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

Wenn Sie schon einmal in einer belebten Stadt Auto gefahren sind, kennen Sie diese Situation wahrscheinlich nur zu gut: Sie planen Ihre Route mit einer Navi-App, und sobald Sie Ihr Ziel erreicht haben, beginnt der eigentliche Kampf – die Suche nach einem Parkplatz. Diese Tortur führt oft zu erheblichen Verzögerungen, da man erst nach einem Parkplatz suchen muss und dann von dort aus noch zu Fuß zum eigentlichen Ziel gehen muss. Das ist frustrierend und trägt zur Verkehrsüberlastung in den Städten sowie zu erhöhten 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.

Lösungsansätze für das Parkplatzproblem: Der Ansatz des MIT

Forscher am MIT arbeiten jedoch an einer Lösung, die einen entscheidenden Durchbruch bedeuten könnte. Sie haben ein System entwickelt, das Parkplätze mit dem besten Verhältnis zwischen Lage und der Wahrscheinlichkeit, einen freien Platz zu finden, identifiziert. Ihr einzigartiges Verfahren leitet Nutzer nicht zum Zielort selbst, sondern zum am besten geeigneten Parkplatz. In Studien mit realen Verkehrsdaten aus Seattle zeigte diese Methode in stark verkehrsbelasteten Gebieten Zeitersparnisse von bis zu 66%. Im Vergleich zum Warten auf einen freien Platz auf dem nächstgelegenen Parkplatz könnten Sie Ihre Fahrzeit potenziell 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 zudem das Verhalten anderer Fahrer, das sich auf den Erfolg der Parkplatzsuche auswirken könnte. Zukünftige Daten könnten aus verschiedenen Quellen stammen, darunter Crowdsourcing-Informationen oder die Verfolgung von Fahrzeugen, die auf der Suche nach einem Parkplatz umherfahren. Mit fortschreitender Entwicklung könnten autonome Fahrzeuge sogar freie Parkplätze melden, an denen sie vorbeifahren. “Die Erfassung dieser Informationen, selbst durch einfache App-Interaktionen, könnte für eine fundierte Entscheidungsfindung von entscheidender Bedeutung sein”, erklärt 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, bei denen Echtzeit-Routeninformationen für das gesamte Stadtgebiet genutzt und zusätzliche Datenquellen wie Satellitenbilder herangezogen werden, um mögliche Emissionsminderungen abzuschätzen. “Verkehrssysteme sind komplex und lassen sich nur schwer verändern, doch schon kleine Verbesserungen können erhebliche Auswirkungen auf die Entscheidungsfindung, die Verkehrsüberlastung und die Emissionen haben”, sagt Cathy Wu, leitende Autorin 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.