Vorhersage der Parkhausbelegung mit Offenen Daten

Veröffentlicht im Mar 2015 von MechLab Engineering ~ 1 min Lesezeit

Die Vorhersage von Parkhausbelegungen ist eine praktische Anwendung von Machine Learning auf offene Daten. Mit den richtigen Features lassen sich Parkplatzauslastungen von Parkhäusern präzise vorhersagen.

Datengrundlage

Wir nutzen historische Belegungsdaten von Parkhäusern in der Stadt Dresden und kombinieren sie mit zusätzlichen Kontextinformationen:

• Zeitliche Features: Wochentag und Uhrzeit
• Ereignisse: Stadtfeste, Märkte, verkaufsoffene Sonntage
• Saisonalität: Feiertage und Ferienzeiten

Feature Engineering

Wochentag und Tageszeit sind starke Indikatoren für Parkplatzauslastung. Werktags zeigen sich andere Muster als am Wochenende.

Besondere Anlässe wirken sich deutlich auf die Belegung aus:

• Stadtfest: Erhöhte Auslastung über mehrere Tage
• Striezelmarkt: Saisonales Ereignis mit vorhersehbarem Muster
• Verkaufsoffener Sonntag: Punktuelle Spitzenlast

Modellierung

Ein Decision Tree Regressor Modell berücksichtigt die Wechselwirkungen zwischen Wochentag, Uhrzeit und Spezialevents. Die Kombination dieser Features ermöglicht Vorhersagen mit hoher Genauigkeit.

Ergebnis

Mit diesem Ansatz lassen sich Parkplatzauslastungen im Voraus vorhersagen und Nutzer auf verfügbare Plätze hinweisen.

See more: https://codefor.de/blog/stadtgeschichte-parkendd-dresden/