基于泊位使用特性的停车共享策略方法

为了缓解由于机动车保有量过快增长而造成的大中型城市交通拥堵及停车供需失衡问题,依据泊位共享的理念充分挖掘可利用停车资源成为了一种新方案。由于在不同模式下泊位共享服务方式的适用性不同且泊位共享具有严格的时间窗约束、排他性及唯一性特征,使得共享泊位资源在实际应用中难以得到高效利用。本文以闲置时间利用率最大化为目标,将泊位划分为固定泊位及非固定泊位,分别建立相应的共享泊位配置优化方法。首先对于非固定泊位,在构建时间序列模型动态预测停车需求的前提下,以驾驶员15min最大寻泊可接受时间内车辆净增量为预留泊位值,进而确定共享泊位配置模型;其次,对于固定泊位则考虑共享请求在随机非预约和预约模式两种情形下的区别,前者以单个泊位闲置时间利用率最大为目标构建共享泊位配置模型,而后者则采用最大匹配规则树理论探讨系统闲置时间利用率最大化的泊位共享配置模型。最后以数值实验论证泊位共享可有效提高泊位利用率和周转率,结果表明预约共享模式相对于非预约模式可以将泊位空闲利用率提高12.9%。     

个性化诱导下的居住区共享停车泊位分配模型

针对停车资源有限条件下群体式停车诱导容易产生局部拥堵的问题,研究居住区参与的个性化共享停车服务模型.提出了个性化共享停车诱导服务策略,定义了居住区停车位共享管理指标,建立了居住区共享停车泊位分配模型.通过对高峰泊位空闲指数差异均值和驾驶员停车后步行距离目标的双重约束,在满足驾驶员停车选择目标的同时实现了停车资源的均衡有效利用.研究表明,个性化诱导方式下,居住区停车场利用自身泊位的闲置时间可以有效缓解周边建筑的停车吸引,减少局部停车拥挤,成为毗邻建筑的最佳共享停车合作伙伴.     

向量自回归预测的泊位共享优化算法研究

以城市中心区的停车问题为主要研究对象,总结了城市中心区的停车特性。分析了国内外研究现状、在城市中心区停车特点的基础上,分析了停车需求预测、泊位共享理论、泊位共享分配策略等问题,构建了基于向量自回归预测的泊位共享优化算法。最后以重庆市江北区行政服务中心区域为实验对象,对该区域进行数据收集、分析和总结,为理论研究提供实例,验证了方法的可行性和有效性。     

基于共享泊位分配模型的新建停车场规模

为缓解城市停车泊位供需不均衡的问题,对城市新建停车场泊位规模问题进行研究.采用共享泊位分配模型对停车需求进行预测,在此基础上引入了灰理想关联熵理论提出停车场规模修正系数概念,实现了对新建停车场泊位数量规模的测算.选取拉萨神力时代商圈范围内的三个新建停车场为研究对象,对其商业区和居住区的停车泊位供给现状、停车需求实际、平均步行距离进行了调研和分析,在此基础上引入粒子群优化算法对共享泊位分配模型进行求解获取新建停车场的停车需求,进而结合修正系数对新建停车场的泊位规模进行确定.研究结果可以有效弥补共享泊位分配模型在实际应用中的不足,为解决城市商圈停车难问题提供一个有效的途径.     

路内停车价格与泊位数量的组合优化

提出了"停车服务水平"指标来描述路内停车场能够提供停车服务的概率,建立了考虑泊位利用率的停车服务水平最大化的整数优化模型,从停车价格和停车泊位数两个方面来优化调整路内停车的收费方案。以广州市一个路内停车场为例,验证了指标参数和模型的有效性和合理性。同时,研究表明:不合理的停车价格与泊位数组合会导致经营者与车主的利益均受损。     

基于模糊逻辑的停车泊位预约实时决策方法

停车泊位预约是停车诱导信息系统的一项高级功能.为了体现公平性及平衡不同时段的停车需求,将收益管理的理念引入停车泊位预约系统,提出基于模糊逻辑的停车泊位预约实时决策方法.通过求解理想情况下的停车泊位预约决策模型产生相应的最优预约决策,确定模糊规则库,运用模糊逻辑判断实时在线决定是否接受泊位预约申请.该方法简便易行,能够在短时间内帮助系统处理泊位预约申请,并保证被接受的申请者能够在预订的时刻顺利完成车辆停放,同时也能最大化停车场的收益.     

考虑用户信用度的共享停车双向拍卖机制及泊位分配模型

共享停车作为时下全新的一种停车模式，为缓解现有停车供需不平衡、时空分布不均的问题提供了新方向和新思路。共享泊位是由分布在不同区域、位置的闲置车位集合而成的，因其动态性和时效性而具备不确定性。在泊位分配过程中，已分配的车位时常因用户失信、违约而交易失败，无法发挥泊位的最大价值，造成泊位闲置和浪费。为提高泊位利用率，本文提出了一种考虑用户信用度的泊位分配模型。首先，结合现有信用评价模型，构建了考虑用户信用度的分配模型。然后，以价格和时间为约束，根据双向拍卖模型建立共享泊位参与者（拥有者、用户、平台）的出价机制，确定最终交易价格。进而，计算出用户总的效用值，求得基于效用值的最佳分配序列，并根据该序列对提交上来的用户泊位请求进行有序分配。最后，通过软件仿真，将本文所提模型与先到先停、传统拍卖模型进行比较分析。结果表明，所提模型相较于先到先停方案、传统拍卖模型在收益提升率方面分别增加了2.15%和32.07%；在平均泊位利用率方面分别增加了0.93%和29.99%。     

优化小波神经网络停车泊位多步预测

【目的】通过改进停车泊位预测方法为交通出行提供有益帮助。【方法】利用李雅普指数对停车泊位序列进行分析,指出序列具有混沌特性,可进行多步预测。利用db32小波函数具有双正交性、紧支撑性以及消失矩阶数较大的特征,对归一化的停车泊位序列进行多尺度分解与重构,并作为小波神经网络(Wawelet neural network,WNN)的隐含层函数。为提高预测精度和降低预测时间,分别使用粒子群算法(Particle swarm optimization,PSO)和极限学习机(Extreme learning machine,ELM)来优化WNN。其中,使用PSO对WNN的权值进行调整,逐步迭代得到最优值;使用ELM将全局最优值作为单隐层前馈神经网络的输入,使得算法尽快收敛。优化后的WNN结合迭代多输出法对停车泊位进行预测。将上述预测方案称为极限学习机和粒子群算法双重优化的小波补缀网络多步预测(Multi-step prediction based on wavelet neural networkimproved by extreme learning machine and particale swarm optimization,MP-EPWNN)。【结果】仿真实验表明,相对于BP神经网络、遗传算法优化小波神经网络、极限学习机优化小波神经网络、粒子群优化小波神经网络4种算法,MPEPWNN算法的预测均方误差平均降低了96.6%,预测所需的时间平均降低了65.97%。【结论】MP-EPWNN算法预测停车泊位是有效的。     

集装箱码头泊位生产运作优化模型

为提高集装箱码头泊位各类设备配置在生产运作中的衔接效率,研究了在装卸岸桥-搬运集卡-堆场吊桥作业系统下的设备优化配置问题.以时间为度量,综合考虑泊位作业收益最大和各类设备的闲置成本与运行费用整体最低确定设备配置数量,并运用数学分析的方法构建了描述集装箱码头泊位生产运作的非线性整数优化模型.实例验证该优化模型对于描述集装箱码头泊位的实际生产运作情况具有很好的实用性和合理性.     

优化小波神经网络停车泊位多步预测

【目的】通过改进停车泊位预测方法为交通出行提供有益帮助。【方法】利用李雅普指数对停车泊位序列进行分析,指出序列具有混沌特性,可进行多步预测。利用db32小波函数具有双正交性、紧支撑性以及消失矩阶数较大的特征,对归一化的停车泊位序列进行多尺度分解与重构,并作为小波神经网络(Wawelet neural network,WNN)的隐含层函数。为提高预测精度和降低预测时间,分别使用粒子群算法(Particle swarm optimization,PSO)和极限学习机(Extreme learning machine,ELM)来优化WNN。其中,使用PSO对WNN的权值进行调整,逐步迭代得到最优值;使用ELM将全局最优值作为单隐层前馈神经网络的输入,使得算法尽快收敛。优化后的WNN结合迭代多输出法对停车泊位进行预测。将上述预测方案称为极限学习机和粒子群算法双重优化的小波补缀网络多步预测(Multi-step prediction based on wavelet neural networkimproved by extreme learning machine and particale swarm optimization,MP-EPWNN)。【结果】仿真实验表明,相对于BP神经网络、遗传算法优化小波神经网络、极限学习机优化小波神经网络、粒子群优化小波神经网络4种算法,MP-EPWNN算法的预测均方误差平均降低了96.6%,预测所需的时间平均降低了65.97%。【结论】MP-EPWNN算法预测停车泊位是有效的。
     

Modeling an Elastic-Demand Bimodal Transport Network with Park-and-Ride Trips

This paper presents a network equilibrium formulation for modeling commuters＇ travel choices in a bimodal transport system with park-and-ride （P＆R） trips while the total demand is elastic to the congestion level of the network. A super-network approach is adopted in the proposed model. It is assumed that commuters＇ trips are categorized into two types, auto mode only and a combined mode with both auto and transit modes. The former is referred to as the pure mode trip and the latter as the P＆R mode trip. The proposed model simultaneously considers the commuter＇s choice of the pure mode versus the P＆R mode, the choice of parking location for the pure mode, the choice of transfer point for the P＆R mode, as well as the route choice for each mode. The demand elasticity of transport system, the capacity constraints of transport facilities, and the congestion interaction throughout the super-network are also explicitly incorporated into the proposed model. The results of the numerical experiment show the following key findings： （i） traditional parking/P＆R models may overestimate or underestimate travel demand distribution over network; （ii） parking/P＆R, transit scheduling, and carpooling schemes bring significant impacts on commuters＇ travel behavior and network performance; and （iii） different transport policies may be to some extent mutually substituted .     

考虑路侧停车需求的城市办公区单行交通组织优化

为提高道路网通行能力、缓解停车供需矛盾,从道路负荷度、车辆绕行及路侧停车需求三方面出发,构建针对城市办公区路网单行交通组织的双层规划模型。上层模型以最小干道路段平均饱和度、车辆最小绕行系数及最大停车泊位增长率为目标,力图优化单行方案以使目标函数最小;下层模型假定出行者遵循用户平衡分配原则选择路径,在此基础上设计遗传算法处理多目标问题。最后对北京市某办公区进行算例分析。研究结果表明:相较组织单行交通之前,干道饱和度明显降低,支路利用率显著提高;同时在保证较低的车均绕行距离的前提下,路侧可设置泊位数增大,支路可增设的路侧停车泊位为实施单行交通组织前的2.9倍。由此可见,研究提出的优化模型可为办公区等停车供需矛盾突出的城市中心区域组织单行交通提供理论支持。     

基于弹性需求和动态定价的共享泊位分配

为解决共享车位管理中的车位分配与定价问题,本文考虑价格变化对于用户不同停车时长选择的影响,分析在不同停车收费标准下用户停车时长选择的概率,并采用多项式拟合得到精细化的共享停车需求价格弹性函数。进而,为实现停车场价格的动态调整与车位分配,以平台收益最大与用户步行距离最小为目标,构建基于弹性需求和动态定价的泊位分配非线性混合整数规划模型,并设计了遗传算法。最后,本文设计了包含3个停车场共1000个泊位、共享平台运营时长为3h的算例,对模型及算法加以验证,通过对比分析,基于弹性需求和动态定价的共享泊位分配方案相比于静态定价,实现平台收益增加19%且满足了大部分停车需求,说明动态定价下共享泊位分配模型及算法的有效性,为共享平台的车位管理提供了新思路。     

考虑车位占用率的机场停车场收费定价模型

由于航空旅客小汽车出行需求的持续增长,机场停车需求不断增加,进而导致机场停车场出现了供需不平衡的状况,本文基于收益管理思想,以期望车位占用率和停车场收益最大化为决策目标,建立了机场停车场收费定价的双层规划模型,基于随机用户均衡原则,建立了航空旅客出行方式选择模型作为双层规划模型的下层模型,并根据所建立的模型设计了相应的求解算法,而后通过算例验证了所提出的模型和算法的可行性。结果表明,在定价时,考虑停车场的容量和车位占用率,能够使停车资源得到更好的利用。     

考虑航班计划的机场短时停车需求预测

为克服现有短时停车需求模型无法直接利用于机场停车需求预测这一问题,利用停车数据、航班计划和气象信息,建立了面向机场停车场的短时停车需求预测模型。首先使用机场停车数据分析了停车场短时车辆到达与离去特性,然后考虑到航班计划对机场停车场短时停车需求的影响,将其与气象状况同时引入到短时停车需求影响因素中,建立了基于Conv1D-LSTM神经网络结构的机场短时停车需求模型。以上海虹桥机场停车场为实例,Conv1D-LSTM模型实验结果的平均绝对误差和均方根误差分别为12.057 辆和14.237 辆;对比多个其他模型实验结果,本文构建的Conv1D-LSTM模型预测效果更优,能有效应用于机场停车场短时停车需求预测。     

考虑建成环境交互影响的共享单车需求预测

共享单车的发展有利于交通的节能减排绿色发展。建成环境是影响共享单车出行需求的重要因素，然而很少有学者探究考虑其交互作用。为了准确分析建成环境中各影响因素的交互作用以达到精确预测共享单车出行需求的目的，本文使用了深圳市共享单车出行数据、兴趣点数据（point of interest，POI）、路网数据和公交线路数据等多源数据，采用梯度提升决策树(Gradient Boosting Decision Tree，GBDT)模型预测共享单车出行需求，并与BP(Back Propagation)神经网络模型预测结果进行比较；最后借助SHAP(SHapley Additive explanation)方法解释GBDT模型中各种影响因子对共享单车出行需求产生的影响，并分析各影响因素及其交互作用。实验结果表明：GBDT模型预测结果平均绝对误差为0.683，均方根误差为0.728，较BP神经网络模型预测准确性更高；通过SHAP方法发现自行车道密度、公交站点数等交通属性因素对于共享单车出行需求作用明显，土地利用中土地利用混合度不是简单线性作用且不同POI间存在复杂交互关系。可见通过借助GBDT模型和SHAP方法可以用来共享单车出行需求预测以及影响因素分析，从而为共享单车发展提出改善建议。     

基于活动模式的工作者出行生成预测模型

为改进传统出行生成预测以单个出行为分析单元、难以反映个体出行行为的不足,建立了基于活动模式的工作者出行生成预测模型.采用相关性分析和多项logit方法研究了1617个有效样本的居民个体属性、家庭属性、区位属性、出行属性、活动属性所引起的活动和出行生成模式的差异.通过建立包含显著变量的6种典型活动模式效用函数,获得个体选择概率.按概率集计法分析各交通小区各类活动模式总量,结合活动模式中包含的出行链平均长度,进行工作者出行生成量预测.基于活动模式的工作者出行生成预测模型有助于以出行链整体为单元考察多次出行之间的关联性,增强出行生成模型与行为模型的融合.     

城市通勤出行链模式选择行为研究

通勤出行是城市居民最基本和最重要的出行,对其进行研究是进行交通规划、设计与管理的一项不可缺少的基础工作,因此本文开展了基于2008年东莞城市居民出行调查数据和多项Logistic模型建立居民通勤出行链模式选择模型的研究工作。本文中的通勤出行链模式选择模型将通勤出行链模式细分为五类（HWH、HWHWH、HWH＋、HWHWH＋、HW＋WH）,并考虑了出行方式对出行链模式的影响作用。通过对模型结果的分析,总结了通勤出行链模式的显著影响因素以及通勤出行链模式选择中的特征。研究内容对于建立基于活动的交通需求预测模型、制定交通管理政策具有重要借鉴作用。