CN102842109A - 停车场服务水平量化分级的评价方法 - Google Patents
停车场服务水平量化分级的评价方法 Download PDFInfo
- Publication number
- CN102842109A CN102842109A CN2012103169991A CN201210316999A CN102842109A CN 102842109 A CN102842109 A CN 102842109A CN 2012103169991 A CN2012103169991 A CN 2012103169991A CN 201210316999 A CN201210316999 A CN 201210316999A CN 102842109 A CN102842109 A CN 102842109A
- Authority
- CN
- China
- Prior art keywords
- parking
- service level
- parking lot
- index
- evaluation
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
停车场服务水平量化分级的评价方法属于交通规划领域。停车场服务水平是用来度量停车设施提供给用户停车服务质量好坏的一个指标,它反映了停车设施在不同区域满足停车需求,以及给用户提供的停车环境(停车快捷、方便、价格合理)等方面的服务质量。该发明应用动态综合评价方法,选取了高峰停放指数、平均泊位利用率、停车成本因子和停车所需时间作为停车场服务水平的评价因素,建立了停车场服务水平的评价标准,将停车场服务水平划分出了4级服务水平。实践证明,该方法能够充分利用评价指标反应停车场服务水平,结果与实际相符合,用于评价现状停车场的服务水平以及为规划停车场提供一定的依据。
Description
技术领域
本发明是一种对停车场服务水平进行量化分级的评价方法,选取高峰停放指数、平均泊位利用率、停车成本因子及停车所需时间作为北京市中心城停车场服务水平的量化分级的评价指标,基于动态综合评价法将停车场服务水平划分为A(优)、B(良)、C(中)、D(差)四类。该评价方法可以服务于停车场现状评价、规划、设计与管理,属于交通规划领域。
背景技术
反映停车管理水平高低的因素很多,如公众满意度,停车需求的满足程度,车位距离目的地的时间等。因此,需要一个综合的、系统的方法对停车管理的水平进行客观评价,处于不同地理特点的中心城区的停车场,因停车目的不同、停车管理政策和停车场价格差异,都会对停车行为特征产生影响。停车场服务水平是用来度量停车设施提供给用户停车服务质量好坏的一个指标,它反映了停车设施在不同区域满足停车需求,以及给用户提供的停车环境(停车便捷、方便、价格合理)等方面的服务质量。
停车场服务水平的主要作用可以概括为以下两个方面:
(1)用于停车场规划设计
停车场服务水平的划分可以为停车场的规划与建设提供参考,对现有的停车场服务水平进行评价,根据评价指标可以为考虑远景的停车场的规划项目提供措施建议。依据停车场服务水平对现有的或潜在的停车场服务水平问题进行分析,提出改善停车场服务水平的管理措施,为服务水平不高的停车场进行改进,提供借鉴和参考。也可在投入资金有限的情况下,对各停车场进行服务水平划分,进行服务水平排序,选择急需要进行改善的项目对其投资。当前的停车管理水平数据也可以用来和未来的管理水平进行比较,以评估不同政策施行后的效果,从而通过当地的停车需求,选用相应服务水平的停车泊位数和指标。
(2)用于停车设施现状分析
服务水平划分标准可以用来对区域现状停车管理水平与过去的停车管理水平进行比较,也可以用来对不同地区的停车管理水平进行横向的比较分析,评价当前各区域的停车管理水平。并且这种评价方法能够用来与其它城市或区域进行比较以及对一些政策实施前后进行评价。
鉴于现有的服务水平评价方法多针对评价城市轨道交通、公交运营服务水平、交通安全以及通行能力等,而对停车场暂时没有相关量化的服务水平分级标准,因此,有必要针对停车场的特征,选取相应的评价指标对停车场的服务水平进行量化分级,从而为评价停车场的服务水平提供一定的依据。
发明内容
本发明通过对北京市中心城区的停车场现状调研,通过对其停车特征的研究,综合分析对停车行为产生影响的各种影响因素,提取高峰停放指数、平均泊位利用率、停车成本因子和停车所需时间作为北京市中心城停车场服务水平的量化分级的评价指标,应用动态综合评价法建立停车场服务水平的量化分级标准。停车场服务水平量化分级的评价方法将提供停车场规划、建设、交通管理策略的制定提供决策依据。
本发明的停车场服务水平量化分级的评价方法,其特征在于,包含以下步骤:
步骤1:通过对停车场服务水平评价指标的筛选, 选取平均泊位利用率、高峰停放指数、停车成本因子及停车所需时间为评价指标;应用统计分析软件SPSS的迭代聚类分析方法对高峰停放指数、平均泊位利用率、停车成本因子及停车所需时间进行分级;进行聚类之前首先要选择用于聚类分析的类数,将停车场的服务水平分为优、良、中和差四类,来确定服务水平评价指标的评价标准;
高峰停放指数指高峰时刻停放量与停车设施容量之比;平均泊位利用率指工作时间内平均每个停车泊位实际占用的时间与总工作时间之比;停车成本因子为停车场距离目的地的距离换算成步行时间用停车价格折合出的费用,单位为元;停车所需时间指车辆从停车场入口处开始到车辆停放完毕所需时间,单位为小时;
