Phương pháp tiếp cận chung cho mô hình giao thông xe hơi trong nhà để xe

một người bạn của tôi đã nhờ tôi giúp anh ta mô hình dự đoán lưu lượng xe trong một gara đỗ xe cỡ trung bình. Nhà để xe có những ngày bận rộn và dễ dàng, giờ cao điểm, giờ mở cửa chết (nó được mở trong 12 giờ vào các ngày trong tuần và trong 8 giờ vào cuối tuần).

Mục tiêu là dự đoán có bao nhiêu chiếc xe sẽ vào nhà để xe trong một ngày nhất định (giả sử, ngày mai) và những chiếc xe này sẽ được phân phối như thế nào trong ngày.

Vui lòng chỉ cho tôi các tài liệu tham khảo chung (tốt nhất là công khai) cho các chiến lược và kỹ thuật.

Cảm ơn bạn

Lĩnh vực có liên quan đến vấn đề là lý thuyết xếp hàng , một trường con cụ thể là một quá trình Sinh tử . Một bài viết mà theo tôi là hữu ích cho nhiệm vụ của bạn là RC Larson và K.Satsunama (2010) Giá tắc nghẽn: Mô hình xếp hàng đỗ xe , theo các liên kết trong tài liệu tham khảo sẽ đưa ra nhiều ý tưởng về nơi sẽ tiếp tục.

Lưu ý rằng hàng đợi gói R gần đây đã được phát hành (tuy nhiên có sai sót trong tiêu đề). Cuối cùng, tôi nghĩ rằng liên kết này cho phần mềm xếp hàng có thể hữu ích.

Dự đoán dữ liệu hàng giờ đã trở thành mối quan tâm chính của tôi. Vấn đề này phát sinh bình thường trong Dự báo Trung tâm cuộc gọi. Người ta cần quan tâm đến các mẫu hàng giờ trong ngày, các mẫu hàng ngày khác nhau trong tuần và các mẫu theo mùa trong năm (Các chỉ số hàng tháng / Các chỉ số hàng tuần. Ngoài ra, tôi có thể thấy sự tương tác giữa các mẫu hàng giờ và mẫu hàng ngày. . phân tích chúng ta cần xác nhận thông qua các chương trình Phát hiện Can thiệp rằng không có Xung, Chuyển cấp / Bước, Các xung theo mùa và / hoặc Xu hướng thời gian cục bộ còn lại trong quy trình lỗi cho thấy sự gia tăng cho mô hình. Nếu chuỗi dư cho thấy cấu trúc tự động nhấn thì người ta chỉ cần thêm cấu trúc ARIMA phù hợp. Cần thận trọng khi lựa chọn một nguồn lực để giải quyết vấn đề này. Gần đây tôi đã phân tích và phát triển dự báo cho một vấn đề tương tự: số lượng hành khách trong Hệ thống tàu điện ngầm Paris theo giờ và theo ngày. IMHO đây là một vấn đề xây dựng một phương trình hữu ích từ dữ liệu mà sau đó có thể được sử dụng để mô phỏng các kịch bản có thể xảy ra sau đó có thể được sử dụng để đánh giá chiều dài hàng đợi, v.v. Gần đây tôi đã phân tích và phát triển dự báo cho một vấn đề tương tự: số lượng hành khách trong Hệ thống tàu điện ngầm Paris theo giờ và theo ngày. IMHO đây là một vấn đề xây dựng một phương trình hữu ích từ dữ liệu mà sau đó có thể được sử dụng để mô phỏng các kịch bản có thể xảy ra sau đó có thể được sử dụng để đánh giá chiều dài hàng đợi, v.v. Gần đây tôi đã phân tích và phát triển dự báo cho một vấn đề tương tự: số lượng hành khách trong Hệ thống tàu điện ngầm Paris theo giờ và theo ngày. IMHO đây là một vấn đề xây dựng một phương trình hữu ích từ dữ liệu mà sau đó có thể được sử dụng để mô phỏng các kịch bản có thể xảy ra sau đó có thể được sử dụng để đánh giá chiều dài hàng đợi, v.v.