基于停車預(yù)約機(jī)制的停車預(yù)約決策行為研究

韓 艷，彭玉青，趙 屾

(1.北京工業(yè)大學(xué)交通工程北京市重點實驗室，北京 100124;2.交通運輸部科學(xué)研究院，北京 100029)

0 引言

隨著中國經(jīng)濟(jì)的發(fā)展，各大城市的機(jī)動車保有量呈逐年上升趨勢，普遍存在不同程度的停車難和秩序亂問題，究其原因是停車位與機(jī)動車數(shù)量的不匹配.據(jù)國家發(fā)改委發(fā)布的數(shù)據(jù)顯示，2019年我國大城市小汽車與停車位的比例約為1∶0.8，中小城市約為1∶0.5[1].大規(guī)模興建停車場成本高、難度大，并不可行，且一味增加停車位數(shù)量并不能達(dá)到預(yù)期效果.另一方面，因停車場聯(lián)網(wǎng)率低，大約只有1%～3%，在出行者選擇停車場的時候，對目的地附近停車場的車位剩余情況并不了解，需要較長時間的尋泊，用戶體驗不佳的同時，增加了環(huán)境中CO2排放量.為減少尋泊時間，預(yù)約機(jī)制被引進(jìn)停車管理系統(tǒng)，合理的設(shè)計預(yù)約流程，及時發(fā)布停車信息以引導(dǎo)停車預(yù)約需求和行為，提高停車資源的利用率，已成為解決停車問題的方法之一.

國內(nèi)外學(xué)者分別對停車預(yù)約系統(tǒng)、預(yù)約影響因素、預(yù)約決策行為等方面開展了大量的研究.郭鵬飛[2]設(shè)計了基于ZigBee節(jié)點無線通訊的停車預(yù)約App和配套的智能地鎖，利用該APP可查詢車位位置、車位預(yù)約狀態(tài)、車位使用狀態(tài)，并實現(xiàn)在線繳費的功能.郭丹丹[3]基于ETC與云技術(shù)構(gòu)建了網(wǎng)絡(luò)智能預(yù)約停車系統(tǒng)，并分析了該預(yù)約系統(tǒng)優(yōu)勢：手機(jī)APP智能預(yù)約停車場、GPS實時導(dǎo)航、高清識別車牌、數(shù)據(jù)自動上傳、在線繳費.陳杰[4]基于用戶出行需求調(diào)查，分析了預(yù)約系統(tǒng)的系統(tǒng)性要求以及預(yù)約方式的需求，并構(gòu)建了停車預(yù)約系統(tǒng)的整體結(jié)構(gòu)，主要包括停車場信息查詢模塊、車位預(yù)約模塊、路徑誘導(dǎo)模塊.吳正[5]構(gòu)建了小區(qū)共享車位預(yù)約停車系統(tǒng)，系統(tǒng)主要分為車位共享模塊、車位預(yù)約模塊、二維碼掃碼識別模塊和路徑規(guī)劃模塊.Geng等[6]考慮停車位保留時間的不同，將停車泊位預(yù)定方式分為定制性預(yù)定和及時性預(yù)定，并探討了2種預(yù)定方式不同的預(yù)訂規(guī)則.尹紅亮等[7-8]研究發(fā)現(xiàn)，影響預(yù)約行為的因素主要包括停車目的、停車時長、停車后的步行距離、停車費用的支付方式、年齡、收入等.章偉[9]考慮停車時刻、泊位占有率、預(yù)約用戶比例等因素對用戶決策行為的影響，構(gòu)建了基于Agent仿真的智能停車預(yù)約系統(tǒng)模型.林秋松[10]提出了分時段批量預(yù)約的車道邊停車預(yù)約策略，對現(xiàn)有的預(yù)約模型進(jìn)行了優(yōu)化.寧瑞昌[11]采用問卷調(diào)查的方法獲取數(shù)據(jù)，分別對出行者的社會經(jīng)濟(jì)屬性、停車交通屬性和停車預(yù)約屬性進(jìn)行分析，構(gòu)建了預(yù)約模式下停車場選擇模型和停車位選擇模型.

