Die Parksituation in Mannheim

Die Parkplatzsuche in Mannheim erweist sich zu Stoßzeiten mit viel Verkehr häufig als Geduldsprobe. Um den Zusammenhang zwischen der Auslastung des Parkplatzangebots und des Verkehrsaufkommens in der Mannheimer Innenstadt zu untersuchen, wurde ein Dashboard mit Stadtkarte, Heatmap und Liniendiagramm erstellt. Visualisiert wurden Datensätze der MVV Energie AG zum Verkehrsaufkommen und Belegungsdaten zweier Parkhausbetreiber. Im Verlauf des Projekts wurde der Fokus auf zeitliche Zusammenhänge gelegt. Die Analyse unter Verwendung des Prototyps deutet darauf hin, dass ein Zusammenhang zwischen der Auslastung des Parkplatzangebots und des Verkehrsaufkommens besteht. Darüber hinaus ergibt sich die Vermutung, dass sowohl die Tageszeit als auch der Wochentag Einflussfaktoren sind.

Dieses Projekt ist im Rahmen des Kurses “Grundlagen der Datenvisualisierung” im Wintersemester 2021/22 an der Hochschule Mannheim unter der Leitung von Prof. Dr. Till Nagel entstanden.

Einführung

Die Stadt Mannheim hat, wie viele andere Großstädte, mit einem hohen Verkehrsaufkommen zu kämpfen. Besonders im Bereich der Innenstadt, in welcher sich viele Einkaufsmöglichkeiten und Sehenswürdigkeiten befinden, sind sowohl Ansässige als auch viele Touristen anzutreffen. Ein Nachteil, der sich aus diesem hohen Verkehrsaufkommen ergibt, ist das Erschweren der Parkplatzsuche in der Stadt, da die vorhandenen Parkplätze und Parkhäuser oft ausgelastet sind. Aus diesem Grund haben wir von der Gruppe Blau uns zunächst die Frage gestellt, ob und wie das Parkplatzangebot in der Stadt Mannheim in Bezug auf das lokale Verkehrsaufkommen optimiert werden kann. Da sich diese Frage als zu komplex erwiesen hat, als dass sie lediglich mit einer Datenvisualisierung beantwortet werden könnte, haben wir unsere Hauptfrage entsprechend angepasst. Unsere Arbeitshypothese lautet nun wie folgt:

Besteht ein Zusammenhang zwischen der Auslastung des Parkplatzangebots und dem Verkehrsaufkommen in der Mannheimer Innenstadt?

Speziell wollen wir hierbei untersuchen, ob ein Zusammenhang zwischen der Auslastung der kostenpflichtigen Parkplatzangeboten im Bereich der Mannheimer Innenstadt und dem Verkehrsaufkommen besteht. Informationen zur Auslastung der Parkhäuser können über die Webseiten der jeweiligen Parkhausbetreiber sowie über Anzeigetafeln in der Stadt bezogen werden.

Unser Ziel besteht nun darin, dem Nutzer diese Daten nahezubringen und den eventuell bestehenden Zusammenhang darzustellen. Um dies zu erreichen, wollen wir einen direkten visuellen Vergleich der beiden ausschlaggebenden Faktoren Verkehrsaufkommen und Parkhausauslastung realisieren. In dem zu erstellenden interaktiven Dashboard soll die Möglichkeit geboten werden, den Sachverhalt explorativ zu untersuchen und individuelle Anpassungen etwa in Bezug auf den betrachteten zeitlichen und räumlichen Rahmen zu ermöglichen. Hierdurch wird dem Nutzer letztendlich die Möglichkeit geboten, die Parksituation und das Verkehrsaufkommen im gesamten Bereich der Mannheimer Innenstadt zu untersuchen.

Datenauswertung und -aufbereitung

Datenquellen

Um unser Konzept realisieren zu können benötigten wir zwei verschiedene Arten von Daten. Zum einen Daten über das Verkehrsaufkommen in Mannheim und zum anderen Daten über die Parkhausauslastung innerhalb der Mannheimer Innenstadt. Die Daten für das Verkehrsaufkommen werden über Kameras der MVV erfasst, auf die wir über eine API zugreifen konnten.

