Modellering bezetting ondergrondse parkeergarage Vrijdagmarkt in Gent

In Gent leidt het zoeken naar parkeerplaatsen door bestuurders vaak tot verkeerscongestie. Een mogelijke oplossing is het tonen van de voorspelde bezettingsgraad van ondergrondse parkeergarages op de stadsstraten.

Deze casestudy onderzocht de bezettingsgegevens van de "Vrijdagmarkt" parkeergarage van 25 oktober 2018 tot 18 maart 2019, met behulp van diverse machine learning-tools. Het doel was om dagelijkse bezettingsprofielen te karakteriseren en een voorspellend model te ontwikkelen voor de parkeerbezetting in het volgende uur.

Resultaten en Conclusies

De studie identificeerde met succes verschillende en specifieke dagelijkse bezettingstijdpatronen en observeerde een duidelijke evolutie van deze patronen gedurende de week.

Het Hybride Neurale model bereikte een acceptabele voorspellingsnauwkeurigheid voor de parkeerbezetting in het volgende uur, waarbij 99,7% van de waargenomen bezettingspercentages binnen een marge van 10% van de voorspellingen lag.

Deze casestudy toont het potentieel van machine learning-tools bij het analyseren en voorspellen van de bezetting van parkeerplaatsen, wat kan worden gebruikt om verkeerscongestie te verminderen door real-time informatie over de parkeerbezetting aan bestuurders te verstrekken.