停車需求研究的回顧與展望

李盼道,穆克松

(德州學院 歷史與社會管理學院，山東 德州 253023)

一、引言

隨著我國國民經(jīng)濟的快速增長,人民收入水平逐步提高,道路基礎設施建設飛速發(fā)展,人們?yōu)榱诉M一步提高出行的可達性、舒適度和便捷性,購車熱情急劇升溫,汽車保有量急劇增加。汽車保有量的急劇增加又加劇了對交通路網(wǎng)和停車設施的需求,使這種需求陷入當斯悖論,即供給越大,需求越大,供給永遠不能滿足需求。目前,我國汽車保有量增長迅速,2016年底我國汽車保有量達到 1.95億輛,汽車保有量超過200萬輛的城市有18個。

世界各國都曾經(jīng)歷停車難的問題。我國作為發(fā)展中國家,汽車工業(yè)起步晚,停車問題出現(xiàn)的也相對較晚。人們并沒有意識到停車問題的嚴重性,因此有關停車問題的研究起步比較晚。為了有效解決停車問題,跳出當斯悖論,有必要對停車問題進行深入探討、梳理和總結國內外關于停車問題的研究成果,尋求解決停車問題的基本辦法和根本途徑。目前解決停車問題的基本思路如圖1所示。解決停車問題要做好兩個方面的工作,一方面是抑制停車需求,另一方面是增加停車供給。增加停車供給,并不意味著供給越多越好,而是應該以滿足停車需求為限,實現(xiàn)供求動態(tài)均衡，避免資源浪費。美國公共政策與公共行政管理學者安東尼·當斯(Anthony Downs)指出:“在政府對城市交通不進行有效管制和控制的情況下,新建的道路設施會誘發(fā)新的交通量,而交通需求總是傾向于超過交通供給?！币虼艘胗行Ч┙o,必須準確預測需求,準確預測需求非常重要。

圖1　解決停車問題的基本思路

二、停車需求研究回顧

對于停車問題的研究,國內外學者主要集中于以下領域：停車設施屬性研究、停車需求研究、停車規(guī)劃研究、停車管理與定價研究、停車產(chǎn)業(yè)化研究等。本文主要圍繞停車需求展開研究。

(一)國外研究回顧

國外對停車問題的研究起步較早。美國曾對多個不同城市進行過大規(guī)模的停車調查和研究并取得了很大成就。在這一方面首推美國停車管理協(xié)會,其于1956年對美國國內67個城市開展了城市停車需求方面的深入調查,并根據(jù)調查所獲得的相關數(shù)據(jù),導出了停車特性與城市規(guī)模之間所存在的相關關系,并以《城市停車指南》作為本次調查的研究成果,公之于世。20世紀60年代初,該協(xié)會又對城市中心商業(yè)區(qū)進行了停車需求方面的研究,并以《城市中心區(qū)停車》作為本次研究的最終成果[1]。

在停車需求研究方面,Javid通過預測乘客數(shù)、職工數(shù)及高峰小時的客流量等因素,用集計的停車生成率模型對停車需求進行預測,從而對鹽湖城國際機場的停車設施規(guī)模進行了規(guī)劃[2];日本學者飯?zhí)锕Ь词褂梅羌嬆Ｐ?即基于出行者個人選擇行為的概率模型,預測停車需求[3]。在停車管理方面,20世紀80年代美國停車政策從以供給管理為主向以需求管理為主的方向轉變,目的在于規(guī)避停車供求領域的當斯悖論,適當增加停車供給,嚴格控制停車需求,以此緩解停車需求膨脹的問題。這一方面的代表首推美國的Scull,其在研究小城鎮(zhèn)的停車問題時,認為既應增加停車供給,更應控制停車需求,但因資金問題的約束,應以停車需求管理為主,停車供給管理為輔,嚴格控制停車需求[4]。20世紀90年代以來,英國運輸部也曾多次對停車和交通需求進行研究,開發(fā)了交通限制分析模型,以模擬停車需求控制政策和其他交通限制政策對停車需求的影響,并將此模型實際應用于Bristol市的停車需求預測。在這一時期,學者們還研究了公交使用與停車需求之間的關系,Morrall和Bolger,通過對美國和加拿大若干城市商業(yè)區(qū)的調查收集數(shù)據(jù),利用既有的相關數(shù)據(jù),擬合了有關公共交通與停車需求相關性的三個模型,其結論認為,選擇使用公共交通通勤的比例與停車位需求數(shù)量存在顯著的負向統(tǒng)計相關關系[5]。

