无人机驱动的智能路边监测：面向可持续城市停车治理的轻量级端到端框架

《Sustainable Cities and Society》：UAV-Enabled Intelligent Curbside Monitoring: A Lightweight End-to-End Framework for Sustainable Urban Parking Governance

　　

摘要

路边违停已成为快速城市化城市中持续面临的难题，有限的物理空间和不断增长的出行需求制约了传统执法的有效性。本研究提出了一种轻量级的端到端无人机框架，将车辆检测、停车位分割和空间重叠推理整合为一体，以统一的方式识别路边违规行为。该框架采用紧凑的网络架构以提高计算效率，同时保持可靠的检测和分割性能，从而便于在资源受限的无人机平台上部署。研究使用在不同光照条件下采集的多时段无人机数据集对系统进行评估，结果表明该系统能够在降低模型复杂度的同时准确识别违规行为。所提出的框架还生成了路边使用和违规的时空分布图，有助于识别城市道路沿线的交通干扰和冲突热点区域。这些输出为更有针对性的监测、后续执法和法规调整提供了证据基础，从而支持更具信息性和可持续导向的城市停车治理。

章节摘要

引言

智慧城市治理指的是协调运用数字技术、数据分析和参与机制，以提升城市系统的可持续性、效率性和公平性（Almulhim & Yigitcanlar, 2025）。在此议程下，可持续的城市停车治理构成一个关键领域，因为路侧空间的分配和监管直接塑造了交通流动性、安全性以及稀缺公共街道资源的分布（Schwerdfeger et al., 2025）。在本研究中，

城市路边停车治理

城市路边停车治理涉及对路侧停车空间的监管、定价和监控。更广泛地说，它关乎城市如何在需求竞争、法规异质性和情境敏感性执法的条件下分配和管理稀缺的路侧空间（Marsden et al., 2020）。路边停车嵌入在与动态交通流、行人流动和复杂城市几何形态的动态交互之中（Arnott & Rowse, 2009; Inci et al., 2024）。此外，

数据采集

本研究在南京——一个拥有多样且动态城市交通条件的主要中国大都市——开发了一个专用的无人机航拍图像数据集。本研究中使用的无人机视频于2024年5月23日（工作日）和2024年5月26日（周末）采集，包含两个观测时段：18:00-19:00和20:00-20:30。选择这些观测时段旨在捕捉晚间高峰时段和夜间时段的路边停车状况，同时便于工作日与周末之间的比较

方法论

本文提出了一种基于无人机的智能路边监控框架，用于筛选可从航拍图像中识别的路边停车违规行为，以支持可持续停车治理，如图3所示。该框架包含三个主要阶段：数据处理、车辆与停车位感知以及空间重叠推理。在核心分析流程中，车辆检测、停车位分割和空间重叠推理起到互补

实验环境与训练过程

实验在一个自建无人机数据集上进行，数据集按8:1:1的比例划分为训练集、验证集和测试集。所有实验均在同一服务器上执行，实验环境配置见表2。由于检测实验的主要目标是评估所提出的轻量级架构修改的有效性，因此对比设计特别侧重于消融分析

对可持续城市停车治理的启示

基于所提出的无人机检测框架，对工作日（周四）和周末（周日）相同时间间隔内录制的无人机视频进行了分析，以考察路边违法停车的时空变化。对比检测结果如图14所示，其中面板(a)至(d)分别展示了工作日和周末观测期间两个连续时间段（18:00-18:30和18:30-19:00）内检测到的违规分布情况。

如图14所示

结论

本研究提出了一种基于无人机的轻量级端到端范式，用于路边违法停车监控，以支持可持续城市停车治理。该框架整合了高效的航拍视角车辆检测器、轻量级合法停车位分割模型和空间重叠推理模块，以统一的方式从无人机图像中识别路边违规行为。在不同光照条件下采集的多时段无人机数据集上的实验结果表明

CRediT作者贡献声明

陈江：撰写——初稿、软件、项目管理、方法论、调查、形式化分析、数据管理。裴浩义：撰写——初稿、软件、方法论、调查、概念化。Tan Yigitcanlar：撰写——审阅与编辑、撰写——初稿、验证。吉燕洁：验证、监督、资金获取。唐宪康：软件、方法论、调查。杨璐：撰写——审阅与编辑、验证。

利益冲突声明

我们确认本文稿未在其他地方发表或投稿。作者声明我们不存在可能影响本文报告的已知竞争性经济利益或个人关系。

陈江|裴浩义|Tan Yigitcanlar|吉燕洁|唐宪康|杨璐

东南大学交通学院，中国江苏省南京市211189