CN112950265A - 区域多停车场联合定价方法 - Google Patents

区域多停车场联合定价方法 Download PDF

Info

Publication number
CN112950265A
CN112950265A CN202110216553.0A CN202110216553A CN112950265A CN 112950265 A CN112950265 A CN 112950265A CN 202110216553 A CN202110216553 A CN 202110216553A CN 112950265 A CN112950265 A CN 112950265A
Authority
CN
China
Prior art keywords
parking
parking lot
driver
utility
rate
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.)
Pending
Application number
CN202110216553.0A
Other languages
English (en)
Inventor
张栋
丛龙泽
刘聪
徐洪峰
王仲
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Dalian University of Technology
Original Assignee
Dalian University of Technology
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Dalian University of Technology filed Critical Dalian University of Technology
Priority to CN202110216553.0A priority Critical patent/CN112950265A/zh
Publication of CN112950265A publication Critical patent/CN112950265A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0283—Price estimation or determination
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0201—Market modelling; Market analysis; Collecting market data
    • G06Q30/0206—Price or cost determination based on market factors
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services
    • G06Q50/26—Government or public services
    • G—PHYSICS
    • G07—CHECKING-DEVICES
    • G07B—TICKET-ISSUING APPARATUS; FARE-REGISTERING APPARATUS; FRANKING APPARATUS
    • G07B15/00—Arrangements or apparatus for collecting fares, tolls or entrance fees at one or more control points
    • G07B15/02—Arrangements or apparatus for collecting fares, tolls or entrance fees at one or more control points taking into account a variable factor such as distance or time, e.g. for passenger transport, parking systems or car rental systems

Landscapes

  • Business, Economics & Management (AREA)
  • Development Economics (AREA)
  • Strategic Management (AREA)
  • Engineering & Computer Science (AREA)
  • Finance (AREA)
  • Accounting & Taxation (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Economics (AREA)
  • Marketing (AREA)
  • Entrepreneurship & Innovation (AREA)
  • General Business, Economics & Management (AREA)
  • Tourism & Hospitality (AREA)
  • Game Theory and Decision Science (AREA)
  • Educational Administration (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Human Resources & Organizations (AREA)
  • Primary Health Care (AREA)
  • Data Mining & Analysis (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Traffic Control Systems (AREA)

Abstract

本发明属于交通领域中的停车场管理系统，涉及一种区域多停车场联合定价方法，具体是针对区域内以区域内停车场运营商收益最大和泊位平衡为目标的联合定价方法。基于驾驶员在信息和价格场景下的停车选择行为数据，建立融合可用泊位信息和费率因素的区域停车场选择行为模型，在此基础上，以停车费率作为决策变量，建立考虑泊位利用效率和停车场收益的双目标整数规划模型，利用序列二次规划算法求解最佳费率，最终实现区域内停车场泊位利用效率和停车场运营商的收益的共赢，促进城市停车行业健康发展。

