基于城市綜合體分類的停車收費(fèi)政策預(yù)評估

吳嬌蓉，朱啟政，林子旸

(同濟(jì)大學(xué)道路與交通工程教育部重點(diǎn)實(shí)驗(yàn)室，上海201804)

基于城市綜合體分類的停車收費(fèi)政策預(yù)評估

吳嬌蓉，朱啟政，林子旸

(同濟(jì)大學(xué)道路與交通工程教育部重點(diǎn)實(shí)驗(yàn)室，上海201804)

為有效評估停車收費(fèi)政策在不同類型城市綜合體中產(chǎn)生的效果差異，基于輻射范圍、居民出行距離及公共交通服務(wù)水平三項(xiàng)特征指標(biāo)，利用K-Means聚類算法將城市綜合體分成市域型和區(qū)域型兩類。與區(qū)域型綜合體相比，市域型綜合體輻射范圍更廣、所吸引的人群活動(dòng)出行距離更長、公共交通服務(wù)水平更具競爭力。構(gòu)建城市綜合體居民行為選擇模型，利用RP/SP融合數(shù)據(jù)標(biāo)定模型參數(shù)，以消除意愿調(diào)查產(chǎn)生的偏差。該模型綜合考慮停車收費(fèi)政策和公共交通服務(wù)水平的關(guān)聯(lián)性，能有效分析停車收費(fèi)價(jià)格上漲幅度和公共交通服務(wù)水平改善對市域型和區(qū)域型城市綜合體居民方式選擇行為影響的貢獻(xiàn)程度，為區(qū)域差別化停車收費(fèi)政策制定提供參考依據(jù)。

城市綜合體；市域型；區(qū)域型；停車收費(fèi)調(diào)整；政策預(yù)評估

0 引言

城市綜合體是一種多功能、高密度的城市開發(fā)模式，近年來在中國進(jìn)入快速發(fā)展時(shí)期。在提高城市與商業(yè)活力的同時(shí)，綜合體往往是城市空間活動(dòng)出行最密集、最活躍的地方，由此帶來了交通高度集聚、停車?yán)щy等一系列問題[1]。于是，提高停車收費(fèi)標(biāo)準(zhǔn)、調(diào)整停車位配建標(biāo)準(zhǔn)[2-3]、引導(dǎo)小汽車出行向公共交通轉(zhuǎn)移等交通舉措紛紛推出。

在城市綜合體片區(qū)實(shí)施精細(xì)化、差異化的停車收費(fèi)政策，主要面臨兩個(gè)問題：

1）缺乏面向差異化停車收費(fèi)政策的城市綜合體分類方法?，F(xiàn)有研究多按開發(fā)性能或主要業(yè)態(tài)將綜合體分成辦公、商業(yè)、主題綜合體等類型[4]，也曾有學(xué)者按規(guī)模體量、地理區(qū)位等要素對綜合體進(jìn)行二元分類[5]。但這些分類方法均無法直接反映居民活動(dòng)出行特征，即使在同一業(yè)態(tài)、同一區(qū)位的城市綜合體中，居民活動(dòng)出行特征、停車行為及停車意愿都很可能表現(xiàn)出顯著的差異性，難以支撐區(qū)域差別化停車收費(fèi)政策的制定。

2）預(yù)測停車收費(fèi)政策對居民出行行為的影響及實(shí)際效益十分困難。停車收費(fèi)政策效果評估經(jīng)歷了由宏觀到微觀再到宏觀的過程。早期研究通過經(jīng)濟(jì)學(xué)原理、效益分析等方法建立停車收費(fèi)定價(jià)模型，試圖探討停車收費(fèi)定價(jià)與停車設(shè)施建設(shè)運(yùn)營成本、道路擁擠成本等宏觀指標(biāo)的關(guān)系[6-7]。這類定價(jià)模型的缺點(diǎn)是忽略居民的意愿偏好及對于停車收費(fèi)的容忍程度。后來，眾多學(xué)者以Logit模型為手段，從微觀層面探討停車費(fèi)用對居民出行行為、停車選擇行為的影響[8-9]，但此類非集計(jì)模型的應(yīng)用多是基于陳述性偏好的意愿調(diào)查(Stated Preference,SP)數(shù)據(jù)，不可避免地會產(chǎn)生伴隨假設(shè)意向數(shù)據(jù)誤差的預(yù)測誤差[10]。近年來，隨著差別化停車收費(fèi)政策在北京、深圳、寧波等城市的推行[11-12]，政策評價(jià)對象逐漸轉(zhuǎn)向片區(qū)停車位占有率、行程車速、商業(yè)活力、大氣環(huán)境等中、宏觀層面的指標(biāo)[13-14]。然而這些政策評價(jià)方法多針對城市集中建成區(qū)或中央商務(wù)區(qū)(CBD)，很難直接適用于城市綜合體片區(qū)的微觀尺度。因此，較難分析不同類型城市綜合體片區(qū)停車收費(fèi)調(diào)整、公共交通服務(wù)水平改善或其他外界要素變化對于城市綜合體居民行為改變的影響。

為有效分析不同類型城市綜合體所在片區(qū)的停車收費(fèi)政策效果，對深圳市2014—2016年路內(nèi)停車收費(fèi)政策進(jìn)行梳理：2014年7月，經(jīng)綜合評估并優(yōu)化路內(nèi)停車收費(fèi)政策后，選取原特區(qū)內(nèi)4個(gè)片區(qū)開展試點(diǎn)運(yùn)行；2015年1月，原特區(qū)范圍內(nèi)1.2萬個(gè)路內(nèi)停車位全面啟用；2015年7月，下調(diào)路內(nèi)停車收費(fèi)標(biāo)準(zhǔn)，并延長免費(fèi)停車時(shí)間[11]。2015年7月至今現(xiàn)有政策已實(shí)施一年多，如何把握停車收費(fèi)政策調(diào)價(jià)幅度和調(diào)價(jià)時(shí)機(jī)，使城市綜合體交通達(dá)到最佳狀態(tài)，成為亟須回答的問題。

本文基于居民活動(dòng)出行時(shí)空特征對城市綜合體進(jìn)行分類，以顯示偏好(Revealed Preference,RP)與陳述性偏好(SP)調(diào)查數(shù)據(jù)為基礎(chǔ)，構(gòu)建基于RP/SP數(shù)據(jù)融合的停車收費(fèi)政策預(yù)評估Logit模型，辨識停車收費(fèi)等政策調(diào)整對于不同類型城市綜合體的居民交通方式轉(zhuǎn)變的貢獻(xiàn)程度，旨在為不同類型城市綜合體精細(xì)化停車收費(fèi)政策調(diào)整提供依據(jù)。

1 研究思路與數(shù)據(jù)來源

1.1 研究思路

首先，以城市綜合體居民活動(dòng)出行調(diào)查為基礎(chǔ)，提取綜合體輻射范圍、居民出行距離等特征指標(biāo)，并通過K-Means聚類算法對所調(diào)研的綜合體進(jìn)行分類。然后，以小汽車和公共交通等不同方式的出行成本為切入點(diǎn)，構(gòu)建基于RP/SP數(shù)據(jù)融合的Logit行為選擇模型，分析停車收費(fèi)價(jià)格及公共交通服務(wù)水平等要素變化下，居民出行行為的轉(zhuǎn)變情況。最后，探討在不同類型的城市綜合體中，停車收費(fèi)政策對居民出行行為影響的差異性，從而給出差別化的停車收費(fèi)政策建議，包括政策實(shí)施的時(shí)機(jī)以及停車收費(fèi)價(jià)格調(diào)整幅度(見圖1)。

1.2 數(shù)據(jù)來源

選取深圳市12個(gè)城市綜合體(見圖2)，于2015年和2016年分別開展停車行為意愿調(diào)查。其中地王大廈、會展中心等綜合體以辦公為主，調(diào)查對象主要為通勤居民；萬象城、海岸城、益田假日廣場等綜合體以商業(yè)為主，調(diào)查對象主要為非通勤居民。問卷內(nèi)容分為個(gè)人社會經(jīng)濟(jì)屬性、出行及停車行為特征、停車意愿三部分，同時(shí)采用RP和SP調(diào)查方法。其中RP調(diào)查包括出行方式(是否駕車)、出行距離、停車支付費(fèi)用等內(nèi)容，SP調(diào)查主要包括居民對停車費(fèi)用和公共交通服務(wù)水平的敏感程度。

對于聚類、離散選擇模型等定量分析而言，當(dāng)樣本量達(dá)800～1 000個(gè)時(shí)，所有參數(shù)估算的變動(dòng)系數(shù)為0.1以下，即有95%的概率認(rèn)為參數(shù)估計(jì)的相對誤差在20%以內(nèi)[15]。因此，本研究以1 000作為樣本量基準(zhǔn)，共發(fā)放問卷1 300份，由調(diào)查員在選定的停車場庫及路內(nèi)停車區(qū)域發(fā)放問卷并當(dāng)場回收，其中有效問卷1 086份(駕駛?cè)?57份，非駕駛?cè)?29份)，有效問卷率83.5%。

2 城市綜合體分類及特征指標(biāo)分析

本文采用基于相似度的聚類算法，既考慮城市綜合體輻射范圍和公共交通系統(tǒng)服務(wù)水平，又考慮居民采用不同交通方式的出行距離，開展面向差別化停車政策的綜合體分類研究。

2.1 基于K-Means的綜合體分類方法

面向停車收費(fèi)政策的綜合體分類往往涉及一個(gè)片區(qū)，片區(qū)內(nèi)包含辦公、購物、餐飲、休閑娛樂等活動(dòng)。不同城市綜合體由于區(qū)位、發(fā)展階段及發(fā)展模式的差異，綜合體片區(qū)呈現(xiàn)不同的居民出行特征。利用KMeans聚類算法，依據(jù)綜合體吸引人群輻射范圍、居民出行距離及公共交通服務(wù)水平三類要素對深圳市原特區(qū)內(nèi)城市綜合體進(jìn)行分類。其中輻射范圍通過受訪人群出行起點(diǎn)所覆蓋的街道辦事處數(shù)量和跨行政區(qū)出行比例兩個(gè)變量表征；公共交通服務(wù)水平通過公共交通與小汽車門到門出行時(shí)耗比(以下簡稱“出行時(shí)耗比”)反映。

最終聚類中心將12個(gè)城市綜合體分成區(qū)域型和市域型兩大類(見表1)，其中會展中心、大梅沙奧特萊斯、科技園及南油信和廣場4個(gè)綜合體為市域型，而地王大廈、海岸城等8個(gè)綜合體為區(qū)域型(見圖3)。市域型城市綜合體的聚類中心相比區(qū)域型呈現(xiàn)輻射范圍更廣的特點(diǎn)，吸引人群的來源覆蓋更多街道辦事處(23個(gè))，跨行政區(qū)出行比例高達(dá)66.1%，同時(shí)具有更長的出行距離(14.9 km)。兩類城市綜合體的差異不僅僅體現(xiàn)在吸引范圍及對應(yīng)的活動(dòng)出行距離，而且公共交通服務(wù)水平也有明顯差異，市域型綜合體的出行時(shí)耗比僅為1.62，遠(yuǎn)低于區(qū)域型綜合體的1.93。已有研究表明，當(dāng)出行時(shí)耗比不大于1.5時(shí)，公共交通將對居民出行產(chǎn)生較高的吸引力[15]。市域型綜合體的出行時(shí)耗比顯然更接近這一水平，可見其公共交通服務(wù)較為完善。

圖2 調(diào)研城市綜合體點(diǎn)位分布Fig.2 Distribution of surveyed urban complexes

表1 城市綜合體類別劃分的最終聚類中心Tab.1 Estimated cluster center of urban complex classification

2.2 綜合體分類合理性檢驗(yàn)

盡管已經(jīng)通過K-Means算法對綜合體進(jìn)行聚類，但由于K-Means算法中K事先給定，在合理性方面存在一定質(zhì)疑。為檢驗(yàn)分類方法的合理性，采用t檢驗(yàn)法進(jìn)行驗(yàn)證。t檢驗(yàn)是用t分布理論來推論差異發(fā)生的概率，從而比較兩組樣本數(shù)據(jù)的差異是否顯著。由于居民出行距離與出行時(shí)耗比兩項(xiàng)指標(biāo)基本符合正態(tài)分布，因此可以對兩組數(shù)據(jù)進(jìn)行獨(dú)立樣本t檢驗(yàn)。檢驗(yàn)過程中做出以下兩個(gè)基本假設(shè)：H1，兩類綜合體的居民出行距離并無差異；H2，兩類綜合體的居民出行時(shí)耗比并無差異。結(jié)果顯示，出行距離和出行時(shí)耗比兩個(gè)指標(biāo)的檢驗(yàn)結(jié)果皆為顯著(見表2)，因此可以拒絕原假設(shè)H1和H2，即認(rèn)為市域型和區(qū)域型兩組綜合體數(shù)據(jù)之間確實(shí)存在顯著差異，通過K-Means算法對綜合體進(jìn)行聚類方法可行。

通過以上分析可知，要想處理好整數(shù)系向有理數(shù)系的擴(kuò)充，關(guān)鍵點(diǎn)在于“測量”與“除法”途徑下的分?jǐn)?shù)概念教學(xué).首先，在“測量”途徑的分?jǐn)?shù)概念教學(xué)中，最好利用度量類問題，使學(xué)生發(fā)現(xiàn)“測量”途徑產(chǎn)生分?jǐn)?shù)的真正目的是找到一數(shù)對另一數(shù)的度量值，這個(gè)過程是為有理數(shù)系的產(chǎn)生做鋪墊.其次，在“除法”途徑下的分?jǐn)?shù)概念教學(xué)中，應(yīng)注意如下兩方面內(nèi)容的教學(xué)：一方面，要強(qiáng)調(diào)乘法逆元是一個(gè)獨(dú)立的元素；另一方面，則需要在教學(xué)過程中體現(xiàn)分?jǐn)?shù)與整數(shù)可以在四則運(yùn)算中反復(fù)施行，即分?jǐn)?shù)與整數(shù)所構(gòu)成的集合對于四則運(yùn)算封閉.

2.3 不同類型綜合體特征指標(biāo)對比分析

對比兩類綜合體的出行距離累積頻率曲線(見圖4a)，發(fā)現(xiàn)區(qū)域型綜合體的出行距離較短，約50%為6～8 km，超過85%不大于20 km?？梢?，區(qū)域型綜合體的輻射范圍隨出行距離的增加衰減較快，6～8 km是區(qū)域型綜合體的強(qiáng)輻射范圍，20 km是區(qū)域型綜合體的輻射邊界。而市域型綜合體的出行距離較長，且在10 km，16 km，25 km等中長距離的圈層上出現(xiàn)微弱的波峰，出行距離50%及85%分位點(diǎn)分別長達(dá)12 km和26 km。

對比兩類綜合體的出行時(shí)耗比分布累積曲線(見圖4b)，發(fā)現(xiàn)市域型綜合體50%的居民能享受到出行時(shí)耗比小于1.6的公共交通服務(wù)，約15%的居民出行時(shí)耗比大于2.2。區(qū)域型綜合體中，僅約39%的居民出行時(shí)耗比小于1.6，約37%的居民出行時(shí)耗比大于2.0。通常，當(dāng)公共交通門到門出行時(shí)耗為小汽車出行時(shí)耗近2倍時(shí)，公共交通出行幾乎對所有乘客不具吸引力。

值得注意的是，區(qū)域型和市域型出行時(shí)耗比小于等于1.2的部分幾乎重合，即兩類綜合體中均有約20%的人群能享受到便捷的公共交通服務(wù)。這反映出區(qū)域型和市域型兩類綜合體在面向小范圍、中短距離出行時(shí)，公共交通均具有一定的競爭力，但區(qū)域型較為缺乏面向中長距離出行、快速、直達(dá)的公共交通服務(wù)。

圖3 城市綜合體受訪人群來源分布Fig.3 Distribution of surveyed travelers in urban complex

表2 市域型和區(qū)域型綜合體數(shù)據(jù)獨(dú)立樣本檢驗(yàn)結(jié)果Tab.2 Independent sample test results of metropolitan and regional urban complex

圖4 前往綜合體的居民活動(dòng)特征累積頻率曲線Fig.4 Cumulative frequency curve of the residents'activity characteristics in urban complex

3 城市綜合體中居民出行行為模型

3.1 Logit模型構(gòu)建

通常，城市綜合體的居民絕大部分對該綜合體較為熟悉。因此，在理性人假定條件下構(gòu)建二項(xiàng)Logit離散選擇模型，定量分析不同類型城市綜合體的停車收費(fèi)價(jià)格調(diào)整對出行方式選擇行為的影響程度。效用函數(shù)中除出行時(shí)耗和小汽車出行的停車收費(fèi)兩個(gè)關(guān)鍵項(xiàng)外，還加入綜合體類型、家庭收入、出行目的三個(gè)與出行行為選擇顯著相關(guān)的因素。假設(shè)效用函數(shù)的固定項(xiàng)與各解釋變量之間呈線性關(guān)系，則第n個(gè)居民選擇小汽車或公共交通出行的效用

式中：θk為第k個(gè)變量對應(yīng)的參數(shù)；In為第n個(gè)居民的家庭收入；TCn，TBn分別為選擇小汽車和公共交通出行所需出行時(shí)耗/min；Cn為停車支付費(fèi)用/元；εCn和εBn為第n個(gè)居民選擇小汽車和公共交通出行方式效用函數(shù)中的隨機(jī)項(xiàng)；Mn為出行目的，分為通勤與非通勤；Kn為反映綜合體類型的二元虛擬變量。

二項(xiàng)Logit模型為

式中：PCn和PBn分別為居民n選擇小汽車或公共交通出行的概率。

3.2 模型參數(shù)標(biāo)定與解釋

由于SP調(diào)查數(shù)據(jù)和受訪者最終發(fā)生的實(shí)際行為可能不一致，因此僅用SP數(shù)據(jù)對Logit模型參數(shù)進(jìn)行標(biāo)定容易出現(xiàn)偏差。為能同時(shí)反映居民的真實(shí)出行方式選擇及其在意愿調(diào)查過程中的思考權(quán)衡過程，本文利用SP和RP融合的調(diào)查數(shù)據(jù)，通過最大似然估計(jì)進(jìn)行回歸系數(shù)求解，模型標(biāo)定結(jié)果如表3所示。表3中ρˉ2為經(jīng)過自由度調(diào)整的優(yōu)度比，其值為0.29，表明模型精度較高。此外，從模型的參數(shù)標(biāo)定結(jié)果看，各解釋變量的顯著性檢驗(yàn)值均小于0.1，可認(rèn)為家庭收入、出行目的、出行時(shí)耗、停車支付費(fèi)用、城市綜合體類型等變量在90%的置信水平上對出行方式選擇結(jié)果均有顯著影響。出行目的的回歸參數(shù)為正，說明在非通勤活動(dòng)中居民更傾向于選擇小汽車出行。而停車支付費(fèi)用和公共交通出行時(shí)耗的系數(shù)均為負(fù)，表明停車費(fèi)用越高、公共交通服務(wù)水平越好，居民越容易放棄小汽車出行。另外，綜合體類型這一啞元變量的參數(shù)估計(jì)值為-0.31，表明在市域型綜合體中活動(dòng)的居民更傾向于選擇公共交通出行，對小汽車出行的依賴程度顯著低于區(qū)域型綜合體中的居民。

表3 Logit模型標(biāo)定結(jié)果Tab.3 Calibration results of binary Logit Model

表4 不同類型綜合體中不同活動(dòng)目的的停車行為特征Tab.4 Parking behaviors by travel purposes in different types of urban complex

4 停車政策效果評估

4.1 停車收費(fèi)價(jià)格對個(gè)人出行方式選擇的影響

調(diào)研的12個(gè)綜合體在現(xiàn)行停車收費(fèi)標(biāo)準(zhǔn)并無顯著差異情況下，市域型和區(qū)域型兩類綜合體不管是通勤還是非通勤出行，停車支付費(fèi)用和停車時(shí)長無顯著差異(見表4)。然而，兩類綜合體中居民對于停車收費(fèi)價(jià)格上漲的意愿和敏感性卻有顯著差異(見圖5)。

依據(jù)Logit模型測算居民選擇小汽車出行概率隨停車收費(fèi)價(jià)格上漲的變化情況，發(fā)現(xiàn)在不同類型的城市綜合體中概率變化曲線的趨勢十分相似，即隨著停車支付費(fèi)用上升，繼續(xù)選擇小汽車出行的概率逐漸降低(見圖5a)。但不同之處在于，市域型綜合體中居民出行對于停車收費(fèi)價(jià)格的上漲更為敏感；在相同的停車收費(fèi)價(jià)格條件下(例如15元)，市域型綜合體個(gè)人出行選擇小汽車的概率為62.9%，明顯低于區(qū)域型綜合體(86.1%)。在市域型和區(qū)域型兩類綜合體中，居民選擇小汽車出行的概率臨界值(P=0.5)所對應(yīng)的停車支付費(fèi)用分別為20元和31元，差異顯著。

對停車收費(fèi)價(jià)格進(jìn)行敏感性分析，發(fā)現(xiàn)兩類綜合體的敏感分析結(jié)果均呈拋物線形態(tài)，即隨著停車收費(fèi)價(jià)格提高，居民對價(jià)格變化的敏感性逐漸增加，達(dá)到峰值后又逐漸降低(見圖5b)。市域型與區(qū)域型綜合體相比，敏感性曲線峰值靠左。在市域型綜合體中，當(dāng)停車收費(fèi)水平達(dá)到通勤出行約24.3元·次-1，非通勤出行17.4元·次-1(不考慮停車時(shí)長)，即在現(xiàn)狀水平上提升約30%，居民的敏感程度將達(dá)到最大值，選擇小汽車的概率迅速下降；而區(qū)域型綜合體若想達(dá)到相同效果，則需要將每次通勤及非通勤出行的停車收費(fèi)分別提升至34元和24元，政策才能發(fā)揮有效作用。

公共交通服務(wù)水平的差異對兩類綜合體在停車費(fèi)用敏感性上所體現(xiàn)的差異起重要作用。市域型綜合體公共交通服務(wù)較為完善，與小汽車出行相比具備一定的競爭力，當(dāng)小汽車出行成本增加時(shí)，居民出行方式能更為容易地從小汽車向公共交通轉(zhuǎn)移。而區(qū)域型綜合體由于缺乏有吸引力的公共交通作為替代出行方式，居民對于停車收費(fèi)價(jià)格的上漲較不敏感。

4.2 差別化停車收費(fèi)政策預(yù)評估

基于二項(xiàng)Logit模型，分別預(yù)測區(qū)域型和市域型綜合體不同停車收費(fèi)價(jià)格上漲幅度及公共交通服務(wù)水平變化場景下的政策效果。對于每類城市綜合體分別設(shè)置兩個(gè)場景：1)在現(xiàn)狀公共交通服務(wù)水平下提升停車收費(fèi)價(jià)格；2)公共交通改善策略與停車收費(fèi)政策同時(shí)實(shí)施(見表5)。平均出行時(shí)耗比1.70和1.50是居民出行感知的兩個(gè)重要臨界值[16]，因此將其分別作為區(qū)域型和市域型綜合體公共交通服務(wù)改善的場景目標(biāo)。

市域型綜合體由于已經(jīng)具備較為完善的公共交通服務(wù)，因此場景一相比場景二效果更明顯(見圖6黑實(shí)線和黑虛線)。即居民對停車費(fèi)用上漲更為敏感，當(dāng)停車費(fèi)用在當(dāng)前基礎(chǔ)上增加30%，放棄使用小汽車的居民比例迅速上升至約20%。當(dāng)停車費(fèi)用持續(xù)增加至50%，放棄使用小汽車的居民比例增長幅度明顯，可以認(rèn)為這一幅度是當(dāng)前市域型綜合體居民最為敏感的價(jià)格增長區(qū)間，停車收費(fèi)政策經(jīng)濟(jì)杠桿效果良好。而市域型綜合體改善公共交通服務(wù)水平的效果卻十分有限。假設(shè)維持當(dāng)前公共交通服務(wù)水平，平均出行時(shí)耗比為1.62，將停車費(fèi)用增加50%，預(yù)計(jì)將有33%的居民選擇放棄小汽車出行；若將公共交通服務(wù)水平改善至1.50，同樣實(shí)現(xiàn)33%的人群選擇放棄開車目標(biāo)，停車費(fèi)用需上漲47%，與直接提高停車費(fèi)用相比僅差3個(gè)百分點(diǎn)。這反映出市域型綜合體現(xiàn)階段實(shí)施改善公共交通服務(wù)水平策略對于小汽車使用者出行行為轉(zhuǎn)變的貢獻(xiàn)度小于直接實(shí)施停車收費(fèi)價(jià)格上漲政策。

圖5 小汽車出行概率隨停車收費(fèi)價(jià)格上漲的變化情況Fig.5 Change of driving probability when increasing parking fee

表5 政策實(shí)施場景及預(yù)評估內(nèi)容Tab.5 Policy implementation scenarios and pre-evaluation contents

對于區(qū)域型綜合體而言，場景四相比場景三效果更明顯(見圖6紅實(shí)線和紅虛線)。即現(xiàn)狀公共交通服務(wù)水平下，停車費(fèi)用增加30%，預(yù)計(jì)僅有約6%的居民會選擇放棄小汽車出行，可見直接提升停車收費(fèi)價(jià)格收效甚微。但是，若先提升公共交通服務(wù)水平，使平均出行時(shí)耗比從現(xiàn)狀1.93降低至1.70，方式選擇預(yù)測曲線將出現(xiàn)截距，即在當(dāng)前的停車收費(fèi)水平下也會有約8%的小汽車居民放棄小汽車出行，此效果甚至好于直接將停車費(fèi)用增加30%。此外，面對相同的停車收費(fèi)價(jià)格上漲幅度，公共交通服務(wù)改善后放棄小汽車出行的居民比例將顯著增加。例如在當(dāng)前公共交通服務(wù)水平下(1.93)將停車費(fèi)用增加50%，預(yù)計(jì)將有20%的人群選擇放棄小汽車出行；若將公共交通服務(wù)水平改善至1.70，同樣實(shí)現(xiàn)20%的人群選擇放棄小汽車出行的目標(biāo)，停車費(fèi)用僅需在當(dāng)前基礎(chǔ)上增加39%。由此說明區(qū)域型綜合體首先實(shí)施改善公共交通服務(wù)水平策略對小汽車居民出行行為轉(zhuǎn)變的貢獻(xiàn)度要大于現(xiàn)階段直接實(shí)施停車收費(fèi)價(jià)格上漲政策。

4.3 政策建議

對于市域型綜合體，近期應(yīng)先將停車收費(fèi)持續(xù)上調(diào)作為核心政策，停車收費(fèi)價(jià)格上漲幅度建議控制在現(xiàn)狀水平的30%～50%，通過宣傳手段給出停車收費(fèi)會持續(xù)上漲的預(yù)期。然后再推出提升公共交通服務(wù)水平舉措，以鞏固停車收費(fèi)政策效果。

對于區(qū)域型綜合體，近期應(yīng)先提升公共交通服務(wù)水平，推出相關(guān)舉措，目標(biāo)是使平均出行時(shí)耗比降至1.70。之后再啟動(dòng)停車收費(fèi)價(jià)格調(diào)整政策，停車收費(fèi)在現(xiàn)狀基礎(chǔ)上提升35%～60%時(shí)，放棄小汽車出行的居民比例增長幅度明顯，因此停車收費(fèi)水平漲幅建議控制在該區(qū)間。

值得注意的是，若兩類綜合體的停車收費(fèi)在現(xiàn)狀基礎(chǔ)上持續(xù)上漲至80%～100%，放棄小汽車出行的居民增加速度將放緩而漸趨平穩(wěn)，最終放棄小汽車出行的居民比例將穩(wěn)定在約40%，不再增加。這應(yīng)該是現(xiàn)階段實(shí)施停車收費(fèi)價(jià)格上漲政策對出行方式選擇影響程度所能達(dá)到的上限，因?yàn)榫用裰惺冀K存在一部分小汽車出行的忠誠用戶，他們并不會因?yàn)橥＼囀召M(fèi)價(jià)格上漲而輕易放棄小汽車出行；另一方面，當(dāng)城市綜合體片區(qū)停車收費(fèi)價(jià)格上漲幅度過高時(shí)，一部分小汽車居民會放棄該片區(qū)而選擇到其他綜合體片區(qū)進(jìn)行活動(dòng)、消費(fèi)。

圖6 四種場景下隨停車收費(fèi)價(jià)格上漲選擇放棄小汽車出行的居民比例Fig.6 Proportion of residents which will abundant self-driving when increasing parking fee under four scenarios

5 結(jié)語

本文提出一種基于居民出行特征及公共交通服務(wù)水平的城市綜合體分類方法，并通過Logit模型評價(jià)停車收費(fèi)政策在不同類型綜合體中產(chǎn)生的差異性效果。該評價(jià)方法利用RP/SP融合數(shù)據(jù)進(jìn)行參數(shù)估計(jì)，一方面減小了意愿調(diào)查產(chǎn)生的偏差，另一方面綜合考慮了停車收費(fèi)政策和公共交通服務(wù)水平的關(guān)聯(lián)性，能有效分析停車收費(fèi)價(jià)格上漲幅度和公共交通服務(wù)水平改善對城市綜合體居民方式選擇行為影響的貢獻(xiàn)程度。后續(xù)研究將持續(xù)采集不同城市綜合體停車行為調(diào)查數(shù)據(jù)，跟蹤驗(yàn)證本文建立模型的有效性，同時(shí)針對不同城市數(shù)據(jù)分別建立行為分析模型，開展模型適用性分析，為城市綜合體差別化停車收費(fèi)政策制定提供參考依據(jù)。

[1]張肖峰，路啟，董靜，張壯，張雅婷.大城市商業(yè)綜合體交通策略研究：以天津市為例[J].城市交通，2015，13(6)：53-60.Zhang Xiaofeng,Lu Qi,Dong Jing,Zhang Zhuang,Zhang Yating.Transportation Strategies for Commercial Complex in Large Metropolitans:A Case Study in Tianjin[J].Urban Transport of China,2015,13(6):53-60.

[2]陸洋，呂國林.深圳市路內(nèi)停車收費(fèi)管理創(chuàng)新與實(shí)踐[J].城市交通，2016，14(4)：26-29，25.Lu Yang,Lyu Guolin.On-Street Parking Managementin Shenzhen:Innovation &Practice[J].Urban Transport of China,2016,14(4):26-29,25.

[3]樓齊峰，馬曉龍，葉盈，梅振宇.基于出行成本的停車收費(fèi)和供給政策影響分析[J].浙江大學(xué)學(xué)報(bào)(工學(xué)版)，2016，50(2)：257-264.Lou Qifeng,Ma Xiaolong,Ye Ying,Mei Zhenyu.Combined Impact of Parking Charge and Supply Policy Based on Travel Cost[J].Journal of Zhejiang University(Engineering Science),2016,50(2):257-264.

[4]王波，畢恩貴，孫超，張?jiān)讫?基于城市綜合體開發(fā)的交通供給模式解析[DB/CD]北京：中國城市規(guī)劃學(xué)會城市交通規(guī)劃學(xué)術(shù)委員會，2012.

[5]張永奇.城市綜合體概念的“二元分類法”及其特征比較[J].城市建設(shè)理論研究：電子版，2015(1)：1-7.

[6]吳濤，晏克非.停車需求管理的機(jī)理研究[J].城市規(guī)劃，2002，26(10)：85-88.Wu Tao,Yan Kefei.The Mechanism Study on the Parking Demand Management[J].City Planning Review,2002,26(10):85-88.

[7]安實(shí)，馬天超，尹縉瑞.我國城市停車收費(fèi)定價(jià)模型研究[J].哈爾濱工業(yè)大學(xué)學(xué)報(bào)，2000，32(2)：65-69.An Shi,Ma Tianchao,Yin Jinrui.Parking Fee Pricing Model for Urban Cities in China[J].Journal of Harbin Institute of Technology,2000,32(2):65-69.

