contemporaneamente: di notte con poca luce, pioggia battente, bagliori e riflessi intensi e in presenza di occlusioni.

Per saperne di più sul progetto di Parquery con le FFS

 

Imparare e adattarsi

 

La potenza della soluzione Parquery risiede negli algoritmi avanzati di Deep Neural Network, algoritmi di apprendimento automatico che consentono al sistema di adattarsi:

Qualsiasi veicolo o oggetto

 

Ad esempio, automobili, camion, autobus, treni, motociclette, biciclette, barche, trattori, macchinari per l'edilizia o l'industria mineraria, aerei.

Parquery detects boats in marinas

Imbarcazioni

Parquery detects planes in airports

Aerei

Parquery detects trucks on highways

Camion

Parquery detects people and vehicles on construction sites

Macchine da costruzione

Parquery detects pedestrians in public and private areas

Persone

Qualsiasi parcheggio

 

Ad esempio, al chiuso o all'aperto, parcheggi su strada, parcheggi multipiano, parcheggi per camion in autostrada, conteggio del traffico, stazioni di rifornimento, ricarica di auto elettriche

All Parquery needs is images from cameras, even fisheye cameras

All'interno

Parquery detects vehicles outdoors with any camera

All'aperto

Parquery detects vehicles on the roadside

Su strada

Parquery detects which fuel pump is available

Stazioni di servizio

Parquery displays highway parking availability on rest areas

Parcheggio autostradale per camion

Qualsiasi condizione ambientale

Qualsiasi tempo

Ad esempio, sole splendente, pioggia battente, neve abbondante, nebbia...

Parquery detects vehicles even in glaring sun

Sole abbagliante

Parquery detects vehicles even in rain

Riflesso dell'asfalto sotto la pioggia

Parquery detects vehicles even in fog

Nebbia di notte

Parquery detects vehicles even in snow

Neve

 

Qualsiasi illuminazione

Di giorno e di notte, con luce visibile o infrarossi, luce naturale o artificiale da lampioni o faretti, illuminazione uniforme e contrasti estremi (ad esempio, forte luce solare), ombre in movimento, etc.

Parquery detects vehicles even at night

Notte

Parquery detects vehicles even at twilight

Crepuscolo: luce naturale e artificiale

Parquery detects vehicles even with strong contrasts

Forti contrasti

Parquery detects vehicles even with moving shadows

Ombre in movimento

Qualsiasi telecamera  e  qualsiasi obiettivo

Ad esempio, telecamere a circuito chiuso, webcam, telecamere fisse e rotanti, ad alta risoluzione e a bassa risoluzione, da fisheye a obiettivi ad angolo stretto

All Parquery needs is images from cameras, even with wide-angles

Obiettivo grandangolare

All Parquery needs is images from cameras, even fisheye cameras

Obiettivo fisheye

All Parquery needs is images from cameras

Obiettivo regolare

Apprendimento: Imparare facendo

 

Il sistema di Parquery si adatta a un nuovo ambiente attraverso l'addestramento o l'esperienza - il che significa che impara dai suoi errori - proprio come noi. Partendo da un modello generico generato da varie situazioni di parcheggio, questo modello viene perfezionato con il passare del tempo e ottimizzato per le caratteristiche specifiche attraverso l'addestramento sui nuovi dati che riceve. In questo modo, acquisisce esperienza e aumenta la probabilità di un risultato corretto la volta successiva.

Ad esempio, la IA potrebbe decidere erroneamente che un camion a pianale parcheggiato è un posto auto libero a causa dell'aspetto uniforme del suo ponte di carico, trascurando un altro elemento di differenziazione che non sembrava rilevante per la decisione. Attraverso il feedback su questo errore e l'addestramento, l'algoritmo AI identifica e impara un elemento di differenziazione vitale per distinguere tra un parcheggio vuoto e un ponte di carico vuoto. In questo modo, migliora la probabilità di una differenziazione corretta in seguito.

