Blick auf eine belebte Straßenkreuzung mit mehreren parkenden und fahrenden Autos sowie einem Fußgänger auf dem Bürgersteig. — © richardfoulon auf pixabay

Smart Parking: Digitales Parkraummanagement als Schlüssel für nachhaltige Mobilität

30. Januar 2026 | Dr. Nadine Teusler, innocam.NRW

innocam.NRW informierte sich am 05.12.2025 im Rahmen eines PRISMA.experTalks über aktuelle Entwicklungen und Herausforderung zur Umsetzung eines digitalen Parkraummanagements.

Die Veranstaltung zeigte deutlich, welche zentrale Rolle ein modernes Parkraummanagement in der aktuellen Mobilitätswende spielt. Durch gezielte Maßnahmen lassen sich Verkehrsverhalten und Verkehrsflüsse bereits mit vergleichsweise geringem Aufwand spürbar beeinflussen. Insbesondere kurzfristig sichtbare Verlagerungseffekte sowie die kosteneffiziente Umsetzung vieler Maßnahmen machen das Parkraummanagement zu einem wirkungsvollen Steuerungsinstrument.

In der Veranstaltung wurde zudem die starke öffentliche Wahrnehmung und politische Relevanz des Themas hervorgehoben. Konfliktfelder wie als unzureichend empfundene Parkraumangebote, Falschparken in zweiter Reihe oder auf Radwegen sowie zunehmender Parksuchverkehr prägen vielerorts die Diskussion. Widerstände gegen den Abbau von Parkplätzen im Straßenraum oder der Gegensatz zwischen überlasteten Oberflächenparkplätzen und wenig genutzten Tiefgaragen zeigen weitere Herausforderungen auf. Darüber hinaus stehen Städte vor der Aufgabe, die Zufahrt zu sensiblen Bereichen zu steuern und den Umgang mit Parkraum als wertvolle städtische Ressource neu zu definieren.

Aktuelle Trends verdeutlichen, dass sich die Nutzungsansprüche an den Parkraum stetig weiterentwickeln. On-Demand-Verkehre, wachsende Lieferverkehre und die zunehmende Bedeutung verschiedener Sharing-Systeme führen zu einem vielfältigeren Nutzungsmix. Damit gewinnt auch das sogenannte Curbside Management an Bedeutung, das eine flexible Aufteilung des Straßenraums für unterschiedliche Zwecke ermöglicht. Aus politischer Perspektive wird das Parkraummanagement zunehmend gesamtstädtisch gedacht, wobei auch die mögliche Einbindung privater und halbprivater Flächen sowie ein gemeinde- oder regionsübergreifendes Management in den Blick geraten.

Im Rahmen der Veranstaltung wurden ausgewählte Projekte im Zielfeld des digitalen Parkraummanagements vorgestellt.

Parking Space Insights (PSI)

Das österreichische Projekt PSI – Parking Space Insights – entwickelt einen datengetriebenen Ansatz zur umfassenden Erhebung, Analyse und Bewertung des ruhenden Verkehrs. Da bislang keine konsistente Grundlage existiert, wie viele Stellplätze in österreichischen Gemeinden zur Verfügung stehen und wie diese genutzt werden, schafft PSI erstmals eine wissenschaftlich fundierte Basis für strategische Mobilitäts-, Verkehrs- und Stadtplanung. Im Mittelpunkt stehen sowohl öffentliche Parkflächen als auch private und halbprivate Stellplätze, die bisher kaum systematisch erfasst werden konnten.

PSI läuft von Oktober 2024 bis März 2026 und verfolgt einen interdisziplinären, datengetriebenen Ansatz. Kommunale Bestandsdaten werden mit neuen, digitalen Datenquellen kombiniert – darunter Bewegungsdaten aus Mobilfunknetzen, die anonymisiert und aggregiert Rückschlüsse auf Aufenthalts- und Parkmuster ermöglichen. Durch die Verknüpfung dieser heterogenen Datenquellen entsteht ein Modellierungsrahmen, der sowohl die Ermittlung des Stellplatzangebotes als auch die Ableitung der realen Nachfrage ermöglicht. Dieser Ansatz wird durch Pilotanwendungen in verschieden großen Gemeinden validiert, um Reproduzierbarkeit, Übertragbarkeit und Skalierbarkeit sicherzustellen.

