استفاده از سیستمهای هوشمند برای مدیریت تخصیص ظرفیت پارکینگها میتواند به بهبود عملکرد و کارایی این سیستمها کمک کند. این سیستمها با بهرهگیری از الگوریتمهای هوش مصنوعی و ارائه اطلاعات زنده و دقیق، میتوانند تخصیص پارکینگها را بهینه کرده و به رانندگان در یافتن پارکینگهای خالی کمک کنند. این اقدام منجر به کاهش تراکم ترافیک، کاهش زمان انتظار، کاهش مصرف سوخت و کاهش انتشار گازهای آلاینده میشود. علاوه بر این، تحلیل الگوهای استفاده از پارکینگ و پیشبینی تقاضا در ساعات اوج، به مدیران شهری در برنامهریزی و توسعه زیرساختها کمک میکند و بهرهوری و کاهش هزینههای مدیریتی را به همراه دارد. در این پایان نامه یک روش مبتنی بر الگوریتم ژنتیک برای توجه همزمان به محدودیت های مختلف هزینه پارکینگ، زمان و آلودگی ناشی از انتخاب پارکینگ توسط رانندگان پیشنهاد شده است. هر خیابان و منطقه دارای محدودیت های ظرفیتی مشخص از تعداد خودروهای قابل پذیرش است. ضمناً برخی مناطق دارای محدودیت های آلودگی هستند. بنابراین روش پیشنهادی سعی دارد تا با لحاظ کردن حداکثر تعداد خودرو قابل زمانبندی دریک بازه زمانی مشخص و با لحاظ کردن محدودیت های آلودگی، زمان تلف شده و هزینه پارکینگ، طرحی را ارائه دهد تا در مجموع کمترین برایند هزینه ای از تمامی این موارد میسر گردد. نتایج پیاده سازی و شبیه سازی ایده پیشنهادی نشان می دهد که روش پیشنهادی توانسته است مجموعه پاسخ هایی با سطح هزینه قابل قبول را ارائه دهد. هرچند براساس همین نتایج، اعمال محدودیت های محیطی در شبیه سازی سبب افزایش هزینه های الگوریتم ژنتیک برای یافتن پاسخ های مطلوب شده است.
