基于出租車訂單數(shù)據(jù)的停車泊位共享區(qū)塊選擇

暨巍 鄭彭軍 黃正鋒

[摘要]以寧波市為例，創(chuàng)新性地對城市各區(qū)域?qū)嵤┎次还蚕聿呗缘倪m合程度進(jìn)行了研究。首先基于出租車訂單數(shù)據(jù)建立評價指標(biāo)體系，然后通過密度統(tǒng)計得到出租車出行熱點區(qū)域，將這些區(qū)域作為評價單元，最后通過可拓學(xué)和熵權(quán)法對各評價單元的共享匹配度進(jìn)行定量評價，評價結(jié)果客觀地反映了寧波市各區(qū)域?qū)嵤┎次还蚕淼倪m合程度，評價方法對同類研究有借鑒意義。

[關(guān)鍵詞]出租車;訂單數(shù)據(jù);泊位共享;可拓學(xué);熵權(quán)法

[中圖分類號]U469.12???? [文獻(xiàn)標(biāo)識碼]A???? [文章編號]1005-152X（2022）03-0069-08

Selection of Parking Space Sharing Area Based on Taxi Order Data

JI Wei， ZHENG Pengjun， HUANG Zhengfeng

（Faculty of Maritime & Transportation， Ningbo University， Ningbo 315211， China）

Abstract： Taking Ningbo as an example， the paper made an innovative study on the suitability of implementing the parking space sharing strategy in each region in Ningbo. Firstly， based on taxi order data， it established an evaluation index system. Then， through density statistics， it got hot spots of taxi routes. Finally， it took these hot spots as evaluation units， and quantitatively evaluated the shared matching degree of each evaluation unit by extenics and entropy weight method. The evaluation results could objectively reflect the suitability of parking space sharing in each region in Ningbo， and the evaluation method could provide references for similar researches.

Keywords： taxi; order data; parking space sharing; extenics; entropy weight method

0 引言

隨著我國城鎮(zhèn)化和機(jī)動化的迅速發(fā)展，各大城市的機(jī)動車保有量都呈逐年上漲的趨勢，遠(yuǎn)遠(yuǎn)超出規(guī)劃預(yù)期[1]。然而，在機(jī)動車保有量快速增長的同時，城市停車設(shè)施發(fā)展緩慢。據(jù)統(tǒng)計，我國停車缺口率達(dá)到50%，停車貴、停車難問題已經(jīng)成為城市有車族的最大煩惱之一[2]。停車位的稀缺，導(dǎo)致停車用戶需要花費大量的時間尋找車位，不僅增加了出行成本，還會惡化交通擁堵和環(huán)境污染等問題[3]。目前解決停車問題的方法主要有兩種：一是增加車位供給;二是共享現(xiàn)有車位存量[4]。新建停車場，從增加車位供給角度解決停車難問題的傳統(tǒng)思路，不僅要承擔(dān)高額的土地、資金、人力等成本，且老城區(qū)已有的城市格局帶來的空間限制也使得擴(kuò)建停車場越來越難以實現(xiàn)。

停車泊位共享是指利用鄰近區(qū)域停車需求時空上的互補(bǔ)性，引導(dǎo)鄰近的土地使用者共用停車位，減少對車位的絕對數(shù)量需求，在現(xiàn)有車位存量的基礎(chǔ)上解決停車難問題。停車共享理念最早是由美國城市土地研究所（ULI）編制的第一版《Shared parking》一書中提出的[5]，該理念體現(xiàn)了協(xié)調(diào)、優(yōu)化區(qū)域資源的思想。目前，停車泊位共享是國內(nèi)外研究的一個熱點，研究內(nèi)容主要為泊位分配利用和停車需求預(yù)測。

