非集聚模型在停車需求預測中的應用研究

張 鈞

（上海市政工程設計研究總院（集團）有限公司，上海市 200092）

1 停車需求預測的意義

停車需求預測是城市停車場規劃的重要內容，是確定停車場發展規劃的依據，也是制定停車場設施建設方案及停車場管理制度的重要基礎。進行停車需求預測要求對停車系統的現狀進行全面分析研究，掌握其發展的內在規律，并運用科學方法正確預測停車需求的發展前途，然后據此對停車場規劃與管理做出詳細周密的安排。

停車需求是伴隨著交通出行而產生的，是交通出行過程中的一種從屬性需求，停車需求的發展與城市人口規模、經濟發展狀況、中心商業區的面積和吸引強度等有著密切的關系，尤其是城市機動車保有量、城市土地利用狀況、停車者出行特征這三個因素對一個城市總的停車需求以及各分區的停車需求預測有著直接的影響。

2 停車需求的定義

停車需求定義：停車需求是指各種目的駕車者在各種停放設施中停放車輛的要求。

停車需求可分為兩類：

（1）基本停車需求：由車輛保有引起的靜態交通需求，即夜間靜態交通需求，主要是為居民或單位車輛夜間停放服務。

（2）社會停車需求：由車輛使用引起的靜態交通需求，是日間靜態交通需求的主要組成部分，主要由社會、經濟活動產生的各種出行所形成。

由于兩類停車需求產生機理不同，其分析方法也不同。基本停車需求可以從各區域車輛注冊數推算出來，一般不涉及復雜的技術方法。而社會停車需求比較復雜，影響因素較多，其分析方法也較復雜。

類似于四階段交通需求預測，停車需求預測的完整過程也應包含以下三個階段：區域（或城市）的停車需求總量預測；停車需求總量在各小區的分布；各類停車設施合理結構比重的確定。

停車需求的影響因素主要包括：土地開發和利用強度；停車者出行特征（含停車者出行目的、出行方式、出行時間、出行費用及選擇停車場的首要停車行為特性影響因素）；機動車保有量；停車供給的反饋影響。

3 國內外停車需求預測方法簡述

國內外廣泛使用的靜態交通需求預測模型，可歸納為三大類：基于土地利用的預測模型；基于出行的預測模型；基于社會經濟活動特性的預測模型（即多元回歸模型）。

以上三種方法各有優、缺點和適應性，不過都存在著遠期預測的適用性、可信性問題，表現在停車產生率是現狀土地利用下的值，停車泊位需求因子也是現狀調查值，它們在未來年的發展預測是比較困難的，另外由于影響交通的因素很多，出行OD量及其分布的遠期預測的可靠性也難以把握。

4 停車需求非集聚預測模型

為了克服國內外傳統停車需求預測模型的不足，本文提出建立在城市車輛停放特性基礎之上的基于非集聚模型的停車需求預測模型，總體思路為：分析非集聚模型的運用方法，依據停車場使用者個體的停車特性，根據概率論和交通出行總量計算出停車需求預測三個階段中各個階段的停車需求量的大小，進而建立停車行為特性與停車需求的關系模型，根據隨機效用理論對車輛出行選擇停泊場所的行為進行分析，預測出停車者對不同區位和不同停泊場所的停車需求。

4.1 非集聚模型的概述

非集聚模型地優點在于：

非集聚模型以明確的行為假說為基礎，邏輯性強；可以用較少的樣本標定出模型的參數，并對所求得的參數采用統計學方法進行檢驗；可以選用許多與個人決策相關的因素作為自變量，從而可以對多種交通規劃、交通政策進行效果評價；模型具有較好的時間轉移性和地區轉移性；便于對使用者效益進行項目評價。

停車需求預測非集聚模型和集聚模型相比，在分析單位、模型參數標定方法、適用范圍、政策表現能力等方面均不相同，同時在數據的使用效率和自變量的導入可能性等方面存在實用上的差異，見表1。

表1 停車需求預測集聚模型和非集聚模型的比較

傳統的停車需求預測模型即集聚模型在對某一區域進行停車需求預測時需要首先根據該區域土地性質以及開發強度劃分歸類后進行統計處理、分析，從而得到以各類型土地為分析單位的模型。而與此不同，停車需求非集聚模型則假設出行者是交通行為意志決定以及停放特性的最基本單位，在一定區域內對調查者得到的數據不進行土地性質以及開發強度劃分歸類等處理而直接用于建立模型。

停車需求預測非集聚模型能夠滿足城市車輛停放特性多樣性的要求，能有效地分析和理解車輛停放活動，該模型是基于未進過任何統計處理的個人數據直接建立起來的一類模型。停車需求預測非集聚模型能夠滿足停車需求的多樣化要求，是有效地分析和理解車輛停放活動地重要手段。

