Pendekatan umum untuk memodelkan lalu lintas mobil di garasi parkir

8

seorang teman saya meminta saya untuk membantunya memodelkan lalu lintas mobil di garasi parkir berukuran sedang. Garasi memiliki hari-hari yang sibuk dan mudah, jam sibuk, jam buka mati (dibuka selama 12 jam selama hari kerja dan selama 8 jam selama akhir pekan).

Tujuannya adalah untuk memprediksi berapa banyak mobil yang akan memasuki garasi selama hari tertentu (katakanlah, besok) dan bagaimana mobil-mobil ini seharusnya didistribusikan sepanjang hari.

Tolong tunjukkan saya ke referensi umum (lebih disukai, tersedia untuk umum) untuk strategi dan teknik.

Terima kasih

David D
sumber
Apa sebenarnya yang Anda coba modelkan / prediksi di sini?
Nick
Terima kasih. Saya telah mengedit pertanyaan. Semoga sekarang lebih jelas
David D
Kedengarannya seperti masalah Proses Poisson bagi saya. Biarkan saya melihat apa yang dipikirkan orang lain tentang itu.
suncoolsu
Lihat komentar saya untuk jawaban Dmitrij Celov dan jelaskan pertanyaan Anda.
Boris Gorelik

Jawaban:

6

Bidang yang relevan dengan masalah adalah teori Antrian , sub-bidang tertentu adalah proses Kelahiran-kematian . Artikel yang menurut saya bermanfaat untuk tugas Anda adalah RC Larson dan K.Satsunama (2010) Harga Kemacetan: Model Antrian Parkir , mengikuti tautan dalam referensi akan memberikan lebih banyak ide tentang tempat untuk melanjutkan.

Perhatikan, bahwa baru-baru ini antrian paket R telah dirilis (dengan kesalahan cetak pada judulnya) Akhirnya, saya pikir, tautan ini untuk perangkat lunak antrian dapat membantu.

Dmitrij Celov
sumber
2
Proses kelahiran-kematian mencoba untuk menganalisis throughput dari proses (di sini, petugas garasi parkir, atau yang serupa). Saya merasa bahwa DavidD sedang mencari metode untuk memprediksi jumlah mobil yang akan mencoba untuk memeriksa di garasi (bukan antrian, tetapi permintaan).
Boris Gorelik
@ bbg, masalah dengan parkir adalah bahwa mobil di garasi tidak tinggal selama waktu, ketika Anda berkendara ke kota, Anda melihat berapa banyak tempat gratis di garasi tertentu, sehingga Anda memutuskan untuk menempatinya atau mencari gratis tempat di tempat lain (saya berasumsi bahwa itu adalah semacam tempat parkir, tetapi hanya di bawah tanah, di sini saya setuju bahwa lebih banyak rincian akan berguna). Karena mobil di garasi tidak tinggal bolak-balik sepanjang hari (s) jadi Anda perlu proses Kelahiran-kematian untuk menggambarkan apakah suatu tempat tertentu bebas atau ditempati, kali ini dalam sehari dan seminggu. Menunggu komentar David.
Dmitrij Celov
4

Memprediksi data per jam telah menjadi minat utama saya. Masalah ini muncul secara normal di Perkiraan Pusat Panggilan. Kita perlu memperhatikan pola jam dalam sehari, pola harian yang berbeda sepanjang minggu dan pola musiman sepanjang tahun (Indikator bulanan / Indikator Mingguan. Selain itu bisa dan saya telah melihat interaksi antara pola jam dan pola harian. Fungsi Transfer (generalisasi / super-set Regresi untuk data deret waktu) dapat dengan mudah mengakomodasi struktur yang disebutkan.Selain itu peristiwa sepanjang tahun (Xmas, Paskah dll) perlu mungkin dimasukkan menggunakan struktur timbal, kontemporer dan / atau lag. analisis kita perlu memvalidasi melalui skema Deteksi Intervensi bahwa tidak ada pulsa, Level / Step Shift, Pulsa Musiman dan / atau Tren Waktu Lokal yang tersisa dalam proses kesalahan menyarankan penambahan model. Jika seri residu menunjukkan struktur autotregresif maka orang hanya menambahkan struktur ARIMA yang cocok. Perawatan harus diambil ketika memilih sumber daya untuk mengatasi masalah ini. Baru-baru ini saya menganalisis dan mengembangkan prakiraan untuk masalah yang sama: jumlah penumpang di Sistem Subway Paris berdasarkan jam dan hari. IMHO ini adalah masalah membangun persamaan yang berguna dari data yang kemudian dapat digunakan untuk mensimulasikan skenario yang mungkin yang kemudian dapat digunakan untuk mengevaluasi panjang antrian dll. Baru-baru ini saya menganalisis dan mengembangkan prakiraan untuk masalah yang sama: jumlah penumpang di Sistem Subway Paris berdasarkan jam dan hari. IMHO ini adalah masalah membangun persamaan yang berguna dari data yang kemudian dapat digunakan untuk mensimulasikan skenario yang mungkin yang kemudian dapat digunakan untuk mengevaluasi panjang antrian dll. Baru-baru ini saya menganalisis dan mengembangkan prakiraan untuk masalah yang sama: jumlah penumpang di Sistem Subway Paris berdasarkan jam dan hari. IMHO ini adalah masalah membangun persamaan yang berguna dari data yang kemudian dapat digunakan untuk mensimulasikan skenario yang mungkin yang kemudian dapat digunakan untuk mengevaluasi panjang antrian dll.

IrishStat
sumber
+1 Contoh menarik. Apakah ada di antara mereka yang dapat diakses di Web?
whuber