0. Περίληψη
Η εργασία μας αφορά στην ανάπτυξη ενός συστήματος ενημέρωσης και πλοήγησης σε διαθέσιμες θέσεις στάθμευσης για άτομα με αναπηρία στην πόλη της Καλαμαριάς του νομού Θεσσαλονίκης, βασισμένο αποκλειστικά σε τεχνολογίες ανοιχτής αρχιτεκτονικής. Στόχος μας είναι να ανταποκριθούμε στην ανάγκη των ΑμεΑ της περιοχής για ενημέρωσή τους σχετικά με τις ελεύθερες υπάρχουσες θέσεις parking και την εξεύρεση της προτιμότερης για αυτούς.
Το έργο μας αποτελείται από (α) εφαρμογή για φορητές συσκευές, η οποία αναπτύχθηκε στο περιβάλλον του MIT AppInventor, σχεδιάστηκε με βάση τις αρχές του καθολικού σχεδιασμού, προβάλλει σε διαδραστικό χάρτη και σε πραγματικό χρόνο τις διαθέσιμες θέσεις στάθμευσης, πληροφορεί για πιθανή τους χρέωση και παρέχει οδηγίες πλοήγησης, καθώς και (β) διάταξη αισθητήρων η οποία ανιχνεύει αν μία θέση στάθμευσης είναι διαθέσιμη ή κατηλλημένη, η οποία αποτελείται από κάμερα AI και αισθητήρες απόστασης και διαχειρίζεται από τον υπολογιστή ανοιχτής αρχιτεκτονικής Raspberry Pi και προ-εκπαιδευμένο μοντέλο Τεχνητής Νοημοσύνης.
Η λύση που προτείνουμε έχει ως στόχο της την ενίσχυση της αυτονομίας των ατόμων με αναπηρία και των συνοδών τους και τη διευκόλυνση της συμμετοχής τους στην κοινωνική ζωή.
1. Εισαγωγή – Αφόρμηση
Αφορμή για την ιδέα μας ήταν η διαπίστωση πως στην περιοχή μας, την Καλαμαριά, οι οδηγοί αντιμετωπίζουν καθημερινά πρόβλημα να βρουν θέσεις στάθμευσης για τα οχήματά τους. Μεγαλύτερο πρόβλημα όμως αντιμετωπίζουν τα άτομα με αναπηρία και οι συνοδοί τους, οι οποίοι επειδή δεν μπορούν να έχουν ενημέρωση για τη διαθεσιμότητα των θέσεων parking που προορίζονται για αυτούς, αναγκάζονται να περιπλανιούνται συχνά για ώρα χωρίς αποτέλεσμα. Αυτό δυσκολεύει πολύ την καθημερινότητα τους και έχει αρνητικές επιπτώσεις στην κινητικότητά τους. Πρόθεσή μας ήταν μέσα από την ανάπτυξη μιας εφαρμογής να τους διευκολύνουμε.
2. Περιγραφή της ιδέας / πρότασης μας και του στόχου
Ξεκινώντας από το πρόβλημα εύρεσης θέσεων στάθμευσης για τα οχήματα των ΑμεΑ αποφασίσαμε να αναπτύξουμε ένα σύστημα / διάταξη που θα παρέχει τη δυνατότητα εντοπισμού των ελεύθερων θέσεων στάθμευσης και πλοήγησης πρός αυτές.
Αρχικά καταγράψαμε όλες τις διαθέσιμες θέσεις στάθμευσης για Άτομα με Αναπηρία (γεωγραφικό μήκος και πλάτος) που υπάρχουν στον δήμο της Καλαμαριάς και τις αποτυπώσαμε στον ψηφιακό χάρτη της Google (Google Maps).
