Navigieren im Großstadtdschungel: Der innovative Ansatz des MIT zur Lösung von Parkproblemen

Wenn Sie schon einmal mit dem Auto durch eine belebte Stadt gefahren sind, kennen Sie das wahrscheinlich nur zu gut: Sie planen Ihre Route mit einer Navigations-App, und sobald Sie Ihr Ziel erreicht haben, beginnt der eigentliche Kampf - die Suche nach einem Parkplatz. Diese Tortur führt oft zu erheblichen Verspätungen, da Sie auf der Suche nach einem Parkplatz sind und dann von dort bis zu Ihrem Ziel laufen müssen. Das ist frustrierend und trägt zur Überlastung der Städte und zur Erhöhung der Emissionen bei.

Leider sind die meisten, wenn nicht sogar alle, Navigationssysteme so konzipiert, dass sie Sie an Ihrem Zielort absetzen, ohne Rücksicht auf die zusätzliche Zeit, die Sie für die Parkplatzsuche benötigen. Dies kann für diejenigen, die den öffentlichen Nahverkehr in Betracht ziehen, abschreckend wirken, da sie möglicherweise nicht erkennen, dass dies eine schnellere Option sein könnte.

Das Parkplatzproblem angehen: Der Ansatz des MIT

Forscher am MIT arbeiten jedoch an einer Lösung, die das Spiel verändern könnte. Sie haben ein System entwickelt, das die Parkplätze mit dem besten Verhältnis zwischen Lage und Chancen auf einen freien Platz identifiziert. Ihr einzigartiges Verfahren leitet die Nutzer zu dem am besten geeigneten Parkplatz und nicht zum Zielort selbst. In Studien mit aktuellen Verkehrsdaten aus Seattle hat diese Methode in stark überlasteten Gebieten Zeiteinsparungen von bis zu 66% ergeben. Im Vergleich zum Warten auf einen freien Parkplatz auf dem nächstgelegenen Parkplatz könnten Sie Ihre Reisezeit um etwa 35 Minuten verkürzen.

Der Ansatz des MIT-Teams berechnet alle öffentlichen Parkplätze in der Nähe eines Ziels und berücksichtigt dabei die Fahrstrecke, die Gehstrecke vom Parkplatz zum Ziel und die Wahrscheinlichkeit, einen Parkplatz zu finden. Am wichtigsten ist vielleicht, dass das System auch auf Szenarien vorbereitet ist, in denen man einen idealen Parkplatz erreicht, aber keine freien Plätze findet, indem es die Nähe und Erfolgswahrscheinlichkeit anderer Parkplätze in der Nähe berücksichtigt.

Cameron Hickert, MIT-Absolvent und Hauptautor der Forschungsarbeit, gibt einen Einblick: “Unser System kann mit Fällen umgehen, in denen es klüger sein könnte, mehrere nahegelegene Lose mit etwas geringeren Erfolgswahrscheinlichkeiten auszuprobieren, anstatt auf eine Öffnung bei dem Los mit der höheren Wahrscheinlichkeit zu hoffen.”

Zusätzliche Überlegungen und zukünftige Bemühungen

Das System berücksichtigt auch das Verhalten anderer Fahrer, das sich auf den Parkerfolg auswirken könnte. Künftige Daten könnten aus verschiedenen Quellen stammen, z. B. aus Crowdsourcing-Informationen oder der Verfolgung von Fahrzeugen, die auf der Suche nach einem Parkplatz kreisen. Mit Fortschritten könnten autonome Fahrzeuge sogar freie Plätze melden, an denen sie vorbeifahren. “Das Erfassen dieser Informationen, selbst durch einfache App-Interaktionen, könnte für eine fundierte Entscheidungsfindung von entscheidender Bedeutung sein”, so Hickert.

In Tests mit Verkehrsdaten aus Seattle, bei denen verschiedene städtische und vorstädtische Szenarien simuliert wurden, reduzierte die vom MIT-Team entwickelte Methode die Fahrzeit um etwa 60% im Vergleich zum Warten auf einen Parkplatz und um 20% im Vergleich zur ständigen Fahrt zum nächstgelegenen Parkplatz. Die Aussicht auf die Nutzung von Crowdsourcing-Parkplatzdaten erwies sich als vielversprechend, denn die Fehlerquote lag bei nur 7% im Vergleich zur Echtzeitverfügbarkeit. Dies deutet darauf hin, dass auf diese Weise effektiv Daten zur Parkwahrscheinlichkeit gesammelt werden könnten.

In Zukunft wird das Team umfassendere Studien durchführen, die Echtzeit-Routeninformationen für die gesamte Stadt nutzen und zusätzliche Datenquellen wie Satellitenbilder untersuchen, um mögliche Emissionsreduzierungen abzuschätzen. “Verkehrssysteme sind komplex und schwer zu ändern, aber kleine Verbesserungen können sich erheblich auf die Entscheidungsfindung, die Verkehrsüberlastung und die Emissionen auswirken”, sagt Cathy Wu, Hauptautorin der Studie.

Diese Forschung wurde von Cintra, der MIT Energy Initiative und der National Science Foundation unterstützt. Weitere Informationen finden Sie in der Originalnachricht hier oder Zugang zur vollständigen Studie unter Veröffentlichungen zu intelligenten Verkehrssystemen hier.