綜上可知，國內(nèi)外學(xué)者已在構(gòu)建停車預(yù)約系統(tǒng)、預(yù)約影響因素、預(yù)約決策行為方面有了一定的研究.在預(yù)約的影響因素與決策行為方面，傳統(tǒng)的預(yù)約策略要求出行者必須在預(yù)約時間段內(nèi)到達(dá)和離開，靈活性較差，未響應(yīng)出行者預(yù)約需求，實際交通出行中，出行者即使在預(yù)約狀態(tài)下，調(diào)整了其出行行為，卻依然會提前到達(dá)，存在車位保留或者延遲離開的需求；現(xiàn)有研究未考慮到出行者到達(dá)、離開的不確定性，以及停車不確定性對出行者預(yù)約決策的影響；未探索時間窗(提前到達(dá)、車位保留、延遲離開的時間)加入到預(yù)約策略的實施路徑，亦未開展不同的時間窗長度對預(yù)約機(jī)制和出行者預(yù)約決策的影響.在預(yù)約系統(tǒng)的構(gòu)建方面，較少對預(yù)約的懲罰與收費機(jī)制展開研究.因此，有必要獲取用戶的預(yù)約需求，將需求、選擇偏好與停車預(yù)約相結(jié)合，開展停車預(yù)約需求調(diào)查，并對停車預(yù)約行為進(jìn)行研究.

本文構(gòu)建了停車預(yù)約系統(tǒng)，揭示不同停車預(yù)約策略的使用動機(jī)，挖掘停車預(yù)約機(jī)理及其影響因素.采用意愿調(diào)查法對停車位預(yù)約信息需求、偏好以及預(yù)約行為意向進(jìn)行調(diào)查，構(gòu)建基于BL模型的停車泊位預(yù)約決策模型，探討了預(yù)約時間窗對停車預(yù)約行為的影響，為停車預(yù)約系統(tǒng)建設(shè)提供理論基礎(chǔ)和數(shù)據(jù)支持.

1 停車預(yù)約機(jī)理研究

1.1 停車預(yù)約策略與機(jī)理研究

傳統(tǒng)的停車預(yù)約策略包括時間共享性預(yù)約策略和實時性預(yù)約策略，如圖1所示.其中，時間共享性預(yù)約策略要求出行者提前1 d提交預(yù)約信息，比如起終點、計劃進(jìn)入停車場時刻、計劃離開停車場時刻，系統(tǒng)收集所有出行者信息，進(jìn)行周期性處理，該模式能從全局的角度保證系統(tǒng)分配最優(yōu)，非常適用于有計劃的出行者，可提前確定好自己的行程，但無法滿足有臨時需求的出行者.實時性預(yù)約策略要求出行者實時提交預(yù)約需求，只需要實時輸入起終點、停車預(yù)約時刻和計劃進(jìn)入停車場時刻，計劃離開停車場時刻可根據(jù)自己的實際情況隨時調(diào)整.系統(tǒng)對需求實時反饋，該模式更好地考慮了出行者的需求，非常適用于行程不確定、有臨時需求的出行者.

圖1 傳統(tǒng)的時間共享性預(yù)約策略與實時性預(yù)約策略示意圖

時間共享性預(yù)約策略要求出行者必須在計劃進(jìn)入停車場之后達(dá)到停車場，實時性預(yù)約策略要求出行者必須在計劃進(jìn)入停車場時刻之前到達(dá)，不能早到，也不能晚到，出行靈活性較差.而出行者的停車需求存在一定的不確定性.針對這一情況，本文提出設(shè)置提前到達(dá)、車位保留、延遲離開的時間窗，見圖2，給出行者一定的緩沖時間，減少出行者的早到、晚到懲罰成本，提高出行者收益，提高停車滿意度.本文將進(jìn)一步探索時間窗加入到預(yù)約策略的實施路徑，分析不同的時間窗長度對預(yù)約機(jī)制和出行者預(yù)約決策的影響.

圖2 時間窗示意圖

假設(shè)出行者在出發(fā)之前會進(jìn)行停車信息查詢，停車管理系統(tǒng)會進(jìn)行實時反饋，系統(tǒng)的開發(fā)、維護(hù)、信息發(fā)布均都需要一定的費用，因此，假設(shè)出行者需要一次性支付一定的預(yù)約服務(wù)費，并提供如下出行信息：起終點、預(yù)約開始時刻、預(yù)約結(jié)束時刻.優(yōu)化后的實時性預(yù)約策略如圖3所示.

圖3 優(yōu)化后的實時性預(yù)約策略示意圖

考慮了時間窗的停車預(yù)約機(jī)理如圖4所示.出行者在出行前，制定出行計劃，確定出行目的地后，根據(jù)以往的出行經(jīng)驗計劃行駛時間、尋泊時間、步行時間.為了減少尋泊時間，出行者會通過預(yù)約APP查詢停車預(yù)約信息，例如預(yù)約費、時間窗、車位預(yù)約比例、車位剩余個數(shù)、車位剩余比例等信息，做出自己的預(yù)約決策行為.

圖4 預(yù)約機(jī)理圖

在停車預(yù)約系統(tǒng)中，存在停車場管理方和小汽車出行者2個不同的主體，二者存在不同的需求.

1)對于停車場管理方而言，車輛到達(dá)的不確定性，小汽車出行者停車需求的不確定性等因素影響了停車場管理方對車流的調(diào)控和對停車資源的配置.如何確定停車位預(yù)約比例，提高車位利用率，獲得較高的停車收益是停車場管理方的關(guān)注點.具體影響因素包括：預(yù)約時間段、預(yù)約時間窗、車位預(yù)約比例等.

2)對于小汽車出行者而言，行程時間的不確定性(路徑選擇)、停車位的可用性(尋泊過程)、到達(dá)時間的不確定性等因素制約了出行者的停車預(yù)約決策.而出行者出行特性(出行目的、行駛時間、停放時長、收費價格 、支付方式、尋位時間、停車?yán)щy度、滿意度)、預(yù)約信息需求特性(預(yù)約方式、預(yù)約費、預(yù)約時間窗、車位預(yù)約比例、車位剩余比例等)、社會經(jīng)濟(jì)特性(性別、年齡、文化程度、職業(yè)、月收入)等方面同樣影響出行者的停車預(yù)約決策.

1.2 停車預(yù)約機(jī)制分析

停車預(yù)約機(jī)制包括信息查詢模塊、車位預(yù)約模塊、路徑誘導(dǎo)模塊、車位分配模塊，如圖5所示.

圖5 停車預(yù)約機(jī)制圖

1)出行者出行前，首先生成出行意向：意向出行目的地、是否選擇停車預(yù)約、出發(fā)時間等.出行者通過停車預(yù)約系統(tǒng)查詢停車場信息，主要包括停車場基本信息、空余車位信息、預(yù)約時間窗大小、預(yù)約費等.

2)根據(jù)獲得的停車預(yù)約信息，出行者確定是否選擇預(yù)約.如果選擇預(yù)約，出行者需要輸入出發(fā)地、目的地和預(yù)約時段，預(yù)約時段有空余車位，出行者一次性支付預(yù)約費，預(yù)約成功，反之，查找其他時段空余車位剩余情況或者查詢其他停車場車位信息.

3)預(yù)約成功后，進(jìn)入路徑誘導(dǎo)模塊，路徑的顯示方式由預(yù)約平臺顯示.出行者根據(jù)路徑誘導(dǎo)，前往目的地停車.

4)在車位分配模塊，研究對象包括提前一個時間間隔(0.5 h、1 h)預(yù)約P-user和隨機(jī)達(dá)到R-user，首先P-user需要提前一個時間間隔提交預(yù)約地點、需求時間段(包括預(yù)約開始時刻、預(yù)約結(jié)束時刻)，R-user在任一個時間間隔到達(dá).停車場管理者根據(jù)每個時段停車位空閑時間段和預(yù)約時間窗大小，分配P-user和R-user的停車需求，并告知停車位分配結(jié)果，更新供給矩陣.在收費與懲罰模塊，如果出行者準(zhǔn)時到達(dá)或者在時間窗內(nèi)到達(dá)停車場，收取預(yù)約時段停車費PFEE1；如果延遲離開，且在預(yù)約時間窗內(nèi)，停車費PFEE2包括預(yù)約時段停車費和正常價格停車費PFEE3，收取方式見式(1)；如果延遲離開，且在預(yù)約時間窗外，出行者將收到停車費的懲罰.因為出行者違反了停車預(yù)約的規(guī)則，延遲離開會影響已經(jīng)分配的停車需求，對系統(tǒng)停車位的分配造成了損失，停車費PFEE4包括預(yù)約時段停車費和超時停車費PFEE5，超時停車費按照正常價格停車費乘以懲罰系數(shù)τ，收取方式見式(2)、(3).

PFEE2=PFEE1+PFEE3

(1)

PFEE4=PFEE1+PFEE5

(2)

PFEE5=PFEE3×τ

(3)

2 預(yù)約選擇行為調(diào)查

為了研究不同預(yù)約機(jī)制下的預(yù)約決策行為，設(shè)計了預(yù)約選擇行為調(diào)查問卷，定量分析不同的預(yù)約需求對預(yù)約決策行為的影響.

2.1 停車預(yù)約問卷調(diào)查設(shè)計

問卷調(diào)查分為3個部分：出行特性、停車預(yù)約需求、社會經(jīng)濟(jì)特性.

1)出行特性：獲取出行者上一次的停車情況，包括出行目的、停車場的車位數(shù)、具體的尋位時間、停車滿意度、停車收費情況和預(yù)計停放時間.

2)停車預(yù)約需求：時間窗、可預(yù)約車位剩余比例、不可預(yù)約車位剩余比例.

3)社會經(jīng)濟(jì)特性：性別、年齡、文化程度、職業(yè)和月收入.

調(diào)查選取了3種場景因素，分別是時間窗、可預(yù)約車位剩余比例、不可預(yù)約車位剩余比例.并設(shè)置了3種場景因素的水平項，其中時間窗設(shè)置3個水平項，可預(yù)約車位剩余比例、不可預(yù)約車位剩余比例設(shè)置3個水平項.為覆蓋所有場景，采用正交設(shè)計的方法，對出場景因素進(jìn)行整合，得到的9個場景組合設(shè)計如表1所示.

表1 場景組合設(shè)計表

在不同場景下，要求被調(diào)查者做出預(yù)約選擇，預(yù)約選擇肢分別為“選擇預(yù)約”“放棄預(yù)約”.

調(diào)查于2019-04-10—14在北京市朝陽區(qū)開展，采用面對面調(diào)查方式，共回收有效問卷137份.

2.2 停車預(yù)約數(shù)據(jù)分析

1)性別分布

本次調(diào)查包括男性91人，占總體百分比為66.4%，調(diào)查女性46人，占總體百分比為33.6%.根據(jù)2018年統(tǒng)計數(shù)據(jù)，男駕駛員總體百分比為69.9%，女駕駛員占30.1%.從性別比例可看出，本次調(diào)查的性別比例符合駕駛員性別比例，數(shù)據(jù)合理，可用于后期的數(shù)據(jù)處理，見表2.

表2 性別統(tǒng)計表

2)出行者預(yù)約信息需求

從出行者預(yù)約需求信息的樣本可看出，79%的出行者更關(guān)注車位剩余個數(shù)，其次是時間窗、預(yù)約費、車位剩余比例、停車費率，見圖6.

圖6 出行者預(yù)約需求

3)時間窗對預(yù)約決策行為的影響

將時間窗長度設(shè)置為10、20、30 min，當(dāng)時間窗長度為10 min時，選擇預(yù)約的比例為47.7%，當(dāng)時間窗長度為20 min時，選擇預(yù)約的比例為58.4%，當(dāng)時間窗長度為30 min時，選擇預(yù)約的比例為53.3%.隨著時間窗長度的增加，選擇預(yù)約的比例先增加后減少，見表3、圖7.

表3 時間窗對預(yù)約比例的影響

圖7 出行者是否選擇預(yù)約與預(yù)約時間窗間的關(guān)系

3 停車泊位預(yù)約決策模型

3.1 模型的構(gòu)建

假定出行者n是否選擇預(yù)約停車位的效用函數(shù)Y為概率變量，并假設(shè)效用函數(shù)中的固定項Vin和隨機(jī)變化部分εin之間相互獨立，且εin服從二重指數(shù)分布，則停車位選擇的BL模型表達(dá)，見式(4)(5)：

(4)

(5)

式中，Pin為出行者n選擇方案i(=1，2)的概率；Vin為出行者n選擇方案i(=1，2)的效用的固定項.

3.2 模型的標(biāo)定結(jié)果分析

影響停車預(yù)約行為的因素有很多，本文將其分為離散變量和連續(xù)變量.通過交叉列鏈表檢驗了各屬性變量與車位預(yù)約選擇之間的相關(guān)性，利用TransCAD軟件對車位選擇BL模型進(jìn)行參數(shù)標(biāo)定，標(biāo)定結(jié)果如表4所示.

表4 BL模型標(biāo)定及檢驗結(jié)果

采取t檢驗的方法，100%變量的t檢驗值的絕對值大于1.96，表明在95%的置信度上變量對出行者決策行為具有顯著影響.通常情況下，當(dāng)優(yōu)度比達(dá)到0.2～0.4時，模型的精度較高.本文模型優(yōu)度比為0.210 742，表明模型精度較高.

可看出，停車預(yù)約選擇決策行為的影響因素主要有出行目的、職業(yè)、行駛時間、年齡、實際停車時長、停車費率、時間窗長短、車位剩余數(shù)量等，具體分析如下：

1)出行目的1(回家)變量的系數(shù)為負(fù)，且在99%水平上顯著，說明出行目的為回家的出行者對小區(qū)的車位熟悉度較高，不傾向于選擇預(yù)約.

2)退休人員變量的系數(shù)為正，且在99%水平上顯著，說明已退休的出行者沒有上班的壓力，生活節(jié)奏較慢，不傾向于選擇預(yù)約.

3)行程時間變量在95%水平上顯著，說明隨著行程時間的增加，出行者更傾向于選擇停車預(yù)約.

4)實際停車時長變量系數(shù)為正，且在99%水平上顯著，說明實際停放時長越長的出行者越傾向于選擇預(yù)約.

5)停車費率變量系數(shù)為負(fù)，且在99%水平上顯著，說明停車費率越高，預(yù)約費占停車總費用的比例越低，出行者更傾向于選擇停車預(yù)約.

6)預(yù)約車位剩余數(shù)量與非預(yù)約車位剩余數(shù)量變量系數(shù)為正，說明隨著預(yù)約車位剩余的增加(非預(yù)約車位剩余數(shù)量的減少)，出行者更傾向于選擇預(yù)約.

7)預(yù)約時間窗變量系數(shù)為正，且在95%水平上顯著，說明隨著預(yù)約時間窗的增加，出行者停車靈活性更強(qiáng)，出行者更傾向于選擇預(yù)約.

3.3 彈性分析

出行者選擇預(yù)約的概率對時間窗的彈性分析：

(6)

模型標(biāo)定結(jié)果顯示：時間窗參數(shù)為正，說明時間窗越高，出行者越傾向于選擇選擇停車預(yù)約.為了分析時間窗的變動對出行者選擇停車預(yù)約的影響，計算了時間窗與預(yù)約選擇概率的關(guān)系以及對選擇預(yù)約概率的彈性值，如圖8所示.

圖8 預(yù)約費的彈性分析圖

從圖8可得出，當(dāng)時間窗為10、20 min時，彈性值的絕對值在0～1之間，說明概率變動幅度小于時間窗變動幅度，即時間窗每變動1%，選擇預(yù)約的概率變動小于1%，概率變化缺乏彈性；當(dāng)時間窗為30 min時，彈性值的絕對值>1，說明說明概率變動幅度大于時間窗變動幅度，即時間窗每變動1%，選擇預(yù)約的概率變動大于1%，概率變化富有彈性.

4 結(jié)論

通過建立BL模型和對時間窗的彈性分析，揭示影響出行者停車預(yù)約的影響因素，主要結(jié)論如下：

1)結(jié)合停車預(yù)約的理論研究和實際應(yīng)用，將預(yù)約策略與停車系統(tǒng)相結(jié)合，并考慮懲罰機(jī)制和時間窗對預(yù)約行為的影響，構(gòu)建了停車預(yù)約機(jī)制圖.

2)從出行者的停車預(yù)約信息需求和出行意愿調(diào)查問卷分析發(fā)現(xiàn)出行者預(yù)約信息需求的排序依次為車位剩余數(shù)、時間窗、預(yù)約費、車位剩余比例、停車費率.

3)構(gòu)建基于BL模型的停車泊位預(yù)約決策模型，發(fā)現(xiàn)影響停車預(yù)約決策行為的因素有出行目的、職業(yè)、行駛時間、年齡、實際停車時長、停車費率、時間窗長短、車位剩余數(shù)量等.

4)當(dāng)時間窗設(shè)置為30 min時，彈性值的絕對值大于1，說明概率變動幅度大于時間窗變動幅度，概率變化富有彈性，模型較為敏感.