CN107958610B - 一种基于泊位共享的功能混合用地停车位预估方法 - Google Patents
一种基于泊位共享的功能混合用地停车位预估方法 Download PDFInfo
- Publication number
- CN107958610B CN107958610B CN201711164667.5A CN201711164667A CN107958610B CN 107958610 B CN107958610 B CN 107958610B CN 201711164667 A CN201711164667 A CN 201711164667A CN 107958610 B CN107958610 B CN 107958610B
- Authority
- CN
- China
- Prior art keywords
- parking
- function
- land
- demand
- peak
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 56
- 238000012937 correction Methods 0.000 claims abstract description 27
- 230000008901 benefit Effects 0.000 claims description 10
- 238000011835 investigation Methods 0.000 claims description 10
- 230000000694 effects Effects 0.000 claims description 7
- 238000004364 calculation method Methods 0.000 claims description 5
- 238000010276 construction Methods 0.000 abstract description 6
- 239000002699 waste material Substances 0.000 abstract description 3
- 238000011161 development Methods 0.000 description 7
- 230000008859 change Effects 0.000 description 5
- 238000012360 testing method Methods 0.000 description 5
- 230000000875 corresponding effect Effects 0.000 description 3
- 239000000203 mixture Substances 0.000 description 3
- XEEYBQQBJWHFJM-UHFFFAOYSA-N Iron Chemical compound [Fe] XEEYBQQBJWHFJM-UHFFFAOYSA-N 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 239000006185 dispersion Substances 0.000 description 2
- 238000010606 normalization Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 238000012795 verification Methods 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- 230000002159 abnormal effect Effects 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000005315 distribution function Methods 0.000 description 1
- 208000001848 dysentery Diseases 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 229910052742 iron Inorganic materials 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000002407 reforming Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/14—Traffic control systems for road vehicles indicating individual free spaces in parking areas
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/40—Business processes related to the transportation industry
