CN102496076B

CN102496076B - 宏、中、微观多层次的城市停车需求预测模型集成***

Info

Publication number: CN102496076B
Application number: CN201110392499.1A
Authority: CN
Inventors: 邓兴栋; 甘勇华; 陈先龙; 宋程
Original assignee: GUANGZHOU ZHIXIN TRANSPORTATION CONSULTANT CO Ltd; Guangzhou Transportion Planning Research Institute
Current assignee: Guangzhou Transportation Planning And Research Institute Co ltd; GUANGZHOU ZHIXIN TRANSPORTATION CONSULTANT CO Ltd
Priority date: 2011-11-30
Filing date: 2011-11-30
Publication date: 2015-05-27
Anticipated expiration: 2031-11-30
Also published as: CN102496076A

Abstract

本发明属于虚拟仿真技术领域，具体涉及一种宏、中、微观多层次的城市停车需求预测模型集成***。包括用于导入和存储停车需求预测数据的***数据模块；对总体停车需求进行预测的城市总体停车需求宏观预测模块；对各地块最大停车需求预测的综合开发共享停车需求中观预测模块，其与城市总体停车需求宏观预测模块连接；对停车库入口服务情况预测的停车库入口服务水平微观分析模块；三个预测模块均与***数据模块连接。本发明的宏观预测模块既考虑出行车辆还考虑未出行车辆的停车需求，中观预测模块考虑公交可达性情况下多种性质建筑共享停车需求，实现宏中观模块预测结果的双向校正，***、定量预测各层次城市停车需求，为各种停车研究提供重要支撑。

Description

宏、中、微观多层次的城市停车需求预测模型集成***

技术领域

本发明属于虚拟仿真技术领域，具体涉及一种宏、中、微观多层次的城市停车需求预测模型集成***。

背景技术

随着经济和社会的发展，我国城市化进程不断加快，城市机动化也得到快速发展。进入二十一世纪来，北京、上海、广州等特大城市的汽车保有量相继突破了百万辆大关，带来的交通问题不仅仅是交通拥挤和阻塞，停车问题成为城市交通面临的主要问题之一，而且停车问题也越来越突出，一方面，许多城市建成区域没有完善的停车设施而极大地影响了本区域的发展，另一方面，土地紧缺的现状又不允许饱和建设停车设施。以往我国各大城市对道路交通研究集中于动态交通，静态交通研究却相对较少。为了缓解城市化带来的交通问题，促进静态交通与动态交通协调发展，我国各大城市近年来均在不同程度地开展了停车交通研究。但无论停车战略、停车政策和停车管理研究，还是停车设施规划布局，都需要面对日新月异的城市建设和交通发展，需要充分考虑停车设施建设影响的长远性，对未来停车发展趋势和需求进行科学预测。因此，如何在交通发展政策、土地资源限制、能源环境和新技术发展等发展趋势下对城市停车需求进行全面、完整、***的预测成为了城市静态交通研究的重点。

发明内容

本发明解决的技术问题是克服现有技术的不足，提供一种能够从宏中微观三个层面全面、***地对城市停车需求进行定量预测和分析的宏、中、微观多层次的城市停车需求预测模型集成***。

为解决上述技术问题，本发明的技术方案如下：

一种宏、中、微观多层次的城市停车需求预测集成***，其特征在于，包括：

用于导入和存储停车需求预测所需数据的***数据模块；

通过***数据模块获取数据对城市交通小区、规划管理单元和行政区出行车辆和未出行车辆的停车需求进行预测的城市总体停车需求宏观预测模块；

通过***数据模块获取数据以具有多种使用性质的地块为分析单元，在考虑公交可达性情况下对全日各分析单元停车需求之和最大时的停车泊位需求进行预测的综合开发共享停车需求中观预测模块，所述地块包括单项建筑或者多项临近的建筑；