Στη συνέχεια υλοποιήσαμε:
- Εφαρμογή (Application) για φορητές συσκευές (κινητά τηλέφωνα, tablets, συσκευές πλοήγησης), η οποία:
- αναπτύχθηκε στο ανοιχτό περιβάλλον προγραμματισμού AppInventor του MIT
- σχεδιάστηκε σύμφωνα με τις αρχές του Καθολικού Σχεδιασμού (Universal Design), δίνοντας έμφαση στην απλότητα, στην ευχρηστία, στην προσβασιμότητα για όλους τους χρήστες
- προβάλλει σε διαδραστικό χάρτη όλες τις θέσεις στάθμευσης ΑμεΑ της Καλαμαριάς
- εμφανίζει σε πραγματικό χρόνο τη διαθεσιμότητα κάθε θέσης (ελεύθερη / κατειλημμένη) λαμβάνοντας τις κατάλληλες πληροφορίες από το σύστημα αισθητήρων
- παρέχει οδηγίες πλοήγησης από την τρέχουσα θέση του χρήστη προς την επιλεγμένη διαθέσιμη θέση.
- Διάταξη παρακολούθησης διαθεσιμότητας θέσεων στάθμευσης, η οποία
- αποτελείται από έναν συνδυασμό κάμερας με δυνατότητες AI και έναν αισθητήρα απόστασης
- τοποθετείται στις θέσεις στάθμευσης ΑμεΑ,
- ανιχνεύει αν η θέση είναι κατειλημμένη ή ελεύθερη,
- ενημερώνει σε πραγματικό χρόνο την εφαρμογή για την κατάστασή της και συνοπτικά
3. Τεχνολογίες και Εξοπλισμός που χρησιμοποιήθηκε
Στο πλαίσιο της υλοποίησης του συστήματος χρησιμοποιήθηκαν τεχνολογίες ανοιχτής φιλοσοφίας και αρχιτεκτονικής.
Βασικό στοιχείο αποτελεί ο υπολογιστής μικρού μεγέθους Raspberry Pi 5, ο οποίος λειτουργεί ως η κεντρική μονάδα επεξεργασίας και ελέγχου του συστήματος. Πάνω στο υπολογιστή Rasperry Pi συνδέθηκαν (1) μία κάμερα με δυνατότητες AI και (2) ένας αισθητήρας απόστασης. Ειδικότερα
- Για την αναγνώριση και τον εντοπισμό οχημάτων που σταθμεύουν σε θέσεις στάθμευσης ΑμεΑ χρησιμοποιήθηκε η Raspberry Pi AI Camera με αισθητήρα Sony IMX500 και ενσωματωμένο επεξεργαστή Τεχνητής Νοημοσύνης. Η κάμερα αναγνωρίζει την πληρότητα των θέσεων στάθμευσης μέσω μοντέλου μηχανικής μάθησης που εκτελείται απευθείας στη συσκευή, εξασφαλίζοντας γρήγορη και αποδοτική επεξεργασία εικόνας.
- Επιπλέον, χρησιμοποιήθηκε ο αισθητήρας απόστασης Gravity URM09 Ultrasonic Distance Sensor (2–500 cm, I2C) για την ανίχνευση της παρουσίας ή απουσίας οχήματος στις θέσεις στάθμευσης. Ο αισθητήρας παρέχει αξιόπιστες μετρήσεις σε πραγματικό χρόνο, συμβάλλοντας στη βελτίωση της ακρίβειας και της αξιοπιστίας του συστήματος.
Για την αποθήκευση του λειτουργικού συστήματος (Raspbian OS) και των απαραίτητων μοντέλων Μηχανικής Μάθησης και αρχείων χρησιμοποιήθηκε κάρτα microSD, ενώ η τροφοδοσία του συστήματος γίνεται από τροφοδοτικό Raspberry Pi 5 Type C (27W).
4. Υλοποίηση του έργου / στάδια κατασκευής.
Η εφαρμογή πλοήγησης
Αρχικά σχεδιάσαμε και προγραμματίσαμε την εφαρμογή. Συγκεκριμένα, η εφαρμογή υλοποιήθηκε στο περιβάλλον AppInventor του MIT και αποτελείται από έναν διαδραστικό χάρτη, τις θέσεις στάθμευσης για ΑμεΑ ως markers πάνω στον χάρτη, μία λίστα επιλογής των θέσεων (listpicker) και το κουμπί των οδηγιών. Κάθε πινέζα (marker) του διαδραστικού χάρτη περιλαμβάνει τις πληροφορίες της θέσης στάθμευσης και συγκεκριμένα την ακριβή διεύθυνση της, τον αριθμό των διαθέσιμων θέσεων και το αν η στάθμευση είναι δωρεάν η απαιτείται πληρωμή. Η πλοήγηση προς την επιθυμητή θέση στάθμευσης ξεκινάει από την επιλογή της θέσης από την “Λίστα επιλογής Θέσης”. Στη συνέχεια ο χρήστης μπορεί να πατήσει το κουμπί των οδηγιών πλοήγησης προς τη θέση, οπότε και ανοίγει το περιβάλλον Google Maps το οποίο αναλαμβάνει τη διαδικασία πλοήγησης. Αυτό επιτυγχάνεται αφού το σύστημα παίρνει ως τοποθεσία εκκίνησης την ακριβή θέση της συσκευής του χρήστη και ως προορισμό τις ακριβείς γεωγραφικές συντεταγμένες της επιλεγμένης θέσης στάθμευσης, οι οποίες είναι καταχωρημένες στην εφαρμογή.
Η εφαρμογή είναι ολοκληρωμένη, πλήρως λειτουργική και διαθέσιμη στο αποθετήριο GitHub του project μας, ενώ η εικόνα που ακολουθεί απεικονίζει το περιβάλλον της εφαρμογής και ένα μικρό τμήμα του κώδικα που αναπτύχθηκε.
Εικόνα 4. Η εφαρμογή πλοήγησης και αποσπάσματα του κώδικα
Σύστημα παρακολούθησης θέσεων στάθμευσης
Για την υλοποίηση του συστήματος παρακολούθησης των θέσεων στάθμευσης αξιοποιήθηκε μια λύση βασισμένη σε μικροϋπολογιστή Raspberry Pi και κάμερα τεχνητής νοημοσύνης. Η συγκεκριμένη προσέγγιση εμπνεύστηκε από ανοικτό έργο “Parking Monitoring using Raspberry Pi AI Camera” της κοινότητας Hackster.io, στο οποίο παρουσιάζεται ένα σύστημα παρακολούθησης στάθμευσης με χρήση Raspberry Pi AI Camera.
Η τεχνολογία αυτή επιτρέπει την ανάλυση εικόνας σε πραγματικό χρόνο, ώστε να εντοπίζεται η παρουσία ή η απουσία οχήματος σε μία θέση στάθμευσης.
Στο προτεινόμενο σύστημα, η κάμερα συλλέγει εικόνες από τον χώρο στάθμευσης και μέσω αλγορίθμων υπολογιστικής όρασης αναγνωρίζει αν μια θέση είναι κατειλημμένη ή ελεύθερη. Τα δεδομένα αυτά επεξεργάζονται από το Raspberry Pi, το οποίο λειτουργεί ως κεντρική μονάδα επεξεργασίας και αποστέλλει την πληροφορία στην εφαρμογή κινητού τηλεφώνου. Με αυτόν τον τρόπο ο χρήστης μπορεί να ενημερώνεται σε πραγματικό χρόνο για τη διαθεσιμότητα των θέσεων στάθμευσης.
Εικόνα 5. Παρουσίαση (demo) του iParkable
Στην περίπτωση της παρούσας εργασίας, η τεχνολογία αυτή μπορεί να συμβάλει σημαντικά στη δημιουργία «έξυπνων» συστημάτων στάθμευσης που διευκολύνουν την κινητικότητα των ατόμων με αναπηρία και ενισχύουν τη λειτουργία των σύγχρονων έξυπνων πόλεων.
