新城區CBD區域停車需求預測方法

張飛飛，吳 兵，李林波

(同濟大學道路與交通工程教育部重點實驗室，上海201804)

為適應城市快速發展需求，很多大城市在城市外圍規劃建設了具有相對獨立性的新城區。在新城CBD區域，由于開發強度大、停車需求多，充足的停車泊位會刺激小汽車的大量出行，從而造成動態交通擁擠。因此，合理的靜態交通規劃是實現城市動靜交通平衡的關鍵，為了避免交通擁擠問題的發生，新城區CBD區域在規劃建設階段需要對停車需求進行合理預測與布局。

目前國內外學者對停車需求預測方法進行了大量的研究，主要包括停車生成率模型、用地與交通影響分析模型、出行吸引模型、交通量-停車需求模型及多元回歸模型。美國學者在大量停車調查的基礎上，對停車生成率模型進行了較多的研究，美國交通工程師協會(TIE)出版了《停車產生率》報告，并不斷的進行更新;Levinson比較了美歐亞部分國家或城市的配建指標，研究了停車配建指標與城市機動化的關系［1］;Haworth研究了開發控制區建筑物停車配建標準［2］。國內的學者也對停車生成率模型進行了研究，關宏志，等在停車生成率模型基礎上考慮價格因素、服務水平等對停車需求量的影響，提出“停車需求-供應模型”［3］;薛行健，等考慮不同用地泊位共享對停車需求總量的折減對停車生成率模型進行優化［4］;魏連雨，等將區位優勢度及汽車保有量作為參數引入到停車生成率模型中［5］;王豐元，等采用交通影響函數分析了路網流量增長率和停車率對停車需求的影響，在此基礎上建立了停車需求預測模型［6］;1995年香港完成的停車泊位需求研究(Parking Demand Study)最終報告中將全日機動車出行量轉化為停車需求的時間分布曲線;中國城市規劃設計研究院以停車需求與出行的關系為基礎建立了停車需求模型;上海市綜合交通規劃研究所建立了機動車出行吸引總量與停車需求的二元線性模型［7］。雖然停車需求預測方法取得了很多的研究成果，但受新城規劃資料及停車特征調查等條件限制，已有預測模型在使用時可行性受到限制，預測結果的可靠性難以保證，因此需要在已有研究基礎上考慮新城特征構建適用于新城區CBD區域的停車需求預測模型。

1 新城區CBD區域停車需求預測特征

新城區是城市化的產物，有衛星城、城市新區等表現形式。中央商務區(Central Business District簡稱CBD)是現代城市以商務辦公為主的第三產業聚集地，具備3個特征:現代化城市的市中心、以商務辦公為主、第三產業集聚之地。由于新城區發展目標不同，只有規模相對較大的新城區才會具備CBD區域。筆者針對規模相對較大的新城區CBD區域的停車需求進行了預測。

與發展成熟的城區相比，新城區CBD區域在停車需求預測時主要存在以下特征。

1.1 停車特征調查資料缺乏

新城區的停車生成率、泊位周轉率等停車特征參數無法通過調查獲得，一般通過類比或對老城區數據進行回歸分析得到。相關研究表明，土地利用的吸引權具有良好的可移植性［8］，停車需求是出行吸引的延伸，因此停車特征參數也具有可移植性，但是應當綜合考慮城市規模、經濟發展水平及居民出行特征進行修正。

1.2 土地利用規劃及交通規劃資料詳實

新城區建設有著明確的總體規劃，一般用地性質劃分明確，各地塊用地面積、建筑面積等均可從相應的規劃資料中獲取，綜合交通規劃則能夠提供規劃年的OD數據、路網布局、公共交通規劃、交通方式構成等資料，數據準確且容易獲得，而老城區即使通過大量的調查也很難保證資料的準確性和完備性。

1.3 CBD區域彈性停車需求較大

CBD區域一般以商業辦公用地為主，以彈性停車需求為主，受停車收費、交通管制、公交服務水平等影響較大，對CBD區域進行停車需求預測時，應當結合新城區的交通發展戰略、交通方式劃分、公共交通規劃等來考慮需求管理，滿足所有出行需求的理想泊位供應反而會吸引過多的小汽車出行，從而將停車問題轉移為交通擁堵問題。

