動態停車收費標準對居民出行方式的影響

林琳 張杰

摘要 隨著全國機動車保有量的快速增長，小汽車出行誘發的停車供需矛盾不斷突出，高峰時期核心商圈交通擁擠現象嚴重，影響城市交通系統有序運行。文章以寧波市為例，對其商圈進行分級并調查各級區域的停車收費標準現狀，基于二項Logit模型理論分別建立了各級區域居民出行方式的選擇模型，最后得出了寧波市各級區域動態停車收費標準的敏感域。研究表明：動態停車收費可以有效降低小汽車出行比例，優化交通出行結構。文中計算得出寧波市一級區域、二級區域、三級區域的停車收費標準最優區間應分別上浮60%～80%（至9.6～10.8元/h）、40%～60%（至7～8元/h）、20%～40%（至4.8～5.6元/h）。

關鍵詞 城市交通；動態停車收費；二項Logit模型；出行方式選擇；敏感域

中圖分類號 U491文獻標識碼 A文章編號 2096-8949（2024）03-0011-04

收稿日期：2023-12-13

作者簡介：林琳（1994—），女，碩士研究生，助教，研究方向：交通運輸規劃與管理。

通信作者：張杰（1996—），男，碩士研究生，高級工程師，研究方向：交通運輸規劃與管理。

0 引言

隨著全國小汽車保有量的高速增長，使得停車需求與停車供給之間的矛盾日益突出。盡管各城市都出臺了相應的停車收費政策，例如寧波市采取了分區差異化收費，但各區域的擁堵問題仍沒有得到有效的解決。為此，停車收費管理也需要與時俱進，兼顧公平和效率，適時推進以擁堵收費為支撐、以動態停車收費為抓手的交通需求管理政策，以緩解城市交通擁堵。

國內外關于停車收費對居民出行方式選擇影響的研究包括停車收費定價方法、停車收費標準等。停車收費定價方法研究方面，孫啟鵬等[1]采用Logit模型對停車收費進行了研究，發現出行經濟成本和時間成本是影響停車收費的兩個重要因素。胡紅等[2]基于寧波市停車系統現狀設計出差異化的停車收費方案，給出最終調整方案及優勢。王寧等[3]研究發現動態定價的自適應調度策略能夠有效調節汽車共享供需平衡。在停車收費標準方面，包丹文等[4]研究發現居民收入和停車費用是影響居民出行方式選擇的主要因素。Albert等[5]學者研究了不同地區的停車費用對居民出行方式的影響，研究結果表明當停車費用增加時，部分居民傾向于放棄使用私家車而選擇其他方式出行。Lin等[6]通過從動態進化博弈論的視角建立了動態停車收費最優控制模型，研究表明動態停車收費可以有效調節出行方式選擇，緩解交通擁堵。

綜上所述，停車收費標準的調整不僅可以優化居民的出行結構，還能緩解交通擁堵。但這些研究多基于固定收費標準，而動態停車收費對交通擁堵緩解是否具有更好的成效，尚需進一步的研究；同時，區域的不均衡發展使得同一收費標準在不同區域的作用也存在明顯差異。該文在城市分區細化停車收費環境下引入動態停車收費，基于二項Logit模型理論建立出行方式選擇模型，通過模型求解得出動態停車收費標準的敏感域。

1 數據來源及信度分析

1.1 收費標準現狀

2014年寧波市物價部門發布的《關于進一步完善機動車停放服務收費政策的通知》（甬價費〔2014〕48號）中規定的停車收費標準如表1所示。

1.2 調查方法

為了提高停車行為和出行意向調查的合理性和可靠性，該次調查采用的方法為“RP+SP”問卷調查[7]，對現狀收費條件下居民的停車行為和出行方式選擇進行RP調查，對假設停車收費標準下停車行為和出行方式選擇進行SP調查。

1.3 問卷的描述性統計

研究過程中，在寧波市各級區域分別發放問卷300份，三個區域收回的有效問卷分別為266份、273份、271份，其描述性統計如表2所示。

1.4 信度分析

利用信度分析測試量表的穩定性和可靠性進行信度分析，具體計算公式如（1）所示：

式中，K——測量表題項的總數；Si2——第i個測驗題得分的題內方差；S2——所測驗題項總分的方差。

根據信度分析公式，得出一級區域、二級區域、三級區域的Cronbach α系數分別為0.807、0.852、0.836，均大于0.8，表示該問卷信度頗佳。

2 停車收費模型的建立與求解

2.1 出行方式選擇模型建立

該文選擇應用最廣泛的二項Logit模型對居民出行方式進行研究。考慮數據源的獲取，假設只有兩種出行方式可供出行者選擇，分別為小汽車和公共交通，由多個出行者對這兩種出行方式進行選擇。考慮出行共受k個因素的影響，基于二項Logit模型理論，兩種出行方式的效用函數分別為：

式中，Z1、Z2——出行者選擇第一種出行方式“小汽車”或第二種出行方式“公共交通”的效用函數；xk——出行者選擇第i種出行方式的第k個影響因素特性的表示形式，比如停車費用、出行目的、出行距離等；αi，k為出行者解釋變量相對應的參數；M1、M2——常數。