Für die Daten der Parkhausauslastung gibt es leider keine einheitliche Stelle, bei der man diese anfordern kann. Die Parkhäuser in Mannheim werden von verschiedenen Unternehemen betrieben, die keinen öffentlichen Zugang zu den Daten bereitstellen. Zu Beginn haben wir festgelegt uns auf die zwei größten Betreiber von Parkhäusern, die Mannheimer Parkhausbetriebe GmbH (MPB) und die Parkraumgesellschaft Baden-Württember mbH (PBW), zu beschränken, da diese zusammen 20 Parkhäuser betreiben und damit eine große Fläche von Mannheim abdecken. Weiterhin sind dies die einzigen Betreiber, die die Auslastung der Parkhäuser auf ihrer Website veröffentlichen. Wir haben bei beiden Unternehmen einen Zugang zu den Daten angefragt; es wurden uns leider keine Daten zur Verfügung gestellt. Deshalb sind wir dazu übergegangen, die Daten von den Websites zu scrapen.

Datenbeschaffung

Die Kameradaten der MVV werden über deren API mittels einem Python-Skript in einer von uns bestimmten Zeitspanne angefragt und in einer CSV-Datei gespeichert. Für die Parkhausdaten wurde ebenfalls ein Pythonskript erstellt, dass die Daten alle fünf Minuten scraped und in eine Datenbank schreibt. Zusätzlich existiert ein Skript welches aus den Daten der Datenbank eine JSON-Datei erstellt. Das Scraping-Skript läuft lokal auf einem Raspberry-Pi. Über ein Bash-Skript wird das Python-Skript für das Erstellen einer JSON-Datei einmal täglich ausgeführt, sodass im Anschluss automatisch ein git-push mit den neuen Daten durchgeführt werden kann.

Neben den dynamischen, durch scraping bezogenen Daten existiert noch eine GEOJSON-Datei mit statischen Informationen zu den Parkhäusern die manuell erstellt wurde. Darin enthalten sind die Geometriedaten für die Position der Parkhäuser, die Parkhausnamen und die Anzahl der insgesamt vorhandenen Parkplätze in einem Parkhaus. Durch die Trennung der statischen von den dynamischen Daten vermeiden wir redundante Daten innerhalb der Dateien, was zu einer kleineren Dateigröße und besserer Performanz führt.

Während des Datenbeschaffungsprozesses für die Parkhausdaten kam es leider zu Fehlern, sodass für den Zeitraum vom 23.12.2021 - 28.12.2021 und den 21.01.20121 - 24.01.2021 keine Parkhausdaten zur Verfügung stehen. Weiterhin kam es vereinzelnd bei den Parkhausbetreibern zu Ausfällen der Systeme, wodurch einzelne Parkhäuser stellenweise keine bzw. identische Daten haben, da diese nicht aktualisiert wurden. Durch die Aggregation der Daten ist die Auswirkung bei kürzeren Ausfällen recht gering.

Auswertung

Die Kameras der MVV die das Verkehrsaufkommen erfassen zählen nicht einfach nur die Fahrzeuge, sondern unterscheiden auch nach Fahrzeugtyp, z.B ob es sich um einen PKW oder LKW handelt, und auch die Fahrspur auf der das Fahrzeug fährt. Wir entschieden uns jedoch dafür, auf diese Unterscheidungen zu verzichten, da dies im Großen und Ganzen keinen Einfluss auf das Parkverhalten hat, denn bei den parkenden Fahrzeugen handelt es sich überwiegend um PKWs. Somit verwenden wir nur die PKW-Daten des Verkehrsaufkommens. Da wir keinen lokalen Zusammenhang zwischen Kamera und Parkhausauslastung darstellen wollten, wird aus den Daten aller Kameras, die zu einem Zeitpunkt Daten senden, der Durchschnitt gebildet.

Für die Parkhausauslastung wird die Anzahl der freien Parkplätze in den Parkhäusern der beiden Betreiber alle fünf Minuten gescraped und in einer Datenbank gespeichert. Außerdem wird die prozentuale Auslastung der Parkhäuser berechnet, um so zu später Berechnungszeit sparen zu können. Im fertigen Prototypen ist es möglich, je nach betrachteter Zeitspanne, zwischen einer Stunden- und Tagesansicht zu wechseln. Dabei werden die Daten stündlich oder täglich pro Parkhaus aggregiert.

Durch die Geometriedaten der GEOJSON-Datei können die Parkhäuser auf einer Karte dargestellt werden, was dem Benutzer einen Überblick verschafft und weitere Interaktionsmöglichkeiten schafft.