Description

区域多停车场联合定价方法
技术领域
本发明属于交通领域中的停车场管理系统，涉及一种关于停车场收费的联合定价模型，具体是针对区域内以区域内停车场运营商收益最大和泊位平衡为目标的联合定价方法。
背景技术
随着人们生活水平的提升，城市机动车保有量激增，作为静态交通的重要组成部分，机动车停泊在城市交通系统中具有举足轻重的地位。当前的城市停车收费体系不够合理，传统定价方式存在局限性，不利于停车产业发展。我国实行的是政府定价和市场调节定价相结合机制。过去，政府在停车收费政策上占据主导地位：经营性停车场的收费主要由政府制定或者指导，少部分由市场决定。物价部门设置的停车价格偏低，使得停车经营者的经济效益较低，此外，私家车出行的成本偏低，对道路交通承载能力产生很大压力，使得停车收费政策无法发挥交通需求调控作用。近年来，政府简政放权，充分发挥价格杠杆作用，促进停车设施建设，提高停车资源配置效率，推动停车产业优化升级。这也使企业在平衡停车资源和提高经济收益方面都有了更加自由的空间。
针对以上问题和现状，本发明提出联合定价模式，目标是制定科学、合理的停车收费体系，引导出行者停车决策，缓解停车压力。
资源共享和容量共享是许多行业的常见合作方式。传统上被视为纯粹竞争对手的同一行业内的横向公司经常将其资源(部分)集中起来，通过充分利用规模经济以集体方式运营，以提供更好的服务。这种水平合作(竞争合作)可以充分利用稀缺资源、更好匹配供给和需求，从而提升经济效率。例如，航空业的三大联盟的公司(即Star、Sky Team和Oneworld)通过共享其销售平台和航班代码等进行合作，酒店会在客房爆满时把客户推荐给周边同行，而同一区域的零售商会从同一家厂商共同订货来节约总订货成本和库存成本，以降低不确定性的成本。这种合作是企业间运营层面的部分合作，不改变产权结构，所以不涉及反垄断等问题。类比地，在停车行业所属于不同经营者的停车场可以联合管理以达到更高的经济收益以及降低风险。一个区域内的停车场可以通过发放多个停车场共同使用的停车优惠券的形式，来保证所属群体的利益最大化。例如，当驾驶员去市中心的一个停车场发现没有泊位，该停车场可以通过电子码形式向该驾驶员推荐邻近仍有泊位的停车场。在这种横向合作中，利润的再分配问题将不在本发明中讨论，本发明确定的停车费率是停车场面向驾驶员的对外价格。
发明内容
本发明针对当前市场停车定价形式单一，泊位选择不均，收益尚有提升空间等问题，提出了联合定价模型。联合定价是指，停车场管理者拥有该地区多家停车场的经营权，但未拥有所有的停车场经营权，其经营的多家停车场总经济收益最大为其目标。
本发明的技术方案：
一种区域多停车场联合定价方法，
本发明构建的最优停车费率是通过求解双层规划模型得到，其中，下层模型是驾驶员停车选择行为模型，上层模型是多目标规划。在下层驾驶员停车选择行为模型中，驾驶员在进行停车选择时考虑多种因素，比如：经济因素、时间因素、信息因素，凭此构建效用函数最大化模型。在上层模型中，将多目标分割，即分别构建两个单目标上层函数，在不考虑另一目标的情况下单独分析最优停车费率。两个目标分别是考虑多种合作以及竞争模式下若干个停车场的总经济收益最大，以及区域内停车场泊位占有率尽可能均衡。
为了合理界定问题，本发明提出以下几点假设：
1)研究区域主要为城市中心区的需求旺盛的盈利性停车场。
2)停车时间小于等于24小时。
3)驾驶者可以获得停车费率信息，步行时间信息，预计可用泊位信息等。
4)每个驾驶者均为理性经济人，停车决策时综合考虑各停车场的停车费用、步行时间等要素，选择自己感知效用最大的出行方式。
5)研究对象均为小型车，每辆停放车辆接受相同的收费标准。
6)若目的地区域内停车费率高于其最大可接收费率则驾驶员放弃私家车出行。
7)停车场备选方案之间关系满足IIA特性。
8)驾驶员为下个定价周期内到达停车场的驾驶员。
驾驶员停车选择行为模型按如下步骤构建：
