摘 要

随着经济发展以及城市化进程的加快，人民生活水平日益提高，城市中汽车的数量也逐年递增，但是问题也随之而来，城市停车难问题日益突出，驾驶员花费大量时间和金钱寻找空闲泊位，间接导致了城市交通拥堵进一步加剧。停车场泊位的短时预测有助于解决或者减轻驾驶员寻找泊位成本，对缓解停车难问题有重大意义，同时也可以为动态交通系统提供信息依据，助力只能交通发展。

本文根据不同停车场的停放特性的变化规律，提出了基于停车场停放特性的短时泊位预测方法模型。停车场停放特性主要是指停车场的驶入驶离率以及停放时间间隔分布等特点，该方法主要利用调查的停放特性数据，分析其在时间上的规律，得到历史时段驶入停车场内部车辆在未来某一时段驶离停车场的期望值，以计算驶离车辆，并且根据历史数据得到平均驶入车辆数，在上一时段末的剩余泊位数量加上驶入驶离车辆差值，即为未来时段末的剩余泊位数量。本文通过对比基于停放特性的泊位短时预测模型结果和时间序列预测模型结果，验证了本文所建立模型的有效性和可行性，而且预测结果精度优于未考虑停放特性影响的时间序列预测方法。

关键词：静态交通，停放特性，泊位预测模型，停放时间分布，驶离概率

Abstract

With the development of the economy and the acceleration of urbanization, people's living standards are increasing, and the number of cars in the city is increasing year by year. However, problems have followed, and urban parking difficulties have become increasingly prominent. Drivers spend a lot of time and money looking for free. The berth has indirectly led to further increase in urban traffic congestion. The short-term forecast of parking lot berth can help to solve or reduce the driver's cost of finding berth, which is of great significance to alleviate the difficulty of parking. At the same time, it can also provide information basis for dynamic traffic system, and help only traffic development.

According to the changing rules of parking characteristics of different parking lots, this paper proposes a short-term berth prediction method based on parking parking characteristics. The parking lot parking characteristics mainly refer to the parking lot departure rate and the parking time interval distribution. The method mainly uses the surveyed parking characteristics data to analyze its regularity in time, and obtains the vehicle in the parking lot during the historical period. The expected value of leaving the parking lot at a certain time in the future to calculate the number of vehicles leaving the vehicle and the average number of vehicles entering the vehicle based on historical data. The number of remaining berths at the end of the previous period plus the difference between the vehicles entering and leaving the vehicle is The number of remaining berths at the end of the future period. By comparing the results of berth short-term prediction model and time series prediction model based on parking characteristics, the validity and feasibility of the model established in this paper are verified, and the accuracy of prediction results is better than the time series prediction method without considering the influence of parking characteristics.

Keywords: Static traffic, parking characteristics, berth prediction model, parking time distribution, departure probability

目录

摘 要 I

Abstract II

目录 Ⅲ

第1章 绪论 1

1.1目的及意义 1

1.1.1研究目的 1

1.1.2研究意义 1

1.2国内外研究现状 2

1.2.1泊位预测模型研究现状 2

1.2.2停放特性研究现状 2

1.2.3交通巡航研究现状 3

1.3研究结构 3

1.3.1研究内容 3

1.3.2研究方法 4

1.3.3研究路线 5

1.4本章小结 6

第2章 停车场停放特性及其影响因素分析 7

2.1停车场停放特性介绍 7

2.2停车场停放特性的影响因素 10

2.3本章小结 11

第3章 停放特性调查和数据分析 12

3.1停车场背景介绍及调查方案 12

3.1.1停车场背景介绍 12

3.1.2调查内容以及调查方法介绍 12

3.1.3调查时间以及地点 13

3.1.4调查表格设计 13

3.2 数据分析处理 15

3.2.1停车时间间隔分析处理 15

3.2.2剩余泊位数据分析处理 19

3.2.3驶入数据分析处理 20

3.3本章小结 20

第4章 停车场泊位短时预测模型 21

4.1基本原理 21

4.2基于停放特性预测方法及模型 21

4.3 实例验证和对比分析 23

4.3.1 实例验证 23

4.3.2 模型对比 25

4.3.3 模型拓展 27

4.4 本章小结 28

第5章 总结与展望 29

5.1主要成果 29

5.2创新之处 29

5.3展望与不足 30

参考文献 31

致 谢 32

第1章 绪论

1.1目的及意义

1.1.1研究目的

随着经济发展以及城市化进程加快，城市汽车保有量也随之快速增长，但是随之而来的是停车场等静态交通设施建设的相对滞后等问题。城市停车难问题愈发严重，停车难问题已经成为困扰众多城市交通和经济发展的一大难题。

