An optimization tool for parking-aware routing

Urban parking search is a challenge that contributes to increased traffic congestion, environmental impact, and driver frustration. This thesis presents an innovative optimization tool for parking-aware routing that integrates precise spatial data with probabilistic occupancy estimates to guide drivers efficiently toward available parking spaces. By modeling the urban landscape as a network where nodes represent individual parking spots and clusters, and edges capture both driving and walking times, the proposed system formalizes the parking search problem as a specialized routing challenge. Three mathematical models are developed: one that enforces a minimum parking success probability via explicit constraints; a second that combines travel cost and probability in a single objective function through a tunable parameter; and a third that incorporates time-window constraints to maximize the latest feasible departure time while ensuring timely arrival. The implementation leverages a comprehensive Bergamo parking dataset, state-of-the-art mapping APIs for real-time travel estimations, and clustering techniques to reduce computational complexity. Experimental evaluations indicate that the approach significantly reduces expected search time and enhances route reliability, suggesting its potential to improve urban mobility and reduce associated congestion and emissions.

La ricerca del parcheggio nelle città è una sfida che contribuisce all'aumento del traffico, all'impatto ambientale e alla frustrazione dei conducenti. Questa tesi presenta uno strumento innovativo di ottimizzazione per il la ricerca del parcheggio, che integra dati spaziali precisi con stime probabilistiche di occupazione per guidare in modo efficiente i conducenti verso i posti auto disponibili. Modellando le città come una rete in cui i nodi rappresentano singoli parcheggi raggruppati tra di loro, e gli archi catturano sia i tempi di guida che quelli a piedi tra i diversi nodi, il sistema proposto formalizza il problema della ricerca del parcheggio come una sfida di routing specializzata. Sono stati sviluppati tre modelli matematici: uno che impone una probabilità minima di successo nel trovare parcheggio tramite vincoli espliciti; un secondo che combina il costo di viaggio e la probabilità in un'unica funzione obiettivo attraverso un parametro regolabile; e un terzo che incorpora vincoli di intervallo temporale per massimizzare l’orario di partenza possibile, garantendo al contempo un arrivo puntuale. L'implementazione sfrutta un dataset completo dei parcheggi di Bergamo, API di mappatura all'avanguardia per stime di viaggio in tempo reale e tecniche di clustering per ridurre la complessità computazionale. Le valutazioni sperimentali indicano che l'approccio riduce significativamente il tempo di ricerca previsto e migliora l'affidabilità del percorso, suggerendo il suo potenziale per migliorare la mobilità urbana e ridurre la congestione e le emissioni associate.