步骤1)向驾驶员发放意向调查问卷，问卷内容为：出行停车行为特征调查、停车选择行为影响因素调查、个人社会经济属性调查。
步骤2)数据处理及分析。为获得建模所需的正确数据，对数据进行进一步的剔除和处理。基于以下原则进行不合理数据的剔除：
1)回答时间小于120秒；
2)对于相同的个人经济属性问题，前后回答不一致；
3)始终选择某个选项。
步骤3)MNL模型。交通现象实际上是由个体出行产生的，个体出行往往伴随着连续决策。对于决策分析，最重要是使所研究现象的不确定性量化，并对可能出现的各种结果赋值。其中，不确定性的量化可以用各状态出现的概率来表示，满足随机效用理论，该理论在1977年由Manski提出。
效用最大化理论可以解释为若出行者n的出行选择方案集合为An，则选择方案集合An中对于方案j的效用为Ujn，j为不包括方案i在内的其他方案，出行者最终选择的出行方案i的效用为Uin，则选择出行方案i的条件是：
Uin≥Ujn,i≠j,i,j∈An
出行者个体是根据方案效用做出选择决策的最小单位，效用也会因为出行者特性或方案特性而产生变化，即为随机效用理论。随机效用理论中，固定效用V为可以被可观查要素所解释的部分；随机部分ε为没有被观测到的效用及误差所造成的影响。出行者最终选择的出行方案i的效用Uin可以表示为：
Uin＝Vin+εin
其中，
Vin——效用函数中固定项部分
εin——效用函数中概率项部分
结合效用最大化理论，选择概率Pin可以表示为：
Pin＝prob(Uin>Ujn,i≠j,j∈An)＝prob(Vin+εin>Ujn+εjn,i≠j,j∈An)
＝prob(εjn>Vin-Vjn+εin,i≠j,j∈An)
其中，
Figure BDA0002953982830000031
将效用函数线性表示，其公式如下：
Figure BDA0002953982830000032
其中，θk——待定系数
Xkin——第k个固定效用变量的特征值
采用MNL模型进行停车选择行为建模。MNL模型(Multinominal Logit Model)是Logit模型的基本形式，其效用的随机项相互独立且服从二重指数分布。Logit模型假设随机效用εin服从二重指数分布(Gumbel Distribution)，出行者n选择i的概率为Pin，由于服从Gumbel分布，则：
Figure BDA0002953982830000033
在MNL模型中，随机效用εin假设满足独立同分布。因此λ＝1，概率可以表示为：
Figure BDA0002953982830000034
步骤4)构建效用函数。驾驶员考虑停车场的各种特性，如停车费率、可用泊位数、步行时间等诸多因素，最终选择合适的停车场停放车辆。个人社会经济属性变量根据受访者的选择分布进行确定，依据分布平均性以及典型性作为标准。结合驾驶员本身的社会经济属性因素，对初步选出的17个停车设施选择影响因素进行赋值，停车选择影响因素自变量如表1所示。
表1：停车选择行为影响变量设置
Figure BDA0002953982830000041
以医院停车场作为参照项，则三种停车设施(医院停车场，商业中心停车场，商住两用停车场)的效用函数分别为：
医院停车场：
V1＝b1*Cost1+b2*Anum1+b3*Wtime1
商业中心停车场：
V2＝a1+b1*Cost2+b2*Anum2+b3*Wtime2+c1*Ptime+c3*Spurpose+c5*Wpurpose+d1*Gender+d3*Hsalary+d5*Ldyear+d7*Hdyear
商住两用停车场：
V3＝a2+b1*Cost3+b2*Anum3+b3*Wtime3+c2*Ptime+c4*Spurpose+c6*Wpurpose+d2*Gender+d4*Hsalary+d6*Ldyear+d8*Hdyear
定价流程如下：
步骤1)确定目标函数以及计算费率的目标停车场。本发明的目标函数为两个，分别是考虑多种合作以及竞争模式下若干个停车场的总经济收益最大，以及区域内停车场泊位占有率均衡。目标停车场考虑同一区域内的若干个相邻停车场。
