Operation and management optimization on data-driven intelligent parking reservation platform

Abstract

In China, there is a rapid development from rural areas to large cities, and the number of cars is also increasing rapidly. By 2021, the number of automobiles in China has reached 307 million, with 34 cities having over 2 million vehicles. However, the insufficient supply of parking spaces and the difficulty in parking have brought sharp problems to the city. This study uses real parking data from an underground parking lot in a shopping mall in Chengdu to analyze the parking patterns and periodicity of users. Based on this, a reservation process plan is designed, and a parking lot reservation process is formulated to improve the utilization rate of parking spaces. The specific research content is as follows: Firstly, this study uses real parking data from shopping malls, and through data collection and analysis, obtains the peak parking periods and user parking patterns; Secondly, dynamic decision models were constructed for three types of parking reservation scenarios: advance reservation, temporary arrival, and random supply and demand, and deep reinforcement algorithms were designed for solution; Thirdly, based on the data analysis and model mentioned earlier, the parking process optimization design was carried out for three types of reservation situations; Finally, the effectiveness of the deep reinforcement algorithm and the operation and management process of the smart parking platform were verified through numerical simulation experiments. To sum up, this thesis provides new ideas and inspiration for the reservation parking platform in the business scenario in terms of the parking reservation operation management mode, solution algorithm, pricing rules, etc., which can improve the profit of the management and make full use of parking space resources, and can help alleviate the current parking problem in China.

Na China, há um rápido desenvolvimento de áreas rurais para grandes cidades, e o número de carros também está a aumentar rapidamente. Em 2021, o número de automóveis na China atingiu 307 milhões, com 34 cidades com mais de 2 milhões de veículos. No entanto, a oferta insuficiente de vagas de estacionamento e a dificuldade no estacionamento trouxeram graves problemas para à cidade. Este estudo utiliza dados reais de um estacionamento subterrâneo localizado num shopping center em Chengdu e permitiu analisar os padrões de estacionamento e periodicidade dos utilizadores. Com base nisso, um plano de processo de reserva é projetado e um processo de reserva de estacionamento é formulado para melhorar a taxa de utilização dos lugares de estacionamento. O conteúdo específico da investigação é o seguinte: Inicialmente, este estudo utiliza dados reais de estacionamento de shopping centers e, por meio de coleta e análise de dados, obtém os períodos de pico de estacionamento e padrões de estacionamento dos utilizadores; De seguida, foram construídos modelos dinâmicos de decisão para três tipos de cenários de reserva de estacionamento: reserva antecipada, chegada temporária, e oferta e necessidade aleatórias, e algoritmos de reforço profundo foram projetados para solução; Com base na análise de dados e do modelo citado anteriormente, foi realizado o projeto de otimização do processo de estacionamento para três tipos de situações de reserva; Finalmente, foi verificado (através de simulação numérica) a eficácia do algoritmo de reforço profundo e o processo de operação e gestão da plataforma de estacionamento inteligente. Em suma, esta Tese apresenta novas ideias e inspiração para plataforma de reserva de estacionamento em cenários reais que considera modelo de gestão de operação de reserva de estacionamento, algoritmos para solução inteligentes, regras de preços, etc., contribuindo essencialmente para a melhoria da gestão no geral, da receita e utilização dos recursos de espaços de estacionamento, e essencialmente na mitigação do problema atual de estacionamento na China.