Gefördert wird PSI durch das österreichische Bundesministerium für Klimaschutz, Umwelt, Mobilität, Innovation und Technologie (BMK) sowie durch den Klima- und Energiefonds (KLI.EN).

Technische Inhalte

Die technischen Inhalte von PSI bilden den zentralen Innovationskern des Projekts. Im ersten Schritt erfolgt die Standardisierung der Parkraumdaten: Kommunale Datensätze werden harmonisiert, kategorisiert und in einer einheitlichen Metadatenstruktur abgebildet. Dies schafft die Voraussetzung für algorithmische Verarbeitung und automatisierte Qualitätssicherung.

Parallel dazu wird eine modulare Datenplattform entwickelt, die alle Datenquellen integriert. Die Plattform wird als Cloud-basierte Architektur ausgeführt und orientiert sich an bestehenden Schnittstellen- und Datenmodellen aus dem Mobilitätssektor, etwa DATEX II oder kompatiblen urbanen Datenstrukturen. Auf dieser Grundlage entsteht ein flexibles Schema für statische Daten (z. B. Anzahl, Typologie und Zugänglichkeit von Stellplätzen) sowie dynamische Daten (z. B. Aufenthalt, Parkzeiten, Auslastungsindikatoren).

Ein weiterer technischer Schwerpunkt liegt in der Datenfusion und der Entwicklung von Hochrechnungsalgorithmen. Hierbei werden anonymisierte Mobilfunkbewegungsdaten mit lokalem Kontextwissen der Gemeinden verschmolzen. Ziel ist es, die Parkraumnachfrage algorithmisch zu identifizieren, Muster zu erkennen und diese in belastbare statistische Faktoren zu überführen. Dazu kommen Methoden der Raum-Zeit-Analyse, Clusterverfahren, probabilistische Modelle und maschinelle Lernansätze zum Einsatz. Die daraus entstehenden Modelle ermöglichen Aussagen über typische Parkvorgänge, Aufenthaltsdauer, Besucherströme und zeitliche Nachfrageverläufe.

Die Plattform integriert zusätzlich ein semi-automatisiertes Datenmonitoring, das regelmäßige Aktualisierungen ermöglicht. Dabei werden automatisierte Plausibilitätsprüfungen, Versionierung von Datensätzen und Validierungsroutinen implementiert. Langfristig sollen Kommunen auf dieser Grundlage ein laufendes Monitoring etablieren können, bei dem Parkraumdaten kontinuierlich aktualisiert, visualisiert und bewertet werden. Ergänzend wird eine Schnittstelle entwickelt, über die externe Systeme – etwa Parkleitstellen oder Mobilitätsplattformen – Informationen einspielen oder abrufen können.

Durch diese technische Infrastruktur entsteht ein vollständig digital gestützter Bewertungsrahmen, der in Echtzeit oder in periodischen Intervallen Auslastungsindikatoren liefern kann und für zukünftige Erweiterungen (z. B. Integration von Sensordaten, Floating-Car-Daten oder IoT-Erkennungsdaten) ausgelegt ist.

Partner

Als Verbundkoordinator übernimmt die yverkehrsplanung GmbH die operative und organisatorische Gesamtsteuerung des Projekts. Sie ist u.a. für die fachliche Einbettung der Projektergebnisse in strategische Mobilitäts- und Verkehrsplanungsprozesse verantwortlich.

Die Technische Universität Graz liefert die wissenschaftlichen Grundlagen zur Modellierung, Datenfusion und Algorithmik. Sie verantwortet die analytischen Methoden zur Ableitung der Stellplatznachfrage und deren Validierung. Mehrere Ingenieurbüros bringen praktische Erfahrung aus Stadt- und Verkehrsplanung ein, insbesondere zur Interpretation der Daten im kommunalen Kontext.

Der Digitalisierungspartner PRISMA Solutions ist für die Entwicklung der Datenplattform, die technische Integration der Datenquellen und die Umsetzung der algorithmischen Verarbeitung verantwortlich. Gemeinsam gewährleistet das Konsortium eine Kombination aus wissenschaftlicher Exzellenz, technischer Entwicklungsstärke und Anwendungspraxis.

Zusätzlich ergänzt die Trafficon GmbH das Konsortium mit ihrer Expertise im Bereich Verkehrsdatenerfassung, Mobilitätsanalytik und datenbasierter Entscheidungsunterstützung. Trafficon trägt insbesondere zur Aufbereitung, Analyse und methodischen Weiterentwicklung digitaler Mobilitätsdaten bei.

Ausblick

Zentrales Ziel von PSI ist die Schaffung eines standardisierten, skalierbaren Ansatzes zur Bestimmung des österreichischen Stellplatzangebots und der tatsächlichen Nutzung. Das Projekt soll Gemeinden ermöglichen, evidenzbasierte Entscheidungen für Parkraumpolitik, Flächennutzung und Mobilitätsstrategien zu treffen. Langfristig soll die entwickelte Plattform als digitale Grundlage für ein nationales Parkraummonitoring dienen und technisch so ausgelegt sein, dass weitere Datenquellen und Funktionen integriert werden können. Nach Projektabschluss ist vorgesehen, die Methode als dauerhaft nutzbares Werkzeug für Städte, Regionen und Mobilitätsplaner zugänglich zu machen.

Parken und Leiten (PauL)

Das Projekt PauL – Parken und Leiten verfolgte das Ziel, die Parkraumressourcen der Stadt Frankfurt am Main durch eine umfassende Digitalisierung und datengetriebene Verkehrssteuerung effizienter zu nutzen. Im Mittelpunkt stand die Integration unterschiedlicher Parkraumkategorien – darunter Park-&-Ride-Anlagen, Fahrradabstellanlagen, Busparkplätze sowie ergänzende Sharing-Infrastrukturen – in ein kohärentes, interoperables Datenökosystem. Die daraus entstandene Datenbasis soll die Attraktivität multimodaler Mobilitätsketten erhöhen, Parksuchverkehr reduzieren und die gesamtstädtische Verkehrsbelastung nachhaltig senken.

Das Projekt lief von April 2023 bis Oktober 2025 und wurde im Rahmen des Landesprogramms „Starke Heimat Hessen“ gefördert.

Technische Inhalte

Im Rahmen von PauL wurden an ausgewählten Park-&-Ride-Standorten sowie an Bus- und Fahrradabstellanlagen sensorbasierte Detektionssysteme installiert, die auf Objekt-, Bewegungs- und Präsenzdetektion beruhen. Diese Sensoren erfassten Ein- und Ausfahrten sowie Belegungsänderungen in nahezu Echtzeit und verarbeiteten die Rohdaten dezentral vor, sodass ausschließlich anonymisierte und aggregierte Belegungszustände an das zentrale Datensystem übermittelt wurden. Die technische Architektur war konsequent datenschutzorientiert ausgelegt und vermied die Erfassung personenbezogener Merkmale wie Kennzeichen oder Gesichtsstrukturen.

Die erfassten Daten wurden anschließend in ein zentrales städtisches Parkdaten-Managementsystem eingespeist, das der Validierung, Harmonisierung und zeitlich-räumlichen Aggregation dient. Die Plattform ist in der Lage, sowohl Echtzeitdaten als auch historische Zeitreihen zu analysieren, wodurch differenzierte Auslastungsprofile erstellt und Muster im Tages-, Wochen- oder Jahresverlauf identifiziert werden können. Die Datenhaltung orientiert sich an offenen Mobilitätsstandards und erlaubt die Bereitstellung über interoperable Schnittstellen, unter anderem über das städtische Mobilitätsportal sowie über nationale Datenräume wie die Mobilithek. Dadurch entsteht ein datenoffenes System, das Navigationsdienste, Fahrzeughersteller und Mobilitätsanbieter in die Lage versetzt, die Informationen in Routing- und Leitstrategien zu integrieren.

Aus technischer Sicht ist PauL ein Pilotprojekt für ein skalierbares, großstädtisches Parkraummanagement auf Basis eines verteilten Sensornetzes, eines modularen Datenbackends und eines offenen Datenbereitstellungsmechanismus. Die Systemarchitektur ist darauf ausgelegt, zukünftig um zusätzliche Datenquellen wie Floating-Car-Data, IoT-Sensorik oder ÖPNV-Echtzeitdaten erweitert zu werden. Damit schafft PauL ein belastbares Fundament für ein perspektivisch dynamisches, stadtweites Verkehrsleitsystem.

Partner

Die Umsetzung erfolgt unter der Leitung des Straßenverkehrsamts der Stadt Frankfurt am Main, das die projektstrategische Steuerung sowie die administrative Koordination verantwortet. Ergänzend bringen mehrere spezialisierte Unternehmen ihre technische und methodische Expertise ein. Dazu zählen unter anderem TCP International, zuständig für Installation und Betrieb der Sensortechnik, Trafficon, das seine Erfahrung in Verkehrsanalytik und Datenaufbereitung einbringt, sowie PRISMA Solutions, das den Parkdaten-Manager entwickelt und sowohl die technische Integration der Datenquellen als auch die algorithmische Verarbeitung übernimmt.

Ausblick

Das Projekt PauL soll die Grundlage für eine datenbasierte Optimierung der städtischen Parkraumnutzung schaffen und langfristig den Parksuchverkehr sowie verkehrsbedingte Emissionen senken. Durch die Verfügbarkeit verlässlicher Echtzeitdaten wird die gezielte Lenkung von Verkehr ermöglicht, insbesondere die vermehrte Nutzung von Park-&-Ride-Angeboten und damit die Stärkung multimodaler Mobilitätsketten. Ein zentrales Ziel ist es, die im Projekt geschaffene Infrastruktur nach Abschluss weiter auszubauen und in ein umfassendes städtisches Verkehrs- und Informationssystem zu überführen. Langfristig soll PauL als Blaupause für datengetriebenes Parkraummanagement in Metropolregionen dienen und damit einen substantiellen Beitrag zur urbanen Mobilitätswende leisten.

Erweitertes umweltsensitives Verkehrsmanagement Berlin (eUVM)

Das Ziel des eUVM-Projekts ist es, die Luftschadstoffbelastung in hoch belasteten Straßen und städtischen Teilräumen Berlins durch ein datenbasiertes Verkehrs- und Umweltmanagement nachhaltig zu reduzieren und damit einen Beitrag zur Mobilitätswende zu leisten. Dabei wird der motorisierte Individualverkehr gezielt durch Maßnahmen gesteuert und zugleich der Umweltverbund (ÖPNV, Rad und Fußverkehr) gefördert. Die Grundlage dafür bildet eine qualitativ hochwertige und integrierte Datenbasis aus Verkehrs- und Umweltinformationen, die erstmals eine systematische Analyse und Lenkung von Verkehr und Umweltwirkungen ermöglicht.

Das Projekt lief vom 15.12.2020 bis zum 31.12.2024 und wurde gefördert im Rahmen der Förderrichtlinie „Digitalisierung kommunaler Verkehrssysteme“ aus dem Sofortprogramm „Saubere Luft“ durch das Bundesministerium für Verkehr (BMV).

Technische Inhalte

Im Zentrum der technischen Umsetzung steht eine systematische Erfassung und Integration heterogener Datenquellen: Zum einen werden verkehrsbezogene Daten gesammelt — über Floating-Car-Data, stationäre Zählsysteme und andere Verkehrsdetektoren — um Verkehrsfluss, Bewegungen, Stauentstehungen, Reisezeiten und Verkehrszyklen mit hoher räumlicher und zeitlicher Auflösung abzubilden.

Parallel erfolgt eine umfassende Kartierung des ruhenden Verkehrs: Im Rahmen des Teilprojekts „Parkraumkartierung und Parkdatenanalyse“ wurden alle öffentlichen Straßenparkplätze innerhalb des S‑Bahn‑Rings sowie in angrenzenden Gebieten erstmals digital erfasst. Dafür kamen sogenannte Scan‑Fahrzeuge zum Einsatz, die mit Kameras und Sensortechnik ausgestattet sind und in aufwendigen Kartierungsfahrten Lage, Ausstattung, Parkregelungen, Gebühren, Reservierungen und Nutzungsbedingungen der Parkplätze ermitteln. Diese Daten wurden mit Metainformationen zu Parkzonen verknüpft.

Darüber hinaus gehört zum technischen Ansatz eine signifikante Erweiterung der bestehenden Mobilitätsdateninfrastruktur durch die Digitale Plattform Stadtverkehr Berlin (DPS). Diese Plattform wurde um Umwelt‑ und Verkehrsdaten erweitert, sodass Verkehrsfluss, Parkplatzverfügbarkeit, Luftqualität und weitere Indikatoren integriert abrufbar und analysierbar sind. Die DPS wurde so konzipiert, dass sie sowohl statische als auch hochdynamische Datenströme verarbeiten kann und als zentrale, offene Datenbasis für Verwaltung, Forschung, Wirtschaft und Öffentlichkeit fungiert.

Ein weiterer wesentlicher Innovationspunkt ist die Entwicklung eines KI‑basierten Prognosesystems für Luftschadstoffe. Anhand kombinierter Eingangsdaten aus dem Luftgütemessnetz, Verkehrsdetektoren, Wetterdaten und städtischen Strukturinformationen werden Vorhersagen für Schadstoffe wie Stickstoffdioxid (NO₂), PM₁₀ und PM₂,₅ erstellt — mit Vorlauf von mehreren Tagen. Dieses Prognosemodell erlaubt eine vorausschauende Verkehrs‑ und Umweltsteuerung.

Auf Basis dieser Daten und Prognosen werden adaptive Verkehrsmanagementmaßnahmen entwickelt: Dazu zählen verkehrslenkende Maßnahmen wie zeitlich und räumlich variierende Ampelschaltungen, Verkehrssteuerung, Verkehrsflusslenkung, sowie die Möglichkeit zur Einführung eines „umweltsensitiven Routings“ — also Routenführungen, die nicht nur kürzeste oder schnellste, sondern hinsichtlich Emissionen optimierte Wege berechnen.

Die Kombination aus Verkehrsdatenanalyse, Parkraumanalyse, Luftqualitätsmessung und Prognose, Datenplattform und Echtzeit‑Steuerung eröffnet erstmals die Möglichkeit, Verkehrs‑ und Umweltaspekte ganzheitlich zu verknüpfen und flexibel auf aktuelle Belastungslagen zu reagieren. Damit ist eUVM technisch als integriertes System angelegt, das Quantität (Verkehrs- und Parkraumdaten), Dynamik (Echtzeit‑ und Prognosedaten) und Steuerung (adaptive Maßnahmen) zusammenführt.

Partner

Die Umsetzung des Proof-of-Concepts Navigation 2.0 erfolgt in enger Zusammenarbeit zwischen städtischen Stellen, Technologiepartnern und Verkehrsakteuren. Die Senatsverwaltung für Umwelt, Mobilität, Verbraucher- und Klimaschutz Berlin koordiniert das Projekt und stellt die Schnittstelle zur städtischen Verkehrsinfrastruktur bereit. Technische Expertise wird von Kapsch TrafficCom eingebracht, die die Entwicklung der Backend-Systeme und die dynamische Routenführung verantworten. Graphmasters übernimmt die Datenmodellierung und Algorithmen für die Analyse von Verkehrsströmen und Parkraumnutzung. PRISMA Solutions sorgt für die Integration der Sensordaten, die Umsetzung der Datenplattform und die algorithmische Verarbeitung für Echtzeit-Routing. Zusätzlich ist der Verkehrsverbund Berlin-Brandenburg (VBB) eingebunden, um die Anbindung an ÖPNV-Zeiten sicherzustellen und die Multimodalität in der App abzubilden.

Ausblick und Bedeutung

Mit Abschluss des Projekts eUVM lagen umfangreiche Datensätze vor: detaillierte Karten des öffentlichen Parkraums, Verkehrsfluss‑ und Bewegungsdaten, luftqualitätsbezogene Messwerte und Schadstoffprognosen sowie Nutzungsmuster. Auf dieser Datenbasis lassen sich Verkehr und Umwelt zielgerichtet steuern — etwa durch adaptive Verkehrsführung, umweltsensitives Routing, Kommunikation und Bewusstseinsbildung bei Verkehrsteilnehmenden und gegebenenfalls strukturelle Veränderungen im Verkehrs‑ und Mobilitätsangebot.

Langfristig bietet eUVM ein skalierbares Modell, das als Blaupause für andere Großstädte dienen kann, die vor ähnlichen Herausforderungen stehen: hohe Verkehrs- und Schadstoffbelastung, Konflikte um Parkraum, Bedarf an Mobilitätswende und nachhaltiger Verkehrslenkung. Durch die Kombination von Verkehrssteuerung, Umweltmonitoring, Datenplattform und Bürgerinformation kann ein nachhaltiges, intelligentes Verkehrsmanagement etabliert werden, das Umwelt- und Gesundheitsziele mit Mobilitätsbedürfnissen verbindet.

Darüber hinaus eröffnet die technische Infrastruktur Potential für Erweiterungen — etwa Einbindung weiterer Datenquellen (z. B. Sensornetze, Verkehrsmitteldaten, IoT), Integration in multimodale Verkehrsleit- und Mobilitätsplattformen oder Kopplung mit Planungsinstrumenten für Stadtentwicklung und Umwelt. Somit kann eUVM nicht nur kurzfristig Emissionen und Verkehrsaufkommen beeinflussen, sondern mittelfristig als strategisches Instrument einer umweltgerechten, datenbasierten Mobilitätssteuerung wirken.

Proof of Concept Navigation 2.0

Navigation 2.0 adressierte das Problem der Parkplatzsuche bei der Anfahrt in die Innenstadt und zielte darauf ab, die Nutzung von Park+Ride‑Anlagen (P+R) zu optimieren. Insbesondere sollte Pendelnden — z. B. aus dem Umland Brandenburgs — ein verlässliches System an die Hand gegeben werden, das ihnen in Echtzeit anzeigt, wo verfügbare Parkplätze an P+R‑Standorten vorhanden sind. Ziel war es, den Suchverkehr und damit verbundene Emissionen zu reduzieren, die Attraktivität des Umweltverbunds (ÖPNV kombiniert mit P+R) zu erhöhen und die Einfahrt in die Stadt effizienter und stressfreier zu gestalten.

Mit der Navigation 2.0 sollten Fahrende bei der Einfahrt so geführt werden, dass sie — basierend auf aktueller Parkplatzverfügbarkeit, S‑Bahn‑Abfahrtszeiten und Verkehrslage — automatisch zum nächstgeeigneten freien P+R‑Platz navigiert werden. Damit wird nicht nur die Parkplatzsuche erleichtert, sondern das Gesamtsystem Verkehr in Richtung Nachhaltigkeit und Flächenoptimierung gelenkt.

Die Pilotphase von Navigation 2.0 lief vom 24. März bis zum 20. Juni 2025. Dabei wurden als Testgebiet P+R‑Anlagen und Parkhäuser im Nordosten Berlins ausgewählt — namentlich solche entlang der S‑Bahn‑Linie S2 sowie das Parkhaus am S‑Bahnhof Friedenstal. Pendlerinnen und Pendler aus dem Raum Bernau, Biesenthal und Wandlitz wurden aufgerufen, das System zu testen und mit ihren täglichen Fahrten die Praxistauglichkeit sowie die Nutzerakzeptanz zu bewerten. Das Projekt wird durch das Bundesministerium für Digitales und Verkehr (BMDV) im Rahmen der Förderinitiative „Digitalisierung kommunaler Verkehrssysteme“ unterstützt.

