大型旅游活動停車需求預測研究

錢思文，馬健霄，宋曉俊，呂偉健 QIAN Siwen,MA Jianxiao,SONG Xiaojun,LV Weijian

（1.南京林業大學 汽車與交通工程學院，江蘇 南京 210037；2.南京市城市與交通規劃設計研究院股份有限公司，江蘇 南京210037）

0 引言

隨著我國經濟的快速增長，大型旅游活動豐富了人民的物質文化生活，并給區域帶來了巨大經濟效益和發展機遇。重組和完善地域規劃、出行方式、基礎設施配建等。

然而，大型旅游活動的發生，在短時間內集聚了大量的交通需求，旅游活動期間誘增交通量都非常大，為周邊道路帶來的巨大的壓力，且時空分布不均，大型旅游活動都在特定時間和地點舉行，與平常流量和流向常常不一致，造成時間和空間分布的不均衡。且大型旅游活動的展開，對停車容量必然是個極大的挑戰，停車需求的驟然增長，造成停車資源失衡。

承辦大型旅游活動在明確基礎旅游景區停車配建之前，需對旅游客流和停車需求進行預測和分析。江蘇棗林灣舉辦園博會期間，景區車流量具有特殊性，符合大型旅游活動的定義。因此，本文結合江蘇棗林灣景區為例，對景區內部交通需求進行預測，確定了停車需求泊位數，對國內大型活動開展期間的交通組織提供了一定參考。

1 大型旅游活動期間的停車特性

大型旅游活動即在特定的時間和旅游景點發生的能引起交通需求不正常增長的特殊旅游活動。大型活動分為一次性服務的大型活動和持續性服務的大型活動。本文主要討論的是持續性的大型活動，即在活動持續時間內，參觀人員的集散引起交通需求增長的特殊活動。

1.1 停車區位特性

（1）停車場地優先級。相較于常規停車，大型旅游活動的停車需考慮停車場地優先級。停車區域根據與活動場地的距離劃分為核心區域和外圍區域，核心區域滿足必要性停車，如接駁停車、公共交通停車、政府管理停車等；外圍區域滿足參觀者的停車需求。優先級指當核心區域停車容量達到一定程度，需采取核心區停車場禁停（除優先級車輛外）措施，截流外圍區域停車需求，引導車輛至外圍停車場。

（2）停車場分布特征。圍繞大型活動場地，結合現行道路條件和土地條件，分析車輛流線和流向，在活動區域合理規劃停車場地區位。場地布局需均勻分布，避免集中于同一區域。同時，考慮不同方向到達車輛的停車需求，盡量保證車輛停放場地分布與旅游活動組織期間交通流線相結合，避免車輛進入核心區域周邊道路，減少核心區域道路的交通壓力。

1.2 停車需求特性

（1）停車需求總量大。大型活動引發的停車需求量遠遠大于平日的停車需求量，對于驟然而增的停車需求，則需要主辦地有相應的停車用地，以期滿足持續性的停車。

（2）道路可通達性要求高。持續性大型活動舉辦期間，由于龐大的停車需求，進出場地要求道路的通達性高，順暢地進出停車場，疏散車流，避免道路擁擠。

（3）日停車高峰時段明顯。本文討論的持續性大型活動，在周期內，每日均有大量的停車需求，每日開始和結束的時間是確定的，所以交通聚散量在日內存在明顯的高峰時段。

2 大型旅游活動需求預測辦法

2.1 客流規模需求預測辦法

（1）德爾菲法。德爾菲法是需求旅游定性研究辦法，借助專家成員的經驗，橫向比照同等活動客流數據，經過多輪協商，預測大型旅游活動的客流規模和發展規律。

（2）時間序列法。將預測對象按照時間順序排列起來，構成一個時間序列，從所構成的時間序列分析過去年的變化規律，推斷預測未來年的大型旅游活動客流量的變化趨勢。

（3）經驗推算法。考慮選取關聯度較高的大型旅游活動區域面積、舉辦周期、客流規模、參觀者密度等基本參數，根據比較取值，預測客流規模總量。

（4）分類預測—計量經濟方法。不同城市出游率和消費水平存在差異，與城市和區域內人均收入息息相關。通過分析比較大型旅游活動與關聯度最高的某一大型旅游活動的法定節假日、居民收入、旅游偏好、交通狀況、旅游現狀、宣傳時間等數據來預測未來大型旅游活動客流規模。

