陳堅，劉柯良，邸晶，彭濤

(1.重慶交通大學(xué)，交通運輸學(xué)院，重慶400074；2.保定市城市設(shè)計院，河北保定071000)

0 引言

隨著我國新型城鎮(zhèn)化快速推進，“停車難”已成為各城市交通發(fā)展的痛點與瓶頸[1]。由于長期停車配建指標精細化程度不高，城市空間范圍停車供需不平衡及部分停車場使用效率不高等問題日益突出。為從城市規(guī)劃設(shè)計源頭調(diào)控停車需求，指導(dǎo)制定差異化的停車政策與配建指標，解析建成環(huán)境與停車需求之間的關(guān)聯(lián)關(guān)系尤為迫切。

國內(nèi)外眾多學(xué)者已對停車需求進行了系統(tǒng)探索，從影響變量的選取來看，主要分為兩類：一類是宏觀影響因素，如區(qū)位、土地利用類型、人口數(shù)量、機動車保有量、道路網(wǎng)絡(luò)服務(wù)水平與公交服務(wù)水平等[2-3]；另一類則是微觀因素，基于個體出行行為視角，研究各變量對停車行為的影響，如停車費用、停車后的步行時間以及出行者個體屬性等[4-5]。從研究方法來看，現(xiàn)有研究主要是利用基于線性假設(shè)的模型來解析影響變量與停車需求的關(guān)系，包括停車生成率模型、線性回歸分析、Logit模型等[2-5]。

綜上所述，既有研究缺乏從建設(shè)項目周邊區(qū)域總體建成環(huán)境視角探索停車需求，且鮮有考慮非線性效應(yīng)，而DING[6]等的研究表明，建成環(huán)境與交通行為之間存在非線性效應(yīng)，停車需求作為個體交通行為的衍生，其與建成環(huán)境的非線性效應(yīng)值得深入分析，從而解析不同建成區(qū)域停車需求差異的本質(zhì)原因。本文基于機器學(xué)習(xí)方法，以商業(yè)配建停車場為例，探討建成環(huán)境對停車需求的非線性效應(yīng)，研究成果可以優(yōu)化城市空間設(shè)計，制定精細化的停車管理政策與配建指標提供理論支持。

1 建成環(huán)境表征指標選取

本文探索建成環(huán)境對建設(shè)項目停車需求的影響，其核心是建成環(huán)境通過影響人對環(huán)境的感知間接影響停車行為，因此建成環(huán)境的測度指標選擇應(yīng)重點考慮影響出行產(chǎn)生與出行方式選擇的建成環(huán)境因子。在參考建成環(huán)境與交通行為相關(guān)研究的基礎(chǔ)上[7]，本文從宏觀區(qū)位、中觀土地利用與交通設(shè)計、微觀建筑特性三個維度以全面刻畫停車場的建成環(huán)境。其中，區(qū)位維度通過停車設(shè)施距離市中心的距離表征，反映停車需求的地理空間特征；土地利用與交通設(shè)計維度選取了土地利用混合度、路網(wǎng)密度、交叉口密度、人口密度、公交服務(wù)水平、居住設(shè)施密度與服務(wù)設(shè)施密度等7個指標，其中土地利用混合度、人口密度、居住設(shè)施密度與服務(wù)設(shè)施密度從不同角度反映步行友好性，路網(wǎng)密度、交叉口密度與公交服務(wù)水平來反映小汽車與公交可達性；建筑特性以建設(shè)項目配建指標來刻畫，反映停車供給能力。停車需求則通過高峰時間停車場實際停車數(shù)量與項目建筑面積之比來表征。

2 數(shù)據(jù)采集與分析

2.1 樣本選取

保定市于2018年對建成區(qū)停車設(shè)施展開普查，共涉及3949個停車場，調(diào)查內(nèi)容涵蓋停車位設(shè)施供給狀況，高峰停車數(shù)量等，調(diào)查區(qū)域面積為183.2 km2，涉及人口123.2 萬人。通過數(shù)據(jù)清洗與篩選，提取樣本78 個，涉及商場、超市與百貨等商業(yè)設(shè)施的配建停車場。

從空間分布上看，樣本覆蓋了保定市的主要建成區(qū)，如圖2所示(圖中每個格子為保定市主城的控規(guī)分區(qū)單元)；從單個樣本的選擇上看，參考《停車設(shè)施規(guī)劃導(dǎo)則》中對公共停車場服務(wù)范圍界定為300 m，選擇商業(yè)類配建停車設(shè)施周邊300 m 范圍內(nèi)無路外公共停車場的樣本，以減少其他停車設(shè)施對本次研究的干擾。

