Den nye Find & Pay-appen skal kunne forutse hvor det er størst sannsynlighet for å finne en ledig parkeringsplass.
Den nye Find & Pay-appen skal kunne forutse hvor det er størst sannsynlighet for å finne en ledig parkeringsplass. (Bilde: Easypark)

Lanserer ny app: Samler og analyserer data fra IoT-sensorer og brukere for å gjøre det enklere å finne parkering

Studier fra UCLA-universitetet i California viser at opptil 30 prosent av trafikken i trafikkerte byer er personer som leter etter parkering, noe som kan bety store klimagassutslipp. Nå melder selskapet Easypark at de er klar med teknologi som de hevder skal kunne redusere tiden man bruker på å lete etter parkeringsplass med så mye som 50 prosent. 

Easypark er opprinnelig et norsk selskap, som har vokst videre ut i Europa og nå har hovedkontor i Sverige. Selskapets nye løsning, Find & Pay, bruker «big data» (stordata), prediktive analyser og maskinlæring for å kunne forutse hvor i byen det er størst sannsynlighet for å finne en ledig parkeringsplass. Det går frem av en pressemelding fra selskapet.

– Våre parkeringsdata er samlet inn i mange år. Nå kombinerer vi dette med maskinlæring og «big data» for å forutsi hvor du mest sannsynlig vil finne parkering på et hvilket som helst tidspunkt på dagen, skriver Markedsansvarlig Ludvik Eide i Easypark i en epost til digi.no.

Kombinerer transaksjonsdata og data fra IoT-enheter

Den nye funksjonen er basert på teknologi Easypark fikk tilgang til da de kjøpte opp det israelske selskapet Parko for ett år siden. Parko har utviklet algoritmer som kan regne ut sannsynligheten for at det er tilgjengelige parkeringsplasser i et bestemt område. 

Ifølge nettstedet Breakit.se skal Easypark ha investert opp mot 100 millioner kroner for å ta frem Find & Pay-plattformen. Inkludert i denne summen er også oppkjøpet av Parko.

Ludvik Eide i Easypark forteller at selskapet bruker transaksjonsdata kombinert med andre ulike opplysninger fra brukere, samt kilder som IoT-enheter og sensorer, i tillegg til tredjepartsdata. Med transaksjonsdata menes posisjonsdata som hentes inn når brukeren starter eller stopper en parkering. 

– 78 sjåfører har i Norge innhentet sanntidsdata med ulike systemer for å trene opp algoritmen og kalibrere våre tilgjengelighetsprognoser for parkering. Vi bruker maskinlæring for å lage en selvlærende algoritme, slik at appen blir smartere, jo mer den brukes. Den kombinerer bruker opplysninger (parkeringens søketid syklus), så jo flere brukere som bruker systemet, jo mer nøyaktige blir tjenesten. Vi har allerede 500 + slike brukere som har hjulpet oss i denne prosessen, sier Eide.

Her i Norge har enkelte kommuner installert NB-IoT-baserte sensorer fra Q-Free, og disse dataene vil også deles med Easypark.

– Vi er koblet på sensorer i dag som f.eks i Sandvika /Bærum hvor vi viser i appen helt nøyaktig hvor det er ledig gateparkering til en hver tid. Slike løsninger fungerer fint, men for å gjøre det mer eskalerbart og bærekraftig ønsker vi også å benytte oss av egne systemer og data som vi mener kan bli oppimot like nøyaktig som nedgravde, batteri drevene sensorer, sier Eide.

Norske byer får løsningen i løpet av året

Via en slags navigasjonsapp vil brukeren få informasjon om hvor det er størst sannsynlighet for å finne parkering, så nær som mulig destinasjonen. Man blir så guidet frem til målet, og når man kommer frem kan man betale for parkeringen direkte fra mobilen.

Stockholm blir første by som tar i bruk det nye systemet, i september. Noe senere i år kommer Oslo, Bergen, Trondheim og Stavanger. 

Kommentarer (1)

Kommentarer (1)
Til toppen