Detailergebnis zu DOK-Nr. 79223
Kurzfristige Prognose von Off-Street-Parkplatzbelegungen (Orig. engl.: Short-term forecasting of off-street parking occupancy)
| Autoren |
E.S. Fokker T. Koch M. van Leeuwen E.R. Dugundji |
|---|---|
| Sachgebiete |
5.13 Ruhender Verkehr (Parkflächen, Parkbauten) 0.11 Datenverarbeitung 6.2 Verkehrsberechnungen, Verkehrsmodelle |
Transportation Research Record: Journal of the Transportation Research Board Vol. 2676, H. 1, 2022, S. 637-654, 13 B, 3 T, 37 Q. - Online-Ressource: verfügbar unter: https://journals.sagepub.com/home/trr
Informations- und Kommunikationstechnologien haben den Weg geebnet, mit neuen Entwicklungen das Parken zu steuern. In dem umfangreichen Artikel werden diese Technologien angewendet, um ein Entscheidungssystem zu modellieren, das für 57 Off-Street-Parkplätze in Amsterdam eine Belegungsprognose für sechs Monate im Voraus gibt. Hierzu wurde eine Wirkungsanalyse durchgeführt bezüglich Wetter-, Veranstaltungs-, Parktarif- und ÖPNV-Attribute. Die wichtigsten Einflussfaktoren auf die Parkplatzbelegung waren die Planung von Kunst- und Sportveranstaltungen, die Erweiterung des ÖPNV um eine Linie und Wetterdaten. Eingesetzt wurden fünf Prognosen-Algorithmen: saisonal-naiv-Modell, Box-Jenkins saisonaler AR integrierter MA, mit und ohne exogene Regressoren (SARIMAX und SARIMA), ETS und LSTM. Das SARIMAX-Modell übertraf die anderen Algorithmen für die 6-Monats-Vorhersage. Zukünftige Studien könnten sich auf die Hinzufügung weiterer Ereignisvariablen und Erweiterungen konzentrieren, beispielsweise in ein Online-Modell, Entfernung zum ÖPNV, Erholungseinrichtungen, Gewerbegebiete, Krankenhäuser oder soziale Sicherheit.