步骤2)预测研究区域内的各个停车场的定价间隔内可用泊位数Anumk，驾驶员获得泊位信息，以及其他信息。预测可用泊位数通过LSTM-ARIMA组合预测方法实现。驾驶员获得泊位信息及其他信息通过意向调查获得。
步骤3)设定停车场的停车费率初始值Costk 0，将停车场容量限制设置为totalk，停车场的费率约束上下界分别为Costk max和Costk min。
步骤4)输入定价间隔内驾驶员的停车行为变量以及其他信息变量。
步骤5)运用序列二次规划算法求解最优停车费率Costk。序列二次规划的基本思想：将约束优化问题转化为求解一系列的二次规划问题。
步骤6)分析各项指标，衡量定价可行性。
本发明的有益效果：基于驾驶员在信息和价格场景下的停车选择行为数据，建立融合可用泊位信息和费率因素的区域停车场选择行为模型，在此基础上，以停车费率作为决策变量，建立考虑泊位利用效率和停车场收益的双目标整数规划模型，利用序列二次规划算法求解最佳费率，最终实现区域内停车场泊位利用效率和停车场运营商的收益的共赢，促进城市停车行业健康发展。
附图说明
图1为恒隆广场停车场在单独定价经营机制下的算法收敛曲线。
图2为星海商城停车场在单独定价经营机制下的算法收敛曲线。
图3为恒隆广场停车场和星海商城停车场在联合定价经营机制下的算法收敛曲线。
图4为恒隆广场停车场、星海商城停车场和医大一院停车场在联合定价经营机制下的算法收敛曲线。
具体实施方式
以下结合附图和技术方案，进一步说明本发明的具体实施方式。
实施例
步骤1)确定目标函数以及计算费率的目标停车场。本发明现以大连市西岗区医大一院停车场，恒隆广场停车场，星海医院停车场为例进行说明。表2和表3分别是停车场的基本信息和距离关系。
表2：停车场基本信息
序号 停车场名称 (经度，纬度) 停车场类型 总泊位数
1 恒隆广场停车场 (121.617,38.912) 商业停车场 104
2 星海商城停车场 (121.617,38.915) 商住两用停车场 241
3 医大一院停车场 (121.619,38.916) 医院停车场 361
表3：停车场间的距离关系
Figure BDA0002953982830000061
步骤2)向驾驶员发放意向调查问卷。
2.1)出行停车行为调查
该部分调查驾驶员最近一次停车行为的相关特征(停车时长、费率、停车场距目的地距离、可用泊位数)以及停车偏好。
2.2)停车选择行为影响因素调查
SP调查中，以三种典型停车场类型作为选择方案，第一类：医院停车场以及交通枢纽配套建设的停车场。该类停车场实行低收费政策，停车需求较大，分布比较离散。第二类：商业中心停车场，该类停车场停车收费总体水平较高，停车需求在特殊时间较大，聚集分布。第三类：住宅小区内的停车场以及商住两用停车场，收费价格总体偏低，停车需求规律性比较强，分布较多并较均匀。假设存在三个停车场对应三种类型：医院停车场，商业中心停车场，商住两用停车场。为了分析受访者的不同出行目的以及不同停车时间对停车场选择的影响，设置三种出行目的：医疗、娱乐购物、工作业务。
影响因素选取受访者在停车时最可能关心的三个因素：停车费率、预计可用泊位数、步行时间(从停车场到目的地所需要的步行时间)。让受访者在假定情景中，根据自己的偏好做出理性选择。
不同情况下各变量的水平值设计如表4所示。由于医院停车场与医疗目的特殊关联性等因素，若出行目的为就医，则从医院停车场步行到目的地的时间设置为2分钟；表中停车时间的0表示停车时间小于15分钟。为了与费率计费间隔相一致，设置0.5小时的步长。
表4：停车场特性变量及情景设置水平值
Figure BDA0002953982830000071
2.3)调查者社会经济属性调查
为了分析不同背景受访者的停车选择行为，进行个人基本属性调查，便于对个体的差异性甄别。主要包括受访者的性别、年龄、月收入、驾龄。其中调查对象以大连市调查者为主，月收入选项根据大连市市民收入分布确定。