Prozess

Um uns einen ersten Überblick über die Daten zu verschaffen, nahmen wir zunächst einige Visualisierungsexperimente mit Hilfe von Tableau vor.

Da wir bei unserer grundlegenden Fragestellung sowohl zeitliche als auch räumliche Zusammenhänge zwischen dem an den Kameras gemessenen Verkehrsaufkommen und der Auslastung der naheliegenden Parkplatzangebote analysieren wollten, visualisierten wir zunächst die Standorte der Kameras und Parkhäuser auf einer Karte von Mannheim. Auf Grundlage dieser ersten Visualisierung konnten wir bereits zu einem frühen Zeitpunkt erkennen, welche Parkhäuser und Kameras für unsere Fragestellung relevante Daten liefern. Daraus resultierend entschieden wir uns dazu, Kameras und Parkhäuser, die zu weit außerhalb liegen, von unseren weiteren Experimenten und der finalen Visualisierung auszuschließen. Letztendlich ergab sich daraus eine Fokussierung auf den Innenstadtbereich.

Im zweiten Schritt befassten wir uns näher mit den Daten zum Verkehrsaufkommen, da wir über die API der MVV bereits auf die Verkehrsdaten aus der Vergangenheit zurückgreifen konnten, wohingegen wir die Daten für die Parkhausauslastung erst Stück für Stück sammeln mussten. Bei der Visualisierung der Daten in einem Liniendiagramm (pro Kamera eine Linie) konnten wir auf einen Blick sehen, dass für manche Kameras keine Daten vorlagen und eine Kamera nur sporadisch Daten lieferte. Nachdem uns nach Rückfrage bei der MVV bestätigt wurde, dass einige Kameras noch nicht in Betrieb genommen wurden und die Störung einer Kamera bekannt sei, schlossen wir die betroffenen Geräte für unser weiteres Vorgehen aus. Bei den restlichen Kameras konnten wir anhand des Verlaufs der Linien ein periodisches Ansteigen und Abfallen des Verkehrsaufkommens zwischen Tag und Nacht erkennen. Dieses periodische Verhalten zeigte sich bei allen Kameras gleichermaßen.

Nachdem wir einige Daten zur Auslastung der Parkhäuser sammeln konnten, nahmen wir erste Visualisierungsexperimente mit diesen Daten vor. Wir berechneten die prozentuale Auslastung jedes Parkhauses und stellten diese zunächst durch unterschiedlich große bzw. unterschliedlich farbige Kreise auf einer Karte dar. Hierbei konnten wir bereits erkennen, dass es deutliche Unterschiede bei der Auslastung der einzelnen Parkhäuser gibt. Da uns jedoch auch bei der Parkhausauslastung der zeitliche Verlauf interessierte und wir diesen auf einen Blick sehen und direkt mit dem Verkehrsaufkommen vergleichen wollten, visualisierten wir auch die Auslastung der einzelnen Parkhäuser gemeinsam in einem Liniendiagramm (pro Parkhaus eine Linie). Zwar konnten wir nun einen ebenfalls periodischen Verlauf der Auslastung sehen, der dem des Verkehrsaufkommens ähnlich schien, jedoch waren die zuvor beobachteten Unterschiede zwischen den einzelnen Parkhäusern aufgrund der Anzahl der Linien kaum noch zu erkennen.

Visualisierung

Die zuvor beschriebenen Visualisierungsexperimente konnten uns jedoch nicht nur einen ersten genaueren Einblick in die Daten und deren Relevanz für unsere Hypothese geben. Anhand der durchgeführten Experimente war es uns darüber hinaus möglich zu erkennen, welche Visualisierungstechniken sich für die Darstellung unserer Daten besser bzw. schlechter eignen.

Unsere ursprüngliche Idee sah vor, sowohl das an den Kameras gemessene Verkehrsaufkommen als auch die Auslastung der Parkplatzangebote zusammen auf einer Karte darzustellen. Diese Karte sollte das Kernstück unserer Visualisierung werden und vor allem für die Analyse räumlicher Zusammenhänge dienen.