(二)國內研究回顧

在停車需求預測方面,我國學者研究和使用最早的模型當屬停車生成率模型。晏克非在這一方面的成就主要集中于兩個方面,其一是基于土地利用的靜態(tài)交通發(fā)生率模型,其二是基于車輛出行的線性相關模型,用于停車需求預測的實踐活動[6];陳峻以影響停車需求的因素為基礎,提出靜態(tài)交通發(fā)生率模型,并給出了具體求解方法[7];關宏志所作出的理論貢獻集中體現(xiàn)于停車需求——供應預測模型,根據(jù)該模型預測停車需求數(shù)量,并進而直接預測應建停車位數(shù)量[8]。以上研究成果均為建立在停車生成率基礎上的模型，屬于集計模型。之后安實、陸化普、關宏志引入非集計模型,進行停車需求預測。張獻峰、楊廣威、龍東華等在結合停車需求特點分析了停車需求影響因素的基礎上,提出了基于主成分分析的BP神經(jīng)網(wǎng)絡停車需求預測模型。

在停車供給規(guī)劃方面,主要體現(xiàn)在具體的城市停車設施規(guī)劃方面。何政軍建立了停車分布的最大熵模型[9],該模型的根本目的在于保證停車設施的分布與路網(wǎng)系統(tǒng)分布的均衡和協(xié)調;邱原明根據(jù)自己的實踐經(jīng)歷和理論基礎構建了多目標加權選址模型,實現(xiàn)多目標歸于單目標,并將該模型付諸臺北市的停車布局規(guī)劃之中[10];東南大學的陳峻教授在前人研究的基礎上,提出了多目標規(guī)劃模型,應用此模型進行了實際的停車需求預測,并證明此模型的可行性[11];張錦提出根據(jù)各個交通分區(qū)的規(guī)劃用地情況和未來發(fā)展規(guī)劃,制定不同的停車配建指標,提出類型生成率模型,針對不同類型區(qū)域的停車場配置進行分類規(guī)劃及供給規(guī)模的確定[12]；成峰提出,停車規(guī)劃和供給應同時兼顧停車供給與停車需求、停車供給與路網(wǎng)容量之間的關系,實現(xiàn)供求平衡和供容平衡,并深入探討了城市中心區(qū)停車設施的最佳供給問題[13]；殷兆進提出,應根據(jù)不同城市的不同布局狀態(tài),實施各不相同的停車布局規(guī)劃,其所指的規(guī)劃狀態(tài)主要包括城市的帶狀中心、塊狀中心、立體式中心、混合式中心等[14];詹曉蘭分析了停車設施的供給與需求及與路網(wǎng)容量之間的關系,并提出停車設施供給應與路網(wǎng)容量之間保持一定的平衡和協(xié)調關系[15]。

在停車管理方面,包括供給管理和需求管理兩個方面。在停車供給管理方面,主要提倡公私部門的合作伙伴關系,即PPP模式。晏克非就提倡實現(xiàn)停車資源供給的PPP模式,建議停車供給應引入民間資本,實現(xiàn)停車設施融資的多元化,停車設施建設的市場化和基金化[16],劉雪蓮也持類似觀點。在停車需求管理方面,吳濤運用經(jīng)濟學的基本原理分析了停車政策對出行方式選擇及停車需求的影響[17],建議通過停車收費、不同類型停車場實行分類收費等引導停車資源合理配置,有效緩解交通壓力。

三、停車需求預測模型研究回顧

任福田、劉小明、榮建等依據(jù)不同的研究目的,將停車需求預測模型歸結為以下三大類,即以土地利用與停車設施之間關系為基礎的模型、以停車需求與出行關系為核心的出行吸引模型、以相關分析法為核心的多元回歸分析預測模型。龍華東將該分類進一步細化[18],詳細分類如圖2所示。

