非集聚模型在停车需求预测中的应用研究

张 钧

（上海市政工程设计研究总院（集团）有限公司，上海市 200092）

1 停车需求预测的意义

停车需求预测是城市停车场规划的重要内容，是确定停车场发展规划的依据，也是制定停车场设施建设方案及停车场管理制度的重要基础。进行停车需求预测要求对停车系统的现状进行全面分析研究，掌握其发展的内在规律，并运用科学方法正确预测停车需求的发展前途，然后据此对停车场规划与管理做出详细周密的安排。

停车需求是伴随着交通出行而产生的，是交通出行过程中的一种从属性需求，停车需求的发展与城市人口规模、经济发展状况、中心商业区的面积和吸引强度等有着密切的关系，尤其是城市机动车保有量、城市土地利用状况、停车者出行特征这三个因素对一个城市总的停车需求以及各分区的停车需求预测有着直接的影响。

2 停车需求的定义

停车需求定义：停车需求是指各种目的驾车者在各种停放设施中停放车辆的要求。

停车需求可分为两类：

（1）基本停车需求：由车辆保有引起的静态交通需求，即夜间静态交通需求，主要是为居民或单位车辆夜间停放服务。

（2）社会停车需求：由车辆使用引起的静态交通需求，是日间静态交通需求的主要组成部分，主要由社会、经济活动产生的各种出行所形成。

由于两类停车需求产生机理不同，其分析方法也不同。基本停车需求可以从各区域车辆注册数推算出来，一般不涉及复杂的技术方法。而社会停车需求比较复杂，影响因素较多，其分析方法也较复杂。

类似于四阶段交通需求预测，停车需求预测的完整过程也应包含以下三个阶段：区域（或城市）的停车需求总量预测；停车需求总量在各小区的分布；各类停车设施合理结构比重的确定。

停车需求的影响因素主要包括：土地开发和利用强度；停车者出行特征（含停车者出行目的、出行方式、出行时间、出行费用及选择停车场的首要停车行为特性影响因素）；机动车保有量；停车供给的反馈影响。

3 国内外停车需求预测方法简述

国内外广泛使用的静态交通需求预测模型，可归纳为三大类：基于土地利用的预测模型；基于出行的预测模型；基于社会经济活动特性的预测模型（即多元回归模型）。

以上三种方法各有优、缺点和适应性，不过都存在着远期预测的适用性、可信性问题，表现在停车产生率是现状土地利用下的值，停车泊位需求因子也是现状调查值，它们在未来年的发展预测是比较困难的，另外由于影响交通的因素很多，出行OD量及其分布的远期预测的可靠性也难以把握。

4 停车需求非集聚预测模型

为了克服国内外传统停车需求预测模型的不足，本文提出建立在城市车辆停放特性基础之上的基于非集聚模型的停车需求预测模型，总体思路为：分析非集聚模型的运用方法，依据停车场使用者个体的停车特性，根据概率论和交通出行总量计算出停车需求预测三个阶段中各个阶段的停车需求量的大小，进而建立停车行为特性与停车需求的关系模型，根据随机效用理论对车辆出行选择停泊场所的行为进行分析，预测出停车者对不同区位和不同停泊场所的停车需求。

4.1 非集聚模型的概述

非集聚模型地优点在于：

非集聚模型以明确的行为假说为基础，逻辑性强；可以用较少的样本标定出模型的参数，并对所求得的参数采用统计学方法进行检验；可以选用许多与个人决策相关的因素作为自变量，从而可以对多种交通规划、交通政策进行效果评价；模型具有较好的时间转移性和地区转移性；便于对使用者效益进行项目评价。

停车需求预测非集聚模型和集聚模型相比，在分析单位、模型参数标定方法、适用范围、政策表现能力等方面均不相同，同时在数据的使用效率和自变量的导入可能性等方面存在实用上的差异，见表1。

表1 停车需求预测集聚模型和非集聚模型的比较

传统的停车需求预测模型即集聚模型在对某一区域进行停车需求预测时需要首先根据该区域土地性质以及开发强度划分归类后进行统计处理、分析，从而得到以各类型土地为分析单位的模型。而与此不同，停车需求非集聚模型则假设出行者是交通行为意志决定以及停放特性的最基本单位，在一定区域内对调查者得到的数据不进行土地性质以及开发强度划分归类等处理而直接用于建立模型。

停车需求预测非集聚模型能够满足城市车辆停放特性多样性的要求，能有效地分析和理解车辆停放活动，该模型是基于未进过任何统计处理的个人数据直接建立起来的一类模型。停车需求预测非集聚模型能够满足停车需求的多样化要求，是有效地分析和理解车辆停放活动地重要手段。

