Inteligência Artificial para Gestão de Estacionamentos: Deep Learning aplicado na Classificação de Vagas
Resumo
Este artigo descreve o resultado da criação de um modelo de Inteligência Artificial (IA) para identificação de vagas de estacionamento, buscando mitigar o problema de identificação de vagas vazias. O projeto teve como objetivo identificar a acurácia do modelo treinado. O estudo utilizou imagens de um dataset público e demonstrou uma acurácia acima de 99% a partir da utilização do método da ResNeXt.Referências
Amato, G., Carrara, F., Falchi, F., Genaro, C., Meghini, C., and Vairo, C. (2016). Deep learning for decentralized parking lot ocupancy detection.
Baia, A. C., dos Reis, J. C., Técnico-IC-PFG, R., and de Graduação, P. F. (2024). Treinamento de modelos generativos multilíngues: Aplicação em sistemas de perguntas e respostas.
Cavenagli, W. M. and Mendes, C. M. (2020). Detecção de vagas em estacionamento usando visão computacional e redes neurais convolucionais. In XI Computer on the Beach, Balneário Camboriú, SC, Brasil.
Color, L. V. (2025). Sensor de vagas de estacionamento. Acesso em: 01 mar. 2025.
Contributors, M. (2023). Openmmlab’s pre-training toolbox and benchmark. [link].
de Campos, E. A. V. and de Oliveira, O. F. (2024). Detecção de objetos em imagens usando faster r-cnn. Revista Camalotes, 3(2).
Derísio, J. C. (2017). Introdução ao controle de poluição ambiental. São Paulo: Oficina de Textos, 5th edition.
Fiorin, D. C. and Stares, S. C. (2019). Análise da ocupação das vagas de estacionamento na área central do município de joaçaba, sc. Conhecimento em Construção, 6:21–34.
Freitas, E., Gasparotto, R., Fernandes, E., Santos, J. A., Storino, Y., Andrade, S., and Ferrara, L. F. (2024). Sistema de cadastro e controle automático em estacionamento via inteligência artificial. In Anais do Congresso Brasileiro de Iniciação Científica, volume 1, pages 37–41.
Hu, J., Shen, L., Albanie, S., Sun, G., and Wu, E. (2017). Squeeze-and-excitation networks.
IBGE (2023). Frota de veículos. [link]. acessado em 01/03/2025.
Lima, D. H. d. S. et al. (2014). Um sistema oportunista para detecção de vagas de estacionamento utilizando placas inteligentes acopladas em câmeras de segurança.
Lima Neto, I. S. d. (2025). Detecção de objetos aplicada a nanopartículas com yolo.
Martynova, A., Kuznetsov, M., Porvatov, V., Tishin, V., Kuznetsov, A., Semenova, N., and Kuznetsova, K. (2024). Revising deep learning methods in parking lot occupancy detection.
Oliveira, L., Milena, P., Araújo, G., Dias, J., and Haddad, D. (2020). Detecção inteligente de vagas de estacionamento baseado em climas usando imagens aéreas e aprendizado profundo. In Xxxviii Simpósio Brasileiro de Telecomunicações e Processamento de Sinais. Sbrt.
Paz, F. M. d. (2024). Sistema para gestão organizacional de vagas de estacionamento utilizando visão computacional.
Phuong, M. and Hutter, M. (2022). Formal algorithms for transformers.
Tekouabou, S. C. K., Cherif, W., Silkan, H., et al. (2022). Improving parking availability prediction in smart cities with iot and ensemble-based model. Journal of King Saud University-Computer and Information Sciences, 34(3):687–697.
Xie, S., Girshick, R., Dollár, P., Tu, Z., and He, K. (2016). Aggregated residual transformations for deep neural networks.
Baia, A. C., dos Reis, J. C., Técnico-IC-PFG, R., and de Graduação, P. F. (2024). Treinamento de modelos generativos multilíngues: Aplicação em sistemas de perguntas e respostas.
Cavenagli, W. M. and Mendes, C. M. (2020). Detecção de vagas em estacionamento usando visão computacional e redes neurais convolucionais. In XI Computer on the Beach, Balneário Camboriú, SC, Brasil.
Color, L. V. (2025). Sensor de vagas de estacionamento. Acesso em: 01 mar. 2025.
Contributors, M. (2023). Openmmlab’s pre-training toolbox and benchmark. [link].
de Campos, E. A. V. and de Oliveira, O. F. (2024). Detecção de objetos em imagens usando faster r-cnn. Revista Camalotes, 3(2).
Derísio, J. C. (2017). Introdução ao controle de poluição ambiental. São Paulo: Oficina de Textos, 5th edition.
Fiorin, D. C. and Stares, S. C. (2019). Análise da ocupação das vagas de estacionamento na área central do município de joaçaba, sc. Conhecimento em Construção, 6:21–34.
Freitas, E., Gasparotto, R., Fernandes, E., Santos, J. A., Storino, Y., Andrade, S., and Ferrara, L. F. (2024). Sistema de cadastro e controle automático em estacionamento via inteligência artificial. In Anais do Congresso Brasileiro de Iniciação Científica, volume 1, pages 37–41.
Hu, J., Shen, L., Albanie, S., Sun, G., and Wu, E. (2017). Squeeze-and-excitation networks.
IBGE (2023). Frota de veículos. [link]. acessado em 01/03/2025.
Lima, D. H. d. S. et al. (2014). Um sistema oportunista para detecção de vagas de estacionamento utilizando placas inteligentes acopladas em câmeras de segurança.
Lima Neto, I. S. d. (2025). Detecção de objetos aplicada a nanopartículas com yolo.
Martynova, A., Kuznetsov, M., Porvatov, V., Tishin, V., Kuznetsov, A., Semenova, N., and Kuznetsova, K. (2024). Revising deep learning methods in parking lot occupancy detection.
Oliveira, L., Milena, P., Araújo, G., Dias, J., and Haddad, D. (2020). Detecção inteligente de vagas de estacionamento baseado em climas usando imagens aéreas e aprendizado profundo. In Xxxviii Simpósio Brasileiro de Telecomunicações e Processamento de Sinais. Sbrt.
Paz, F. M. d. (2024). Sistema para gestão organizacional de vagas de estacionamento utilizando visão computacional.
Phuong, M. and Hutter, M. (2022). Formal algorithms for transformers.
Tekouabou, S. C. K., Cherif, W., Silkan, H., et al. (2022). Improving parking availability prediction in smart cities with iot and ensemble-based model. Journal of King Saud University-Computer and Information Sciences, 34(3):687–697.
Xie, S., Girshick, R., Dollár, P., Tu, Z., and He, K. (2016). Aggregated residual transformations for deep neural networks.
Publicado
12/11/2025
Como Citar
LEMOS, Calebe P.; COSTA, Ederson R. da; CÁCERES, Enilda A. M. da R.; ESTEVAM, Maurício de S.; ALMEIDA, Thiago G. de.
Inteligência Artificial para Gestão de Estacionamentos: Deep Learning aplicado na Classificação de Vagas. In: ESCOLA REGIONAL DE APRENDIZADO DE MÁQUINA E INTELIGÊNCIA ARTIFICIAL DA REGIÃO SUL (ERAMIA-RS), 1. , 2025, Porto Alegre/RS.
Anais [...].
Porto Alegre: Sociedade Brasileira de Computação,
2025
.
p. 436-439.
DOI: https://doi.org/10.5753/eramiars.2025.15950.
