start2park

Parksuche erfassen, verstehen und prognostizieren

Problemstellung

Bei der Kalkulation der Reisezeit durch Navi-Apps wird die MIV-Parksuchzeit vernachlässigt. Durch deren Vernachlässigung erscheint die Attraktivität des MIV im Vergleich zu anderen Verkehrsmitteln höher als sie tatsächlich ist. Eine Implementierung der Parksuchzeit in Navi-Apps könnte unnötigen Parksuchverkehr reduzieren. Damit verbunden wären Entlastungen in den Bereichen Emissionen, Verkehrsmenge und Reisezeit. Zudem zeigt die wissenschaftliche Literatur, dass die Parksuchzeit bisher nicht überzeugend erhoben wurde.

Projektziel

Entwicklung eines Erklärungsmodells für die Parksuchdauer, um Stellschrauben für die Verkehrsplanung zu identifizieren. Entwicklung eines Prognosemodells für die Parksuchdauer, um Realtime-Prognosen der Parksuchzeit in Navi-Apps zu implementieren.

Durchführung

Die Trackingdaten werden App-gestützt mit der Hilfe von Testfahrern erhoben. Einige Fahrten werden begleitet und für qualitative Interviews genutzt. Der erhobene Daten-Pool wird mit vorhandenen Big Data kombiniert. Es werden mittlere Parksuchzeiten nach Stadtteiltypen und Zeiten ermittelt. Im Anschluss erfolgt – basierend auf einer großen Strichprobe von Trackingdaten, die ca. 6% aller Verkehrsteilnehmer in Deutschland enthält – eine Hochrechnung. Mittels statistischer Analysen wird die Parksuchdauer durch mögliche Determinanten (z.B. Verkehrsdichte, Datum, Uhrzeit etc.) erklärt (Erklärungsmodell). Mit Hilfe von Methoden des maschinellen Lernens wird ein Prognosemodell erstellt, mit denen Realtime-Prognosen durchgeführt werden können. Alle erhobenen Daten und berechneten Werte werden dokumentiert und anschließend auf der mCLOUD veröffentlicht.