目前，不少城市积极应对，开发并且投入使用了众多停车诱导系统，为司机提供停车场实时剩余泊位数量信息，周边道路状况等信息，在一定程度上解决了停车难问题。但是目前的停车诱导系统多是实时信息，对于距离停车场有一定驾驶时间的驾驶员来说看到的信息与到达停车场时的实际情况存在变动，极有可能导致驾驶员到达停车场时无泊位使用。

本文旨在通过调查停车场的停放特性，调查分析停车场一段时间内驶入率驶离率在时间上的分布规律和剩余有效泊位的规律变化，结合可用车位数建立车位占有率短时预测模型，并验证模型方法的有效性，为驾驶员未来出行和停放车辆提供有效数据，减少因寻找泊位引起的无效交通和寻泊时间，提高停车效率，使停车场的停车资源达到充分的利用。

1.1.2研究意义

“停车难”问题作为现代城市交通的一大顽疾，已经严重影响了城市正常的交通运转，成为阻碍交通和经济发展的一道屏障，而且停车难问题给人民群众日常生活和政府管理都带来了深深的烦恼。同样在寻找停车位时的无效交通也增加了城市交通的压力，不仅浪费资源，而且污染环境，为制约城市交通发展和人民生活水平提高的短板之一。

因此对停车场短时泊位预测有以下意义：

1. 为驾驶员提供多种停车选择，减少因寻找泊位引起的无效交通和资源浪费，有利于节约驾驶员时间成本，减少道路资源的浪费。
2. 有利于提高停车场泊位的利用率，缓解停车难的问题。
3. 有利于改善城市总体停车环境，助力未来城市交通发展，使交通建设和管理步入科学化和良性发展的轨道。

1.2国内外研究现状

1.2.1泊位预测模型研究现状

唐克双，郝兆康^[1]等人利用ARIMA模型、卡尔曼滤波你和BP神经网络预测模型分别对停车场未来泊位做了预测，并且对比了三种方法的优劣。Liu等^［2］采用混沌时间序列中的加权一阶局域法对医院附近的可用空闲停车位进行了预测，发现预测误差会随着预测时间跨度的增加而逐渐增大。Ji等^［3］分别采用小波神经网络模型和最大 Lyapunov指数法对停车场可用泊位数进行预测,发现小波神经网络模型比后者有更好的预测效果，预测精度更佳。Vlahogianni等^［4］采用神经网络模型对路边停车场剩余停车位占有率进行了短时预测，但是文中所用数据量较少，不满足神经网络数据需求量大的特点，不能准确的反映停车位剩余数量随季节性特征。

陈海鹏、图晓航^[5]中提出了小波变换与极限学习机（ELM）相结合的方法的短时空闲停车位预测，通过小波将剩余泊位调查数据分解为不同的成分进行预测，提高了预测准确率，再利用 ELM 神经网络提高神经网络的训练速度。韩二峰^[6]利用马尔可夫链对短时有效泊位进行了研究分析，利用灰色理论适用于样本数量少的特点，建立预测模型，再通过马尔可夫模型对其结果进行进一步修正，以相对误差，但是灰色预测本身处理非线性能力较弱不能很好地适应复杂的预测系统。佘飞、邱建东、汤旻安^[7]针对大型停车场空闲车位短时预测进行了研究，提出了基于灰色理论、BP 神经网络和马尔可夫链的组合预测方法以提高预测精度与时效性，为驾驶员提前作出合理的停车场选择提供了可靠依据，能有效提高停车场车位利用率，同时也考虑了部分外界条件对于停车场的影响。

以上方法的主要聚焦点在于对剩余泊位数据的挖掘分析预测，泊位数量变化规律的其他方面的数据未得到重视，研究过程注重泊位数量结果的分析，对于直接导致泊位数量变化的驶入驶离数据考虑较少。

1.2.2停放特性研究现状

在停放特性方面前人也有所研究。

余诚强^[8]通过分析福州某地下停车场的停放特性，总结归纳了不同特性对于驾驶员选择停车场的影响大小，得出了改善停车场停放特性可以提高停车场泊位利用率，缓解城市拥堵，减少停车需求的观点。周子豪,陈峻^[9]等人提出了划分多功能区研究停车特性的理念，剖析了各功能区的停车特征及停车设施特征。选取单位时间利用率、单位时间周转率、长时停放比例、泊位外停车比例4个停车场停放特性，并且根据调查数据分析了停车者泊位选择因素，得出结论：高校校园内停车者泊位选择的首要影响因素是步行距离。周毅^[10] 对市区停车行为特征进行分析，得到了停车目的与停车时间、土地开发规模、停车后步行距离与停车行为的关系。田禧亮^[11]建立了基于停车特性的土地利用需求预测模型，其建立小范围的月模型，并不具有代表性，而且他利用传统的土地生成率法，存在的误差也比较大。郑淑鉴，郑双喜^[12]从停车场的停车效率、停车场接入情况，停车场停车费用等方面有效综合反映了停车场但是实际运行情况，有助于决策者了解全市的停车状况。郑和斌，莫红^[13]等人基于驾驶员停车选择行为的分析，结合停车场停放特性例如步行距离，收费标准，安全程度等方面验证了停车诱导模型的适应性。周岩，董瑞娟，杨伟等人^[14]另辟蹊径，从停车目的方面对停放特性进行分类例如商业停车特性，教育停车特性，运动停车特定等多方面论述，提出利用停车时间的互补性，采取停车共享模式降低泊位需求，从而达到停车资源的有效利用。

在对停放特性的研究中，以上方法着重于停放特性的“因”的解释和分析，而且上述特性也存在难以量化的问题，对于其停车场多种数据的变化规律分析较少。

1.2.3交通巡航研究现状

丁浣, 郭宏伟, 张余杰^[15]等人研究分析了停车场便利性，停车费用等方面定量对路内巡航停车行为的影响，提出了不合理的定价会增加寻泊时间和无效交通的观点。Van Ommeren等人^[16]采用荷兰的停车数据分析影响路内停车巡航行为的非价格因素，指出驾驶员的停车目的对路内停车巡航行为的影响较为显著，但是上述个人行为模式未考虑不同属性出行者时间价值及价值感知度对停车巡航行为的影响。Shoup^[17]从停车者行为角度分析停车过程中的经济收支问题，以此探讨减少巡航时间和提高交通效率的策略，他的研究认为停车位管理方对于路内停车价格制定的合理与否，决定了车辆驾驶人是否选择继续寻找更加理想的停车位。

1.3研究结构

1.3.1研究内容

综合已有研究的不足和缺陷，本文确立的目标是：在研究分析大量停放特性数据基础上，找出其内在关系和变化的本质规律，计算未来时刻停放特性数据的变化特点，得到对泊位数据的预测。对于基于以上研究目的，本文的研究内容如下：

1.停车场停放特性和特点的分析研究：通过实地调查，详细了解停车场的停放特性，分析各停放特性的具体含义，探究停车场停放特性和停放规律之间的隐含关系。

2.停车数据规律分析：基于实地调查停车场的驶入驶出率和实时剩余泊位，得到驶入率驶离率和剩余泊位随时间变动的曲线，以及建立车辆停放时间分布函数，从停车场的停放特性、停车场服务对象等多角度分析停放特性数据的时间规律

3.实例验证与误差分析：根据武昌区奥山世纪城地下停车场的调查数据，建立基于停车场停放特性的预测模型，通过对历史数据的分析预测，得到停车场未来一段时间内的剩余泊位，并且与实测数据作对比，计算分析误差。此外通过与时间序列预测模型的预测数据作对比，验证本文所建立模型的可行性和有效性。

1.3.2研究方法

1.实地调查法

通过人工实地调查， 在不同日的同一时间段对停车场出入口的驶入驶出车辆进行记录，并且记录实时停车场有效剩余泊位。

2.时间变化规律分析

根据调查得到的数据，分析数据规律、分析数据变化规律，做出随时间推移相应的规律曲线，分析其在不同时段的停放特性。

3.数据分布规律分析

利用EXCEL、SPSS等数据分析软件对数据进行分析处理，得到不同调查数据的分布函数，并且利用数据在时间上的积累，得到未来泊位数量，将得到数据进行误差分析，将其预测结果与利用时间序列模型预测结果进行对比。

4.模型对比与验证

将基于停放特性的泊位预测结果和基于时间序列的泊位预测结果进行对比分析，验证本文所建立预测模型的有效性。

1.3.3研究路线

图 1.1 技术路线

1.4本章小结

在国内外对于停车泊位和停放特性进行了诸多研究，但是大都是根据已有的剩余泊位数据对停车剩余泊位进行定量分析，对于提供停车位的停车场的停放特性考虑较少。而停车场的停放特性对于驾驶员交通巡航选择有较大的影响，可能产生无效交通和增加寻泊时间。

本文将从停车场停放特性方面入手，结合驶入驶出率、剩余泊位数量等特性建立短时停车泊位预测模型，为驾驶员提供未来一段时间内的泊位预测数量，并且验证模型方法的有效性，以达到减少驾驶员寻找车位时的巡航交通时间和无效交通的目的。

第2章 停车场停放特性及其影响因素分析

停车场停放特性是受停车场供应设施以及服务和不同停车目的集计结果的共同体现。停放特性反应了某个停车场停车规律的主要特征、停车设施利用情况和停车场泊位的供需关系。停放特性的研究是进行停车场规划的重要依据之一，掌握停车场停放特性有助于对城市停车设施进行科学规划，制定合理的管理措施，对于城市交通管理和城市未来交通规划有及其重要的意义。本章节将主要介绍停车场停放特性以及停放特性的影响因素。

2.1停车场停放特性介绍

1. 驶入率

驶入率是指单位时间内进入停车场内部进行停放的车辆数。驾驶员通常会因为各种目的在不同时间不同地点驶入停车场，驶入率在不同停车场之间以及在时间上往往呈现出不同分布规律。例如，对于某些商圈周边的停车场，在周边商业开始营业时驶入量较高，临近午饭或者晚饭时间驶入量较高，其他时段驶入率较低；对于某些工业园区的停车场，可能在早高峰时段驶入率较高，其他时段驶入率较低。其在停车场之间和时间上的规律往往由于多种因素造成，这也是不同停车场之间停放特性的重要差异之一，不同停车场驶入率的不同，直接导致剩余泊位数量的变化。在图2.1中，显示了两种不同类型停车场驶入率在时间上的分布规律：奥山停车场位于奥山世纪城的地下停车场，主要服务对象是进入奥山消费的人群，和平停车场是位于居民区之间的规模较小的停车场，主要服务对象是周边居民。奥山停车场驶入率主要随着奥山门店的主要营业时间变化，例如早上九点过后部分门店开始营业，出现了一个进入小高峰，中午进入午饭时间，驶入率明显升高；而和平停车场主要在进入中午时段，部分外出居民回家而出现了一个小高峰。驶入率在泊位预测模型当中，它是造成泊位减少的主要因素，除此之外，驶入率的也间接影响了未来时刻驶离率的大小。

1. 驶离率

图 2.1 停车场驶入率曲线图

驶离率是指单位时间内离开停车场内部的车辆数。当驾驶员的停车目的达成，便会离开停车场。驾驶员离开停车场往往由其主观意识决定。与驶入率类似，车辆驶出规律在不同停车场和不同时间段内也存在显著差异。例如，在某些商业停车场，车辆的大量驶离可能会在午饭或者晚饭时段后发生。对于某些工业园区停车场，车辆的大量驶离会在晚高峰时段，而此时恰恰是某些商圈周边停车场的驶入高峰期。不同停车场的用途以及周边用地性质在很大程度上决定了停车场停放特性的差异性。

以上是毕业论文大纲或资料介绍，该课题完整毕业论文、开题报告、任务书、程序设计、图纸设计等资料请添加微信获取，微信号：bysjorg。

相关图片展示：