商业区公共停车场需求预测模型研究

张军 冯悍

摘  要： 目前各大城市普遍存在停车难的问题，特别是在商业中心区，人、车流量大，以往停车需求预测方法通常采用停车生成率模型，利用土地用地性质及面积进行预测，文中在停车生成率模型研究的基础上，使用PLS方法对传统停车生成率模型进行改进，模型考虑混合用地之间的相互关系，能够更合理地预测停车需求。以哈尔滨香坊区为例，通过现场调查获得8个综合商业区数据，预测了2019年、2020年的工作日与周末停车需求，并以2个代表性商业区进行验证，实验结果表明，相对原始停車生成率模型，基于PLS改进的停车需求预测模型预测更准确，相对误差更低。

关键词： 商业区; 停车需求预测; 公共停车场; 停车生成率模型; 混合用地; 偏最小二乘

中图分类号： TN911.1?34; U121                   文献标识码： A                     文章编号： 1004?373X（2020）17?0123?03

Abstract： Parking is a common difficult in metropolises at present. The passenger flow and traffic flow are large， especially in CBDs （central business districts）. In the previous parking demand forecast methods， the previous parking generation rate model is usually used to predict the demand according to the nature and area of land use. On the basis of the research on parking generation rate model， the PLS （partial least squares regression） method is used to improve the traditional model. In the model， the relationship among the mixed?use lands are taken into account， so the parking demand can be predicted more reasonably. Xiangfang District in Harbin is taken as an example in the research， data of 8 comprehensive commercial districts are obtained by on?the?spot investigation to predict the parking demand on working days and weekends in 2019 and 2020. Two representative commercial districts are used for verification. The experimental results show that， in comparison with the original parking generation rate model， the PLS improved parking demand forecast model is of more accuracy and lower relative error.

Keywords： commercial zone; parking demand forecast; public parking lot; parking generation rate model; mixed?use land; partial least squares

0  引  言

随着居民生活水平的提高，私家车出行体现了城市化水平，但也对城市交通环境提出更高的要求。在城市中心商业区，土地资源紧张，停车需求大，交通环境紧张，“停车难”的问题尤其严重，为了避免交通拥挤问题的发生，需要合理预测商业区停车需求，对区域停车位进行合理规划与布局。

目前，国内外停车需求预测的主要模型有用地分析模型、交通量?停车需求模型、多元回归分析模型、停车生长率模型等。用地分析模型利用土地用途与员工数来估计城区的停车需求，空间分布可信度高，但不适用于远期预测。交通量?停车需求改进模型认为停车需求是区域吸引该车辆的结果，这种模型适用于用地功能均衡、稳定的短期预测。多元回归模型是根据历史数据用回归方法以人口、建筑面积、高峰停车量等数据进行多元回归，建立停车需求的多元模型，预测精度较低，适用于时间、空间范围广的停车需求预测。停车生成率模型建立在土地利用性质与停车需求生成率的累加，在我国停车需求预测中应用较多，不适用于老城区。

国内外对于城市商业区停车需求预测模型有了一定研究，可以将需求预测模型分为三个大类，即以土地利用与停车需求之间的关系模型、以出行关系与停车需求间的关系模型、以多元回归分析为基础的预测模型。

本次研究的地域是黑龙江省的省会城市——哈尔滨市，根据哈尔滨市的统计数据显示，截止2017年底，市区机动车保有量达到180万台，近3年来增长了20%。来自哈尔滨市交通部门的统计数据显示，哈尔滨市公共交通的分担率只有35.7%，几乎占[23]的哈尔滨人开车出行，给城市交通带来了很大的压力。

1  基于PLS改进的商业区停车需求预测模型

1.1  停车生成率模型

停车生成率模型是建立在土地利用性质与停车需求生成率关系基础上的，停车需求生成率是指单位建筑面积与其对应的停车需求数量的换算系数，以高峰时间停车需求生成率为计算指标。其基本思路是将区域内各种不同土地利用性质的地块吸引量求和以获得预测的停车生成率模型，其模型数据表达如下：

式中：[P]为预测公共场所在某一时间段的停车高峰;[αj]为预测公共场所第[j]种用地的停车生成率，[j=1，2，…，k];[Lj]为第[j]类用地建筑面积指标;[k]为用地分类数。对于不同用地的停車生成率[αj]可以采用停车普查方式获取，也可以采用最小二乘估计或梯度下降求解。对上述停车生成率模型求解后，可以得到各用地的停车生成率，进而对各商业区停车需求进行预测。

1.2  PLS模型

在实际应用中，各个用地之间存在潜在关系，使用单一的用地停车生成率可能会忽视用地与用地之间的相互关系。偏最小二乘（Partial Least Squares，PLS）回归是一种最小二乘回归的扩展，方法集合主成分分析与多元线性回归的优点，特别在变量存在多重相关性与样本较少时能够有较高的预测精度。

PLS算法的具体原理如下：

1.3  商业区公共停车场停车需求模型

停车生成率模型与PLS模型理论上都能够反映调查区域的停车需求，要在此基础上预测商业区等公共场所未来几年的停车需求，必须考虑到社会经济的发展、车辆保有水平、出行水平等因素。按照生活中的实际情况，只有车辆出行才会带来相应的停车需求，在本次使用的停车生成率模型中，将车辆出行水平和机动车保有量作为影响未来停车生成率的因素，以预测未来的停车需求。商业区的停车需求预测模型可以表示为：

式中：[Dx]为[x]年以后公共场所的高峰停车需求预测值;[η]为机动车保有量年增长率;[δ]为车辆出行年增长率，其余变量为PLS模型参数。

2  案例分析

本次研究中，选取哈尔滨市香坊区的停车数据（2017年），这些停车数据包括公共停车场的配建停车位、工作日高峰停车量（辆）和周末高峰停车量（辆），在本次研究之前，对哈尔滨市香坊区的具体路况和公共停车场的现场状况进行详细调查。通过对香坊区的8个综合商业区进行调查，得到的具体情况如表1所示。

2.1  各大综合商业区停车需求预测

通过停车生成率模型，并结合前文中对香坊区的道路规划和现场实际数据，对上述加权停车生成率模型进行优化计算，得到停车生成率[α]，计算结果如表2所示。

根据住房和城乡建设部2015年发布的《城市停车场规划导则》提供的部分城市公共建筑物配建停车位指标，以北京市一类商业地区作为参考（见表3），衡量哈尔滨停车生成率计算结果。

相对北京市商业建筑物配件指标，计算哈尔滨市香坊区部分区域停车生成率较北京市偏低，因为哈尔滨汽车保有率与出行水平较北京偏低，相比较所计算各类型用地生成率较符合实际。

2.2  规划年停车需求预测

根据哈尔滨市在2016—2018年发布的《哈尔滨统计年鉴》，并结合该市的2015—2017年机动车保有量数据年平均增长率，预测该市未来的机动车保有量，并取其平均值，使用一元线性回归方法预测该市未来的机动车保有量。 经计算，机动车保有量年增长率[η=0.146]，2019年、2020年机动车保有量分别为217万和249万。

在本次调查中，从哈尔滨市交通部门获得的数据显示，2014年哈尔滨市居民使用私家车出行的频率为2.7次/（天·车），而到了2017年该数值则上升到4.2 次/（天[?]车）。由此可以计算出这一时期哈尔滨市机动车出行年增长率为：[δ=4.22.713-1=0.158]。

将以上已知数值代入到式（8）中进行计算，可以得到如表4所示的停车生成率模型与加权停车生成率模型的对比结果。

为了验证模型的有效性，与直接展现的两种模型的预测差别，于2019年对两个代表性商业区进行高峰停车需求调查，选取松雷国际商厦和凯旋广场两个综合商业中心来验证，实际调查的停放需求和采用两种模型预测的数值进行对比。从表5中可以看出，原始停车生成率模型由于未综合考虑混合用地之间的变量关系，其预测的准确度并不高，但是PLS停车生成率模型则使用了本次调查中的全部数据，其预测的准确度相对来说较高一些。PLS停车生成率模型则较为直接地揭示了停车需求和用地指标之间的联系，误差相对较小。

3  结  论

在一些二线城市的汽车保有量不断扩大的同时，其中心城区的公共停车场已经不能满足居民的停车需求，由此根据城市居民的出行量进行公共停车场的规划尤为必要。本次研究中以哈尔滨市的中心城区香坊区为例，通过调查该区的部分综合商业区的用地指标和实际停放量，并使用停车生成率模型对该区的公共停车场的需求进行预测，并基于PLS对模型进行优化，改进的模型考虑了混合用地之间的内在关系，以此计算出该区域内的各大综合商业区的停车需求预测结果误差更小，精度更高，对公共停车场规划与建设具有一定意义，为该区的交通发展提供了有效的数据支持。

参考文献

[1] 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，2015，17（5）：5?9.

[2] 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），2016，35（1）：152?155.

[3] CHENG Tiexin， TAI Miaomiao， MA Ze. The model of parking demand forecast for the urban CCD [J]. Energy procedia， 2012（16）： 1393?1400.

[4] SEN S， AHMED M A， DAS D. A case study on on?street par?king demand estimation for 4?wheelers in urban CBD [J]. Basic Appl. Eng. Res.， 2016， 3： 254?258.

[5] 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，2016（z1）：62?66.

[6] 张雷.基于时间序列模型的停车场泊位特性预测研究[J].南京师大学报（自然科学版），2017，40（2）：24?30.

[7] 尹丽君.中山市主城区公共停车场布局分析及建议[J].交通企业管理，2019，34（1）：88?90.

[8] 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，2012，34（6）：1008?1013.

[9] 周华珍.城市公共停车场选址优化研究[D].兰州：兰州交通大学，2015.

[10] 邹成伟，胡宝雨，王彪.城市公共停车场停车需求预测方法研究及应用[J].公路，2014，59（8）：147?150.

[11] 彭佐康.广州中心城区公共停车场选址规划优化研究[J].交通企业管理，2019，34（1）：85?87.