胡永仕，范勇強，范勇迎

(1. 福建工程學院 交通運輸學院，福建 福州 350118；2. 蘭州交通大學 交通運輸學院，甘肅 蘭州 730070)

0 引 言

隨著城鎮(zhèn)化的快速發(fā)展，城市小汽車保有量大幅增加，停車設施供給不足的問題日益凸顯。當車輛行駛在不同的場景中，因無法及時獲取停車泊位信息，會導致車輛花費較長時間去尋找停車泊位，這不僅造成了無效巡泊，還會增加油耗、碳排放等環(huán)境污染問題，更會加重道路負擔和交通擁堵，嚴重影響了交通出行效益，制約了城市交通行業(yè)的品質提升和管理服務發(fā)展[1]。

在城市停車共享泊位的研究中，韓艷[2]基于停車泊位空間屬性和服務時間彈性需求，設計了一種共享泊位時空屬性的雙向拍賣機制，并以社會福利最優(yōu)為目標，構建了雙向拍賣機制的共享泊位分配模型；ZHANG Chu等[3]在對社會經濟因素和共享態(tài)度影響分析的基礎上，對通勤停車與私人居住區(qū)共享停車泊位之間的泊位共享市場進行了細分；陳堅等[4]通過建立結構方程模型，分析了潛變量之 間的耦合關系，并用潛變量對信息行為進行了定量分析；CHENG Wei等[5]通過搭建真實的人類停車行為實驗方案，根據不同情景分析了在信息作用下停車行為的影響；P.JOSHUA等[6]通過分析出行者決策行為感知因素的影響，從心理層面制定了停車泊位的共享策略；XIAO Haohan等[7]提出了一種公平的重復性雙重拍賣方法，分析了參與停車泊位的共享行為，這對提高泊位利用率、激勵參與方對停車泊位共享具有積極意義；張文會等[8]通過建立雙目標停車泊位共享分配模型，有效地緩解了居住區(qū)對毗鄰商業(yè)區(qū)車輛停泊的吸引，降低了商業(yè)區(qū)停車難的壓力；姚恩建等[9]建立了居住區(qū)共享泊位資源優(yōu)化配置的加權頂點圖著色模型，提高了共享泊位的利用率和利用時長；陳峻等[10]建立了中心區(qū)域高校和周邊居住區(qū)泊位共享動態(tài)分配雙層模型，并對泊位共享評價指標進行分析，制定了共享服務策略；HOU Xueshi等[11]建立了車輛霧計算模型，通過實時響應服務來提高共享泊位服務的質量；LIAO Siyi等[12]通過建立智慧城市地理遷移模型，分析了霧計算模型中車輛霧節(jié)點對服務的影響；王保乾等[13]基于單位停車泊位共享選擇行為的二元Logistic模型，對車輛用戶選擇使用單位共享泊位的影響和時間段進行了分析；李玉龍等[14]提出在“互聯網+停車”模式下，盤活工作日居住區(qū)停車泊位存量的機制，并對行為主體關鍵要素進行了分析；孫舒蕊[15]建立了停車泊位共享激勵模型，對激勵模型進行了數值分析，提出了泊位共享各參與方的激勵措施；趙聰等[16]針對動態(tài)管理模式下的停車需求變化，建立了停車泊位動態(tài)管理信息變化的有政策模型。

目前泊位共享對時間特性和空間特定地理屬性有著較高的要求，需要時刻關注停車泊位的使用情況；但現實中停車泊位信息不對稱，行駛車輛無法及時掌握周圍泊位信息。基于此筆者提出了一種霧計算的停車泊位信息共享模型，利用交通小區(qū)霧網絡系統(tǒng)中的霧節(jié)點對泊位信息共享來打破傳統(tǒng)停車方式的信息孤島，解決泊位信息不對稱問題，實現停車泊位資源的實時更新服務，并從泊位信息共享時間特性和空間特性兩個維度解釋了地域結構變量和社會經濟結構變量對泊位信息共享的影響，使停車泊位資源利用最大和出行停車體驗最優(yōu)。