步骤2:利用动态综合评价法确定服务水平的等级划分门限值,分别为0.12、0.49、1.03;
然后将以上平均泊位利用率、高峰停放指数、停车成本因子及停车所需时间归一化处理后求取平方和值,归一化处理即高峰停放指数除以2,停车成本因子除以10,平均泊位利用率和停车所需时间保持不变;所述平方和值与以上门限值比较得出停车场服务水平等级,具体如下:
停车场服务水平等级划分门限值:
A级(优)服务水平门限值<=0.12;
B级(良)服务水平门限值0.12~0.49;
C级(中)服务水平门限值0.49~1.03;
D级(差)服务水平门限值>1.03;
其中,不同等级停车场服务水平的定性描述如下:
A级(优)服务水平:停车场车位能满足高峰小时内的停车需求,停车所需时间短,停车场使用者认为停车场收费价格较为理想且停车场位置距离停车者目的地距离近,提供给停车者的服务水平很高,维持既有水平即可
B级(良)服务水平:停车场车位基本能满足高峰小时内的停车需求,停车所需时间较短且停车场位置距离停车者目的地距离合理,提供给停车者的服务水平高于期望水平,在维持既有水平的基础上,可以采取适当的措施进一步提高停车场服务水平;
C级(中)服务水平:停车场在停车高峰时段经常出现拥挤现象,停车场位置距离停车者目的地步行时间较长,提供给停车者的服务水平低于期望水平,需采取改善措施提高停车场服务水平;
D级(差)服务水平:停车场车位基本不能满足停车需求,高峰小时停车场拥挤,停车所需时间长,高峰时段停车场泊位利用率大于71%,停车场位置距离停车者目的地步行时间长,提供给停车者的服务水平很低,急需采取积极的改善措施提高停车场服务水平。
本发明成果基于以下三种类型的数据:
1、北京市中心城停车场基本情况的统计数据:该数据主要包括停车场的位置、类型、服务对象、停车场布局、信息化程度、停车管理设施模式等信息。共收集到北京市中心城区4010个停车场的基本情况数据,其中筛选了605个停车场作为有代表性的研究对象,约占总备案停车场数量的15%。
2、停车行为特征数据:通过停车行为特征调查表的设计,调查问题包括:停车时间、距离目的地平均行走时间、停车目的、停车价格、停车所需时间等11条信息。采用对停车场的停车人员现场问卷调查的方式。共收集到有效问卷3118份。
3、停车场的停车管理电子数据:本发明提取停车场连续一周的电子管理数据,包括每一辆车进、出停车场的时间和停车收费信息,共提取了28个停车场的约23.49万条电子数据。
停车场服务水平量化分级评价方法,本发明的研究过程如下:
具体的研究过程介绍如下:
1)停车场停车行为特征指标的提取
影响停车场服务水平的因素有很多,如停车特性指标,包括停车配建标准、停车设施容量、停车时间、停放车指数、停放周转率、收费价格、停车泊位利用率、距离目的地的步行距离、停车所需时间等。其中停放周转率包括平均停放周转率和高峰小时停放周转率,停车泊位利用率包括平均停车泊位利用率与高峰小时停车泊位利用率。
首先考虑到停车场的服务效果体现在停车场车辆随时间及空间变化的停放状况,而车辆随时间及空间的停放状况是动态的,因此选取的指标一定能反映车辆停放的动态特征。停车场建成后其停车设施容量是固定的,停车场选择的配建标准,也是静态的。故在评价中停车场配建标准和停车设施容量可以不考虑。停放车指数在空间上反映了停车场的拥挤程度;泊位利用率反应停车泊位的时间利用效率,表达了停车设施的拥挤程度。因此选择停放车指数和泊位利用率为评价指标。
其次考虑到停车者对停车场服务效果的满意程度,而停车场收费价格、距离目的地的步行距离、停车所需时间是主要影响停车者对停车场服务效果的满意程度。停车收费价格一般是统一规定的,所以将距离目的地的步行距离与停车场收费价格综合考虑,可定义为停车成本因子。因此选择停车成本因子和停车所需时间为评价指标。
综合以上,本发明选取了高峰停放指数、平均泊位利用率、停车成本因子和停车所需时间4个指标为停车场服务水平的评价指标,各个指标的概念如下:
(1)高峰停放指数
指高峰时刻停放量与停车设施容量之比,它反映了停车场在高峰时刻的拥挤程度。其计算公式如下:
式中:Sj——停车场高峰时刻j的停车数量;
C——停车场容量。
(2)平均泊位利用率
指工作时间内平均每个停车泊位实际占用的时间与总工作时间之比。反映停车泊位的时间利用效率。其计算公式如下:
式中:ti——第i辆车停车时间(分);
Pi——停车时间为ti的停车数量;
T——调查时间长度;
C——停车场的停车能力。
(3)停车成本因子(元)
停车成本因子用停车场距目的地的时间折合成的停车收费成本。
基于停车行为问卷中:本发明选用停车场与停车人目的地之间的往返时间成本作为的停车成本因子。根据停车场与停车人目的地之间往返所需的步行时间,结合停车场的收费标准,计算停车人往返停车场的时间所需支付的停车费用。
(4)停车所需时间
停车所需时间指车辆从停车场入口处开始到车辆停放完毕所需时间。这主要与停车场入口设计、停车场车位设计、停车管理方式及停车场拥挤程度有关。
2)停车场服务水平量化分级方法的确定
影响停车场服务水平的因素很复杂,影响因素众多,是一个多指标、多层次的评价问题,为了综合考虑多种因素对停车场服务水平做出一个总体的评价和判决,我们需要采用综合评判,这样才能对停车场服务水平作出比较全面、客观的评价。这就是所谓综合评价,选择相应的评价形式,据此选择多个因素或指标,并通过一定的数学模型,将多个评价因素或指标转化为能反映评价对象总体特征的信息。