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Marketing (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Game Theory and Decision Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Development Economics (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及一种基于泊位共享的功能混合用地停车位预估方法,包括:采用影响因素修正系数模型,以现状年各业态停车需求生成率为基础,对目标年各业态停车需求生成率进行修正;基于停车需求一致稳定性特征,根据停车需求高峰比获得目标年功能混合用地不同业态建筑停车需求分时刻分布;利用不同业态建筑停车需求高峰时间的差异性,基于泊位共享预测混合用地分时刻停车需求量;根据共享型高峰停车需求量,在不同泊位供给政策情况下预估混合用地停车位。与现有技术相比,本发明考虑了功能混合用地不同业态建筑之间的泊位共享,避免了通过叠加单一配建指标所造成的停车泊位资源浪费,能够降低停车场的建设成本。
Description
技术领域
本发明涉及停车场设计领域,尤其是涉及一种基于泊位共享的功能混合用地停车位预估方法。
背景技术
功能混合用地能够实现功能优化组合,作为城市更新改造和集约化开发的主要途径得到了广泛应用,然而,在为城市商业发展注入活力的同时,也引发了一系列的问题,如由于停车配建不够造成的路网拥堵,或是由于配建过剩造成的资源浪费,因此,在进行混合用地建设时,如何有效地确定其停车场的建设规模成为当务之急。
传统停车需求预测方法本质是基于单一建筑配建指标的叠加进行的,由于没有考虑不同类别建筑物之间的相互作用,导致配建的泊位数与实际停车需求有很大的差距,因此,基于泊位共享的停车需求模型开始得到关注。
发明内容
本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种基于泊位共享的功能混合用地停车位预估方法。
本发明的目的可以通过以下技术方案来实现:
一种基于泊位共享的功能混合用地停车位预估方法,包括以下步骤:
S1、在待预估功能混合用地所在地区选取与其内的业态建筑具有相似区位、相同功能类型且相当规模的相似单一功能建筑进行停车场调查,将调查得到的数据等价用于功能混合用地内各业态建筑的停车需求评估,计算得到现状年功能混合用地内各业态建筑高峰停车需求生成率;
S2、采集现有数据并据此预估目标年停车需求影响因素数据,通过影响因素修正系数模型,在S1计算得到的数据基础上预测目标年功能混合用地内各业态建筑高峰停车需求生成率;
S3、根据步骤S1的调查数据分别绘制功能混合用地内各业态建筑的多个相似单一功能建筑在工作日、非工作日的停车需求高峰比日均分布曲线;
S4、通过算术平均法分别得到多个相似单一功能建筑在工作日、非工作日的停车需求高峰比日均分布曲线的均值拟合曲线,采用平滑样条内插法对所述均值拟合曲线进行非参数曲线拟合,得到功能混合用地内各业态建筑工作日、非工作日的停车需求高峰比日均分布拟合曲线;
S5、根据目标年功能混合用地各业态建筑在不同时刻停车需求生成率和各业态建筑的建筑面积,得到目标年功能混合用地不同时刻的共享型停车需求量;
S6、根据目标年功能混合用地不同时刻的共享型停车需求量的峰值和预先设定的停车位供给标准,确定目标年功能混合用地的停车位数量。
优选的,所述现状年功能混合用地内各业态建筑高峰停车需求生成率具体为:
其中,ri表示现状年第i类业态建筑高峰停车需求生成率;Si、Ti分别表示现状年第i类业态建筑的相似单一功能建筑的建筑面积和高峰小时总停放车次数;高峰小时总停放车次数具体为高峰小时起始车数和高峰小时入库总车数之和。
优选的,所述停车需求影响因素包括:功能混合用地所在地区机动车保有量、私家车分担比例和功能混合用地主体建筑物所在区位。
优选的,所述影响因素修正系数模型为:
Ri=(α×β×γ)×ri
其中,Ri表示目标年第i类业态建筑高峰停车需求生成率;α表示目标年功能混合用地所在地区机动车保有量修正系数;β表示目标年功能混合用地主体建筑物所在区位优势修正系数;γ表示目标年功能混合用地所在地区私家车分担比例修正系数;ri表示现状年第i类业态建筑高峰停车需求生成率。
优选的,所述目标年功能混合用地所在地区机动车保有量修正系数α具体为:
其中,Veh目标年表示目标年预测机动车保有量,Veh现状年表示现状年机动车保有量。
优选的,所述目标年功能混合用地主体建筑物所在区位优势修正系数β具体为:目标年功能混合用地主体建筑物所在区位经济活动强度与现状年相比的比值,取值范围是0.9~1.2。
优选的,所述目标年功能混合用地所在地区私家车分担比例修正系数γ具体为:
其中,Car目标年表示目标年功能混合用地所在地区私家车在各交通方式中的分担比例,Car现状年表示现状年功能混合用地所在地区私家车在各交通方式中的分担比例。
优选的,所述停车需求高峰比具体为某一时刻停车需求量与全日高峰时刻需求量之比。
优选的,所述目标年功能混合用地不同时刻的共享型停车需求量具体为:
其中,Pj表示目标年功能混合用地在j时刻的共享型停车需求量,Rij表示目标年功能混合用地i类业态建筑在j时刻停车需求生成率,Li表示功能混合用地i类业态建筑的建筑面积,n表示功能混合用地所有业态建筑的总数。
优选的,所述目标年功能混合用地各业态建筑在不同时刻停车需求生成率具体为:
Rij=λij·Ri
其中,Rij表示目标年功能混合用地i类业态建筑在j时刻停车需求生成率,λij表示功能混合用地中i类业态建筑在j时刻的停车需求高峰比,通过工作日、非工作日的功能混合用地内各业态建筑停车需求高峰比日均分布拟合曲线得到,Ri表示目标年第i类业态建筑高峰停车需求生成率。
与现有技术相比,本发明具有以下优点:
1、考虑了功能混合用地不同业态建筑之间的泊位共享,避免了通过叠加单一配建指标所造成的停车泊位资源浪费,能够降低停车场的建设成本,提高停车场效益,促进静态交通可持续发展,对我国城市停车场规划、设计与管理具有较强的应用价值。
2、根据相同功能类型、相似区位、相当规模的建筑停车需求分布具有一致性,采集与功能混合用地需求相似的现有建筑的停车场情况,方便数据的采集,预估结果准确性高。
3、采用算术平均法对各业态建筑相似建筑的停车需求工作日和非工作日分布数据分别进行均值拟合获得每类数据的集中趋势,具有离差和为零、离差的平方和最小的特点,适用于本方法的数值型数据。
4、采用平滑样条内插法对所述均值拟合曲线进行非参数曲线拟合,具有连续性好、曲率变化均匀的特点,最接近停车需求的日均分布形态。
附图说明
图1为本发明预估方法的基本框图;
图2为本发明预估方法的步骤流程图;
图3为本发明预估方法的逻辑示意图;
图4为实施例一中高新国际商场在2015年内不同日的停车数量的时变曲线;
图5为实施例一中高新国际商场2015年停车数量最大月份的停车数量时变曲线及其拟合曲线;
图6为实施例一中6个相似商业建筑工作日的停车需求高峰比日均分布曲线;
图7为实施例一中6个相似商业建筑非工作日的停车需求高峰比日均分布曲线;
图8为实施例一中6个相似商业建筑工作日的停车需求高峰比日均分布拟合曲线;
图9为实施例一中6个相似商业建筑非工作日的停车需求高峰比日均分布拟合曲线;
图10为实施例一中6个相似办公建筑工作日的停车需求高峰比日均分布曲线;
图11为实施例一中6个相似办公建筑非工作日的停车需求高峰比日均分布曲线;
图12为实施例一中6个相似办公建筑工作日的停车需求高峰比日均分布拟合曲线;
图13为实施例一中6个相似办公建筑非工作日的停车需求高峰比日均分布拟合曲线。
具体实施方式
下面结合附图和具体实施例对本发明进行详细说明。本实施例以本发明技术方案为前提进行实施,给出了详细的实施方式和具体的操作过程,但本发明的保护范围不限于下述的实施例。
实施例一
如图1~3所示,一种基于泊位共享的功能混合用地停车位预估方法,包括以下步骤:
S1、在待预估功能混合用地所在地区选取与其内的业态建筑具有相似区位、相同功能类型且相当规模的相似单一功能建筑进行停车场调查,将调查得到的数据等价用于功能混合用地内各业态建筑的停车需求评估,计算得到现状年功能混合用地内各业态建筑高峰停车需求生成率;
S2、采集现有数据并据此预估目标年停车需求影响因素数据,通过影响因素修正系数模型,在S1计算得到的数据基础上预测目标年功能混合用地内各业态建筑高峰停车需求生成率;
S3、根据步骤S1的调查数据分别绘制功能混合用地内各业态建筑的多个相似单一功能建筑在工作日、非工作日的停车需求高峰比日均分布曲线;
S4、通过算术平均法分别得到多个相似单一功能建筑在工作日、非工作日的停车需求高峰比日均分布曲线的均值拟合曲线,采用平滑样条内插法对均值拟合曲线进行非参数曲线拟合,得到功能混合用地内各业态建筑工作日、非工作日的停车需求高峰比日均分布拟合曲线;
S5、根据目标年功能混合用地各业态建筑在不同时刻停车需求生成率和各业态建筑的建筑面积,得到目标年功能混合用地不同时刻的共享型停车需求量;
S6、根据目标年功能混合用地不同时刻的共享型停车需求量的峰值和预先设定的停车位供给标准,确定目标年功能混合用地的停车位数量。
步骤S1是根据统计并验证的规律:相同功能类型、相似区位、相当规模的建筑,停车需求分布具有一致稳定性,即相似区位、相当规模、相同功能类型的建筑停车需求在一日内的变化波动情况呈现出一致的特征,在不同日期正常情况下同一建筑停车需求在一日内的波动情况呈现出相对稳定的特征。所以可以认为功能混合用地内各业态建筑与其所在地区相同功能类型、相似区位、相当规模的建筑有相同的高峰停车需求生成率与停车需求分布。相似区位可根据在同一地区中与地区中心的距离以及商业规模等判定相似性,相当规模可根据建筑面积等判定。
在步骤S1中还需要获取现状年功能混合用地各业态建筑的面积等基础资料,以及混合用地所在地区机动车保有量、私家车分担比例等数据。
步骤S1中现状年功能混合用地内各业态建筑高峰停车需求生成率具体为:
其中,ri表示现状年第i类业态建筑高峰停车需求生成率;Si、Ti分别表示现状年第i类业态建筑的相似单一功能建筑的建筑面积和高峰小时总停放车次数;高峰小时总停放车次数具体为高峰小时起始车数和高峰小时入库总车数之和。
本实施例中,停车需求影响因素包括功能混合用地所在地区机动车保有量、私家车分担比例和功能混合用地主体建筑物所在区位。所在地区一般是指功能混合用地所在的城市。城市机动车保有量是影响停车需求的重要因素,同时也是产生机动车出行和停车需求的必要条件,停车需求与机动车保有量呈正相关,即停车需求随机动车保有量的增加而增加;不同城市对其区位条件划分存在较大差异,一般结合城市道路交通网络建设以及城市发展特点进行划分;交通方式分担比例即出行者利用某种交通方式出行的交通量占总交通量的比例,不同类型主体建筑所吸引和产生交通量的私家车出行分担比例不同,所带来的停车需求也不同。
量化各影响因素对停车需求生成率的影响,得到影响因素修正系数模型为:
Ri=(α×β×γ)×ri
其中,Ri表示目标年第i类业态建筑高峰停车需求生成率;α表示目标年功能混合用地所在地区机动车保有量修正系数;β表示目标年功能混合用地主体建筑物所在区位优势修正系数;γ表示目标年功能混合用地所在地区私家车分担比例修正系数;ri表示现状年第i类业态建筑高峰停车需求生成率。
目标年功能混合用地所在地区机动车保有量修正系数α具体为:
其中,Veh目标年表示目标年预测机动车保有量,Veh现状年表示现状年机动车保有量,可通过将以往多年的数据建立拟合函数来预测。
区位势即城市中某区位土地利用经济优势的大小,可用来表示一个地方从事经济活动的成本和效益的比值,其值的大小反映了该区位吸引力和竞争力的强弱。目标年功能混合用地主体建筑物所在区位优势修正系数β具体为:
其中,LP现状年表示现状年功能混合用地所在区位势,LP目标年表示目标年功能混合用地所在区位势。β可根据当前地区的经济政策、建设工程计划等信息来判断,取值范围是0.9~1.2:目标年建筑物所在区位经济活动强度与现状年相较稍微减弱时,β建议取值0.9;目标年建筑物所在区位经济活动强度与现状年相较没有变化时,β建议取值1.0;目标年建筑物所在区位经济活动强度与现状年相较稍微增强时,β建议取值1.1;目标年建筑物所在区位经济活动强度与现状年相较明显增强时,β建议取值1.2。
目标年功能混合用地所在地区私家车分担比例修正系数γ具体为:
其中,Car现状年表示现状年功能混合用地所在地区私家车在各交通方式中的分担比例,Car目标年表示目标年功能混合用地所在地区私家车在各交通方式中的分担比例,可通过将以往多年的数据建立拟合函数来预测。
停车需求高峰比具体为某一时刻停车需求量与全日高峰时刻需求量之比,用来表征停车需求的分时刻变化趋势,不同类型建筑物停车需求分时刻分布曲线的横坐标为时间,即一平均日内的不同时刻,纵坐标为建筑物不同时刻下对应的停车需求高峰比。停车需求高峰比具体为:
其中,λij表示功能混合用地中i类业态建筑在j时刻的停车需求高峰比,Pij表示功能混合用地中i类业态建筑的相似单一功能建筑j时刻停车需求量,Pi表示功能混合用地中i类业态建筑的相似单一功能建筑高峰时刻停车需求量,Pij和Pi通过调查得到,Rij表示功能混合用地中i类业态建筑在j时刻停车需求生成率,Ri表示功能混合用地中i类业态建筑高峰停车需求生成率。
步骤S4中采用算术平均法对各业态建筑停车需求分布数据分别进行均值拟合获得每类业态建筑数据的集中趋势。集中趋势是指一组数据向某一中心值靠拢的程度,它反映了一组数据中心点的位置所在,取得集中趋势代表值的方法有两种:1、数值平均数,包括算术平均数法、几何平均数法、调和平均数法;2、位置平均数,包括中位数法、众数法,在数值平均数法中。其中,算术平均数具有离差和为零、离差的平方和最小的特点,用途最为广泛,适用于数值型数据。
均值拟合后采用平滑样条内插法对各类业态建筑停车场停车需求日均分布进行非参数曲线拟合。插值法又称内插法,即利用函数在某区间中***若干已知函数值,在区间的其他点上利用这些特定函数值做函数的近似值。插值法主要包括线性内插法、最近邻内插法、分段三次艾尔米特内插法、平滑样条内插法等。平滑样条法是对一组数据进行平滑处理,并使之拟合成样条曲线,样条曲线是经过一系列给定点的光滑曲线,具有连续性好、曲率变化均匀的特点,最接近停车需求的日均分布形态,本实施例中,通过MATLAB软件中曲线拟合工具箱实现。
考虑到不同业态建筑停车高峰时间的差异性,从混合用地的建筑构成特征角度出发进行混合用地共享型停车需求量预测,共享型停车需求预测模型为:
P表示目标年功能混合用地共享型高峰停车需求量,Pj表示目标年功能混合用地在j时刻的共享型停车需求量,Rij表示目标年功能混合用地i类业态建筑在j时刻停车需求生成率,Li表示功能混合用地i类业态建筑的建筑面积,n表示功能混合用地所有业态建筑的总数。Rij具体为:
Rij=λij·Ri
其中,Rij表示目标年功能混合用地i类业态建筑在j时刻停车需求生成率,λij表示功能混合用地中i类业态建筑在j时刻的停车需求高峰比,通过工作日、非工作日的功能混合用地内各业态建筑停车需求高峰比日均分布拟合曲线得到,Ri表示目标年第i类业态建筑高峰停车需求生成率。
步骤S6中停车位供给标准是根据不同泊位供给政策设定的:
(1)最大限度利用车位、提高车位利用率、限制小汽车使用和停车位供给的区域,避免停车位空余,建议按照85%高峰停车需求量提供停车位;
(2)不限制汽车使用、提倡适度满足停车供给区域,建议停车泊位恰好满足高峰停车需求,提供与高峰停车需求相同的停车位;
(3)不限制小汽车拥有、小汽车增长较快、经济快速发展区域、建议提供充足的停车位,在高峰停车需求的基础上,预留15%的停车位。
下面对本方法所依据的停车需求稳定性进行验证。
停车场调查对象:高新国际广场(包括ABCDE座)是整体面积为23万平方米的甲级写字楼和区政务中心,位于某高新区的南部,附属停车场有632个停车泊位,收费标准有临时收费(首小时8元,以后每小时4元)和月卡收费(分为3档,分别是600元、700元和800元)。
调查得到连续数据样本的时间跨度为2015年1月5日至2015年12月28日。经过数据处理及筛选,剔除节假日及异常天气影响日,获得有效研究数据。在每个月随机选取两天,绘制停车需求的时变曲线,如图4所示。
选取停车数量最大月份的多日停车数据作为代表进行实证,如图5中颜色较浅的多条曲线所示,利用MATLAB曲线拟合工具箱中的平滑样条曲线对停车需求时变进行拟合,得到其拟合曲线(图中颜色较深的曲线)。
采用同步统计推断法(simultaneous statistical inference technique)对图5中每天的停车需求分布曲线与拟合曲线进行差异性检验,结果如表1所示。
表1停车需求量时变曲线稳定性特征检验结果
在置信水平为0.05的情况下,临界值t0.025,31与分别为2.04227和45.0,检验结果中所有t0和值均小于临界值,表明拟合曲线与每天的停车需求分布曲线并无显著性差异。停车场的在场小时停车数大小尽管在不同月份有所差异,但在一天时间里的时变波动特征是极为相似的,因此,停车需求具有“稳定性”特征,如果选取停车需求较大月份的特征分布进行分析,则能满足所有时间的停车需求。
下面对相同功能类型、相似区位、相当规模商业业态建筑停车需求一致性特征验证。
对商业业态对象调查:选取沈阳市太原街商圈的中兴百货、新世界百货、潮汇百货等六处商业建筑为商业业态调查对象。通过人工记录车辆牌照法,获取2012年5月19~20日(非工作日)及5月22~23日(工作日)车辆进出停车场时间数据,获得商业业态工作日与非工作日停车需求背景资料。
在已知停车场开始营业时间前已停放车辆数和营业时间内各车辆到达和离开时间的情况下,可通过划分时间截点的方式,计算某一时刻下停车场停放的车辆数。
根据停车需求高峰比计算公式,获得商业业态建筑工作日和非工作日的停车需求高峰比分布情况,分别如图6和图7所示。
为进一步对数据趋势特征进行表达,在曲线拟合之前需对该业态下停车需求分布数据进行均值拟合。采用算术平均法可计算得到商业业态建筑工作日与非工作日6组全日停车需求高峰比数据的平均值,如表2所示。
表2商业业态建筑停车需求高峰比平均值
时刻 | 工作日 | 非工作日 | 时刻 | 工作日 | 非工作日 |
8:00 | 0.137 | 0.130 | 16:00 | 0.763 | 0.862 |
9:00 | 0.197 | 0.269 | 17:00 | 0.816 | 0.914 |
10:00 | 0.305 | 0.445 | 18:00 | 0.911 | 0.938 |
11:00 | 0.501 | 0.628 | 19:00 | 0.962 | 0.907 |
12:00 | 0.748 | 0.803 | 20:00 | 0.802 | 0.798 |
13:00 | 0.884 | 0.916 | 21:00 | 0.428 | 0.529 |
14:00 | 0.788 | 0.936 | 22:00 | 0.212 | 0.204 |
15:00 | 0.720 | 0.903 |
采用平滑样条法对每组数据进行平滑处理,并使之拟合成样条曲线。利用MATLAB曲线拟合工具箱中的平滑样条曲线对停车需求高峰比分布曲线进行拟合,结果如图8、图9所示。
在获得拟合曲线后,需要对该曲线进行检验,判定曲线是否很好的表达了观测数据的变化趋势。得到拟合曲线拟合优度检验值,即R2,如表3所示。
表3商业建筑曲线拟合优度检验
商业工作日 | 商业非工作日 | |
R<sup>2</sup> | 0.988 | 0.998 |
商业业态建筑拟合曲线都具有较高的R2,说明曲线拟合情况较好,可以认为同一城市拥有相似区位、相当规模的商业建筑停车需求分布情况存在着“一致性特征”。
下面对相同功能类型、相似区位、相当规模办公业态建筑停车需求一致性特征验证。
办公业态对象调查:选取沈阳铁西广场片区的鲁尔大厦、第一商厦、海润国际等六处办公建筑为办公业态调查对象。通过人工记录车辆牌照法,获取2012年5月19~20日(非工作日)及5月22~23日(工作日)车辆进出停车场时间数据,获得办公业态工作日与非工作日停车需求背景资料。
在已知停车场开始营业时间前已停放车辆数和营业时间内各车辆到达和离开时间的情况下,可通过划分时间截点的方式,计算某一时刻下停车场停放的车辆数。
根据停车需求高峰比计算公式,获得办公业态建筑工作日和非工作日的停车需求高峰比分布情况,分别如图10、图11所示。
为进一步对数据趋势特征进行表达,在曲线拟合之前需对该业态下停车需求分布数据进行均值拟合。采用算术平均法可计算得到办公业态建筑工作日与非工作日6组全日停车需求高峰比数据的均值,如表4所示。
表4办公业态建筑停车需求高峰比平均值
时刻 | 工作日 | 非工作日 | 时刻 | 工作日 | 非工作日 |
8:00 | 0.466 | 0.649 | 16:00 | 0.859 | 0.900 |
9:00 | 0.792 | 0.720 | 17:00 | 0.812 | 0.920 |
10:00 | 0.990 | 0.823 | 18:00 | 0.736 | 0.919 |
11:00 | 0.960 | 0.876 | 19:00 | 0.655 | 0.875 |
12:00 | 0.924 | 0.950 | 20:00 | 0.587 | 0.741 |
13:00 | 0.897 | 0.873 | 21:00 | 0.510 | 0.653 |
14:00 | 0.920 | 0.871 | 22:00 | 0.406 | 0.547 |
15:00 | 0.912 | 0.876 |
平滑样条法即对一组数据进行平滑处理,并使之拟合成样条曲线。利用MATLAB曲线拟合工具箱中的平滑样条曲线对停车需求高峰比分布曲线进行拟合,如图12、图13所示。
在获得拟合曲线后,需要对该曲线进行检验,判定曲线是否很好的表达了观测数据的变化趋势。得到拟合曲线拟合优度检验值,即R2,如下表所示。
表5办公建筑曲线拟合优度检验
办公业态建筑拟合曲线都具有较高的R2,说明曲线拟合情况较好,可以认为同一城市拥有相似区位、相当规模的办公建筑停车需求分布情况存在着“一致性特征”。
其他相同功能的业态建筑也有以上规律,由此可知相同功能类型、相似区位、相当规模的建筑具有停车需求一致性特征。
实施例二
根据本申请提出的方法预估某市世贸五里河中心的停车位数量。
1、功能混合用地背景资料
世贸五里河中心项目坐落于五里河体育场原址,地处某市二环以内,地理位置优越,是某市具有代表性的集商业与办公位一体的混合用地。整体项目总用地由住宅用地、商办用地和酒店用地三部分组成,三块地块利用围墙等物理方式隔离,形成相互独立的建筑空间。其中商业广场由地上四层商业裙房、地下四层商业及停车场空间以及三幢高层办公塔楼组成。建筑体内部不同功能空间相互连通,在总体规划设计以及功能结构上相互协调,形成有机组合。商业业态包括地上四层以及地下一层的空间,是整座混合用地的重要组成部分,建筑面积为127310平方米;办公业态包括三幢30层以上的塔楼,建筑面积为277075平方米,办公业态与商业业态的建筑面积比约为2.2:1。项目地下二层至四层为配建停车场。
太原街商圈、铁西广场片区以及金廊工程沿线街区均位于该市市中心,属于该市经济发展较繁荣的地段,其交通特征具有较大的相似度,各业态停车需求分布存在“一致性”特征。
2、停车需求生成率预测
根据相关背景资料,机动车保有量趋势函数:y=7609.6x2+64167x+301986。至目标年2018年,通过调查可获得混合用地停车需求的影响因素修正系数及高峰停车生成率。
表6影响因素修正系数和高峰停车需求生成率
3、拟合值归一化处理
因曲线拟合后的分布情况中高峰时刻停车需求高峰比为1,但拟合曲线的最大值点不一定是1,所以还需分时刻对拟合值进行归一化处理,如表7所示。
表7商业与办公业态停车需求高峰比归一化结果
4、混合用地共享停车需求量预测
获得功能混合用地各业态建筑目标年高峰停车生成率以及停车需求高峰比分时刻分布函数后,可以获得各建筑相应的停车需求分时刻分布情况,根据共享型停车需求预测模型,可获得混合用地共享停车需求量,分别如表8、表9所示,可知混合用地的停车需求量最大值为2083。
表8目标年工作日混合用地停车需求量
表9目标年非工作日混合用地停车需求量
5、混合用地停车位预估
(1)若最大限度利用车位、提高车位利用率、限制小汽车使用和停车位供给的区域,避免停车位空余,建议按照85%高峰停车需求量提供停车位:
停车位:2083*85%=1771(位)
(2)若不限制汽车使用、提倡适度满足停车供给区域,建议停车泊位恰好满足高峰停车需求,提供与高峰停车需求相同的停车位:
停车位:2083(位)
(3)若不限制小汽车拥有、小汽车增长较快、经济快速发展区域、建议提供充足的停车位,在高峰停车需求的基础上,预留15%的停车位:
停车位:2083*(1+15%)=2395(位)。
Claims (8)
1.一种基于泊位共享的功能混合用地停车位预估方法,其特征在于,包括以下步骤:
S1、在待预估功能混合用地所在地区选取与其内的业态建筑具有相似区位、相同功能类型且相当规模的相似单一功能建筑进行停车场调查,将调查得到的数据等价用于功能混合用地内各业态建筑的停车需求评估,计算得到现状年功能混合用地内各业态建筑高峰停车需求生成率;
S2、采集现有数据并据此预估目标年停车需求影响因素数据,通过影响因素修正系数模型,在S1计算得到的数据基础上预测目标年功能混合用地内各业态建筑高峰停车需求生成率;
S3、根据步骤S1的调查数据分别绘制功能混合用地内各业态建筑的多个相似单一功能建筑在工作日、非工作日的停车需求高峰比日均分布曲线;
S4、通过算术平均法分别得到多个相似单一功能建筑在工作日、非工作日的停车需求高峰比日均分布曲线的均值拟合曲线,采用平滑样条内插法对所述均值拟合曲线进行非参数曲线拟合,得到功能混合用地内各业态建筑工作日、非工作日的停车需求高峰比日均分布拟合曲线;
S5、根据目标年功能混合用地各业态建筑在不同时刻停车需求生成率和各业态建筑的建筑面积,得到目标年功能混合用地不同时刻的共享型停车需求量;
S6、根据目标年功能混合用地不同时刻的共享型停车需求量的峰值和预先设定的停车位供给标准,确定目标年功能混合用地的停车位数量;
所述目标年功能混合用地不同时刻的共享型停车需求量具体为:
其中,Pj表示目标年功能混合用地在j时刻的共享型停车需求量,Rij表示目标年功能混合用地i类业态建筑在j时刻停车需求生成率,Li表示功能混合用地i类业态建筑的建筑面积,n表示功能混合用地所有业态建筑的总数;
所述目标年功能混合用地各业态建筑在不同时刻停车需求生成率具体为:
Rij=λij·Ri
其中,Rij表示目标年功能混合用地i类业态建筑在j时刻停车需求生成率,λij表示功能混合用地中i类业态建筑在j时刻的停车需求高峰比,通过功能混合用地内各业态建筑工作日、非工作日的停车需求高峰比日均分布拟合曲线得到,Ri表示目标年第i类业态建筑高峰停车需求生成率。
3.根据权利要求1所述的一种基于泊位共享的功能混合用地停车位预估方法,其特征在于,所述停车需求影响因素包括:功能混合用地所在地区机动车保有量、私家车分担比例和功能混合用地主体建筑物所在区位。
4.根据权利要求3所述的一种基于泊位共享的功能混合用地停车位预估方法,其特征在于,所述影响因素修正系数模型为:
Ri=(α×β×γ)×ri
其中,Ri表示目标年第i类业态建筑高峰停车需求生成率;α表示目标年功能混合用地所在地区机动车保有量修正系数;β表示目标年功能混合用地主体建筑物所在区位优势修正系数;γ表示目标年功能混合用地所在地区私家车分担比例修正系数;ri表示现状年第i类业态建筑高峰停车需求生成率。
6.根据权利要求4所述的一种基于泊位共享的功能混合用地停车位预估方法,其特征在于,所述目标年功能混合用地主体建筑物所在区位优势修正系数β具体为:目标年功能混合用地主体建筑物所在区位经济活动强度与现状年相比的比值,取值范围是0.9~1.2。
8.根据权利要求1所述的一种基于泊位共享的功能混合用地停车位预估方法,其特征在于,所述停车需求高峰比具体为某一时刻停车需求量与全日高峰时刻需求量之比。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711164667.5A CN107958610B (zh) | 2017-11-21 | 2017-11-21 | 一种基于泊位共享的功能混合用地停车位预估方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711164667.5A CN107958610B (zh) | 2017-11-21 | 2017-11-21 | 一种基于泊位共享的功能混合用地停车位预估方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107958610A CN107958610A (zh) | 2018-04-24 |
CN107958610B true CN107958610B (zh) | 2020-07-28 |
Family
ID=61965024
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711164667.5A Active CN107958610B (zh) | 2017-11-21 | 2017-11-21 | 一种基于泊位共享的功能混合用地停车位预估方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107958610B (zh) |
Families Citing this family (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109255947B (zh) * | 2018-06-29 | 2020-08-21 | 深圳昂云鼎科技有限公司 | 一种车位管理方法、装置和终端设备 |
CN109191595B (zh) * | 2018-08-21 | 2021-03-16 | 东南大学 | 一种基于泊位共享的临时停放车辆浮动收费方法 |
CN109767291B (zh) * | 2018-12-19 | 2020-08-25 | 东南大学 | 面向弹性停车激励机制的共享停车方法 |
CN110444041B (zh) * | 2019-08-15 | 2021-07-02 | 同济大学 | 一种基于分区的停车场精细化管理方法 |
CN110444044B (zh) * | 2019-08-27 | 2022-07-12 | 纵目科技(上海)股份有限公司 | 基于超声波传感器的车辆位姿检测***、终端和存储介质 |
CN110751853B (zh) * | 2019-10-25 | 2021-05-18 | 百度在线网络技术(北京)有限公司 | 停车位数据的有效性识别方法和装置 |
CN113380023B (zh) * | 2021-05-21 | 2022-06-10 | 南京理工大学 | 一种基于泊位选择行为的混合用地共享停车需求预测方法 |
CN113380070B (zh) * | 2021-06-25 | 2022-07-22 | 江苏高速公路联网营运管理有限公司 | 一种面向大型综合体的车位级停车需求时空特征获取方法 |
CN113380071B (zh) * | 2021-06-25 | 2022-09-06 | 南京静态交通产业技术研究院 | 一种面向大型综合体的车位级停车需求状态评价方法 |
CN115171370A (zh) * | 2022-06-15 | 2022-10-11 | 东南大学 | 一种基于泊位共享的动态停车泊位需求预测方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103093643A (zh) * | 2013-01-09 | 2013-05-08 | 东南大学 | 一种确定公共停车场泊位数的方法 |
CN106408991A (zh) * | 2015-07-28 | 2017-02-15 | 何尧 | 基于需求特性和停车场利用率的停车场动态定价方法 |
-
2017
- 2017-11-21 CN CN201711164667.5A patent/CN107958610B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103093643A (zh) * | 2013-01-09 | 2013-05-08 | 东南大学 | 一种确定公共停车场泊位数的方法 |
CN106408991A (zh) * | 2015-07-28 | 2017-02-15 | 何尧 | 基于需求特性和停车场利用率的停车场动态定价方法 |
Non-Patent Citations (7)
Title |
---|
Analysis of present status and prediction of future demand on parking in the central area of medium and small city;Yizhou Wu;《2011 International Conference on Remote Sensing, Environment and Transportation Engineering》;20110729;57-60 * |
The study of parking demand forecast basing on the analysis of the land location;Jingyi Sun;《2011 International Conference on Remote Sensing, Environment and Transportation Engineering》;20110729;第2卷;2752-2755 * |
城市混合用地停车需求预测模型研究与实践;孙吉瑞;《交通与运输》;20160731(第1期);62-66 * |
城市综合体共享停车需求预测方法研究;骆豪;《中国优秀硕士学位论文全文数据库工程科技Ⅱ辑》;20170815(第08期);C034-84 * |
基于泊位共享的城市综合体停车需求预测方法;范宇杰;《2013城市道桥与防洪第八届全国技术论坛论文集》;20140820;526-531 * |
基于泊位共享的城市综合体停车需求预测方法研究;李亚辉;《中国优秀硕士学位论文全文数据库工程科技Ⅱ辑》;20170215(第02期);C034-1563 * |
新城区CBD区域停车需求预测方法;张飞飞;《重庆交通大学学报(自然科学版)》;20121210;第31卷(第5期);1018-1022 * |
Also Published As
Publication number | Publication date |
---|---|
CN107958610A (zh) | 2018-04-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107958610B (zh) | 一种基于泊位共享的功能混合用地停车位预估方法 | |
CN108537391B (zh) | 一种基于出租车轨迹数据的出租车停靠站设置优化方法 | |
CN107679654B (zh) | 一种停车规模预估控制***及实现方法 | |
CN109978267B (zh) | 基于城市轨道交通数据的城市微循环公交线路规划方法 | |
CN108388970B (zh) | 一种基于gis的公交站点选址方法 | |
Medina-Tapia et al. | Exploring paradigm shift impacts in urban mobility: Autonomous Vehicles and Smart Cities | |
CN110458589A (zh) | 基于轨迹大数据的路侧式出租车停靠站选址优选方法 | |
CN110210749B (zh) | 一种轨道站点衔接共享单车投放量和投放位置确定方法 | |
CN107122856A (zh) | 新态势下的空间饱和负荷预测方法 | |
Morro-Mello et al. | Fast charging stations placement methodology for electric taxis in urban zones | |
Wolny | Are suburban commuters confined to private transport? A case study of a medium-sized functional urban area (FUA) in Poland | |
Kushchenko et al. | The planning and conducting transport and transport-sociological surveys for the development of a local project of the Belgorod urban agglomeration | |
Furth et al. | Parcel-level modeling to analyze transit stop location changes | |
CN111429166B (zh) | 基于最大轮廓聚类的电动汽车充电需求空间分布预测方法 | |
CN110930063A (zh) | 基于共享引力模型的城市居住小区停车供需比分析方法 | |
CN112070259A (zh) | 一种预测城市空载出租车数量的方法 | |
Sharpe | Improving Energy Efficiency in Community Land-Use—Transportation Systems | |
Kowalski et al. | Traffic analysis and pavement technology as a tool for urban noise control | |
CN114118796A (zh) | 一种电动汽车充电设施的规划方法 | |
Chen et al. | Research of parking demand forecast model based on regional development | |
Emmanuel | Energy-efficient urban design guidelines for warm-humid cities: strategies for Colombo, Sri Lanka | |
CN104881994A (zh) | 综合交通网络客运交通方式节点换乘阻抗确定方法 | |
Crisostomo et al. | Parking Space Optimization Using Simplex Method Linear Programming | |
HANDORE | Urban Regeneration using Geo-Spatial Indicators | |
CN113554270B (zh) | 一种配建公交首末站建设规模的确定方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |