石金霞

(重庆交通大学 交通运输学院，重庆 400074)

中小城市中心区停车需求预测方法研究

石金霞

(重庆交通大学 交通运输学院，重庆 400074)

在总结中小城市中心区停车需求影响因素的基础上，引入高峰小时修正系数和停车管理政策调整系数，结合现有的交通发生吸引量——停车需求预测模型，建立能够更好适用于中小城市中心区的停车需求预测模型，并结合四川省内江市威远县中心城区进行停车需求预测实例验证。研究结果表明该预测方法是合理的，且计算出的中小城市中心城区停车泊位需求量更加有效。

交通规划；停车需求预测；中小城市中心区

1 前 言

随着中小城市机动车保有量的不断增加，城市停车难的问题日益严峻，尤其是中小城市中心城区，停车难、乱停车现象随处可见。面对日益严重的停车供需矛盾，科学合理的预测停车泊位需求量成为解决中小城市静态交通问题的关键。

目前国内外常用的停车需求预测模型可以归纳为三大类：以土地利用为基础的停车生成率模型、以停车需求与出行关系为核心的出行吸引模型、以相关分析法为核心的多元回归分析预测模型。以现有的交通发生吸引量—停车需求预测模型为基础，从中小城市中心区停车需求预测影响因素出发，引入高峰小时修正系数和停车管理政策调整系数，提出一种能够更好适用于中小城市中心区的停车需求预测方法。

2 中小城市中心区停车需求影响因素分析

(1)城市经济水平

机动车保有量随着城市经济的发展而迅速增长，从而直接导致停车需求增长。根据统计资料分析，每增加一辆车，将增加1.2～1.5个停车泊位需求。经济的发展还影响着人们的出行方式的选择，出行的强度也随之提高。车辆的出行都会面临停车设施的选择，不同的出行时间和目的所产生停车需求量也会不同。通常，停车需求量随着车辆出行次数的增加而增大。

(2)土地开发和利用强度

停车需求作为一种派生性需求，是土地开发利用的函数，随着土地开发和利用强度的不同而呈现出高峰时段和空间分布的差异，不同用地性质和开发强度所对应的停车特征和吸引率也不同。

(3)停放费用

停车费用包括货币费用如停车费，以及非货币费用如停车后步行时间等。在其他条件相同的情况下，停车费用越高，停车需求越低。许多中小城市中心区缺乏社会公共停车场，又由于路内停车费用比较低，路边停车方式占据很大比例。很多车辆长时间停放在路边，道路资源被占用，对动态交通造成很大影响。

(4)高峰小时停车需求量

美国 FHWA 的研究表明，日平均机动车流量与高峰小时停车需求量存在正相关的函数关系。高峰小时停车需求量不仅可以反映停车需求水平，还能为停车设施规模的确定提供重要依据。

(5)停车管理政策

停车管理政策是调控停车需求的一个重要手段，直接影响着停车需求分布和停车设施规模，比如通过严格控制停车泊位供给总量、实施区域差别化收费等措施来控制从而控制停车需求的增长。不过，停车管理政策是对停车需求进行定性的宏观分析，在对停车需求进行预测时，需要对停车政策进行量化。

3 中小城市中心区停车需求预测模型构建

3.1 基本思路

交通发生吸引量——停车需求模型出行吸引模型的基本原理就是建立停车需求与城市区域内土地开发和机动车出行吸引量之间的关系。不过该方法缺乏考虑高峰小时停车率、停车管理政策调控等因素对静态交通的影响。引入高峰小时修正系数和停车管理政策调整系数对现有模型进行了改进，构建更加切合中小城市中心区实际情况的停车需求预测模型。

模型的基本思路为：划分交通小区，根据城市综合交通规划的调查资料，由人均出行次数和各交通小区规划年人口控制规模的乘积，以及不同用地的单位建筑面积日吸引率和各交通小区建筑面积的乘积，计算得到各交通小区的出行发生和吸引总量；根据得到的各交通小区出行发生、吸引量及综合交通规划中各交通小区小汽车方式出行发生、吸引比例，计算得出各交通小区采用小汽车出行的发生和吸引总量；依据调查得到的各交通小区小汽车平均实载率换算系数，将不同用地性质类型的交通小区出行人次换算成发生和吸引的小汽车当量；以小汽车当量除以停车泊位周转率，得到各交通小区停车泊位预测量；引入高峰小时修正系数，并对综合交通规划中的停车管理策略进行量化，用高峰小时修正系数和停车管理政策调整系数对得到的各交通小区停车泊位预测量进行修正，得到的即是各交通小区实际停车泊位需求量，对结果进行汇总可得到城市中心区规划年的停车泊位需求总量。

3.2 模型构建

(1)各交通小区停车泊位预测量

通过调查小汽车出行方式分配比重，将各交通小区出行发生、吸引量分配成小汽车发生、吸引量，再依据小汽车实载率和停车泊位周转率得到各交通小区停车泊位预测量

(1)

ε与λ可通过调查获取或在参考已有调查数据，还应结合中小城市中心区的交通特征进行修正。

(2)各交通小区实际停车泊位需求量

停车需求预测模型实际的运作中会受很多因素的影响，如高峰小时停车率、停车管理政策等。为了使预测的结果更加符合事实的要求，需要对结果进行折减，提出一种切合中小城市的停车特点且适用性强的修正模型

Qi=Pi×γi×φi

(2)

式中：Qi为规划年交通小区实际停车泊位需求量(位)；Pi为规划年交通小区的停车泊位预测量(位)；γi为i交通小区高峰小时修正系数；φi为i交通小区停车管理政策调整系数。

γ是对高峰小时停车率的折减，而高峰小时停车率是高峰小时停车量与平均每小时停车量的比值。美国土地协会出版的第2版《SharedParkingDesign&Management》中停车泊位率选取高峰时段停车数量的85%，美国运输工程师协会(ITE)及停车顾问理事会的相关研究中认为 85% 为恰当比率。本文选取高峰小时停车率的85%作为高峰小时修正系数。

停车管理政策是影响停车需求的定性因素，在对停车泊位需求量进行修正时需对停车管理政策进行量化。参考已有研究及应用实例，本文将不同的停车管理策略量化为四个区域类型，每个区域类型对应不同的调整系数，具体如表1所示。

表1 停车管理策略划分及其调整系数

4 实例分析

4.1 停车泊位预测量计算

以四川省内江市威远县中心区的停车预测为例进行分析。威远县县域现有总人口 74.47万人，中心城区常住人口约 19.1万人，面积约22 km2。按照《威远县城市总体规划(2010～2030)》中各片区控制性规划资料和交通小区划分原则，将本次威远县中心城区划分为6个交通中区，12个交通小区，各交通小区的所在位置、编号如图1所示。

图1 威远县中心城区交通小区划分图

根据《威远县城市总体规划(2010～2030)》， 2030 年威远县中心区人口规模将达到30万人，用地规模为30.2 km2。各交通小区规划人口、土地利用性质及建筑面积由规划资料提供。其他模型参数是在参考类似城市的基础上，结合威远县综合交通调查报告中的相关吸引点调查数据进行了修正和调整。其中，通过调查得到小汽车实载率换算系数：办公、居住类型的换算系数为1.3，出游类型的换算系数为2.0，商业类型的换算系数为1.6，工业类型的换算系数为1.9，停车泊位周转率取2. 15。计算得到威远县中心区规划年停车需求预测各项指标汇总如表2所示。

表2 威远县中心区规划年停车需求预测

4.2 实际停车泊位需求量计算

通过实地调查，办公、居住用地高峰小时修正系数取值为0.89，商业类用地取值为1.25，工业类用地取值为0.86；各交通小区的停车管理政策由规划资料提供，主城区停车管理政策调整系数取值为0.8，清溪河片区和工业物流园区取值为0.9，白塔片区取值为1，城西片区和花城片区取值为1.2。修正结果汇总后得到威远县中心区实际停车泊位需求量见表3所示。

表3 停车需求预测方法结果比较表

根据规划资料，通过直接推算法和间接推算法(时间序列法、千人机动车保有量法、弹性系数法)对威远县中心区的机动车保有量进行预测，其加权预测结果为：威远县中心区2020年机动车拥有量为20 546辆；2025年机动车拥有量为26 477辆；2030年机动车拥有量为32 081辆。按1辆汽车需要1.2～1.5个停车泊位的需求，取停车泊位数为机动车保有量的1.2倍，则机动车保有量——停车泊位经验关系法计算得到的停车泊位需求总量见表3所示。

对比两种方法预测结果，发现两种方法预测结果的相对误差保持在7%之内，说明修正后的交通发生吸引量——停车需求预测方法在中长期规划中的总量控制上与基于机动车保有量法的预测结果基本保持一致，具有较好的可靠度。此外，修正后的交通发生吸引量——停车需求预测方法可以得到12个交通小区的详细停车分布，有利于停车管理和调控。

5 结 语

在现有交通发生吸引量——停车需求预测模型的基础上，将高峰小时修正系数及停车管理政策调整系数引入模型中，构建了适用于中小城市中心区的停车需求预测模型。该预测方法能够全面考虑高峰小时停车率、停车管理政策等因素对停车需求的影响，从而更好地切合中小城市的实际情况，并且在总量控制预测上与基于机动车保有量法的预测结果基本保持一致，在停车分布预测上相比传统预测方法更加详细可靠，能够为中小城市的停车规划提供有效依据。但是影响城市停车需求的因素很多，在今后的研究中，还需综合考虑其他影响因素，如路网容量、道路服务水平等。

[1] 任福田，刘小明，荣建，等.交通工程学[M].北京:人民交通出版社，2003：260-263.

[2] 陈峻.城市停车设施规划方法研究[D].南京:东南大学，2000.

[3] 别牧.重庆北部新区停车需求预测与停车管理策略研究[D].重庆交通大学，2011.

[4] 玛丽·史密斯.共享式停车场设计与管理[M].王莹,译.沈阳:辽科学技术出版社，2007.

[5] 龙东华.城市中心区停车需求预测模型及应用研究[D].重庆交通大学，2012.

Study on parking demand forecasting method for center district of medium and small cities

SHI Jin-xia

(School of Traffic & Transportation, Chongqing Jiaotong University，Chongqing 4100074,China)

Based on the summary of the influencing factors of parking demand forecasting in medium and small cities central district, parking management policy adjusted coefficient were taken into consideration. Based on the existing trip generation and attraction-parking demand forecasting model, it proposed the method of parking demand forecasting for medium and small cities center district. Center district of weiyuan county sichuan province was used as an example to verify the method. The results also show that the forecasting method is reasonable and effective．

traffic planning; parking demand forecasting; center district of medium and small cities

2015-10-22

石金霞(1989-)，女，河南太康人，研究方向：交通运输规划与管理。

U491 文献标识码：A 文章编号：1008-3383(2016)02-0133-03