P+R-Anlagen für den Umstieg vom Individualverkehr auf öffentliche Verkehrsmittel sind oft hoch ausgelastet oder deren Belegungsgrad nicht bekannt. Hohe Investitionen in die Detektion sind wirtschaftlich nicht abbildbar und deshalb wird mit diesem Projekt ein datenbasiertes und mit Analytics-Verfahren aufbauendes Modell zur optimalen und wirtschaftlichen Informationsgewinnung entwickelt und evaluiert. Auf den ausgewählten P+R-Anlagen wird der Ist-Zustand konventionell erhoben und die Echtzeitbelegung mit dem beschriebenen Verfahren ermittelt. Der Fokus liegt auf der Entwicklung und Erprobung des Analyseverfahrens und auf unterschiedlichen Anlagentypen erprobt, um
die Übertragbarkeit des Ansatzes sicherzustellen. Die Bereitstellung der ermittelten Daten wird angestrebt und ist in ausreichender Qualität gegen Ende des Projektes zu erwarten.

Auf allen Anlagen wird teilweise Sensortechnik installiert und die für das Analyseverfahren erforderlichen Daten über Schnittstellen bereitgestellt. Vorhandene FCD-Daten werden aufbereitet und fusioniert, dass auf der jeweiligen Anlage die Echtzeitbelegung in der definierten Qualität und mit möglichst geringem technischem Aufwand abgebildet werden kann. Die Daten werden im Anschluss in Drittsysteme der Partner und in der
mCLOUD und dem MDM für Auswertungen integriert werden. Für die Vorbereitung der Entwicklung der KI-Modelle wird auf historische Daten zurückgegriffen und bei der Konzeption der Erfassung der Ground Truth mitgewirkt. Die Auswertung, der im Projektantrag beschriebenen P+R-Anlagen ist hinreichend groß, um qualitativ gute Prognosemodelle zu erstellen und rechnen. In der Evaluierung werden die gewonnenen Belegungsdaten analysiert und der Ist-Zustand mit der Echtzeitbelegung verglichen. Der Gesamtprozess wird evaluiert und auf Übertragbarkeit für viele weitere Anlagen hin entwickelt.