圖2　現(xiàn)有停車需求主要預測模型分類圖

(一)以土地利用與停車設施之間關系為基礎的模型

此類模型主要描述土地利用與停車生成率之間的關系。由于土地的用途和開發(fā)程度不同,因此前往這些不同用途和開發(fā)程度不同的區(qū)域的交通出行程度也就不同,產(chǎn)生的停車需求也就不同。有關土地利用與停車需求之間關系的模型可以歸結為三類。

1.停車生成率模型

停車生成率反映了土地利用性質與停車需求之間的決定關系,是指單位土地開發(fā)和利用所產(chǎn)生的交通流量,進而所產(chǎn)生的停車需求量,不同類型的土地所引致的停車需求量的總和即為停車需求總量。

美國最早將停車生成率模型付諸交通規(guī)劃、城市規(guī)劃、停車政策等領域。1965年,美國城市土地委員會(the Urban Land Institute)利用停車生成率模型,探討了停車需求影響因素對停車生成率的影響,并估計了影響參數(shù)的大小和顯著性。1982年又進行了一次研究,重估了停車生成率的各個回歸參數(shù)[19]。1983年,Irving，Orange County和Ontario等三個城市根據(jù)停車生成率模型進行了停車需求預測,并修正了各自的停車生成率[20]。該模型產(chǎn)還多次被石金霞[21]、孫吉瑞[22]、程鐵信[23]、吳德華[24]等學者在研究中引用。除了上述文獻外,還有一些文獻也引用或給出了停車生成率模型的表達式[25],此模型為式(1)：

(1)

式中,Pd表示第d年高峰時間停車需求量(泊位數(shù));Rdj表示第d年第j類用地單位停車;Ldj表示第d年第j類土地開發(fā)數(shù)量,其單位為土地面積。

停車生成率模型以其簡便可行而受到普遍重視,其在計算公共建筑配建停車泊位時應用廣泛。為了使該模型更加具有可操作性,通常根據(jù)用地性質首先估計和給定單位建筑面積所需的停車泊位數(shù),即停車生成率,以此進一步計算停車需求。具體如式(2)所示：

(2)

2.用地與交通影響分析模型

該模型是對停車生成率模型的改進,是描述停車生成與用地性質之間存在的相互關系，用機動車保有量和土地利用程度這兩個變量來解釋和預測停車需求量。模型中兩個重要變量數(shù)值即機動車保有量和土地利用程度,均通過相關調查來實現(xiàn),即機動車保有量通過停車特征調查來實現(xiàn),土地利用程度則通過土地利用性質調查來實現(xiàn)。根據(jù)土地利用性質確定停車需求特征函數(shù),依據(jù)機動車保有量確定高峰期交通影響函數(shù),依據(jù)城市規(guī)劃的用地特性預測高峰期停車需求量[26-28]。此模型如式(3)所示:

P(t)=f(xi)·f(γq) .

(3)

函數(shù)中,xi代表i區(qū)域的土地使用規(guī)模,以不同類型的土地使用面積表示;γq代表土地使用區(qū)內交通量的年均增長率;f(xi)代表停車需求的地區(qū)特征函數(shù);f(γq)代表日停車需求的交通影響函數(shù);P(t)代表土地使用區(qū)內某t年度的日停車需求量。

(1)地區(qū)特征函數(shù)f(xi)，如式(4)所示：

(4)

上式也可以用于以從業(yè)人員數(shù)來預測停車需求,如式(5)所示：

(5)

(2)交通影響函數(shù)f(γq)，如式(6)所示：

f(γq)=(1+γq)t·k.

(6)

其中,γq代表路網(wǎng)流量的年平均增長率;t代表規(guī)劃年限;k代表停車率波動的修正系數(shù)。

若計算f(γq),必先計算γq,而計算γq,則必先計算路網(wǎng)流量qn.路網(wǎng)流量是以各路段里程為權重,各路段交通量的加權平均數(shù),具體見式(7)：

(7)

依據(jù)以往路網(wǎng)交通量數(shù)據(jù),可以得到路網(wǎng)流量增長率γq，路網(wǎng)流量增長率γq除了受機動車保有量增長率的影響外,還受到路網(wǎng)流量增長彈性系數(shù)Er的影響。如果假定路網(wǎng)流量彈性系數(shù)長期不變,恒為常數(shù),則可依據(jù)國家計劃的機動車保有量年增長率計算出路網(wǎng)流量的年增長率，如式(8)所示：

(8)

其中,γq代表路網(wǎng)流量的年增長率;vq代表機動車保有量的年增長率;Er代表路網(wǎng)流量增長彈性系數(shù)。

(3)對城市中心區(qū)機動車停車需求總量進行預測，綜合上述說明和推導,以及f(xi)和f(γq),可以推導出更具操作性的日停車需求預測模型,具體為式(9)和(10):

P(t)=f(xi)·f(γq)

(9)

或P(t)=f(xi)·f(γq)

(10)

由于該模型同時兼顧土地利用與交通流量兩種因素,并在停車生成率模型的基礎上進行了適當擴展,其分析和預測更符合現(xiàn)實情況。

3.商業(yè)用地停車需求模型

該模型由美國的H. S. Levinson提出,并將此模型應用于New Haven城區(qū)的停車需求預測[29]。此模型綜合考慮了用地性質與雇員人數(shù)兩個因素,其應用目的在于為商業(yè)區(qū)的停車規(guī)劃提供參考。此模型將停車需求區(qū)分為長時停車需求和短時停車需求,上班出行引致長時停車需求,商業(yè)活動引致短時停車需求。很多國內文獻也都重述過該模型,其表達式如式(11):

(11)

其中,AL代表長時停車累計數(shù)量;AS代表短時停車累計數(shù)量;ei代表i區(qū)雇員人數(shù);ej代表j區(qū)雇員人數(shù);Fi代表i區(qū)商業(yè)區(qū)建筑面積;Fj代表j區(qū)商業(yè)區(qū)建筑面積;J代表商業(yè)區(qū)數(shù)量。Pi代表i區(qū)高峰停車需求。該模型所需數(shù)據(jù)可得性強,通過相關調查即可獲得,適用于用地單一的商業(yè)區(qū)停車需求預測。

4.靜態(tài)交通發(fā)生率模型

該模型主要描述了停車需求受到土地特性以及工作崗位影響的關系[30],如式(12)所示：

(12)

其中,Lij代表j區(qū)i類用地工作崗位數(shù);ai代表i類用地停車發(fā)生率;Pj代表j區(qū)日停車需求量。

5.停車需求——供應模型

該模型引入了價格因素、服務水平對停車需求的影響,同時還考慮了周轉率和利用率的折減,具體如式(13)[31]:

(13)

其中,aij代表i區(qū)j類性質單位用地面積停車需求數(shù)量;Rij代表i區(qū)j類性質用地面積;ρ表示高峰時間周轉率(當ρ<1,取1);γ表示高峰時間利用率;μ表示價格因素的影響率;σ表示服務水平的影響率;yi表示第i區(qū)高峰時間停車需求量。

6.基于區(qū)位分析和誘增流量的停車需求預測模型

該模型以大型交易中心為研究對象和預測對象,同時考慮了兩個因素,即區(qū)位因素及由于區(qū)位因素所誘增的交通流量因素,同時考慮了這兩種因素的停車需求預測模型,見式(14)[32]：

(14)

式中,P代表欲預測的交易中心的停車需求;d代表交易日所產(chǎn)生的交通吸引系數(shù);Ci代表i類性質用地的規(guī)模;Mi代表i類性質用地對機動車的吸引系數(shù);L代表由于區(qū)域位置所產(chǎn)生的區(qū)位影響系數(shù);Ri代表i類用地性質所誘致的停車比率;d′代表交易日所誘致的周圍地區(qū)交通變化系數(shù);q′代表交易日所導致的交通流量的增加;R′代表交易日所導致的交通流量的增量中停車所占的比率。

7.交通量——停車需求模型

某地區(qū)社會經(jīng)濟活動程度的強弱集中體現(xiàn)在地區(qū)對車輛出行吸引的強弱,可以這樣認為，某地區(qū)對行駛車輛的吸引力的增強,常常會誘發(fā)該地區(qū)交通流量的增加,以及停車需求的增加。出行吸引模型的建立有賴于綜合交通調查所獲取的數(shù)據(jù)。根據(jù)各中心商務區(qū)的停車吸引量和各交通小區(qū)的車輛出行分布建立模型,并以該模型為基礎計算中心商務區(qū)的停車車次,以及每一停車車次所需的停車泊位數(shù),最后計算出各交通分區(qū)停車需求量。該模型可表示為式(15):

lgPj=A+BlgVj.