Oltre alle differenze evidenti tra i parcheggi - come il layout, la disposizione dei posti, le ostruzioni o il fatto che siano al chiuso o all'aperto - altre caratteristiche includono le condizioni di illuminazione e meteorologiche, i tipi di veicoli incontrati e le distorsioni visive dovute all'ottica della telecamera.

 

Empty-trailer
Empty_trailer
Empty-trailer-flatbed

Prima: rimorchio e camion a pianale classificati erroneamente come spazi liberi.

Si noti che l'aspetto dei pianali di carico è simile a quello della superficie stradale: le forme sul pianale di carico hanno l'aspetto dell'asfalto rattoppato, delle ombre degli alberi, delle macchie d'olio o delle pozzanghere dopo la pioggia.

 

Parquery trains its software to adapt to any vehicle, such as flatbeds
Parquery trains its software to adapt to any vehicle, such as empty trailers
Parquery trains its software to adapt to any vehicle, such as trailers
Parquery trains its software to adapt to any vehicle, even flatbeds

Dopo il retraining: il sistema rileva correttamente i camion a pianale senza forme, indipendentemente dal luogo in cui sono parcheggiati e dalle differenze nella prospettiva della telecamera.

Da buono a ottimo

 

In genere, l'accuratezza della soluzione di apprendimento di Parquery è di circa il 95% prima di adattarsi al parcheggio specifico. Il 5% di errore riguarda i veicoli non rilevati (i cosiddetti falsi negativi) e le aree di parcheggio vuote erroneamente interpretate come occupate (falsi positivi). Durante il primo mese, Parquery raccoglie e annota i dati delle immagini del parcheggio per creare il materiale di apprendimento per gli algoritmi di IA.

Alla fine del primo mese, Parquery offre un'accuratezza del 99% grazie all'addestramento e all'adattamento degli algoritmi ai requisiti della situazione di parcheggio in questione.

Il mondo reale non è un modello matematico

 

Il mondo fisico è vario e non si conforma a norme rigide, regole astratte e modelli teorici. Il sistema di Parquery è costruito per questo mondo così com'è: Ciò significa che è robusto e tiene conto di imperfezioni, deviazioni, sviste o cambiamenti.

I conducenti potrebbero non conformarsi alla delimitazione dei confini, parcheggiando di traverso o in diagonale rispetto a diversi posti. I veicoli potrebbero essere troppo grandi per entrare in un unico spazio, ma sporgersi o utilizzare diverse aree di parcheggio. Le chiome degli alberi, i tetti sporgenti o i camion di grandi dimensioni potrebbero nascondere parzialmente i veicoli dalla vista della telecamera. Le telecamere potrebbero catturare solo parzialmente i parcheggi ai margini del loro campo visivo.

Parquery detects vehicles even if they are parked across
Parquery detects vehicles even if they are not inside marked areas
Parquery detects vehicles even if they are parked diagonally
Parquery detects vehicles even if they are wrongly parked
Parquery detects vehicles even if they are parked slightly askew
Parquery detects vehicles even if they are diagonal to the spot
Parquery detects vehicles even if they are parked over two spots
Parquery detects vehicles even if they are not parked fully in the spot

Gli algoritmi di Parquery rilevano i veicoli indipendentemente dal fatto che siano parcheggiati in modo improprio, ad angolo, di traverso o che sporgano oltre i confini.

Parquery detects vehicles even if they are parked across two spots
Parquery detects vehicles even if they are parked over three spots
Parquery detects vehicles even if the flatbed is across two spots
Parquery detects vehicles even if trucks are across multiple spots
Parquery detects vehicles even if they are parked over four spaces

Anche se i veicoli sono parcheggiati in diversi posti auto e non rispettano affatto le linee di demarcazione specificate, gli algoritmi di Parquery forniscono risultati accurati.

