Detailergebnis zu DOK-Nr. 82148
Vorhersage der Parkplatznachfrage auf Universitätsgeländen mithilfe von Modellen des maschinellen Lernens (Orig. engl.: Predicting university campus parking demand using machine learning models)
| Autoren |
S. Paudel M. Vechione O. Gurbuz |
|---|---|
| Sachgebiete |
5.13 Ruhender Verkehr (Parkflächen, Parkbauten) 6.2 Verkehrsberechnungen, Verkehrsmodelle |
Transportation Research Record (TRR): Journal of the Transportation Research Board Vol. 2678, H. 6, 2024, S. 14-26, 5 B, 8 T, zahlr. Q. - Online-Ressource: verfügbar unter: https://journals.sagepub.com/home/trr
Die Parkplatznachfrage an Universitäten ist seit Jahrzehnten ein Problem und steigt von Jahr zu Jahr. Angesichts begrenzter Kapazitäten, Flächen und Mittel für den Ausbau von Parkmöglichkeiten besteht ein dringender Bedarf, das Parkverhalten an Universitäten besser zu verstehen, damit die Hochschulen die begrenzten Ressourcen besser nutzen können. Eine Methode, die von Organisationen des "Metropolitan Planning“ zur Vorhersage des Fahrtverhaltens verwendet wird, ist die sogenannte Verkehrsnachfragemodellierung. Die gängigste Modellierungstechnik ist ein vierstufiges Verfahren, bei dem sozioökonomische Daten zur Vorhersage des aktuellen und zukünftigen Verkehrsaufkommens in einem Netzwerk (z. B. einer Stadt) verwendet werden. Diese Studie konzentriert sich in erster Linie auf den Schritt der Fahrterzeugung, wobei der Campus der "University of Texas at Tyler“ als Fallstudie diente. Zunächst wurde jeder Parkplatz auf dem Campus einer Parknachfragezone (Parking Demand Zone, PDZ) zugeordnet, basierend auf seiner Nähe zu den Unterrichtsgebäuden, und die stündliche Ankunftsnachfrage für jede PDZ wurde mit Hilfe von Druckluftschläuchen gemessen. Anschließend wurden die Kurspläne und die Daten zur Flächennutzung für jedes Gebäude auf dem Campus als Eingabeparameter extrahiert, um die Parknachfrage in jeder PDZ vorherzusagen. Es wurden ein lineares Regressionsmodell und zwei künstliche neuronale Netzwerke (ANN) entwickelt. Ein ANN-Modell wurde empfohlen, da es einen R-Quadrat-Wert von 0,846 aufwies. Aus dem ausgewählten ANN-Modell wurde eine Gleichung extrahiert, die von der universitären Kursplanung verwendet werden kann, um den Kursplan so anzupassen, dass die Parkplatznachfrage auf dem Campus besser gedeckt werden kann, ohne dass neue Parkmöglichkeiten geschaffen werden müssen.