圖1 樣本空間分布Fig.1 Spatial distribution of samples

通過人工調(diào)查的方式，獲取各停車場的晚高峰停車數(shù)量，用以計算高峰小時建筑物單位面積的停車生成數(shù)，以表征停車需求；停車場位置數(shù)據(jù)通過逆地理編碼獲取坐標位置，興趣點(Point of Interest，POI)數(shù)據(jù)通過python程序從百度API接口爬取建成環(huán)境所需的POI坐標數(shù)據(jù)，由于不同數(shù)據(jù)存在坐標系差異，本文通過QGIS 軟件內(nèi)置插件對數(shù)據(jù)坐標進行轉(zhuǎn)換；道路網(wǎng)絡(luò)數(shù)據(jù)通過開源地圖網(wǎng)站OpenStreetMap 截取研究范圍內(nèi)的路網(wǎng)；公交數(shù)據(jù)由保定市城鄉(xiāng)規(guī)劃設(shè)計研究院提供。

2.2 分析單元確定

空間數(shù)據(jù)的分析需要注意尺度效應(yīng)與劃區(qū)效應(yīng)。為分析停車場周邊的建成環(huán)境，需要選擇合適的分析單元大小，整個建模過程要求空間分析單元不可過大，一方面要保證建成環(huán)境測度的有效性，另一方面要突出建成環(huán)境因子的內(nèi)在差異性。參考建成環(huán)境對出行行為影響研究中對空間單元劃分方面的研究成果[8]，本文最終選取停車場500 m緩沖區(qū)作為建成環(huán)境的研究尺度。

2.3 解釋變量定量表征

通過Arcgis的緩沖區(qū)分析，生成停車場的建成環(huán)境測度范圍，用提取工具計算區(qū)域內(nèi)各類POI的數(shù)量、路網(wǎng)長度與交叉口密度；土地利用混合度主要考察每個停車場緩沖區(qū)內(nèi)各類POI 點的混合程度，包括政府、銀行、醫(yī)院、學(xué)校、體育館、商場、酒店、廣場、公園9 類POI，土地利用混合度由土地利用熵指數(shù)表征進行；區(qū)位分析通過構(gòu)建道路網(wǎng)絡(luò)數(shù)據(jù)集，進行OD 成本矩陣求解，其中起點為各個停車場，終點為保定市地理中心(保定市直隸總督署博物館)；公交服務(wù)水平通過停車場緩沖區(qū)范圍內(nèi)公交站點每小時到車數(shù)量來表示。綜合以上數(shù)據(jù)，構(gòu)建停車場周圍的建成環(huán)境特征。建成環(huán)境指標具體描述與量綱如表1所示，其中，土地利用熵指數(shù)的計算公式[8]為

表1 建成環(huán)境指標Table 1 Indicators of built environment

式中：L為土地利用熵指數(shù)；Pij為第i個緩沖區(qū)內(nèi)第j種POI數(shù)量占總數(shù)的比例；Nj為第j個緩沖區(qū)內(nèi)包含POI的類型數(shù)量。

2.4 解釋變量描述性分析

模型的因變量為停車需求，自變量為建成環(huán)境因素，包括宏觀、中觀與微觀視角下的9 個建成環(huán)境因子，表2為指標的統(tǒng)計性分析。在進行分析之前，需要對自變量之間的相關(guān)性進行分析，剔除相關(guān)性過強的變量。因此將自變量導(dǎo)入SPSS 中，進行相關(guān)性分析，結(jié)果顯示，變量的相關(guān)系數(shù)都小于0.7，故將所有解釋變量納入模型。

表2 變量描述性統(tǒng)計結(jié)果Table 2 Descriptive statistics of explanatory variables

3 非線性模型構(gòu)建

建成環(huán)境與停車需求相互關(guān)系存在駕駛?cè)诵睦硇袨榈挠绊?，該關(guān)系可能存在非線性關(guān)系。梯度提升迭代決策樹(GBDT)模型是一種基于樹的集成方法，具有較好的魯棒性與較高的擬合精度。GBDT 模型一方面可以提供自變量的相對重要性，指示自變量在規(guī)劃實踐中的重要性層次；另一方面能擬合變量間的非線性關(guān)系，提供自變量對因變量的獨立效應(yīng)分析。這為規(guī)劃管理者更精準地認識停車需求在空間環(huán)境下的變化特征提供了可能性。

3.1 GBDT模型原理

GBDT模型的基學(xué)習(xí)器是回歸樹，是一種基于樹的集成算法[9]。GBDT 模型的樹是依次構(gòu)建的，即第一棵樹對所有樣本進行訓(xùn)練，后一棵樹以減少前一顆樹的殘差為目標并不斷迭代下去，直到達到迭代次數(shù)或預(yù)先設(shè)置的樹的數(shù)量，最后的模型將每棵樹的結(jié)果加權(quán)求和得到，即

3.2 求解步驟

通過梯度上升的方法估計各學(xué)習(xí)器的權(quán)重與待估計參數(shù)，具體求解步驟如下：

Step 1 初始化F0(x)，計算使損失函數(shù)最小的常數(shù)值，，其中損失函數(shù)選擇為平方損失函數(shù)，yi為第i個樣本點的停車需求，N為樣本點的個數(shù)，γ為待估參數(shù)，設(shè)置最大迭代次數(shù)M。

Step 2 計算第m次迭代的殘差，，其中，F(xiàn)(x)為近似函數(shù)，F(xiàn)m-1(x)為第m-1 次迭代的近似函數(shù)，xi為第i個樣本點的建成環(huán)境變量。

Step 3 利用弱學(xué)習(xí)器hm()x,cm擬合Stpe 2中得到的殘差，其中，cm為第m次迭代中學(xué)習(xí)器的參數(shù)，代表回歸樹的最佳劃分節(jié)點，為第m次迭代弱學(xué)習(xí)器的估計結(jié)果；N為樣本點的個數(shù)。

Step 6 判斷是否達到預(yù)先設(shè)置的迭代次數(shù)與精度要求，若滿足，則得到最終估計結(jié)果；否則，返回Step 2。

通過計算所有加法樹的均值，度量單個自變量對因變量的相對重要程度。

為進行量化分析，相關(guān)研究以五折交叉驗證法確定模型參數(shù)，并通過設(shè)置0.01的學(xué)習(xí)率防止過擬合[10]，以生成具有較低預(yù)測偏差和合理樹大小的最終模型。通過超參數(shù)分析，當(dāng)?shù)螖?shù)為600，樹的深度為8 的時候，模型具有最佳的擬合效果，故將其作為模型參數(shù)。

4 實例分析

4.1 整體效應(yīng)分析

本文以保定市商業(yè)配建停車場為例，基于保定市停車調(diào)查數(shù)據(jù)與建成環(huán)境數(shù)據(jù)，利用R編程語言中的“gbm”包實現(xiàn)GBDT 模型求解。為全面反映建成環(huán)境對停車需求的影響效應(yīng)，進行線性模型與非線性模型的對比，結(jié)果如表3所示。從調(diào)整后R2值可以看出，GBDT模型的擬合優(yōu)度高于線性O(shè)LS模型，說明考慮非線性效應(yīng)的模型能更好地解釋建成環(huán)境對停車需求的影響。

表3 模型結(jié)果Table 3 Model results

從系數(shù)的顯著性來看，除交叉口密度與人口密度不顯著之外，其余指標均顯著；從相對重要度排序來看，配建指標是影響停車需求的最重要因素，其貢獻度為18.92%，不難理解，配建指標直接決定了停車場滿足停車需求的能力。市中心臨近度的重要度排在第二(15.23%)，反映了區(qū)位對停車需求會產(chǎn)生影響最高，特別是在類似于保定市的單中心結(jié)構(gòu)的城市中。而公交服務(wù)水平與路網(wǎng)密度、人口密度的影響程度類似，均在11%～12%的范圍內(nèi)，其次是服務(wù)設(shè)施密度(10.60%)、土地利用混合度(9.14%)與居住設(shè)施密度(6.37%)，對停車需求影響最小的是交叉口密度(5.19%)。

4.2 獨立效應(yīng)分析

通過控制其他建成環(huán)境變量的平均效應(yīng)，繪制各維度建成環(huán)境指標與停車需求之間的部分依賴圖，如圖2～圖4所示。

圖2 宏觀建成環(huán)境指標與停車需求的關(guān)系Fig.2 Relationship between macro-built environmental indicators and parking demand

圖3 中觀建成環(huán)境指標與停車需求的關(guān)系Fig.3 Relationship between meso-built environmental indicators and parking demand

圖4 微觀建成環(huán)境指標與停車需求的關(guān)系Fig.4 Relationship between micro-built environmental indicators and parking demand

停車需求隨停車場距離市中心距離的增加而下降，尤其在7 km 左右閾值效應(yīng)顯著，距離超過7 km 后對停車需求影響達到飽和，表明建設(shè)項目停車指標在根據(jù)區(qū)位劃分時需注意距離上限。

圖10、圖11分別為實驗系統(tǒng)跑車過程中GPS信號失鎖后無BP神經(jīng)網(wǎng)絡(luò)輔助和有BP神經(jīng)網(wǎng)絡(luò)輔助的東向位置、北向位置情況,可以看出在后200 s中,無BP神經(jīng)網(wǎng)絡(luò)輔助東向、北向位置漂移分別最大達到93.81 m、141.40 m;有BP神經(jīng)網(wǎng)絡(luò)輔助東向、北向位置漂移分別最大達到55.97 m、69.51 m。

中觀層面的建成環(huán)境要素與停車需求之間均存在非線性關(guān)系與閾值效應(yīng)。從整體趨勢來看，土地利用混合度、居住設(shè)施密度、服務(wù)設(shè)施密度與停車需求呈現(xiàn)負相關(guān)；路網(wǎng)密度、公交服務(wù)水平與停車需求呈現(xiàn)正相關(guān)；交叉口密度、人口密度與停車需求呈現(xiàn)變化的U型關(guān)系。

從負相關(guān)的指標分析，土地利用混合度熵值在1.25～1.55 之間對停車需求產(chǎn)生影響，如圖3(a)所示；居住設(shè)施密度在0～6 之間對停車需求產(chǎn)生影響，如圖3(f)所示；服務(wù)設(shè)施密度在10～25之間對停車需求產(chǎn)生影響，如圖3(g)所示。說明土地利用混合度與服務(wù)設(shè)施密度對停車需求的影響具有規(guī)模效應(yīng)，前者通過縮短出行距離，后者通過提高步行舒適性來降低停車需求。居住設(shè)施密度與停車需求的關(guān)系印證了商住混合開發(fā)對減少小汽車使用的有效性。

從正相關(guān)的指標分析，當(dāng)路網(wǎng)密度數(shù)值在0.0～1.6 之間時與停車需求呈現(xiàn)正相關(guān)，如圖3(b)所示。由于密路網(wǎng)提高城市道路的可達性，出行者使用小汽車的傾向增大，進而提高了停車需求，而超過1.6之后兩者之間的共變關(guān)系變得不明顯，這可能是由于過密的路網(wǎng)導(dǎo)致機動性下降，步行可達性提高；隨著公交服務(wù)水平的增加，停車需求也在增加，如圖3(d)所示，因為公交供給較充足的地方往往出行需求較大，出現(xiàn)這種結(jié)果反映了公共交通對商業(yè)出行者選擇小汽車出行的替代作用不明顯。

從U型關(guān)系的指標分析，停車需求隨交叉口密度值在3～12 之間先減小、再增加，當(dāng)密度值為7 的時候，停車需求最小，如圖3(c)所示；人口密度與交叉口密度呈現(xiàn)了類似的規(guī)律，數(shù)值在0.4～2.0 之間呈現(xiàn)U型關(guān)系，密度值在1.3的時候停車需求最小，如圖3(e)所示。說明過密集或過稀疏的交叉口與人口的區(qū)域停車需求較高，反應(yīng)了指標對停車需求的影響具有一定的優(yōu)勢區(qū)間，同時也解釋了在OLS模型的線性假設(shè)下這兩個指標不顯著的原因。

當(dāng)配建指標數(shù)值在0.0～0.2的時候與停車需求呈正相關(guān)，隨后趨于穩(wěn)定，如圖4所示。說明0.0～0.2 是配建指標對停車需求發(fā)揮作用的范圍，而目前保定市商業(yè)類設(shè)施的最低配建指標數(shù)值為0.6。因此，從通過配建指標來限制停車需求的角度出發(fā)，應(yīng)將現(xiàn)有配建指標下降到0.2以下，才能對停車需求產(chǎn)生調(diào)節(jié)作用。

5 結(jié)論

本文從空間視角探究停車需求的規(guī)律，結(jié)合停車需求產(chǎn)生機理選取了宏觀、中觀與微觀三個維度的建成環(huán)境變量，構(gòu)建了考慮非線性效應(yīng)的GBDT模型，揭示了不同空間環(huán)境下的停車需求特征。實證分析表明，不同建成環(huán)境因素對停車需求影響程度具有一定差異，且建成環(huán)境因子與停車需求的關(guān)系均存在非線性特征。本文結(jié)論可用于指導(dǎo)制定更加精細化的停車配建指標與管理政策，從城市規(guī)劃設(shè)計源頭引導(dǎo)停車需求。但由于實證分析的數(shù)據(jù)樣本量有限，且來源于單一城市，不同城市建成環(huán)境因素對停車需求的影響是否具有相同顯著性還有待進一步驗證。