情景分析法在停車需求預測中的應用研究

薛 勇

（山西省交通規(guī)劃勘察設計院，山西 太原 030012）

0 引言

近年來，隨著城市化進程加快、機動車保有量迅速增長，很多城市停車需求急劇增加與停車設施供給不足之間的矛盾突出，不僅影響著城市交通體系的正常運作，而且一定程度上制約了社會經濟的發(fā)展。大多數老城區(qū)在建設時未重視停車設施的規(guī)劃，造成許多建筑和住宅區(qū)的停車位嚴重不足，停車問題在老城區(qū)尤為嚴重。為避免出現老城區(qū)面臨的停車問題，新建建筑和住宅區(qū)需要對停車需求進行合理預測。

國內外對停車需求預測都是通過停車需求與相應影響因素之間的關系建立預測模型，這些方法適用于發(fā)展比較穩(wěn)定的短期預測，當預測對象未來發(fā)展很不穩(wěn)定、面臨社會經濟發(fā)展新的機遇和挑戰(zhàn)時，傳統(tǒng)的預測方法不再適用。為克服傳統(tǒng)停車需求預測方法預測情景單一的缺陷，提出一種基于情景分析的停車需求預測方法。

1 情景分析法

情景分析法是20 世紀40年代美國蘭德公司的國防分析員赫爾曼·凱恩發(fā)明的，他利用該方法對美國敵對國家核武器的使用情況進行了多種可能的分析[1]。20 世紀70年代開始逐漸興起，成為殼牌公司、戴姆勒－奔馳公司、波音公司等跨國公司所青睞的預測方法。20 世紀90年代我國引入情景分析法，在能源預測、環(huán)境預測、經濟預測等領域中得到成功應用[2]。

情景分析法將研究對象分為主題和環(huán)境，通過對環(huán)境的研究，識別影響主題發(fā)展的因素，結合各因素之間的因果關系對主題發(fā)展的多種可能性進行設定，并用定量模型對不同設定下的預測對象發(fā)展狀況進行分析。與傳統(tǒng)的預測方法相比，情景分析法更側重于事物發(fā)展的內在機理性、規(guī)律性、動態(tài)性、系統(tǒng)性的分析[3]。因此，情景分析法是一種系統(tǒng)的分析方法，是定性與定量分析法綜合應用。

情景分析法的預測步驟如圖1所示。

圖1 情景分析法預測步驟

1.1 確定預測主題

預測主題是指預測內容或反映預測對象發(fā)展情況的變量。

1.2 分析未來情景

根據預測主題以及相關資料，分析預測主題未來可能出現的狀況。

1.3 尋找影響因素

影響因素是指影響未來發(fā)展趨勢的因素，也是造成未來情景變化的主要原因。影響因素狀態(tài)的改變決定著預測主體發(fā)展趨勢和方向。利用情景分析法對未來的情景進行預測和描述，必須先確定主題的影響因素。影響因素可以從國家或地區(qū)政策、經濟環(huán)境、技術發(fā)展狀況、觀念或行為變化等多方面考慮。

1.4 具體分析

就是將上述因素歸結為幾個情景，并且分析每個情景下主體實現的可能性。基本思路如圖2所示。

圖2 分析思路圖

1.5 情景預測

對各種可能出現的狀況進行預測。在這一步驟中，可采用定量、定性或定量與定性分析相結合的方法對預測對象進行預測。

2 停車需求分析

停車需求由基本停車需求和社會停車需求組成，機動車保有量造成了基本停車需求，機動車出行引起了社會停車需求的產生。鄧惠章等研究了影響停車需求總量的若干因素，提出了基于機動車保有量的停車需求總量的計算模型[4]。因此本文選擇機動車保有量作為預測主題，研究情景分析法在停車需求預測中的應用。

2.1 停車需求狀況

機動車作為一種交通工具，在現代社會的生產生活中扮演著重要角色。在建國初期，由于汽車產業(yè)銷售產品單一，銷售對象基本以單位公款購買為主，市場處于封閉狀態(tài)，增長緩慢。20 世紀80—90年代，經濟體制的全面改革和現代化建設的全面展開使國民經濟有了較快的發(fā)展，機動車保有量也呈現出緩慢增長的趨勢；自20 世紀90年代以來，汽車市場發(fā)生很大變化，寬松的政策使私人購車需求增加，機動車呈快速增長態(tài)勢；21 世紀之后，部分城市為了應對交通需求增長過快，實施小客車搖號限購政策，機動車增長率明顯下降。圖3 為2000年以來北京市機動車保有量統(tǒng)計情況。

圖3 北京市歷年機動車保有量

2.2 影響因素分析

城市發(fā)展水平、機動車保有量、車輛出行水平以及交通政策等因素都會對停車需求產生影響，停車需求預測方法及模型需考慮這些因素對停車需求量的影響，影響停車需求的關鍵因素[5]可以作以下概括。

2.2.1 社會、經濟發(fā)展水平

社會、經濟發(fā)展水平是一個關鍵的影響因素，從圖4 可以得出，隨著城市發(fā)展水平的提高，土地利用集約程度變得更高，城市的機動車保有量也會越來越大，導致停車需求更多。城市的快速發(fā)展對人均收入以及個人消費意識有深刻影響，這些變化都與城市停車需求量密切相關。

圖4 北京市歷年機動車保有量與人均GDP 對比

2.2.2 城市人口規(guī)模

城市的發(fā)展必然會帶來人口的增長，人口的增長意味著消費量的增長，消費量的變化影響著機動車的保有量和使用率。由圖5 可以看出，機動車保有量與人口增長速率成正比，城市人口規(guī)模也是影響停車需求的一項重要指標。

圖5 北京市歷年機動車保有量與人口對比

2.2.3 出行結構比例

城市的停車需求隨小汽車出行所占比例增加而增加，提倡以公共交通出行為主的出行方式，對緩解交通擁堵、減輕停車壓力有積極的作用。

2.2.4 交通發(fā)展政策

城市發(fā)展政策以及與交通發(fā)展相關的環(huán)境政策是影響停車需求的決定性因素。美國在70年代之前鼓勵私人交通，并且有寬松的停車政策保障，導致停車需求急劇增長；反之，新加坡、香港為了抑制停車需求過快的增長，通過優(yōu)先發(fā)展公共交通減緩機動車出行，并采取限制私人交通等政策控制停車需求增長。

近幾年，新能源客車的推廣使機動車增長率略微上升，停車需求相應增加，圖6 為北京市新能源客車保有量歷年變化圖。

圖6 北京市新能源客車保有量歷年變化圖

2.2.5 其他影響因素

城市公共交通發(fā)展的水平以及出行觀念的變化都會對個人出行產生影響，綠色出行的宣傳也會影響出行方式的選擇。近年來，能源、污染等問題引起人們的高度重視，“綠色、低碳”的交通出行觀念越來越深入人心，而公共交通的發(fā)展更會促進人們出行方式的轉變。

停車收費在一定程度上影響車輛出行方式的選擇，從而影響到停車需求，很多城市開始制定停車收費標準控制城市中心區(qū)域的停車需求。

3 停車需求情景預測

3.1 未來情景設定

以北京市為例，從影響停車需求的因素來看，人口、經濟等的增長必然會帶來停車需求的增加；而機動車限購政策、公共交通的發(fā)展等因素會抑制停車需求的增長。沒有政策的限制，停車需求將隨著人口、經濟等因素的增長而快速增長；僅利用限購政策限制機動車增長，停車需求將保持一定的趨勢增長；在限購政策的基礎上，大力發(fā)展公共交通、提倡綠色出行，轉變人們的出行方式，停車需求增長趨勢將減緩。由此，綜合歷年停車需求狀況，停車需求發(fā)展會有以下幾種情景。

3.1.1 平穩(wěn)增長情景

延續(xù)現在的政策，繼續(xù)限制機動車的增長速度，出行方式中機動車出行依然占有較大比例，停車需求增長速度與近幾年增長速度持平。

3.1.2 緩速增長情景

繼續(xù)執(zhí)行小客車限購政策，以及部分城區(qū)實施擁堵收費政策，機動車增長速度將有所減緩；隨著公共交通進一步發(fā)展，機動車出行在出行方式中所占比例繼續(xù)下降，停車需求增長速度下降。

3.1.3 快速增長情景

取消小客車限購政策，機動車保有量開始出現快速增長趨勢，并隨經濟、人口發(fā)展保持一定的增長水平。機動車的增長導致出行方式中所占比重加重，停車需求也將呈現快速增長趨勢。

3.2 預測模型建立

停車需求量不僅需要考慮基本車位，還需要考慮出行車位。機動車保有量決定了基本車位數量，機動車出行比例影響出行車位數量，考慮機動車出行對停車需求的影響，提出停車需求預測模型：

式中：Pt為預測年停車需求；αt為預測年機動車出行影響系數，在1.1～1.3 之間取值；Vt為預測年機動車保有量。

由于未來可能出現不同的情景，機動車保有量會有不同的增長趨勢，相應的停車需求也會有變化，針對各種情景提出對應的停車需求預測模型。

3.2.1 平穩(wěn)增長情景

根據近期的數據建立機動車平穩(wěn)增長模型，通過對比選擇的幾個模型，擬合程度最好的是復合模型。復合模型的方差分析結果見表1 和表2，P值小于0.05，說明該模型具有統(tǒng)計意義。

表1 方差分析

機動車平穩(wěn)增長模型為：

式中：b0為常數；b1為增長率；t0為預測基年；t為預測年。

將式（2）帶入式（1），得到平穩(wěn)增長情景的停車需求預測模型：

表2 為復合模型的系數，帶入式（3），得出停車需求預測模型：

表2 復合模型系數

3.2.2 緩速增長情景

建立機動車緩速增長模型，通過對比各項指標以及曲線擬合度，最終選取冪函數作為預測模型。表3 為模型的方差分析，F值為122.616，P值為0.02小于0.05，模型具有統(tǒng)計意義。

表3 冪函數方差分析

機動車緩速增長模型為：

式中：b0為常數；b1為冪指數；t0為預測基年；t為預測年。

將式（5）帶入式（1），得到緩速增長情景的停車需求預測模型：

表4 為冪函數模型的系數，帶入式（6），得出停車需求預測模型：

表4 冪函數模型系數

3.2.3 快速增長情景

當缺少政策對機動車增長的約束時，機動車將保持快速的增長態(tài)勢。根據影響因素的分析，可知人均GDP 和城鎮(zhèn)人口是影響停車需求的主要因素。從歷年的數據中看出，機動車保有量和上述幾點重要因素之間存在很大關聯，所以運用SPSS 軟件建立包括上述幾點因素的回歸模型：

式中：G為人均GDP；R為城鎮(zhèn)人口數；a0為回歸常數；b1、b2為G、R的回歸參數。

通過向后法對自變量進行篩選，表5 為模型的系數分析表，各自變量檢驗概率P值小于0.05，具有統(tǒng)計學意義，自變量選取合理。

表5 系數分析

最終得到的是包含兩個自變量的回歸方程：

通過建立生長曲線模型來計算預測年G與R的值，模型的建立需要選取合適的數據，從圖4 和圖5 中可以發(fā)現，人均GDP 與人口增長曲線較為平滑，因此利用人均GDP 和人口數據擬合模型。經過檢驗，兩個模型的P值均小于0.05，所以都具有統(tǒng)計意義。人均GDP 與人口增長模型的系數見表6 與表7，常數項與自變量的檢驗P值都為0，模型合理。

表6 人均GDP 增長模型系數

表7 人口增長模型系數

由表6 與表7 中的系數得出人均GDP 計算公式（10）和人口計算公式（11）：

式中：t0為預測基年；t為預測年。

將式（10）和式（11）代入式（9），得到快速增長情景的機動車保有量回歸模型：

將式（12）帶入式（1），得出快速增長情景的停車需求模型：

3.3 實例分析

利用以上各個情景的模型對停車需求進行預測，模型中機動車出行影響參數αt取中值1.20，對比不同的情景，預測趨勢見圖7。

圖7 停車需求預測趨勢圖

由圖7 可以看出，不同情景下，停車需求預測值差異很大。平穩(wěn)增長情景下，停車需求保持一定的年增長率，政策對停車需求影響大，人均GDP、城鎮(zhèn)人口影響較小。緩速增長情景下，需求增長率隨時間的增長而降低，政策以及綠色出行等觀念起到決定性作用?？焖僭鲩L情景的停車需求增長率要遠遠大于其余兩種情景，當缺少政策的制約時需求量急劇增長，經濟與人口的狀況對停車需求影響巨大。

4 結論與建議

本文旨在探索情景預測方法在停車需求預測中的應用，針對傳統(tǒng)方法預測情景單一的情況，提出一種基于情景分析法的停車需求預測方法。影響停車需求的因素多種多樣，本文利用情景分析法對停車需求進行預測，僅僅是一個非常初步的研究工作，今后還需要考慮更多的影響因素并結合大量數據提出更合理的模型，為城市停車規(guī)劃提供一些概念性指導。