Unsere Experimente in Tableau brachten uns jedoch zu dem Schluss, dass die Analyse räumlicher Zusammenhänge aufgrund der Verteilung der Kameras und der Parkplatzangebote in Mannheim kaum möglich ist. Deshalb entschieden wir uns dazu unseren Fokus mehr auf die zeitliche Analyse zu legen. Dafür planten wir, sowohl das Verkehrsaufkommen als auch die Auslastung der Parkplatzangebote jeweils in einem Liniendiagramm zu visualisieren. Die beiden Liniendiagramme sollten für einen besseren direkten Vergleich vertikel übereinander angeordnet werden.

Im weiteren Verlauf unserer Visualisierungsexperimente mit Tableau kamen wir dann zu der bereits im vorhergenden Kapitel beschriebenen Erkenntnis, dass die Darstellung der Auslastung der Parkplatzangebote in einem Liniendiagramm nicht übersichtlich genug ist. Auf Basis dieser Erkenntnis entschieden wir uns dazu, andere geeignete Visualisierungstechniken für unsere Frage zu finden. Letztendlich fiel unsere Entscheidung hierbei auf eine Heatmap zur Visualisierung der Auslastung der einzelnen Parkplatzangebote über einen auswählbaren Zeitraum. Diese Form der Darstellung der Daten erlaubt zum einen die Exploration von Verlaufsmustern über die Zeit. Zum anderen kann ein direkter Vergleich mit dem Verlauf des Verkehrsaufkommens (dargestellt durch ein Liniendiagramm) vorgenommen werden. Außerdem können die Auslastungwerte der einzelnen Parkhäuser miteinander verglichen werden.

Prototyp

Der finale Prototyp gliedert sich in 2 Abschnitte. Im oberen Abschnitt wird die Parkhausauslastung der Mannheimer Parkhäuser dargestellt. Zur räumlichen Orientierung befindet sich in diesem Abschnitt eine Karte mit den betrachteten Parkhäusern. Rechts daneben ist die Heatmap mit der prozentualen Auslastung der Parkhäuser zu sehen. Im unteren Bereich ist das durchschnittliche Verkehrsaufkommen anhand eines Liniendiagramms visualisiert. Beide Abschnitte verfügen über eine Infobox, welche Auskunft über die Durchschnittswerte des ausgewählten Zeitraums befinden. Der Zeitraum der angezeigten Daten lässt sich über eine Zeitraumauswahl links über den Abschnitten anpassen.

Zeitauswahl

Der standardmäßig angezeigte Bereich ist vom 22.11.2021 - 28.11.2021. Die Auswahl ist über mehrere Tage/ Wochen und begrenzt auf den Zeitraum der Datenerhebung (19.11.2021 - 19.01.2022) möglich. Die Zeitauswahl hat Auswirkung auf alle Bereiche des Prototypen mit Ausnahme der Karte.

Karte der Mannheimer Parkhäuser

Links befindet sich eine Karte mit den Parkhäusern die sich aus der EDA als relevant erwiesen haben, also nahe der Innenstadt bzw. nahe der verfügbaren Verkehrsmessungs-Kameras liegen. Die Kameras wurden im Prototyp nicht einzeln betrachtet und sind daher auch nicht auf der Karte zu erkennen.

Hovert man über eines der Parkhäuser erscheint ein Tooltip mit Name, Anzahl der Parkplätze, durchschnittlicher Auslastung sowie der Art des Parkhauses, also ob es sich um ein Parkhaus, Parkgarage oder Parkplatz handelt. Gleichzeitig wird auf der rechten Seite in der Heatmap die entsprechende Zeile mit dem ausgewählten Parkhaus hervorgehoben. Durch Anklicken kann die Parkhausauswahl und somit die Auswahl auf der Heatmap fixiert werden. In der rechten oberen Ecke der Karte gibt es einen Button mithilfe dessen die Auswahl aufgehoben werden kann.

Heatmap über die Auslastung der Parkhäuser

Rechts neben der Karte befindet sich die Heatmap mit der Darstellung der prozentualen Parkhausauslastung. Durch Hovern über die jeweilige Zeile erscheint ein Tooltip mit Name des Parkhauses, Datum und Uhrzeit sowie der prozentualen Auslastung zu dem ausgewählten Zeitpunkt. Zudem wird das Parkhaus auch in der Karte hervorgehoben. Durch einen Klick kann die Zeile (und die Kartenauswahl) fixiert werden. Beträgt die Zeitauswahl weniger als 8 Tage so werden die Daten aggegriert pro Tag dargestellt, bei 7 und weniger Tagen wird pro Stunde aggregiert.

Infoboxen zu Verkehrsaufkommen und Parkhausauslastung

In beiden Bereichen befindet sich eine Infobox. Für die Parkhäuser wird die durchschnittliche prozentuale Auslastung der ausgewählten Parkhäuser über den ausgewählten Parkhaus dargestellt. Man erhält zudem die Info wie viel Prozent höher oder niedriger dieser Wert verglichen mit der durchschnittlichen Parkhauslastung über den gesamten gemessenen Zeitraum ist.

Für das Verkehrsaufkommen im unteren Bereich wird das durchschnittliche Verkehrsaufkommen an PKWs pro Stunde angezeigt. Dieser Wert errechnet sich aus dem Durchschnittlichen Verkehrsaufkommen pro Kamera, wobei nur Kameras welche gesendet haben betrachtet werden um fehlende Daten möglichst gut ausgleichen zu können. Analog zu der Infobox der Parkhausauslastung erhält man die Info wie viel Prozent höher oder niedriger dieser Wert verglichen mit dem durchschnittlichen Verkehrsaufkommen über den gesamten gemessenen Zeitraum ist.

Liniendiagramm über das durchschnittliche Verkehrsaufkommen

Rechts unten befindet sich das Liniendiagramm, welches das aggregierte Verkehrsaufkommen über den ausgewählten Zeitraum darstellt. Ebenso wie bei der Heatmap werden bei weniger als 8 Tagen die Daten pro Tag aggegriert, bei 7 und weniger Tagen wird pro Stunde aggregiert. Bewegt man die Maus über die Linie erscheint auch hier ein Tooltip mit Angabe der genauen Uhrzeit sowie dem durchschnittlichen Verkehrsaufkommen.

Implementierung

Wir hatten uns frühzeitig im Projekt dazu entschieden, eine Webanwendung im Browser mit JavaScript zu bauen. Bei den Bibliotheken fiel unsere Wahl auf Leaflet und D3.js, wobei beide Bibliotheken auf JavaScript basieren. Leaflet wurde verwendet, um die Karte umzusetzen, D3.js für das Liniendiagramm und die Heatmap.

const [parkhouseInfo, parkingData, trafficVol, parkingCSV] = data;
const initialStartDate = moment("2021-11-22")
const initialEndDate = moment("2021-11-28").add(1, "d")
const aggregationLayer = computeAggregationLayer(initialStartDate, initialEndDate)

createMap(parkhouseInfo);
createTrafficChart(trafficVol, initialStartDate, initialEndDate, aggregationLayer);
createHeatmap(parkingData, parkhouseInfo, initialStartDate, initialEndDate, aggregationLayer);
generatePalette();

Bei der Recherche hat sich herausgestellt, dass Leaflet eine gute, übersichtliche Dokumentation bietet. Zudem hat Leaflet eine nicht kleine Community vorzuweisen. Entsprechend bestand die Hoffnung, bei Problemen schneller auf Lösungen zu stoßen. Abgesehen davon legt Leaflet seinen Fokus darauf, dass die Karte unter anderem im Browser performant und flüssig läuft.

Während der Recherche war oft nicht offensichtlich, in wie weit die verschiedenen Bibliotheken Interaktionen zwischen mehreren Visualisierungen ermöglichen oder bspw. spezifische Anpassungen bei diesen erlauben. Das war für uns jedoch eine wichtige Anforderung. Wir wollten vermeiden, mittem im Projekt festzustellen, dass eine zentrale Visualierung oder Interaktion in unserem Prototyp so nicht umsetzbar ist. Deswegen entschieden wir uns schließlich für D3.js als Bibliothek, um das Liniendiagramm und die Heatmap umzusetzen. Die API von D3.js liegt vom Abstraktionslevel her nah am Document Object Model (DOM) im Browser. So konnten wir uns relativ sicher sein, eigene spezifische Anpassungen bei den Visualisierungen machen zu können. Außerdem war es so wahrscheinlicher, dass unsere geplanten Interaktionen umsetzbar sein würden. Das Layout der Webseite wurde mit CSS3 erstellt.

Die Visualisierungen mit D3.js zu erstellen hat sich als zeitlich sehr aufwendig erwiesen. Für unser Empfinden war hier viel Code nötig und es dauerte etwas, bis man mit der API zurechtkam. Die Dokumentation von D3.js wirkt etwas unübersichtlich und andere Ressourcen im Internet beziehen sich meist auf eine veraltete Version von D3.js. Dazu sei jedoch gesagt, dass im Internet sehr viele Ressourcen zu D3.js zu finden sind. Dennoch, im Nachhinein wäre eine Bibliothek wie Chart.js mit einem höheren Abstraktionslevel in Anbetracht der wenigen Zeit vielleicht sinnvoller gewesen. Unsere Erwartung an Leaflet hat sich hingegen bestätigt.

Erkenntnisse

Tag-/Nachtrythmus

An regulären Wochen- bzw. Arbeitstagen ist ein deutlicher Zusammenhang zwischen dem Verkehrsaufkommen und der Auslastung des Parkplatzangebots zu erkennen. Zwischen 4 und 8 Uhr morgens steigt das Verkehrsaufkommen deutlich an. Ab ca. 6 Uhr morgens ist dann in den meisten Parkhäusern ein erster Anstieg der Auslastung zu sehen. Zwischen 10 und 11 Uhr erreichen die meisten Parkhäuser dann ihr Auslastungsmaximum. Während dieser Zeit ist auf Seiten des Verkehrsaufkommens wieder ein leichter Abfall zu verzeichnen. Anschließend nimmt das Verkehrsaufkommen wieder zu bis es zwischen 16 und 18 Uhr zu einem erneuten Maximum ansteigt. Betrachtet man um diese Uhrzeit die Auslastung der Parkhäuser, ist eine Abnahme der Auslastung zu erkennen, die sich jedoch weniger deutlich auf einen konkreten Zeitpunkt festmachen lässt wie in den Morgenstunden. Die meisten Parkhäuser erreichen zwischen 22 und 23 Uhr ihr Auslastungsminimum.

Dieses Muster wiederholt sich über mehrere Wochen deutlich von Montag bis Freitag und zeichnet sich auch an Samstagen in leicht abgeschwächter Form ab.

Sonn- & Feiertage

An Sonntagen zeigt sich dieses Muster nicht. Es zeigt sich kein Anstieg des Verkehrsaufkommens zu den Zeiten des Berufsverkehrs (morgens und nachmittags/abends). Insgesamt ist das Verkehrsaufkommen an Sonntagen (um ca. ein Drittel) geringer als an Arbeitstagen. Auch die Auslastung des Parkplatzangebots ist insgesamt geringer als an Wochentagen. Der erhöhte Auslastungsgrad zur Arbeitszeit, wie er unter der Woche zu sehen ist, bleibt an Sonntagen fast vollständig aus. Bei manchen Parkhäusern ist ein leichter Anstieg der Aulastung zur Nachmittagszeit zu beobachten, welcher jedoch nicht mit den Aulastungswerten unter der Woche zu vergleichen ist. Ähnlich verhält sich sowohl das Verkehrsaufkommen als auch die Parkhausauslastung an Feiertagen wie etwa dem 1. oder 6. Januar.

Eine Ausnahme stellt hier der Parkplatz Nationaltheater dar. Bei diesem Parkplatz ist an einigen Sonntagen gegen Nachmittag/Abend (zwischen ca. 16 und 22 Uhr) eine deutlich höhere Auslastung als bei den anderen Parkhäusern am Sonntag zu erkennen. Zu begründen ist dieses Ausnahmeverhalten vermutlich mit den Abendvorstellungen am Nationaltheater, deren Besucher für die Dauer der Veranstaltung ihr Fahrzeug auf dem dazugehörigen Parkplatz abstellen.

Jahreswechsel

Eine Besonderheit im Zeitraum unserer Datenerhebung stellt der Jahreswechsel dar.

Bereits am Freitag den 31.12. ist eine leichte Abnahme des Verkehrsaufkommens im Vergleich zu den vorangegangenen Tagen zu erkennen. Ähnlich verhält es sich mit der Parkhausauslastung. Der Anstieg der Auslastung beginnt später als an Wochentagen üblich und fällt deutlich geringer aus. Darüber hinaus kommt es schneller wieder zu einem Abstieg der Auslastung; die entsprechenden Parkhäuser sind nur ca. 3-4 Stunden etwas mehr ausgelastet. Der Parkplatz Nationaltheater weicht auch hier wieder von den restlichen Parkhäusern ab. Zwischen 18 und 21 Uhr ist der Parkplatz deutlich stärker ausgelastet als die anderen Parkhäuser.

Am 1. und 2. Januar sind das Verkehrsaufkommen und die Parkhausauslastung beiderlei gering. Dies entspricht den sonstigen Beobachtungen an Sonn- und Feiertagen. Lediglich der Anstieg des Verkehrsaufkommens am 1.Januar gegen 1 Uhr ist außergewöhnlich und mit den Feierlichkeiten zum Jahreswechsel in Verbindung zu bringen.

In der ersten Januarwoche (03.01.-09.01) stellen sich dann wieder die gewohnten Muster ein. Anzumerken ist hier jedoch, dass der morgendliche Anstieg des Verkehrsaufkommens geringer ausfällt und die sonst üblichen Maximalwerte erst gegen 16 Uhr erreicht werden. Auch fallen die Auslastungsmaxima der Parkhäuser etwas geringer aus. Ab der zweiten Januarwoche sind wieder die gewohnten Werte zu beobachten.

Vergleich zwischen Parkhäusern

Über die bereits beschriebenen Muster über die einzelnen Tage hinweg, lassen sich Unterschiede zwischen den einzelnen Parkhäusern feststellen.

Einige Parkhäuser sind unabhängig von der Tageszeit und des Wochentags sehr stark ausgelastet (z.B. Collini-Center, Hauptbahnhof P3/P4 und Parkgarage Uni/Schloss), wohingegen andere Parkhäuser gleichbleibend eher weniger ausgelastet sind (z.B. Hauptbahnhof P1 und Hauptbahnhof P2). Die größten Schwankungen zwischen der Auslastung am Tag und in der Nacht sind am Parkplatz M4a zu beobachten. Hier liegt die nächtliche Auslastung meist um die 5%, während die Auslastung am Tag (außer Sonntags) zwischen 95 und 100% beträgt.

Fazit

Zusammenfassend lässt sich sagen, dass Zusammenhänge zwischen der Auslastung des Parkplatzangebots in der Mannheimer Innenstadt und dem Verkehrsaufkommen erkennbar sind. Es kann allerdings nicht zweifelsfrei davon ausgegangen werden, dass die beobachteten Schwankungen in der Parkhausauslastung lediglich durch das Verkehrsaufkommen bedingt sind. Die Zusammenhänge scheinen auch durch die Tageszeit, den Wochentag und besondere Zeiträume, wie etwa den Jahreswechsel, beeinflusst zu werden. Weitere Einflussfaktoren auf die Nutzung von Parkhäusern, wie etwa variierende Öffnungszeiten und Nutzungskosten wurden beispielsweise nicht betrachtet. Aufgrund der fehlenden Daten während der Weihnachtsfeiertage konnte dieser Zeitraum nicht mit in die Betrachtung einbezogen werden. Aus diesen Gründen kann unsere eingangs gestellte Hauptfrage nicht mit Sicherheit beantwortet werden. Trotzdem bieten unsere gewonnenen Erkenntnisse einen Überblick über die bestehende Situation in der Stadt Mannheim und können für weiterführende Untersuchungen in der Zukunft nützlich sein.

Unser Dashboard kann in zukünftigen Arbeitsschritten noch erweitert werden. Derzeit wird die Aggregationsstufe der dargestellten Daten zur Parkhausauslastung und zum Verkehrsaufkommen automatisch anhand der Länge des ausgewählten Betrachtungszeitraums gesetzt. Hier könnte stattdessen dem Nutzer eine freie Wahl ermöglicht werden. Um die Visualisierung der Parkhausauslastung noch intuitiver zu gestalten, wäre es weiterhin möglich, den Auslastungsgrad zusätzlich auf der Karte sichtbar zu machen. Hierbei könnten die Markierungen der jeweiligen Parkhäuser entsprechend ihrer Auslastung unterschiedlich eingefärbt werden. Zur besseren Kenntlichmachung des zeitlichen Zusammenhangs zwischen Parkhausauslastung und Verkehrsaufkommen könnte darüber hinaus eine vertikale Hilfslinie eingefügt werden. Diese könnte sich bei Überfahren eines der beiden Diagramme mit dem Mauszeiger mitbewegen.