段滿珍，陳 光，米雪玉，曹會云

(1.華北理工大學 建筑工程學院，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)停車泊位需求預測二步驟法

段滿珍1，2，陳 光1，2，米雪玉1，2，曹會云1，2

(1.華北理工大學 建筑工程學院，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)停車泊位需求預測模型，采用多元回歸與修正系數(shù)法相結合的二步驟法，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)停車調查為基礎，建立停車泊位需求預測模型，將多元回歸預測和區(qū)位修正系數(shù)、建筑類型修正系數(shù)相結合，以此預測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居住區(qū)泊位需求的影響，又對區(qū)位和建筑物類型等因子具有一定的彈性控制，實踐中有一定的實用性和靈活性。以唐山市為例，選取居住區(qū)進行模型方法驗證，誤差均﹤10%，說明模型預測的有效性。

交通運輸工程；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過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。從停車資源開發(fā)利用角度來講，居住區(qū)停車泊位配備過高會造成開發(fā)成本的增加和社會資源的浪費，停車資源配備過低又會影響居民的生活、出行，給居民帶來許多不便。因此，居住區(qū)停車泊位需求預測要綜合考慮各方面的影響和需求[1]。

國外早在上世紀中期就非常重視停車資源配備問題的研究，例如1956年美國的《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]等都對停車問題進行了較為細致的研究，其中《Parking Generation》已經成為全球研究城市停車資源配建標準的重要參考。由于居住區(qū)停車問題影響因素比較復雜，因此各國在停車資源配備過程中都非常注重停車調查，例如美國針對各個地區(qū)的實際情況，制定適合本地區(qū)的停車配建標準，對居民和來訪者車輛分開考慮，研究工作日與節(jié)假日以及一天不同時段的停車率，對不同區(qū)位，不同檔次的居住區(qū)也實行不同標準。英國也綜合考慮居民年齡、收入、購置汽車價格等因素，制定配建指標時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測模型。只有日本對居住區(qū)停車資源配備分類相對比較簡單，僅從出售和出租兩個方面做了規(guī)定，即出售房屋的停車配置普遍高于出租房的20%。

我國對停車泊位需求的研究中常采用收入彈性系數(shù)法[4-5]，針對停車需求影響因素的復雜性，在研究居住區(qū)停車需求影響因子時，胡紋等[6]提出了多因子設計方法；岳振中等[7]在對居住區(qū)停車需求相關性分析中，提出了多元回歸模型停車需求預測方法；實踐中，2006年《北京市居住公共服務設施規(guī)劃設計指標》提出對住宅按照區(qū)位、類型分別配置[8]。

以上文獻研究表明，國外對于停車泊位的需求預測比較注重停車實踐調研，而國內停車泊位需求問題的研究則剛剛處于初級階段，更多地停留在理論研究方面。由于停車需求的復雜性以及我國城市交通較大差異性等問題，對于停車泊位需求標準很難統(tǒng)一確定，必須依據(jù)城市各方面的條件，有針對性的進行需求預測。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，筆者提出以居住區(qū)停車調查為基礎的二步驟法建立停車泊位需求預測模型，即首先采用多元回歸預測方法建立停車需求預測模型，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)對模型預測值進行二次修訂，以此預測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)進行模型方法驗證。

1 停車需求預測模型的建立

1.1 模型影響因素分析

從城市交通發(fā)展來看，影響城市停車配建指標的主要因素有以下幾個方面：①城市機動車發(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，出租車等交通設施是否便利；④居住區(qū)特性和收入水平，包括居住區(qū)開發(fā)強度、戶型結構、建筑面積，戶數(shù)、停車泊位數(shù)、車位租金、車位管理費用、居民收入水平等；⑤居民的平均年齡；⑥相關政策，如購車政策、停車收費政策、車位購置政策等很大程度影響停車需求率。

1.2 停車需求預測模型建立——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系。假設多元線性回歸方程形式如式(1)：

y預測=k0+k1x1+k2x2+…+knxn

(1)

式中：y預測為停車需求預測值；x1，x2，…，xn為影響因子；k0為常量；k1,k2,…,kn為影響因子對應的系數(shù)。

1.2.2 影響因子相關性檢驗

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

1.2.3 影響因子確定

模型建立過程中，為簡化計算模型，保留有效影響因子，將相關性小的影響因子剔除，保留相關性強的作為模型影響因子，即根據(jù)R2檢驗結果，剔除相關性小的變量。

1.3 停車需求預測模型修訂——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)，還應考慮城市規(guī)劃和交通發(fā)展的總體目標。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系，而前面模型建立時這些因素又難于量化考慮。因此，采用二步驟法對先前確定的停車需求模型進行二次修訂。筆者引入?yún)^(qū)位修正系數(shù)和建筑類別修正系數(shù)，需求預測模型公式轉化為式(2)：

y=y預測×λ×ω

(2)

