Die Leistung von FM1 und FM2 mit SVM für verschiedene Skalen und Parkarten wurde verglichen und ist in Abbildung 7 dargestellt. Bitte beachten Sie, dass für Parkplätze im Innenbereich eine 2m-Höhenbeschränkung gilt. Bitte geben Sie bei der Eingabe Ihrer Mobiltelefonnummer auf dem Buchungsformular die Vorwahl des Landes an. Tabelle 2 zeigt die Prognoseergebnisse von FM1. Der Vergleich der Leistung von FM1 mit allen Modellen für verschiedene Skalen und Typen der Parkplätze ist in Abbildung 4 dargestellt. SVM schnitt unter allen Modellen am besten ab. Dieses Toolkit konzentriert sich auf die Übergabe, die Definition einer guten Übergabe, die Betrachtung der häufig auftretenden Probleme und die Festlegung von Empfehlungen für verbesserte, standardisierte Übergabeprotokolle. Außerdem stehen zwei Vorlagen, ein Übergabeblatt und ein Formular für die Übergabung a-hours zur Verfügung, das den Mitarbeitern bei der Umsetzung der Empfehlungen des Toolkits helfen kann. Abbildung 3 zeigt die Prognoseergebnisse der vier Parkplätze, wobei alle Modelle FM1 verwenden. Unter den vier Vorhersagemodellen mit FM1 schnitt SVM am besten für alle Parkplätze ab. Smile Parking Prague bietet INDOOR-Parkplätze mit kostenlosem Abhol- und Lieferservice direkt am Flughafen.
Dieser voll versicherte Parkplatz ist rund um die Uhr geöffnet; Zahlung in bar oder per Karte. Parkplatzprobleme finden immer mehr Beachtung. Eine genaue Parkbelegungsvorhersage gilt als wichtige Voraussetzung für eine optimale Verwaltung begrenzter Parkmöglichkeiten. Die Parkvorhersageforschung, die sich auf die Schätzung der Belegung verschiedener Parkplätze konzentriert, was für die Koordination mehrerer Parks (z. B. Bezirks- oder Stadtmaßstab) von entscheidender Bedeutung ist, ist jedoch relativ begrenzt. Diese Studie zielt darauf ab, die Leistung verschiedener Vorhersagemethoden in Bezug auf die Parkbelegung unter Berücksichtigung der Parkart und des Parkmaßstabs zu analysieren. Zwei Prognosemethoden, FM1 und FM2, und vier Vorhersagemodelle, lineare Regression (LR), Support Vector Machine (SVR), Backpropagation neural network (BPNN) und autoregressive integrated moving average (ARIMA), wurden vorgeschlagen, Modelle zu bauen, die die Parkbelegung verschiedener Parkplätze vorhersagen können. Um die Vorhersageleistungen dieser Modelle zu vergleichen, wurden die realen Daten von vier Parks in Shenzhen, Shanghai und Dongguan über 8 Wochen gesammelt, um die Korrelation zwischen den Parkplatzattributen und den Prognoseergebnissen zu schätzen.
Gemäß den Fallstudien bietet SVM unter den vier betrachteten Modellen eine stabile und genaue Vorhersageleistung für fast alle Arten und Skalen von Parkplätzen.
Recent Comments