【技术实现步骤摘要】
本专利技术涉及城市道路交通停车管理与控制领域,特别是一种路侧停车需求对收费价格敏感度的空间异质性分析方法。
技术介绍
停车系统中,停车价格是影响驾驶员停车的关键参数,因此停车费率的动态调整成为增加大城市路边可用停车空间的有力工具。现有研究表明最佳停车占有率水平为85%左右或每一街区至少留有一到两个公共停车位,使得驾驶员能更快找到停车位。通过调节停车费用控制停车供需的最终目标是使路侧停车位能准确达到预期停车占有率水平,充分考虑空间异质性对需求弹性的影响能有效修正动态停车费与停车占有率间的关系模型。因此,路侧停车需求对收费价格敏感度的空间异质性分析方法,更细致的分析和描述了停车费和停车需求之间的关系,有利于更准确的预测不同街区存在差异的需求弹性。目前的动态停车收费方法中主要考虑了需求弹性的时间属性,现有停车费率计算模型中的参数是全局固定且不具备空间性的,对于空间因素对需求弹性的影响考虑不足,不同空间特性对停车需求的影响是截然不同的,不同地区的需求弹性高低不同,因此,以往不加区分的动态停车收费方法可能无法达到预期的停车占有率。本专利技术提出路侧停车需求对收费价格敏感度的空间异质性分析方法,相比于以往的动态停车收费策略,本专利技术提出的算法有效分析了不同空间位置内需求弹性的差异性,针对需求弹性具有空间异质性这一特性进行模型描述,为实现分区域差异化的动态停车收费策略奠定了理论基础。
技术实现思路
专利技术目的:现有动态 ...
【技术保护点】
路侧停车需求对停车费率敏感度的空间异质性分析方法,其特征在于,步骤如下:步骤1:将各街区依序编号为1,2,……n,n为正整数,并将每天的活动时段划分为整数个时段作为作为停车费率调整的最小单位,采集各街区i的停车数据、历史时空变量数据与历史社会人口数据,所述停车数据包括停车占有率与停车费率,其中i=1,2,……n;步骤2:以各街区i与其他街区的距离为参照构建各街区i的空间权重矩阵用于描述各街区i的空间异质性,先将停车费率变化百分比作为GWR模型的解释变量,不断添加时空变量与社会人口变量作为解释变量到模型表达式,并计算模型的AICc值,最终AICc值最小的GWR模型为最终模型,再根据最终GWR模型中的解释变量与空间权重矩阵可求得各街区GWR模型的模型参数;步骤3:基于GLM模型分析需求弹性的影响因素,挑选解释变量,代入软件进行广义线性回归得到路侧停车需求弹性预测模型;步骤4:采集步骤4中得到的停车需求弹性预测模型中各解释变量当前时段的数据,代入计算各街区的需求弹性值,实时采集得到当前时段各街区的停车占有率,计算街区当前时段的停车费率。
【技术特征摘要】
1.路侧停车需求对停车费率敏感度的空间异质性分析方法,其特征在于,步骤如下:
步骤1:将各街区依序编号为1,2,……n,n为正整数,并将每天的活动时段划分为整数
个时段作为作为停车费率调整的最小单位,采集各街区i的停车数据、历史时空变量数据与
历史社会人口数据,所述停车数据包括停车占有率与停车费率,其中i=1,2,……n;
步骤2:以各街区i与其他街区的距离为参照构建各街区i的空间权重矩阵用于描述各
街区i的空间异质性,先将停车费率变化百分比作为GWR模型的解释变量,不断添加时空变
量与社会人口变量作为解释变量到模型表达式,并计算模型的AICc值,最终AICc值最小的
GWR模型为最终模型,再根据最终GWR模型中的解释变量与空间权重矩阵可求得各街区GWR
模型的模型参数;
步骤3:基于GLM模型分析需求弹性的影响因素,挑选解释变量,代入软件进行广义线性
回归得到路侧停车需求弹性预测模型;
步骤4:采集步骤4中得到的停车需求弹性预测模型中各解释变量当前时段的数据,代
入计算各街区的需求弹性值,实时采集得到当前时段各街区的停车占有率,计算街区当前
时段的停车费率。
2.根据权利要求1所述的路侧停车需求对停车费率敏感度的空间异质性分析方法,其
特征在于,所述步骤2的具体步骤为:
201)构建街区i的空间权重矩阵W(i)用于描述路侧停车需求对停车费率敏感度的空间
异质性,其中i=1,2,……n,空间权重矩阵的形式为
其中,wij是回归街区i的回归方程中街区j的权重,表示街区j对街区i的影响,其中j=
1,2,……n,wij的计算公式采用Bi-square函数,具体为
wij=[1-(||ui-uj||/Gi)2]2if||ui-uj||<Gi0otherwise]]>其中,Gi为Bi-square函数中的带宽参数,||ui-uj||为街区i和街区j之间的直线距离;
202)首先仅挑选停车费率变化百分比作为GWR模型的解释变量,然后将步骤103)中采
集的时空变量与社会人口变量添加到模型表达式,同时监测这些变量的影响程度和模型的
AICc值,选择解释变量需要迭代数次,最终AICc值最小的GWR模型为最终模型;
203)依据步骤202)中所得的最终模型中的解释变量的历史数据和步骤201)中得到的
空间权重矩阵W(i),计算各街区i的GWR模型参数β(i),具体为:
GWR模型最终表达式为
occChange=β0(ui)+β1(ui)rateChange+β2(ui)X2+β3(ui)X3+…+βJ(ui)XJ+ε1其中,ui=(uxi,uyi)为第i个街区空间位置的二维坐标,occChange为各街区的停车占有
率变化百分比变量,rateChange和X2~XJ分别对应停车费率变化百分比和第三步中得到的
最终GWR模型中的其余解释变量,J为正整数;ε1为误差项;β0(ui)、β1(ui)…βJ(ui)为模型参
数,可以组合成如下矩阵形式:
其中,每行代表一个街区的GWR模型参数值,街区i的GWR模型参数值计算公式为:β(i)<...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。