Un amigo mío me ha pedido que lo ayude con el modelado predictivo del tráfico de automóviles en un estacionamiento de tamaño mediano. El garaje tiene sus días ocupados y fáciles, sus horas pico, horas de apertura (está abierto durante 12 horas durante los días laborables y durante 8 horas durante los fines de semana).
El objetivo es predecir cuántos automóviles ingresarán al garaje durante un día determinado (por ejemplo, mañana) y cómo se supone que estos automóviles se distribuirán durante el día.
Indíqueme referencias generales (preferiblemente disponibles públicamente) a estrategias y técnicas.
Gracias
Respuestas:
El campo que es relevante para el problema es la teoría de la cola , un subcampo particular es un proceso de nacimiento-muerte . Un artículo que, en mi opinión, es útil para su tarea es RC Larson y K.Satsunama (2010) Precios de congestión: un modelo de cola de estacionamiento , siguiendo los enlaces en las referencias le daría más ideas sobre dónde proceder.
Tenga en cuenta que recientemente se ha lanzado la cola de paquetes R (sin embargo, con un error de imprenta en el título). Finalmente, creo que este enlace para el software de colas podría ser útil.
fuente
La predicción de datos por hora se ha convertido en mi principal interés. Este problema surge normalmente en el pronóstico del centro de llamadas. Hay que preocuparse por los patrones por hora durante el día, los diferentes patrones diarios durante la semana y los patrones estacionales durante todo el año (Indicadores mensuales / Indicadores semanales. Además, puede haber y he visto interacción entre los patrones por hora y los patrones diarios. Función de transferencia (una generalización / superconjunto de Regresión para datos de series de tiempo) puede acomodar fácilmente las estructuras mencionadas. Además, los eventos durante el año (Navidad, Pascua, etc.) deben incluirse posiblemente utilizando estructuras de plomo, contemporáneas y / o de retraso. análisis necesitamos validar a través de esquemas de detección de intervención que no hay pulsos, cambios de nivel / paso, Pulsos estacionales y / o tendencias de tiempo local restantes en el proceso de error que sugieren un aumento del modelo. Si la serie residual sugiere una estructura autotregresiva, simplemente se agrega una estructura ARIMA adecuada. Se debe tener cuidado al seleccionar un recurso para tratar este problema. Recientemente analicé y desarrollé pronósticos para un problema similar: la cantidad de pasajeros en el sistema de metro de París por hora y por día. En mi humilde opinión, este es un problema de construir una ecuación útil a partir de los datos que luego pueden usarse para simular posibles escenarios que luego pueden usarse para evaluar la longitud de la cola, etc. Recientemente analicé y desarrollé pronósticos para un problema similar: la cantidad de pasajeros en el sistema de metro de París por hora y por día. En mi humilde opinión, este es un problema de construir una ecuación útil a partir de los datos que luego pueden usarse para simular posibles escenarios que luego pueden usarse para evaluar la longitud de la cola, etc. Recientemente analicé y desarrollé pronósticos para un problema similar: la cantidad de pasajeros en el sistema de metro de París por hora y por día. En mi humilde opinión, este es un problema de construir una ecuación útil a partir de los datos que luego pueden usarse para simular posibles escenarios que luego pueden usarse para evaluar la longitud de la cola, etc.
fuente