步骤3)数据处理及分析。本次调查共回收问卷395份，筛选后得到有效问卷208份。问卷有效率52.7％。每份问卷中含有10个SP问题，则得到2080份SP有效问卷；以下分析皆以本次调查所得有效数据为基础。在调查对象中，性别比例接近1:1，超过80％的调查对象年龄分布在30岁以上，比较符合当前社会的驾车人群年龄分布。驾驶年龄和月收入分布也比较均匀，说明问卷设计以及发放的对象都比较合理。关于因素影响度分析，调查驾驶员对停车费率，停车场与目的地之间距离，可用泊位数对停车选择的影响，分别设置5个水平，完全不重要，不重要，一般，重要，很重要。调查发现受访者对停车费率，距离与可用泊位数是比较看重的，50％左右的人认为这三个因素“很重要”，认为这三个因素“一般”的受访者人数在停车费率、距离与可用泊位数中是递减的。
步骤4)采用MNL模型进行停车选择行为建模。利用SP调查筛选出的2080条停车选择行为进行分析。运用R语言软件进行MNL模型标定，模型标定结果见表5，z值是对模型参数的检验。参数估计值的正负代表对停车设施的选择倾向(正表示相对于参考项，该变量可以促进决策者选择该停车设施，反则相反)。可以看出，常数项，停车费率，可用泊位数，步行时间，停车时间，出行目的，高收入人群可以显著的影响决策者对停车设施的选择，而且变量的正负性也比较符合实际。因此MNL可以比较好地刻画驾驶员的停车选择行为。
表5：MNL模型参数标定结果
Figure BDA0002953982830000081
步骤4)医大一院停车场(停车场1)、恒隆广场停车场(停车场2)、星海商城停车场(停车场3)的选择效用函数分别为：
V1＝-0.299*Cost1+0.029*Anum1-0.133*Wtime1
V2＝-1.491-0.299*Cost2+0.029*Anum2-0.133*Wtime2+0.120*Ptime+0.572*Spurpose+1.073*Wpurpose-0.067*Gender-0.512*Hsalary-0.072*Ldyear+0.182*Hdyear
V3＝-1.796-0.299*Cost3+0.029*Anum3-0.133*Wtime3+0.085*Ptime+2.038*Spurpose+1.360*Wpurpose-0.032*Gender-0.124*Hsalary-0.170*Ldyear+0.123*Hdyear
由于驾驶员对于停车场的可用泊位数的敏感度是随着可用泊位数的增加而减小的，因此构建模型时规定当可用泊位数大于20时，驾驶员不会因为可用泊位数增加方案的选择概率，更接近现实判断。将效用函数带入概率方程可分别得到第i个人对停车场1，停车场2，停车场3的选择概率分别为P1i,P2i,P3i。
Figure BDA0002953982830000091
步骤5)设定停车场的停车费率初始值Costk 0，将停车场容量限制设置为totalk，停车场的费率约束上下界分别为Costk max和Costk min。
步骤6)输入定价间隔内驾驶员的停车行为变量以及其他信息变量。本例通过描述性统计分析，更直观了解输入数据的结构与特点，结果见表6。表6显示输入数据的各个变量的取值范围和平均值以及波动情况。特别地，驾驶员最大可接收费率Mapi＝3占比为39.0％，说明3元/辆*半小时可能是一个临界点。
表6：驾驶员数据的描述性统计
Figure BDA0002953982830000092
步骤5)运用序列二次规划算法求解最优停车费率Costk。序列二次规划中收敛参数ε＝10-6。
实施结果
表7为不同经营机制的停车定价结果，其中，Costk表示第k个停车场的停车费率；mk表示第k个停车场的停车总数；PreAnumk表示第k个停车场的预计可用泊位数；Avgtimewalk表示平均步行时间；Ork表示停车场k的泊位占有率。
