基于停车预约机制的停车预约决策行为研究

2021-11-22彭玉青

交通工程 2021年5期

韩艳，彭玉青，赵屾

(1.北京工业大学交通工程北京市重点实验室，北京 100124;2.交通运输部科学研究院，北京 100029)

0 引言

随着中国经济的发展，各大城市的机动车保有量呈逐年上升趋势，普遍存在不同程度的停车难和秩序乱问题，究其原因是停车位与机动车数量的不匹配.据国家发改委发布的数据显示，2019年我国大城市小汽车与停车位的比例约为1∶0.8，中小城市约为1∶0.5[1].大规模兴建停车场成本高、难度大，并不可行，且一味增加停车位数量并不能达到预期效果.另一方面，因停车场联网率低，大约只有1%～3%，在出行者选择停车场的时候，对目的地附近停车场的车位剩余情况并不了解，需要较长时间的寻泊，用户体验不佳的同时，增加了环境中CO2排放量.为减少寻泊时间，预约机制被引进停车管理系统，合理的设计预约流程，及时发布停车信息以引导停车预约需求和行为，提高停车资源的利用率，已成为解决停车问题的方法之一.

国内外学者分别对停车预约系统、预约影响因素、预约决策行为等方面开展了大量的研究.郭鹏飞[2]设计了基于ZigBee节点无线通讯的停车预约App和配套的智能地锁，利用该APP可查询车位位置、车位预约状态、车位使用状态，并实现在线缴费的功能.郭丹丹[3]基于ETC与云技术构建了网络智能预约停车系统，并分析了该预约系统优势：手机APP智能预约停车场、GPS实时导航、高清识别车牌、数据自动上传、在线缴费.陈杰[4]基于用户出行需求调查，分析了预约系统的系统性要求以及预约方式的需求，并构建了停车预约系统的整体结构，主要包括停车场信息查询模块、车位预约模块、路径诱导模块.吴正[5]构建了小区共享车位预约停车系统，系统主要分为车位共享模块、车位预约模块、二维码扫码识别模块和路径规划模块.Geng等[6]考虑停车位保留时间的不同，将停车泊位预定方式分为定制性预定和及时性预定，并探讨了2种预定方式不同的预订规则.尹红亮等[7-8]研究发现，影响预约行为的因素主要包括停车目的、停车时长、停车后的步行距离、停车费用的支付方式、年龄、收入等.章伟[9]考虑停车时刻、泊位占有率、预约用户比例等因素对用户决策行为的影响，构建了基于Agent仿真的智能停车预约系统模型.林秋松[10]提出了分时段批量预约的车道边停车预约策略，对现有的预约模型进行了优化.宁瑞昌[11]采用问卷调查的方法获取数据，分别对出行者的社会经济属性、停车交通属性和停车预约属性进行分析，构建了预约模式下停车场选择模型和停车位选择模型.

综上可知，国内外学者已在构建停车预约系统、预约影响因素、预约决策行为方面有了一定的研究.在预约的影响因素与决策行为方面，传统的预约策略要求出行者必须在预约时间段内到达和离开，灵活性较差，未响应出行者预约需求，实际交通出行中，出行者即使在预约状态下，调整了其出行行为，却依然会提前到达，存在车位保留或者延迟离开的需求；现有研究未考虑到出行者到达、离开的不确定性，以及停车不确定性对出行者预约决策的影响；未探索时间窗(提前到达、车位保留、延迟离开的时间)加入到预约策略的实施路径，亦未开展不同的时间窗长度对预约机制和出行者预约决策的影响.在预约系统的构建方面，较少对预约的惩罚与收费机制展开研究.因此，有必要获取用户的预约需求，将需求、选择偏好与停车预约相结合，开展停车预约需求调查，并对停车预约行为进行研究.

本文构建了停车预约系统，揭示不同停车预约策略的使用动机，挖掘停车预约机理及其影响因素.采用意愿调查法对停车位预约信息需求、偏好以及预约行为意向进行调查，构建基于BL模型的停车泊位预约决策模型，探讨了预约时间窗对停车预约行为的影响，为停车预约系统建设提供理论基础和数据支持.

1 停车预约机理研究

1.1 停车预约策略与机理研究

传统的停车预约策略包括时间共享性预约策略和实时性预约策略，如图1所示.其中，时间共享性预约策略要求出行者提前1 d提交预约信息，比如起终点、计划进入停车场时刻、计划离开停车场时刻，系统收集所有出行者信息，进行周期性处理，该模式能从全局的角度保证系统分配最优，非常适用于有计划的出行者，可提前确定好自己的行程，但无法满足有临时需求的出行者.实时性预约策略要求出行者实时提交预约需求，只需要实时输入起终点、停车预约时刻和计划进入停车场时刻，计划离开停车场时刻可根据自己的实际情况随时调整.系统对需求实时反馈，该模式更好地考虑了出行者的需求，非常适用于行程不确定、有临时需求的出行者.

图1 传统的时间共享性预约策略与实时性预约策略示意图

时间共享性预约策略要求出行者必须在计划进入停车场之后达到停车场，实时性预约策略要求出行者必须在计划进入停车场时刻之前到达，不能早到，也不能晚到，出行灵活性较差.而出行者的停车需求存在一定的不确定性.针对这一情况，本文提出设置提前到达、车位保留、延迟离开的时间窗，见图2，给出行者一定的缓冲时间，减少出行者的早到、晚到惩罚成本，提高出行者收益，提高停车满意度.本文将进一步探索时间窗加入到预约策略的实施路径，分析不同的时间窗长度对预约机制和出行者预约决策的影响.

图2 时间窗示意图

假设出行者在出发之前会进行停车信息查询，停车管理系统会进行实时反馈，系统的开发、维护、信息发布均都需要一定的费用，因此，假设出行者需要一次性支付一定的预约服务费，并提供如下出行信息：起终点、预约开始时刻、预约结束时刻.优化后的实时性预约策略如图3所示.

图3 优化后的实时性预约策略示意图

考虑了时间窗的停车预约机理如图4所示.出行者在出行前，制定出行计划，确定出行目的地后，根据以往的出行经验计划行驶时间、寻泊时间、步行时间.为了减少寻泊时间，出行者会通过预约APP查询停车预约信息，例如预约费、时间窗、车位预约比例、车位剩余个数、车位剩余比例等信息，做出自己的预约决策行为.

图4 预约机理图

在停车预约系统中，存在停车场管理方和小汽车出行者2个不同的主体，二者存在不同的需求.

1)对于停车场管理方而言，车辆到达的不确定性，小汽车出行者停车需求的不确定性等因素影响了停车场管理方对车流的调控和对停车资源的配置.如何确定停车位预约比例，提高车位利用率，获得较高的停车收益是停车场管理方的关注点.具体影响因素包括：预约时间段、预约时间窗、车位预约比例等.

2)对于小汽车出行者而言，行程时间的不确定性(路径选择)、停车位的可用性(寻泊过程)、到达时间的不确定性等因素制约了出行者的停车预约决策.而出行者出行特性(出行目的、行驶时间、停放时长、收费价格、支付方式、寻位时间、停车困难度、满意度)、预约信息需求特性(预约方式、预约费、预约时间窗、车位预约比例、车位剩余比例等)、社会经济特性(性别、年龄、文化程度、职业、月收入)等方面同样影响出行者的停车预约决策.

1.2 停车预约机制分析

停车预约机制包括信息查询模块、车位预约模块、路径诱导模块、车位分配模块，如图5所示.

图5 停车预约机制图

1)出行者出行前，首先生成出行意向：意向出行目的地、是否选择停车预约、出发时间等.出行者通过停车预约系统查询停车场信息，主要包括停车场基本信息、空余车位信息、预约时间窗大小、预约费等.

2)根据获得的停车预约信息，出行者确定是否选择预约.如果选择预约，出行者需要输入出发地、目的地和预约时段，预约时段有空余车位，出行者一次性支付预约费，预约成功，反之，查找其他时段空余车位剩余情况或者查询其他停车场车位信息.

3)预约成功后，进入路径诱导模块，路径的显示方式由预约平台显示.出行者根据路径诱导，前往目的地停车.

4)在车位分配模块，研究对象包括提前一个时间间隔(0.5 h、1 h)预约P-user和随机达到R-user，首先P-user需要提前一个时间间隔提交预约地点、需求时间段(包括预约开始时刻、预约结束时刻)，R-user在任一个时间间隔到达.停车场管理者根据每个时段停车位空闲时间段和预约时间窗大小，分配P-user和R-user的停车需求，并告知停车位分配结果，更新供给矩阵.在收费与惩罚模块，如果出行者准时到达或者在时间窗内到达停车场，收取预约时段停车费PFEE1；如果延迟离开，且在预约时间窗内，停车费PFEE2包括预约时段停车费和正常价格停车费PFEE3，收取方式见式(1)；如果延迟离开，且在预约时间窗外，出行者将收到停车费的惩罚.因为出行者违反了停车预约的规则，延迟离开会影响已经分配的停车需求，对系统停车位的分配造成了损失，停车费PFEE4包括预约时段停车费和超时停车费PFEE5，超时停车费按照正常价格停车费乘以惩罚系数τ，收取方式见式(2)、(3).

PFEE2=PFEE1+PFEE3

(1)

PFEE4=PFEE1+PFEE5

(2)

PFEE5=PFEE3×τ

(3)

2 预约选择行为调查

为了研究不同预约机制下的预约决策行为，设计了预约选择行为调查问卷，定量分析不同的预约需求对预约决策行为的影响.

2.1 停车预约问卷调查设计

问卷调查分为3个部分：出行特性、停车预约需求、社会经济特性.

1)出行特性：获取出行者上一次的停车情况，包括出行目的、停车场的车位数、具体的寻位时间、停车满意度、停车收费情况和预计停放时间.

2)停车预约需求：时间窗、可预约车位剩余比例、不可预约车位剩余比例.

3)社会经济特性：性别、年龄、文化程度、职业和月收入.

调查选取了3种场景因素，分别是时间窗、可预约车位剩余比例、不可预约车位剩余比例.并设置了3种场景因素的水平项，其中时间窗设置3个水平项，可预约车位剩余比例、不可预约车位剩余比例设置3个水平项.为覆盖所有场景，采用正交设计的方法，对出场景因素进行整合，得到的9个场景组合设计如表1所示.

表1 场景组合设计表

在不同场景下，要求被调查者做出预约选择，预约选择肢分别为“选择预约”“放弃预约”.

调查于2019-04-10—14在北京市朝阳区开展，采用面对面调查方式，共回收有效问卷137份.

2.2 停车预约数据分析

1)性别分布

本次调查包括男性91人，占总体百分比为66.4%，调查女性46人，占总体百分比为33.6%.根据2018年统计数据，男驾驶员总体百分比为69.9%，女驾驶员占30.1%.从性别比例可看出，本次调查的性别比例符合驾驶员性别比例，数据合理，可用于后期的数据处理，见表2.

表2 性别统计表

2)出行者预约信息需求

从出行者预约需求信息的样本可看出，79%的出行者更关注车位剩余个数，其次是时间窗、预约费、车位剩余比例、停车费率，见图6.

图6 出行者预约需求

3)时间窗对预约决策行为的影响

将时间窗长度设置为10、20、30 min，当时间窗长度为10 min时，选择预约的比例为47.7%，当时间窗长度为20 min时，选择预约的比例为58.4%，当时间窗长度为30 min时，选择预约的比例为53.3%.随着时间窗长度的增加，选择预约的比例先增加后减少，见表3、图7.

表3 时间窗对预约比例的影响

图7 出行者是否选择预约与预约时间窗间的关系

3 停车泊位预约决策模型

3.1 模型的构建

假定出行者n是否选择预约停车位的效用函数Y为概率变量，并假设效用函数中的固定项Vin和随机变化部分εin之间相互独立，且εin服从二重指数分布，则停车位选择的BL模型表达，见式(4)(5)：

(4)

(5)

式中，Pin为出行者n选择方案i(=1，2)的概率；Vin为出行者n选择方案i(=1，2)的效用的固定项.

3.2 模型的标定结果分析

影响停车预约行为的因素有很多，本文将其分为离散变量和连续变量.通过交叉列链表检验了各属性变量与车位预约选择之间的相关性，利用TransCAD软件对车位选择BL模型进行参数标定，标定结果如表4所示.

表4 BL模型标定及检验结果

采取t检验的方法，100%变量的t检验值的绝对值大于1.96，表明在95%的置信度上变量对出行者决策行为具有显著影响.通常情况下，当优度比达到0.2～0.4时，模型的精度较高.本文模型优度比为0.210 742，表明模型精度较高.

可看出，停车预约选择决策行为的影响因素主要有出行目的、职业、行驶时间、年龄、实际停车时长、停车费率、时间窗长短、车位剩余数量等，具体分析如下：

1)出行目的1(回家)变量的系数为负，且在99%水平上显著，说明出行目的为回家的出行者对小区的车位熟悉度较高，不倾向于选择预约.

2)退休人员变量的系数为正，且在99%水平上显著，说明已退休的出行者没有上班的压力，生活节奏较慢，不倾向于选择预约.

3)行程时间变量在95%水平上显著，说明随着行程时间的增加，出行者更倾向于选择停车预约.

4)实际停车时长变量系数为正，且在99%水平上显著，说明实际停放时长越长的出行者越倾向于选择预约.

5)停车费率变量系数为负，且在99%水平上显著，说明停车费率越高，预约费占停车总费用的比例越低，出行者更倾向于选择停车预约.

6)预约车位剩余数量与非预约车位剩余数量变量系数为正，说明随着预约车位剩余的增加(非预约车位剩余数量的减少)，出行者更倾向于选择预约.

7)预约时间窗变量系数为正，且在95%水平上显著，说明随着预约时间窗的增加，出行者停车灵活性更强，出行者更倾向于选择预约.

3.3 弹性分析

出行者选择预约的概率对时间窗的弹性分析：

(6)

模型标定结果显示：时间窗参数为正，说明时间窗越高，出行者越倾向于选择选择停车预约.为了分析时间窗的变动对出行者选择停车预约的影响，计算了时间窗与预约选择概率的关系以及对选择预约概率的弹性值，如图8所示.

图8 预约费的弹性分析图

从图8可得出，当时间窗为10、20 min时，弹性值的绝对值在0～1之间，说明概率变动幅度小于时间窗变动幅度，即时间窗每变动1%，选择预约的概率变动小于1%，概率变化缺乏弹性；当时间窗为30 min时，弹性值的绝对值>1，说明说明概率变动幅度大于时间窗变动幅度，即时间窗每变动1%，选择预约的概率变动大于1%，概率变化富有弹性.