Abordagens gerais para modelar o tráfego de carros em uma garagem

um amigo meu me pediu para ajudá-lo na modelagem preditiva do tráfego de carros em uma garagem de tamanho médio. A garagem tem dias agitados e fáceis, horário de pico e horário de funcionamento (está aberta durante 12 horas durante a semana e 8 horas nos finais de semana).

O objetivo é prever quantos carros entrarão na garagem durante um determinado dia (digamos, amanhã) e como esses carros devem ser distribuídos ao longo do dia.

Por favor, aponte-me para referências gerais (de preferência disponíveis ao público) para estratégias e técnicas.

Obrigado

O campo que é relevante para o problema é a teoria de filas , um subcampo específico é um processo de nascimento-morte . Um artigo que, na minha opinião, é útil para sua tarefa é RC Larson e K.Satsunama (2010) Preços de congestionamento: um modelo de fila de estacionamento , seguir os links nas referências daria mais idéias sobre onde proceder.

Observe que recentemente o enfileiramento de pacotes R foi lançado (com impressão incorreta no título). Por fim, acho que esse link para o software de filas poderia ser útil.

A previsão de dados por hora se tornou meu principal interesse. Esse problema surge normalmente na previsão do Call Center. É necessário se preocupar com padrões horários durante o dia, padrões diários diferentes ao longo da semana e padrões sazonais ao longo do ano (indicadores mensais / indicadores semanais. Além disso, pode haver e eu já vi interação entre padrões horários e padrões diários. (uma generalização / superconjunto de regressão para dados de séries temporais) pode acomodar facilmente as estruturas mencionadas. Além disso, os eventos durante o ano (Natal, Páscoa etc.) precisam ser possivelmente incluídos usando estruturas de chumbo, contemporâneas e / ou de atraso. Na análise, precisamos validar, por meio de esquemas de detecção de intervenção, que não existem pulsos, mudanças de nível / etapa, Pulsos sazonais e / ou tendências de hora local restantes no processo de erro, sugerindo um aumento no modelo. Se a série residual sugerir uma estrutura autorregressiva, basta adicionar uma estrutura ARIMA adequada. Deve-se tomar cuidado ao selecionar um recurso para lidar com esse problema. Recentemente, analisei e desenvolvi previsões para um problema semelhante: o número de passageiros no metrô de Paris por hora e por dia. IMHO, este é um problema de construção de uma equação útil a partir dos dados que podem ser usados ​​para simular possíveis cenários que podem ser usados ​​para avaliar o comprimento da fila etc. Recentemente, analisei e desenvolvi previsões para um problema semelhante: o número de passageiros no metrô de Paris por hora e por dia. IMHO, este é um problema de construção de uma equação útil a partir dos dados que podem ser usados ​​para simular possíveis cenários que podem ser usados ​​para avaliar o comprimento da fila etc. Recentemente, analisei e desenvolvi previsões para um problema semelhante: o número de passageiros no metrô de Paris por hora e por dia. IMHO, este é um problema de construção de uma equação útil a partir dos dados que podem ser usados ​​para simular possíveis cenários que podem ser usados ​​para avaliar o comprimento da fila etc.