在独立经营体制下，本发明确定的某一停车场的最优停车费率是在其他停车场费率已知并且不变化的情况下得到的。分别以停车场2(K＝2)、停车场3(K＝3)为目标确定最优费率。由于停车场1设定类型为医院停车场，公共服务设施是由政府设定的，其设立目的不仅仅是盈利，更多的是为社会服务。因此在独立经营体制下，不分析该类停车设施的最优费率，设立原本费率为固定值(Costk＝1＝1.0元/辆*半小时)。另外，某停车场的停车费率是在其他停车场的费率确定的情况下而求解得出，所以当分别以停车场2以及停车场3的经济收益最大化为目标函数时，相应的停车场3以及停车场2的停车费率是固定的，由于本研究以不产生车辆巡游停车为前提，因此停车场的停车费率满足使得每个停车场的停车数小于泊位容量的限制。
以停车场2经济收益最大化为目标时，求解得停车场2的最优费率是2.44元/辆*半小时。模型求解后得到每个停车场的预计停车数分别是28辆、61辆、11辆。除此之外，由于停车费用超过最大承受限度而选择放弃驾车出行的人数为0人(mk＝0＝0)。经过计算，在设置的情境下，停车场的可用泊位数分别39个、1个、17个，泊位占有率分别是89.2％、99.0％、93.5％，计算停车经济收益分别为151.0元，324.7元，66.5元，驾驶人从停车场到目的地的平均步行时间为4.13分钟。以停车场3经济收益最大化为目标的结果见表7。
在联合经营体制下，以停车场2与停车场3为联合经营主体，即，以停车场2与停车场3的总经济收益最大化为目标函数确定停车费率。停车场1设定为医院停车场停车费率为固定值1元/辆*半小时，求解得停车场2的最优费率是2.74元/辆*半小时，停车场3费率设定为4.90元/辆*半小时。每个停车场的预计停车数分别为34辆、60辆、6辆。除此之外，由于停车费用超过最大承受限度而选择放弃驾车出行的人数为0人。停车场的可用泊位数分别为33个、2个、22个，泊位占有率分别是90.9％，98.1％，91.6％。停车场1经济收益为161.0元，停车场2与停车场3的总经济收益为395.07元，驾驶员从停车场到目的地平均步行时间为4.09分钟。
对比独立经营体制，以联合经营停车场2与停车场3总经济收益最大化为目标时，停车场2与停车场3的总经济收益大于独立经营体制下的双方总经济收益，而停车场1的总收益要小于以停车场3收益优化为目标时的收益，但大于以停车场2收益优化为目标时的收益。平均步行时间大于以停车场3收益优化为目标时的步行时间，小于以停车场2收益优化为目标时的步行时间。以停车场3收益优化为目标时的泊位占有率比以停车场2收益优化为目标时的泊位占有率以及联合经营时的泊位占有率更均衡。在两种经营体制下，都没有放弃驾车出行的出行者，究其原因是停车场1的停车费率低于所有人的最大可接收费率，因而驾驶员不会放弃驾车出行。
表7：不同经营机制的停车定价结果
Figure BDA0002953982830000101
Figure BDA0002953982830000111
以泊位利用均衡为目标的停车定价结果如表8所示，结果表明三个停车场的定价分别为0.50，2.50，4.10元/辆*元，在该停车费率体系下，三个停车场的泊位占有率调整为92.52％，92.31％，91.57％，泊位占有率十分接近，对比原始定价方案的泊位占有率，85.60％，91.35％，101.53％，调整后的泊位占有率要明显比定价前的泊位占有率均衡，而且没有产生泊位不足而造成巡游的情况。因此该结果显示改模型可达到本发明的初步目的，均衡化泊位资源。在该停车费率体系下，三个停车场停车数为40，54，6辆车，由于停车费用超过驾驶员的最大承受限度而选择放弃驾车出行的人数为0人，经过计算，在设置的情境下，停车场的可用泊位数分别27，8，22，计算停车收益分别为97.0元，220.0元，53.3元，驾驶员从停车场到目的地平均步行时间为4.02分钟。
表8：原始定价方案与泊位利用均衡化的结果
Figure BDA0002953982830000112

