中小城市中心區停車需求預測方法研究

石金霞

(重慶交通大學 交通運輸學院，重慶 400074)

中小城市中心區停車需求預測方法研究

石金霞

(重慶交通大學 交通運輸學院，重慶 400074)

在總結中小城市中心區停車需求影響因素的基礎上，引入高峰小時修正系數和停車管理政策調整系數，結合現有的交通發生吸引量——停車需求預測模型，建立能夠更好適用于中小城市中心區的停車需求預測模型，并結合四川省內江市威遠縣中心城區進行停車需求預測實例驗證。研究結果表明該預測方法是合理的，且計算出的中小城市中心城區停車泊位需求量更加有效。

交通規劃；停車需求預測；中小城市中心區

1 前 言

隨著中小城市機動車保有量的不斷增加，城市停車難的問題日益嚴峻，尤其是中小城市中心城區，停車難、亂停車現象隨處可見。面對日益嚴重的停車供需矛盾，科學合理的預測停車泊位需求量成為解決中小城市靜態交通問題的關鍵。

目前國內外常用的停車需求預測模型可以歸納為三大類：以土地利用為基礎的停車生成率模型、以停車需求與出行關系為核心的出行吸引模型、以相關分析法為核心的多元回歸分析預測模型。以現有的交通發生吸引量—停車需求預測模型為基礎，從中小城市中心區停車需求預測影響因素出發，引入高峰小時修正系數和停車管理政策調整系數，提出一種能夠更好適用于中小城市中心區的停車需求預測方法。

2 中小城市中心區停車需求影響因素分析

(1)城市經濟水平

機動車保有量隨著城市經濟的發展而迅速增長，從而直接導致停車需求增長。根據統計資料分析，每增加一輛車，將增加1.2～1.5個停車泊位需求。經濟的發展還影響著人們的出行方式的選擇，出行的強度也隨之提高。車輛的出行都會面臨停車設施的選擇，不同的出行時間和目的所產生停車需求量也會不同。通常，停車需求量隨著車輛出行次數的增加而增大。

(2)土地開發和利用強度

停車需求作為一種派生性需求，是土地開發利用的函數，隨著土地開發和利用強度的不同而呈現出高峰時段和空間分布的差異，不同用地性質和開發強度所對應的停車特征和吸引率也不同。

(3)停放費用

停車費用包括貨幣費用如停車費，以及非貨幣費用如停車后步行時間等。在其他條件相同的情況下，停車費用越高，停車需求越低。許多中小城市中心區缺乏社會公共停車場，又由于路內停車費用比較低，路邊停車方式占據很大比例。很多車輛長時間停放在路邊，道路資源被占用，對動態交通造成很大影響。

(4)高峰小時停車需求量

美國 FHWA 的研究表明，日平均機動車流量與高峰小時停車需求量存在正相關的函數關系。高峰小時停車需求量不僅可以反映停車需求水平，還能為停車設施規模的確定提供重要依據。

(5)停車管理政策

停車管理政策是調控停車需求的一個重要手段，直接影響著停車需求分布和停車設施規模，比如通過嚴格控制停車泊位供給總量、實施區域差別化收費等措施來控制從而控制停車需求的增長。不過，停車管理政策是對停車需求進行定性的宏觀分析，在對停車需求進行預測時，需要對停車政策進行量化。

3 中小城市中心區停車需求預測模型構建

3.1 基本思路

交通發生吸引量——停車需求模型出行吸引模型的基本原理就是建立停車需求與城市區域內土地開發和機動車出行吸引量之間的關系。不過該方法缺乏考慮高峰小時停車率、停車管理政策調控等因素對靜態交通的影響。引入高峰小時修正系數和停車管理政策調整系數對現有模型進行了改進，構建更加切合中小城市中心區實際情況的停車需求預測模型。

模型的基本思路為：劃分交通小區，根據城市綜合交通規劃的調查資料，由人均出行次數和各交通小區規劃年人口控制規模的乘積，以及不同用地的單位建筑面積日吸引率和各交通小區建筑面積的乘積，計算得到各交通小區的出行發生和吸引總量；根據得到的各交通小區出行發生、吸引量及綜合交通規劃中各交通小區小汽車方式出行發生、吸引比例，計算得出各交通小區采用小汽車出行的發生和吸引總量；依據調查得到的各交通小區小汽車平均實載率換算系數，將不同用地性質類型的交通小區出行人次換算成發生和吸引的小汽車當量；以小汽車當量除以停車泊位周轉率，得到各交通小區停車泊位預測量；引入高峰小時修正系數，并對綜合交通規劃中的停車管理策略進行量化，用高峰小時修正系數和停車管理政策調整系數對得到的各交通小區停車泊位預測量進行修正，得到的即是各交通小區實際停車泊位需求量，對結果進行匯總可得到城市中心區規劃年的停車泊位需求總量。

3.2 模型構建

(1)各交通小區停車泊位預測量

通過調查小汽車出行方式分配比重，將各交通小區出行發生、吸引量分配成小汽車發生、吸引量，再依據小汽車實載率和停車泊位周轉率得到各交通小區停車泊位預測量

(1)

ε與λ可通過調查獲取或在參考已有調查數據，還應結合中小城市中心區的交通特征進行修正。

(2)各交通小區實際停車泊位需求量

停車需求預測模型實際的運作中會受很多因素的影響，如高峰小時停車率、停車管理政策等。為了使預測的結果更加符合事實的要求，需要對結果進行折減，提出一種切合中小城市的停車特點且適用性強的修正模型

Qi=Pi×γi×φi

(2)