式中：y為需求預測修正值；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，一般介于0.5～1.5之間[9]。由于城市中心區(qū)相對外圍區(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題，在居住區(qū)停車配建時中心區(qū)采取適當限制的策略，外圍區(qū)適當滿足居民停車需求。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)與戶型有密切關系，建筑物級別越高，其停車需求越大。參考我國各城市建筑物配建標準，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

筆者利用相對誤差進行模型預測結果有效性的檢驗，即：

2 模型及方法驗證

以唐山市城中心居住小區(qū)為例，進行居住區(qū)停車預測模型分析。

2.1 居住區(qū)停車數(shù)據(jù)調查與預處理

居住區(qū)調查分為兩大類：①居住區(qū)停車調研。停車調查采用全時段連續(xù)記錄車牌號法，跟蹤記錄車輛進出小區(qū)的時間，同時抄錄小區(qū)內部現(xiàn)有車輛的車牌號，根據(jù)車輛進出時間和停留時間特性分析其歸屬情況，剔除外來車輛，統(tǒng)計本小區(qū)車輛總數(shù)；②居住區(qū)停車影響因子基礎數(shù)據(jù)調研，回歸分析需要大量的基礎數(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，收費方式等。筆者選取城中心區(qū)5個緊鄰的居住區(qū)小區(qū)，進行基礎數(shù)據(jù)調研，供模型擬合分析之用。

2.2 停車需求預測的計算

利用調研數(shù)據(jù)，采用SPSS軟件對基礎數(shù)據(jù)進行擬合分析，數(shù)據(jù)輸入情況如圖1。

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

筆者選取的新華1號和鑫雅園小區(qū)均有地下車庫，其他3個小區(qū)沒有，5個小區(qū)地上的停車位都實行免費。因為5個居住區(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，模型分析結果表明這4個自變量對因變量小區(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。居民小區(qū)的總戶數(shù)對居民是否購買小汽車影響很小，對于地下停車租金，車位的購買費和管理費雖然也是業(yè)主考慮是否購車的因素，但當對小汽車的需求比較迫切，已有能力承擔小汽車的購置費用時，車位的費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，居民的年齡與小區(qū)車輛數(shù)負相關，因為購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買，其購買比例也偏低。這與調查統(tǒng)計結果中，年齡段處于30～40歲的居民購車比例最高相符[10]。

建立預測模型：

y預測=-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

利用預測模型計算出每個小區(qū)的預測車輛數(shù)，如表2。從表2可見：預測車輛數(shù)相比現(xiàn)狀需求呈現(xiàn)較高的趨勢，需要對預測值進行修訂。對于新建小區(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，趨于取低值。新華1號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，其他幾個老小區(qū)建筑面積都在90 m2以下，取0.8。由于新華1號、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)進行二次修正后預測值如表2。

表2 修正后的預測值和誤差

通過以上分析，修訂后的泊位預測值基本滿足需求，且不造成太大浪費，表明模型方法正確。但是模型使用過程中需要注意幾個問題：新建小區(qū)停車資源預測時，基礎數(shù)據(jù)可參考緊鄰同類小區(qū)或具有相同特點的小區(qū)；文中的預測模型系數(shù)值隨城市特點會有變化，如果需要對系數(shù)進行修訂，選取基礎小區(qū)時最好在同一區(qū)域，避免因區(qū)位差異過大造成模型較大誤差。

3 結 語

筆者采用多元回歸和修正系數(shù)法結合的二步驟法進行居住區(qū)停車資源需求預測分析，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影響因子的影響，實踐中有一定的實用性和靈活性。最后以唐山市中心城區(qū)的5個居住小區(qū)為例，對泊位需求情況進行預測分析，模型誤差均<10%，說明預測模型的有效性。

[1] 王德章,蔣懷遠.交通工程[M].北京:中國人民公安大學出版社,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.探討小康住宅示范小區(qū)的停車指標和合理規(guī)模──以北京市居住區(qū)停車調研為基礎[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)停車問題及其對策研究[D].重慶:重慶大學,2004. YANG Ling.ResearchonParkingProblemfortheUrbanResidentialarea[D].Chongqing:Chongqing University,2004.

[6] 胡紋,楊玲.居住區(qū)停車配建指標的多因子設計方式[J].重慶建筑大學學報,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)停車需求預測研究[J] .交通與運輸(學術版),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.關于印發(fā)《北京市居住公共服務設施規(guī)劃設計指標》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.城市居住停車理論與方法研究[D].西安:長安大學,2009. LIU Hongying.UrbanResidentialParkingTheoryandMethodResearch[D].Xi’an:Chang’an University,2009.

[10] 河北聯(lián)合大學.唐山市綜合交通調查[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

國家自然科學基金項目(51378171)；國家科學支撐計劃項目(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