(15)

式中,Pj表示第j分區(qū)高峰小時停車需求量(標準車車次);Vj表示第j分區(qū)高峰小時交通流量;A,B表示回歸系數(shù)。

(二)以停車需求與出行關系為核心的出行吸引模型

1.出行吸引模型

該模型反映了出行吸引量對停車需求的影響。用于預測土地利用名目較多地區(qū)的停車需求[33-34]。模型可表達為:

Pi=(Ai+Bi+Ci+Di+Ei)×α.

(16)

式中,Pi表示i小區(qū)全日停車需求量;Ai、Bi、Ci、Di、Ei分別表示i小區(qū)全日大客車、小客車、出租車、大貨車、小貨車吸引量;α表示機動車平均停車率。

2.基于G-Logit 的停車需求預測模型

該模型以隨機效用理論為基礎,綜合運用多元回歸、非線性最小二乘法等對模型進行擬合和求解。安實等在文獻中給出的模型公式如下[35]:

P=∑δi×Pi.

(17)

式中,P代表全部機動車的需求總量;Pi代表i類機動車的需求總量;δi代表i類車輛泊位折合成標準小汽車泊位的數(shù)量,也可以將其稱為折算系數(shù);Vi代表實際效用函數(shù);b代表影響出行效用的影響因素所構成的向量;αm代表m類交通方式的參數(shù)。

3.基于Box-Cox Dogit的停車需求預測模型

該模型也是以隨機效用理論為基礎的停車需求預測模型。易武等在文獻中給出的模型表達式如下[36]:

P=∑δi×Pi.

(18)

(19)

式中,P代表停車需求總量;Pi代表i類機動車的停車需求總量;pi代表選擇i類機動車出行的概率,其中∑pi=1;δi代表i類機動車折合成標準小汽車泊位的數(shù)量,也可以將其稱為換算系數(shù);λi代表i類機動車導致的停車需求的比率;ξi代表能影響停車需求但不能影響i類機動車出行的其他變量;Qj代表j個交通小區(qū)的交通流量;J代表交通小區(qū)的個數(shù)。

4.非集計模型

非集計模型(Disaggregate Model)也稱為個人選擇模型(Individual Choice Model)或離散選擇模型(Discrete Choice Model),廣泛用于研究行為方式的選擇，該模型也可以用于預測出行方式的選擇。預測交通方式選擇的方法有兩種,一種是集計模型,另一種則是非集計模型。集計模型以交通小區(qū)為分析單位,諸如上述的生成率模型等;非集計模型以個人為分析單位,以非集計模型來預測每種交通方式的選擇概率,再把每個人的選擇結果匯總起來預測各種交通方式的使用量。

非集計模型的研究始于美國。20世紀70年代,美國的McFadden和Ben-Akiva,Lerman,Manheim等專家陸續(xù)研究了非集計模型[37-38],并將模型應用于實際。之后國內學者紛紛效仿,陸續(xù)開展了非集計模型的研究。清華大學的陸化普和北京工業(yè)大學的關宏志在其專著中介紹了非集計模型的基礎理論、多種建模方法和標定方法。

非集計模型與集計模型相對,其理論基礎是隨機效用理論,其規(guī)劃目標是出行者效用最大化,是描述人們選擇行為的模型,描述出行者個人采用何種交通出行方式等等[39]。在出行方式選擇中,出行者在考慮出行的目的、時間等出行特性及出行費用、社會經(jīng)濟特性等服務水平特性等約束條件基礎上,最終選擇使其滿意程度最高的方案。該模型認為,效用是一個隨機變量,服從某一分布,該效用是選擇枝(方案)特性及個人社會經(jīng)濟屬性的函數(shù),受其影響,被其決定。

若An為某出行者n的備擇方案集,其中方案j為其帶來的效用為Ujn,則該出行者選擇方案i而不選擇方案j的原因是:Uin>Ujn(i≠j,j∈An).Uin是選擇枝(方案)i對第n個人的效用。效用是隨機的,函數(shù)Uin是線性函數(shù),包括兩部分,這兩部分為確定性部分和隨機部分。具體表示為式(20)和(21)。

Uin=Vin+εin.

