當前停車場智能管理主要以封閉式停車場為主要服務對象，較少有廠商針對戶外開放式路邊停車格，設計適合之智能管理系統，其主要原因根源於路邊停車場的開放特性，加深了管理成本與難度。但從需求面而言，路邊停車的重要性並不亞於封閉式停車場，若能讓路邊停車之管理更有效率，除能讓駕駛者更容易找到車位，也能讓廠商有更多商機。
為實現路邊停車管理服務，需多方面軟硬體之整合，在與合作廠商討論後，我們將採用地磁感應器於空位狀態分析，同時也規劃以長距離低功耗物聯網傳輸技術(LoRa)當成物聯網通訊的解決方案，實現路邊車格之停位管理。其中，動態判斷停車格狀態為整體系統之核心技術之一，也是本產學合作關注之重點。然而，在實際場景中，地磁感測器易受外在環境變化之影響，仍有許多挑戰，我們歸納這些困難點包含:
(1)外在量測訊號雜訊
(2)不同位置量測之地磁訊號樣式差異
(3)環境磁場
(4)車種對地磁訊號造成地磁訊號樣式改變
(5)車道上移動之車輛對地磁訊號之干擾
(6)感應器座標影響三軸地磁訊號變化
(7)相鄰車位之狀態改變(停放與離開)直接影響地磁訊號變化。
計畫中，實驗室團隊將針對這些議題深入探討，並開發適合於時序性訊號樣式辨識之深度學習演算法。我們預計實現之深度學習網路將由兩大模組所構成，一為CNN訊號切片辨識模組，一為LSTM 時間軸空位狀態推論模組，該深度學習網路乃針對前述問題所設計，預期能提升辨識率與穩定度，確保商用化之可能性。