动态综合评价方法:应用线性规划方法,从时序数据表(即不同时刻的评价指标值组成的数据矩阵)挖掘信息,计算权重,从整体上最大限度的突出系统在不同时刻运行状况之间的差异。该方法的优点是具有时序特征,用于随时间变化指标和参数变化较大的多指标系统。
根据以上的分析,结合选择停车场服务水平评价指标的动态特殊性,本发明采用动态综合评价方法对停车场服务水平评价指标体系进行评价。
3)停车场服务水平量化分级标准的确定
根据国内外已有对于停车场研究成果中确定的服务水平指标门限值,确定相关指标的评价标准。高峰停放指数与泊位利用率的评价标准根据调查的停车场电子数据进行聚类分析得出,停车成本因子与停车所需时间的评价标准参考国内外已有研究成果,并结合停车行为调查数据聚类分析来确定;从而得出服务水平评价指标的评价标准。
统计分析软件SPSS提供了迭代聚类分析方法,进行聚类之前首先要选择用于聚类分析的类数,本发明将停车场的服务水平分为优、良、中和差四类。服务水平各评价指标的评价标准见表9。
(1)平均泊位利用率的分级
①对样本数据出现频数进行汇总,共得到82个样本组,见图1所示。可以发现:平均泊位利用率的分布呈现明显的分组特性。
②利用SPSS统计分析工具,选取K-Means聚类法,以轴距作为聚类变量、样本序号作为样本标记依据,对样本数据进行聚类分析,结果如表1所示。
表1 聚类结果
③分类样本的非参数检验
样本均为独立样本,对其相邻分类进行Kolmogorov – Smirnov(简称K-S)检验,以判断两组独立样本的分布是否存在显著性差异。
表2 相邻分类的非参数检验
注:显著性水平α=0.05
(2)高峰停放指数的分级
①对样本数据出现频数进行汇总,共得到81个样本组,见图2所示。可以发现:高峰停放指数的分布呈现明显的分组特性。
②利用SPSS统计分析工具,选取K-Means聚类法,以轴距作为聚类变量、样本序号作为样本标记依据,对样本数据进行聚类分析,结果如表3所示。
表3 聚类结果
③分类样本的非参数检验
样本均为独立样本,对其相邻分类进行Kolmogorov – Smirnov(简称K-S)检验,以判断两组独立样本的分布是否存在显著性差异。
表4 相邻分类的非参数检验
注:显著性水平α=0.05
(3)停车成本因子的分级
①对样本数据出现频数进行汇总,共得到58个样本组,如图3所示。可以发现:停车成本因子的分布呈现明显的分组特性。
②利用SPSS统计分析工具,选取K-Means聚类法,以轴距作为聚类变量、样本序号作为样本标记依据,对样本数据进行聚类分析,结果如表5所示。
表5 聚类结果
③分类样本的非参数检验
样本均为独立样本,对其相邻分类进行Kolmogorov – Smirnov(简称K-S)检验,以判断两组独立样本的分布是否存在显著性差异。
表6 相邻分类的非参数检验
(4)停车所需时间的分级
①对样本数据出现频数进行汇总,共得到60个样本组,如图4所示。可以发现:停车所需时间的分布呈现明显的分组特性。
②利用SPSS统计分析工具,选取K-Means聚类法,以轴距作为聚类变量、样本序号作为样本标记依据,对样本数据进行聚类分析,结果如表7所示。
表7 聚类结果
③分类样本的非参数检验
样本均为独立样本,对其相邻分类进行Kolmogorov – Smirnov(简称K-S)检验,以判断两组独立样本的分布是否存在显著性差异。
表8 相邻分类的非参数检验
根据以上聚类分析,停车场服务水平各指标评价标准如下表9所示:
表9 停车场服务水平各指标评价标准表
4)停车场服务水平等级划分
(1)指标的预处理
多指标综合评价都含有多个量纲不一的评价指标,在进行评价之前必须对其进行预处理,使它们具有相同的量纲以便于进行评价。
①处理逆指标
在多指标综合评价中,有些指标值是越大越好,这类指标称为正指标,有些指标值是越小越好,称为逆指标。在进行多指标综合评价计算前需要对指标进行一致化处理,将逆指标转换成正指标。逆指标X一般采用倒数形式转换成正指标。
②评价指标的标准化
多指标综合评价的评价指标通常是异量纲的,而且数值也相差悬殊,直接将这些指标进行加权平均是不合适的,为比较综合评价评价指标Y的大小带来了不便。在统计学中对多组不同量纲的数据进行比较,可以先将它们通过数学变换来消除原始指标单位的影响。常用的方法“极值法”,方法如下:
是无量纲的,且。
(2)停车场服务水平的综合评价
动态综合评价方法应用线性规划方法,从时序数据表(即不同时刻的评价指标值组成的数据矩阵)挖掘信息,计算权重,使得从整体上最大限度的突出系统在不同时刻运行状况之间的差异。
①基本原理。当极大型指标xj(j=1,2…,m)的取值都很接近于1时,则系统的运行状况可认为是整体协调的,因而它的整体效益高;当xj(j=1,2,…,m)的取值都很接近于0时,系统的运行状况虽然也是相对整体协调的,但其整体效益偏低;当某个或某几个指标的取值都比较大(比如很接近于1),而其他指标的取值都比较小(比如接近于0),则这样的系统的运行状况是整体不协调的,因而其整体效益不高。
基于以上直观分析,给出如下定义:
定义1:对于取定的,对任意的x=(x1,x2,…,xm)T∈D,若有不等式成立,则称x连同xa为D中的准有效点,其中xa针对系统的期望而预先设定。D中所有的准有效点构成的集合称为D的准有效子集,并即为A。
定义2:对取定,对任意的x=(x1,x2,…,xm)T∈D,至少对某一个k,有不等式成立,则称x连同xb为D中的非有效点,其中xb是针对系统的期望而预先设定的。D中所有的非有效点构成的集合,称为D的非有效子集,并记为C。令集合B=D-A-C,则有D=A∪B∪C,但:A∩B=B∩C=A∩C=Φ。由定义1、2可知,落在子集A内的点,就处于协调发展、整体效益高的运行状态;落在子集C内的点,就处于协调发展程度差、整体效益偏低的状态。当时,D的划分见图5所示。
图5中, 满足方程
而 满足方程
式中ra,rb为事先给定的正数。
而 满足方程: (公式5)
定义了状态空间D的准有效子集A及非有效子集C的概念后,作如下规定:
a)落在子集A内的点,称其为第Ⅰ类发展水平的;
b)落在子集B内的点,称其为第Ⅱ类发展水平的;
c)落在子集C内的点,称其为第Ⅲ类发展水平的。
②停车场服务水平评价函数与门限值的确定。基于上述分类原理,根据停车场服务水平各评价指标的分级情况(分为4级,见表9),引入xc。
评价指标平均泊位利用率(x1)、高峰停放指数(x2)、停车成本因子(x3)、停车所需时间(x4)均为极小型,为了便于综合评价的计算,选取极小型的综合评级函数。则当时(即2个评价指标),状态空间D的划分见图6示。
图6中, 满足方程:
依此类推,有:
在确定了xa,xb,xc的条件下,停车场评价指标经无量纲化以后指标向量为x(x1,x2,x3,x4),取评价函数为:
对照表9,可以得到停车场服务水平分级如下表10所示。
表10 停车场服务水平分级表
综合评价函数y | 等级 | 综合评价函数y | 等级 |
≤(ra)2 | 优 | [(rb)2-(rc)2] | 中 |
[(ra)2-(rb)2] | 良 | >(rc)2 | 差 |
其中(ra)2,(rb)2,(rc)2即为综合评价的门限值,由xa,xb,xc确定。值得指出的是,此处的xa,xb,xc是经过无量纲化处理以后的指标向量。
③评价步骤。在停车场服务水平的实际评价中,当无法通过极大值Mj和极小值mj时,不妨对极大值Mj和极小值mj进行设定。停车场服务水平评价的具体步骤见图7所示。
(3)停车场服务水平的等级划分
①评价指标门限值的确定。根据表9中得出的停车场服务水平各评价指标门限值的原始值如下表所示。
表11 停车场服务水平各评价指标门限值(原始值)
评价指标 | xi a | xi b | xi c |
泊位利用率(x1) | 0.22 | 0.48 | 0.71 |
高峰停放指数(x2) | 0.38 | 0.72 | 0.97 |
停车成本因子(x3) | 1.6 | 3 | 4.5 |
停车所需时间(x4) | 6 | 12 | 18 |
评价计算的指标预处理需将评价指标进行无量纲化处理,为保证处理后的指标值都在[0,1]区间内,采用极值处理法。对于最差状态的各指标极值无法得到,在不影响评价结果的条件下,不妨设定各评价指标的最大值,当实际指标值超出最大时,就取最大值进行状态分类评价。泊位利用率与高峰停放指数的数据来源于各个停车场电子管理数据,计算得出的平均泊位利用率指标值均小于1,高峰停放指数大于1,所以极大值取2。为此,各评价指标极值取值如表12所示。
表12 停车场服务水平评价指标极值
评价指标 | 泊位利用率 | 高峰停放指数 | 停车成本因子 | 停车所需时间 |
极大值(Mj) | 1 | 2 | 10 | 60 |
极小值(mj) | 0 | 0 | 0 | 0 |
表13停车场服务水平评价指标无量纲化处理结果
评价指标 | mj | xi a | xi b | xi c | Mj |
泊位利用率(x1) | 0 | 0.22 | 0.48 | 0.71 | 1 |
高峰停放指数(x2) | 0 | 0.19 | 0.36 | 0.485 | 1 |
停车成本因子(x3) | 0 | 0.16 | 0.3 | 0.45 | 1 |
停车所需时间(x4) | 0 | 0.1 | 0.2 | 0.3 | 1 |
②综合评价。
根据前面的(公式9)计算得到综合评价函数的门限值如下表10所示。计算公式为:
同理,可得出(rb)2,(rc)2。
表14 停车场动态综合评价函数的门限值表
门限类别 | (ra)2 | (rb)2 | (rc)2 |
门限值 | 0.12 | 0.49 | 1.03 |
③停车场服务水平等级划分
表15 停车场服务水平等级划分门限值表
等级 | 优 | 良 | 中 | 差 |
门限值 | <0.12 | 0.12-0.49 | 0.49-1.03 | >1.03 |
④不同等级停车场服务水平的定性描述如下:
表16 停车场服务水平定性描述
附图说明
图1 样本数据中不同泊位利用率的频率分布
图2 样本数据中不同高峰停放指数的频率分布
图3 样本数据中不同停车所需时间的频率分布
图4 样本数据中不同停车成本因子的频率分布
图5 分类评价状态空间划分示意图
图6 停车场评价状态空间划分示意图
图7 停车场服务水平综合评价步骤
具体实施方式
实施例一(用于单个停车场服务水平的确定):
朝阳区的蓝色港湾停车场为商业停车场,蓝色港湾现有建筑面积为4万平方米,现有停车位1084个,其中地上有324个,地下有760个,该停车场工作日停车高峰时段为19:00-22:30。
通过对蓝色港湾停车场电子管理数据统计分析,得出高峰停放指数及平均泊位利用率,根据停车者停车行为问卷调查结果,计算出平均停车所需时间及停车成本因子。
表17停车场服务水平各评价指标值
评价指标 | 泊位利用率 | 高峰停放指数 | 停车成本因子 | 停车所需时间 |
平均值 | 0.53 | 1.086 | 1.4 | 8 |
表18 停车场服务水平评价指标无量纲化处理结果
评价指标 | 泊位利用率 | 高峰停放指数 | 停车成本因子 | 停车所需时间 |
平均值 | 0.53 | 0.543 | 0.14 | 0.13 |
将预处理后的各指标值带入综合评价函数公式可得:
根据表15中:(rb)2=0.51 ,(rc)2=1.03,则有:(rb)2<y<(rc)2
可知蓝色港湾停车场服务水平属于一般状态,服务水平不高。
该停车场所在建筑物每百平方米拥有的泊位数为0.78个。由于蓝色港湾地处中心地带,白天停车吸引较大,平均一周的泊位利用率达到53%,在同类商业配建停车场属于较高水平,高峰停放指数在工作日小于1,非工作日均在1左右,该停车场高峰时刻用地紧张。现有中心商业区的停车主要是采用地面停车,地下停车也有,但在节假日、周末等人、车流量很大时,该地面停车规划已不能满足,车辆的路边停放又影响交通,各个方面反映控制地面停车的数量很有必要。
石景山医院停车场属于医院地上停车场,该建筑物现有建筑面积为10万平方米,现有停车位184个,该停车场工作日停车高峰时段为8:00-18:00,该停车场有出入口各只有一个,高峰时期出入口显得紧张。
通过对石景山医院停车场电子管理数据统计分析,得出高峰停放指数及平均泊位利用率,根据停车者停车行为问卷调查结果,计算出平均停车所需时间及停车成本因子。
表19 停车场服务水平各评价指标值
评价指标 | 泊位利用率 | 高峰停放指数 | 停车成本因子 | 停车所需时间 |
平均值 | 0.814 | 0.912 | 1.3 | 6 |
表20 停车场服务水平评价指标无量纲化处理结果
评价指标 | 泊位利用率 | 高峰停放指数 | 停车成本因子 | 停车所需时间 |
平均值 | 0.814 | 0.456 | 0.13 | 0.1 |
将预处理后的各指标值带入综合评价函数公式可得:
根据表15中:(rb)2=0.51 ,(rc)2=1.03,则有:(rb)2<y<(rc)2
可知石景山医院停车场服务水平处于一般状态,服务水平较低。
高峰时期该停车场的停放指数大于1,即许多车辆进入到停车场仍不能马上找到车位,造成停车场秩序的混乱与拥挤。通过对该停车场的调查发现,大部分的停车场使用者认为该停车场车位提供不足。
实施例二(用于区域停车场服务水平的横向对比):
停车场服务水平量化分级图也可以用来横向对比,现将本发明抽样调查的北京市停车场按地理位置进行横向对比,评价结果如表21。
表21北京市中心城各区域停车场服务水平分布
由表21可以看出,二环内大部分的停车场的服务水平低于期望水平,需采取一定的改善措施。由旧城两区向外城四区,停车场的综合服务水平是在逐渐升高的。因此,停车收费也要体现区域差别性,提高中心区的停车收费,收费体系由内向外逐级递减,形成显著的收费水平级差关系。配建指标、停车政策均应体现区域差异性,能有效调节了停车场“中心区拥挤、外围区空置”的现象。根据建筑物所处的区位的不同,对停车需求客观存在的差异,将城市中心区、次中心区及外围区采用不同的配建标准,体现了停车标准的区域差异性,避免了“一刀切”的现象。通过分析,在有限资金的条件下,应首先加快二环内停车场服务水平的改善。
停车场服务水平评价体系也可以用于评价不同类型的停车场,具体评价结果见表22。
表22 北京市中心城各类停车场服务水平分布
由表22可以看出,各类停车场的综合服务水平有明显差别,A级服务水平停车场所占比例最多的为社会公共停车场,即社会公共停车场总体来说高峰时刻的利用率没有达到饱和,停车成本也较低,可以弥补其他类型停车场供需不平衡的情况。
由表21与表22可以看出,经过实际验证,该方法的评价结果与事实相符,证明此方法是合理的。
Claims (1)
1.停车场服务水平量化分级的评价方法,其特征在于,包含以下步骤:
步骤1:通过对停车场服务水平评价指标的筛选, 选取平均泊位利用率、高峰停放指数、停车成本因子及停车所需时间为评价指标;应用统计分析软件SPSS的迭代聚类分析方法对高峰停放指数、平均泊位利用率、停车成本因子及停车所需时间进行分级;进行聚类之前首先要选择用于聚类分析的类数,将停车场的服务水平分为优、良、中和差四类,来确定服务水平评价指标的评价标准;
高峰停放指数指高峰时刻停放量与停车设施容量之比;平均泊位利用率指工作时间内平均每个停车泊位实际占用的时间与总工作时间之比;停车成本因子为停车场距离目的地的距离换算成步行时间用停车价格折合出的费用,单位为元;停车所需时间指车辆从停车场入口处开始到车辆停放完毕所需时间,单位为小时;
步骤2:利用动态综合评价法确定服务水平的等级划分门限值,分别为0.12、0.49、1.03;
然后将以上平均泊位利用率、高峰停放指数、停车成本因子及停车所需时间归一化处理后求取平方和值,归一化处理即高峰停放指数除以2,停车成本因子除以10,平均泊位利用率和停车所需时间保持不变;所述平方和值与以上门限值比较得出停车场服务水平等级,具体如下:
停车场服务水平等级划分门限值:
优服务水平门限值<=0.12;
良服务水平门限值0.12~0.49;
中服务水平门限值0.49~1.03;
差服务水平门限值>1.03;
其中,不同等级停车场服务水平的定性描述如下:
优服务水平:停车场车位能满足高峰小时内的停车需求,停车所需时间短,停车场使用者认为停车场收费价格较为理想且停车场位置距离停车者目的地距离近,提供给停车者的服务水平很高,维持既有水平即可