(20)

Vin=Vi(Xin) .

(21)

式中,Vin表示出行者n選擇方案i的效用函數(shù)的確定性部分;εin表示出行者n選擇方案i的效用函數(shù)的隨機部分；Xin為可觀測的影響要素向量。

效用函數(shù)的非隨機部分通常采用線性函數(shù)的形式(表示影響效用的因素具有完全替代性),也可以采用Cobb-Douglas效用函數(shù)形式(不完全替代性,較符合實際),如式(22)和(23)所示:

(22)

(23)

若假定εin服從分布參數(shù)為η=0,ω=1的二重指數(shù)分布(Gumbel distribution),即可得到如下所示的多項Logit模型:

(24)

5.基于BP神經(jīng)網(wǎng)絡的停車需求預測模型

張獻峰、楊廣威、龍東華等在結合停車需求特點分析了停車需求影響因素的基礎上,提出了基于主成分分析的BP神經(jīng)網(wǎng)絡停車需求預測模型。他們認為,影響停車需求的因素很多,主要包括經(jīng)濟、土地、交通特征等因素,其中經(jīng)濟因素,包括單位數(shù)、居住用地面積、人均收入;土地因素,包括營業(yè)建筑面積、就業(yè)崗位數(shù);交通特征因素,包括機動車高峰小時吸引量、汽車保有量、平均日交通量。然后,將這些影響因素以主成分分析法為手段,抽取主成分,利用BP神經(jīng)網(wǎng)絡方法對停車需求進行預測。該模型的基本思路是:確定神經(jīng)網(wǎng)絡結構;選取神經(jīng)網(wǎng)絡學習算法,包括正向傳播過程和反向傳播過程運算[40]。其停車泊位預測模型學習流程圖如圖3所示。

圖3　基于BP網(wǎng)絡的停車泊位預測模型學習流程圖

(三)以相關分析法為核心的多元回歸分析預測模型

基于相關分析法的多元回歸模型是由美國道路研究委員會通過長期理論研究,并在其理論實踐中首先提出來的[41]。其認為,區(qū)域經(jīng)濟活動及土地使用是影響停車需求的關鍵因素,其具體模型如式(25):

Pdi=K0+K1(EPdi)+K2(POdi)+K3(FAdi)+K4(DUdi)+K5(RSdi)+K6(AOdi)+…+ε.

(25)

其中,Pdi代表d年i區(qū)高峰期停車需求量(泊位數(shù));EPdi表示d年i區(qū)就業(yè)崗位數(shù);POdi表示d年i區(qū)人口數(shù);FAdi表示d年i區(qū)建筑面積;DUdi表示d年i區(qū)企業(yè)數(shù);RSdi表示d年i區(qū)零售服務業(yè)數(shù);AOdi表示d年i區(qū)小汽車保有量;Ki(i=0,1,2,3,…)表示回歸系數(shù)。

四、停車需求研究的展望

通過以上文獻統(tǒng)計及預測模型的梳理,我們發(fā)現(xiàn)以下趨勢。其一,關于停車需求研究的文獻與其他領域文獻比較起來相對較少,是一個值得進一步深入研究的領域。自20世紀90年代我國將汽車產(chǎn)業(yè)確定為支柱產(chǎn)業(yè)以來,汽車產(chǎn)業(yè)獲得了長足的發(fā)展,汽車出行的停車需求量也急劇增加,停車需求決定停車供給,停車需求決定政府的停車供給政策。為滿足停車需求,則必須準確預測停車需求,以適當?shù)耐＼嚬┙o滿足停車需求,避免當斯悖論的發(fā)生。其二,停車需求預測經(jīng)歷了一個由集計向非集計發(fā)展、由土地利用向個人行為發(fā)展、由傳統(tǒng)回歸向多學科交叉預測發(fā)展的歷程。具體來講,集計模型是建立在停車調查和停車生成率基礎上的,是以土地的利用性質為基礎進行停車預測的方法;而非集計模型則是以出行特征如何影響出行行為為基礎來預測個體的出行行為,進而由個人的出行行為規(guī)律推及總體的出行行為規(guī)律來預測停車需求的方法。傳統(tǒng)的回歸方法是以出行特征為自變量,以停車需求為因變量的停車需求預測方法。其三,停車需求預測模型的發(fā)展路線是從集計到非集計,再到高級方法。集計方法是建立在停車調查和停車生成率基礎上的對于交通小區(qū)的交通量和停車需求量進行預測的方法,非集計模型則是以出行特征如何影響出行行為為基礎預測個體的出行行為,進而由個人的出行行為規(guī)律推及總體的出行行為規(guī)律預測停車需求的方法。這兩種方法有時可以同時利用,以準確預測交通小區(qū)的交通量和停車需求。其四,停車需求研究未來的發(fā)展方向是對于非集計模型隨機項的其他分布的探索,以及使用非線性實際效用函數(shù)(如Cobb—Douglas函數(shù)),使預測更符合實際情況。目前所使用的非集計模型中,假定隨機誤差項服從二重指數(shù)分布,而缺乏對于二項分布、指數(shù)分布等其他分布的考慮,使模型的使用受到一定的限制；而目前的效用函數(shù)也只是線性效用函數(shù),這與實際也存在一定差距,應考慮使用非線性的效用函數(shù),如經(jīng)濟學中所講的、運用較為普遍的柯布—道格拉斯效用函數(shù)。其五,隨著汽車保有量的急劇增加,應進一步加強停車需求管理領域的研究。為避免出現(xiàn)停車供給的當斯悖論,在準確預測停車需求的基礎上,盡力壓縮停車供給,同時,通過經(jīng)濟手段和行政手段等控制停車需求,通過提高停車價格和增加車輛購置稅等經(jīng)濟手段,以增加用車成本,通過實行用車必備車位和出行限號政策等行政手段,控制停車需求。

參考文獻：

[1]SMITH W, ASSOCIATES.Parking in the City Center[C].

Automobile Manufacture,1965:23-28.

[2]JAVID,MASSOUD.Optimal Supply of Parking at Airports[C].Proceedings of the 23rd Air Transport Conference.USA,1994:38-41.

[3]飯?zhí)锕Ь?交通工程學[M].北京:人民交通出版社,1994:47-49.

[4]SCULLY W J.Parking management in a small community:back to basics[J].ITE Journal,1988(11):32-35.

[5]MORRALL J M，BOLGER D.The relationship between downtown parking supply and transit use[J].IIE Journal,1996(2):32-36.

[6]晏克非.停車需求預測模型研究[C]//94深圳國際城市靜態(tài)交通管理技術研討會文集.深圳：深圳大學出版社，1994:78-82.

[7]陳峻,王煒,晏克非.城市停車設施需求預測研究[J],東南大學學報,1999(S1)：121-126.

[8]關宏志,王鑫,王雪.停車需求預測方法研究[J].北京工業(yè)大學學報,2006(7):600-604.

[9]何政軍.停車需求、分布及供應理論研究[D].上海：同濟大學,1994.

[10]邱原明.都市停車場區(qū)位選擇之探討[C]//第三屆海峽兩岸都市交通學術研討會論文集.臺北：臺灣大學出版社，1995:76-89.

[11]陳峻.城市停車設施規(guī)劃方法研究[D].南京：東南大學,2000.

[12]張錦.城市停車場規(guī)劃方法及其應用研究[J].城市交通,2003(1):23-27.

[13]成峰,莫一魁.城市中心區(qū)停車泊位供應分析[J].交通與運輸(學術版),2005(1):69-72.

[14]殷兆進.城市中心區(qū)公共停車供應策略與規(guī)劃研究[D].南京：東南大學,2004.