1 模型描述

霧計算是新一代分布式計算，是對云計算概念的延伸，符合互聯網的“去中心化”特征。筆者將霧計算與傳統(tǒng)車載網絡相結合，將移動車輛定義為霧節(jié)點。霧節(jié)點作為邊緣網絡中通信和計算的基礎設施，具有低延時的數據傳遞和位置感知性能，地理分布廣泛；帶有大量網絡節(jié)點的大規(guī)模傳感器網絡具有很高的移動性，能滿足更為廣泛的節(jié)點接入，為靠近用戶的邊緣設備提供實時響應服務。霧節(jié)點車輛與運動軌跡周圍的霧節(jié)點車輛同共享平臺進行泊位信息共享與交換，當霧節(jié)點車輛需要泊位信息時，會觸發(fā)車輛停車泊位信息需求端，從泊位信息集合中檢索出目的地及附近適合的泊位信息，并進行實時的反饋和指引。

將城市地理區(qū)域劃分成若干個獨立的交通小區(qū)，每個交通小區(qū)內的霧節(jié)點車輛與信息共享平臺系統(tǒng)構成一個霧網絡。利用霧網絡系統(tǒng)中的智能車輛(智能車輛具有車載傳感器網絡和雷達成像設施)對周圍的停車泊位資源進行自動識別和信息采集，并形成該節(jié)點的軌跡泊位信息集合；所有的動態(tài)霧節(jié)點信息匯集成覆蓋城市范圍的泊位信息共享數據庫。需要說明的是，傳統(tǒng)車輛不具備泊位信息共享功能，無法對泊位信息資源進行采集，與周圍的霧節(jié)點車輛沒有網絡上的聯系，但能連接到泊位信息共享網絡平臺上，接收停車信息。

霧節(jié)點和平臺提供停車泊位信息價值的有效時間段有限，可將時間段進行離散化處理。假設霧節(jié)點和平臺最多可提供T個周期的泊位有效時間段，需求者也最多可在T周期內隨時停車。由于出行時間的隨機性，霧節(jié)點和平臺應能隨時就停車泊位信息狀況進行共享，因此停車泊位信息共享平臺根據時間變化的供給信息和需求信息，更新決策、動態(tài)地調整停車泊位信息。其中，需要獲得停車信息的用戶提交時延要求、資源需求，霧節(jié)點和平臺提供資源服務(負責信息收集和上傳)，霧網絡泊位信息共享結構如圖1。筆者假設各用戶相互獨立，某個用戶請求最多只能遷移至一個霧節(jié)點完成，但一個霧節(jié)點可接收處理多個請求。

(a) 霧層結構

(b) 霧網絡圖1 霧網絡泊位信息共享結構Fig. 1 Information sharing structure of fog network berth

2 霧計算泊位信息共享模型的構建

n=1,2,…,N;j=1,2,…,J

(1)

泊位需求時間分布段和空間地理位置不同，城市停車泊位信息共享隨霧節(jié)點運動軌跡變化而不斷改變，對停車泊位信息時空數據統(tǒng)計與分析和需求量的一致性難以得到平衡。筆者利用變參數回歸建模，考慮到各霧節(jié)點觀測單元數據在時間節(jié)點和空間位置的非均衡性特征，將交通小區(qū)內霧節(jié)點收集到的泊位信息進行局部回歸分析，使得模型參數可隨時間和地理位置變換來描述霧節(jié)點運動軌跡的時空異質性，其基本結構如式(2)：

(2)

式中：β0(ui,vi,ti)表示霧節(jié)點處的觀測值；βn(ui,vi,ti)表示第n個解釋變量在霧網絡節(jié)點(ui,vi,ti)處的回歸時空變系數；xin表示交通小區(qū)i內的第n個泊位信息解釋變量；θi表示N(0,σ2)的隨機誤差項。

考慮到每個周期內都可能有霧節(jié)點將泊位信息提供給平臺和周邊的來往車輛，因此周期τ內新增的泊位信息內容應包含泊位的有效時間段、泊位的位置信息等。將周期τ內的霧節(jié)點泊位信息決策變量定義如式(3)：

(3)

將停車泊位信息分配到交通小區(qū)霧網絡中，形成停車泊位信息，如式(4)：

(4)

利用交通小區(qū)霧網絡系統(tǒng)提供的泊位信息，將周期τ內新增的泊位信息有效時間段用Aτ表示，如式(5)、式(6)：

(5)