良服务水平:停车场车位基本能满足高峰小时内的停车需求,停车所需时间较短且停车场位置距离停车者目的地距离合理,提供给停车者的服务水平高于期望水平,在维持既有水平的基础上,可以采取适当的措施进一步提高停车场服务水平;
中服务水平:停车场在停车高峰时段经常出现拥挤现象,停车场位置距离停车者目的地步行时间较长,提供给停车者的服务水平低于期望水平,需采取改善措施提高停车场服务水平;
差服务水平:停车场车位基本不能满足停车需求,高峰小时停车场拥挤,停车所需时间长,高峰时段停车场泊位利用率大于71%,停车场位置距离停车者目的地步行时间长,提供给停车者的服务水平很低,急需采取积极的改善措施提高停车场服务水平。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201210316999.1A CN102842109B (zh) | 2012-08-30 | 2012-08-30 | 停车场服务水平量化分级的评价方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201210316999.1A CN102842109B (zh) | 2012-08-30 | 2012-08-30 | 停车场服务水平量化分级的评价方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN102842109A true CN102842109A (zh) | 2012-12-26 |
CN102842109B CN102842109B (zh) | 2016-12-21 |
Family
ID=47369438
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201210316999.1A Active CN102842109B (zh) | 2012-08-30 | 2012-08-30 | 停车场服务水平量化分级的评价方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN102842109B (zh) |
Cited By (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103136804A (zh) * | 2013-01-15 | 2013-06-05 | 山西国强科技发展有限责任公司 | 灯光调制公路收费站服务满意测评系统装置 |
CN103150766A (zh) * | 2013-01-18 | 2013-06-12 | 山西国强科技发展有限责任公司 | 喇叭声检测公路收费站服务满意测评系统装置 |
CN104956183A (zh) * | 2013-01-26 | 2015-09-30 | 奥迪股份公司 | 用于提供关于停车位的信息的方法和导航装置 |
CN106373425A (zh) * | 2016-09-26 | 2017-02-01 | 湖北双可智能工程有限公司 | 一种基于大数据的停车管理系统 |
CN107680401A (zh) * | 2017-10-17 | 2018-02-09 | 长沙理工大学 | 一种基于区间二型模糊集合的停车位满意度的评价方法 |
CN108039045A (zh) * | 2017-12-14 | 2018-05-15 | 浙江警察学院 | 一种机动车管控方法和系统 |
CN108960465A (zh) * | 2018-06-29 | 2018-12-07 | 东南大学 | 一种考虑预期服务水平的停车场选择预约系统及方法 |
CN109583797A (zh) * | 2019-01-28 | 2019-04-05 | 吉林大学 | 一种面向停车生成率获取的商业综合体模糊聚类方法 |
CN110149500A (zh) * | 2019-05-24 | 2019-08-20 | 深圳市珍爱云信息技术有限公司 | 监控视频的处理方法、装置、设备和存储介质 |
CN110245847A (zh) * | 2019-05-29 | 2019-09-17 | 河海大学 | 一种基于停车场车位布局和车辆停车行为的评价方法 |
CN110352449A (zh) * | 2017-03-02 | 2019-10-18 | 本田技研工业株式会社 | 设施评价装置和设施评价方法 |
CN110598992A (zh) * | 2019-08-15 | 2019-12-20 | 同济大学 | 一种新停车需求规划方法 |
CN114049788A (zh) * | 2021-11-12 | 2022-02-15 | 城云科技(中国)有限公司 | 停车盲点识别方法、装置及电子装置、计算机程序产品 |
CN115394087A (zh) * | 2022-10-28 | 2022-11-25 | 苏州大学 | 一种停车资源供给缺口评价方法 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2003216950A (ja) * | 2002-01-28 | 2003-07-31 | Ricoh Co Ltd | パターンマッチングなどを行なうためのsimd型マイクロプロセッサ |
-
2012
- 2012-08-30 CN CN201210316999.1A patent/CN102842109B/zh active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2003216950A (ja) * | 2002-01-28 | 2003-07-31 | Ricoh Co Ltd | パターンマッチングなどを行なうためのsimd型マイクロプロセッサ |
Non-Patent Citations (1)
Title |
---|
蔡家明: "《城市停车场模糊评价研究》", 《上海工程技术大学学报》 * |
Cited By (21)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103136804B (zh) * | 2013-01-15 | 2015-09-16 | 山西国强科技发展有限责任公司 | 灯光调制公路收费站服务满意测评系统装置 |
CN103136804A (zh) * | 2013-01-15 | 2013-06-05 | 山西国强科技发展有限责任公司 | 灯光调制公路收费站服务满意测评系统装置 |
CN103150766A (zh) * | 2013-01-18 | 2013-06-12 | 山西国强科技发展有限责任公司 | 喇叭声检测公路收费站服务满意测评系统装置 |
CN103150766B (zh) * | 2013-01-18 | 2015-05-13 | 山西国强科技发展有限责任公司 | 喇叭声检测公路收费站服务满意测评系统装置 |
CN104956183A (zh) * | 2013-01-26 | 2015-09-30 | 奥迪股份公司 | 用于提供关于停车位的信息的方法和导航装置 |
CN104956183B (zh) * | 2013-01-26 | 2018-05-01 | 奥迪股份公司 | 用于提供关于停车位的信息的方法和导航装置 |
CN106373425A (zh) * | 2016-09-26 | 2017-02-01 | 湖北双可智能工程有限公司 | 一种基于大数据的停车管理系统 |
CN106373425B (zh) * | 2016-09-26 | 2018-11-13 | 湖北双可科技有限公司 | 一种基于大数据的停车管理系统 |
CN110352449A (zh) * | 2017-03-02 | 2019-10-18 | 本田技研工业株式会社 | 设施评价装置和设施评价方法 |
CN107680401A (zh) * | 2017-10-17 | 2018-02-09 | 长沙理工大学 | 一种基于区间二型模糊集合的停车位满意度的评价方法 |
CN108039045B (zh) * | 2017-12-14 | 2019-12-20 | 浙江警察学院 | 一种机动车管控方法和系统 |
CN108039045A (zh) * | 2017-12-14 | 2018-05-15 | 浙江警察学院 | 一种机动车管控方法和系统 |
CN108960465A (zh) * | 2018-06-29 | 2018-12-07 | 东南大学 | 一种考虑预期服务水平的停车场选择预约系统及方法 |
CN109583797A (zh) * | 2019-01-28 | 2019-04-05 | 吉林大学 | 一种面向停车生成率获取的商业综合体模糊聚类方法 |
CN110149500A (zh) * | 2019-05-24 | 2019-08-20 | 深圳市珍爱云信息技术有限公司 | 监控视频的处理方法、装置、设备和存储介质 |
CN110245847A (zh) * | 2019-05-29 | 2019-09-17 | 河海大学 | 一种基于停车场车位布局和车辆停车行为的评价方法 |
CN110245847B (zh) * | 2019-05-29 | 2022-08-05 | 河海大学 | 一种基于停车场车位布局和车辆停车行为的评价方法 |
CN110598992A (zh) * | 2019-08-15 | 2019-12-20 | 同济大学 | 一种新停车需求规划方法 |
CN114049788A (zh) * | 2021-11-12 | 2022-02-15 | 城云科技(中国)有限公司 | 停车盲点识别方法、装置及电子装置、计算机程序产品 |
CN114049788B (zh) * | 2021-11-12 | 2022-07-29 | 城云科技(中国)有限公司 | 停车盲点识别方法、装置及电子装置、计算机程序产品 |
CN115394087A (zh) * | 2022-10-28 | 2022-11-25 | 苏州大学 | 一种停车资源供给缺口评价方法 |
Also Published As
Publication number | Publication date |
---|---|
CN102842109B (zh) | 2016-12-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102842109A (zh) | 停车场服务水平量化分级的评价方法 | |
Parmar et al. | Study on demand and characteristics of parking system in urban areas: A review | |
CN108133613B (zh) | 一种实时发布路内停车服务指数方法及系统 | |
Wenneman et al. | Disaggregate analysis of relationships between commercial vehicle parking citations, parking supply, and parking demand | |
Zhang et al. | Charging demand prediction in Beijing based on real-world electric vehicle data | |
Dave et al. | Data monitoring for the assessment of on-street parking demand in CBD areas of developing countries | |
Levashev et al. | Modelling parking based trips | |
Al-Sahili et al. | Establishing parking generation rates/models of selected land uses for Palestinian cities | |
Larranaga et al. | The relationship between built environment and walking for different trip purposes in Porto Alegre, Brazil | |
Ranjbari et al. | Do parcel lockers reduce delivery times? Evidence from the field | |
Cheng et al. | Estimating the electric vehicle charging demand of multi-unit dwelling residents in the United States | |
CN110020799B (zh) | 一种基于时空基准的城管网格资源配置 | |
Najafi Moghaddam Gilani et al. | Investigation of bus special lane performance using statistical analysis and optimization of the signalized intersection delay by machine learning methods | |
Anderstig et al. | Congestion charges and labour market imperfections: wider economic benefits or losses? | |
Litman | Comprehensive Parking Supply, Cost and Pricing Analysis | |
Yankaya | Modeling the impacts of İzmir subway on the values of residential property using hedonic price model | |
Ghamami et al. | Electric Vehicle Charger Placement Optimization in Michigan: Phase II-Urban | |
Yang et al. | Exploring Factors Influencing the Proportion of E-hailing Taxi Trips: A Study Based on Fractional Response Model | |
Salanova et al. | Use of probe data generated by taxis | |
Edrissi et al. | Electric-vehicle car-sharing in one-way car-sharing systems considering depreciation costs of vehicles and chargers | |
Das et al. | A Methodology of Evaluating Urban Parking System: Case Study of Delhi | |
Manes et al. | Modeling the influence of land use developments on transportation system performance | |
Kattanh et al. | Estimating Parking Demand for Commercial Areas in Baghdad-Iraq. | |
Fu et al. | Urban Parking Characteristic Investigation and Parking System Evaluation: A Case Study in Xi’an | |
Yang et al. | A dynamic method to monitor public transport based on smart card and GPS Data |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant |