張軍 馮悍

摘? 要： 目前各大城市普遍存在停車難的問題，特別是在商業(yè)中心區(qū)，人、車流量大，以往停車需求預(yù)測(cè)方法通常采用停車生成率模型，利用土地用地性質(zhì)及面積進(jìn)行預(yù)測(cè)，文中在停車生成率模型研究的基礎(chǔ)上，使用PLS方法對(duì)傳統(tǒng)停車生成率模型進(jìn)行改進(jìn)，模型考慮混合用地之間的相互關(guān)系，能夠更合理地預(yù)測(cè)停車需求。以哈爾濱香坊區(qū)為例，通過現(xiàn)場(chǎng)調(diào)查獲得8個(gè)綜合商業(yè)區(qū)數(shù)據(jù)，預(yù)測(cè)了2019年、2020年的工作日與周末停車需求，并以2個(gè)代表性商業(yè)區(qū)進(jìn)行驗(yàn)證，實(shí)驗(yàn)結(jié)果表明，相對(duì)原始停車生成率模型，基于PLS改進(jìn)的停車需求預(yù)測(cè)模型預(yù)測(cè)更準(zhǔn)確，相對(duì)誤差更低。

關(guān)鍵詞： 商業(yè)區(qū); 停車需求預(yù)測(cè); 公共停車場(chǎng); 停車生成率模型; 混合用地; 偏最小二乘

中圖分類號(hào)： TN911.1?34; U121? ? ? ? ? ? ? ? ? ?文獻(xiàn)標(biāo)識(shí)碼： A? ? ? ? ? ? ? ? ? ? ?文章編號(hào)： 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

隨著居民生活水平的提高，私家車出行體現(xiàn)了城市化水平，但也對(duì)城市交通環(huán)境提出更高的要求。在城市中心商業(yè)區(qū)，土地資源緊張，停車需求大，交通環(huán)境緊張，“停車難”的問題尤其嚴(yán)重，為了避免交通擁擠問題的發(fā)生，需要合理預(yù)測(cè)商業(yè)區(qū)停車需求，對(duì)區(qū)域停車位進(jìn)行合理規(guī)劃與布局。

目前，國內(nèi)外停車需求預(yù)測(cè)的主要模型有用地分析模型、交通量?停車需求模型、多元回歸分析模型、停車生長率模型等。用地分析模型利用土地用途與員工數(shù)來估計(jì)城區(qū)的停車需求，空間分布可信度高，但不適用于遠(yuǎn)期預(yù)測(cè)。交通量?停車需求改進(jìn)模型認(rèn)為停車需求是區(qū)域吸引該車輛的結(jié)果，這種模型適用于用地功能均衡、穩(wěn)定的短期預(yù)測(cè)。多元回歸模型是根據(jù)歷史數(shù)據(jù)用回歸方法以人口、建筑面積、高峰停車量等數(shù)據(jù)進(jìn)行多元回歸，建立停車需求的多元模型，預(yù)測(cè)精度較低，適用于時(shí)間、空間范圍廣的停車需求預(yù)測(cè)。停車生成率模型建立在土地利用性質(zhì)與停車需求生成率的累加，在我國停車需求預(yù)測(cè)中應(yīng)用較多，不適用于老城區(qū)。

國內(nèi)外對(duì)于城市商業(yè)區(qū)停車需求預(yù)測(cè)模型有了一定研究，可以將需求預(yù)測(cè)模型分為三個(gè)大類，即以土地利用與停車需求之間的關(guān)系模型、以出行關(guān)系與停車需求間的關(guān)系模型、以多元回歸分析為基礎(chǔ)的預(yù)測(cè)模型。

本次研究的地域是黑龍江省的省會(huì)城市——哈爾濱市，根據(jù)哈爾濱市的統(tǒng)計(jì)數(shù)據(jù)顯示，截止2017年底，市區(qū)機(jī)動(dòng)車保有量達(dá)到180萬臺(tái)，近3年來增長了20%。來自哈爾濱市交通部門的統(tǒng)計(jì)數(shù)據(jù)顯示，哈爾濱市公共交通的分擔(dān)率只有35.7%，幾乎占[23]的哈爾濱人開車出行，給城市交通帶來了很大的壓力。

1? 基于PLS改進(jìn)的商業(yè)區(qū)停車需求預(yù)測(cè)模型

1.1? 停車生成率模型

停車生成率模型是建立在土地利用性質(zhì)與停車需求生成率關(guān)系基礎(chǔ)上的，停車需求生成率是指單位建筑面積與其對(duì)應(yīng)的停車需求數(shù)量的換算系數(shù)，以高峰時(shí)間停車需求生成率為計(jì)算指標(biāo)。其基本思路是將區(qū)域內(nèi)各種不同土地利用性質(zhì)的地塊吸引量求和以獲得預(yù)測(cè)的停車生成率模型，其模型數(shù)據(jù)表達(dá)如下：