Μέχρι στιγμής έχει ολοκληρωθεί η συναρμολόγηση του συστήματος, η εγκατάσταση και παραμετροποίηση του λειτουργικού συστήματος Raspberry Pi OS, η σύνδεση της κάμερας Τεχνητής Νοημοσύνης και του αισθητήρα απόστασης, καθώς και η εγκατάσταση και επιτυχής λειτουργία του μοντέλου Μηχανικής Μάθησης που αναγνωρίζει την παρουσία ή απουσία οχήματος στη θέση στάθμευσης.
Η βασική πρόκληση που παραμένει και την οποία δεν καταφέραμε να υλοποιήσουμε αφορά τη διασύνδεση του συστήματος με την εφαρμογή πλοήγησης για τη μετάδοση της πληροφορίας για τη διαθεσιμότητα της θέσης σε πραγματικό χρόνο. Πρόκειται για ένα ιδιαίτερα απαιτητικό τεχνικό στάδιο, το οποίο εξακολουθούμε να προσπαθούμε να υλοποιήσουμε για την ολοκλήρωση της λειτουργικότητας του συστήματος.
5. Προκλήσεις – Δυσκολίες
Κατά τη διάρκεια της υλοποίησης του έργου αντιμετωπίσαμε ορισμένες δυσκολίες.
Μία από τις αρχικές προκλήσεις που κληθήκαμε να αντιμετωπίσουμε ήταν ο εντοπισμός των θέσεων στάθμευσης ΑμεΑ στο δήμο Καλαμαριάς και η σωστή αποτύπωσή τους μέσα στην εφαρμογή που δημιουργήθηκε στο MIT App Inventor. Η πρόκληση αυτή αντιμετωπίστηκε με επιτυχία μέσω ενός συνδυασμού επιτόπιων επισκέψεων και καταγραφών από τα μέλη της ομάδας, καθώς και της πολύτιμης συνεργασίας με τον Δήμο Καλαμαριάς, ο οποίος συνέβαλε στην παροχή των απαραίτητων πληροφοριών για την ακριβή χαρτογράφηση των θέσεων.
Στη συνέχεια προκληση αποτέλεσε η επιλογή της λύσης για τον προσδιορισμό του αν μία θέση είναι ελεύθερη ή κατηλημμένη. Μελετήσαμε παρόμοια projects και ενώ η αρχική επιλογή μας περιελάμβανε τον συνδυασμό Μαγνητομετρικών αισθητήρων και αισθητήρων Απόστασης, τελικά επιλέξαμε την λύση που χρησιμοποιεί κάμερα AI με δυνατότητα αξιοποίησης ενός προ-εκπαιδευμένου μοντέλου Μηχανικής Μάθησης, του ανοικτού έργου “Parking Monitoring using Raspberry Pi AI Camera” της κοινότητας Hackster.io.
Τέλος, όπως αναφέρθηκε στην προηγούμενη ενότητα, η σημαντικότερη δυσκολία που αντιμετωπίσαμε αφορούσε στη διασύνδεση του συστήματος ανίχνευση θέσεων με την εφαρμογή πλοήγησης για τη μετάδοση της πληροφορίας για τη διαθεσιμότητα της θέσης σε πραγματικό χρόνο. Πρόκειται για ένα ιδιαίτερα απαιτητικό τεχνικό στάδιο, το οποίο εξακολουθούμε να προσπαθούμε να υλοποιήσουμε ώστε το σύστημα μας να καταστεί πλήρως λειτουργικό.
6. Συμπεράσματα και μελλοντική εξέλιξη
Κατά τη διάρκεια υλοποίησης του συγκεκριμένου έργου αντιληφθήκαμε σε βάθος τις ανάγκες των ατόμων με αναπηρία και τη σημασία που έχει για αυτά και την αυτονομία τους η εύκολη εύρεση διαθέσιμων θέσεων στάθμευσης. Παράλληλα, αποκτήσαμε εμπειρία στη χρήση τεχνολογιών ανοιχτής αρχιτεκτονικής, όπως η ανάπτυξη εφαρμογών στο περιβάλλον MIT App Inventor, η αξιοποίηση μικροϋπολογιστών Raspberry Pi, καθώς και η ενσωμάτωση αισθητήρων και μοντέλων Τεχνητής Νοημοσύνης για την ανίχνευση κατειλημμένων ή ελεύθερων θέσεων στάθμευσης.