[15]詹曉蘭.城市中心區(qū)停車設施供給與路網(wǎng)容量平衡關系的研究[J].交通與運輸(學術版),2005(1):77-79.

[16]晏克非.上海市車輛停放問題綜合研究[R].上海市車輛停放問題綜合研究報告,1997:90-98.

[17]吳濤.停車供需與停車政策研究[D].上海：同濟大學,1999.

[18]龍東華.城市中心區(qū)停車需求預測模型及應用研究[D].重慶：重慶交通大學,2012.

[19]FRANK H.SPINK.Parking Requirements for Shopping Centers:Summary Recommendations and Research Study Report[R].Urban Land Institute,1982:134-137.

[20]THOMAS P.SMITH.Flexible Parking Requirements[R].The American Planning Association,1983:34-37.

[21]石金霞.中小城市中心區(qū)停車需求預測方法研究[J].黑龍江交通科技,2016(2):133-135.

[22]孫吉瑞.城市混合用地停車需求預測模型研究與實踐[J]. 交通與運輸(學術版),2016(1):62-66.

[23]程鐵信,陳敬柱,臺苗苗.城市中心商業(yè)區(qū)停車需求預測模型及實證研究[J].世界科技研究與發(fā)展,2012(6):1008-1013.

[24]吳德華.基于現(xiàn)狀調查的城市老城區(qū)停車需求預測方法[J].交通運輸系統(tǒng)工程與信息,2014(1):235-241.

[25]阮金梅.城市停車[M].北京:中國建筑工業(yè)出版社,2012:34-35.

[26]段滿珍,陳光,米雪玉,等.居住區(qū)停車泊位需求預測二步驟法[J].重慶交通大學學報(自然科學版),2016(1):152-155.

[27]徐雷,劉冰,張涵雙.停車需求預測和泊位供給策略分析[J].交通科技與經(jīng)濟,2014(2):39-43.

[28]王海燕,馬立.邯鄲市中心商業(yè)區(qū)停車需求預測研究[J].河北工程大學學報(自然科學版),2014(3):55-58.

[29]HERBERT S.LEBINSON,CHARLS O.PRATT.Estimating downtown parking demands:a land Use approach[J].Transportation Research Record,1984,95(7):63-66.

[30]李梅.城市建筑物配建停車位需求率預測探討[J].山西建筑,2012(23):15-16.

[31]溫旭麗,孫垚飛,羅婷.基于交通特征的停車需求預測模型構建研究[J].公路交通科技(應用技術版),2014(4):297-299.

[32]張飛飛,吳兵,李林波.新城區(qū)CBD區(qū)域停車需求預測方法[J].重慶交通大學學報(自然科學版),2012(5):1018-1022.

[33]歐秋杰,楊熙宇.基于項目誘增吸引產(chǎn)生交通流的停車需求預測方法的研究[J].交通與運輸(學術版),2011(1):88-89.

[34]HIGHWAY RESEARCH BOARD:Parking Principles,Special Report l25[R].Washington DC,1971:13-16.

[35]安實,馬天超,尹縉瑞.基于G-Logit的停車需求預測模型[J].數(shù)量經(jīng)濟技術研究,2001(1):67-70.

[36]易武,李碩.基于Box-Cox Dogit停車需求預測模型研究[J].武漢理工大學學報(交通科學與工程版),2006(2):310-313.

[37]BOWAN J.L,BEN-AKIVA M.Activity-based disaggregate travel demand model system with activity schedules[J].Transportation Research A,2000(1):1-28.

[38]BEN-AKIVA M,S.LERMAN.Discrete Choice Analysis: Theory and Application to Travel Demand[M].Massachusetts:MIT Press,1985:56-57.

[39]PENGPENG JIAO,HUAPU LU AND LANG YANG.Disaggregating traffic mode choice model based on combination of revealed and stated preference Data[J].Tsinghua Science & Technology,2006(3):351-356.

[40]高健夫,王培松.基于神經(jīng)網(wǎng)絡的城市停車需求預測模型[J].交通科技與經(jīng)濟,2015(5):5-9.

[41]The Urban Land Institute,the National Parking Association.The Dimensions of Parking[M].Washington DC:Urban Land Institute,1993:124-130.