停车泊位”宰富“控因

“放屁税”和战争虽然离我们的车主尚远，但是最近一段时间，价格飘忽不定的停车泊位证明却让不少车主很伤脑筋。     

共享停车泊位的分配-定价-收益分配机制

为科学管理共享停车资源,构建一种共享停车泊位的分配-定价-收益分配机制。首先,以存在多个地块的区域为对象,根据出行者对不同地块及停车时间模式的选择偏好构建停车许可证的最优分配-定价模型,其中,最优分配模型为组合拍卖竞胜标确定问题(NP困难问题)。其次,利用Benders分解原理、对偶理论及新型升价拍卖代理系统构建调优法对停车许可证进行拍卖。最后,为调动共享泊位提供者的积极性,利用沙普利值法构建基于对社会福利贡献程度的停车收益分配模型。由理论分析及数值试验可知,运用上述机制可精确实现社会福利最优状态,最小竞争均衡价格与公平的收益分配。结果表明:①相较VCG机制与Leonard机制,调优法不仅可精确求解停车许可证的最优分配-定价,而且在算法最坏时间复杂度方面拥有更高效率;②在调优法的每个步骤中,即使停车许可证的分配并非最优,通过机制所实现的收费定价依然具有防止策略性操作的重要性质;③调优法可在较少的步骤之内实现较高的社会福利;④新型升价拍卖代理系统拥有多项式型的最坏时间复杂度;⑤通过最优分配-定价机制可获得每位出行者的选择偏好,进而可计算不同泊位提供者组合条件下的社会福利,实现沙普利值法在现实应用中的可计算性。     

停车诱导信息板泊位状况显示优化模型

在考虑停车诱导率的基础上,综合考虑停车诱导信息板在路网中所处位置、道路交通状况和停车泊位的变化趋势等影响因素,以进入诱导区域内所有停放车辆到达停车场的车公里数(vehicle kilometers of travel,VKT)最小为目标,建立了停车诱导信息板泊位状况显示优化模型。该模型可以确定某一显示时间间隔内,诱导区域内所有停车诱导信息板泊位状况显示结果的最优组合。算例分析表明,该模型是可行的,且随着停车诱导率的增加,VKT随之下降,诱导效果随之提高。     

停车泊位预定技术研究

停车泊位预定是停车诱导系统的一项特色功能,系统除了提供停车场位置及使用状况、停车路线引导等功能,还需要提供停车场内的泊位引导、停车泊位预定等方便用户的功能。文章就停车泊位预定的相关问题进行了研究。首先,总结了国外在停车预定方面的研究成果,分析了停车预定技术的研究现状;其次,研究了停车泊位预定的类型,论述了两种预定类型的特点,分析了停车预定模型及其求解算法;最后,对停车预定的实现手段进行了比较、分析,提出了基于手机的停车预定技术的实现框架和方案。     

大城市停车规划设计若干问题探讨

针对大城市停车泊位严重不足、停车结构单一、停车设施利用率低等问题．在总结国外成功经验基础上．提出对策与建议．即科学进行停车场规划；加强停车政策、法规的建设；合理利用城市空间．完善停车配套设施；健全停车管理结构等。     

混合开发用地配建停车泊位共享配置方法研究

针对混合开发用地配建停车泊位共享配置方法中的适用情境和需求分析等2个关键环节进行了研究。结合差异化停车管理政策实施边界的确定,对独立开发地块和混合开发用地群2种对象类型进行了共享配置措施适用范围的分析,为大城市分区分类制定建筑物停车配建标准提供了一定参考。基于上述适用前提,提出了国内大城市内混合开发用地(群)在共享条件下停车泊位总需求的分析模型和分析步骤。将这一方法应用于南京市江宁区的拟开发区域,发现共享配置下的泊位总需求可减少25.7%。     

医院停车特性分析及需求预测

针对医院停车特性,以实际工程为例,利用出行吸引模型,以门诊病人、探视人员和工作人员三类人群进行分类,预测医院停车需求。研究中通过交通调查获得了大量翔实的数据,对医院各群体的出行特点和停车规律有了详细了解,为今后医院停车需求的预测提供借鉴经验。     

用神经网络方法处理固定需求交通平衡分配问题

本文以神经网络理论为基础，将并行处理方法用于求解固定需求交通平衡分配问题之中，从而减少了利用平衡交通分配模型进行交通分配的时间，降低了分配过程的复杂性，为该模型在实际工程中得到应用提供可能。     

城市中心区停车规划研究

研究城市中心区的停车特性以及停车特征,深入分析其供应和需求关系,正确处理好城市中心区的停车问题,对解决道路交通拥挤,减少交通事故,提高道路通行能力方面有重要的意义。该文根据停车调查数据,以重庆市南岸区南坪核心区的停车规划为例,研究停车配建指标、停车需求与停车供给之间的关系,分析近期、远期城市中心区的停车需求,提出相应的路内、路外停车规划方案,为停车规划实践上提供一套切实可行的方法,解决城市中心区的停车问题。     

基于粒子群和LSTM模型的变区间短时停车需求预测方法

停车信息是智能停车诱导系统得以成功实施的关键与基础, 被广泛认为能够有效解决当前停车难问题。鉴于停车信息在解决停车问题中的重要性, 研究了基于粒子群和LSTM模型的变区间短时停车需求预测方法。为充分发挥数据在提高模型预测精度的作用, 提出了以马尔可夫生灭过程为基础概率转移模型, 将停车到达率、离开率量化车随时间变化的停车需求, 通过标定实际的停车到达率和离开率, 确定预测模型的动态预测间隔与时段; 采用LSTM网络作为基础预测模型, 并利用粒子群优化算法优化网络参数。以吉林大学南岭校区停车场为研究对象, 按工作日与非工作日分别对停车数据进行预测并与其他预测模型进行对比分析。结果表明: 提出的停车需求预测模型在工作日的预测平均绝对误差为2.53辆, 均方误差为11.89辆; 非工作日的预测平均绝对误差为2.32辆, 均方误差为10.89辆。     

考虑共享停车的用户出行选择研究

为探讨共享停车的出现对用户出行选择的影响,将出行者划分为共享停车和普通停车两种用户类型,分别构建停车阻抗函数,并基于分层Logit(NL)建立停车和路径联合选择结构模型.进一步提出带有两种停车方式的随机用户均衡模型,并改进相继平均算法对模型进行求解,通过算例分析发现预约费用从4元变化到12元时,共享停车需求量从378辆...     

与路外停车场协调的城市路内停车设施选址优化模型

为了使路内外停车设施合理分布,减小停车成本,满足城市停车需求,保证城市动、静态交通的整体效率,从路内外停车设施的关系出发,比较路内外停车设施的车辆停放特性及泊车者的停车行为特性,得出路内停车行为发生的特点;并且通过分析路内停车设施对动态交通的影响,建立了离散和连续的延误评价分析模型。假设停车需求与路外停车场已知,在综合考虑路内停车设施对动态交通的影响、绕行距离、步行距离及泊位供应量的基础上,提出一种多层次、多目标优化模型。用遗传算法求解,算例计算结果表明,与路外停车场协调设置路内停车带,不仅能满足停车需求,而且能使平均绕行距离和平均步行距离分别减少80％和65．5％。     

考虑路侧停车收费博弈的多方式出行网络配流模型

路侧停车收费过程中,收费人员和停车者讨价还价的现象普遍存在,出行者实际支付的停车费用低于理论停车费用.研究该现象对出行方式选择的影响,并为停车管理和价格制定提供支撑.以改进的FSC效用函数建立3阶段路侧停车收费博弈模型,通过北京市城区实地调研结果对模型参数进行赋值,求解平均讨价还价区间.修正私人小汽车出行停车费用,建立服从Logit函数的多方式出行网络配流模型.实证和算例结果表明,路侧停车收费平均讨价还价区间为理论停车费用的50% ~80%;路侧停车收费博弈对配流模型的结果产生不可忽略的影响,考虑停车收费博弈后,不同出行距离下私人小汽车出行概率增加2.8% ~12.4%,其平均增幅为5.7%;调节停车费率对出行方式选择的引导作用效果减弱.      

拥挤道路收费与停车收费组合优化模型研究

道路拥挤收费和停车收费是交通需求管理中的两大有效手段,合理地实施收费可以达到缓解交通拥挤的目的.文中针对交通网络中私家车用户可以在任意公交站点处发生换乘这一广泛情形,讨论了弹性需求下的路段拥挤收费和停车收费组合优化策略,并给出基于混沌优化方法的启发式算法求解所建立的双层规划模型.结果表明,所建模型有助于个体出行方式和出行路径的决策,且组合收费在使得公众易于接受实施拥挤收费政策的同时,也可以吸引更多出行者选择换乘公共交通方式,这将有利于减轻交通拥挤程度和环境压力.     

Parking Spaces Repurchase Strategy Design via Simulation Optimization

Because of the rapid increase of vehicle numbers and land values, there is an increasing shortage in the supply of parking facilities in many cities. In many parking lots, residential drivers bought private parking spaces with high prices to ensure that they have spaces to park at any time. Recently, some parking lot operation companies plan to temporally repurchase a few private parking spaces back during certain time periods in a day and sell these places to public users to fully utilize the limited parking resources. How to choose the repurchase amounts and stopping time so as to maximize the profit then becomes an important problem. To solve this problem, a Gaussian mixture model is first proposed in this article to describe the time-varying arriving/departing behaviors of drivers and meanwhile the stochastic constraints of the profit maximization problem. Then, the expected optimal repurchase amounts and stopping time are estimated via simulation optimization. This new approach not only provides a useful statistical tool for parking spaces modeling but also overcomes several key limitations of current queuing based methodologies. Particularly, it emphasizes how to model drivers' behaviors on a small time-scale and explains the resulting benefits.     

综合考量借还车需求与调度成本的公共自行车调度优化模型

传统的公共自行车调度模型要求各自行车租赁站点的自行车取送需求已知并严格得到满足,这可能会为了少数车辆的平衡而大大增加调度成本（一些站点经调度后的自行车数量可能与目标数量只差几辆,对于满足的借、还车需求大小影响很小,而如果严格按照目标值进行调度的话卡车调度路线长度或时间会增加很多）。基于此,提出一个新的公共自行车调度模型,该模型并不需要所有的站点都严格按照事先给定的自行车配备数量进行调度,并综合考虑满足借还车需求最大化目标及调度成本最小化目标,分析调度约束及系统中借车与还车在时间上与空间上的动态演化过程,对卡车调度线路进行优化,得到各站点应配置的自行车数量及可满足的借还车需求大小。随后,对模型提出相应的遗传算法求解方法,设计适宜求解的编码与遗传算子,通过算例对该模型进行验证,并与传统的自行车调度模型的计算结果进行比较。研究结果表明：通过调整多目标之间的权重,并运用该模型进行优化可得到较好的既能最大程度满足借还车需求而调度成本又较省的调度卡车行驶路线方案;提出的模型在满足借还车需求减少比例很小的情况下使得调度时间明显下降;如果硬性要求每个自行车租赁站点的调配需求都严格满足的话,调度时间将会明显增加。研究成果可为公共自行车调度提供依据。     

基于多智能体深度强化学习的停车系统智能延时匹配方法

“互联网＋”模式下区域停车“用户-资源”优化匹配是解决找车位难问题的有效途径,传统研究主要关注动态匹配机制设计,缺乏对用户匹配时机的考虑。在随机动态环境下,用户到达目的地附近后进行适当的延时等待,往往可以获得更优质的泊位资源,但取决于当前的停车供需模式。据此首次提出智能延时匹配策略,将每个停车用户抽象为智能体,构建多智能体深度Q学习模型(M-DQN)。结合系统的停车供需状态学习,用户自主决策延时等待时间,进入分配池后,系统利用匈牙利算法进行泊位匹配。在智能体总数量可变的环境下,利用集中式训练与分布式执行的框架,实现多智能体协同优化。为对比智能延时策略的效果,设计等待零时长策略(Greedy)和等待最大时长策略(Max Delay)。在算例中,结合同济大学四平路校区实测停车数据,设计3种不同的停车供需模式场景。在工作日早高峰时段,Greedy是最优的匹配策略,M-DQN和Max Delay的平均停车过程总用时会增加,匹配成功率下降;在工作日非高峰时段,M-DQN的平均停车过程总用时相较于Greedy和Max Delay分别减少23.8%和22.4%,效果提升明显;在工作日晚高峰时段,M-DQN的平均停车过程总用时相较于Greedy和Max Delay分别减少了12.8%和14.5%,M-DQN可以结合供需状态学习到最优的匹配策略。研究结果表明：在停车供需相对平衡的环境下,所提出的延时匹配策略和多智能体深度强化学习方法可以有效减少用户停车的平均行驶时间和步行距离,且停车周转率越高效果越好;但延时策略在应用方面仍有一定的局限性,不适用于停车供给紧张,停车周转率较低的场景。