然而部署无人机群的一个重大挑战是防止它们相互碰撞并与此同时让它们避开障碍物。在无人机群中，当一架无人机必须改变其轨迹以避开障碍物时，邻近的无人机也要相应地同步它们的运动。然而，这种运动通常会导机蜂群减速并造成机群内部的各种交通堵塞从而导致碰撞的发生。
对此，研究人员Enrica Soria开发了一种新方法，该方法帮助解决掉这个问题。她开发了一种预测控制模型，可以让无人机对机群中的其他无人机做出反应并与此同时预测它们自己的行动和邻居的行动。研究人员表示，该模型让无人机能确定相邻无人机何时会减速，所以减速对其自身飞行的影响较小。
该模型还能使无人机更少地依赖中央计算机发出的指令。跟使用中央计算机不同，该模型允许无人机使用本地信息进行指挥并自动修改它们的轨迹。控制模型的另一个有趣地方是，测试表明，该系统提高了无人机群在有很多障碍物的区域的速度、秩序和安全性。
对数字工具(例如采用计算机视觉技术的平台)的投资是一种解决方案，可通过更好地管理停车场的占用水平、消除纸票系统、停车障碍和商业停车的其他传统物理元素来帮助加速数字化。智能摄像机的部署尤其吸引了一个领域，它可以执行从车牌识别到交通流量检测和速度等功能，以及许多其他实用用途。这些功能在机场和运动场馆等环境中的地面停车场、大型零售或公司停车区中特别有用。
总部位于慕尼黑的停车管理解决方案软件开发商Peter Park通过连接不同的数字服务(例如支付应用程序，电子收费系统和导航提供商)来进一步提高安全性和可靠性，从而帮助许多停车运营开始向更复杂的自动化技术迁移。该公司在德国的50多个不同站点运营，每天记录超过25000笔交易。Peter Park的基于云的产品基于车牌识别技术(ANPR)的使用，该技术通常需要专门的车牌识别摄像头来识别特定车辆，检测停留时间并与在支付系统集成以实现全数字化停车经验
该公司正在使用具有强大微处理器的新型智能摄像机代替LPR摄像机，以通过摄像机上的多个视频分析应用程序推动智能车载分析。这些摄像机基于S&ST的开放式物联网平台，可以配备并灵活地重新配备各种应用程序，包括车牌识别、分析以检测烟雾、火灾、冰块、溢出物或其他危害的存在在停车环境中，以及其他可立即安装的应用程序，这些应用程序可满足停车管理的最紧迫需求。
“我们不仅可以将较佳应用程序用于计算机视觉任务，而且我们还可以为每种设置选择和组合不同供应商的较佳摄像机类型，充分利用各种不同的摄像机功能，例如变焦控制，例如一个例子，”Peter Park首席执行官兼联合创始人马克西米利安·施莱雷斯(Maximilian Schlereth)说。