式中：[P]為預(yù)測(cè)公共場(chǎng)所在某一時(shí)間段的停車高峰;[αj]為預(yù)測(cè)公共場(chǎng)所第[j]種用地的停車生成率，[j=1，2，…，k];[Lj]為第[j]類用地建筑面積指標(biāo);[k]為用地分類數(shù)。對(duì)于不同用地的停車生成率[αj]可以采用停車普查方式獲取，也可以采用最小二乘估計(jì)或梯度下降求解。對(duì)上述停車生成率模型求解后，可以得到各用地的停車生成率，進(jìn)而對(duì)各商業(yè)區(qū)停車需求進(jìn)行預(yù)測(cè)。

1.2? PLS模型

在實(shí)際應(yīng)用中，各個(gè)用地之間存在潛在關(guān)系，使用單一的用地停車生成率可能會(huì)忽視用地與用地之間的相互關(guān)系。偏最小二乘（Partial Least Squares，PLS）回歸是一種最小二乘回歸的擴(kuò)展，方法集合主成分分析與多元線性回歸的優(yōu)點(diǎn)，特別在變量存在多重相關(guān)性與樣本較少時(shí)能夠有較高的預(yù)測(cè)精度。

PLS算法的具體原理如下：

1.3? 商業(yè)區(qū)公共停車場(chǎng)停車需求模型

停車生成率模型與PLS模型理論上都能夠反映調(diào)查區(qū)域的停車需求，要在此基礎(chǔ)上預(yù)測(cè)商業(yè)區(qū)等公共場(chǎng)所未來幾年的停車需求，必須考慮到社會(huì)經(jīng)濟(jì)的發(fā)展、車輛保有水平、出行水平等因素。按照生活中的實(shí)際情況，只有車輛出行才會(huì)帶來相應(yīng)的停車需求，在本次使用的停車生成率模型中，將車輛出行水平和機(jī)動(dòng)車保有量作為影響未來停車生成率的因素，以預(yù)測(cè)未來的停車需求。商業(yè)區(qū)的停車需求預(yù)測(cè)模型可以表示為：

式中：[Dx]為[x]年以后公共場(chǎng)所的高峰停車需求預(yù)測(cè)值;[η]為機(jī)動(dòng)車保有量年增長率;[δ]為車輛出行年增長率，其余變量為PLS模型參數(shù)。

2? 案例分析

本次研究中，選取哈爾濱市香坊區(qū)的停車數(shù)據(jù)（2017年），這些停車數(shù)據(jù)包括公共停車場(chǎng)的配建停車位、工作日高峰停車量（輛）和周末高峰停車量（輛），在本次研究之前，對(duì)哈爾濱市香坊區(qū)的具體路況和公共停車場(chǎng)的現(xiàn)場(chǎng)狀況進(jìn)行詳細(xì)調(diào)查。通過對(duì)香坊區(qū)的8個(gè)綜合商業(yè)區(qū)進(jìn)行調(diào)查，得到的具體情況如表1所示。

2.1? 各大綜合商業(yè)區(qū)停車需求預(yù)測(cè)

通過停車生成率模型，并結(jié)合前文中對(duì)香坊區(qū)的道路規(guī)劃和現(xiàn)場(chǎng)實(shí)際數(shù)據(jù)，對(duì)上述加權(quán)停車生成率模型進(jìn)行優(yōu)化計(jì)算，得到停車生成率[α]，計(jì)算結(jié)果如表2所示。

根據(jù)住房和城鄉(xiāng)建設(shè)部2015年發(fā)布的《城市停車場(chǎng)規(guī)劃導(dǎo)則》提供的部分城市公共建筑物配建停車位指標(biāo)，以北京市一類商業(yè)地區(qū)作為參考（見表3），衡量哈爾濱停車生成率計(jì)算結(jié)果。

相對(duì)北京市商業(yè)建筑物配件指標(biāo)，計(jì)算哈爾濱市香坊區(qū)部分區(qū)域停車生成率較北京市偏低，因?yàn)楣枮I汽車保有率與出行水平較北京偏低，相比較所計(jì)算各類型用地生成率較符合實(shí)際。

2.2? 規(guī)劃年停車需求預(yù)測(cè)

根據(jù)哈爾濱市在2016—2018年發(fā)布的《哈爾濱統(tǒng)計(jì)年鑒》，并結(jié)合該市的2015—2017年機(jī)動(dòng)車保有量數(shù)據(jù)年平均增長率，預(yù)測(cè)該市未來的機(jī)動(dòng)車保有量，并取其平均值，使用一元線性回歸方法預(yù)測(cè)該市未來的機(jī)動(dòng)車保有量。 經(jīng)計(jì)算，機(jī)動(dòng)車保有量年增長率[η=0.146]，2019年、2020年機(jī)動(dòng)車保有量分別為217萬和249萬。