Ωστόσο, υπάρχουν σημεία της εργασίας μας τα οποία θα μπορούσαν να βελτιωθούν. Για παράδειγμα, στην παρούσα φάση εργαζόμαστε για την αύξηση της ακρίβειας στην ανίχνευση των θέσεων μέσω περαιτέρω εκπαίδευσης του μοντέλου μηχανικής μάθησης με επιπλέον δεδομένα.
Επιπλέον, σε επόμενο στάδιο η εφαρμογή θα μπορούσε να εμπλουτιστεί με πρόσθετα χαρακτηριστικά προσβασιμότητας, όπως φωνητική καθοδήγηση, συμβατότητα με αναγνώστες οθόνης, δυνατότητα μεγέθυνσης γραμματοσειρών, υψηλή χρωματική αντίθεση και απλοποιημένο περιβάλλον χρήσης. Επιπλέον, θα μπορούσε να υποστηρίζει την προβολή προσβάσιμων διαδρομών προς τις θέσεις στάθμευσης και την παροχή ηχητικών ή απτικών ειδοποιήσεων. Οι παρεμβάσεις αυτές θα ενίσχυαν σημαντικά την ευχρηστία της εφαρμογής και θα διασφάλιζαν την ισότιμη πρόσβαση σε ένα ευρύτερο φάσμα χρηστών.
Τέλος, στο μέλλον το σύστημα θα μπορούσε να επεκταθεί ώστε να καλύπτει περισσότερες περιοχές πέρα από το δήμο της Καλαμαριάς, δημιουργώντας ένα ευρύτερο δίκτυο «έξυπνων» θέσεων στάθμευσης για τα οχήματα των ατόμων με αναπηρία. Επιπλέον, θα μπορούσε να ενσωματωθεί σε δημοτικές πλατφόρμες έξυπνων πόλεων (smart cities) και να αξιοποιήσει περισσότερα δεδομένα σε πραγματικό χρόνο. Τέλος, η συνεργασία με τοπικούς φορείς ή δήμους θα μπορούσε να συμβάλει στην πρακτική εφαρμογή της λύσης και στη βελτίωση της καθημερινότητας των ατόμων με αναπηρία.
7. Δράσεις διάχυσης
Σελίδα του έργου στο GitHub: https://github.com/fkoutsakas/iparkable
Η διάχυση των αποτελεσμάτων του iParkable αποτέλεσε βασική μας μέριμνα κατά τη διάρκεια υλοποίησης του έργου, καθώς μας έδωσε τη δυνατότητα να παρουσιάσουμε τη δουλειά μας σε μαθητές, εκπαιδευτικούς, ερευνητές και εκπροσώπους της επιστημονικής και επιχειρηματικής κοινότητας και να λάβουμε πολύτιμη ανατροφοδότηση και σχόλια τα οποία υιθετ΄λησαμε για να βελτιώσουμε το project μας.
Παράλληλα, οι δράσεις διάχυσης συνέβαλαν στην προβολή του έργου και στην ενίσχυση του κοινωνικού του αντίκτυπου. Ειδικότερα, συμμετείχαμε (μεταξύ άλλων) στις παρακάτω δράσεις:
Στις 17 Μαρτίου 2026 παρουσιάσαμε το iParkable στο 6ο Φεστιβάλ Εκπαιδευτικής Ρομποτικής που διοργανώθηκε από τις Διευθύνσεις Πρωτοβάθμιας και Δευτεροβάθμιας Εκπαίδευσης Πέλλας. Ακολουθεί σχετικό βίντεο της παρουσίασης.