停车需求预测非集聚模型是基于车辆停放者在特定的选择状下选择其所认知到的选择方案中效用最大的方案的理论建立的。并且认为：选择某方案的效用因该方案所具有的特性和某出行者的属性（如：年龄、性别、职业等）而异。具体地说，就是考虑到停车费用、停放时间等服务特性，车辆停放者的年龄、职业、收入等社会经济特性以及出行的目的、出行的时间带等出行的特性等与交通行为有关的特性将对预测结果产生影响。

交通需求分析中以非集聚模型分析为基础建立起来的模型称为非集聚模型（Disarregate Model），它仅是对个人行动的记述和表现，而且是建立在合理的选择肢基础上的。其核心是效用最大化理论，本质是出行者将选择使其最大化效用的出行，基本假设为：个人将在可能的相互选择独立的选择肢集合中，选择他认为对自己效用最大的选择肢。即，决策者首先选择“可能利用的选择肢群”，其次选择“对其效用最大的选择肢”。

4.2 基于Logit的停车需求模型

停车非集聚模型在交通规划中应用的最多的还是停车行为特性的影响因素对出行行为的影响分析以及对停车场的选择方面，停车需求预测三阶段中，第一阶段区域（或城市）的停车需求总量预测通常由居民出行（交通量）预测推导出来，用的是集聚模型；停车的需求预测的过程不是将非集聚模型与集聚模型相对立，而是将它们有机的结合起来，共同构筑成停车需求预测系统。通常，出行是以个人或单车为单位的行为。它受到包括出行者个人属性在内的多种因素的影响。在将数据集合处理时，这些信息将会产生变化，从而导致集合后的数据与实际状态之间会产生偏差。针对停车需求预测的第二阶段（停车需求总量在各小区的分布）以及第三阶段（各类停车设施合理结构比重的确定）的预测，由于每个小区之间以及小区内部车辆停放者之间停放者个体的差别往往会导致集聚模型预测的失真，难以达到精度较高的结果，而停车需求预测非聚集模型是建立在对停车者的个体停车属性调查后进行充分的分析和归纳基础之上建立的，对停车需求总量在各小区的分布和各类停车设施合理结构比重的确定这两个阶段的停车需求预测能够保证更高的精度。

一个完整的停车行为过程，应包括了以下几个阶段：出行的产生、出行方式选择、出行的路径选择、寻找泊车位、从停车地点步行到目的地。本文是对一次完整停车行为进行简化的基础上建立停车Logit非集聚模型模型。

4.2.1 模型建立的假设条件

一个完整的停车行为过程是一个复杂的过程，可以说如果要很接近现实地模拟停车行为的全过程是一项繁琐系统工程，而该处讨论的停车模型是在简化许多现实情况的假设条件下建立的。

模型的假设条件有以下几个方面：（1）出行机会的产生是一个外部随机过程，且模型建立在随机项的独立性假设的基础上，具有ⅡA特性（指在任意2个交通方式的选择概率的比与其它交通方式的状态无关）。（2）出行者根据一次出行所产生的效用来决定是否接受出行机会，并选择某一种出行方式。（3）车辆停放者在小区内停放车辆也是一个外部随机过程，且模型建立在随机项的独立性假设的基础上，具有ⅡA特性（指车辆停放者对任意2个停车设施的选择概率的比与其它对其它设施的选择无关）。

4.2.2 模型的建立

（1）区域（或城市）的停车需求总量预测：停车需求产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，因而构造的停车需求量应为交通量的一种函数，即为：

式中：P——全部机动车的停车需求总量（标准泊位）；

Pi——第i种机动车的停车需求总量（泊位）

f（T）——交通量函数；

pi——选择第i种机动车出行的概率；

λi——第i种机动车出行中产生停车需求占出行的比例，参数；

δi——第i种机动车泊位换算成标准小汽车泊位的换算系数；

ζi——不影响第i种车辆出行而影响其停车需求的因素变动项。

车辆出行预测由居民出行（交通量）预测推导出来，经过国内外实证分析结果，本文仅介绍预测较优的基于多元回归的交通量预测模型。

式中：f（Tj）——预测时点的j区交通量（车次）；

xjmk——第j个交通小区的m类指标中第k个指标，如人口指标类中的常住人口等；

amk——参数。

（2）停车需求总量在各小区的分布：

式中：Xik——选择第i种交通方式的第k个说明要素，例如，时间、费用等；

bk——交通方式的第k种效用的贡献率，参数；

n——交通方式的个数；

Ui——交通方式i的效用函数；

pi——选择第i种机动车作为交通方式的概率，p0表示非机动车或步行作为选择交通方式的概率；0≤pi≤1。

将式（3）、式（4）、式（6）代入式（5），推出第 i种机动车的停车需求总量Pi为：

第 j区第i种机动车的停车需求预测值Pij分区求和满足：

式中：Pij——第j区第i种机动车的停车需求预测（泊位）；

λij——第j区第i种机动车出行中产生停车需求占该区该类出行的比例，参数；

Xijk——第j区选择第i种交通方式的第k个说明要素，例如停放时间、费用等；

bk——参数；

nj——第j区交通方式的个数。

（3）各类停车设施合理结构比重的确定：在完成了停车需求预测的第一步区域（或城市）的停车需求总量预测和第二步停车需求总量在各小区的分布后需要完成第三步即各类停车设施合理结构比重的确定，第三步可以依据在选定小区内驾车者对停车设施类型的选择建立选择行为模型。通常情况下，除小汽车外其余车辆均有专用停车场。故假设i=2时为选择小汽车出行。本文也主要考虑小汽车出行者对停车设施的选择。

选择步行距离、停车收费价格、驾车至停车场行程时间作为模型变量。

则小汽车出行者在小区内对停车设施选择的概率为：

式中：p2jη——第个人，在第j区以小汽车出行选择某停车场概率；

V2jη——第j区以小汽车出行者选择停车场的效用函数；

l2jη——第j区第η个人从停车场到目的地步行距离，m；

F2jη——第j区第η个人在停车场停放车辆时的收费价格，元/h；

t2jη——第j区第η个人驾车至停车场行程时间，min；

αi（i=1、2、3、4）——参数；

Q2j——j区内某个停车场小汽车停放量的预测（泊位）。

4.2.3 基于Logit的停车需求预测模型的应用及特点

小区的真实静态交通吸引定义为某一时刻以该小区为停放目的停泊在任意场所的车辆总数，停泊场所包括路外公共停车场、配建停车场、路边停车场。真实静态交通吸引可以通过车辆停放目的地调查统计计算，要注意统计量的完备性，防止遗漏。具体统计过程如下：首先确定调查的样本交通小区，然后以该小区（小区半径一般小于500 m）为中心以1 000 m（停车后步行距离一般小于500 m）为半径划定调查区域，组织人力分路段展开停车调查，重点记录车辆停放目的地、停放场所、到达时间和离开时间、车辆类型，凡以样本交通小区为停放目的地的计为一次真实静态交通需求，结合车辆的到达时间、离开时间和类型即可统计处该小区任意时刻任意车型真实镜头交通需求总量，并以此作为分小区的静态交通需求预测的检验值。

本文所建立的基于Logit模型的静态交通需求预测模型在应用中具有下述特点：

（1）从理论上能够分析与停车需求相关的全部因素，并能够完成停车需求三个阶段的预测。该模型在交通出行量的预测上可以采用逐步回归分析模型进行影响出行量的相关因素的筛选和因素参数标定，从理论上能够计算出所有停车出行影响因素对出行量的影响程度，进而计算对停车需求量进行预测。

（2）在对停车行为特性影响因素的聚类分析结果的基础上，建立了停放自由度较大的小汽车对停车场选择的概率模型，使小汽车在与其出行目的相对应的小区内对不同停车场的选择概率有了一定的科学依据。

（3）模型具有一定的实用性。本文提出的基于Logit的静态交通需求预测模型不仅能够计算出未来一定时期内某一城市的静态交通需求总量，还能够计算出任一交通小区内任一车型的静态交通需求。这对城市静态交通的详细规划是十分有必要的，可以根据针对不同车型提供相应的车辆停放泊位。

（4）模型具有灵活性和适应性。根据对交通研究程度、交通相关资料的完备程度，可以灵活地调整和运用该模型。如一城市已有比较精确的出行预测模型，则只需进行Logit模型参数标定和静态交通需求占出行比例的标定，无需再进行出行量的预测。

5 结语

本文在对停车需求定义和分类的基础上，分析了停车需求的特性与影响因素；对国内外停车需求预测的方法进行了简述；提出了基于logit模型的非集聚停车需求预测模型，该模型建立在随机效用的理论基础上，从理论上能够分析与静态交通需求相关的全部因素，模型具有一定的实用性、灵活性和适应性。

[1]吴涛.停车供需与停车政策研究[D].上海:同济大学道路与交通工程系博士论文,1999.

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

[3]陈琛.城市公共交通换乘系统研究[D].南京:东南大学硕士学位论文,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]张钧.城市机动车车辆停放特性分析与停车需求预测研究[D].南京:东南大学交通学院硕士论文,2005.

[7]公安部.公安部停车管理技术95年度报告[R].1995.