通过***数据模块获取数据对停车库入口服务情况进行预测的停车库入口服务水平微观分析模块；

所述城市总体停车需求宏观预测模块与综合开发共享停车需求中观预测模块连接，用于对预测结果进行相互校正，所述城市总体停车需求宏观预测模块、综合开发共享停车需求中观预测模块和停车库入口服务水平微观分析模块均与***数据模块连接，并统一集成到统一平台中进行操作控制。

上述方案中，所述***数据模块中的数据包括：

通过调查获得的特征年各小区人口，特征年就业岗位量，特征年小汽车拥有量，特征年小汽车使用意愿，各种使用性质建筑的全日各时刻停车需求和全日停车需求变化率数据，各地块的公交可达性修正系数；

通过仿真获得的特征年分目的小汽车出行客流OD矩阵、分目的小汽车载客率与停车泊位周转率数据；

根据采集获得城市交通小区、规划管理单元和行政区的边界信息及其相互对应关系，停车配建指标分区边界信息，规划路网、轨道网络及站点数据，现状和规划停车场位置和规模数据。

上述方案中，所述城市总体停车需求宏观预测模块内设置有用于对城市交通小区、城市规划管理单元、城市行政区出行车辆和未出行车辆的停车需求进行预测的出行吸引模型。所述城市总体停车需求宏观预测模块用于辅助停车战略研究、停车配建指标研究、停车设施专项规划及停车政策研究等。

上述方案中，所述出行吸引模型的表达式如下：

P_{i} = \underset{j}{Σ} \frac{A_{ij}}{{Occ}_{j} \times {rat}_{j}} + {CA}_{i} \times {UR}_{i}

式中：i表示第i个交通小区；j表示第j种小汽车出行目的；P_i为第i个交通小区停车需求，单位为泊位；A_ij为第i个交通小区出行客流吸引量，人次/日，其根据特征年分目的小汽车出行客流OD矩阵、特征年各小区人口和就业岗位量获得；Occ_j为第j种出行目的小汽车载客率，人次/车；rat_j为第j种小汽车出行目的停车泊位周转率，次/日；CA_i为第i个交通小区小汽车拥有量，单位为辆；UR_i为第i个交通小区拥有但不使用小汽车的比例，其根据特征年小汽车使用意愿调查获取。

此技术方案中将车辆使用率应用到出行吸引模型中，考虑了出行车辆和未出行车辆的停车需求，使得预测结构更加合理、科学。

上述方案中，所述出行吸引模型还根据***数据模块的城市交通小区、规划管理单元和行政区的边界信息及其相互对应关系计算汇总获得城市规划管理单元和行政区出行车辆和未出车辆的停车需求。

上述方案中，所述综合开发共享停车需求中观预测模块内设置有综合开发共享停车需求预测模型，综合开发共享停车需求中观预测模块通过综合开发共享停车需求预测模型，在考虑公交可达性情况下对具有多种使用性质的地块全日停车需求之和最大时的停车泊位需求进行预测，所述综合开发共享停车需求预测模型的表达式如下：

P_{share} = {MAX}_{t} (Σ_{c = 1}^{n} \frac{{Area}_{c} \times P_{c, rate}}{Ptal} \times {Fact}_{c, t}),

其中：P_share为综合开发共享停车需求，单位为泊位；n表示所述地块包括n种使用性质，C＝1，2，3…n；Area_c为所述地块中第C种使用性质的建筑使用面积，单位为100平方米；P_c，rate为第C种使用性质建筑的全日停车需求变化率，单位为泊位/100平方米；Ptal为公交可达性修正系数，其根据从建筑物到轨道交通和快速公交的公共交通站点的平均步行时间、步行环境和在公共交通站点的平均等待时间确定，不同地块具有不同的公交可达性修正系数，是反映区域公共交通服务水平的参数；Fact_c，t为所述地块t时刻第C种使用性质的停车需求占全日需求总量的比例，t＝1，2，…。

上述方案中，当所述地块中包括多项临近的建筑时，所述综合开发共享停车需求预测模型还包括对所述地块的每项建筑的共享停车需求进行预测，具体为：

P_{m} = \frac{Σ_{c = 1}^{n} {Area}_{c, m} * P_{c, rate}}{Σ_{c = 1}^{n} {Area}_{c} * P_{c, rate}} * P_{share};