Claims (1)

1.一种区域多停车场联合定价方法，其特征在于，步骤如下：
(1)构建的最优停车费率是通过求解双层规划模型得到，其中，下层模型是驾驶员停车选择行为模型，上层模型是多目标规划；在下层驾驶员停车选择行为模型中，驾驶员在进行停车选择时考虑多种因素：经济因素、时间因素、信息因素，凭此构建效用函数最大化模型；在上层模型中，将多目标分割，即分别构建两个单目标上层函数，在不考虑另一目标的情况下单独分析最优停车费率；两个目标分别是考虑多种合作以及竞争模式下若干个停车场的总经济收益最大，以及区域内停车场泊位占有率尽可能均衡；
(2)为了合理界定问题，提出以下几点假设：
1)研究区域主要为城市中心区的需求旺盛的盈利性停车场；
2)停车时间小于等于24小时；
3)驾驶者可获得停车费率信息、步行时间信息和预计可用泊位信息；
4)每个驾驶者均为理性经济人，停车决策时综合考虑各停车场的停车费用、步行时间要素，选择自己感知效用最大的出行方式；
5)研究对象均为小型车，每辆停放车辆接受相同的收费标准；
6)若目的地区域内停车费率高于其最大可接收费率则驾驶员放弃私家车出行；
7)停车场备选方案之间关系满足IIA特性；
8)驾驶员为下个定价周期内到达停车场的驾驶员；
(3)驾驶员停车选择行为模型按如下步骤构建：
步骤1)向驾驶员发放意向调查问卷，问卷内容为：出行停车行为特征调查、停车选择行为影响因素调查、个人社会经济属性调查；
步骤2)数据处理及分析；为获得建模所需的正确数据，对数据进行进一步的剔除和处理；基于以下原则进行不合理数据的剔除：
1)回答时间小于120秒；
2)对于相同的个人经济属性问题，前后回答不一致；
3)始终选择某个选项；
步骤3)MNL模型；交通现象实际上是由个体出行产生的，个体出行往往伴随着连续决策；对于决策分析，最重要是使所研究现象的不确定性量化，并对可能出现的各种结果赋值；其中，不确定性的量化用各状态出现的概率来表示，满足随机效用理论；
效用最大化理论可解释为若出行者n的出行选择方案集合为An，则选择方案集合An中对于方案j的效用为Ujn，j为不包括方案i在内的其他方案，出行者最终选择的出行方案i的效用为Uin，则选择出行方案i的条件是：
Uin≥Ujn,i≠j,i,j∈An
随机效用理论中，固定效用V为被可观查要素所解释的部分；随机部分ε为没有被观测到的效用及误差所造成的影响；出行者最终选择的出行方案i的效用Uin表示为：
Uin＝Vin+εin
其中，Vin为效用函数中固定项部分，εin为效用函数中概率项部分；
结合效用最大化理论，选择概率Pin表示为：
Pin＝prob(Uin>Ujn,i≠j,j∈An)＝prob(Vin+εin>Ujn+εjn,i≠j,j∈An)
＝prob(εjn>Vin-Vjn+εin,i≠j,j∈An)
其中，0≤Pin≤1,
Figure FDA0002953982820000021
将效用函数线性表示，其公式如下：
Figure FDA0002953982820000022
其中，θk为待定系数，Xkin为第k个固定效用变量的特征值；
采用MNL模型进行停车选择行为建模；MNL模型是Logit模型的基本形式，其效用的随机项相互独立且服从二重指数分布；Logit模型假设随机效用εin服从二重指数分布，出行者n选择i的概率为Pin，由于服从Gumbel分布，则：
Figure FDA0002953982820000023
在MNL模型中，随机效用εin假设满足独立同分布；因此λ＝1，概率表示为：
Figure FDA0002953982820000024
步骤4)构建效用函数；驾驶员考虑停车场的各种特性，最终选择合适的停车场停放车辆；个人社会经济属性变量根据受访者的选择分布进行确定，依据分布平均性以及典型性作为标准；结合驾驶员本身的社会经济属性因素，对初步选出的17个停车设施选择影响因素进行赋值，停车选择影响因素自变量如表1所示；
表1：停车选择行为影响变量设置
Figure FDA0002953982820000031
以医院停车场作为参照项，则三种停车设施：医院停车场，商业中心停车场，商住两用停车场的效用函数依次为：
V1＝b1*Cost1+b2*Anum1+b3*Wtime1
V2＝a1+b1*Cost2+b2*Anum2+b3*Wtime2+c1*Ptime+c3*Spurpose+c5*Wpurpose+d1*Gender+d3*Hsalary+d5*Ldyear+d7*Hdyear
V3＝a2+b1*Cost3+b2*Anum3+b3*Wtime3+c2*Ptime+c4*Spurpose+c6*Wpurpose+d2*Gender+d4*Hsalary+d6*Ldyear+d8*Hdyear
(4)定价流程如下：
步骤1)确定目标函数以及计算费率的目标停车场；本发明的目标函数为两个，分别是考虑多种合作以及竞争模式下若干个停车场的总经济收益最大，以及区域内停车场泊位占有率均衡；目标停车场考虑同一区域内的若干个相邻停车场；
步骤2)预测研究区域内的各个停车场的定价间隔内可用泊位数Anumk，驾驶员获得泊位信息，以及其他信息；预测可用泊位数通过LSTM-ARIMA组合预测方法实现；驾驶员获得泊位信息及其他信息通过意向调查获得；
步骤3)设定停车场的停车费率初始值Costk 0，将停车场容量限制设置为totalk，停车场的费率约束上下界分别为Costk max和Costk min；
步骤4)输入定价间隔内驾驶员的停车行为变量以及其他信息变量；
步骤5)运用序列二次规划算法求解最优停车费率Costk；序列二次规划的基本思想：将约束优化问题转化为求解一系列的二次规划问题；
步骤6)分析各项指标，衡量定价可行性。
CN202110216553.0A 2021-02-26 2021-02-26 区域多停车场联合定价方法 Pending CN112950265A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110216553.0A CN112950265A (zh) 2021-02-26 2021-02-26 区域多停车场联合定价方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110216553.0A CN112950265A (zh) 2021-02-26 2021-02-26 区域多停车场联合定价方法