式中：Qi為規劃年交通小區實際停車泊位需求量(位)；Pi為規劃年交通小區的停車泊位預測量(位)；γi為i交通小區高峰小時修正系數；φi為i交通小區停車管理政策調整系數。

γ是對高峰小時停車率的折減，而高峰小時停車率是高峰小時停車量與平均每小時停車量的比值。美國土地協會出版的第2版《SharedParkingDesign&Management》中停車泊位率選取高峰時段停車數量的85%，美國運輸工程師協會(ITE)及停車顧問理事會的相關研究中認為 85% 為恰當比率。本文選取高峰小時停車率的85%作為高峰小時修正系數。

停車管理政策是影響停車需求的定性因素，在對停車泊位需求量進行修正時需對停車管理政策進行量化。參考已有研究及應用實例，本文將不同的停車管理策略量化為四個區域類型，每個區域類型對應不同的調整系數，具體如表1所示。

表1 停車管理策略劃分及其調整系數

4 實例分析

4.1 停車泊位預測量計算

以四川省內江市威遠縣中心區的停車預測為例進行分析。威遠縣縣域現有總人口 74.47萬人，中心城區常住人口約 19.1萬人，面積約22 km2。按照《威遠縣城市總體規劃(2010～2030)》中各片區控制性規劃資料和交通小區劃分原則，將本次威遠縣中心城區劃分為6個交通中區，12個交通小區，各交通小區的所在位置、編號如圖1所示。

圖1 威遠縣中心城區交通小區劃分圖

根據《威遠縣城市總體規劃(2010～2030)》， 2030 年威遠縣中心區人口規模將達到30萬人，用地規模為30.2 km2。各交通小區規劃人口、土地利用性質及建筑面積由規劃資料提供。其他模型參數是在參考類似城市的基礎上，結合威遠縣綜合交通調查報告中的相關吸引點調查數據進行了修正和調整。其中，通過調查得到小汽車實載率換算系數：辦公、居住類型的換算系數為1.3，出游類型的換算系數為2.0，商業類型的換算系數為1.6，工業類型的換算系數為1.9，停車泊位周轉率取2. 15。計算得到威遠縣中心區規劃年停車需求預測各項指標匯總如表2所示。

表2 威遠縣中心區規劃年停車需求預測

4.2 實際停車泊位需求量計算

通過實地調查，辦公、居住用地高峰小時修正系數取值為0.89，商業類用地取值為1.25，工業類用地取值為0.86；各交通小區的停車管理政策由規劃資料提供，主城區停車管理政策調整系數取值為0.8，清溪河片區和工業物流園區取值為0.9，白塔片區取值為1，城西片區和花城片區取值為1.2。修正結果匯總后得到威遠縣中心區實際停車泊位需求量見表3所示。

表3 停車需求預測方法結果比較表

根據規劃資料，通過直接推算法和間接推算法(時間序列法、千人機動車保有量法、彈性系數法)對威遠縣中心區的機動車保有量進行預測，其加權預測結果為：威遠縣中心區2020年機動車擁有量為20 546輛；2025年機動車擁有量為26 477輛；2030年機動車擁有量為32 081輛。按1輛汽車需要1.2～1.5個停車泊位的需求，取停車泊位數為機動車保有量的1.2倍，則機動車保有量——停車泊位經驗關系法計算得到的停車泊位需求總量見表3所示。

對比兩種方法預測結果，發現兩種方法預測結果的相對誤差保持在7%之內，說明修正后的交通發生吸引量——停車需求預測方法在中長期規劃中的總量控制上與基于機動車保有量法的預測結果基本保持一致，具有較好的可靠度。此外，修正后的交通發生吸引量——停車需求預測方法可以得到12個交通小區的詳細停車分布，有利于停車管理和調控。

5 結 語

在現有交通發生吸引量——停車需求預測模型的基礎上，將高峰小時修正系數及停車管理政策調整系數引入模型中，構建了適用于中小城市中心區的停車需求預測模型。該預測方法能夠全面考慮高峰小時停車率、停車管理政策等因素對停車需求的影響，從而更好地切合中小城市的實際情況，并且在總量控制預測上與基于機動車保有量法的預測結果基本保持一致，在停車分布預測上相比傳統預測方法更加詳細可靠，能夠為中小城市的停車規劃提供有效依據。但是影響城市停車需求的因素很多，在今后的研究中，還需綜合考慮其他影響因素，如路網容量、道路服務水平等。

[1] 任福田，劉小明，榮建，等.交通工程學[M].北京:人民交通出版社，2003：260-263.

[2] 陳峻.城市停車設施規劃方法研究[D].南京:東南大學，2000.

[3] 別牧.重慶北部新區停車需求預測與停車管理策略研究[D].重慶交通大學，2011.

[4] 瑪麗·史密斯.共享式停車場設計與管理[M].王瑩,譯.沈陽:遼科學技術出版社，2007.

[5] 龍東華.城市中心區停車需求預測模型及應用研究[D].重慶交通大學，2012.

Study on parking demand forecasting method for center district of medium and small cities

SHI Jin-xia

(School of Traffic & Transportation, Chongqing Jiaotong University，Chongqing 4100074,China)

Based on the summary of the influencing factors of parking demand forecasting in medium and small cities central district, parking management policy adjusted coefficient were taken into consideration. Based on the existing trip generation and attraction-parking demand forecasting model, it proposed the method of parking demand forecasting for medium and small cities center district. Center district of weiyuan county sichuan province was used as an example to verify the method. The results also show that the forecasting method is reasonable and effective．

traffic planning; parking demand forecasting; center district of medium and small cities

2015-10-22

石金霞(1989-)，女，河南太康人，研究方向：交通運輸規劃與管理。

U491 文獻標識碼：A 文章編號：1008-3383(2016)02-0133-03