居住区停车泊位需求预测二步骤法

段满珍，陈 光，米雪玉，曹会云

(1.华北理工大学 建筑工程学院，河北 唐山 063009；2.河北省地震工程研究中心，河北 唐山 063009)

居住区停车泊位需求预测二步骤法

段满珍1，2，陈 光1，2，米雪玉1，2，曹会云1，2

(1.华北理工大学 建筑工程学院，河北 唐山 063009；2.河北省地震工程研究中心，河北 唐山 063009)

研究居住区停车泊位需求预测模型，采用多元回归与修正系数法相结合的二步骤法，改变传统的多元线性回归和弹性系数法的不足。提出以居住区停车调查为基础，建立停车泊位需求预测模型，将多元回归预测和区位修正系数、建筑类型修正系数相结合，以此预测值作为新建同类居住区停车资源配备的依据。二步骤法既充分考虑了各种影响因素对居住区泊位需求的影响，又对区位和建筑物类型等因子具有一定的弹性控制，实践中有一定的实用性和灵活性。以唐山市为例，选取居住区进行模型方法验证，误差均﹤10%，说明模型预测的有效性。

交通运输工程；居住区；泊位需求；停车；二步骤法

0 引 言

居住区停车空间不足与停车需求增长过快的矛盾不仅破坏了居住环境，影响居民的正常生活，也一定程度影响城市的整体发展。从停车资源开发利用角度来讲，居住区停车泊位配备过高会造成开发成本的增加和社会资源的浪费，停车资源配备过低又会影响居民的生活、出行，给居民带来许多不便。因此，居住区停车泊位需求预测要综合考虑各方面的影响和需求[1]。

国外早在上世纪中期就非常重视停车资源配备问题的研究，例如1956年美国的《城市停车指南》，1965年的《城市中心停车》，1971年的《停车原则》(Paring Principle)[2]以及ITE定期出版的《Parking Generation》[3]等都对停车问题进行了较为细致的研究，其中《Parking Generation》已经成为全球研究城市停车资源配建标准的重要参考。由于居住区停车问题影响因素比较复杂，因此各国在停车资源配备过程中都非常注重停车调查，例如美国针对各个地区的实际情况，制定适合本地区的停车配建标准，对居民和来访者车辆分开考虑，研究工作日与节假日以及一天不同时段的停车率，对不同区位，不同档次的居住区也实行不同标准。英国也综合考虑居民年龄、收入、购置汽车价格等因素，制定配建指标时参考附近其他居民区的汽车拥有量，提出了停车需求回归预测模型。只有日本对居住区停车资源配备分类相对比较简单，仅从出售和出租两个方面做了规定，即出售房屋的停车配置普遍高于出租房的20%。

我国对停车泊位需求的研究中常采用收入弹性系数法[4-5]，针对停车需求影响因素的复杂性，在研究居住区停车需求影响因子时，胡纹等[6]提出了多因子设计方法；岳振中等[7]在对居住区停车需求相关性分析中，提出了多元回归模型停车需求预测方法；实践中，2006年《北京市居住公共服务设施规划设计指标》提出对住宅按照区位、类型分别配置[8]。

以上文献研究表明，国外对于停车泊位的需求预测比较注重停车实践调研，而国内停车泊位需求问题的研究则刚刚处于初级阶段，更多地停留在理论研究方面。由于停车需求的复杂性以及我国城市交通较大差异性等问题，对于停车泊位需求标准很难统一确定，必须依据城市各方面的条件，有针对性的进行需求预测。因此，研究停车泊位需求既要考虑居住区现状，综合各方面影响因素，又要从城市总体规划和资源有效利用角度出发综合分析。

基于以上思想和研究基础，笔者提出以居住区停车调查为基础的二步骤法建立停车泊位需求预测模型，即首先采用多元回归预测方法建立停车需求预测模型，然后利用居住区区位修正系数和建筑类型修正系数对模型预测值进行二次修订，以此预测值作为新建同类居住区停车资源配备的依据。模型建立中既考虑了实际需求，又具有一定的弹性，保证了模型的可操作性。最后以唐山市为例，选取居住区进行模型方法验证。

1 停车需求预测模型的建立

1.1 模型影响因素分析

从城市交通发展来看，影响城市停车配建指标的主要因素有以下几个方面：①城市机动车发展水平；②居住区区位；③居住区周边交通环境，如轨道交通，常规公交，出租车等交通设施是否便利；④居住区特性和收入水平，包括居住区开发强度、户型结构、建筑面积，户数、停车泊位数、车位租金、车位管理费用、居民收入水平等；⑤居民的平均年龄；⑥相关政策，如购车政策、停车收费政策、车位购置政策等很大程度影响停车需求率。

1.2 停车需求预测模型建立——多元回归法

1.2.1 多元回归模型建立

由于居住区停车需求影响因子较多，笔者采用多元线性回归方法建立模型，研究停车需求影响因子及其与停车吸引之间的关系。假设多元线性回归方程形式如式(1)：

y预测=k0+k1x1+k2x2+…+knxn

(1)

式中：y预测为停车需求预测值；x1，x2，…，xn为影响因子；k0为常量；k1,k2,…,kn为影响因子对应的系数。

1.2.2 影响因子相关性检验

模型建立过程中，需要对因变量与自变量的相关性程度进行检验。选取R2作为自变量与因变量相关程度的判定系数，根据数理知识，R2越接近1，表示因变量与自变量的关系越显著，该变量对因变量的意义越大，反之越小。

1.2.3 影响因子确定

模型建立过程中，为简化计算模型，保留有效影响因子，将相关性小的影响因子剔除，保留相关性强的作为模型影响因子，即根据R2检验结果，剔除相关性小的变量。

1.3 停车需求预测模型修订——修正系数法

居住区停车资源配备不能仅从满足停车需求角度出发，还应考虑城市规划和交通发展的总体目标。由于居住区停车需求与居住区位置、建筑类型等有较大关系，而前面模型建立时这些因素又难于量化考虑。因此，采用二步骤法对先前确定的停车需求模型进行二次修订。笔者引入区位修正系数和建筑类别修正系数，需求预测模型公式转化为式(2)：

y=y预测×λ×ω

(2)

式中：y为需求预测修正值；λ为区位修正系数；ω为建筑类别修正系数。

区位修正系数λ与居住区位置密切相关，一般介于0.5～1.5之间[9]。由于城市中心区相对外围区交通便利，出行方式多样化，综合考虑城市交通发展需求和土地有效利用等问题，在居住区停车配建时中心区采取适当限制的策略，外围区适当满足居民停车需求。因此，城中心区取值略低一些，外围区取值略高一些。

建筑类别修正系数与户型有密切关系，建筑物级别越高，其停车需求越大。参考我国各城市建筑物配建标准，确立建筑类型修正系数如表1。

表1 居住区建筑类型修正系数

1.4 模型误差分析

笔者利用相对误差进行模型预测结果有效性的检验，即：

2 模型及方法验证

以唐山市城中心居住小区为例，进行居住区停车预测模型分析。

2.1 居住区停车数据调查与预处理

居住区调查分为两大类：①居住区停车调研。停车调查采用全时段连续记录车牌号法，跟踪记录车辆进出小区的时间，同时抄录小区内部现有车辆的车牌号，根据车辆进出时间和停留时间特性分析其归属情况，剔除外来车辆，统计本小区车辆总数；②居住区停车影响因子基础数据调研，回归分析需要大量的基础数据，例如居民平均年龄、居住区区位和总建筑面积、现有停车泊位数及类型、居民平均收入、总户数、停车泊位租金或车位管理费，收费方式等。笔者选取城中心区5个紧邻的居住区小区，进行基础数据调研，供模型拟合分析之用。

2.2 停车需求预测的计算

利用调研数据，采用SPSS软件对基础数据进行拟合分析，数据输入情况如图1。

图1 居住区基础信息Fig.1 Basic information of residential area

笔者选取的新华1号和鑫雅园小区均有地下车库，其他3个小区没有，5个小区地上的停车位都实行免费。因为5个居住区都位于唐山市中心区相邻的地段，暂不考虑区位修正系数。将居住区现有车辆数作为因变量，其余因子作为自变量，建立了多元线性回归模型，如图2。

图2 模型建立过程Fig.2 Model building process

图3为模型选用的自变量，其中R2接近1的自变量有居民年龄、总建筑面积、泊位数、居民的平均收入几项，模型分析结果表明这4个自变量对因变量小区车辆数影响较大。

图3 模型选用变量Fig.3 Variables selected by model

图4为模型排除的自变量：总户数、地下停车租金和车位的管理费。居民小区的总户数对居民是否购买小汽车影响很小，对于地下停车租金，车位的购买费和管理费虽然也是业主考虑是否购车的因素，但当对小汽车的需求比较迫切，已有能力承担小汽车的购置费用时，车位的费用已显得微不足道了。

图4 模型排除变量Fig.4 Variables excluded by model

入选的自变量与因变量之间的偏回归系数如图5。其中总建筑面积，泊位数，居民的平均收入与小区车辆数是正相关，居民的年龄与小区车辆数负相关，因为购买车辆的群体大多是年轻群体，年龄稍大的群体即使有能力购买，其购买比例也偏低。这与调查统计结果中，年龄段处于30～40岁的居民购车比例最高相符[10]。

建立预测模型：

y预测=-106.902+0.001x1+0.997x2+0.04x3-

2.507x4

式中：x1为总建筑面积；x2为泊位数；x3为居民平均收入；x4为居民平均年龄。

图5 自变量系数Fig.5 Independent variable coefficients

利用预测模型计算出每个小区的预测车辆数，如表2。从表2可见：预测车辆数相比现状需求呈现较高的趋势，需要对预测值进行修订。对于新建小区，由于居民平均年龄偏低趋于取高值，反之，衡量一些老小区时，趋于取低值。新华1号和鑫雅园平均面积在90～120 m2，且为新建小区，建筑系数取1.0，其他几个老小区建筑面积都在90 m2以下，取0.8。由于新华1号、鑫雅园和双新里在城中心位置，取0.9；偏坡楼、赵庄楼稍稍远离一些，取1.0。采用区位修正系数和建筑类别系数进行二次修正后预测值如表2。

表2 修正后的预测值和误差

通过以上分析，修订后的泊位预测值基本满足需求，且不造成太大浪费，表明模型方法正确。但是模型使用过程中需要注意几个问题：新建小区停车资源预测时，基础数据可参考紧邻同类小区或具有相同特点的小区；文中的预测模型系数值随城市特点会有变化，如果需要对系数进行修订，选取基础小区时最好在同一区域，避免因区位差异过大造成模型较大误差。

3 结 语

笔者采用多元回归和修正系数法结合的二步骤法进行居住区停车资源需求预测分析，改变传统的多元线性回归和弹性系数法的不足。采用二步骤法既充分考虑了各种影响因素对居住区泊位需求的影响，又能充分兼顾区位和建筑物类型等强影响因子的影响，实践中有一定的实用性和灵活性。最后以唐山市中心城区的5个居住小区为例，对泊位需求情况进行预测分析，模型误差均<10%，说明预测模型的有效性。

[1] 王德章,蒋怀远.交通工程[M].北京:中国人民公安大学出版社,2010. WANG Dezhang,JIANG Huaiyuan.TrafficEngineering[M].Beijing:The Chinese People’s Public Security University Press,2010.

[2] Highway Research Board.ParkingPrinciples,SpecialReport125[R].Washington,D.C.:Highway Research Board,1971.

[3] ITE Technical Council Committee.ParkingGeneration[M]. 3rd ed.USA:Wikimedia Foundation,Inc.,2005.

[4] 陈坚.探讨小康住宅示范小区的停车指标和合理规模──以北京市居住区停车调研为基础[J].规划师,1998(2):70-77. CHEN Jian.Discuss the parking index and reasonable size of the well-off residential area:based on the residential parking survey in Beijing [J].Planner,1998(2):70-77.

[5] 杨玲.城市居住区停车问题及其对策研究[D].重庆:重庆大学,2004. YANG Ling.ResearchonParkingProblemfortheUrbanResidentialarea[D].Chongqing:Chongqing University,2004.

[6] 胡纹,杨玲.居住区停车配建指标的多因子设计方式[J].重庆建筑大学学报,2006,28(2):4-7. HU Wen,YANG Ling.Multi-factor design pattern for parking index of residential areas [J].JournalofChongqingJianzhuUniversity,2006,28(2):4-7.

[7] 岳振中,徐汝华,文杰.基于主成分分析的居住区停车需求预测研究[J] .交通与运输(学术版),2005(1):72-74. YUE Zhenzhong,XU Ruhua,WEN Jie.Research on parking demand predicting in residence based on principal component analysis [J].TrafficandTransportation,2005(1):72-74.

[8] 北京市规划委员会.关于印发《北京市居住公共服务设施规划设计指标》的通知[EB/OL].[2006-04-14].http://www.bjghw.gov.cn/ web/static/articles/catalog_84/article_5575/5575.html. Beijing Municipal Commission of Urban Planning.Notice about printing “planning design index of residential public service facilities in Beijing” [EB/OL].[2006-04-14].http://www.bjghw.gov.cn/ web/static/articles/catalog_84/ article_5575/5575.html.

[9] 刘洪营.城市居住停车理论与方法研究[D].西安:长安大学,2009. LIU Hongying.UrbanResidentialParkingTheoryandMethodResearch[D].Xi’an:Chang’an University,2009.

[10] 河北联合大学.唐山市综合交通调查[R].唐山:唐山市城乡规划局,2013. Hebei United University.ComprehensiveTrafficSurveyinTangshanCity[R].Tangshan:Tangshan Urban Bureau,2013.

Two Steps Method of Parking Demand Forecast at Residential Area

DUAN Manzhen1,2CHEN Guang1，2, MI Xueyu1,2, CAO Huiyun1,2

(School of Civil and Architectural Engineering ,North China University of Science and Technology, Tangshan 063009, Hebei,P.R.China;2.Hebei Province Eartliquake Engineering Research Center,Tangshan 063009, Hebei,P.R.China)

The parking demand forecasting model at residential was studied by two steps method, which was the combination of multivariate regression method and correction coefficient method. Two steps method made up for the deficiency of traditional multiple linear regression and elastic coefficient method. Based on the residential parking survey, the parking demand forecasting model was established, which combined the multivariate regression prediction, location correction coefficient with building type correction coefficient. The predictive values were taken as the basis of a new similar residential parking resource. Two steps method not only fully considers the influence of various factors on the parking demand forecast at residential, but also has a flexible control for the location and building types, which has certain practicability and flexibility in practice. Taking Tangshan city for example, the residential areas were selected to validate the model, and the errors were all less than 10%, which verified the effectiveness of the forecast model.

traffic and transportation engineering; residential area; parking demand; parking; two steps method

2014-10-10；

2014-11-06

国家自然科学基金项目(51378171)；国家科学支撑计划项目(2013BAJ10B09-2)

段满珍(1974—)，女，河北滦县人，副教授，博士研究生，主要从事城市智能交通方面的研究。E-mail：mz06ss@ncst.edu.cn;13613150186。

10.3969/j.issn.1674-0696.2016.01.29

U416.217

A

1674-0696(2016)01-152-04