Publications (1)

Publication Number Publication Date
CN112950265A true CN112950265A (zh) 2021-06-11

Family

ID=76246384

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110216553.0A Pending CN112950265A (zh) 2021-02-26 2021-02-26 区域多停车场联合定价方法

Country Status (1)

Country Link
CN (1) CN112950265A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114049003A (zh) * 2021-11-11 2022-02-15 江苏越捷智能停车系统有限公司 一种基于信息流并联的智能停车库管控方法及系统
CN114119075A (zh) * 2021-11-10 2022-03-01 东南大学 一种大型综合体配建停车场内差异化定价策略制定方法

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114119075A (zh) * 2021-11-10 2022-03-01 东南大学 一种大型综合体配建停车场内差异化定价策略制定方法
CN114119075B (zh) * 2021-11-10 2024-06-28 东南大学 一种大型综合体配建停车场内差异化定价策略制定方法
CN114049003A (zh) * 2021-11-11 2022-02-15 江苏越捷智能停车系统有限公司 一种基于信息流并联的智能停车库管控方法及系统

Similar Documents

Publication Publication Date Title
Simic et al. An integrated CRITIC and MABAC based type-2 neutrosophic model for public transportation pricing system selection
Chu et al. The last mile matters: Impact of dockless bike sharing on subway housing price premium
CN108596727A (zh) 一种共享单车的管理与决策方法
Qin et al. Nested logit model formation to analyze airport parking behavior based on stated preference survey studies
CN112070355A (zh) 一种机场摆渡车的分配调度方法
Li et al. Modeling departure time choice of metro passengers with a smart corrected mixed logit model-a case study in Beijing
Szeto et al. A time-dependent logit-based taxi customer-search model
CN112950265A (zh) 区域多停车场联合定价方法
Zhu et al. Understanding the spatiotemporal patterns of public bicycle usage: A case study of Hangzhou, China
Ji et al. Optimal allocation of shared parking spaces for hospital parkers considering parking choice behavior under bounded rationality
Ratrout et al. A review of mode choice modelling techniques for intra-city and border transport
Tian et al. A Long‐Term Shared Autonomous Vehicle System Design Problem considering Relocation and Pricing
Gonzales et al. Optimizing ADA Paratransit Operation with Taxis and Ride Share Programs
Xue et al. Parking space reservation behavior of car travelers from the perspective of bounded rationality: a case study of nanchang city, China
Kressner et al. Lifestyle segmentation variables as predictors of home-based trips for Atlanta, Georgia, airport
CN111275305B (zh) 一种高峰时段传统出租车和网约车服务的公平评估方法
Berrada et al. Demand modelling of autonomous shared taxis mixed with scheduled transit
CN114119075B (zh) 一种大型综合体配建停车场内差异化定价策略制定方法
CN115829286A (zh) 一种考虑出行者个性需求偏好的动态停车推荐方法
Veve et al. Demand-driven optimization method for microtransit services
Chen et al. User characteristics and service satisfaction of car sharing systems: Evidence from Hangzhou, China
Huang et al. To share or not to share? Revealing determinants of individuals’ willingness to share rides through a big data approach
Hong et al. Dynamic shared parking for private vehicles in central business districts
Daisy Microsimulation of activity participation, tour complexity, and mode choice within an activity-based travel demand model system
Tian et al. A SITING URBAN TAXI STATIONS MODEL BASED ON SPATIAL-TEMPORAL ORIGIN-DESTINATION DATA

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination