如何处理片段式停车数据

我现在有停车场的停车数据，大体的数据如下：

df <- data.frame("carpark_No" = c("A1", "A2", "B3", "C9", "A1", "B3"), 
                 "entry_date" = c("1/6/2019", "1/6/2019", "1/6/2019", "1/6/2019", "1/6/2019", "1/6/2019"), 
                 "entry_time" = c("8:30am", "9:00am", "10:35am", "9:33am", "7:50pm", "8:01am"), 
                 "exit_date" = c("2/6/2019", "1/6/2019", "3/6/2019", "1/6/2019", "2/6/2019", "1/6/2019"), 
                 "exit_time" = c("5:30pm", "9:00pm", "4:35am", "6:00pm", "9:00am", "1:00pm"))

注释：

carpark_No: 停车场号码，区分不同的停车场

entry_date: 每辆车进入停车场的日期

entry_time: 每辆车进入停车场的时间

exit_date: 每辆车出停车场的日期

exit_time: 每辆车出停车场的时间

总的数据非常多，每一行代表一辆车进出停车场，目前我想先从停车位的占有率来入手，占有率 = 真实占有车位/总车位数， 对于真实占有车位的话，只能按时间段来算（对“点时间”和“进入时间”和“出去时间”进行对比），但是我现在有的数据是5年的，所以非常多，把时间段定的太小不太现实，希望大神能指点下，如何进行分析，除了占有率以外，其他的应用也可以，希望大家给出意见，非常感谢!