情景分析法在停车需求预测中的应用研究

薛 勇

（山西省交通规划勘察设计院，山西 太原 030012）

0 引言

近年来，随着城市化进程加快、机动车保有量迅速增长，很多城市停车需求急剧增加与停车设施供给不足之间的矛盾突出，不仅影响着城市交通体系的正常运作，而且一定程度上制约了社会经济的发展。大多数老城区在建设时未重视停车设施的规划，造成许多建筑和住宅区的停车位严重不足，停车问题在老城区尤为严重。为避免出现老城区面临的停车问题，新建建筑和住宅区需要对停车需求进行合理预测。

国内外对停车需求预测都是通过停车需求与相应影响因素之间的关系建立预测模型，这些方法适用于发展比较稳定的短期预测，当预测对象未来发展很不稳定、面临社会经济发展新的机遇和挑战时，传统的预测方法不再适用。为克服传统停车需求预测方法预测情景单一的缺陷，提出一种基于情景分析的停车需求预测方法。

1 情景分析法

情景分析法是20 世纪40年代美国兰德公司的国防分析员赫尔曼·凯恩发明的，他利用该方法对美国敌对国家核武器的使用情况进行了多种可能的分析[1]。20 世纪70年代开始逐渐兴起，成为壳牌公司、戴姆勒－奔驰公司、波音公司等跨国公司所青睐的预测方法。20 世纪90年代我国引入情景分析法，在能源预测、环境预测、经济预测等领域中得到成功应用[2]。

情景分析法将研究对象分为主题和环境，通过对环境的研究，识别影响主题发展的因素，结合各因素之间的因果关系对主题发展的多种可能性进行设定，并用定量模型对不同设定下的预测对象发展状况进行分析。与传统的预测方法相比，情景分析法更侧重于事物发展的内在机理性、规律性、动态性、系统性的分析[3]。因此，情景分析法是一种系统的分析方法，是定性与定量分析法综合应用。

情景分析法的预测步骤如图1所示。

图1 情景分析法预测步骤

1.1 确定预测主题

预测主题是指预测内容或反映预测对象发展情况的变量。

1.2 分析未来情景

根据预测主题以及相关资料，分析预测主题未来可能出现的状况。

1.3 寻找影响因素

影响因素是指影响未来发展趋势的因素，也是造成未来情景变化的主要原因。影响因素状态的改变决定着预测主体发展趋势和方向。利用情景分析法对未来的情景进行预测和描述，必须先确定主题的影响因素。影响因素可以从国家或地区政策、经济环境、技术发展状况、观念或行为变化等多方面考虑。

1.4 具体分析

就是将上述因素归结为几个情景，并且分析每个情景下主体实现的可能性。基本思路如图2所示。

图2 分析思路图

1.5 情景预测

对各种可能出现的状况进行预测。在这一步骤中，可采用定量、定性或定量与定性分析相结合的方法对预测对象进行预测。

2 停车需求分析

停车需求由基本停车需求和社会停车需求组成，机动车保有量造成了基本停车需求，机动车出行引起了社会停车需求的产生。邓惠章等研究了影响停车需求总量的若干因素，提出了基于机动车保有量的停车需求总量的计算模型[4]。因此本文选择机动车保有量作为预测主题，研究情景分析法在停车需求预测中的应用。

2.1 停车需求状况

机动车作为一种交通工具，在现代社会的生产生活中扮演着重要角色。在建国初期，由于汽车产业销售产品单一，销售对象基本以单位公款购买为主，市场处于封闭状态，增长缓慢。20 世纪80—90年代，经济体制的全面改革和现代化建设的全面展开使国民经济有了较快的发展，机动车保有量也呈现出缓慢增长的趋势；自20 世纪90年代以来，汽车市场发生很大变化，宽松的政策使私人购车需求增加，机动车呈快速增长态势；21 世纪之后，部分城市为了应对交通需求增长过快，实施小客车摇号限购政策，机动车增长率明显下降。图3 为2000年以来北京市机动车保有量统计情况。

图3 北京市历年机动车保有量

2.2 影响因素分析

城市发展水平、机动车保有量、车辆出行水平以及交通政策等因素都会对停车需求产生影响，停车需求预测方法及模型需考虑这些因素对停车需求量的影响，影响停车需求的关键因素[5]可以作以下概括。

2.2.1 社会、经济发展水平

社会、经济发展水平是一个关键的影响因素，从图4 可以得出，随着城市发展水平的提高，土地利用集约程度变得更高，城市的机动车保有量也会越来越大，导致停车需求更多。城市的快速发展对人均收入以及个人消费意识有深刻影响，这些变化都与城市停车需求量密切相关。

图4 北京市历年机动车保有量与人均GDP 对比

2.2.2 城市人口规模

城市的发展必然会带来人口的增长，人口的增长意味着消费量的增长，消费量的变化影响着机动车的保有量和使用率。由图5 可以看出，机动车保有量与人口增长速率成正比，城市人口规模也是影响停车需求的一项重要指标。

图5 北京市历年机动车保有量与人口对比

2.2.3 出行结构比例

城市的停车需求随小汽车出行所占比例增加而增加，提倡以公共交通出行为主的出行方式，对缓解交通拥堵、减轻停车压力有积极的作用。

2.2.4 交通发展政策

城市发展政策以及与交通发展相关的环境政策是影响停车需求的决定性因素。美国在70年代之前鼓励私人交通，并且有宽松的停车政策保障，导致停车需求急剧增长；反之，新加坡、香港为了抑制停车需求过快的增长，通过优先发展公共交通减缓机动车出行，并采取限制私人交通等政策控制停车需求增长。

近几年，新能源客车的推广使机动车增长率略微上升，停车需求相应增加，图6 为北京市新能源客车保有量历年变化图。

图6 北京市新能源客车保有量历年变化图

2.2.5 其他影响因素

城市公共交通发展的水平以及出行观念的变化都会对个人出行产生影响，绿色出行的宣传也会影响出行方式的选择。近年来，能源、污染等问题引起人们的高度重视，“绿色、低碳”的交通出行观念越来越深入人心，而公共交通的发展更会促进人们出行方式的转变。

停车收费在一定程度上影响车辆出行方式的选择，从而影响到停车需求，很多城市开始制定停车收费标准控制城市中心区域的停车需求。

3 停车需求情景预测

3.1 未来情景设定

以北京市为例，从影响停车需求的因素来看，人口、经济等的增长必然会带来停车需求的增加；而机动车限购政策、公共交通的发展等因素会抑制停车需求的增长。没有政策的限制，停车需求将随着人口、经济等因素的增长而快速增长；仅利用限购政策限制机动车增长，停车需求将保持一定的趋势增长；在限购政策的基础上，大力发展公共交通、提倡绿色出行，转变人们的出行方式，停车需求增长趋势将减缓。由此，综合历年停车需求状况，停车需求发展会有以下几种情景。

3.1.1 平稳增长情景

延续现在的政策，继续限制机动车的增长速度，出行方式中机动车出行依然占有较大比例，停车需求增长速度与近几年增长速度持平。

3.1.2 缓速增长情景

继续执行小客车限购政策，以及部分城区实施拥堵收费政策，机动车增长速度将有所减缓；随着公共交通进一步发展，机动车出行在出行方式中所占比例继续下降，停车需求增长速度下降。

3.1.3 快速增长情景

取消小客车限购政策，机动车保有量开始出现快速增长趋势，并随经济、人口发展保持一定的增长水平。机动车的增长导致出行方式中所占比重加重，停车需求也将呈现快速增长趋势。

3.2 预测模型建立

停车需求量不仅需要考虑基本车位，还需要考虑出行车位。机动车保有量决定了基本车位数量，机动车出行比例影响出行车位数量，考虑机动车出行对停车需求的影响，提出停车需求预测模型：

式中：Pt为预测年停车需求；αt为预测年机动车出行影响系数，在1.1～1.3 之间取值；Vt为预测年机动车保有量。

由于未来可能出现不同的情景，机动车保有量会有不同的增长趋势，相应的停车需求也会有变化，针对各种情景提出对应的停车需求预测模型。

3.2.1 平稳增长情景

根据近期的数据建立机动车平稳增长模型，通过对比选择的几个模型，拟合程度最好的是复合模型。复合模型的方差分析结果见表1 和表2，P值小于0.05，说明该模型具有统计意义。

表1 方差分析

机动车平稳增长模型为：

式中：b0为常数；b1为增长率；t0为预测基年；t为预测年。

将式（2）带入式（1），得到平稳增长情景的停车需求预测模型：

表2 为复合模型的系数，带入式（3），得出停车需求预测模型：

表2 复合模型系数

3.2.2 缓速增长情景

建立机动车缓速增长模型，通过对比各项指标以及曲线拟合度，最终选取幂函数作为预测模型。表3 为模型的方差分析，F值为122.616，P值为0.02小于0.05，模型具有统计意义。

表3 幂函数方差分析

机动车缓速增长模型为：

式中：b0为常数；b1为幂指数；t0为预测基年；t为预测年。

将式（5）带入式（1），得到缓速增长情景的停车需求预测模型：

表4 为幂函数模型的系数，带入式（6），得出停车需求预测模型：

表4 幂函数模型系数

3.2.3 快速增长情景

当缺少政策对机动车增长的约束时，机动车将保持快速的增长态势。根据影响因素的分析，可知人均GDP 和城镇人口是影响停车需求的主要因素。从历年的数据中看出，机动车保有量和上述几点重要因素之间存在很大关联，所以运用SPSS 软件建立包括上述几点因素的回归模型：

式中：G为人均GDP；R为城镇人口数；a0为回归常数；b1、b2为G、R的回归参数。

通过向后法对自变量进行筛选，表5 为模型的系数分析表，各自变量检验概率P值小于0.05，具有统计学意义，自变量选取合理。

表5 系数分析

最终得到的是包含两个自变量的回归方程：

通过建立生长曲线模型来计算预测年G与R的值，模型的建立需要选取合适的数据，从图4 和图5 中可以发现，人均GDP 与人口增长曲线较为平滑，因此利用人均GDP 和人口数据拟合模型。经过检验，两个模型的P值均小于0.05，所以都具有统计意义。人均GDP 与人口增长模型的系数见表6 与表7，常数项与自变量的检验P值都为0，模型合理。

表6 人均GDP 增长模型系数

表7 人口增长模型系数

由表6 与表7 中的系数得出人均GDP 计算公式（10）和人口计算公式（11）：

式中：t0为预测基年；t为预测年。

将式（10）和式（11）代入式（9），得到快速增长情景的机动车保有量回归模型：

将式（12）带入式（1），得出快速增长情景的停车需求模型：

3.3 实例分析

利用以上各个情景的模型对停车需求进行预测，模型中机动车出行影响参数αt取中值1.20，对比不同的情景，预测趋势见图7。

图7 停车需求预测趋势图

由图7 可以看出，不同情景下，停车需求预测值差异很大。平稳增长情景下，停车需求保持一定的年增长率，政策对停车需求影响大，人均GDP、城镇人口影响较小。缓速增长情景下，需求增长率随时间的增长而降低，政策以及绿色出行等观念起到决定性作用。快速增长情景的停车需求增长率要远远大于其余两种情景，当缺少政策的制约时需求量急剧增长，经济与人口的状况对停车需求影响巨大。

4 结论与建议

本文旨在探索情景预测方法在停车需求预测中的应用，针对传统方法预测情景单一的情况，提出一种基于情景分析法的停车需求预测方法。影响停车需求的因素多种多样，本文利用情景分析法对停车需求进行预测，仅仅是一个非常初步的研究工作，今后还需要考虑更多的影响因素并结合大量数据提出更合理的模型，为城市停车规划提供一些概念性指导。