停車需求預測非集聚模型是基于車輛停放者在特定的選擇狀下選擇其所認知到的選擇方案中效用最大的方案的理論建立的。并且認為：選擇某方案的效用因該方案所具有的特性和某出行者的屬性（如：年齡、性別、職業等）而異。具體地說，就是考慮到停車費用、停放時間等服務特性，車輛停放者的年齡、職業、收入等社會經濟特性以及出行的目的、出行的時間帶等出行的特性等與交通行為有關的特性將對預測結果產生影響。

交通需求分析中以非集聚模型分析為基礎建立起來的模型稱為非集聚模型（Disarregate Model），它僅是對個人行動的記述和表現，而且是建立在合理的選擇肢基礎上的。其核心是效用最大化理論，本質是出行者將選擇使其最大化效用的出行，基本假設為：個人將在可能的相互選擇獨立的選擇肢集合中，選擇他認為對自己效用最大的選擇肢。即，決策者首先選擇“可能利用的選擇肢群”，其次選擇“對其效用最大的選擇肢”。

4.2 基于Logit的停車需求模型

停車非集聚模型在交通規劃中應用的最多的還是停車行為特性的影響因素對出行行為的影響分析以及對停車場的選擇方面，停車需求預測三階段中，第一階段區域（或城市）的停車需求總量預測通常由居民出行（交通量）預測推導出來，用的是集聚模型；停車的需求預測的過程不是將非集聚模型與集聚模型相對立，而是將它們有機的結合起來，共同構筑成停車需求預測系統。通常，出行是以個人或單車為單位的行為。它受到包括出行者個人屬性在內的多種因素的影響。在將數據集合處理時，這些信息將會產生變化，從而導致集合后的數據與實際狀態之間會產生偏差。針對停車需求預測的第二階段（停車需求總量在各小區的分布）以及第三階段（各類停車設施合理結構比重的確定）的預測，由于每個小區之間以及小區內部車輛停放者之間停放者個體的差別往往會導致集聚模型預測的失真，難以達到精度較高的結果，而停車需求預測非聚集模型是建立在對停車者的個體停車屬性調查后進行充分的分析和歸納基礎之上建立的，對停車需求總量在各小區的分布和各類停車設施合理結構比重的確定這兩個階段的停車需求預測能夠保證更高的精度。

一個完整的停車行為過程，應包括了以下幾個階段：出行的產生、出行方式選擇、出行的路徑選擇、尋找泊車位、從停車地點步行到目的地。本文是對一次完整停車行為進行簡化的基礎上建立停車Logit非集聚模型模型。

4.2.1 模型建立的假設條件

一個完整的停車行為過程是一個復雜的過程，可以說如果要很接近現實地模擬停車行為的全過程是一項繁瑣系統工程，而該處討論的停車模型是在簡化許多現實情況的假設條件下建立的。

模型的假設條件有以下幾個方面：（1）出行機會的產生是一個外部隨機過程，且模型建立在隨機項的獨立性假設的基礎上，具有ⅡA特性（指在任意2個交通方式的選擇概率的比與其它交通方式的狀態無關）。（2）出行者根據一次出行所產生的效用來決定是否接受出行機會，并選擇某一種出行方式。（3）車輛停放者在小區內停放車輛也是一個外部隨機過程，且模型建立在隨機項的獨立性假設的基礎上，具有ⅡA特性（指車輛停放者對任意2個停車設施的選擇概率的比與其它對其它設施的選擇無關）。

4.2.2 模型的建立

（1）區域（或城市）的停車需求總量預測：停車需求產生的直接原因是居民的出行，即由于交通量（或出行量）所引起所引起，因而構造的停車需求量應為交通量的一種函數，即為：

式中：P——全部機動車的停車需求總量（標準泊位）；

Pi——第i種機動車的停車需求總量（泊位）

f（T）——交通量函數；

pi——選擇第i種機動車出行的概率；

λi——第i種機動車出行中產生停車需求占出行的比例，參數；

δi——第i種機動車泊位換算成標準小汽車泊位的換算系數；

ζi——不影響第i種車輛出行而影響其停車需求的因素變動項。

車輛出行預測由居民出行（交通量）預測推導出來，經過國內外實證分析結果，本文僅介紹預測較優的基于多元回歸的交通量預測模型。

式中：f（Tj）——預測時點的j區交通量（車次）；

xjmk——第j個交通小區的m類指標中第k個指標，如人口指標類中的常住人口等；

amk——參數。

（2）停車需求總量在各小區的分布：

式中：Xik——選擇第i種交通方式的第k個說明要素，例如，時間、費用等；

bk——交通方式的第k種效用的貢獻率，參數；

n——交通方式的個數；

Ui——交通方式i的效用函數；

pi——選擇第i種機動車作為交通方式的概率，p0表示非機動車或步行作為選擇交通方式的概率；0≤pi≤1。

將式（3）、式（4）、式（6）代入式（5），推出第 i種機動車的停車需求總量Pi為：

第 j區第i種機動車的停車需求預測值Pij分區求和滿足：

式中：Pij——第j區第i種機動車的停車需求預測（泊位）；

λij——第j區第i種機動車出行中產生停車需求占該區該類出行的比例，參數；

Xijk——第j區選擇第i種交通方式的第k個說明要素，例如停放時間、費用等；

bk——參數；

nj——第j區交通方式的個數。

（3）各類停車設施合理結構比重的確定：在完成了停車需求預測的第一步區域（或城市）的停車需求總量預測和第二步停車需求總量在各小區的分布后需要完成第三步即各類停車設施合理結構比重的確定，第三步可以依據在選定小區內駕車者對停車設施類型的選擇建立選擇行為模型。通常情況下，除小汽車外其余車輛均有專用停車場。故假設i=2時為選擇小汽車出行。本文也主要考慮小汽車出行者對停車設施的選擇。

選擇步行距離、停車收費價格、駕車至停車場行程時間作為模型變量。

則小汽車出行者在小區內對停車設施選擇的概率為：

式中：p2jη——第個人，在第j區以小汽車出行選擇某停車場概率；

V2jη——第j區以小汽車出行者選擇停車場的效用函數；

l2jη——第j區第η個人從停車場到目的地步行距離，m；

F2jη——第j區第η個人在停車場停放車輛時的收費價格，元/h；

t2jη——第j區第η個人駕車至停車場行程時間，min；

αi（i=1、2、3、4）——參數；

Q2j——j區內某個停車場小汽車停放量的預測（泊位）。

4.2.3 基于Logit的停車需求預測模型的應用及特點

小區的真實靜態交通吸引定義為某一時刻以該小區為停放目的停泊在任意場所的車輛總數，停泊場所包括路外公共停車場、配建停車場、路邊停車場。真實靜態交通吸引可以通過車輛停放目的地調查統計計算，要注意統計量的完備性，防止遺漏。具體統計過程如下：首先確定調查的樣本交通小區，然后以該小區（小區半徑一般小于500 m）為中心以1 000 m（停車后步行距離一般小于500 m）為半徑劃定調查區域，組織人力分路段展開停車調查，重點記錄車輛停放目的地、停放場所、到達時間和離開時間、車輛類型，凡以樣本交通小區為停放目的地的計為一次真實靜態交通需求，結合車輛的到達時間、離開時間和類型即可統計處該小區任意時刻任意車型真實鏡頭交通需求總量，并以此作為分小區的靜態交通需求預測的檢驗值。

本文所建立的基于Logit模型的靜態交通需求預測模型在應用中具有下述特點：

（1）從理論上能夠分析與停車需求相關的全部因素，并能夠完成停車需求三個階段的預測。該模型在交通出行量的預測上可以采用逐步回歸分析模型進行影響出行量的相關因素的篩選和因素參數標定，從理論上能夠計算出所有停車出行影響因素對出行量的影響程度，進而計算對停車需求量進行預測。

（2）在對停車行為特性影響因素的聚類分析結果的基礎上，建立了停放自由度較大的小汽車對停車場選擇的概率模型，使小汽車在與其出行目的相對應的小區內對不同停車場的選擇概率有了一定的科學依據。

（3）模型具有一定的實用性。本文提出的基于Logit的靜態交通需求預測模型不僅能夠計算出未來一定時期內某一城市的靜態交通需求總量，還能夠計算出任一交通小區內任一車型的靜態交通需求。這對城市靜態交通的詳細規劃是十分有必要的，可以根據針對不同車型提供相應的車輛停放泊位。

（4）模型具有靈活性和適應性。根據對交通研究程度、交通相關資料的完備程度，可以靈活地調整和運用該模型。如一城市已有比較精確的出行預測模型，則只需進行Logit模型參數標定和靜態交通需求占出行比例的標定，無需再進行出行量的預測。

5 結語

本文在對停車需求定義和分類的基礎上，分析了停車需求的特性與影響因素；對國內外停車需求預測的方法進行了簡述；提出了基于logit模型的非集聚停車需求預測模型，該模型建立在隨機效用的理論基礎上，從理論上能夠分析與靜態交通需求相關的全部因素，模型具有一定的實用性、靈活性和適應性。

[1]吳濤.停車供需與停車政策研究[D].上海:同濟大學道路與交通工程系博士論文,1999.

[2]Smith W and Associates.Parking in the city center[J].Automobile Manufacture,1965.

[3]陳琛.城市公共交通換乘系統研究[D].南京:東南大學碩士學位論文,2004.

[4]Gillen D W.Estimation and specification of the effects of parking costs on urban transport mode choice[J].Journal of Urban Economics.

[5]Daniel Baldwin Hess.The Effects of Free Parking on Commuter Mode Choice:Evidence from Travel Diary Data.Working Paper#34 in the series[J].The Ralph&Goldy Lewis Center for Regional Policy Studies at UCLA,2001.

[6]張鈞.城市機動車車輛停放特性分析與停車需求預測研究[D].南京:東南大學交通學院碩士論文,2005.

[7]公安部.公安部停車管理技術95年度報告[R].1995.