2.2 停車預測辦法

（1）交通量—停車需求預測法。根據大型旅游活動舉辦區域吸引交通流量，分配不同交通方式流量占比，推算出不同交通方式的停車需求量，適用于用地性質明確單一地區。

（2）停車發生率模型。根據不同土地利用特性（主要為旅游用地）產生的停車需求量和交通影響函數推算機動車停車需求量[16]。

（3）相關分析預測。停車需求總量與區域內的社會經濟指標間存在密切的關系，調查目前旅游活動區域的停車特征，目的區域所在城市人口、就業、經濟活力及旅游用地使用情況等多個指標，根據相關變量若干年的歷史資料，利用回歸分析計算出各變量的回歸系數值，并進行統計檢驗。

（4）機動車OD預測。考慮目標區域停車泊位需求量與該區域的機動車吸引量之間具有較高的相關性，根據近遠期預測的機動車OD數據，推算機動車停車需求量。

3 客流規模—停車需求預測模型的建立

3.1 客流規模預測模型

基于對大型旅游活動的短期聚集性、失衡性等特點，客流量較之平常，數據量更大更復雜，因此對客流規模預測需要從多個角度著手，采用多個模型進行預測估算。基于大型旅游活動的特殊性本文建立經驗推算模型、分類預測—計量經濟模型。

3.1.1 經驗推算模型的建立

該方法立足于陸地參觀者密度，考慮關聯度高的同類大型旅游活動日均客流量、園區陸地面積，充分考慮了上述因素，提出實用性較高的經驗推算模型

式中：Qexp為經驗推算模型總客流量；D為本次大型旅游活動會期；n為相關度高的大型活動次數；Qi為第i次大型旅游活動總客流量；Di為第i次大型旅游活動會期；Si為第i次大型旅游活動陸地面積（除去濕地、河湖面積的陸地所占部分面積）。

3.1.2 分類預測—計量經濟模型

該方法將客流分為本地參觀客流和外地參觀客流，分析城市與區域內部的經濟水平、政策、天氣狀況與出游率的關系，基于上述考慮，提出較為細化的分類預測—計量經濟模型：

式中：R（Am）為參觀者參觀比例；P（）i為第i類影響因素權重；aij為第i類j項指標選擇調整比例參數；Cij為k賦值后第i類j項指標選擇調整比例參數；Xij為本次大型旅游活動數值；Yij為同類型大型旅游活動數值； ρij為第i類j項指標選擇本次大型旅游活動與同類活動參數比值。

式中：Qmet為分類預測—計量經濟客流量；Q1為本地參觀者客流量；Q2為本地參觀者客流量；R A1（）為本地參觀者參觀比例；R A2（）為外參觀者參觀比例；T1為本地常住人口數；T2為旅游接待人數。

（1）本地參觀者。本地參觀者影響參數為節假日天數、天氣狀況、園區吸引力、宣傳預熱、居民收入、參觀便捷度，不同影響因素所占權重以及不同指標參數所占參觀比例調整系數如表1所示。

表1 本地參觀者基本參數

當ρ11=0，k=0，說明本次活動無數值，參觀比例調整系數無法得出；當ρ11＞1，k=-1，說明本次活動會期內節假日天數大于同類活動，調整系數應為正值；當0＜ρ11＜1，k=1，說明本次活動會期內節假日天數小于同類活動，調整系數應為負值。

當ρ21=0，k=0，說明本次活動暫無數值，參觀比例調整系數無法得出；當ρ21＞1，k=-1，說明本次活動陰雨天占比大于同類活動，調整系數應為負值；當0＜ρ21＜1，k=1，說明本次活動陰雨天占比小于同類活動，調整系數應為正值。

ρ31、ρ41、ρ51、ρ52、ρ61、ρ62同理ρ11，即本次活動指標選擇數值大于同類型活動，k=1；小于同類型活動，k=-1；本次活動無數值參數，則k=0。

（2）外地參觀者。外地參觀者影響參數為景點競爭、園區吸引力、宣傳預熱、參觀便捷度，不同影響因素所占權重以及不同指標參數所占參觀比例調整系數如表2所示。

表2 外地參觀者基本參數

當ρ11=0，k=0，說明本次活動暫無數值，參觀比例調整系數無法得出；當ρ11＞1，k=-1，說明本次活動所在地域的景點競爭大于同類活動所在地，調整系數應為負值；當0＜ρ11＜1，k=1，說明本次活動所在地域的景點競爭小于同類活動所在地，調整系數應為正值。

當ρ21=0，k=0，說明本次活動無數值，參觀比例調整系數無法得出；當ρ21＞1，k=1，說明本次活動園區面積大于同類活動，調整系數應為正值；當0＜ρ21＜1，k=-1，說明本次活動園區面積小于同類活動，調整系數應為負值。

3.2 停車需求預測模型

本文考慮的為單一用地性質，即旅游用地，大型旅游活動時期短，客流量具有驟發性且交通到達方式具有復雜性等特點。綜合上述考慮，利用多個客流規模預測模型預測出客流總量，變量需周轉率和利用率進行換算，而周轉率和利用率考慮過往典型停車活動，采用機動車OD預測模型預測停車需求。

式中：Pij為第i類客流分類第j類交通方式停車泊位數；TBj為第j類交通方式比例；ATOj為第j類交通方式停車周轉率；Lj為第j類交通方式載客率；Qdi為第i類客流分類日均客流量；Ai為第i類客流分類上浮系數；Q為大型旅游活動期間預測總客流量；D為大型旅游活動會期。

上式中，第1類日均客流量，上浮系數A取值1；第2類日均客流量，上浮系數A取值1.5；第3類日均客流量，上浮系數A取值2.5。

4 實例分析

江蘇省揚州市儀征市棗林灣作為2018年江蘇省園博會的舉辦地，區位優越，地處寧鎮揚同城化緊密圈層（寧鎮揚三地年接待游客量2億人次以上），利用圈層優勢輻射向外吸引客流，如圖1所示。

圖1 寧鎮揚同城化結構圖

4.1 客流總量分析計算

該大型活動運用經驗推算模型推算本屆園博會陸地參觀者密度。在選取參考案例時，應當著重考慮陸地面積較為接近的案例。因此，經驗推算實例主要參考西安世園會、常州花博會、宿遷園博會和蘇州園博會。綜合考慮，將四者取算數平均，預計園博會陸地參觀者密度為4.2萬人次/km2·日。國內類似大型博覽會及江蘇省園博會的陸地參觀者密度數據見表3。

以陸地參觀者密度按照4.2萬人次/km2·日估算，會期為31天，經驗推算法預測園區客流量約為130萬人次。

分類預測—計量經濟模型計算示例如表4、表5所示：

表3 國內相關度高的大型博覽會指數

表4 本地參觀者實例驗證

按照揚州市450萬常住人口和12%的參觀比例估計，本地參觀者數量約為54萬人次。

根據行業預測，揚州市2018年旅游接待人數為7 252萬人次，并參考其他城市，園博會對應期間旅游接待人數占比13%，在對應時間段游客接待總量為942.8萬人次，外地參觀者數量為65.9萬人次。

表5 外地參觀者實例驗證

分類預測—計量經濟模型結合實例推算出總客流量為110萬人次。

綜合經驗推算法和分類預測—計量經濟法兩者考慮，且其為大型旅游活動，需考慮選取數值較大的基數，即實例分析中選擇130萬人次作為總客流規模基數。

4.2 停車需求分析計算

棗林灣地區的園藝博覽會預測客流量以130萬人次作為基準數，會期為31天，則可以計算出一般日客流量Qd1為4.2萬人次、一般高峰日客流量Qd2為6.3萬人次和極端高峰日客流Qd3為10.5萬人次。根據日均客流量，參照模型分配停車需求如表6所示。

表6 不同交通方式停車需求情況

停車場總規模需求預測中小汽車周轉率取1.2，旅游大巴周轉率取1.5，公交車周轉率取3.6，出租車周轉率取4。本文是針對大型旅游活動組織，故僅考慮一般高峰日和極端高峰日的總規模需求，一般日日均流量不作考慮。停車泊位需求預測如表7所示。

表7 停車泊位需求預測 單位：個

根據機動車OD模型推測，大型旅游活動停車需求泊位，小汽車泊位總量應滿足7 300～12 000個停車位；旅游大巴泊位總量應滿足530～880個停車位；公交車泊位總量應滿足70～100個停車位；出租車蓄車泊位總量應滿足250～360個停車位。