停车需求研究的回顾与展望

李盼道,穆克松

(德州学院 历史与社会管理学院，山东 德州 253023)

一、引言

随着我国国民经济的快速增长,人民收入水平逐步提高,道路基础设施建设飞速发展,人们为了进一步提高出行的可达性、舒适度和便捷性,购车热情急剧升温,汽车保有量急剧增加。汽车保有量的急剧增加又加剧了对交通路网和停车设施的需求,使这种需求陷入当斯悖论,即供给越大,需求越大,供给永远不能满足需求。目前,我国汽车保有量增长迅速,2016年底我国汽车保有量达到 1.95亿辆,汽车保有量超过200万辆的城市有18个。

世界各国都曾经历停车难的问题。我国作为发展中国家,汽车工业起步晚,停车问题出现的也相对较晚。人们并没有意识到停车问题的严重性,因此有关停车问题的研究起步比较晚。为了有效解决停车问题,跳出当斯悖论,有必要对停车问题进行深入探讨、梳理和总结国内外关于停车问题的研究成果,寻求解决停车问题的基本办法和根本途径。目前解决停车问题的基本思路如图1所示。解决停车问题要做好两个方面的工作,一方面是抑制停车需求,另一方面是增加停车供给。增加停车供给,并不意味着供给越多越好,而是应该以满足停车需求为限,实现供求动态均衡，避免资源浪费。美国公共政策与公共行政管理学者安东尼·当斯(Anthony Downs)指出:“在政府对城市交通不进行有效管制和控制的情况下,新建的道路设施会诱发新的交通量,而交通需求总是倾向于超过交通供给。”因此要想有效供给,必须准确预测需求,准确预测需求非常重要。

图1　解决停车问题的基本思路

二、停车需求研究回顾

对于停车问题的研究,国内外学者主要集中于以下领域：停车设施属性研究、停车需求研究、停车规划研究、停车管理与定价研究、停车产业化研究等。本文主要围绕停车需求展开研究。

(一)国外研究回顾

国外对停车问题的研究起步较早。美国曾对多个不同城市进行过大规模的停车调查和研究并取得了很大成就。在这一方面首推美国停车管理协会,其于1956年对美国国内67个城市开展了城市停车需求方面的深入调查,并根据调查所获得的相关数据,导出了停车特性与城市规模之间所存在的相关关系,并以《城市停车指南》作为本次调查的研究成果,公之于世。20世纪60年代初,该协会又对城市中心商业区进行了停车需求方面的研究,并以《城市中心区停车》作为本次研究的最终成果[1]。

在停车需求研究方面,Javid通过预测乘客数、职工数及高峰小时的客流量等因素,用集计的停车生成率模型对停车需求进行预测,从而对盐湖城国际机场的停车设施规模进行了规划[2];日本学者饭田恭敬使用非集计模型,即基于出行者个人选择行为的概率模型,预测停车需求[3]。在停车管理方面,20世纪80年代美国停车政策从以供给管理为主向以需求管理为主的方向转变,目的在于规避停车供求领域的当斯悖论,适当增加停车供给,严格控制停车需求,以此缓解停车需求膨胀的问题。这一方面的代表首推美国的Scull,其在研究小城镇的停车问题时,认为既应增加停车供给,更应控制停车需求,但因资金问题的约束,应以停车需求管理为主,停车供给管理为辅,严格控制停车需求[4]。20世纪90年代以来,英国运输部也曾多次对停车和交通需求进行研究,开发了交通限制分析模型,以模拟停车需求控制政策和其他交通限制政策对停车需求的影响,并将此模型实际应用于Bristol市的停车需求预测。在这一时期,学者们还研究了公交使用与停车需求之间的关系,Morrall和Bolger,通过对美国和加拿大若干城市商业区的调查收集数据,利用既有的相关数据,拟合了有关公共交通与停车需求相关性的三个模型,其结论认为,选择使用公共交通通勤的比例与停车位需求数量存在显著的负向统计相关关系[5]。

(二)国内研究回顾

在停车需求预测方面,我国学者研究和使用最早的模型当属停车生成率模型。晏克非在这一方面的成就主要集中于两个方面,其一是基于土地利用的静态交通发生率模型,其二是基于车辆出行的线性相关模型,用于停车需求预测的实践活动[6];陈峻以影响停车需求的因素为基础,提出静态交通发生率模型,并给出了具体求解方法[7];关宏志所作出的理论贡献集中体现于停车需求——供应预测模型,根据该模型预测停车需求数量,并进而直接预测应建停车位数量[8]。以上研究成果均为建立在停车生成率基础上的模型，属于集计模型。之后安实、陆化普、关宏志引入非集计模型,进行停车需求预测。张献峰、杨广威、龙东华等在结合停车需求特点分析了停车需求影响因素的基础上,提出了基于主成分分析的BP神经网络停车需求预测模型。

在停车供给规划方面,主要体现在具体的城市停车设施规划方面。何政军建立了停车分布的最大熵模型[9],该模型的根本目的在于保证停车设施的分布与路网系统分布的均衡和协调;邱原明根据自己的实践经历和理论基础构建了多目标加权选址模型,实现多目标归于单目标,并将该模型付诸台北市的停车布局规划之中[10];东南大学的陈峻教授在前人研究的基础上,提出了多目标规划模型,应用此模型进行了实际的停车需求预测,并证明此模型的可行性[11];张锦提出根据各个交通分区的规划用地情况和未来发展规划,制定不同的停车配建指标,提出类型生成率模型,针对不同类型区域的停车场配置进行分类规划及供给规模的确定[12]；成峰提出,停车规划和供给应同时兼顾停车供给与停车需求、停车供给与路网容量之间的关系,实现供求平衡和供容平衡,并深入探讨了城市中心区停车设施的最佳供给问题[13]；殷兆进提出,应根据不同城市的不同布局状态,实施各不相同的停车布局规划,其所指的规划状态主要包括城市的带状中心、块状中心、立体式中心、混合式中心等[14];詹晓兰分析了停车设施的供给与需求及与路网容量之间的关系,并提出停车设施供给应与路网容量之间保持一定的平衡和协调关系[15]。

在停车管理方面,包括供给管理和需求管理两个方面。在停车供给管理方面,主要提倡公私部门的合作伙伴关系,即PPP模式。晏克非就提倡实现停车资源供给的PPP模式,建议停车供给应引入民间资本,实现停车设施融资的多元化,停车设施建设的市场化和基金化[16],刘雪莲也持类似观点。在停车需求管理方面,吴涛运用经济学的基本原理分析了停车政策对出行方式选择及停车需求的影响[17],建议通过停车收费、不同类型停车场实行分类收费等引导停车资源合理配置,有效缓解交通压力。

三、停车需求预测模型研究回顾

任福田、刘小明、荣建等依据不同的研究目的,将停车需求预测模型归结为以下三大类,即以土地利用与停车设施之间关系为基础的模型、以停车需求与出行关系为核心的出行吸引模型、以相关分析法为核心的多元回归分析预测模型。龙华东将该分类进一步细化[18],详细分类如图2所示。

图2　现有停车需求主要预测模型分类图

(一)以土地利用与停车设施之间关系为基础的模型

此类模型主要描述土地利用与停车生成率之间的关系。由于土地的用途和开发程度不同,因此前往这些不同用途和开发程度不同的区域的交通出行程度也就不同,产生的停车需求也就不同。有关土地利用与停车需求之间关系的模型可以归结为三类。

1.停车生成率模型

停车生成率反映了土地利用性质与停车需求之间的决定关系,是指单位土地开发和利用所产生的交通流量,进而所产生的停车需求量,不同类型的土地所引致的停车需求量的总和即为停车需求总量。

美国最早将停车生成率模型付诸交通规划、城市规划、停车政策等领域。1965年,美国城市土地委员会(the Urban Land Institute)利用停车生成率模型,探讨了停车需求影响因素对停车生成率的影响,并估计了影响参数的大小和显著性。1982年又进行了一次研究,重估了停车生成率的各个回归参数[19]。1983年,Irving，Orange County和Ontario等三个城市根据停车生成率模型进行了停车需求预测,并修正了各自的停车生成率[20]。该模型产还多次被石金霞[21]、孙吉瑞[22]、程铁信[23]、吴德华[24]等学者在研究中引用。除了上述文献外,还有一些文献也引用或给出了停车生成率模型的表达式[25],此模型为式(1)：

(1)

式中,Pd表示第d年高峰时间停车需求量(泊位数);Rdj表示第d年第j类用地单位停车;Ldj表示第d年第j类土地开发数量,其单位为土地面积。

停车生成率模型以其简便可行而受到普遍重视,其在计算公共建筑配建停车泊位时应用广泛。为了使该模型更加具有可操作性,通常根据用地性质首先估计和给定单位建筑面积所需的停车泊位数,即停车生成率,以此进一步计算停车需求。具体如式(2)所示：

(2)

2.用地与交通影响分析模型

该模型是对停车生成率模型的改进,是描述停车生成与用地性质之间存在的相互关系，用机动车保有量和土地利用程度这两个变量来解释和预测停车需求量。模型中两个重要变量数值即机动车保有量和土地利用程度,均通过相关调查来实现,即机动车保有量通过停车特征调查来实现,土地利用程度则通过土地利用性质调查来实现。根据土地利用性质确定停车需求特征函数,依据机动车保有量确定高峰期交通影响函数,依据城市规划的用地特性预测高峰期停车需求量[26-28]。此模型如式(3)所示:

P(t)=f(xi)·f(γq) .

(3)

函数中,xi代表i区域的土地使用规模,以不同类型的土地使用面积表示;γq代表土地使用区内交通量的年均增长率;f(xi)代表停车需求的地区特征函数;f(γq)代表日停车需求的交通影响函数;P(t)代表土地使用区内某t年度的日停车需求量。

(1)地区特征函数f(xi)，如式(4)所示：

(4)

上式也可以用于以从业人员数来预测停车需求,如式(5)所示：

(5)

(2)交通影响函数f(γq)，如式(6)所示：

f(γq)=(1+γq)t·k.

(6)

其中,γq代表路网流量的年平均增长率;t代表规划年限;k代表停车率波动的修正系数。

若计算f(γq),必先计算γq,而计算γq,则必先计算路网流量qn.路网流量是以各路段里程为权重,各路段交通量的加权平均数,具体见式(7)：

(7)

依据以往路网交通量数据,可以得到路网流量增长率γq，路网流量增长率γq除了受机动车保有量增长率的影响外,还受到路网流量增长弹性系数Er的影响。如果假定路网流量弹性系数长期不变,恒为常数,则可依据国家计划的机动车保有量年增长率计算出路网流量的年增长率，如式(8)所示：

(8)

其中,γq代表路网流量的年增长率;vq代表机动车保有量的年增长率;Er代表路网流量增长弹性系数。

(3)对城市中心区机动车停车需求总量进行预测，综合上述说明和推导,以及f(xi)和f(γq),可以推导出更具操作性的日停车需求预测模型,具体为式(9)和(10):

P(t)=f(xi)·f(γq)

(9)

或P(t)=f(xi)·f(γq)

(10)

由于该模型同时兼顾土地利用与交通流量两种因素,并在停车生成率模型的基础上进行了适当扩展,其分析和预测更符合现实情况。

3.商业用地停车需求模型

该模型由美国的H. S. Levinson提出,并将此模型应用于New Haven城区的停车需求预测[29]。此模型综合考虑了用地性质与雇员人数两个因素,其应用目的在于为商业区的停车规划提供参考。此模型将停车需求区分为长时停车需求和短时停车需求,上班出行引致长时停车需求,商业活动引致短时停车需求。很多国内文献也都重述过该模型,其表达式如式(11):

(11)

其中,AL代表长时停车累计数量;AS代表短时停车累计数量;ei代表i区雇员人数;ej代表j区雇员人数;Fi代表i区商业区建筑面积;Fj代表j区商业区建筑面积;J代表商业区数量。Pi代表i区高峰停车需求。该模型所需数据可得性强,通过相关调查即可获得,适用于用地单一的商业区停车需求预测。

4.静态交通发生率模型

该模型主要描述了停车需求受到土地特性以及工作岗位影响的关系[30],如式(12)所示：

(12)

其中,Lij代表j区i类用地工作岗位数;ai代表i类用地停车发生率;Pj代表j区日停车需求量。

5.停车需求——供应模型

该模型引入了价格因素、服务水平对停车需求的影响,同时还考虑了周转率和利用率的折减,具体如式(13)[31]:

(13)

其中,aij代表i区j类性质单位用地面积停车需求数量;Rij代表i区j类性质用地面积;ρ表示高峰时间周转率(当ρ<1,取1);γ表示高峰时间利用率;μ表示价格因素的影响率;σ表示服务水平的影响率;yi表示第i区高峰时间停车需求量。

6.基于区位分析和诱增流量的停车需求预测模型

该模型以大型交易中心为研究对象和预测对象,同时考虑了两个因素,即区位因素及由于区位因素所诱增的交通流量因素,同时考虑了这两种因素的停车需求预测模型,见式(14)[32]：

(14)

式中,P代表欲预测的交易中心的停车需求;d代表交易日所产生的交通吸引系数;Ci代表i类性质用地的规模;Mi代表i类性质用地对机动车的吸引系数;L代表由于区域位置所产生的区位影响系数;Ri代表i类用地性质所诱致的停车比率;d′代表交易日所诱致的周围地区交通变化系数;q′代表交易日所导致的交通流量的增加;R′代表交易日所导致的交通流量的增量中停车所占的比率。

7.交通量——停车需求模型

某地区社会经济活动程度的强弱集中体现在地区对车辆出行吸引的强弱,可以这样认为，某地区对行驶车辆的吸引力的增强,常常会诱发该地区交通流量的增加,以及停车需求的增加。出行吸引模型的建立有赖于综合交通调查所获取的数据。根据各中心商务区的停车吸引量和各交通小区的车辆出行分布建立模型,并以该模型为基础计算中心商务区的停车车次,以及每一停车车次所需的停车泊位数,最后计算出各交通分区停车需求量。该模型可表示为式(15):

lgPj=A+BlgVj.

(15)

式中,Pj表示第j分区高峰小时停车需求量(标准车车次);Vj表示第j分区高峰小时交通流量;A,B表示回归系数。

(二)以停车需求与出行关系为核心的出行吸引模型

1.出行吸引模型

该模型反映了出行吸引量对停车需求的影响。用于预测土地利用名目较多地区的停车需求[33-34]。模型可表达为:

Pi=(Ai+Bi+Ci+Di+Ei)×α.

(16)

式中,Pi表示i小区全日停车需求量;Ai、Bi、Ci、Di、Ei分别表示i小区全日大客车、小客车、出租车、大货车、小货车吸引量;α表示机动车平均停车率。

2.基于G-Logit 的停车需求预测模型

该模型以随机效用理论为基础,综合运用多元回归、非线性最小二乘法等对模型进行拟合和求解。安实等在文献中给出的模型公式如下[35]:

P=∑δi×Pi.

(17)

式中,P代表全部机动车的需求总量;Pi代表i类机动车的需求总量;δi代表i类车辆泊位折合成标准小汽车泊位的数量,也可以将其称为折算系数;Vi代表实际效用函数;b代表影响出行效用的影响因素所构成的向量;αm代表m类交通方式的参数。

3.基于Box-Cox Dogit的停车需求预测模型

该模型也是以随机效用理论为基础的停车需求预测模型。易武等在文献中给出的模型表达式如下[36]:

P=∑δi×Pi.

(18)

(19)

式中,P代表停车需求总量;Pi代表i类机动车的停车需求总量;pi代表选择i类机动车出行的概率,其中∑pi=1;δi代表i类机动车折合成标准小汽车泊位的数量,也可以将其称为换算系数;λi代表i类机动车导致的停车需求的比率;ξi代表能影响停车需求但不能影响i类机动车出行的其他变量;Qj代表j个交通小区的交通流量;J代表交通小区的个数。

4.非集计模型

非集计模型(Disaggregate Model)也称为个人选择模型(Individual Choice Model)或离散选择模型(Discrete Choice Model),广泛用于研究行为方式的选择，该模型也可以用于预测出行方式的选择。预测交通方式选择的方法有两种,一种是集计模型,另一种则是非集计模型。集计模型以交通小区为分析单位,诸如上述的生成率模型等;非集计模型以个人为分析单位,以非集计模型来预测每种交通方式的选择概率,再把每个人的选择结果汇总起来预测各种交通方式的使用量。

非集计模型的研究始于美国。20世纪70年代,美国的McFadden和Ben-Akiva,Lerman,Manheim等专家陆续研究了非集计模型[37-38],并将模型应用于实际。之后国内学者纷纷效仿,陆续开展了非集计模型的研究。清华大学的陆化普和北京工业大学的关宏志在其专著中介绍了非集计模型的基础理论、多种建模方法和标定方法。

非集计模型与集计模型相对,其理论基础是随机效用理论,其规划目标是出行者效用最大化,是描述人们选择行为的模型,描述出行者个人采用何种交通出行方式等等[39]。在出行方式选择中,出行者在考虑出行的目的、时间等出行特性及出行费用、社会经济特性等服务水平特性等约束条件基础上,最终选择使其满意程度最高的方案。该模型认为,效用是一个随机变量,服从某一分布,该效用是选择枝(方案)特性及个人社会经济属性的函数,受其影响,被其决定。

若An为某出行者n的备择方案集,其中方案j为其带来的效用为Ujn,则该出行者选择方案i而不选择方案j的原因是:Uin>Ujn(i≠j,j∈An).Uin是选择枝(方案)i对第n个人的效用。效用是随机的,函数Uin是线性函数,包括两部分,这两部分为确定性部分和随机部分。具体表示为式(20)和(21)。

Uin=Vin+εin.

(20)

Vin=Vi(Xin) .

(21)

式中,Vin表示出行者n选择方案i的效用函数的确定性部分;εin表示出行者n选择方案i的效用函数的随机部分；Xin为可观测的影响要素向量。

效用函数的非随机部分通常采用线性函数的形式(表示影响效用的因素具有完全替代性),也可以采用Cobb-Douglas效用函数形式(不完全替代性,较符合实际),如式(22)和(23)所示:

(22)

(23)

若假定εin服从分布参数为η=0,ω=1的二重指数分布(Gumbel distribution),即可得到如下所示的多项Logit模型:

(24)

5.基于BP神经网络的停车需求预测模型

张献峰、杨广威、龙东华等在结合停车需求特点分析了停车需求影响因素的基础上,提出了基于主成分分析的BP神经网络停车需求预测模型。他们认为,影响停车需求的因素很多,主要包括经济、土地、交通特征等因素,其中经济因素,包括单位数、居住用地面积、人均收入;土地因素,包括营业建筑面积、就业岗位数;交通特征因素,包括机动车高峰小时吸引量、汽车保有量、平均日交通量。然后,将这些影响因素以主成分分析法为手段,抽取主成分,利用BP神经网络方法对停车需求进行预测。该模型的基本思路是:确定神经网络结构;选取神经网络学习算法,包括正向传播过程和反向传播过程运算[40]。其停车泊位预测模型学习流程图如图3所示。

图3　基于BP网络的停车泊位预测模型学习流程图

(三)以相关分析法为核心的多元回归分析预测模型

基于相关分析法的多元回归模型是由美国道路研究委员会通过长期理论研究,并在其理论实践中首先提出来的[41]。其认为,区域经济活动及土地使用是影响停车需求的关键因素,其具体模型如式(25):

Pdi=K0+K1(EPdi)+K2(POdi)+K3(FAdi)+K4(DUdi)+K5(RSdi)+K6(AOdi)+…+ε.

(25)

其中,Pdi代表d年i区高峰期停车需求量(泊位数);EPdi表示d年i区就业岗位数;POdi表示d年i区人口数;FAdi表示d年i区建筑面积;DUdi表示d年i区企业数;RSdi表示d年i区零售服务业数;AOdi表示d年i区小汽车保有量;Ki(i=0,1,2,3,…)表示回归系数。

四、停车需求研究的展望

通过以上文献统计及预测模型的梳理,我们发现以下趋势。其一,关于停车需求研究的文献与其他领域文献比较起来相对较少,是一个值得进一步深入研究的领域。自20世纪90年代我国将汽车产业确定为支柱产业以来,汽车产业获得了长足的发展,汽车出行的停车需求量也急剧增加,停车需求决定停车供给,停车需求决定政府的停车供给政策。为满足停车需求,则必须准确预测停车需求,以适当的停车供给满足停车需求,避免当斯悖论的发生。其二,停车需求预测经历了一个由集计向非集计发展、由土地利用向个人行为发展、由传统回归向多学科交叉预测发展的历程。具体来讲,集计模型是建立在停车调查和停车生成率基础上的,是以土地的利用性质为基础进行停车预测的方法;而非集计模型则是以出行特征如何影响出行行为为基础来预测个体的出行行为,进而由个人的出行行为规律推及总体的出行行为规律来预测停车需求的方法。传统的回归方法是以出行特征为自变量,以停车需求为因变量的停车需求预测方法。其三,停车需求预测模型的发展路线是从集计到非集计,再到高级方法。集计方法是建立在停车调查和停车生成率基础上的对于交通小区的交通量和停车需求量进行预测的方法,非集计模型则是以出行特征如何影响出行行为为基础预测个体的出行行为,进而由个人的出行行为规律推及总体的出行行为规律预测停车需求的方法。这两种方法有时可以同时利用,以准确预测交通小区的交通量和停车需求。其四,停车需求研究未来的发展方向是对于非集计模型随机项的其他分布的探索,以及使用非线性实际效用函数(如Cobb—Douglas函数),使预测更符合实际情况。目前所使用的非集计模型中,假定随机误差项服从二重指数分布,而缺乏对于二项分布、指数分布等其他分布的考虑,使模型的使用受到一定的限制；而目前的效用函数也只是线性效用函数,这与实际也存在一定差距,应考虑使用非线性的效用函数,如经济学中所讲的、运用较为普遍的柯布—道格拉斯效用函数。其五,随着汽车保有量的急剧增加,应进一步加强停车需求管理领域的研究。为避免出现停车供给的当斯悖论,在准确预测停车需求的基础上,尽力压缩停车供给,同时,通过经济手段和行政手段等控制停车需求,通过提高停车价格和增加车辆购置税等经济手段,以增加用车成本,通过实行用车必备车位和出行限号政策等行政手段,控制停车需求。

参考文献：

[1]SMITH W, ASSOCIATES.Parking in the City Center[C].

Automobile Manufacture,1965:23-28.

[2]JAVID,MASSOUD.Optimal Supply of Parking at Airports[C].Proceedings of the 23rd Air Transport Conference.USA,1994:38-41.

[3]饭田恭敬.交通工程学[M].北京:人民交通出版社,1994:47-49.

[4]SCULLY W J.Parking management in a small community:back to basics[J].ITE Journal,1988(11):32-35.

[5]MORRALL J M，BOLGER D.The relationship between downtown parking supply and transit use[J].IIE Journal,1996(2):32-36.

[6]晏克非.停车需求预测模型研究[C]//94深圳国际城市静态交通管理技术研讨会文集.深圳：深圳大学出版社，1994:78-82.

[7]陈峻,王炜,晏克非.城市停车设施需求预测研究[J],东南大学学报,1999(S1)：121-126.

[8]关宏志,王鑫,王雪.停车需求预测方法研究[J].北京工业大学学报,2006(7):600-604.

[9]何政军.停车需求、分布及供应理论研究[D].上海：同济大学,1994.

[10]邱原明.都市停车场区位选择之探讨[C]//第三届海峡两岸都市交通学术研讨会论文集.台北：台湾大学出版社，1995:76-89.

[11]陈峻.城市停车设施规划方法研究[D].南京：东南大学,2000.

[12]张锦.城市停车场规划方法及其应用研究[J].城市交通,2003(1):23-27.

