建成環(huán)境對(duì)城市停車需求影響的非線性模型

陳堅(jiān)，劉柯良，邸晶，彭濤

(1.重慶交通大學(xué)，交通運(yùn)輸學(xué)院，重慶400074；2.保定市城市設(shè)計(jì)院，河北保定071000)

0 引言

隨著我國(guó)新型城鎮(zhèn)化快速推進(jìn)，“停車難”已成為各城市交通發(fā)展的痛點(diǎn)與瓶頸[1]。由于長(zhǎng)期停車配建指標(biāo)精細(xì)化程度不高，城市空間范圍停車供需不平衡及部分停車場(chǎng)使用效率不高等問(wèn)題日益突出。為從城市規(guī)劃設(shè)計(jì)源頭調(diào)控停車需求，指導(dǎo)制定差異化的停車政策與配建指標(biāo)，解析建成環(huán)境與停車需求之間的關(guān)聯(lián)關(guān)系尤為迫切。

國(guó)內(nèi)外眾多學(xué)者已對(duì)停車需求進(jìn)行了系統(tǒng)探索，從影響變量的選取來(lái)看，主要分為兩類：一類是宏觀影響因素，如區(qū)位、土地利用類型、人口數(shù)量、機(jī)動(dòng)車保有量、道路網(wǎng)絡(luò)服務(wù)水平與公交服務(wù)水平等[2-3]；另一類則是微觀因素，基于個(gè)體出行行為視角，研究各變量對(duì)停車行為的影響，如停車費(fèi)用、停車后的步行時(shí)間以及出行者個(gè)體屬性等[4-5]。從研究方法來(lái)看，現(xiàn)有研究主要是利用基于線性假設(shè)的模型來(lái)解析影響變量與停車需求的關(guān)系，包括停車生成率模型、線性回歸分析、Logit模型等[2-5]。

綜上所述，既有研究缺乏從建設(shè)項(xiàng)目周邊區(qū)域總體建成環(huán)境視角探索停車需求，且鮮有考慮非線性效應(yīng)，而DING[6]等的研究表明，建成環(huán)境與交通行為之間存在非線性效應(yīng)，停車需求作為個(gè)體交通行為的衍生，其與建成環(huán)境的非線性效應(yīng)值得深入分析，從而解析不同建成區(qū)域停車需求差異的本質(zhì)原因。本文基于機(jī)器學(xué)習(xí)方法，以商業(yè)配建停車場(chǎng)為例，探討建成環(huán)境對(duì)停車需求的非線性效應(yīng)，研究成果可以優(yōu)化城市空間設(shè)計(jì)，制定精細(xì)化的停車管理政策與配建指標(biāo)提供理論支持。

1 建成環(huán)境表征指標(biāo)選取

本文探索建成環(huán)境對(duì)建設(shè)項(xiàng)目停車需求的影響，其核心是建成環(huán)境通過(guò)影響人對(duì)環(huán)境的感知間接影響停車行為，因此建成環(huán)境的測(cè)度指標(biāo)選擇應(yīng)重點(diǎn)考慮影響出行產(chǎn)生與出行方式選擇的建成環(huán)境因子。在參考建成環(huán)境與交通行為相關(guān)研究的基礎(chǔ)上[7]，本文從宏觀區(qū)位、中觀土地利用與交通設(shè)計(jì)、微觀建筑特性三個(gè)維度以全面刻畫停車場(chǎng)的建成環(huán)境。其中，區(qū)位維度通過(guò)停車設(shè)施距離市中心的距離表征，反映停車需求的地理空間特征；土地利用與交通設(shè)計(jì)維度選取了土地利用混合度、路網(wǎng)密度、交叉口密度、人口密度、公交服務(wù)水平、居住設(shè)施密度與服務(wù)設(shè)施密度等7個(gè)指標(biāo)，其中土地利用混合度、人口密度、居住設(shè)施密度與服務(wù)設(shè)施密度從不同角度反映步行友好性，路網(wǎng)密度、交叉口密度與公交服務(wù)水平來(lái)反映小汽車與公交可達(dá)性；建筑特性以建設(shè)項(xiàng)目配建指標(biāo)來(lái)刻畫，反映停車供給能力。停車需求則通過(guò)高峰時(shí)間停車場(chǎng)實(shí)際停車數(shù)量與項(xiàng)目建筑面積之比來(lái)表征。

2 數(shù)據(jù)采集與分析

2.1 樣本選取

保定市于2018年對(duì)建成區(qū)停車設(shè)施展開(kāi)普查，共涉及3949個(gè)停車場(chǎng)，調(diào)查內(nèi)容涵蓋停車位設(shè)施供給狀況，高峰停車數(shù)量等，調(diào)查區(qū)域面積為183.2 km2，涉及人口123.2 萬(wàn)人。通過(guò)數(shù)據(jù)清洗與篩選，提取樣本78 個(gè)，涉及商場(chǎng)、超市與百貨等商業(yè)設(shè)施的配建停車場(chǎng)。

從空間分布上看，樣本覆蓋了保定市的主要建成區(qū)，如圖2所示(圖中每個(gè)格子為保定市主城的控規(guī)分區(qū)單元)；從單個(gè)樣本的選擇上看，參考《停車設(shè)施規(guī)劃導(dǎo)則》中對(duì)公共停車場(chǎng)服務(wù)范圍界定為300 m，選擇商業(yè)類配建停車設(shè)施周邊300 m 范圍內(nèi)無(wú)路外公共停車場(chǎng)的樣本，以減少其他停車設(shè)施對(duì)本次研究的干擾。

圖1 樣本空間分布Fig.1 Spatial distribution of samples

通過(guò)人工調(diào)查的方式，獲取各停車場(chǎng)的晚高峰停車數(shù)量，用以計(jì)算高峰小時(shí)建筑物單位面積的停車生成數(shù)，以表征停車需求；停車場(chǎng)位置數(shù)據(jù)通過(guò)逆地理編碼獲取坐標(biāo)位置，興趣點(diǎn)(Point of Interest，POI)數(shù)據(jù)通過(guò)python程序從百度API接口爬取建成環(huán)境所需的POI坐標(biāo)數(shù)據(jù)，由于不同數(shù)據(jù)存在坐標(biāo)系差異，本文通過(guò)QGIS 軟件內(nèi)置插件對(duì)數(shù)據(jù)坐標(biāo)進(jìn)行轉(zhuǎn)換；道路網(wǎng)絡(luò)數(shù)據(jù)通過(guò)開(kāi)源地圖網(wǎng)站OpenStreetMap 截取研究范圍內(nèi)的路網(wǎng)；公交數(shù)據(jù)由保定市城鄉(xiāng)規(guī)劃設(shè)計(jì)研究院提供。

2.2 分析單元確定

空間數(shù)據(jù)的分析需要注意尺度效應(yīng)與劃區(qū)效應(yīng)。為分析停車場(chǎng)周邊的建成環(huán)境，需要選擇合適的分析單元大小，整個(gè)建模過(guò)程要求空間分析單元不可過(guò)大，一方面要保證建成環(huán)境測(cè)度的有效性，另一方面要突出建成環(huán)境因子的內(nèi)在差異性。參考建成環(huán)境對(duì)出行行為影響研究中對(duì)空間單元?jiǎng)澐址矫娴难芯砍晒鸞8]，本文最終選取停車場(chǎng)500 m緩沖區(qū)作為建成環(huán)境的研究尺度。

2.3 解釋變量定量表征

通過(guò)Arcgis的緩沖區(qū)分析，生成停車場(chǎng)的建成環(huán)境測(cè)度范圍，用提取工具計(jì)算區(qū)域內(nèi)各類POI的數(shù)量、路網(wǎng)長(zhǎng)度與交叉口密度；土地利用混合度主要考察每個(gè)停車場(chǎng)緩沖區(qū)內(nèi)各類POI 點(diǎn)的混合程度，包括政府、銀行、醫(yī)院、學(xué)校、體育館、商場(chǎng)、酒店、廣場(chǎng)、公園9 類POI，土地利用混合度由土地利用熵指數(shù)表征進(jìn)行；區(qū)位分析通過(guò)構(gòu)建道路網(wǎng)絡(luò)數(shù)據(jù)集，進(jìn)行OD 成本矩陣求解，其中起點(diǎn)為各個(gè)停車場(chǎng)，終點(diǎn)為保定市地理中心(保定市直隸總督署博物館)；公交服務(wù)水平通過(guò)停車場(chǎng)緩沖區(qū)范圍內(nèi)公交站點(diǎn)每小時(shí)到車數(shù)量來(lái)表示。綜合以上數(shù)據(jù)，構(gòu)建停車場(chǎng)周圍的建成環(huán)境特征。建成環(huán)境指標(biāo)具體描述與量綱如表1所示，其中，土地利用熵指數(shù)的計(jì)算公式[8]為

表1 建成環(huán)境指標(biāo)Table 1 Indicators of built environment

式中：L為土地利用熵指數(shù)；Pij為第i個(gè)緩沖區(qū)內(nèi)第j種POI數(shù)量占總數(shù)的比例；Nj為第j個(gè)緩沖區(qū)內(nèi)包含POI的類型數(shù)量。

2.4 解釋變量描述性分析

模型的因變量為停車需求，自變量為建成環(huán)境因素，包括宏觀、中觀與微觀視角下的9 個(gè)建成環(huán)境因子，表2為指標(biāo)的統(tǒng)計(jì)性分析。在進(jìn)行分析之前，需要對(duì)自變量之間的相關(guān)性進(jìn)行分析，剔除相關(guān)性過(guò)強(qiáng)的變量。因此將自變量導(dǎo)入SPSS 中，進(jìn)行相關(guān)性分析，結(jié)果顯示，變量的相關(guān)系數(shù)都小于0.7，故將所有解釋變量納入模型。

表2 變量描述性統(tǒng)計(jì)結(jié)果Table 2 Descriptive statistics of explanatory variables

3 非線性模型構(gòu)建

建成環(huán)境與停車需求相互關(guān)系存在駕駛?cè)诵睦硇袨榈挠绊?，該關(guān)系可能存在非線性關(guān)系。梯度提升迭代決策樹(shù)(GBDT)模型是一種基于樹(shù)的集成方法，具有較好的魯棒性與較高的擬合精度。GBDT 模型一方面可以提供自變量的相對(duì)重要性，指示自變量在規(guī)劃實(shí)踐中的重要性層次；另一方面能擬合變量間的非線性關(guān)系，提供自變量對(duì)因變量的獨(dú)立效應(yīng)分析。這為規(guī)劃管理者更精準(zhǔn)地認(rèn)識(shí)停車需求在空間環(huán)境下的變化特征提供了可能性。

3.1 GBDT模型原理

GBDT模型的基學(xué)習(xí)器是回歸樹(shù)，是一種基于樹(shù)的集成算法[9]。GBDT 模型的樹(shù)是依次構(gòu)建的，即第一棵樹(shù)對(duì)所有樣本進(jìn)行訓(xùn)練，后一棵樹(shù)以減少前一顆樹(shù)的殘差為目標(biāo)并不斷迭代下去，直到達(dá)到迭代次數(shù)或預(yù)先設(shè)置的樹(shù)的數(shù)量，最后的模型將每棵樹(shù)的結(jié)果加權(quán)求和得到，即

3.2 求解步驟

通過(guò)梯度上升的方法估計(jì)各學(xué)習(xí)器的權(quán)重與待估計(jì)參數(shù)，具體求解步驟如下：

Step 1 初始化F0(x)，計(jì)算使損失函數(shù)最小的常數(shù)值，，其中損失函數(shù)選擇為平方損失函數(shù)，yi為第i個(gè)樣本點(diǎn)的停車需求，N為樣本點(diǎn)的個(gè)數(shù)，γ為待估參數(shù)，設(shè)置最大迭代次數(shù)M。

Step 2 計(jì)算第m次迭代的殘差，，其中，F(xiàn)(x)為近似函數(shù)，F(xiàn)m-1(x)為第m-1 次迭代的近似函數(shù)，xi為第i個(gè)樣本點(diǎn)的建成環(huán)境變量。

Step 3 利用弱學(xué)習(xí)器hm()x,cm擬合Stpe 2中得到的殘差，其中，cm為第m次迭代中學(xué)習(xí)器的參數(shù)，代表回歸樹(shù)的最佳劃分節(jié)點(diǎn)，為第m次迭代弱學(xué)習(xí)器的估計(jì)結(jié)果；N為樣本點(diǎn)的個(gè)數(shù)。

Step 6 判斷是否達(dá)到預(yù)先設(shè)置的迭代次數(shù)與精度要求，若滿足，則得到最終估計(jì)結(jié)果；否則，返回Step 2。

通過(guò)計(jì)算所有加法樹(shù)的均值，度量單個(gè)自變量對(duì)因變量的相對(duì)重要程度。

為進(jìn)行量化分析，相關(guān)研究以五折交叉驗(yàn)證法確定模型參數(shù)，并通過(guò)設(shè)置0.01的學(xué)習(xí)率防止過(guò)擬合[10]，以生成具有較低預(yù)測(cè)偏差和合理樹(shù)大小的最終模型。通過(guò)超參數(shù)分析，當(dāng)?shù)螖?shù)為600，樹(shù)的深度為8 的時(shí)候，模型具有最佳的擬合效果，故將其作為模型參數(shù)。

4 實(shí)例分析

4.1 整體效應(yīng)分析

本文以保定市商業(yè)配建停車場(chǎng)為例，基于保定市停車調(diào)查數(shù)據(jù)與建成環(huán)境數(shù)據(jù)，利用R編程語(yǔ)言中的“gbm”包實(shí)現(xiàn)GBDT 模型求解。為全面反映建成環(huán)境對(duì)停車需求的影響效應(yīng)，進(jìn)行線性模型與非線性模型的對(duì)比，結(jié)果如表3所示。從調(diào)整后R2值可以看出，GBDT模型的擬合優(yōu)度高于線性O(shè)LS模型，說(shuō)明考慮非線性效應(yīng)的模型能更好地解釋建成環(huán)境對(duì)停車需求的影響。

表3 模型結(jié)果Table 3 Model results

從系數(shù)的顯著性來(lái)看，除交叉口密度與人口密度不顯著之外，其余指標(biāo)均顯著；從相對(duì)重要度排序來(lái)看，配建指標(biāo)是影響停車需求的最重要因素，其貢獻(xiàn)度為18.92%，不難理解，配建指標(biāo)直接決定了停車場(chǎng)滿足停車需求的能力。市中心臨近度的重要度排在第二(15.23%)，反映了區(qū)位對(duì)停車需求會(huì)產(chǎn)生影響最高，特別是在類似于保定市的單中心結(jié)構(gòu)的城市中。而公交服務(wù)水平與路網(wǎng)密度、人口密度的影響程度類似，均在11%～12%的范圍內(nèi)，其次是服務(wù)設(shè)施密度(10.60%)、土地利用混合度(9.14%)與居住設(shè)施密度(6.37%)，對(duì)停車需求影響最小的是交叉口密度(5.19%)。

4.2 獨(dú)立效應(yīng)分析

通過(guò)控制其他建成環(huán)境變量的平均效應(yīng)，繪制各維度建成環(huán)境指標(biāo)與停車需求之間的部分依賴圖，如圖2～圖4所示。

圖2 宏觀建成環(huán)境指標(biāo)與停車需求的關(guān)系Fig.2 Relationship between macro-built environmental indicators and parking demand

圖3 中觀建成環(huán)境指標(biāo)與停車需求的關(guān)系Fig.3 Relationship between meso-built environmental indicators and parking demand

圖4 微觀建成環(huán)境指標(biāo)與停車需求的關(guān)系Fig.4 Relationship between micro-built environmental indicators and parking demand

停車需求隨停車場(chǎng)距離市中心距離的增加而下降，尤其在7 km 左右閾值效應(yīng)顯著，距離超過(guò)7 km 后對(duì)停車需求影響達(dá)到飽和，表明建設(shè)項(xiàng)目停車指標(biāo)在根據(jù)區(qū)位劃分時(shí)需注意距離上限。

圖10、圖11分別為實(shí)驗(yàn)系統(tǒng)跑車過(guò)程中GPS信號(hào)失鎖后無(wú)BP神經(jīng)網(wǎng)絡(luò)輔助和有BP神經(jīng)網(wǎng)絡(luò)輔助的東向位置、北向位置情況,可以看出在后200 s中,無(wú)BP神經(jīng)網(wǎng)絡(luò)輔助東向、北向位置漂移分別最大達(dá)到93.81 m、141.40 m;有BP神經(jīng)網(wǎng)絡(luò)輔助東向、北向位置漂移分別最大達(dá)到55.97 m、69.51 m。

中觀層面的建成環(huán)境要素與停車需求之間均存在非線性關(guān)系與閾值效應(yīng)。從整體趨勢(shì)來(lái)看，土地利用混合度、居住設(shè)施密度、服務(wù)設(shè)施密度與停車需求呈現(xiàn)負(fù)相關(guān)；路網(wǎng)密度、公交服務(wù)水平與停車需求呈現(xiàn)正相關(guān)；交叉口密度、人口密度與停車需求呈現(xiàn)變化的U型關(guān)系。

從負(fù)相關(guān)的指標(biāo)分析，土地利用混合度熵值在1.25～1.55 之間對(duì)停車需求產(chǎn)生影響，如圖3(a)所示；居住設(shè)施密度在0～6 之間對(duì)停車需求產(chǎn)生影響，如圖3(f)所示；服務(wù)設(shè)施密度在10～25之間對(duì)停車需求產(chǎn)生影響，如圖3(g)所示。說(shuō)明土地利用混合度與服務(wù)設(shè)施密度對(duì)停車需求的影響具有規(guī)模效應(yīng)，前者通過(guò)縮短出行距離，后者通過(guò)提高步行舒適性來(lái)降低停車需求。居住設(shè)施密度與停車需求的關(guān)系印證了商住混合開(kāi)發(fā)對(duì)減少小汽車使用的有效性。

從正相關(guān)的指標(biāo)分析，當(dāng)路網(wǎng)密度數(shù)值在0.0～1.6 之間時(shí)與停車需求呈現(xiàn)正相關(guān)，如圖3(b)所示。由于密路網(wǎng)提高城市道路的可達(dá)性，出行者使用小汽車的傾向增大，進(jìn)而提高了停車需求，而超過(guò)1.6之后兩者之間的共變關(guān)系變得不明顯，這可能是由于過(guò)密的路網(wǎng)導(dǎo)致機(jī)動(dòng)性下降，步行可達(dá)性提高；隨著公交服務(wù)水平的增加，停車需求也在增加，如圖3(d)所示，因?yàn)楣还┙o較充足的地方往往出行需求較大，出現(xiàn)這種結(jié)果反映了公共交通對(duì)商業(yè)出行者選擇小汽車出行的替代作用不明顯。

從U型關(guān)系的指標(biāo)分析，停車需求隨交叉口密度值在3～12 之間先減小、再增加，當(dāng)密度值為7 的時(shí)候，停車需求最小，如圖3(c)所示；人口密度與交叉口密度呈現(xiàn)了類似的規(guī)律，數(shù)值在0.4～2.0 之間呈現(xiàn)U型關(guān)系，密度值在1.3的時(shí)候停車需求最小，如圖3(e)所示。說(shuō)明過(guò)密集或過(guò)稀疏的交叉口與人口的區(qū)域停車需求較高，反應(yīng)了指標(biāo)對(duì)停車需求的影響具有一定的優(yōu)勢(shì)區(qū)間，同時(shí)也解釋了在OLS模型的線性假設(shè)下這兩個(gè)指標(biāo)不顯著的原因。

當(dāng)配建指標(biāo)數(shù)值在0.0～0.2的時(shí)候與停車需求呈正相關(guān)，隨后趨于穩(wěn)定，如圖4所示。說(shuō)明0.0～0.2 是配建指標(biāo)對(duì)停車需求發(fā)揮作用的范圍，而目前保定市商業(yè)類設(shè)施的最低配建指標(biāo)數(shù)值為0.6。因此，從通過(guò)配建指標(biāo)來(lái)限制停車需求的角度出發(fā)，應(yīng)將現(xiàn)有配建指標(biāo)下降到0.2以下，才能對(duì)停車需求產(chǎn)生調(diào)節(jié)作用。

5 結(jié)論

本文從空間視角探究停車需求的規(guī)律，結(jié)合停車需求產(chǎn)生機(jī)理選取了宏觀、中觀與微觀三個(gè)維度的建成環(huán)境變量，構(gòu)建了考慮非線性效應(yīng)的GBDT模型，揭示了不同空間環(huán)境下的停車需求特征。實(shí)證分析表明，不同建成環(huán)境因素對(duì)停車需求影響程度具有一定差異，且建成環(huán)境因子與停車需求的關(guān)系均存在非線性特征。本文結(jié)論可用于指導(dǎo)制定更加精細(xì)化的停車配建指標(biāo)與管理政策，從城市規(guī)劃設(shè)計(jì)源頭引導(dǎo)停車需求。但由于實(shí)證分析的數(shù)據(jù)樣本量有限，且來(lái)源于單一城市，不同城市建成環(huán)境因素對(duì)停車需求的影響是否具有相同顯著性還有待進(jìn)一步驗(yàn)證。