城市多功能建筑共享式停车需求预测分析

停车需求预测是停车设施规划的一项基础性工作,是制定各种停车规划与管理方法的重要依据。长期以来,对停车需求的预测往往是将各类不同用地性质的停车需求量进行简单的累加,而忽略不同用地性质的停车共享性。通过分析大型多功能建筑的各种停车特性,在单一用地性质的停车生成率模型的基础上,考虑到时间的变化性、驾车者的可接受步行距离以及区位等因素的影响,建立多功能建筑的共享式停车需求预测模型,为城市多功能混合用地的停车需求预测提供有效的方法。     

基于用地和交通特征的停车需求预测模型

为了解决城市停车难问题,对停车需求进行合理预测,考虑目前日益紧张的土地资源和快速增长的交通流量,分析了用地与交通影响预测模型建立的基本原理,采用用地特征函数描述了土地使用性质与停车生成率之间的关系,采用交通影响函数分析了路网流量增长率和停车率对停车需求的影响,在此基础上建立了停车需求预测模型。利用开发的软件系统,根据典型区域的土地资源规划和道路交通调查数据,进行了城市停车需求预测。预测结果表明:随着时间的变化,在各种因素影响下,停车需求近5 a增长较缓慢,而在随后的5 a中停车需求快速增长,且日停车需求量的增长速度明显高于高峰小时的增长速度。     

新城区CBD区域停车需求预测方法

在总结现有停车需求预测模型及新城区CBD区域停车特征的基础上,分析了现有模型对新城区CBD区域停车需求预测的适应性。针对现有模型在停车预测时存在的不足之处,综合考虑新城区CBD区域用地特征及交通特性,根据出行吸引强度及交通方式划分,构建适用于新城区CBD区域的停车需求预测模型,并结合济南西客站片区CBD区域进行实例验证。结果表明了该预测方法的可行性及结果的合理性。     

现代化居住社区停车特性与需求分析

从停车高峰时段、停车周转率的角度对停车特性进行分析。基于停车共享理论,在既有研究的基础上对时间变化系数、区位影响系数进行优化;提出公交出行调节系数和土地利用系数;并引入权重指数对4个系数进行权重分配,建立横向混合用地的停车需求预测模型,为混合用地的停车需求预测提供参考。     

基于深度学习的有效停车泊位预测模型

针对传统有效停车泊位预测方法无法刻画泊位前后时刻关联关系的问题,采用基于深度学习的LSTM(long short-term memcry)神经网络对其进行改进,提出了LSTM有效停车泊位预测模型,并基于此模型对不同类型的停车区域进行分析与预测.在构建模型的基础上,综合考虑了有效停车泊位预测的时空特性,选取目标区域内多个邻近停车场的历史停车数据组成数据集,并构建有效停车泊位预测的对比模型,以此检验模型的预测精度.研究结果表明:在不同类型停车区域的有效停车泊位预测中,LSTM模型预测结果与真实值一致性较好,预测精度均高于BP预测模型和ARIMA预测模型;LSTM模型在有效停车泊位预测方面可靠且有效.     

情景分析法在停车需求预测中的应用研究

针对传统停车需求预测方法预测情景单一的情况,提出了基于情景分析法的停车需求预测方法。通过分析停车需求状况,设定了未来可能出现的3种情景,并对停车需求影响因素进行了分析。利用SPSS软件对数据进行了处理分析,确定了各个情景的停车需求预测模型以及模型中的参数。最后,以2017年为预测基年,对各情景下停车需求的发展趋势进行预测。     

城市公交车辆有限状态的到站时间预测

在分析影响公交车辆到站时间影响因素的基础上,选取模型的输入变量和输出变量,设计基于城市公交车有限运行状态的自动机模型,通过对不同时段的到站时间预测模型分析,提出了一种复合的公交车辆到站时间预测模型,并通过实例分析证明有限状态自动机预测模型较单一预测模型预测结果更为精准,对于城市公交车辆到站时间预测工作具有一定的现实意义.     

基于项目诱增吸引产生交通流的停车需求预测方法的研究

停车需求预测是城市停车研究的核心问题,以往的各种停车需求预测模型多以建筑规模来求得停车需求。通过停车需求与项目自身吸引和产生的诱增交通量,以及与土地利用等关系的分析,在总结分析的基础上提出了基于项目诱增吸引产生交通流的停车需求预测模型,并通过实例检验拟合该模型。     

基于灰色—小波神经网络的有效泊位预测

针对停车场有效停车泊位的变化特征,提出了基于灰色—小波神经网络的组合模型.先通过灰色单因素预测模型对有效停车泊位时间序列进行修正处理,再基于分步式小波神经网络模型对修正预测值进行运算,并通过马克科夫链预测模型得到更精确的预测区间,并利用实际案例分析,对模型的预测精度、稳定性、拟合度和训练时间进行了评价.研究表明,灰色—小波神经网络预测模型可降低初始数据波动性的干扰,与传统神经网络相比,预测结果误差波动性降低了10%~19%,稳定性提高了27%~33%,拟合度提高了10%~15%,精确度明显提高.     

基于神经网络的城市停车需求预测模型

在对城市停车需求分析基础上,提出利用总停车需求、公共停车需求、私人停车需求作为城市停车需求的判别指标。基于BP神经网络对多输入与多输出的数据具有较良好的拟合能力的特点,建立基于BP神经网络的城市停车需求预测模型。以佛山市某停车场为例,分析BP神经网络在停车需求中的适应性,仿真结果表明:BP神经网络预测模型对每组数据的预测相对误差最大为18.80%,最小相对误差为6.21%,符合预测精度要求,具有一定的实际操作性。     

基于泊位共享的新城区停车需求预测

基于泊位共享的停车需求预测可以降低新城区开发建设成本,提高泊位利用效率,可实现土地、空间资源的节约利用。以停车生成率法为基础,探讨了基于泊位共享的停车需求预测方法,并考虑共享泊位效用的折减量。同时,提出采用类比法对现有停车配建指标按照规划目标进行调整的方法。结合长沙市洋湖垸片区规划案例进行分析,应用泊位共享的停车需求预测模型,得到总部经济区共享停车模式的泊位需求为31064泊位,比常规停车需求预测方法得到的泊位需求降低了11.5%,减少建筑面积约12.5万m2。     

基于泊位共享效用的混合用地停车需求比例研究

为了探讨在泊位共享条件下混合用地停车需求比例变化对停车供给规模和共享效用的影响,研究各类用地在泊位共享效用最大情况下的停车需求相对比例关系。根据典型单一性质用地不同时刻的停车需求率,确定不同性质用地的停车需求,进而通过叠加计算混合用地共享条件下的停车泊位数。提出运用泊位共享效用指数衡量混合用地中各种用地不同停车需求组合下的泊位共享效率。分别以行政办公与住宅用地组合,住宅、餐饮和行政办公用地组合为例,分析确定泊位共享效用最优的不同用地停车需求比例关系及其相应的泊位共享效用指数值,同时得到泊位共享效率较高的混合用地停车需求比例范围。     

黄石市老城区停车系统改善策略

针对老城区停车问题突出且增加停车设施供给空间有限的现状,研究老城区停车系统改善策略。首先分析黄石市老城区的交通概况及停车现状,探讨其停车难问题的原因。在提出老城区停车系统总体改善框架的基础上,分别探讨宏观、中观、微观三个层面的停车系统改善策略。宏观层面,提出建立交通分析与用地开发的反馈机制、实行停车＂差异化＂供给。中观层面,提出商业密集区停车改善策略、强化交通影响评价制度和推行停车配建建设补偿制度。微观层面,提出优化停车设施布局、实行停车收费管理以及建设停车诱导系统。     

“去福利化”解决城市停车问题

中国城市停车位普遍存在建设投入高和使用价格低之间的极端不对称,导致小汽车过度使用、停车矛盾不断加剧。首先对中国城市停车问题及停车收费定价体系进行分析。比较分析按公众心理承受能力和参考车位土地资源价值两种定价模式,指出因收费定价不合理导致的停车福利化现象是城市停车问题的根源所在。最后阐明,建立与基本国情相适应的停车经济技术支撑体系、实行去福利化的停车改革、推进停车产业化发展,是实现城市交通可持续发展的必然选择。     

建成环境对城市停车需求影响的非线性模型

为精细化把握城市建设项目在微观空间尺度下的停车需求规律，从空间视角探究停车需 求与建成环境之间的关系。通过高峰小时建筑物单位面积的停车生成数表征停车需求，以土地 利用混合度、路网密度、公交服务水平等9个因子描述建成环境，分别构建建成环境对停车需求影 响的普通最小二乘(Ordinary Least Squares，OLS)模型与梯度提升迭代决策树(Gradient Boosting Decision Tree，GBDT)模型。以保定市主城区停车调查数据中的商业类配建停车场为对象，基于 停车调查数据、兴趣点数据(Point of Interst，POI)、道路网络数据等多源异构数据进行模型实证分 析。结果表明，考虑非线性效应的GBDT模型比OLS模型具有更好的拟合度。从影响贡献度来 看，配建指标(18.92%)与区位(15.23%)是影响停车需求的最重要建成环境因素，交叉口密度 (5.19%)贡献度最小；在非线性关系方面，建成环境因子与停车需求均具有非线性关系与阈值效 应，除交叉口密度及人口密度与停车需求呈现U型关系，其余因素与停车需求的关系整体上保持 正相关或负相关。     

大城市公共停车场建设困境与对策——以杭州市为例

在各城市开展城市交通拥堵治理的大背景下,推进公共停车场建设成为缓解大城市停车难的重要手段。首先,指出在公共停车场建设过程中存在项目落实难、实施乱、建设主体单一、审批复杂、产业化发展滞后等问题。结合杭州市实践经验,提出通过设立专职机构、加强规划管理、确保用地供给、研究鼓励政策、简化审批手续等手段对公共停车场的建设进行保障。最后,从停车发展策略、行政审批、停车产业化、市场管理、停车位共享及停车诱导等方面提出未来发展对策。