在本次調(diào)查中，從哈爾濱市交通部門獲得的數(shù)據(jù)顯示，2014年哈爾濱市居民使用私家車出行的頻率為2.7次/（天·車），而到了2017年該數(shù)值則上升到4.2 次/（天[?]車）。由此可以計(jì)算出這一時(shí)期哈爾濱市機(jī)動(dòng)車出行年增長率為：[δ=4.22.713-1=0.158]。

將以上已知數(shù)值代入到式（8）中進(jìn)行計(jì)算，可以得到如表4所示的停車生成率模型與加權(quán)停車生成率模型的對(duì)比結(jié)果。

為了驗(yàn)證模型的有效性，與直接展現(xiàn)的兩種模型的預(yù)測(cè)差別，于2019年對(duì)兩個(gè)代表性商業(yè)區(qū)進(jìn)行高峰停車需求調(diào)查，選取松雷國際商廈和凱旋廣場(chǎng)兩個(gè)綜合商業(yè)中心來驗(yàn)證，實(shí)際調(diào)查的停放需求和采用兩種模型預(yù)測(cè)的數(shù)值進(jìn)行對(duì)比。從表5中可以看出，原始停車生成率模型由于未綜合考慮混合用地之間的變量關(guān)系，其預(yù)測(cè)的準(zhǔn)確度并不高，但是PLS停車生成率模型則使用了本次調(diào)查中的全部數(shù)據(jù)，其預(yù)測(cè)的準(zhǔn)確度相對(duì)來說較高一些。PLS停車生成率模型則較為直接地揭示了停車需求和用地指標(biāo)之間的聯(lián)系，誤差相對(duì)較小。

3? 結(jié)? 論

在一些二線城市的汽車保有量不斷擴(kuò)大的同時(shí)，其中心城區(qū)的公共停車場(chǎng)已經(jīng)不能滿足居民的停車需求，由此根據(jù)城市居民的出行量進(jìn)行公共停車場(chǎng)的規(guī)劃尤為必要。本次研究中以哈爾濱市的中心城區(qū)香坊區(qū)為例，通過調(diào)查該區(qū)的部分綜合商業(yè)區(qū)的用地指標(biāo)和實(shí)際停放量，并使用停車生成率模型對(duì)該區(qū)的公共停車場(chǎng)的需求進(jìn)行預(yù)測(cè)，并基于PLS對(duì)模型進(jìn)行優(yōu)化，改進(jìn)的模型考慮了混合用地之間的內(nèi)在關(guān)系，以此計(jì)算出該區(qū)域內(nèi)的各大綜合商業(yè)區(qū)的停車需求預(yù)測(cè)結(jié)果誤差更小，精度更高，對(duì)公共停車場(chǎng)規(guī)劃與建設(shè)具有一定意義，為該區(qū)的交通發(fā)展提供了有效的數(shù)據(jù)支持。

參考文獻(xiàn)

[1] 高健夫，王培松.基于神經(jīng)網(wǎng)絡(luò)的城市停車需求預(yù)測(cè)模型[J].交通科技與經(jīng)濟(jì)，2015，17（5）：5?9.

[2] 段滿珍，陳光，米雪玉，等.居住區(qū)停車泊位需求預(yù)測(cè)二步驟法[J].重慶交通大學(xué)學(xué)報(bào)（自然科學(xué)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] 孫吉瑞.城市混合用地停車需求預(yù)測(cè)模型研究與實(shí)踐[J].交通與運(yùn)輸，2016（z1）：62?66.

[6] 張雷.基于時(shí)間序列模型的停車場(chǎng)泊位特性預(yù)測(cè)研究[J].南京師大學(xué)報(bào)（自然科學(xué)版），2017，40（2）：24?30.

[7] 尹麗君.中山市主城區(qū)公共停車場(chǎng)布局分析及建議[J].交通企業(yè)管理，2019，34（1）：88?90.

[8] 程鐵信，陳敬柱，臺(tái)苗苗.城市中心商業(yè)區(qū)停車需求預(yù)測(cè)模型及實(shí)證研究[J].世界科技研究與發(fā)展，2012，34（6）：1008?1013.

[9] 周華珍.城市公共停車場(chǎng)選址優(yōu)化研究[D].蘭州：蘭州交通大學(xué)，2015.

[10] 鄒成偉，胡寶雨，王彪.城市公共停車場(chǎng)停車需求預(yù)測(cè)方法研究及應(yīng)用[J].公路，2014，59（8）：147?150.

[11] 彭佐康.廣州中心城區(qū)公共停車場(chǎng)選址規(guī)劃優(yōu)化研究[J].交通企業(yè)管理，2019，34（1）：85?87.