段滿珍，陳 光，米雪玉，曹會(huì)云

(1.華北理工大學(xué) 建筑工程學(xué)院，河北 唐山 063009；2.河北省地震工程研究中心，河北 唐山 063009)

居住區(qū)停車泊位需求預(yù)測(cè)二步驟法

段滿珍1，2，陳 光1，2，米雪玉1，2，曹會(huì)云1，2

(1.華北理工大學(xué) 建筑工程學(xué)院，河北 唐山 063009；2.河北省地震工程研究中心，河北 唐山 063009)

研究居住區(qū)停車泊位需求預(yù)測(cè)模型，采用多元回歸與修正系數(shù)法相結(jié)合的二步驟法，改變傳統(tǒng)的多元線性回歸和彈性系數(shù)法的不足。提出以居住區(qū)停車調(diào)查為基礎(chǔ)，建立停車泊位需求預(yù)測(cè)模型，將多元回歸預(yù)測(cè)和區(qū)位修正系數(shù)、建筑類型修正系數(shù)相結(jié)合，以此預(yù)測(cè)值作為新建同類居住區(qū)停車資源配備的依據(jù)。二步驟法既充分考慮了各種影響因素對(duì)居住區(qū)泊位需求的影響，又對(duì)區(qū)位和建筑物類型等因子具有一定的彈性控制，實(shí)踐中有一定的實(shí)用性和靈活性。以唐山市為例，選取居住區(qū)進(jìn)行模型方法驗(yàn)證，誤差均﹤10%，說(shuō)明模型預(yù)測(cè)的有效性。

交通運(yùn)輸工程；居住區(qū)；泊位需求；停車；二步驟法

0 引 言

居住區(qū)停車空間不足與停車需求增長(zhǎng)過(guò)快的矛盾不僅破壞了居住環(huán)境，影響居民的正常生活，也一定程度影響城市的整體發(fā)展。從停車資源開(kāi)發(fā)利用角度來(lái)講，居住區(qū)停車泊位配備過(guò)高會(huì)造成開(kāi)發(fā)成本的增加和社會(huì)資源的浪費(fèi)，停車資源配備過(guò)低又會(huì)影響居民的生活、出行，給居民帶來(lái)許多不便。因此，居住區(qū)停車泊位需求預(yù)測(cè)要綜合考慮各方面的影響和需求[1]。

國(guó)外早在上世紀(jì)中期就非常重視停車資源配備問(wèn)題的研究，例如1956年美國(guó)的《城市停車指南》，1965年的《城市中心停車》，1971年的《停車原則》(Paring Principle)[2]以及ITE定期出版的《Parking Generation》[3]等都對(duì)停車問(wèn)題進(jìn)行了較為細(xì)致的研究，其中《Parking Generation》已經(jīng)成為全球研究城市停車資源配建標(biāo)準(zhǔn)的重要參考。由于居住區(qū)停車問(wèn)題影響因素比較復(fù)雜，因此各國(guó)在停車資源配備過(guò)程中都非常注重停車調(diào)查，例如美國(guó)針對(duì)各個(gè)地區(qū)的實(shí)際情況，制定適合本地區(qū)的停車配建標(biāo)準(zhǔn)，對(duì)居民和來(lái)訪者車輛分開(kāi)考慮，研究工作日與節(jié)假日以及一天不同時(shí)段的停車率，對(duì)不同區(qū)位，不同檔次的居住區(qū)也實(shí)行不同標(biāo)準(zhǔn)。英國(guó)也綜合考慮居民年齡、收入、購(gòu)置汽車價(jià)格等因素，制定配建指標(biāo)時(shí)參考附近其他居民區(qū)的汽車擁有量，提出了停車需求回歸預(yù)測(cè)模型。只有日本對(duì)居住區(qū)停車資源配備分類相對(duì)比較簡(jiǎn)單，僅從出售和出租兩個(gè)方面做了規(guī)定，即出售房屋的停車配置普遍高于出租房的20%。

我國(guó)對(duì)停車泊位需求的研究中常采用收入彈性系數(shù)法[4-5]，針對(duì)停車需求影響因素的復(fù)雜性，在研究居住區(qū)停車需求影響因子時(shí)，胡紋等[6]提出了多因子設(shè)計(jì)方法；岳振中等[7]在對(duì)居住區(qū)停車需求相關(guān)性分析中，提出了多元回歸模型停車需求預(yù)測(cè)方法；實(shí)踐中，2006年《北京市居住公共服務(wù)設(shè)施規(guī)劃設(shè)計(jì)指標(biāo)》提出對(duì)住宅按照區(qū)位、類型分別配置[8]。

以上文獻(xiàn)研究表明，國(guó)外對(duì)于停車泊位的需求預(yù)測(cè)比較注重停車實(shí)踐調(diào)研，而國(guó)內(nèi)停車泊位需求問(wèn)題的研究則剛剛處于初級(jí)階段，更多地停留在理論研究方面。由于停車需求的復(fù)雜性以及我國(guó)城市交通較大差異性等問(wèn)題，對(duì)于停車泊位需求標(biāo)準(zhǔn)很難統(tǒng)一確定，必須依據(jù)城市各方面的條件，有針對(duì)性的進(jìn)行需求預(yù)測(cè)。因此，研究停車泊位需求既要考慮居住區(qū)現(xiàn)狀，綜合各方面影響因素，又要從城市總體規(guī)劃和資源有效利用角度出發(fā)綜合分析。

基于以上思想和研究基礎(chǔ)，筆者提出以居住區(qū)停車調(diào)查為基礎(chǔ)的二步驟法建立停車泊位需求預(yù)測(cè)模型，即首先采用多元回歸預(yù)測(cè)方法建立停車需求預(yù)測(cè)模型，然后利用居住區(qū)區(qū)位修正系數(shù)和建筑類型修正系數(shù)對(duì)模型預(yù)測(cè)值進(jìn)行二次修訂，以此預(yù)測(cè)值作為新建同類居住區(qū)停車資源配備的依據(jù)。模型建立中既考慮了實(shí)際需求，又具有一定的彈性，保證了模型的可操作性。最后以唐山市為例，選取居住區(qū)進(jìn)行模型方法驗(yàn)證。

1 停車需求預(yù)測(cè)模型的建立

1.1 模型影響因素分析

從城市交通發(fā)展來(lái)看，影響城市停車配建指標(biāo)的主要因素有以下幾個(gè)方面：①城市機(jī)動(dòng)車發(fā)展水平；②居住區(qū)區(qū)位；③居住區(qū)周邊交通環(huán)境，如軌道交通，常規(guī)公交，出租車等交通設(shè)施是否便利；④居住區(qū)特性和收入水平，包括居住區(qū)開(kāi)發(fā)強(qiáng)度、戶型結(jié)構(gòu)、建筑面積，戶數(shù)、停車泊位數(shù)、車位租金、車位管理費(fèi)用、居民收入水平等；⑤居民的平均年齡；⑥相關(guān)政策，如購(gòu)車政策、停車收費(fèi)政策、車位購(gòu)置政策等很大程度影響停車需求率。

1.2 停車需求預(yù)測(cè)模型建立——多元回歸法

1.2.1 多元回歸模型建立

由于居住區(qū)停車需求影響因子較多，筆者采用多元線性回歸方法建立模型，研究停車需求影響因子及其與停車吸引之間的關(guān)系。假設(shè)多元線性回歸方程形式如式(1)：

y預(yù)測(cè)=k0+k1x1+k2x2+…+knxn

(1)

式中：y預(yù)測(cè)為停車需求預(yù)測(cè)值；x1，x2，…，xn為影響因子；k0為常量；k1,k2,…,kn為影響因子對(duì)應(yīng)的系數(shù)。

1.2.2 影響因子相關(guān)性檢驗(yàn)

模型建立過(guò)程中，需要對(duì)因變量與自變量的相關(guān)性程度進(jìn)行檢驗(yàn)。選取R2作為自變量與因變量相關(guān)程度的判定系數(shù)，根據(jù)數(shù)理知識(shí)，R2越接近1，表示因變量與自變量的關(guān)系越顯著，該變量對(duì)因變量的意義越大，反之越小。

1.2.3 影響因子確定

模型建立過(guò)程中，為簡(jiǎn)化計(jì)算模型，保留有效影響因子，將相關(guān)性小的影響因子剔除，保留相關(guān)性強(qiáng)的作為模型影響因子，即根據(jù)R2檢驗(yàn)結(jié)果，剔除相關(guān)性小的變量。

1.3 停車需求預(yù)測(cè)模型修訂——修正系數(shù)法

居住區(qū)停車資源配備不能僅從滿足停車需求角度出發(fā)，還應(yīng)考慮城市規(guī)劃和交通發(fā)展的總體目標(biāo)。由于居住區(qū)停車需求與居住區(qū)位置、建筑類型等有較大關(guān)系，而前面模型建立時(shí)這些因素又難于量化考慮。因此，采用二步驟法對(duì)先前確定的停車需求模型進(jìn)行二次修訂。筆者引入?yún)^(qū)位修正系數(shù)和建筑類別修正系數(shù)，需求預(yù)測(cè)模型公式轉(zhuǎn)化為式(2)：

y=y預(yù)測(cè)×λ×ω

(2)

式中：y為需求預(yù)測(cè)修正值；λ為區(qū)位修正系數(shù)；ω為建筑類別修正系數(shù)。

區(qū)位修正系數(shù)λ與居住區(qū)位置密切相關(guān)，一般介于0.5～1.5之間[9]。由于城市中心區(qū)相對(duì)外圍區(qū)交通便利，出行方式多樣化，綜合考慮城市交通發(fā)展需求和土地有效利用等問(wèn)題，在居住區(qū)停車配建時(shí)中心區(qū)采取適當(dāng)限制的策略，外圍區(qū)適當(dāng)滿足居民停車需求。因此，城中心區(qū)取值略低一些，外圍區(qū)取值略高一些。

建筑類別修正系數(shù)與戶型有密切關(guān)系，建筑物級(jí)別越高，其停車需求越大。參考我國(guó)各城市建筑物配建標(biāo)準(zhǔn)，確立建筑類型修正系數(shù)如表1。

表1 居住區(qū)建筑類型修正系數(shù)

1.4 模型誤差分析

筆者利用相對(duì)誤差進(jìn)行模型預(yù)測(cè)結(jié)果有效性的檢驗(yàn)，即：

2 模型及方法驗(yàn)證

以唐山市城中心居住小區(qū)為例，進(jìn)行居住區(qū)停車預(yù)測(cè)模型分析。

2.1 居住區(qū)停車數(shù)據(jù)調(diào)查與預(yù)處理

居住區(qū)調(diào)查分為兩大類：①居住區(qū)停車調(diào)研。停車調(diào)查采用全時(shí)段連續(xù)記錄車牌號(hào)法，跟蹤記錄車輛進(jìn)出小區(qū)的時(shí)間，同時(shí)抄錄小區(qū)內(nèi)部現(xiàn)有車輛的車牌號(hào)，根據(jù)車輛進(jìn)出時(shí)間和停留時(shí)間特性分析其歸屬情況，剔除外來(lái)車輛，統(tǒng)計(jì)本小區(qū)車輛總數(shù)；②居住區(qū)停車影響因子基礎(chǔ)數(shù)據(jù)調(diào)研，回歸分析需要大量的基礎(chǔ)數(shù)據(jù)，例如居民平均年齡、居住區(qū)區(qū)位和總建筑面積、現(xiàn)有停車泊位數(shù)及類型、居民平均收入、總戶數(shù)、停車泊位租金或車位管理費(fèi)，收費(fèi)方式等。筆者選取城中心區(qū)5個(gè)緊鄰的居住區(qū)小區(qū)，進(jìn)行基礎(chǔ)數(shù)據(jù)調(diào)研，供模型擬合分析之用。

2.2 停車需求預(yù)測(cè)的計(jì)算

利用調(diào)研數(shù)據(jù)，采用SPSS軟件對(duì)基礎(chǔ)數(shù)據(jù)進(jìn)行擬合分析，數(shù)據(jù)輸入情況如圖1。

圖1 居住區(qū)基礎(chǔ)信息Fig.1 Basic information of residential area

筆者選取的新華1號(hào)和鑫雅園小區(qū)均有地下車庫(kù)，其他3個(gè)小區(qū)沒(méi)有，5個(gè)小區(qū)地上的停車位都實(shí)行免費(fèi)。因?yàn)?個(gè)居住區(qū)都位于唐山市中心區(qū)相鄰的地段，暫不考慮區(qū)位修正系數(shù)。將居住區(qū)現(xiàn)有車輛數(shù)作為因變量，其余因子作為自變量，建立了多元線性回歸模型，如圖2。

圖2 模型建立過(guò)程Fig.2 Model building process

圖3為模型選用的自變量，其中R2接近1的自變量有居民年齡、總建筑面積、泊位數(shù)、居民的平均收入幾項(xiàng)，模型分析結(jié)果表明這4個(gè)自變量對(duì)因變量小區(qū)車輛數(shù)影響較大。

圖3 模型選用變量Fig.3 Variables selected by model

圖4為模型排除的自變量：總戶數(shù)、地下停車租金和車位的管理費(fèi)。居民小區(qū)的總戶數(shù)對(duì)居民是否購(gòu)買小汽車影響很小，對(duì)于地下停車租金，車位的購(gòu)買費(fèi)和管理費(fèi)雖然也是業(yè)主考慮是否購(gòu)車的因素，但當(dāng)對(duì)小汽車的需求比較迫切，已有能力承擔(dān)小汽車的購(gòu)置費(fèi)用時(shí)，車位的費(fèi)用已顯得微不足道了。

圖4 模型排除變量Fig.4 Variables excluded by model

入選的自變量與因變量之間的偏回歸系數(shù)如圖5。其中總建筑面積，泊位數(shù)，居民的平均收入與小區(qū)車輛數(shù)是正相關(guān)，居民的年齡與小區(qū)車輛數(shù)負(fù)相關(guān)，因?yàn)橘?gòu)買車輛的群體大多是年輕群體，年齡稍大的群體即使有能力購(gòu)買，其購(gòu)買比例也偏低。這與調(diào)查統(tǒng)計(jì)結(jié)果中，年齡段處于30～40歲的居民購(gòu)車比例最高相符[10]。

建立預(yù)測(cè)模型：

y預(yù)測(cè)=-106.902+0.001x1+0.997x2+0.04x3-

2.507x4

式中：x1為總建筑面積；x2為泊位數(shù)；x3為居民平均收入；x4為居民平均年齡。

圖5 自變量系數(shù)Fig.5 Independent variable coefficients

利用預(yù)測(cè)模型計(jì)算出每個(gè)小區(qū)的預(yù)測(cè)車輛數(shù)，如表2。從表2可見(jiàn)：預(yù)測(cè)車輛數(shù)相比現(xiàn)狀需求呈現(xiàn)較高的趨勢(shì)，需要對(duì)預(yù)測(cè)值進(jìn)行修訂。對(duì)于新建小區(qū)，由于居民平均年齡偏低趨于取高值，反之，衡量一些老小區(qū)時(shí)，趨于取低值。新華1號(hào)和鑫雅園平均面積在90～120 m2，且為新建小區(qū)，建筑系數(shù)取1.0，其他幾個(gè)老小區(qū)建筑面積都在90 m2以下，取0.8。由于新華1號(hào)、鑫雅園和雙新里在城中心位置，取0.9；偏坡樓、趙莊樓稍稍遠(yuǎn)離一些，取1.0。采用區(qū)位修正系數(shù)和建筑類別系數(shù)進(jìn)行二次修正后預(yù)測(cè)值如表2。

表2 修正后的預(yù)測(cè)值和誤差

通過(guò)以上分析，修訂后的泊位預(yù)測(cè)值基本滿足需求，且不造成太大浪費(fèi)，表明模型方法正確。但是模型使用過(guò)程中需要注意幾個(gè)問(wèn)題：新建小區(qū)停車資源預(yù)測(cè)時(shí)，基礎(chǔ)數(shù)據(jù)可參考緊鄰?fù)愋^(qū)或具有相同特點(diǎn)的小區(qū)；文中的預(yù)測(cè)模型系數(shù)值隨城市特點(diǎn)會(huì)有變化，如果需要對(duì)系數(shù)進(jìn)行修訂，選取基礎(chǔ)小區(qū)時(shí)最好在同一區(qū)域，避免因區(qū)位差異過(guò)大造成模型較大誤差。

3 結(jié) 語(yǔ)

筆者采用多元回歸和修正系數(shù)法結(jié)合的二步驟法進(jìn)行居住區(qū)停車資源需求預(yù)測(cè)分析，改變傳統(tǒng)的多元線性回歸和彈性系數(shù)法的不足。采用二步驟法既充分考慮了各種影響因素對(duì)居住區(qū)泊位需求的影響，又能充分兼顧區(qū)位和建筑物類型等強(qiáng)影響因子的影響，實(shí)踐中有一定的實(shí)用性和靈活性。最后以唐山市中心城區(qū)的5個(gè)居住小區(qū)為例，對(duì)泊位需求情況進(jìn)行預(yù)測(cè)分析，模型誤差均<10%，說(shuō)明預(yù)測(cè)模型的有效性。

[1] 王德章,蔣懷遠(yuǎn).交通工程[M].北京:中國(guó)人民公安大學(xué)出版社,2010. WANG Dezhang,JIANG Huaiyuan.TrafficEngineering[M].Beijing:The Chinese People’s Public Security University Press,2010.

[2] Highway Research Board.ParkingPrinciples,SpecialReport125[R].Washington,D.C.:Highway Research Board,1971.

[3] ITE Technical Council Committee.ParkingGeneration[M]. 3rd ed.USA:Wikimedia Foundation,Inc.,2005.

[4] 陳堅(jiān).探討小康住宅示范小區(qū)的停車指標(biāo)和合理規(guī)模──以北京市居住區(qū)停車調(diào)研為基礎(chǔ)[J].規(guī)劃師,1998(2):70-77. CHEN Jian.Discuss the parking index and reasonable size of the well-off residential area:based on the residential parking survey in Beijing [J].Planner,1998(2):70-77.

[5] 楊玲.城市居住區(qū)停車問(wèn)題及其對(duì)策研究[D].重慶:重慶大學(xué),2004. YANG Ling.ResearchonParkingProblemfortheUrbanResidentialarea[D].Chongqing:Chongqing University,2004.

[6] 胡紋,楊玲.居住區(qū)停車配建指標(biāo)的多因子設(shè)計(jì)方式[J].重慶建筑大學(xué)學(xué)報(bào),2006,28(2):4-7. HU Wen,YANG Ling.Multi-factor design pattern for parking index of residential areas [J].JournalofChongqingJianzhuUniversity,2006,28(2):4-7.

[7] 岳振中,徐汝華,文杰.基于主成分分析的居住區(qū)停車需求預(yù)測(cè)研究[J] .交通與運(yùn)輸(學(xué)術(shù)版),2005(1):72-74. YUE Zhenzhong,XU Ruhua,WEN Jie.Research on parking demand predicting in residence based on principal component analysis [J].TrafficandTransportation,2005(1):72-74.

[8] 北京市規(guī)劃委員會(huì).關(guān)于印發(fā)《北京市居住公共服務(wù)設(shè)施規(guī)劃設(shè)計(jì)指標(biāo)》的通知[EB/OL].[2006-04-14].http://www.bjghw.gov.cn/ web/static/articles/catalog_84/article_5575/5575.html. Beijing Municipal Commission of Urban Planning.Notice about printing “planning design index of residential public service facilities in Beijing” [EB/OL].[2006-04-14].http://www.bjghw.gov.cn/ web/static/articles/catalog_84/ article_5575/5575.html.

[9] 劉洪營(yíng).城市居住停車?yán)碚撆c方法研究[D].西安:長(zhǎng)安大學(xué),2009. LIU Hongying.UrbanResidentialParkingTheoryandMethodResearch[D].Xi’an:Chang’an University,2009.

[10] 河北聯(lián)合大學(xué).唐山市綜合交通調(diào)查[R].唐山:唐山市城鄉(xiāng)規(guī)劃局,2013. Hebei United University.ComprehensiveTrafficSurveyinTangshanCity[R].Tangshan:Tangshan Urban Bureau,2013.

Two Steps Method of Parking Demand Forecast at Residential Area

DUAN Manzhen1,2CHEN Guang1，2, MI Xueyu1,2, CAO Huiyun1,2

(School of Civil and Architectural Engineering ,North China University of Science and Technology, Tangshan 063009, Hebei,P.R.China;2.Hebei Province Eartliquake Engineering Research Center,Tangshan 063009, Hebei,P.R.China)

The parking demand forecasting model at residential was studied by two steps method, which was the combination of multivariate regression method and correction coefficient method. Two steps method made up for the deficiency of traditional multiple linear regression and elastic coefficient method. Based on the residential parking survey, the parking demand forecasting model was established, which combined the multivariate regression prediction, location correction coefficient with building type correction coefficient. The predictive values were taken as the basis of a new similar residential parking resource. Two steps method not only fully considers the influence of various factors on the parking demand forecast at residential, but also has a flexible control for the location and building types, which has certain practicability and flexibility in practice. Taking Tangshan city for example, the residential areas were selected to validate the model, and the errors were all less than 10%, which verified the effectiveness of the forecast model.

traffic and transportation engineering; residential area; parking demand; parking; two steps method

2014-10-10；

2014-11-06

國(guó)家自然科學(xué)基金項(xiàng)目(51378171)；國(guó)家科學(xué)支撐計(jì)劃項(xiàng)目(2013BAJ10B09-2)

段滿珍(1974—)，女，河北灤縣人，副教授，博士研究生，主要從事城市智能交通方面的研究。E-mail：mz06ss@ncst.edu.cn;13613150186。

10.3969/j.issn.1674-0696.2016.01.29

U416.217

A

1674-0696(2016)01-152-04