【《某科技大厦停车需求预测模型与应用计算案例分析》3400字】

某科技大厦停车需求预测模型与应用计算案例分析目录TOC\o"1-3"\h\u15750某科技大厦停车需求预测模型与应用计算案例分析 1268981.1研究现状 1217931.2停车需求影响因素 2220301.3微观停车需求预测模型 342051.4宏观停车需求预测模型 4175481.5停车需求预测的计算 51.1研究现状工业发达的一些国家，例如美国，英国，德国等在很早之间就开始了对停车需求问题的探索与研究。我国对停车需求的研究一定程度上较晚，但是这几年来也在这个领域贡献了许多中国力量与智慧。在停车需求分析与预测领域，1994年，来自美国的学者Javid就通过仔细地测量盐城湖国际机场的乘客数，员工数以及高峰小时客流量对它进行了规模上的优化。2005年，日本学者饭田恭敬则提出应该优先选择非集计模型，而不是错误率较高的集计模型，从而得到基于出行者个人行为的概率模型。2015年，我国学者何佳伟等人在通过建立出行吸引模型，再结合OD反推技术得到出行生成约束模型，求解的方式是Trips中的Mvestm。2020年，刘中游基于传统的OD模型的计算方法，创新地提出了路内与路外的停车关系优化模型的预测方法。在停车需求管理领域，2006年，沈峥嵘等人通过案例分析,介绍了日本在交通规划，管理方面的思路和解决问题的手法，挖掘在实际交通需求预测应用中各种可行的简便方法。2011年，成峰等人在城市中心区停车泊位供应规模进行了探讨，并且总结了停车泊位的影响因素，建立了停车设施供应与停车需求的关系模型。2017年，何南等人利用预测结果与现实数据的误差分析得到了影响因素与客运需求的弹性系数。2018年，田禧亮、何迪提出了基于停车特性因素的公共停车场停车需求预测与管理。本文结合成都航天科技大厦的实际客流情况以及各种影响因素，最终选择的研究方式是：利用停车产生率模型来计算停车需求量。1.2停车需求影响因素通过查阅与总结相关知识可知，停车需求的概念是各种出行目的的驾车者在各种停放设施中停放车辆的要求。汽车拥有量增长，土地开发利用强度，交通政策和车辆出行水平等碰撞的结果就是停车需求。通过实地调查以及大量地查阅资料，总结得出成都航天科技大厦的停车需求影响因素主要有以下几个方面：1.成都的经济发展水平，其中包含机动车保有量,车辆出行水平以及土地利用强度。随着成都经济发展水平的提高，土地利用强度与机动车保有量相应地都会增强，那么车辆出行水平越高，停车需求越大。1.停车服务水平。随着成都城市的发展，停车场的服务水平越高，相应地会有更多乘客愿意在停车场停车，那么停车需求就越大，反之则越小。3.停车场的停车费用。停车费用一方面反映出了停车场所能提供的服务水平，另一方面表现出只有处于一个合理的停车费用范围才能平衡停车需求。4.成都公共交通的发展现状。城市公共交通发展地越好，就越能合理地控制过量的停车需求。5.停车者的停车目的与出行方式。停车者对停车环境的选择，停车设施的考虑，停车时间的长短都是直接作用于停车需求的概念。同时出行者选择的出行方式是公共交通还是自行驾车也都影响停车需求。6.交通政策。结合我国现阶段的城市发展现状与正在逐步施行的可持续发展战略可以看出鼓励性的交通政策将促进交通需求，同时限制性的政策将控制交通需求在合理的程度。本文用到的停车需求分析的框架，如下图2-1图2-11.3微观停车需求预测模型为了对成都航天科技大厦停车场进行停车需求的规划与调整，需要基本掌握停车需求预测的理论与方法。通过查阅资料可知停车需求的相关领域发展至今，已经研究并且得出了许多合理有效的方法。从不同的方面来说，停车需求分为微观停车需求与宏观停车需求。以下讨论的两个常见微观停车需求预测方法指的是以一个或者多个停车场为对象所进行讨论的模型。1.停车产生率模型。这个模型的理论是基于停车产生率以及土地利用类型的，主要应用在于去探讨范围内不同类型用地的停车需求，最后求得一个总和，就是单独每个区块的交通吸引量相加之后的和。传统的四阶段法预测则需要综合考虑多种因素（人口，职工岗位，土地，OD分布等），而新的停车产生率模型操作起来的难度就相对较小了，不需要人员再单独地进行调查与统计回归，只用依据调查到的停车场的日常停放车辆数以及此类用地的工作岗位的数量。计算公式如下：γ=i=1式中γ：高峰时段停车需求量∝i：第i类别的单位面积用地的停车需求数量（车位/m2Xi：第i类性质的建筑规模面积（m21.线性回归分析模型。这个模型的理论基于小汽车出行数量（机动车出行吸引量）互相的联系与变化趋势，利用数学软件，结合回归分析法求解回归系数，得到一个影响因素之间的函数关系，从而方便进行合理统计与检查。同时此计算模型为美国道路研究协会的成果理论[1]。公式如下：γ=α式中γ：停车需求量αnXn除上述公式外，线性回归分析模型还有下列几种常见的函数形式：（1）弹性分析。（2）Logistic曲线。（3）修正指数回归曲线。1.4宏观停车需求预测模型相比于微观需求预测而言，宏观需求预测则需要的是更大的区域，更多的流量。以下是两种常见的宏观需求预测模型。通过对它们各自进行分析，并且最后与微观预测进行可以得出适应于成都航天科技大厦停车需求预测的合理方法。1.用地交通影响分析模型。本模型是停车产生率模型的扩充，建立的基础在于土地利用性质与机动车保有量的现状分析上，同时研究它们的变化趋势与停车需求之间的关系。它能对未来的规划需求进行预测的同时估测现状需求的值。在兼具停车产生率模型特点的基础上，它还综合考虑了道路交通与土地利用两因素，从而使预测的成果更加合理精确，缺点是日常中交通影响函数不便于计量，会导致结果精度低。下图2-2是本模型的预测流程图的具体步骤：图2-2本模型的公式如下：Pt式中Ptfxi：停车需求的地域特点函数（辆/mg(y1.土地利用模型。此模型的理论是预测未来年度的停车需求是基于职工人数与土地用地性质的联系之上。1984年，美国学者Levinson研究得出职工上班出行会决定商业为主要特性的地域的长时间停车需求，而不同类型的商业活动决定该区域的短时间停车需求。此模型的优势在于成本低，数据依据简单，比较适应商业特性强，土地用地单一的地区。缺点是不适用于多种复杂用地性质的城市区域，预测结果精度低。本模型的公式如下：P式中PiDLDSeiFi：第i区域里商业建筑面积（m21.5停车需求预测的计算通过深入调查与研究相关资料可以得到本文所提到的四种停车需求预测模型，它们的优点与局限性比较如下表2-1微观停车需求预测模型宏观停车需求预测模型停车产生率模型线性回归分析模型用地交通影响分析模型土地利用模型优点数据要求单一，直观，较易取得适用于较大范围区域内的停车需求预测兼具停车产生率模型特点的基础上，它还综合考虑了道路交通与土地利用两因素，从而使预测的成果更加合理精确成本低，数据依据简单，比较适应商业特性强，土地用地单一的地区局限性对样本数据要求高，否则预测偏差较大误差较大日常中交通影响函数不便于计量，会导致结果精度低不适用于多种复杂用地性质的城市区域，预测结果精度低。表2-1通过结合成都航天科技大厦的实际情况，最后采用停车产生率模型进行停车需求预测，已知不同土地利用性质的停车生成率法情况如下表2-2：土地利用性质每1000m2英尺不同类型的建筑车辆需求数平均车位需求车位需求范围商业区1.40.2-9.2公共区、半公共10.2-6.5工业区1.50.1-1.8住宅区--单户0.50.1-1.8双户0.30-4.2公园绿地0.10-1.5表2-2同时结合成都航天科技大厦的已知的公开建筑面积以及大厦的经济特性可以得到下表2-2序号主要经济特性指标指标名称指标数1建筑占地面积2347㎡2总建筑面积117904㎡3地上总建筑面积98574㎡4建筑高度169.8m5地下建筑面积19330㎡6办公用房64335㎡7商业用房16258㎡8会所1754㎡9其他配套641㎡10建筑密度46%11容积率（避难面积除外）18.7212绿地面积834㎡13绿地率18.3%表2-2由上表的数据结合停车产生率的公式进行计算如下：商业区的总建筑用