其中：Pm为所述地块中的第m项建筑共享停车需求，单位为泊位；n表示第m项建筑包括n种使用性质，C＝1，2，3…n；Area_c，m为第m项建筑第C种使用性质的建筑使用面积，单位为100平方米；P_c，rate为第C种使用性质建筑的全日停车需求变化率，单位为泊位/100平方米；P_share为所述地块的综合开发共享停车需求，单位为泊位；Area_c为所述地块中的第C种使用性质的总建筑使用面积，单位为100平方米。

地块的多种使用性质是指办公、商业、居住等多种使用性质，所述综合开发共享停车需求中观预测模块用于单项建筑多种使用性质综合开发停车需求研究、相邻多项建筑的多种使用性质综合开发停车需求研究、地块多种使用性质综合开发交通影响评估。

上述方案中，停车库入口服务水平微观分析模块通过排队论模型对停车库入口服务水平进行微观分析预测。

上述方案中，所述排队论模型包括单服务台的M/M/1/N/∞模型和多服务台的M/M/C/N/∞模型；

所述M/M/1/N/∞模型表示停车库只有一条进入通道，最大允许排队车辆数为N辆，通过输入车辆到达率和收费台服务水平的数据获得停车入口服务水平的各项指标，具体如下：

车辆到达率(辆/小时)：λ；

收费台服务水平(辆/小时)：μ；

服务强度：

ρ = \frac{λ}{μ};

收费台没有车辆排队的概率：

P_{0} = \frac{1 - ρ}{1 - ρ^{N + 1}}, ρ < 1;

收费台有n辆车排队的概率：

P_{n} = \frac{1 - ρ}{1 - ρ^{N + 1}} ρ^{n}, n < N;

收费台平均车辆数(辆)：

L_{s} = \frac{ρ}{1 - ρ} - \frac{(N + 1) ρ^{N + 1}}{1 - ρ^{N + 1}}, ρ < 1;

平均等待车辆数(辆)：L_q＝L_s-(1-P₀)；

车辆平均花费等待时间(分)：

W_{s} = (\frac{L_{q}}{λ (1 - P_{N})} + \frac{1}{μ}) * 60;

车辆平均等待时间(分)：

W_{q} = W_{s} - \frac{1}{μ} * 60;

所述M/M/C/N/∞模型表示停车库有C条进入通道，最大允许排队车辆数为N辆，通过输入车辆到达率、收费台服务水平的数据、和收费通道数获得停车入口服务水平的各项指标，具体如：

车辆到达率(辆/小时)：λ；

收费台服务水平(辆/小时)：μ；

收费通道数(条)：C；

服务强度：

ρ = \frac{λ}{Cμ};

收费台没有车辆排队的概率：

P_{0} = \frac{1}{Σ_{k = 0}^{C} \frac{{(Cρ)}^{k}}{k!} + \frac{C^{C}}{C!} \cdot \frac{ρ (ρ^{C} - ρ^{N})}{1 - ρ}}, ρ < 1;

收费台有n辆车排队的概率：

P_{n} = \{\begin{matrix} \frac{{(Cρ)}^{n}}{n!} P_{0} & (0 \leq n \leq C) \\ \frac{C^{C}}{C!} ρ^{n} P_{0} & (C \leq n \leq N) \end{matrix};

平均等待车辆数(辆)：

L_{q} = \frac{P_{0} ρ {(Cρ)}^{C}}{C! {(1 - ρ)}^{2}} [1 - ρ^{N - C} - (N - C) ρ^{N - C} (1 - ρ)];

收费台平均车辆数(辆)：L_S＝L_q+C_ρ(1-P_n)；

车辆平均等待时间(分)：

W_{q} = \frac{L_{q}}{λ (1 - P_{N})} * 60;

车辆平均花费等待时间(分)：

W_{s} = W_{q} + \frac{1}{μ} * 60 .

与现有技术相比，本发明技术方案的有益效果是：

(1)城市总体停车需求宏观预测模块对出行吸引模型进行了改进，不仅考虑了出行车辆的停车需求，还考虑了未出行车辆的停车需求，将车辆使用率概念引入到停车需求预测中来，使预测结果更加合理、科学；综合开发共享停车需求中观预测模块从不同建筑的不同使用性质的停车需求率变化特征入手，以共享为理念来提供停车泊位供应量，同时考虑了公交可达性对停车需求的影响，强调土地的集约化发展。

(2)本发明通过***数据模块提供统一的数据来源，保证宏、中、微观三个层次的停车需求预测数据的一致性，提高了预测的精度和准确度。

(3)本发明能够与现有的动态交通仿真***互相兼容，能够利用现有的交通仿真技术获得预测的基础数据，便于与动态交通仿真的数据衔接和交互，使得本发明更好地与动态交通仿真结合，使停车需求的预测更加科学、全面。

(4)本发明提供了涵盖宏、中、微观三个层面的停车需求预测集成***，能够科学合理的对城市停车需求进行定量预测和分析，从而科学地诊断城市发展面临的交通和停车问题，提出合理的停车发展战略和对策措施，实现城市停车供需平衡和动静态交通的协调，提升城市发展管理水平；其可应用于国内相关城市特别是大城市的多项停车研究，其研究成果能有效缓解城市停车矛盾，促进城市停车产业的发展，同时促进了动静态交通协调发展，对缓解城市交通拥堵，减少机动车尾气产生的环境圬染等方面也产生了不可估量的社会效益。

(5)本发明的集成***将宏、中、微观停车需求预测模块集成到统一平台中，方便操作控制，宏观用于总量控制预测，中观为分布预测，总量控制预与分布预测是相互关联的，本发明能实现宏观总量停车需求预测与中观停车需求分布预测的双向校正，提高预测的合理性和科学性，进而从各层预测结果分析未来应采用的停车战略，并提出停车设施布局的建议等。

附图说明

图1为本发明的结构示意图；

图2为本发明的城市总体停车需求预测模块的工作流程；

图3为本发明的***架构。

具体实施方式

下面结合附图和实施例对本发明的技术方案做进一步的说明。

如图1所示，本发明的一种宏、中、微观多层次的城市停车需求预测集成***结构示意图，其包括：

***数据模块，用于导入和存储停车需求预测所需数据，所述数据包括：

通过调查获得的特征年各小区人口，特征年就业岗位量，特征年小汽车拥有量，特征年小汽车使用意愿，各种使用性质建筑的全日各时刻停车需求和全日停车需求变化率数据，各地块的公交可达性修正系数；地块的各种使用性质包括有办公、商业、居住等多种使用性质，不同地块所具有的使用性质不一样。

通过仿真获得的特征年分目的小汽车出行客流OD矩阵、分目的小汽车载客率与停车泊位周转率数据；此类数据是通过现有的城市交通仿真技术获得的；

根据采集获得城市交通小区、规划管理单元和行政区的边界信息及其相互对应关系，停车配建指标分区边界信息，规划路网、轨道网络及站点数据，现状和规划停车场位置和规模数据，此类数据能够通过历史记录数据、现有的地理信息***采集。

城市总体停车需求宏观预测模块，其与***数据模块连接，通过***数据模块获取数据对城市交通小区、规划管理单元和行政区出行车辆和未出行车辆的停车需求进行预测。其内设置有出行吸引模型。

如图2所示，出行吸引模型的表达式如下：

P_{i} = \underset{j}{Σ} \frac{A_{ij}}{{Occ}_{j} \times {rat}_{j}} + {CA}_{i} \times {UR}_{i}

式中：i表示第i个交通小区；j表示第j种小汽车出行目的；P_i为第i个交通小区停车需求，单位为泊位；A_ij为第i个交通小区出行吸引客运量，人次/日，其根据特征年分目的小汽车出行客流OD矩阵、特征年各小区人口和就业岗位量获得；Occ_j为第j种出行目的小汽车载客率，人次/车；rat_j为第j种小汽车出行目的停车泊位周转率，次/日；CA_i为第i个交通小区小汽车拥有量，单位为辆；UR_i为第i个交通小区拥有但不使用小汽车的比例，其根据特征年小汽车使用意愿调查获取；其中城市总体停车需求宏观预测模块通过***数据模块获得特征年全年各日分目的小汽车出行客流OD矩阵、特征年各小区人口、就业岗位量、各交通小区小汽车拥有量、各交通小区小汽车使用意愿，出行吸引模型通过特征年全年各日分目的小汽车出行客流OD矩阵、特征年各小区人口、就业岗位量推算获得各交通小区全日小汽车出行客流吸引量，再结合分目的小汽车载客率数据计算各交通小区全日小汽车出行交通吸引量，然后根据分目的停车泊位周转率计算各交通小区小汽车出行吸引停车需求；同时出行吸引模型通过各交通小区小汽车拥有量、各交通小区小汽车使用意愿获得各交通小区未出行小汽车停车需求，结合各交通小区小汽车出行吸引停车需求，并考虑未来年车辆使用情况，综合计算各交通小区的实际停车需求，并写入***的地图数据文件，计算出各交通小区小汽车总体停车需求。

出行吸引模型还根据***数据模块的城市交通小区、规划管理单元和行政区的边界信息及其相互对应关系计算汇总获得城市规划管理单元和行政区的停车需求，并写入***的地图数据文件。城市总体停车需求宏观预测模块对各个交通小区的停车需求进行了预测，从而得到管理单元和行政区的停车需求，根据各交通小区的停车需求与实际供应情况指导制定相应的差别化停车战略，并根据交通小区停车需求指导停车设施布局研究。

综合开发共享停车需求中观预测模块，其与***数据模块连接，通过***数据模块获取数据以具有多种使用性质的地块为分析单元，对在考虑公交可达性情况下全日各分析单元停车需求之和最大时的停车泊位需求进行预测，所述地块包括单项建筑或者多项临近的建筑。其设置有综合开发共享停车需求预测模型，综合开发共享停车需求预测模型的表达式如下：

P_{share} = {MAX}_{t} (Σ_{c = 1}^{n} \frac{{Area}_{c} \times P_{c, rate}}{Ptal} \times {Fact}_{c, t}),

地块包括单项建筑或者多项临近建筑，对于单项建筑来说，上述所获得的综合开发共享停车需求P_share即为该单项建筑的停车泊位需求，对于地块包括多项临近建筑来说，上述所获得的综合开发共享停车需求P_share是该地块的综合开发共享停车需求，地块中的各个建筑还需按各个建筑非共享停车需求所占比例进行拆分计算，其表达式如下：

P_{m} = \frac{Σ_{c = 1}^{n} {Area}_{c, m} * P_{c, rate}}{Σ_{c = 1}^{n} {Area}_{c} * P_{c, rate}} * P_{share};

公式中的t指具体某时刻，根据预测需求将全日划分为若干个时段，如每5分钟划分为1个时段，求取每5分钟的停车需求，或者每一小时划分为一个时段，取1时、2时、一直到24时。

综合开发共享停车需求中观预测模块是对各个地块进行共享停车预测，具体来说，如某地块包括单项建筑，该单项建筑包括商业和居住两类使用性质，商业主要停车需求在白天，而居住的停车需求主要是在晚上，考虑白天将部分居住停车泊位用于商业停车，晚上将部分商业停车泊位用于居住停车，此处通过Fact_c，t来实现共享停车，其中居住和商业的建筑使用面积Area_c是固定值，P_c，rate一般不同的建筑使用性质对应不同的值，该值储存在***数据模块各地块的各种使用性质全日各时刻停车需求和全日停车需求变化率中，其求解过程为：首先将不同性质的建筑面积与全日停车需求变化率相乘并考虑公交可达性修正系数计算出不同性质建筑各自所需最大停车泊位，然后将不同性质的建筑各自所需泊位相加得到不考虑共享时的地块停车需求，接着考虑Fact_c，t的影响，以各性质建筑的停车泊位需求乘以各时刻的Fact_c，t，得到各性质建筑各时刻考虑Fact_c，t的停车需求，相加得到地块全日各时刻的停车泊位需求，取最大值为地块应配建的停车泊位。

工作时，综合开发共享停车需求预测模型可以通过手工作业法和图上作业法两种方式进行预测。手工作业法是通过输入区域、建筑类型及建筑面积，计算得到全日各时刻的停车需求变化，如上午7点到夜间22点共15小时，每10分钟的停车需求变化，然后计算输入区域所涉及的建筑的共享停车需求。图上作业法需要先选择建筑，综合开发共享停车需求预测模型自动判断建筑所属区域并选择合适的计算指标，通过计算得到各建筑共享与非共享停车需求及所有建筑全日停车需求变化曲线。

所述城市总体停车需求宏观预测模块与综合开发共享停车需求中观预测模块连接，用于对预测结果进行相互校正，提高预测的合理性和科学性。

停车库入口服务水平微观分析模块，其与***数据模块连接，通过***数据模块获取数据对停车库入口服务情况进行预测。停车库入口服务水平微观分析模块通过排队论模型对停车库入口服务水平进行微观分析预测，排队论模型包括单服务台的M/M/1/N/∞模型和多服务台的M/M/C/N/∞模型；

M/M/1/N/∞模型表示停车库只有一条进入通道，最大允许排队车辆数为N辆，通过输入车辆到达率和收费台服务水平的数据获得停车入口服务水平的各项指标，具体如下：

车辆到达率(辆/小时)：λ；

收费台服务水平(辆/小时)：μ；

服务强度：

ρ = \frac{λ}{μ};

收费台没有车辆排队的概率：

P_{0} = \frac{1 - ρ}{1 - ρ^{N + 1}}, ρ < 1;

收费台有n辆车排队的概率：

P_{n} = \frac{1 - ρ}{1 - ρ^{N + 1}} ρ^{n}, n < N;

收费台平均车辆数(辆)：

L_{s} = \frac{ρ}{1 - ρ} - \frac{(N + 1) ρ^{N + 1}}{1 - ρ^{N + 1}}, ρ < 1;

平均等待车辆数(辆)：L_q＝L_s-(1-P₀)；

车辆平均花费等待时间(分)：

W_{s} = (\frac{L_{q}}{λ (1 - P_{N})} + \frac{1}{μ}) * 60;

车辆平均等待时间(分)：

W_{q} = W_{s} - \frac{1}{μ} * 60;

M/M/C/N/∞模型表示停车库有C条进入通道，最大允许排队车辆数为N辆，通过输入车辆到达率、收费台服务水平的数据、和收费通道数获得停车入口服务水平的各项指标，具体如：

车辆到达率(辆/小时)：λ；

收费台服务水平(辆/小时)：μ；

收费通道数(条)：C；

服务强度：

ρ = \frac{λ}{Cμ};

收费台没有车辆排队的概率：

P_{0} = \frac{1}{Σ_{k = 0}^{C} \frac{{(Cρ)}^{k}}{k!} + \frac{C^{C}}{C!} \cdot \frac{ρ (ρ^{C} - ρ^{N})}{1 - ρ}}, ρ < 1;

收费台有n辆车排队的概率：

P_{n} = \{\begin{matrix} \frac{{(Cρ)}^{n}}{n!} P_{0} & (0 \leq n \leq C) \\ \frac{C^{C}}{C!} ρ^{n} P_{0} & (C \leq n \leq N) \end{matrix};

平均等待车辆数(辆)：

L_{q} = \frac{P_{0} ρ {(Cρ)}^{C}}{C! {(1 - ρ)}^{2}} [1 - ρ^{N - C} - (N - C) ρ^{N - C} (1 - ρ)];

收费台平均车辆数(辆)：L_S＝L_q+C_ρ(1-P_n)；

车辆平均等待时间(分)：

W_{q} = \frac{L_{q}}{λ (1 - P_{N})} * 60;

车辆平均花费等待时间(分)：

W_{s} = W_{q} + \frac{1}{μ} * 60 .

本发明的***开发是以地理信息***GIS为基础进行集成的，结合GIS***二次开发的模式优劣点选择基于GIS组件的二次开发模式，***的架构如图3所示。其设计了三个层：表现层、应用层和数据层，三个预测模块集成在应用层中，***数据模块集成在数据层中，为上层应用层提供基础数据，表现层设计***界面，通过***界面可以进行相关预测操作。

Claims

1.一种宏、中、微观多层次的城市停车需求预测集成***，其特征在于，包括:

用于导入和存储停车需求预测所需数据的***数据模块；

通过***数据模块获取数据对城市交通小区、规划管理单元和行政区的出行车辆和未出车辆停车需求进行预测的城市总体停车需求宏观预测模块；

通过***数据模块获取数据以具有多种使用性质的地块为分析单元，在考虑公交可达性的前提下对全日各分析单元停车需求之和最大时的停车泊位需求进行预测的综合开发共享停车需求中观预测模块，所述地块包括单项建筑或者多项临近的建筑；

所述城市总体停车需求宏观预测模块与综合开发共享停车需求中观预测模块连接，用于对预测结果进行相互校正；所述城市总体停车需求宏观预测模块、综合开发共享停车需求中观预测模块和停车库入口服务水平微观分析模块均与***数据模块连接，并统一集成到统一平台中进行操作控制；

所述综合开发共享停车需求中观预测模块设置有综合开发共享停车需求预测模型，综合开发共享停车需求中观预测模块通过综合开发共享停车需求预测模型，在考虑公交可达性的情况下对具有多种使用性质的地块全日停车需求之和最大时的停车泊位需求进行预测，所述综合开发共享停车需求预测模型的表达式如下：

P_{share} = {MAX}_{t} (Σ_{c = 1}^{n} \frac{{Area}_{c} \times P_{c, rate}}{Ptal} \times {Fact}_{c, t}),

其中：P_share为综合开发共享停车需求，单位为泊位；n表示所述地块包括n种使用性质，C＝1,2,3…n；Area_c为所述地块中第C种使用性质的建筑使用面积，单位为100平方米；P_c,rate为第C种使用性质建筑的全日停车需求变化率，单位为泊位/100平方米；Ptal为公交可达性修正系数，其根据从建筑物到轨道交通和快速公交的公共交通站点的平均步行时间、步行环境和在公共交通站点的平均等待时间确定，不同地块具有不同的公交可达性修正系数，是反映区域公共交通服务水平的参数；Fact_c,t为所述地块t时刻第C种使用性质的停车需求占全日需求总量的比例，t＝1,2，…。

2.根据权利要求1所述的宏、中、微观多层次的城市停车需求预测集成***，其特征在于，所述***数据模块中的数据包括：

通过调查获得的特征年各小区人口，特征年就业岗位量，特征年小汽车拥有量，特征年小汽车使用意愿，各种使用性质建筑全日各时刻停车需求和全日停车需求变化率数据，各地块的公交可达性修正系数；

3.根据权利要求2所述的宏、中、微观多层次的城市停车需求预测集成***，其特征在于，所述城市总体停车需求宏观预测模块内设置有用于对城市交通小区、城市规划管理单元、城市行政区的出行车辆和未出车辆停车需求进行预测的出行吸引模型。

4.根据权利要求3所述的宏、中、微观多层次的城市停车需求预测集成***，其特征在于，所述出行吸引模型的表达式如下：

P_{j} = \underset{j}{Σ} \frac{A_{ij}}{{Occ}_{j} \times {rat}_{j}} + {CA}_{i} \times {UR}_{i}

式中：i表示第i个交通小区；j表示第j种小汽车出行目的；P_i为第i个交通小区停车需求，单位为泊位；A_ij为第i个交通小区出行客流吸引量，人次/日,其根据特征年分目的小汽车出行客流OD矩阵、特征年各小区人口和就业岗位量获得；Occ_j为第j种出行目的小汽车载客率，人次/车；rat_j为第j种小汽车出行目的停车泊位周转率，次/日；CA_i为第i个交通小区小汽车拥有量，单位为辆；UR_i为第i个交通小区拥有但不使用小汽车的比例,其根据特征年小汽车使用意愿调查获取。

5.根据权利要求4所述的宏、中、微观多层次的城市停车需求预测集成***，其特征在于，所述出行吸引模型还根据***数据模块的城市交通小区、规划管理单元和行政区的边界信息及其相互对应关系计算汇总获得城市规划管理单元和行政区出行车辆和未出车辆的停车需求。

6.根据权利要求1所述的宏、中、微观多层次的城市停车需求预测集成***，其特征在于，当所述地块中包括多项临近的建筑时，所述综合开发共享停车需求预测模型还包括对所述地块的每项建筑的共享停车需求进行预测，具体为：

P_{m} = \frac{Σ_{c = 1}^{n} {Area}_{c, m} {* P}_{c, rate}}{Σ_{c = 1}^{n} Ar {ea}_{c} * P_{c, rate}} * P_{share};

其中：P_m为所述地块中的第m项建筑共享停车需求，单位为泊位；n表示第m项建筑包括n种使用性质，C＝1,2,3…n；Area_c，m为第m项建筑第C种使用性质的建筑使用面积，单位为100平方米；P_c,rate为第C种使用性质建筑的全日停车需求变化率，单位为泊位/100平方米；P_share为所述地块的综合开发共享停车需求，单位为泊位；Area_c为所述地块中的第C种使用性质的总建筑使用面积，单位为100平方米。

7.根据权利要求1至6任一项所述的宏、中、微观多层次的城市停车需求预测集成***，其特征在于，停车库入口服务水平微观分析模块通过排队论模型对停车库入口服务水平进行微观分析预测。

8.根据权利要求7所述的宏、中、微观多层次的城市停车需求预测集成***，其特征在于，所述排队论模型包括单服务台的M/M/1/N/∞模型和多服务台的M/M/C/N/∞模型；

车辆到达率(辆/小时)：λ；

收费台服务水平(辆/小时)：μ；

服务强度：

收费台没有车辆排队的概率：

收费台有n辆车排队的概率：

收费台平均车辆数(辆)：

L_{s} = \frac{ρ}{1 - ρ} - \frac{(N + 1) ρ^{N + 1}}{1 - ρ^{N + 1}} ρ < 1;

平均等待车辆数(辆)：L_q＝L_s-(1-P₀)；

车辆平均花费等待时间(分)：

车辆平均等待时间(分)：

车辆到达率(辆/小时)：λ；

收费台服务水平(辆/小时)：μ；

收费通道数(条)：C；

服务强度：

收费台没有车辆排队的概率：

P_{0} = \frac{1}{Σ_{k = 0}^{C} \frac{{(Cρ)}^{k}}{k!} + \frac{C^{C}}{C!} \cdot \frac{ρ (ρ^{C} - ρ^{N})}{1 - ρ}} ρ < 1;

收费台有n辆车排队的概率：

P_{n} = \{\begin{matrix} \frac{{(Cρ)}^{n}}{n!} P_{0} (0 \leq n \leq C) \\ \frac{C^{C}}{C!} ρ^{n} P_{0} (C \leq n \leq N) \end{matrix};

平均等待车辆数(辆)：

L_{q} = \frac{P_{0} ρ {(Cρ)}^{C}}{C! {(1 - ρ)}^{2}} [1 - ρ^{N - C} - (N - C) ρ^{N - C} (1 - ρ)];

收费台平均车辆数(辆)：L_S＝L_q+C_ρ(1-P_n)；

车辆平均等待时间(分)：

车辆平均花费等待时间(分)：