在泊位分配模型方面，姚恩建，等[6]在分析居住區(qū)實施停車泊位共享可行性的基礎(chǔ)上，以提高泊位利用率為目標(biāo)，建立居住區(qū)共享車位資源優(yōu)化配置的加權(quán)頂點圖著色模型及求解算法，并用仿真實驗加以驗證，最后結(jié)果顯示該方法可以將泊位利用時長提高11.82%。王韓麒[7]建立了共享停車泊位的分配原則及優(yōu)化原則，并在此基礎(chǔ)上構(gòu)建共享停車泊位的動態(tài)分配模型，在每一次分配后對共享停車泊位資源進(jìn)行重新整合和優(yōu)化，實現(xiàn)實時動態(tài)調(diào)整共享停車泊位分配方案，在滿足用戶停車需求的同時，將停車泊位的利用率提高18%。Shao，等[8]提出了一個簡單的二進(jìn)制整數(shù)規(guī)劃模型，在停車場時間和空間限制下，盡可能多的接受停車預(yù)約請求，并分配給特定的停車場。Guo，等[9]通過仿真優(yōu)化方法建立停車泊位回購模型，模型以停車需求者的利益最大化為目標(biāo)，在停車泊位共享時間的限制下得出最優(yōu)的停車泊位使用策略。Xie，等[10]將結(jié)構(gòu)方程模型和 Logit模型相結(jié)合，構(gòu)建了一種泊位共享規(guī)劃模型，用以解決真實停車環(huán)境中的泊位動態(tài)分配問題。孫會君，等[11]綜合考慮了租用車位成本、接受停車請求的獲利、拒絕租用車位和拒絕停車請求的損失，以運行商利益最大化為目標(biāo)，提出整數(shù)規(guī)劃模型，統(tǒng)一決策車位租用和請求分配。

在泊位需求預(yù)測方面：薛行健，等[12]以現(xiàn)實停車配件指標(biāo)問題為切入點，構(gòu)建了一種基于停車生成率法和效用折減量相結(jié)合的泊位預(yù)測模型，并對停車配件指標(biāo)規(guī)劃采取類比法進(jìn)行調(diào)整。祝福云，等[13]在已有停車需求預(yù)測模型的基礎(chǔ)上以停車生成率為基礎(chǔ)，考慮不同用地性質(zhì)和停車時長差異的影響建立了泊位共享需求預(yù)測模型，并以西安市鐘樓商圈及小寨商圈為例進(jìn)行實例分析。Jiang，等[14]主要從停車生成率和尋泊時間以及停車時長等幾個方面出發(fā)，建立了基于泊位共享策略的停車需求預(yù)測模型。

目前，國內(nèi)外學(xué)者已經(jīng)提出了大量基于泊位共享的泊位優(yōu)化模型與需求預(yù)測模型，但鮮有文章從區(qū)塊共享能力評價入手，為共享停車區(qū)塊選取提供科學(xué)的決策依據(jù)。據(jù)不完全統(tǒng)計，目前市面上的共享停車平臺有100多個，但均未達(dá)到一定的市場規(guī)模，大量平臺反映其實施共享停車的效果具有明顯的地段差別。共享停車前期需要進(jìn)行大量的線下地推，利用宏觀數(shù)據(jù)對城市不同區(qū)域的共享匹配度進(jìn)行評價，過濾掉不適合共享的區(qū)域，能有效的降低共享停車推進(jìn)的盲目性，為企業(yè)或相關(guān)機(jī)構(gòu)節(jié)省大量的成本，有效地提高城市泊位共享實施的成功率。

從城市的維度對不同區(qū)塊的共享能力進(jìn)行評價，需以宏觀數(shù)據(jù)作為支撐，而收集私家車的出行信息十分困難，需要投入較高的成本，這將削弱本文的研究價值。在一定的出行距離內(nèi)，出租車在可達(dá)性、省時性、便利性和出行的時空分布上均與私家車有較高的相似度，從某種程度上來說，出租車的出行特征正好反映了私家車的出行特征。因此，本文假設(shè)出租車在某一區(qū)域的到訪量與私家車到訪量成正比例關(guān)系，在此基礎(chǔ)上利用出租車訂單數(shù)據(jù)對區(qū)塊共享匹配度進(jìn)行評價。

可拓學(xué)由我國學(xué)者蔡文教授提出，其將事物的量和質(zhì)聯(lián)系在一起研究，能夠根據(jù)事物的特征值判斷事物屬于某集合的程度，利用可拓學(xué)評價模型可將多參數(shù)因子的目標(biāo)歸結(jié)為單目標(biāo)決策，并以定量的數(shù)值來表示評定結(jié)果。這種評價方法已經(jīng)在農(nóng)業(yè)、經(jīng)濟(jì)、軍事、交通、建筑等領(lǐng)域被大量學(xué)者廣泛應(yīng)用。影響城市不同區(qū)域泊位共享匹配度的指標(biāo)數(shù)量多，且存在不相容的特征，采用可拓學(xué)評價模型可以有效地解決各指標(biāo)不相容問題，科學(xué)、客觀得到城市各區(qū)塊的泊位共享匹配度。熵權(quán)法是一種客觀賦權(quán)的方法，它是利用各指標(biāo)熵值所提供的信息量大小來決定指標(biāo)權(quán)重的方法，采用熵權(quán)法可以避免指標(biāo)權(quán)重受人為因素干擾[15]。

本文采用可拓學(xué)評價和熵權(quán)法作為定量描述城市不同區(qū)域的共享匹配度的方法。以寧波市主城區(qū)為例，首先基于出租車訂單數(shù)據(jù)建立指標(biāo)評價體系;然后通過設(shè)置閾值提取寧波市出租車上下客熱點區(qū)塊，以此為基礎(chǔ)得到熱點區(qū)域并將其作為待評單元;依次建立經(jīng)典域矩陣、待評物元矩陣、關(guān)聯(lián)度函數(shù)模型，得到各區(qū)域的各指標(biāo)關(guān)聯(lián)度;最后通過熵權(quán)法得到各指標(biāo)的權(quán)重，并對指標(biāo)關(guān)聯(lián)度加權(quán)處理后得到各熱點區(qū)域的泊位共享匹配度。

1 建立評價指標(biāo)體系

1.1 數(shù)據(jù)來源及居民出行時間分布

本文選取出寧波市內(nèi)24h 的出租車訂單數(shù)據(jù)作為研究的數(shù)據(jù)支撐，訂單數(shù)據(jù)包括上、下客點經(jīng)緯度，上、下客時間等。出租車是城市交通的重要組成部分，其運營時間和分布特征體現(xiàn)著城市居民的出行特征[16]，因此，本文假設(shè)出租車的出行活動為城市居民的出行活動，并通過分析出租車訂單包含的出行時間信息，從宏觀上判斷出行目的。

基于寧波市出租車訂單數(shù)據(jù)，選取連續(xù)五個工作日的數(shù)據(jù)繪制出租車下客次數(shù)時間分布圖，結(jié)果如圖1所示，可以看出寧波市工作日居民出行時間具有明顯的峰值分布特點，且各個工作日的峰值分布情況相似，其中早高峰在08：00-10：00點之間，晚高峰在19：00-21：00之間，10：00-19：00為平峰時段。

影響泊位共享匹配度的因素有很多，包括停車時長、地理位置、信息的獲取發(fā)布、泊位管理等。如何利用出租車訂單這類宏觀數(shù)據(jù)建立指標(biāo)體系，以較低的成本識別出泊位共享匹配度高的區(qū)塊具有現(xiàn)實的應(yīng)用意義。本文從時間維度上分析出租車訂單數(shù)據(jù)，判斷居民出行目的，并以此為基礎(chǔ)建立改進(jìn)型高峰時段入出比、彈性到訪密度、通勤到訪密度這三個指標(biāo)，反映各區(qū)塊各類停車需求的大小及比例關(guān)系，試圖定量描述區(qū)域泊位共享匹配度。

（1） C1：改進(jìn)型高峰時段入出比。高峰時段入出比指的是在一定的區(qū)域范圍內(nèi)，早高峰進(jìn)入、晚高峰離開區(qū)域的居民人數(shù)總和與早高峰離開、晚高峰進(jìn)入?yún)^(qū)域的居民人數(shù)總和的比值。這一指標(biāo)能夠反映區(qū)域辦公用地與住宅用地的停車需求比例關(guān)系，簡單來說，高峰時段入出比小，則說明該區(qū)域的住宅用地停車需求相對高而辦公用地停車需求相對低。

蘇靖，等[17]研究了混合用地中不同的用地類型停車需求比例與泊位共享效用的關(guān)系，其引入泊位共享效用指數(shù)的概念，研究發(fā)現(xiàn)隨著兩種用地停車需求相對比例的變換，泊位共享效用指數(shù)的變化趨勢呈一條開口向上的拋物線（如圖2[17]所示），當(dāng)行政辦公用地與住宅用地的停車需求之比為3：7時，泊位共享效用指數(shù)最低，即泊位共享效用最高。因此，本文將高峰時段入出比的最優(yōu)值設(shè)置為0.43，即高峰時段入出比越接近于0.43，則認(rèn)為其越適合實施泊位共享。基于出租車數(shù)據(jù)對這一指標(biāo)進(jìn)行改進(jìn)：

高峰時段入出比* =早高峰落客次數(shù)+ 晚高峰打車次數(shù)早高峰打車次數(shù)+ 晚高峰落客次數(shù)

為便于下文對評價模型的應(yīng)用，對該指標(biāo)做如下處理：

（2） C2：彈性到訪密度。彈性到訪密度指的是平峰時段單位面積的居民到訪數(shù)量，可以一定程度上反映在平峰時段以休閑娛樂為目的的停車需求。高彈性出行密度區(qū)塊對泊位數(shù)量有較高的需求，且此類停車行為在時間上具有較高的流動性，適宜使用共享泊位。基于出租車訂單數(shù)據(jù)對這一指標(biāo)的表達(dá)為：

（3） C3： 通勤到訪密度。通勤到訪密度指的是早高峰時段單位面積的居民到訪數(shù)量。其變化可以描述為以上班通勤為目的的停車需求。高通勤到訪密度區(qū)塊對停車泊位需求更高，容易出現(xiàn)泊位短缺現(xiàn)象，更有必要實施泊位共享予以緩解。基于出租車訂單數(shù)據(jù)對這一指標(biāo)的表達(dá)為：

2 可拓學(xué)評價模型構(gòu)建及實證評價

事物、特征和量值稱為物元三要素，記作R=（事物，特征，量值）=（N，C，X），物元的概念反映了事物質(zhì)與量的關(guān)系，稱其為可拓學(xué)的邏輯細(xì)胞[18]。根據(jù)物元的概念，可以相應(yīng)的建立區(qū)域泊位共享匹配度評價的物元模型。其中，事物即是所確定的評價單元，特征是指泊位共享匹配度的任一指標(biāo)，而量值則指各指標(biāo)的測量值。下文闡述了評價單元的確定方法，并依次建立經(jīng)典域物元矩陣、待評物元矩陣以及關(guān)聯(lián)度函數(shù)模型，最終以熵權(quán)法確定各指標(biāo)權(quán)重進(jìn)而得到綜合關(guān)聯(lián)度，即泊位共享匹配度。

2.1 評價單元劃分

本文對評價單元的選取分兩步走，首先通過設(shè)置閾值，識別出租車上下客熱點區(qū)塊;再按照一定原則，將熱點區(qū)塊合并得到熱點區(qū)域，并以其作為評價單元。

2.1.1 研究區(qū)域選擇。本文以寧波市為例進(jìn)行實例分析，選取的研究區(qū)域為寧波市中心區(qū)域，研究區(qū)域為一個矩形，主要的研究區(qū)域為東環(huán)高架、南環(huán)高架、機(jī)場路高架和北環(huán)高架所包圍的區(qū)域，區(qū)域所涉及的行政區(qū)主要有4個，分別是海曙區(qū)、江北區(qū)、鎮(zhèn)海區(qū)和鄞州區(qū)，區(qū)域內(nèi)道路網(wǎng)絡(luò)密集，用地性質(zhì)復(fù)雜多樣，經(jīng)濟(jì)繁華，交通流量較大。本文從兩個角度初步分析研究區(qū)域存在汽車泊位共享的可能。首先，從研究數(shù)據(jù)角度而言，很大一部分的出租車訂單數(shù)據(jù)都發(fā)生在該區(qū)域內(nèi)，說明該區(qū)域經(jīng)濟(jì)較為發(fā)達(dá)，交通比較繁忙，存在較大的停車需求;其次，從泊位共享可行性角度而言該區(qū)域用地性質(zhì)也比較綜合復(fù)雜，停車需求呈現(xiàn)明顯的潮汐周期，存在錯時停車的可能。因此，選取該區(qū)域作為研究區(qū)域進(jìn)行汽車泊位共享研究有較好的實際意義，對解決城市經(jīng)濟(jì)交通較為發(fā)達(dá)區(qū)域的停車難問題有較好的參考價值。

2.1.2 提取熱點區(qū)塊。本文采用規(guī)則的網(wǎng)格（600×600，單位：m）對研究區(qū)域進(jìn)行劃分，最終研究區(qū)域被劃分為660個規(guī)則的網(wǎng)格。一般對研究區(qū)域進(jìn)行網(wǎng)格劃分需要遵循一定的原則，本文對研究區(qū)域進(jìn)行網(wǎng)格劃分的原則如下：（1）劃分的網(wǎng)格不宜過大或過小，網(wǎng)格劃分過大、網(wǎng)格數(shù)量不夠，在后續(xù)的研究分析中誤差較大;網(wǎng)格劃分過小會增加工作量，同時在進(jìn)行密度統(tǒng)計時各個網(wǎng)格之間的差異不明顯。（2）劃分的區(qū)塊用于泊位共享的研究，用戶在停車后與目的地之間的步行距離不能過大，一般比較合適的步行距離在500-600m左右，用戶的停車意愿會隨著步行距離的增加而減小，因此，單個網(wǎng)格大小不宜過大。

本文依靠出租車上客地點的經(jīng)緯度數(shù)據(jù)，將日均出租車出行發(fā)生量超過200，且周圍用地不單一，由辦公和居住等用地共同組成的區(qū)塊設(shè)置為熱點網(wǎng)格。規(guī)則網(wǎng)格提取出來結(jié)果如圖3所示。可以看出，出租車出行熱點區(qū)域主要集中在研究區(qū)域的中西部區(qū)域，北部和東部的出行熱點區(qū)域較少存在較多的空白區(qū)域，中部和南部也存在部分空白區(qū)域，中間部分的空白區(qū)域主要是因為河流的影響，其余部分的空白是因為地理位置比較靠近郊區(qū)，出租車日常出行不多造成的。

2.1.3 熱點區(qū)塊合并。由于規(guī)則網(wǎng)格的數(shù)量過多，且網(wǎng)格面積較小，為提高評價模型的實用性，本文將單元格進(jìn)行合并，合并的原則主要根據(jù)區(qū)塊內(nèi)不同功能區(qū)（不同的功能區(qū)在圖中以點的形式表達(dá)）的分布情況而定，具體如下：（1）規(guī)則網(wǎng)格的合并主要以非居住用地性質(zhì)的功能點為中心，對其周邊的規(guī)則網(wǎng)格進(jìn)行合并，只含居住用地性質(zhì)的規(guī)則網(wǎng)格與距離其最近的非居住功能點網(wǎng)格合并。（2）當(dāng)一個居住功能點與多個非居住功能點的距離相近時，以非居住功能點周邊的居住功能點數(shù)量作為合并依據(jù)，合并到居住點多的區(qū)塊。（3）非居住功能點到居住功能點之間的距離控制在1km左右，根據(jù)規(guī)則網(wǎng)格的長度最多不超過兩個網(wǎng)格的長度。

根據(jù)以上原則，將提取出來的網(wǎng)格進(jìn)行合并，最終得到60個熱點區(qū)域，結(jié)果如圖4所示，圖中的數(shù)字為每個熱點區(qū)域的編號。圖4中還顯示了每個評價單元內(nèi)部的不同用地性質(zhì)的分布。

根據(jù)1.2節(jié)的公式，對上述熱點區(qū)域的各指標(biāo)實測值進(jìn)行計算，結(jié)果見表1。其中第塊區(qū)域主體部分為火車站，其交通行為發(fā)生特點為來往車次流量極大，停車時間短，不適宜實施共享停車，但這一特點使得第46塊區(qū)域的 C2、C3兩項指標(biāo)極高，會對最終的評價結(jié)果造成干擾，因此，將此塊區(qū)域作為異常值去除。

2.2 建立經(jīng)典域及待評物元矩陣

經(jīng)典域是指給定特征C 的量值的取值范圍，其確定應(yīng)有一定的調(diào)節(jié)和管理作用[18]。根據(jù)1.2節(jié)中建立的評價指標(biāo)體系，以熱點區(qū)域為待評單元;記 Nj （ j =1， 2， …， 60 ， j ≠46）為評價單元的泊位共享匹配程度;記 Xi（i =1，2，3）為泊位共享匹配的水平狀況 N 關(guān)于 Ci（i =1， 2， 3）所確定的屬性值范圍，即經(jīng)典域<ai ，bi >。其中指標(biāo) C2、C3以實測值最小值為基準(zhǔn)值，以實測值最大值為目標(biāo)值 bi ，C1以實測值最大值為基準(zhǔn)值a1，以實測值最小值為目標(biāo)值 b1 ，根據(jù)表 1所示的實測值，計算后可構(gòu)造經(jīng)典域矩陣集Rj

將待評單元所收集到的信息用物元來表示，稱之為待評物元。記xij為待評單元 j 的指標(biāo)i的實測值，其具體取值見表1，將其作為共享匹配度的評價目標(biāo)值，建立待評物元矩陣集 R0j（ j =1， 2， …， 60 ， j ≠46）如下：

2.3 計算待評物元關(guān)聯(lián)度

可拓學(xué)與實際相結(jié)合的應(yīng)用中，對選取的評價指標(biāo)需要定量的描述其具有某一性質(zhì)的程度及其變化，對此需要建立關(guān)聯(lián)函數(shù)，所選取指標(biāo)中，有些指標(biāo)值與泊位共享匹配度正相關(guān)，有些為負(fù)相關(guān)，因此將關(guān)聯(lián)度函數(shù)定義如下：

熱點區(qū)域的指標(biāo)關(guān)聯(lián)度計算結(jié)果見表2。表2 熱點區(qū)域指標(biāo)關(guān)聯(lián)度

2.4 計算指標(biāo)權(quán)重

2.4.1 數(shù)據(jù)標(biāo)準(zhǔn)化。由于不同指標(biāo)數(shù)值之間的差異較大，在進(jìn)行權(quán)重系數(shù)計算時無法直接進(jìn)行比較，因此需要對xij進(jìn)行標(biāo)準(zhǔn)化處理，本文采用的是規(guī)范化處理，使不同的指標(biāo)數(shù)據(jù)都位于[0，1]，規(guī)范化公式如下：

其中，Zij 為第 j 個區(qū)塊的第i項指標(biāo)的標(biāo)準(zhǔn)化值，標(biāo)準(zhǔn)化結(jié)果見表3。

2.4.2 熵值法計算權(quán)重。熵值法是一種客觀賦權(quán)法，根據(jù)各項指標(biāo)實測值所提供信息量的大小來確定其權(quán)重，具體公式如下：

其中，fij =? Zijj（m）=1? Zij，di = - fijlnfij，當(dāng)fij=0時，令fijlnfij=0 ， di 為第i項指標(biāo)的熵值，wi為第i項指標(biāo)的最終權(quán)重。

利用上述公式計算各指標(biāo)所占權(quán)重見表4。表4 指標(biāo)權(quán)重系數(shù)確定

2.5 計算綜合關(guān)聯(lián)度

綜合關(guān)聯(lián)度計算公式為：

計算得到各評價單元的綜合關(guān)聯(lián)度，即泊位共享匹配度見表5。

三項指標(biāo)的權(quán)重基本相等，但不同區(qū)域的 C2、C3兩項指標(biāo)的差距過大，較大的值與較小的值間的差距在10倍以上，是影響區(qū)域共享匹配度大小的主要因素，C1指標(biāo)在一定程度上確保了高共享匹配度區(qū)域具有足夠數(shù)量的居住區(qū)，以保障實施共享停車有充足的泊位供給。根據(jù)評價模型確定的共享匹配度排名前5名的區(qū)域中，有4個是 C2、C3兩項指標(biāo)單項排名的前5名。排名在0.4分以上的區(qū)域，都集中在寧波市的中心城區(qū)，商業(yè)、娛樂區(qū)域密集，停車需求較高，并且分布著大量的居住區(qū)。

共享匹配度超過0.5的區(qū)域共有三處，第一是第37號區(qū)域，共享匹配度為0.850，三項指標(biāo)分別為0.56、1、1。其位于寧波市地鐵一號線與二號線的相交處，是由城隍廟、東門口和鼓樓地鐵站圍成的正方形區(qū)域。此區(qū)域以酷購商城、天一國際購物中心等商業(yè)區(qū)為中心，四周環(huán)繞大量的居民小區(qū)，人口密集，有較大的以出勤、娛樂為目的的停車需求，而區(qū)域內(nèi)密集的居民區(qū)恰好能夠為這些停車需求提供充足的泊位供給，具有較高的泊位共享潛力。排名第二的為49號區(qū)域，共享匹配度為0.576，三項指標(biāo)分別為0.73、0.49、0.50，其位于寧波市地鐵一號線中山東路站下方，主要用地成分為居住用地，核心區(qū)域為同仁醫(yī)院，醫(yī)院日間車輛到訪量巨大，且由于場地限制，配備的停車位供給較少，其周邊的居民區(qū)劃船社區(qū)、嚴(yán)華社區(qū)等若開放閑置車位實施泊位共享，將很好地解決醫(yī)院停車泊位不足問題，此區(qū)域東南角為寧波市江東教育局，毗鄰劃船社區(qū)，機(jī)關(guān)單位夜間多數(shù)泊位為閑置，可開放供周邊的居住區(qū)域使用以解決居住用地夜間停車難問題。排名第三的為第38號區(qū)域，共享匹配度為0.566，三項指標(biāo)分別為0.557、0.638、0.625，此區(qū)域是由奉化江自琴橋至寧波地鐵一號線的沿線區(qū)域構(gòu)成，區(qū)域由華聯(lián)大廈寫字樓、恒泰大廈、浦東銀行等辦公用地與靈橋小區(qū)、新大世界小區(qū)等居民區(qū)構(gòu)成，其區(qū)域內(nèi)部用地類型組成結(jié)構(gòu)與37號區(qū)域類似，都具有較高的以辦公、娛樂為目的的停車需求，并且有足夠的居住用地提供泊位供給，較適合實施泊位共享。

排名最低的是9號區(qū)域，三項指標(biāo)分別為0.31，0.03，0.10，由寧波市地鐵二號線路林站站至三官堂站沿線的區(qū)域構(gòu)成，主要建筑物有寧波工程學(xué)院，浙江紡織服裝職業(yè)學(xué)院、工業(yè)區(qū)以及少量的居住區(qū)。該區(qū)域的主體是大學(xué)校區(qū)，因此通勤和娛樂到訪數(shù)量都較低，整體停車需求少;區(qū)域中工業(yè)區(qū)會產(chǎn)生一定通勤停車需求，但由于學(xué)校進(jìn)行封閉式管理，且居住區(qū)數(shù)量較少，因此缺少實施泊位共享所需要的泊位供給，泊位共享潛力低。

通過以上分析可以看出，模型評價結(jié)果與實際情況契合較好，并且本模型對不同區(qū)域的泊位共享潛力以定量化描述，對相關(guān)研究具有一定的實用價值。

3 結(jié)語

實施共享停車是解決停車需求持續(xù)增長問題的有效方案，本文基于出租車訂單數(shù)據(jù)，利用可拓學(xué)與熵權(quán)法相結(jié)合的方法，引入共享匹配度的概念，對城市不同區(qū)域?qū)嵤┕蚕硗＼嚨倪m合程度進(jìn)行了定量評價。結(jié)果顯示，共享匹配度大于0.4的區(qū)域大多位于城市中心位置，且具有以下特征：（1）辦公與娛樂場所較多，停車需求大;（2）居民用地分布密集;（3）區(qū)域內(nèi)部用地結(jié)構(gòu)“住大于職”。而處于城市邊緣位置，娛樂、辦公用地較少且居民區(qū)分散的地區(qū)，其停車需求和泊位供給不必也不足以實施泊位共享，共享匹配度較低。文章對共享匹配度高排名與低排名區(qū)域進(jìn)行了實際的分析，結(jié)果顯示模型評價結(jié)果與實際契合度高，說明出租車訂單數(shù)據(jù)信息可以在一定程度上反映私家車的出行特征，利用出租車訂單數(shù)據(jù)研究私家車停車問題的方法可行，文章的研究具有較高的實用價值。

未來的研究可對此方法進(jìn)一步深入：如完善評價單元的選取方式;對于不同的共享停車實施策略有針對性地改變評價體系;尋找更多低成本、信息量大的數(shù)據(jù)信息作為數(shù)據(jù)支撐等。

[參考文獻(xiàn)]

[1] 黃曉靜，劉倩.深圳市停車共享時空可行性分析[C]//中國.活力城鄉(xiāng)美好人居：2019中國城市規(guī)劃年會論文集（06城市交通規(guī)劃）.中國城市規(guī)劃學(xué)會，重慶市人民政府，2019：7.

[2] 方可.城市共享停車規(guī)劃對策研究：以湖南金融中心片區(qū)為例[J].中外建筑，2020（7）：120-124.

[3] SHOUP D C.Cruising for parking[J].Transport Policy，2006， 13（6）：479-486.

[4] ADMINISTRATOR.深圳市加強(qiáng)停車設(shè)施建設(shè)工作實施意見標(biāo)注版[R].2019：16.

[5] MARY S S.Shared Parking[R].Urban Land Institute，1984.

[6] 姚恩建，張正超，張嘉霖，等.居住區(qū)共享泊位資源優(yōu)化配置模型及算法[J].交通運輸系統(tǒng)工程與信息，2017，17（2）：160-167.

[7] 王韓麒.時間窗約束下的共享停車泊位動態(tài)分配模型[J].武漢理工大學(xué)學(xué)報（交通科學(xué)與工程版），2021（2）.

[8] SHAO C，YANG H，ZHANG Y，etal.A simple reservation and allocation model of shared parking lots [J].Transporta- tion Research Part C：Emerging Technologies，2016，71（8）：303-312.

[9] GUO W，ZHANG Y，XU M，etal.Parking spaces repurchase strategy design via simulation optimization[J].Journal of In- telligent Transportation Systems，2016，20（3）：255-269.

[10] XieK，ChenJ，Zheng J H.Research on parking demand model of colleges and universities based on shared parking[C]//Applied? Mechanics? and? MaterialsLtd，2014：415-421.

[11]孫會君，傅丹華， 呂瑩，等.基于共享停車的車位租用與分配模型[J].交通運輸系統(tǒng)工程與信息，2020，20（3）：130-136.

[12]薛行健，歐心泉，晏克非，等.基于泊位共享的新城區(qū)停車需求預(yù)測[J].城市交通，2010，8（5）：52-56.

[13]祝福云，冉丹.基于泊位共享的城市中心商業(yè)區(qū)停車需求預(yù)測研究：以西安市為例[J].納稅，2018（19）：152-154.

[14] JIANG Y，PENG B，DAI L，etal.Parking demand forecast- ingof urban comprehensive development blocks involv- ing shared parking and location conditions[C]//Proceed- ingsof the 3rd International Conference on Transporta- tionEngineering.Chengdu：American Society of Civil En- gineers，2011：829-834.

[15]章穗，張梅，遲國泰.基于熵權(quán)法的科學(xué)技術(shù)評價模型及其實證研究[J].管理學(xué)報，2010，7（1）：34-42.

[16]毛峰.基于多源軌跡數(shù)據(jù)挖掘的居民通勤行為與城市職住空間特征研究[D].上海：華東師范大學(xué)，2015.

[17]蘇靖，關(guān)宏志，秦?zé)?基于泊位共享效用的混合用地停車需求比例研究[J].城市交通，2013，11（3）：42-46.

[18]李聰攀.基于可拓學(xué)的城市交通可持續(xù)發(fā)展評價研究[D].北京：北京交通大學(xué)，2009.