[8]秦?zé)?，關(guān)宏志，殷煥煥.停車收費(fèi)價(jià)格對居民出行方式選擇行為的影響研究：以北京市居民小汽車、公交、出租車選擇行為為例[J].土木工程學(xué)報(bào)，2008，41(8)：93-98.Qin Huanmei,Guan Hongzhi,Yin Huanhuan.A Study of the Effect of Parking Price on the Mode of Inhabitant Trip Behavior with the Cars,Public Transit and Taxi in Beijing as an Example[J].China Civil Engineering Journal,2008,41(8):93-98.

[9]殷煥煥，關(guān)宏志，秦?zé)溃R佳，張鑫.北京市居住區(qū)停車收費(fèi)價(jià)格研究[J].城市交通，2011，9(3)：78-81.Yin Huanhuan,Guan Hongzhi,Qin Huanmei,QiJia,Zhang Xin.Parking Pricing of Residential Communities in Beijing[J].Urban Transport of China,2011,9(3):78-81.

[10]劉志明，鄧衛(wèi)，郭唐儀.基于RP/SP調(diào)查的非集計(jì)模型在交通方式分擔(dān)率預(yù)測的應(yīng)用[J].交通運(yùn)輸工程與信息學(xué)報(bào)，2008，6(3)：59-64.Liu Zhiming,DengWei,GuoTangyi.Application of Disaggregate Model Based on RP/SP Survey to Transportation Planning[J].Journal of Transportation Engineering and Information,2008,6(3):59-64.

[11]呂國林，孫正安.深圳市停車收費(fèi)調(diào)整探索[J].城市交通，2014，12(1)：12-17.Lyu Guolin,Sun Zheng'an.Parking Charge Adjustment in Shenzhen[J].Urban Transport of China,2014,12(1):12-17.

[12]於昊，楊濤，劉小明，錢林波.北京市停車分區(qū)與差別化政策研究[J].現(xiàn)代城市研究，2006(10)：66-71.Yu Hao,Yang Tao,Liu Xiaoming,Qian Linbo.The Parking Zoning and Differential Policy in Beijing,China[J].Modern Urban Research,2006(10):66-71.

[13]林濤，呂國林，田鋒，陸洋.深圳市試點(diǎn)片區(qū)路內(nèi)停車收費(fèi)政策評估[J].城市交通，2016，14(4)：30-39.Lin Tao,Lyu Guolin,Tian Feng,Lu Yang.A Pilot Study of On-Street Parking Charge in Shenzen[J].Urban Transport of China,2016,14(4):30-39.

[14]王健，洪麟琳，何建平.基于可變泊位容量的停車收費(fèi)定價(jià)模型研究[J].武漢理工大學(xué)學(xué)報(bào)(交通科學(xué)與工程版)，2013，37(3)：517-520.Wang Jian,HongLinlin,HeJianping.Research on Parking Price Model Based on Variable Parking Capacity[J].Journalof Wuhan University of Technology(Transportation Science&Engineering),2013,37(3):517-520.

[15]關(guān)宏志.非集計(jì)模型：交通行為分析的工具[M].北京：人民交通出版社，2004.Guan Hongzhi.Disaggregate Model:A Tool of Traffic Behavior Analysis[M].Beijing:China Communication Press,2004.

[16]陳學(xué)武，王妤岌.需求導(dǎo)向的城市公共交通發(fā)展策略研究[C]//中國城市規(guī)劃學(xué)會城市交通規(guī)劃學(xué)術(shù)委員會.交通變革：多元與融合——2016年中國城市交通規(guī)劃年會論文集.北京：中國建筑工業(yè)出版社，2016：15.

Pre-Evaluation of Parking Charge Policy Based on the Classification of Urban Complex

Wu Jiaorong,Zhu Qizheng,Lin Ziyang
(Key Laboratory of Road and Traffic Engineering of Ministry of Education,Tongji University,Shanghai 201804,China)

In order to evaluate the effect of parking charge policy in different types of urban complex,this paper categorizes the surveyed urban complexes into two types:metropolitan and regional,based on impact range,travel distance,and level of service of public transit using K-Means clustering algorithm.Compared with regional complex,metropolitan complexes have larger impact range,longer travel distance and higher level of service of public transit.This paper develops a traveler behavior choice model for urban complex,using SP/RP survey data for model calibration so as to eliminate the deviations caused by survey bias.Considering the relationship between parking charge policy and level of service of public transit,the model can effectively describe the contributions of increasing parking fee and improving level of service of public transit to travel choice behavior.The findings are expected to be reference of differentiating parking charge policy by areas.

urban complex;metropolitan;regional;parking charge policy;pre-evaluation

2016-12-23

國家自然科學(xué)基金項(xiàng)目“基于城市綜合體復(fù)合度的交通需求預(yù)測方法”(51278363)

吳嬌蓉(1973—)，女，上海人，博士，教授，博士生導(dǎo)師，主要研究方向：交通運(yùn)輸規(guī)劃與管理。E-mail:wjrshtj@163.com