2 現有停車需求預測模型適應性分析

國內外廣泛使用的靜態交通需求預測模型，可歸納為3大類:基于土地利用的預測模型;基于出行的預測模型;基于社會經濟活動特性的預測模型(即多元回歸模型)［9］。筆者分別對以上模型在新城區停車需求預測時的適用性進行分析。

2.1 基于土地利用的預測模型

基于土地利用的預測模型主要包括停車生成率模型和用地與交通影響分析模型。

停車生成率模型是建立在土地利用性質與停車需求生成率二者對應關系的基礎上，通過確定不同土地利用性質的單位指標所吸引的停車需求量，將區域內的總停車需求量看作各單個地塊的停車需求量的總和。停車生成率模型在目前的停車規劃中應用較多，尤其是計算大型公共建筑的配建指標時更為實用，但在制定停車生產率指標時需要進行詳細的停車特性調查，工作量大，在研究土地使用類型多而混合的城市區域時回歸數據易受其它因素干擾，同時，規劃年各土地使用類型的停車生成率難以把握［9］。停車生成率模型預測周期不宜過長，優點是簡單可行，且能計算出各建筑單體的泊位需求，適用于以剛性停車需求為主的用地類型(如住宅類用地)。由于新城區規劃資料容易獲得，因此新城區停車需求預測多采用停車生成率模型，但是該方法較少的考慮了交通方式劃分及交通控制措施，不適用彈性停車需求較大用地類型(如商務區)。

用地與交通影響分析模型是停車生成率模型的擴展，建立在城市區域的停車需求與該區域的經濟活動特性和交通特性密切相關的基礎之上的。用地與交通影響分析模型既具備了生成率模型的特點，又將停車生成率與道路交通量相結合，預測結果較為準確，但是對于新城區，歷年道路網各路段交通資料、汽車保有量均無歷史數據，交通影響函數較難確定［8］。

2.2 基于出行的預測模型

基于出行的預測模型包括出行吸引模型和交通量-停車需求模型。

出行吸引模型的原理是建立高峰小時停車需求與區域機動車出行吸引量之間的關系。出行吸引模型抓住了停車需求的主要影響因素，分析結果較為可靠，可用于土地利用性質變化比較大的區域。該模型要求具備城市交通規劃或其他交通專項研究的基礎及完整的OD數據，出行吸引模型較適合新城的靜態交通需求預測，新城停車規劃一般是在綜合交通規劃及道路交通規劃之后，因此有較完備的城市交通規劃資料，但是在使用該模型時首先要保證OD預測的準確性，另外預測結果只能得到各交通小區的停車需求(與OD預測交通小區劃分一致)，并不能細化到各個建筑單體。

交通量-停車需求模型的基本思路是任何地區的停車需求必然是到達該地區行駛車輛被吸引的結果，停車需求泊位數為通過該地區流量的某一百分比，可分為一元對數模型和多元對數模型［10］。如果該地區用地功能較為均衡、穩定，則預測結果較為可靠;該模型適用于對城市規劃區域進行宏觀的停車需求分析，與動態交通的預測方法相結合，不僅可以計算出停車需求，而且可以得到研究區域內機動車出行的停車率，該模型的不足在于無法具體得到區域內每一土地使用的停車設施需求量，因此通常作為驗證其它預測模型計算結果的有效方法［13］。

2.3 基于社會經濟活動特性的預測模型

基于社會經濟活動特性的預測模型是將停車需求與城市經濟活動及土地使用之間的關系進行分析，一般是建立多元回歸模型。模型的建立需要停車、出行及社會經濟狀況的調查數據，由于新城區歷史數據比較缺乏，該方法不適用于新城區停車需求預測。

通過分析可知，停車生成率模型及出行吸引模型較適合于新城區的停車需求預測，但是也存在一定的局限性，以往的研究多采用停車生成率模型及其優化模型進行新城區的停車需求預測［4，8］。筆者在已有研究基礎上，考慮新城特征，根據土地利用及交通特性構建適用于新城區的停車需求預測模型。

3 新城區CBD區域停車需求預測模型

3.1 新城區CBD區域停車需求預測影響因素

3.1.1 新城區經濟水平及其規模功能

一般而言，機動車保有量及停車需求隨社會經濟水平的提高而不斷增加。新城區的區位及功能定位對機動車的出行水平產生重要影響，而用地規模、產業規模及人口規模將影響停車需求總量。

3.1.2 土地利用規劃及人口就業分布

交通需求是土地開發利用的函數［8］，土地利用、人口及就業崗位的分布決定了出行強度及出行分布，開發強度越高，人口就業密度越集中的地區停車需求越大。

3.1.3 機動車保有量及出行水平

根據統計資料分析［11］，每增加一輛車，將增加1.2～1.5個停車泊位需求，出行水平是影響停車需求的另一個重要因素，美國FHWA的研究表明，高峰小時停車需求量與日平均機動車流量存在正相關的函數關系。

3.1.4 新城區交通規劃及交通政策

1934年中央蘇區還發行了“中華蘇維埃共和國借谷證”，面額高的有“伍拾斤”“壹佰斤”，低的只有“捌兩”“玖兩”“拾兩”“拾壹兩”“壹斤”。票面注明“此票專為1934年向群眾借谷充足紅軍給養之用”，還明顯標示“糧食人民委員陳潭秋”及印章（黨的一大代表陳潭秋是我黨我軍的“第一任糧食部長”）。借谷證是根據當時紅軍戰時流動性很大、經常轉戰遷移等特征而發行的糧票。憑此證可以沿途在群眾家吃飯或向當地政府倉庫、紅軍倉庫、糧食調劑局、糧食合作社、備荒倉以及群眾借取糧食，然后憑借谷證向政府結算。其他革命根據地也都發行有類似的借谷證、米票、飯票，如1934年閩浙贛省蘇區發行的“紅軍飯票”。

新城區的交通規劃對交通方式的構成起決定性的作用，其中公共交通系統的服務水平極大的影響著小汽車的出行比例進而影響停車需求;道路網系統的規劃也決定著路網機動車容量，從而限制了機動車的停車需求。停車收費等交通政策影響出行成本，對彈性停車需求影響顯著。

3.2 新城區CBD區域停車需求預測模型構建

3.2.1 基本思路

綜合考慮新城的停車需求預測的特征、影響因素及現有模型的局限性，本研究根據土地利用及交通特征提出適用于新城區的停車需求預測模型。模型的基本思路為:①根據不同用地的建筑面積及其單位建筑面積的出行吸引人次，計算得到出行吸引總量;②依據計算得到的出行吸引總量及綜合交通規劃中的交通方式劃分計算機動車的出行人次，除以調查得到小汽車的平均載客率，得到全天機動車吸引總量;③由機動車的吸引總量與停車需求總量的關系，得到全天的停車需求總量，考慮停車泊位周轉率，計算得到全天平均停車泊位需求量;④調查得到高峰停車比率，根據高峰停放車輛與各時刻停放車輛平均值的比，計算得到高峰小時停車泊位需求，進行一定折減后得到實際停車泊位需求;⑤根據既有道路網規劃的路網容量計算停車需求，與實際停車泊位需求進行對比，取其較小值。

3.2.2 模型構建

1)各小時平均停車泊位需求

根據用地特征及交通特性計算得到全天交通發生量，計算得到全天各小時平均停車泊位需求:

式中:P平均為各小時平均停車泊位需求;Tj為第j類用地總吸引人次;λ為機動車出行比例;K為小汽車平均載客率;R為停車周轉率;α為停車需求量與交通吸引量之比。

Tj根據建筑面積和出行率計算(Tj=j類用地建筑面積 ×j類用地出行率)，CJJ/T 141—2010《建設項目交通影響評價技術標準》給出了不同建設項目高峰小時出行率參考值，實際應用時應結合考慮項目區位條件、新區經濟發展水平、土地利用、人口就業分布特征及高峰小時出行比例等因素進行計算修正;λ需根據新城區的機動車出行水平、新區交通發展政策及公共交通服務水平等因素確定，一般情況下可直接從新城區綜合交通規劃獲取;K與R可類比老城區或其他城市的已有調查數據，在參考已有調查數據基礎上還應結合新城區特征進行修正。上海市第4次大調查數據顯示:私人小汽車平均載客率K為1.6人/車;商業用地的停車周轉率R取值為2.3 ～3，辦公用地的停車周轉率為1.1 ～1.4;α 的取值略小于1。一般而言，出租車即停即離比例較大，另外車站由于接送乘客車輛較多，存在一定比例的即停即離車輛，在即停即離車輛較少的情況下，可取值為1。

2)高峰小時停車泊位需求

式中:P高峰為高峰小時停車需求;γ為高峰停放比率。γ根據調查得到的高峰停放車輛及各時刻停放車輛的平均值計算

同類用地高峰停放比率取值γ相對穩定，取值分為3類:持續高峰型，停放量始終保持在一定的范圍內，沒有明顯的峰值，高峰停放比率一般在1.40以下;單峰型，這類分布曲線一般高峰比較明顯，高峰停放比率一般在1.50以上;雙峰型，分布曲線通常在上午和下午各形成一個高峰時間，高峰停放比率一般在1.40 ～1.60之間。

3)實際停車泊位需求

實際停車泊位既要適當滿足高峰小時停車需求，又要避免平峰時段停車資源的浪費，因此實際停車泊位需求應在高峰時段停車需求的基礎上進行一定的折減:

式中:P為實際停車泊位需求;φ為折減系數;實際停車泊位需求(P)為高峰時段停車需求的80%～90%較合理，美國土地協會出版的《Shared Parking Design＆Management》第2版中選取高峰時段停車數量的85%來決定泊位率，美國運輸工程師協會(ITE)及停車顧問理事會的研究中認為85%為恰當比率［12］。筆者選取高峰小時停車泊位的85%作為實際停車泊位需求(即φ=85%)。

4)路網容量約束下的停車需求［13］

雖然在新城區的開發過程中，控制性詳細規劃對建設項目的開發規模進行了一定的限制，但在實際操作過程中開發規模往往發生調整，由于道路網規劃確定后可調整性較小，因此在停車需求預測時應考慮到該地區及其周圍道路容量的約束作用。實際情況中當交通量達到路網容量時，即使區域的吸引量再增大，到達區域內的機動車總量也不會增加。路網容量約束下的停車需求模型如式(4)，具體模型參數請參考文獻［13］。

3.2.3 模型特征

充分利用新城區規劃資料齊全的優勢，參考土地利用規劃及綜合交通規劃資料，根據用地性質、建筑面積及交通方式劃分進行停車生成。

考慮了CBD區域彈性需求較大，在模型預測時考慮了交通方式劃分，從需求管理角度出發，通過停車泊位來限制小汽車的出行比例，提高公共交通的出行比例，有利于交通規劃的落實。

以往的方法以停車泊位周轉率為基礎，預測的是各小時平均停車泊位需求，忽略了停車高峰需求。本模型在此基礎上計算了高峰小時的停車泊位需求并進行一定折減，符合停車時間分布特征，對于具有明顯停車高峰的區域，預測結果更加可靠。

在實際停車需求的基礎上，考慮了路網容量，利用路網容量對停車需求進行限制，避免靜態交通問題向動態交通問題轉化。

4 實例分析

濟南西客站片區位于濟南市槐蔭區南部、濟南市主城區西部，是濟南西部新城的重要組成部分，西客站片區CBD區域將建設成為濟南的新商埠，以商業辦公用地為主，將產生較大停車需求量。

4.1 各小時平均停車泊位需求

根據既有調查資料，結合西客站片區CBD區域區位特征，各地塊占地面積、用地性質及建筑面積可由規劃資料提供，計算得到西客站片區CBD區域總吸引人次為50.3萬。根據濟南市西客站片區綜合交通規劃，區內交通吸引比例約為50%，機動車出行比例為19%，區間交通吸引比例約為50%，機動車出行比例35%，參考既有調查數據并結合濟南西客站片區居民出行特征，小汽車平均載客率取值為1.6，計算得到全天機動車出行總量為84 815輛。

研究組對濟南市多個商業辦公區域的停車特征進行調查，得到各停車特征參數的取值，并結合西客站片區CBD區域開發強度進行修正，停車需求量與交通吸引量之比取值為0.95，商業類用地停車周轉率為2.8，辦公類用地為1.25，計算得到各小時平均停車泊位需求為35 912個。

4.2 實際停車需求計算

商業類用地高峰停放比率取值為1.47，辦公類用地取值為1.05，計算得到高峰小時停車泊位需求量為49 778個，按高峰小時停車泊位的85%計算，實際停車泊位計算結果為42 312個。

4.3 路網容量約束下的停車需求

根據濟南西客站片區綜合交通規劃，計算得到飽和度0.9時路網容量約束下的停車需求為42 801個，通過與以上計算對比，確定濟南西客站片區CBD區域最終泊位需求總量為42 312個。

5 結語

CBD區域大量的交通需求使其成為城市的交通敏感區，新城區在規劃建設階段應對其靜態交通需求進行重點研究。筆者在分析新城區CBD區域停車需求預測特征及現有模型適應性的基礎上，考慮停車需求預測影響因素，構建了適用于新城區CBD區域的停車需求預測模型。該模型根據出行總量及交通方式劃分計算得到機動車出行總量，根據高峰停放車輛與各時刻平均停放車輛的關系，得到高峰小時停車需求，并選取高峰小時停車需求的85%作為實際停車需求。最后結合濟南西客站片區CBD區域進行實例驗證，計算得到濟南西客站片區CBD區域停車所需泊位為42 312個。

［1］Levinson H S.Zoning for parking-a global perspective［J］.ITE Jounal，1984，54(11):18-22.

［2］Haworth S L，Hilton I C.Parking standards in development control［J］.Traffic Engineering ＆ Control，1982，1:537-542.

［3］關宏志，王鑫，王雪.停車需求預測方法研究［J］.北京工業大學學報，2006，32(7):600-603.Guan Hongzhi，Wang Xin，Wang Xue.The research on forecasting method for parking demanding［J］.Journal of Beijing University of Technology，2006，32(7):600-603.

［4］薛行健，歐心泉，晏克非.基于泊位共享的新城區停車需求預測［J］.城市交通，2010，8(5):52-56.Xue Xingjian，Ou Xinquan，Yan Kefei.Parking demand forecasting for space sharing facility in new urban area［J］.Urban Transport of China，2010，8(5):52-56.

［5］魏連雨，周永亮，張朝清，等.改進的停車生成率停車需求預測模型研究［J］.河北工業大學學報，2007，36(5):101-106.Wei Lianyu，Zhou Yongliang，Zhang Chaoqing，et al.The research on improved parking generation rate forecast model［J］.Journal of Hebei University of Technology，2007，36(5):101-106.

［6］王豐元，鄒旭東，閻巖，等.基于用地和交通特征的停車需求預測模型［J］.交通運輸工程學報，2007，7(2):84-88.Wang Fengyuan，Zou Xudong，Yan Yan，et al.Forecast model of parking demand based on land function and traffic characteristics［J］.Journal of Traffic and Transportation Engineering，2007，7(2):84-88.

［7］陳媛.城市停車設施規劃問題研究［D］.西安:長安大學，2005.

［8］張蘭.新城區停車規劃相關問題研究［D］.上海:同濟大學，2009.

［9］張鈞.城市機動車車輛停放特性分析與停車需求預測研究［D］.南京:東南大學，2005.

［10］賀崇明.城市停車規劃研究與應用［M］.北京:中國建筑工業出版社，2006.

［11］陳峻.城市停車設施規劃方法研究［D］.南京:東南大學，2000.

［12］瑪麗·史密斯.共享式停車場設計與管理［M］.王瑩，譯.沈陽:遼科學技術出版社，2007.

［13］白玉，楊曉光，薛昆.基于路網容量的停車需求預測方法［J］.交通運輸工程學報，2004，4(4):49-52.Bai Yu，Xue Kun，Yang Xiaoguang.Forecasting method of parking demand based on capacity of network［J］.Journal of Traffic and Transportation Engineering，2004，4(4):49-52.