AI: is er plek op de parkeerplaats?

Artificial Intelligence (AI) kan allerlei bedrijfsprocessen verbeteren en versnellen door data slim te combineren. Dit bespaart je al gauw tijd, geld en moeite. OGD’s innovatieve start-up op het gebied van machine learning en AI bekijkt steeds welke winst we op deze manier kunnen behalen. Zo zijn we nu bezig medewerkers automatisch realtime via een app inzicht te geven in het aantal vrije parkeerplaatsen rondom ons hoofdkantoor. In deze blogpost vertel ik je hoe we dit doen.

Voorkom frustraties met AI

Ken je de frustratie van ergens aankomen met de auto en geen parkeerplek kunnen vinden? Volgens het CBS zijn parkeerproblemen één van de grootste irritatiebronnen in Nederlandse woonwijken. Ook onze medewerkers hadden hier last van op ons parkeerterrein. Zij zagen bij aankomst vaak een volle parkeerplaats, zoals hierboven.

Dus wij dachten: laten we hier eens AI op loslaten! Als je van tevoren al weet dat er geen plek is, scheelt dat namelijk een hoop tijd en frustratie. Je rijdt dan direct naar een alternatieve parkeerplaats. We hebben geen slagbomen of andere tools waarmee we het aantal auto’s op de parkeerplek makkelijk kunnen bijhouden. Daarom zijn we auto’s op het terrein realtime gaan detecteren met behulp van Machine Learning, om voortdurend aan te kunnen geven of er nog vrije parkeerplekken zijn.

De oplossing

Het is een uitdaging om een applicatie zelf de juiste dingen te laten herkennen op een afbeelding. Als oplossing kozen we een neural network. Met deze ‘computersimulatie van hoe het menselijk brein werkt’ detecteert een computer objecten op een afbeelding. In dit geval is dat een foto van onze parkeerplaats, die we elke vijf minuten opnieuw laten maken door een IR-camera.

Op onderstaande foto zie je het beeld dat de camera vangt:

Om te zorgen dat het model alleen de auto’s op de afbeelding telt, en bijvoorbeeld niet de bomen of lege parkeerplekken, hebben we een Keras-implementatie van RetinaNet object detection gebruikt. Vervolgens zorgden we er in korte tijd voor dat het model alleen onderscheid maakt tussen auto’s en achtergrond. Dit deden we door een model te kiezen dat al getraind was op de COCO image dataset en transfer learning toe te passen. Dankzij transfer learning detecteert het model nu slechts nog auto’s en is het specifiek een expert geworden in het herkennen van auto’s op de OGD-parkeerplaats.

Het resultaat na de object detection zie je hieronder:

Op basis van deze stappen maakten we een proof of concept. Zo wisten we snel of ons idee in de praktijk werkte en wat we nog moesten bijschaven. Keras met een TensorFlow is één van mijn favoriete libraries om snel ideeën te testen en een proof of concept te maken.

AI koppelen aan een applicatie

Het plan is nu om de data die we op deze manier verzamelen te verwerken in een app. Daarvoor maken we het model beschikbaar via een API. Deze app zal OGD’ers realtime een indicatie geven van het aantal vrije parkeerplaatsen bij ons hoofdkantoor. Een mogelijke vervolgstap is dat we een voorspellend model maken om de verwachte drukte ook voor de toekomst in te kunnen schatten. Zo krijgen OGD-medewerkers met AI nog meer grip op het snel vinden van de juiste parkeerplek!

Ben je benieuwd hoe je ook binnen jouw bedrijf gemakkelijk processen kunt versnellen en verbeteren met AI en Machine Learning? Lees dan hier verder, of neem contact met ons op om vrijblijvend van gedachten te wisselen. We denken graag met je mee!