Non badare a occlusioni e imperfezioni

 

Affinché il sistema di Parquery funzioni, né la copertura delle telecamere né le abitudini di parcheggio devono essere perfette. Gli algoritmi funzionano con dati incompleti e rilevano i veicoli parziali, sia che siano nascosti da altri, da pedoni o biciclette di passaggio, parcheggiati in più stalli, in fase di carico o scarico, o ai margini dell'immagine della telecamera, dove ne è visibile solo una parte.

Parquery detects vehicles even with tree occlusions
Parquery detects vehicles even with slight tree occlusions
Parquery detects vehicles even with lamp occlusions
Parquery detects vehicles even with occlusions from billboards
Parquery detects vehicles even behind construction fences

Occlusioni permanenti (alberi, pali della luce, cartelloni pubblicitari, segnali stradali, tetti) o temporanee (cartelli di divieto di sosta, recinzioni di cantieri).

Parquery detects vehicles even behind passing buses
Parquery detects vehicles even behind large passing buses
Parquery's software can differentiate between bikes, people and vehicles
Parquery detects vehicles even behind passing cyclists
Parquery detects vehicles even with doors opened
Parquery detects vehicles even with people around
Parquery detects vehicles even when loading in the box

Le occlusioni parziali, come il passaggio di autobus, pullman, camion, pedoni o biciclette, e i cambiamenti di aspetto causati, ad esempio, da porte aperte durante il carico e lo scarico o da carrelli della spesa, non compromettono il rilevamento.

Parquery non cede nemmeno sotto sforzo

 

Allo stesso tempo, gli algoritmi di Parquery sono in grado di rimanere robusti di fronte al disordine, al rumore e ai modelli di sfondo che possono assomigliare a parti del veicolo estrapolate dal contesto. Macchie d'olio, ombre, riflessi, superfici stradali rotte, chiazze di asfalto riparato, segni di pneumatici, carrelli della spesa, spazzatura o rifiuti lasciati dietro di sé sono esempi di problemi di questo tipo.

 

Parquery differentiates people from vehicles
Parquery differentiates random objects on the ground from vehicles
Parquery differentiates trolleys from vehicles
Parquery differentiates shopping carts from vehicles
Parquery differentiates cyclists from vehicles
Parquery differentiates passing cyclists from vehicles

Gli algoritmi di Parquery distinguono pedoni, biciclette, valigie, carrelli, ciclisti, ecc. dai veicoli.

 

Parquery’s algorithms are robust to rubbish on the ground
Parquery differentiates oil stains from vehicles
Parquery differentiates stains and tyre marks from vehicles
Parquery differentiates autumn leaves from vehicles
Parquery detects vehicles even under heavy snow

La spazzatura, le macchie d'olio e d'acqua, la pioggia che si asciuga, i segni di pneumatici, le foglie autunnali o la neve non traggono in inganno l'intelligenza artificiale di Parquery.

 

Parquery’s algorithms are robust from rain drops
Parquery’s algorithms are robust to condensation
Parquery’s algorithms are robust to image noise, such as spider webs
Parquery’s algorithms are robust to spider webs in glaring sun
Parquery’s algorithms are robust to noise from lens flare

Parquery è robusto anche nei confronti di altri problemi tipici dei sistemi basati su telecamere, ad esempio bagliori sull'obiettivo in controluce, i graffi e gli agenti inquinanti sull'obiettivo della telecamera, come polvere, gocce di pioggia, condensa o persino ragnatele che catturano e riflettono la luce.

 

Quali sono i componenti fondamentali della soluzione di Parquery?

Anche la migliore IA a volte capitola

 

 

Nessun sistema è sicuro al 100%: se la visuale della telecamera è completamente bloccata, anche l'IA più intelligente non può rimediare.

Si noti, tuttavia, che nell'immagine originale mostrata, un'auto (punto giallo) viene comunque rilevata anche se è appena visibile.

 

If cameras have a blocked view, no detection is possible

Più di 80 progetti in oltre 30 paesi in tutto il mondo

 

Esplorare le nostre referenze