[13]成峰,莫一魁.城市中心区停车泊位供应分析[J].交通与运输(学术版),2005(1):69-72.

[14]殷兆进.城市中心区公共停车供应策略与规划研究[D].南京：东南大学,2004.

[15]詹晓兰.城市中心区停车设施供给与路网容量平衡关系的研究[J].交通与运输(学术版),2005(1):77-79.

[16]晏克非.上海市车辆停放问题综合研究[R].上海市车辆停放问题综合研究报告,1997:90-98.

[17]吴涛.停车供需与停车政策研究[D].上海：同济大学,1999.

[18]龙东华.城市中心区停车需求预测模型及应用研究[D].重庆：重庆交通大学,2012.

[19]FRANK H.SPINK.Parking Requirements for Shopping Centers:Summary Recommendations and Research Study Report[R].Urban Land Institute,1982:134-137.

[20]THOMAS P.SMITH.Flexible Parking Requirements[R].The American Planning Association,1983:34-37.

[21]石金霞.中小城市中心区停车需求预测方法研究[J].黑龙江交通科技,2016(2):133-135.

[22]孙吉瑞.城市混合用地停车需求预测模型研究与实践[J]. 交通与运输(学术版),2016(1):62-66.

[23]程铁信,陈敬柱,台苗苗.城市中心商业区停车需求预测模型及实证研究[J].世界科技研究与发展,2012(6):1008-1013.

[24]吴德华.基于现状调查的城市老城区停车需求预测方法[J].交通运输系统工程与信息,2014(1):235-241.

[25]阮金梅.城市停车[M].北京:中国建筑工业出版社,2012:34-35.

[26]段满珍,陈光,米雪玉,等.居住区停车泊位需求预测二步骤法[J].重庆交通大学学报(自然科学版),2016(1):152-155.

[27]徐雷,刘冰,张涵双.停车需求预测和泊位供给策略分析[J].交通科技与经济,2014(2):39-43.

[28]王海燕,马立.邯郸市中心商业区停车需求预测研究[J].河北工程大学学报(自然科学版),2014(3):55-58.

[29]HERBERT S.LEBINSON,CHARLS O.PRATT.Estimating downtown parking demands:a land Use approach[J].Transportation Research Record,1984,95(7):63-66.

[30]李梅.城市建筑物配建停车位需求率预测探讨[J].山西建筑,2012(23):15-16.

[31]温旭丽,孙垚飞,罗婷.基于交通特征的停车需求预测模型构建研究[J].公路交通科技(应用技术版),2014(4):297-299.

[32]张飞飞,吴兵,李林波.新城区CBD区域停车需求预测方法[J].重庆交通大学学报(自然科学版),2012(5):1018-1022.

[33]欧秋杰,杨熙宇.基于项目诱增吸引产生交通流的停车需求预测方法的研究[J].交通与运输(学术版),2011(1):88-89.

[34]HIGHWAY RESEARCH BOARD:Parking Principles,Special Report l25[R].Washington DC,1971:13-16.

[35]安实,马天超,尹缙瑞.基于G-Logit的停车需求预测模型[J].数量经济技术研究,2001(1):67-70.

[36]易武,李硕.基于Box-Cox Dogit停车需求预测模型研究[J].武汉理工大学学报(交通科学与工程版),2006(2):310-313.

[37]BOWAN J.L,BEN-AKIVA M.Activity-based disaggregate travel demand model system with activity schedules[J].Transportation Research A,2000(1):1-28.

[38]BEN-AKIVA M,S.LERMAN.Discrete Choice Analysis: Theory and Application to Travel Demand[M].Massachusetts:MIT Press,1985:56-57.

[39]PENGPENG JIAO,HUAPU LU AND LANG YANG.Disaggregating traffic mode choice model based on combination of revealed and stated preference Data[J].Tsinghua Science & Technology,2006(3):351-356.

[40]高健夫,王培松.基于神经网络的城市停车需求预测模型[J].交通科技与经济,2015(5):5-9.

[41]The Urban Land Institute,the National Parking Association.The Dimensions of Parking[M].Washington DC:Urban Land Institute,1993:124-130.