Resumen

La planificación del aparcamiento es una cuestión clave en el proceso de planificación del transporte urbano. Para formular un esquema de planificación de alta calidad, es fundamental disponer de una estimación precisa de la demanda de aparcamiento. La mayoría de los estudios publicados anteriormente se basaban principalmente en datos de encuestas de aparcamiento, que son costosas e inexactas. Debido a las limitadas fuentes de datos y a los modelos simplificados, la mayoría de las investigaciones anteriores estiman la demanda de aparcamiento sin tener en cuenta la relación entre la demanda de aparcamiento, el uso del suelo y los atributos del tráfico, lo que provoca una falta de precisión. Por ello, este estudio propone un marco basado en big data para la estimación de la demanda de aparcamiento. El marco consta de dos pasos. El primer paso es el método de división de zonas de aparcamiento, que se basa en la rejilla de información estadística y en algoritmos de agrupación multidensidad. El segundo paso es la estimación de la demanda de aparcamiento, que se extrae mediante máquinas de vectores soporte planteadas en forma de problema de regresión de aprendizaje automático. El marco se evalúa utilizando un caso en el centro de la ciudad de Cangzhou, China.

• Materias:Motores (Mecánica) Ingeniería del transporte Seguridad del transporte Planificación de ruta Capacidad de tráfico
• Subjects:Engines Transport engineering Transport safety Path planning Traffic capacity
• Palabras claves:estimación de la demanda de aparcamiento, demanda de aparcamiento, marco, método de división de zonas de aparcamiento, fuentes de datos limitadas, algoritmos de agrupación multidensidad, datos de encuestas de aparcamiento, esquema de planificación de calidad, cuadrícula de información estadística, máquinas de vectores soporte
• Keywords:parking demand estimation, parking demand, framework, parking zone division method, limited data sources, multidensity clustering algorithms, parking survey data, quality planning scheme, statistical information grid, support vector machines