(6)

將霧網絡系統(tǒng)中該交通小區(qū)平臺信息與交通小區(qū)內的各霧節(jié)點(ui,vi,ti)處收集到的泊位信息(yi,xi1,xi2,…,xij)，i=1, 2, …,n進行鏈接；考慮到霧節(jié)點(ui,vi,ti)在霧網絡周期τ內得到的泊位信息對于(u0,v0,t0)處參數值的影響，筆者通過引入權重值ωi(u0,v0,t0)降低其對參數值的影響程度。利用加權最小二乘法原理，對交通小區(qū)的霧網絡系統(tǒng)時空上的任一點(ui,vi,ti)均可找到最優(yōu)的β(u0,v0,t0)，使得霧節(jié)點在周期τ內的時空運動對區(qū)域泊位信息共享影響程度達到最小。所構建的函數表達如式(7)：

ωi(u0,v0,t0)

(7)

對βk(u0,v0,t0)求偏導，并使其為0，可得式(8)、 式(9)：

(8)

W(u0,v0,t0)=diag[ω1(u0,v0,t0),ω2(u0,v0,t0),…,ωn(u0,v0,t0)]

(9)

由式(8)、 式(9)可得式(10)：

(10)

由于泊位信息共享參數受霧節(jié)點時空位置變化影響，運用時空權重函數對霧網絡節(jié)點泊位信息數據時空影響因數進行分析，并對模型參數的變系數進行擬合，有式(11)：

(11)

在交通區(qū)域霧網絡系統(tǒng)中，對霧節(jié)點在(ui,vi,ti)處的停車泊位共享進行擬合，如式(12)：

(12)

3 案例分析

3.1 數據分析

數據來源為調查問卷和通過西藏啟恒智慧停車管理有限公司獲得的布達拉宮及大昭寺商業(yè)圈停車泊位信息數據；泊位數據采集時間為2020年10月12日—18日。將交通小區(qū)霧網絡系統(tǒng)中的停車泊位利用情況作為計數因變量，對影響霧節(jié)點間停車泊位信息共享因素進行分析。

霧網絡系統(tǒng)對停車泊位信息隨需求不斷變化而呈現出動態(tài)連續(xù)改變。停車泊位需求具有及時性和時間有效性等特征，霧節(jié)點對泊位信息的采集和傳遞必須高效和便捷，要使解釋變量具有較高的權威及代表性，能充分反映出霧節(jié)點在不同時空位置上對停車泊位的影響。筆者將解釋變量分為區(qū)域結構變量和社會經濟結構變量，各變量定義和描述如表1。

表1 變量的定義和描述性統(tǒng)計Table 1 Variable definition and descriptive statistics

結構解釋變量對泊位信息共享的相關系數界于0.15～0.75，具有統(tǒng)計學意義。其中，除公共交通線網密度、公共交通車站密度、政府機關單位密度、女性人口占比、退休人員占比和較高收入人員對停車泊位信息共享呈現出一定的負相關外，統(tǒng)計的其他變量對霧節(jié)點的泊位信息共享起到一定的促進作用。路網密度、CBD鄰近度、生活設施密度、休閑娛樂密度和工作崗位密度對停車泊位信息共享的相關系數和顯著性水平要明顯高于地域結構的其他變量。

在社會經濟結構變量中，男性比女性更愿意共享泊位信息；年齡對泊位信息共享影響差異較??；學歷與泊位信息共享意愿呈現出一定的正相關；個人收入越高對泊位信息共享越低，甚至對共享起到抑制作用，其中年收入10萬元以下人口對停車泊位信息共享表現出較大的意愿性。

筆者運用容忍度(Tolerance)和方差膨脹系數(variance inflation factor, VIF)來檢驗影響解釋變量間的共線性問題。其中：容忍度值為0～1，當容忍度值較小時，說明該自變量與其他自變量之間存在共線性。VIF取值大于1，當VIF值越接近于1，說明多重共線性越輕，反之越重；VIF越大，表示自變量容忍度越小，越存在共線性問題。通常以10作為判斷邊界，根據VIF≯10的原則[17]，可避免地域結構間解釋變量存在多重共線性。由表1可知：公共交通車站密度、GDP、土地利用混合度、區(qū)域內平均房價和CBD鄰近度的VIF值均大于10，與其他地域結構變量間存在較強的多重共線性，應將其剔除。

3.2 結果分析

霧計算泊位信息共享模型解釋變量的相關系數隨霧節(jié)點運動軌跡的空間和時間改變而不斷變化。筆者將停車泊位信息共享的變化情況轉換成有效停車泊位信息利用率的變化情況進行描述，從而對霧節(jié)點泊位信息共享在時間和空間方面進行可視化分析。

3.2.1 霧節(jié)點泊位信息共享時間的特性

筆者選取有效泊位信息利用率在時間維度中的變化情況進行分析，如圖2。

圖2 交通小區(qū)霧節(jié)點泊位信息共享時間分布Fig. 2 Time distribution of berth information sharing at fog nodes in traffic district

指數是通過實際空閑泊位利用量與停車泊位總數之間的比值來確定對泊位信息共享的影響，以每隔5 min進行一次泊位信息統(tǒng)計。

由圖2(a)中可知：在布達拉宮為主的交通區(qū)域范圍內，08:00開始泊位需求量開始急劇地增加，09:30—10:30對停車泊位的需求達到最大，在16:00左右呈現出較為平滑地下降趨勢。該交通區(qū)域范圍內全天出現一段高峰需求期，并會持續(xù)相對較長的時間段。此外，布達拉宮交通小區(qū)的霧節(jié)點對泊位信息共享在一周時間內層次分落較清晰，星期一至星期三的需求層次相對較低，泊位需求在高峰期時波動較小、時間持續(xù)較短，下滑趨勢平緩、幅度較小；星期四至星期日為中間層次的需求，高峰期時的需求波動較大、持續(xù)時間較長，下滑趨勢幅度最大；星期六的泊位需求較高，在高峰期時波動劇烈、持續(xù)時間最長，高峰期后呈現分階段下降趨勢。布達拉宮是拉薩市的中心地標，雖然路網密度、出入口鄰近度、建筑密度、生活設施密度及休閑娛樂密度對泊位信息共享有較大的促進作用，但由于公交線網密度較大，周邊建筑高度較低、無較大商場，周圍以旅游附屬產業(yè)為主，區(qū)域內行政單位較多，生活設施不完善、提供的工作崗位較少，停車費用較高及該區(qū)域內高收入人群占比較高等因素會對霧節(jié)點泊位信息共享起到抑制作用。

由圖2(b)可知：大昭寺商業(yè)圈交通區(qū)域中的霧節(jié)點對泊位信息共享在一天中有2個時間段的高峰需求，09:00—14:30停車泊位信息需求開始增加，10:30—11:30和15:30—18:00對泊位需求相對較大，這與拉薩市的工作時間基本相吻合。星期六的泊位需求信息要高于其他天的，并且高峰期持續(xù)時間較長。該交通小區(qū)的路網密度較高、建筑密度較大、生活設施密度、休閑娛樂密度、工作崗位密度及中低端收入人口等因素對霧節(jié)點泊位信息共享有促進作用；公共交通線網及車站密度較大，一定密度的政府機關單位、較高停車費率對霧節(jié)點泊位信息共享有具有抑制作用。

3.2.2 霧節(jié)點泊位信息共享空間的特性

筆者運用ArcGIS軟件對有效泊位信息共享的解釋變量在空間維度的變化情況進行可視化分析。

布達拉宮商業(yè)圈泊位信息共享情況如圖3。

圖3 布達拉宮商業(yè)圈泊位信息共享情況Fig. 3 Information sharing of berths in the Potala Palace commercial circle

由圖3(a)可知：在布達拉宮商業(yè)圈的交通小區(qū)霧網絡系統(tǒng)中，當霧節(jié)點對泊位信息需求小于空閑泊位時，霧節(jié)點對交通小區(qū)中心(或區(qū)域內部)的泊位信息需求遠高于周圍的，霧節(jié)點沿外圍進入內部軌跡采集的泊位信息對信息共享促進起不到明顯的積極作用。由圖3(b)可知：隨著交通小區(qū)停車泊位占用量增加，停車泊位緊張情況開始出現，此時高峰期間霧節(jié)點將收集到的泊位信息傳輸到霧網絡平臺和鄰近的霧節(jié)點，以緩解中心區(qū)域的停車壓力，使其他車輛及時得到精準的泊位信息，減少網絡中車輛的巡游路徑和停車時間。由圖3可看出：在布達拉宮商業(yè)圈交通區(qū)范圍內，北部和東部區(qū)域對停車泊位信息需求要高于其他區(qū)域。該區(qū)域內的路網密度較高、建筑密度較大、生活設施密度及工作崗位較多，這些因素都能很好地促進泊位信息的共享；其他區(qū)域分布有較多的政府機構、企事業(yè)單位，建筑設施密度低，公共交通線網密度較大，道路交通擁堵現象嚴重，不利于停車泊位信息的共享，因此對泊位信息的需求會產生消極影響。

大昭寺商業(yè)圈泊位信息共享情況如圖4。

由圖4(a)可知：大昭寺商業(yè)圈交通區(qū)域的霧節(jié)點在空間地理分布上對泊位信息需求較為集中，相比于大昭寺西部區(qū)域，其對停車泊位需求較多。該區(qū)域毗鄰商業(yè)街和步行街，建筑密度較大、土地利用混合度較高、生活設施完善、休閑娛樂和工作崗位較多，對霧節(jié)點的泊位信息共享產生正向影響。東部區(qū)域則對泊位信息共享產生了消極影響，原因可能為該區(qū)域的公共交通站點密度、建筑密度、生活設施密度和休閑娛樂設施密度均低于西部區(qū)域，且政府機關單位、企事業(yè)單位和學校的密度大，因此該區(qū)域的泊位信息需求小于西部區(qū)域。由圖4(b)可知：高峰時期該交通小區(qū)內車輛對中心區(qū)域內的停車泊位需求遠大于其他區(qū)域，這可能是中心區(qū)域輻射面較廣、出行目的較為便捷、停車后具有較短的步行距離，諸多因素造成駕駛員愿意選擇該區(qū)域進行停車，使得中心區(qū)域停車泊位在高峰期間內較為緊張，泊位信息共享需求遠高于其他區(qū)域。這使得霧網絡中泊位信息共享由中心向外圍擴散，并呈現出逐層遞減的趨勢。

由此可知：空間結構路網密度、出入口鄰近度、土地利用混合度、生活設施密度、休閑娛樂密度和工作崗位密度等因素均會對霧網絡泊位信息共享產生正向影響；公共交通線網密度、政府機關單位密度、停車費率等因素會對停車泊位信息共享產生抑制作用。從交通小區(qū)空間結構停車泊位信息共享分布上發(fā)現，交通小區(qū)中心區(qū)域的停車泊位信息需求較高；在高峰期間，霧節(jié)點對泊位信息共享能力達到最強，外圍的停車泊位得到很好利用，緩解了中心區(qū)域的停車壓力。另一方面，當道路上車輛過多、出現交通擁堵現象時，則會對霧網絡泊位信息共享產生抑制作用。

4 結 論

1)霧計算的停車泊位信息共享可有效地盤活交通小區(qū)存量的停車泊位，緩解高峰期泊位需求的壓力，改善現存停車難的問題。霧節(jié)點泊位信息共享能使霧網絡系統(tǒng)中的車輛隨時了解附近泊位信息，減少停車時間和車輛巡泊等現象發(fā)生，提升泊位周轉率和整體效益。

2)筆者從地域結構和社會經濟結構2個維度分析了霧網絡系統(tǒng)中霧節(jié)點停車泊位信息共享顯著影響變量，對每個解釋變量進行了描述性統(tǒng)計、相關性及共線性分析，減少了對泊位信息共享的影響。

3)從時間特性和空間特性上分別對霧網絡泊位信息共享影響因素進行分析，發(fā)現交通小區(qū)范圍內的霧節(jié)點在不同時間段和不同空間位置上對停車泊位信息共享的影響存在一定差異。

4)在后續(xù)的研究中，可對霧節(jié)點停車泊位信息共享進行激勵分析?；诓次恍畔⑿枨蠛蜁r延要求，如何激勵霧節(jié)點較好地提供泊位信息，并分析在時空間異質性影響關系上進一步探討。