Technische Inhalte

Die technische Architektur von Navigation 2.0 basiert auf der Kombination aus Echtzeit‑Parkraumerfassung, dynamischer Routinglogik und Integration in eine Navigations-App. Konkret werden P+R‑Parkplätze mit Sensorik bzw. Datensystemen ausgestattet, welche die aktuelle Belegung in Echtzeit erkennen. Diese Belegungsdaten werden an eine zentrale Verkehrsleitstelle bzw. an Backend‑Systeme übermittelt, die sie unmittelbar für Routingentscheidungen auswerten. Während der Testphase werden Nutzerinnen und Nutzer über die App NUNAV Navigation (unterstützt CarPlay und Android Auto) geführt — die App berechnet auf Basis der Belegung, der Zieladresse, der anstehenden S‑Bahn‑Abfahrtszeiten und der Verkehrslage eine optimierte Route zum nächstfreien P+R‑Platz.

Die Routensoftware ist dabei dynamisch: Sie passt sich in Echtzeit an — das heißt, wenn sich die Parkplatzbelegung ändert (z. B. durch andere Nutzer), wird die Navigation automatisch entsprechend aktualisiert. Dadurch lässt sich das Phänomen des „Parkplatzsuchverkehrs“ minimieren und die Belastung des innerstädtischen Verkehrs reduzieren. Der Einsatz eines solchen Systems erfordert eine verlässliche Kommunikation zwischen Infrastruktur (Sensorik bzw. Parkplatzbelegungserfassung), Backend‑Datenplattform und Frontend‑Navigationssystem.

Zudem ist das System datenschutzkonform aufgebaut — es werden keine personenbezogenen Daten wie Kennzeichen oder Nutzerprofile zentral gespeichert; lediglich anonymisierte und aggregierte Belegungsinformationen fließen in das Routing ein.

Partner

Ausblick

Der Proof-of-Concept Navigation 2.0 dient als technologische und methodische Grundlage für eine mögliche stadtweite Umsetzung eines dynamischen, multimodalen Parkraummanagements. Basierend auf den gewonnenen Erkenntnissen aus Sensorik, Datenplattform, Echtzeit-Routing und Nutzerfeedback können die Algorithmen zur Parkplatzvorhersage weiter optimiert und skaliert werden. Perspektivisch soll das System nicht nur P+R-Anlagen, sondern auch innerstädtische Parkhäuser und öffentliche Parkflächen einbeziehen, um eine ganzheitliche Verkehrs- und Umweltentlastung zu erreichen.

Darüber hinaus eröffnet Navigation 2.0 die Möglichkeit, die Integration weiterer Datenquellen wie Verkehrsflüsse aus Floating-Car-Data, Wetterinformationen oder Echtzeit-ÖPNV-Daten zu erweitern. So kann das System künftig adaptive Routenvorschläge nicht nur nach Parkplatzverfügbarkeit, sondern auch nach Umweltbelastung und Verkehrsfluss generieren. Langfristig bietet Navigation 2.0 damit ein skalierbares Modell für datenbasiertes, umweltsensitives Verkehrsmanagement, das die Pendlerinnen- und Pendlerströme effizient lenkt, Parksuchverkehr reduziert und die Multimodalität im urbanen Raum stärkt.

Weitere Informationen, Links und Bericht sind hier abrufbar: Weniger dicke Luft - Berlin.de

Die Aufzeichnung des PRISMA.experTalks sowie die gehaltenen Präsentationen sind unter nachfolgendem Link abrufbar: PPRISMA.experTalk "Smart Parking: Digitales Parkraummanagement als Schlüssel für nachhaltige Mobilität"

Sie haben Fragen oder benötigen weitere Informationen zu diesem Artikel?

Dr. Nadine Teusler

Netzwerkmanagement info(at)innocam.nrw +49 30 206 708 93 16