对主机厂和地图供应商来说，如何评估不同停车数据提供商的数据质量，实地测试（Ground Truth Testing）是一个极其重要的工具。简单来说，实地测试GTT就是前往多个地点，将数据提供商所提供的信息与所在地点的实况信息进行比较，从而了解静态和动态数据属性的准确性。
GTT看似很简单，但评估供应商的兴趣点（POI）数据是一个复杂的过程，需要进行详细全面的规划，以便对竞争供应商进行公平的评估。在准备地面实况测试时，应以驾驶员停车体验帮助确定要测试的区域：
在停车需求最迫切的区域，如市区购物中心、娱乐中心、商业区或靠近主要交通枢纽的地点，停车信息服务是驾驶员最关心的。而针对停车压力极小的小型集镇和居民区进行测试，虽然也算是测试，但是这样的测试对驾驶员来说意义不大，因为这些地方停车位非常充裕。所以，测试应集中在城市以及停车需求较大的城市区域。
定义测试的停车类型能帮助我们减少后期分析的干扰项。最简单的测试类型是停车场停车。因为街边停车受城市监管，而且限制也很多，例如，小区车位、装卸货专用车位、限持停车证者使用车位、残疾人车位、下客车位等等。同时，测试应以付费车位为主（一天中至少有部分时段付费使用）。鉴于测试人员可能无法识别长租或产权车位和付费车位，这样做可以确保尽可能不漏掉街边停车的兴趣点，将误报率控制在最低水平。
另一个需要预先考虑的重要因素是，在测试标准中应赋予数据属性和类别的权重。对给驾驶员体验带来较大负面体验的问题，应赋予这些数据较高的权重，这些情形包括客户未被告知兴趣点的存在、客户被导航至一个已经不存在的停车场等。相反，应对影响体验不大的负面问题赋予较低的权重，这些情形包括缺少部分地址详细信息、缺少动态数据或无法付款等。通过对测试标准进行分类，可以真正反映出所有停车信息在驾驶员心目中的重要程度的排序。下面举例说明建议的类别和权重：
可视性：确定实地测试监测点已在供应商的数据中，并包含所有必要属性。
空间性：根据收集到的地理空间数据，可以应用适当的公差，对停车地点位置数据的准确性进行验证。
准确性：将实地测试地点收集到的图像，通过对必要属性和非必要属性赋予不同权重的方法，并对该地点的所有属性的可用性进行评分。
另外，应确保实地测试员记录所有被调查的停车库。如果在街上没有找到停车库或收费的街边停车位，则必须记录证据。这对于评估供应商是否提供过多/不足的兴趣点（停车场）数据，确保您100%掌握全部信息十分重要。
应当在办公室环境中对收集到的地面实况兴趣点数据进行评估。通过将数据收集与数据验证这两个步骤分开进行，方便后期评估每个停车供应商的数据，并且不受时间和技术的限制。
对收集到的数据进行客观分析的另一个关键在于，对供应商的数据和数据模型有透彻的了解。网站或app上的公开数据并不能代表实际提供给主机厂和导航商的数据包。全球各地的停车场管理模式迥异，这使解读和标记测试证据变得复杂，例如，显示的停车费中可能含或不含停车税。所以，建议在评估阶段之前，先与数据供应商进行沟通，以便更好了解供应商的数据和相关的兴趣点属性。此外，理解数据测试的方法要求也很重要，例如，通过使用某一地点的空闲停车位比例无法预测找到可用停车位。这些测试方法都能够客观反映动态数据的预测质量。
最后，对于您在实地测试时发现的不同与数据供应商所提供的信息，应充分沟通了解问题所在，这有助于您对兴趣点的测量结果和属性重新评分。
综上，作为数据供应商，泊知港希望您能更透彻了解泊知港的停车数据，并在使用我们的数据时获得最佳体验。