Στις 22 Απριλίου 2026 παρουσιάσαμε το iParkable στο 18ο Μαθητικό Συνέδριο Πληροφορικής Κεντρικής Μακεδονίας που πραγματοποιήθηκε στο ΝΟΗΣΙΣ – Κέντρο Διάδοσης Επιστημών και Μουσείο Τεχνολογίας Θεσσαλονίκης. Ακολουθεί σχετικό βίντεο της παρουσίασης.
Στις 22 Μαίου 2026 παρουσιάσαμε το iParkable στο 13ο Technology Forum στη Θεσσαλονίκη
Ακολουθούν οι σχετικές παρουσιάσεις.
Ακολουθεί σχετικό φωτογραφικό άλμπουμ από το εκπαιδευτικό πρόγραμμα (κλικ για περισσότερες φωτογραφίες)
Τέλος, εκτός από την παρούσα ιστοσελίδα και το αποθετήριο του GitHub η εργασία μας έχει αναρτηθεί στην ιστοσελίδα του σχολείου μας ώστε να είναι ελεύθερα και ανοιχτά διαθέσιμη στην εκπαιδευτική κοινότητα.
8. Κόστος Εξοπλισμού
- Raspberry Pi 5 – 8GB, Κόστος €134.90
- Official Raspberry Pi 5 Power Supply – 27W White, Κόστος €14.80
- Official Raspberry Pi Micro HDMI Cable 1m, Κόστος €5.90
- Raspberry Pi microSD Card – 64GB, Κόστος €19.90
- Raspberry Pi AI Camera, Κόστος €79.90
- Official Raspberry Pi 5 Camera Adapter Cable (50), Κόστος €3.90
- Gravity VL53L0X ToF Distance Sensor (30-2000mm), Κόστος €16.00
Συνολικό Κόστος Εξοπλισμού: €275.30
9. Βιβλιογραφικές Αναφορές
Ξενόγλωσσες πηγές
Jabbar, W. A., Ismail, M., Nordin, R., & Arif, S. (2021). An IoT Raspberry Pi-based parking management system for smart campus. International Journal of Electrical and Computer Engineering, 11(2), 1230–1240. https://www.open-access.bcu.ac.uk/14048/1/Manuscript%20%28Final%29-bcu.pdf
Lin, T., Rivano, H., & Le Mouël, F. (2017). A Survey of Smart Parking Solutions. IEEE Transactions on Intelligent Transportation Systems, 18(12), 3229-3253.
Shaheen, S., & Cohen, A. (2019). Smart Parking Systems: Technology, Trends, and Policy. Transportation Research Part C, 98, 48-63.
Redmon, J., & Farhadi, A. (2018). YOLOv3: An Incremental Improvement. Computer Vision and Pattern Recognition.
Raspberry Pi Foundation (2024). Raspberry Pi Documentation. Διαθέσιμο στο: https://www.raspberrypi.org/documentation/
MIT Center for Mobile Learning (2024). MIT App Inventor Documentation. Διαθέσιμο στο: https://appinventor.mit.edu/
Ελληνικές πηγές
Καλογήρου, Σ. (2018). Έξυπνες Πόλεις και Διαχείριση Κυκλοφορίας. Αθήνα: Εκδόσεις Κλειδάριθμος.
Παπαδόπουλος, Γ. (2021). Διαδίκτυο των Πραγμάτων (IoT) και εφαρμογές σε έξυπνες πόλεις. Θεσσαλονίκη: Εκδόσεις Τζιόλα.
Τσιλιγκιρίδης Θ., Αποστολάκης Ι., Φούσκας Γ., Πατριαρχέας Κ. (2000). Βασικές Υπηρεσίες Διαδικτύου – Βιβλίο Μαθητή. Αθήνα: ΥΠΕΠΘ.
Ιστοσελίδες
European Commission (2023). Smart Cities and Communities. https://smart-cities-marketplace.ec.europa.eu/
World Health Organization (2022). Disability and Accessibility in Urban Environments. https://www.who.int/
Parking Monitoring using Raspberry Pi AI Camera. https://www.hackster.io/541532/parking-monitoring-using-raspberry-pi-ai-camera-4c78cf