因此，出行者選擇第一種出行方式的概率為：

則出行者選擇第二種出行方式的概率P2=1?P1。

2.2 模型求解

步驟一：變量標定

該文以出行方式為因變量，在數據處理時將居民出行方式分為小汽車和公共交通，根據收集的基礎數據，最終選取10種特性變量組成自變量（見表3）。

步驟二：確定效用函數

選擇第一種出行方式（小汽車）的概率為：

設定αk為α1，k和α2，k的差值（αk=α1，k?α2，k），α0為M1和M2的差（α0=M1?M2），則選擇第二種出行方式（公共交通）的概率為：

則可得：

此時優勢比的對數就成為參數集合（α0，α1，…，αk）構成的線性函數。

步驟三：模型參數估計及檢驗

借助SPSS中的二項Logit模型來估計參數，通常它采取的是極大似然估計，通過一步步的迭代來獲得參數的數值解。

步驟四：最終模型

最后確定模型的最終形式G（x）。

選擇小汽車出行的概率為：

選擇公共交通出行的概率為：

2.3 停車收費價格的靈敏度分析

利用彈性分析法來研究停車收費的敏感區間。根據彈性值的定義，將出行方式i的停車費用Gi定義為自變量，選擇某種出行方式概率為Pi定義為因變量。所以Pi可以表示為

當Ci變化了ΔCi，Pi變化了ΔPi。則

則選擇某種出行方式的分擔率的彈性值為

根據上述公式可得居民在不同停車收費標準下的出行方式選擇敏感性。

3 模型結果與分析

3.1 參數標定

根據寧波市各級區域的現狀停車收費標準，結合各級區域的問卷調查數據，對3個區域分別建立出行方式選擇模型，并對參數進行標定和求解，結果如表3所示。

3.2 結果分析

根據上述效用函數，結合調查問卷數據，得到不同停車收費標準下原小汽車出行者選擇小汽車與公共交通出行的概率及轉移情況（如圖1所示），其中轉移比例是指選擇小汽車出行方式在停車收費上漲時轉向公共交通出行的比例。

由圖1可得：當停車收費價格上漲20%，三級區域（13.44%）＞二級區域（5.72%）＞一級區域（5.13%）；當停車收費價格上漲40%，三級區域（10.86%）＞一級區域（8.54%）＞二級區域（8.16%）；當停車收費價格上漲60%時，一級區域（12.50%）＞二級區域（9.54%）＞三級區域（7.58%）；當停車收費價格上漲80%時，一級區域（15.46%）＞二級區域（7.52%）＞三級區域（7.27%）；當停車收費價格上漲100%時，一級區域（6.94%）＞三級區域（6.76%）＞二級區域（5.21%）。

當一級區域收費標準上漲60%～80%時，轉移比例最大，因此為了有效降低停車需求，可將一級區域收費標準上浮60%～80%至9.6～10.8元/h；同理，可將二級區域收費標準上浮40%～60%至7～8元/h；可將三級區域收費標準上浮20%～40%至4.8～5.6元/h。故在高峰期間，各級區域可采取動態停車收費來優化居民出行結構，緩解城市交通擁堵。

4 總結

該文基于非集計模型理論，分別建立了寧波市三個區域的出行方式選擇模型，最后根據模型結果與敏感性分析研究了動態停車收費標準對居民出行方式選擇的影響，結論如下：

（1）該文采用了非集計模型理論，針對各級區域分別建立了居民出行方式選擇模型，對比分析差異化停車收費標準下原小汽車出行者出行方式的選擇意向，計算出寧波市各級區域動態停車收費標準的敏感域。

（2）該文結合寧波市交通發展的實際情況，建立出行方式選擇模型并進行了敏感性分析，由模型結果可知：為緩解停車供需矛盾，提高城市交通運行效率，一級區域停車收費標準最優區間為9.6～10.8元/h，二級區域為7～8元/h，三級區域為4.8～5.6元/h。

參考文獻

[1]孫啟鵬， 朱磊， 陳波. 基于動態廣義費用的客運通道交通方式選擇Logit模型[J]. 交通運輸系統工程與信息， 2013（4）： 15-22.

[2]胡紅， 鐘章建. 機動化背景下的中等城市差別化停車收費政策探討——以寧波市為例[J]. 交通與運輸（學術版）， 2015（1）： 116-119.

[3]王寧， 舒雅靜， 唐林浩， 等. 基于動態定價的共享汽車自適應調度策略[J]. 交通運輸系統工程與信息， 2018（5）： 12-17+74.

[4]包丹文， 鄧衛， 顧仕琿. 停車收費對居民出行方式選擇的影響分析[J]. 交通運輸系統工程與信息， 2010（3）： 80-85.

[5] Albert G ， Mahalel D . Congestion tolls and parking fees： A comparison of the potential effect on travel behavior[J]. Transport policy， 2006（6）： 13.

[6] Lin X X ， Yuan P C ， Dawson K A ， et al. A dynamic parking charge optimal control model under perspective of commuters evolutionary game behavior[J]. Physica， A. Statistical mechanics and its applications， 2018， 490： 1096-1110.

[7]劉志明，鄧衛，郭唐儀. 基于RP/SP調查的非集計模型在交通方式分擔率預測的應用[J]. 交通運輸工程與信息學報， 2008（3）： 59-64.