CN113380071B - 一种面向大型综合体的车位级停车需求状态评价方法 - Google Patents
一种面向大型综合体的车位级停车需求状态评价方法 Download PDFInfo
- Publication number
- CN113380071B CN113380071B CN202110713139.0A CN202110713139A CN113380071B CN 113380071 B CN113380071 B CN 113380071B CN 202110713139 A CN202110713139 A CN 202110713139A CN 113380071 B CN113380071 B CN 113380071B
- Authority
- CN
- China
- Prior art keywords
- parking
- parking space
- average
- ith
- index
- 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.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/14—Traffic control systems for road vehicles indicating individual free spaces in parking areas
- G08G1/145—Traffic control systems for road vehicles indicating individual free spaces in parking areas where the indication depends on the parking areas
- G08G1/146—Traffic control systems for road vehicles indicating individual free spaces in parking areas where the indication depends on the parking areas where the parking area is a limited parking space, e.g. parking garage, restricted space
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Data Mining & Analysis (AREA)
- Theoretical Computer Science (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Algebra (AREA)
- Pure & Applied Mathematics (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明公开了一种面向综合体的车位级停车需求状态评价方法,包括以下步骤:根据评价需求,确定准则层的研究目标为单一目标或多目标;根据准则层中的各目标,选定指标层的计算指标,并依照车位逐一计算各指标;根据变量类型,采取对应的归一化模型,进行计算;采用评价模型对车位级停车需求状态进行评价;基于车位级评价结果,对区域级停车需求状态进行评价;根据区域级停车需求状态评价均值,识别区域中低水平状态停车位。本发明为综合体车位级停车需求的精细化研究提供支撑,是适用于城市综合体不断增加背景下的车位级停车需求状态评价与分析的新手段。
Description
技术领域
本发明属于停车需求管理技术,具体为一种面向大型综合体的车位级停车需求状态评价方法。
背景技术
目前,我国土地呈高密度集约化利用,城市综合体数量不断增加。由于综合体停车场规模大、空间复杂,出行者寻泊和进出停车场困难,具有位置差异的停车位利用率不同,部分车位停车资源未得到充分利用。当前,以单车位粒度的停车需求时空特性规律研究尚不充分,车位级需求状态评价指标尚不全面,限制了停车场内运行秩序和资源利用率的提升。进一步加深车位级停车需求的精细研究,可以为停车者便捷寻泊提供理论依据,为场内差异化收费等需求管理策略提供方案建议,为推动停车场内需求分布的均衡性和合理性提供判断工具与参考。
传统停车需求评价主要面向停车场,极少考虑停车位之间的时空特征差异,而车位级的管控技术是现代化科技装备发展的发力方向,大型综合体停车场服务的对象多,涉及的相关主体多,包括停放者、经营者、管理者等,其评价目标差异大,包括满足停放需求的交通要求、增加停车场运营收益和效益的经济性要求、提升停放者满意度的服务要求等。
具体来说,对于停放者而言,需求状态运行良好的泊位需要停放便利、步行距离短,停放后周围的进入设施便于寻找、距离使用者期望的进入设施位置近等等,即具备用户端的便利性要求。
对于经营者而言,从收益方面经营者希望综合体停车场内的资源利用率高,即泊位占有率、周转率较高,停放间隔较短;另外,综合体由于其集约性和功能复合性,综合体日服务活跃人群量大,从满足更多停车需求角度分析,经营者希望车位不被长时占用,即具备效率性的要求。
对于管理者而言,从管理难度分析,在时间上,无论是一天内、工作日与节假日,管理人员希望空间范围内,泊位的占有率、周转率波动性小,不同时段泊位的使用情况较为恒定、变化均衡,使用者停放行为具有驶入和驶离的一致性,从而不易产生停车内部交通网络的拥堵,降低停车场管理难度;在空间上,不希望出现热度很低即冷点的泊位和停车片区,从而达到停车场利用的最大化,即具备均衡性的要求。
因此,从多角度、多维度探究描述和表征综合体停车场需求运行状态水平的指标,选取合理的评价方法确定各指标权重,提出基于车位级的综合体停车场需求状态评价方法,以获得量化工具与标尺,实现泊位之间、区域之间、停车场之间以及不同时刻的综合体停车需求状态的对比与评价,是当前大型综合体停车资源车位级精细化管理中亟待研究的关键技术。
发明内容
本发明的目的在于提供了一种面向大型综合体的车位级停车需求状态评价方法,以解决传统停车需求评价方法难以应对复杂时空背景和停放环境下,评价车位级停车需求状态的问题。
实现本发明目的的技术方案为:一种面向综合体的车位级停车需求状态评价方法,包括以下步骤:
步骤1、根据分析需要,判断服务对象,确定服务对象的准则层分析目标,所述准则层分析目标包括便利性、效率性和均衡性;
步骤2、根据准则层分析目标,选定指标层的具体计算指标,对每个停车位逐一计算每个计算指标;
步骤3、根据选定的计算指标,判断其指标类型,并采用相应变量归一化计算方法计算归一化后的指标结果;
步骤4、根据停车位的各项计算指标结果,综合运用评价模型,评价大型综合体车位级停车需求状态;
步骤5、根据大型综合体车位级停车需求状态和停车位分区特征,建立面向大型综合体的区域停车需求平均状态计算模型,评价大型综合体区域级停车需求状态;
步骤6、根据车位级和区域级停车需求状态以及设定的低水平阈值,识别区域内低水平车位。
优选地,所述便利性目标的具体计算指标包括平均寻泊距离和平均步行距离,效率性目标的具体计算指标包括全天小时平均占有率、全天小时平均周转数、综合效率值和长时占用比例,均衡性目标的具体计算指标包括占有率标准差、占有率自相关指数、周转数标准差和周转数自相关指数。
优选地,步骤2中平均寻泊距离计算模型为:
其中,Cdisi表示第i个停车位的平均寻泊距离,m是停车场建设出入口总数,cfv是第v个出入口的驶入车辆数,cf是m个出入口驶入车辆数总和,cwv是第v个出入口的权重,clv,i是第v个出入口到第i个停车位的寻泊距离,i取1,2,3,…,N,i代表停车位序号,v取1,2,3,…,m,v代表停车场建设出入口序号,N为停车位总数;
平均步行距离计算模型为:
其中,Wdisi表示第i个停车位的平均步行距离,n是停车场建设进入设施总数,N为停车位总数,wfr是第r个进入设施的进入客流数,wf是n个进入设施的进入客流数总和,wwr是第r个进入设施的权重,wli,r是第i个停车位到第r个出入口的步行距离,所述i取1,2,3,…,N,i代表停车位序号。所述r取1,2,3,…,n,r代表停车场建设进入设施序号;
全天小时平均占有率计算模型为:
其中,xi表示第i个停车位全天小时平均占有率,xi,k是第i个停车位在第k个小时内的停放占有率,t是调查统计的小时数,i代表停车位序号,所述k取1,2,3,…,t,k代表调查统计小时的序号;
全天小时平均周转数计算模型为:
其中,yi表示第i个停车位全天小时平均周转数,yi,k是第i个停车位在第k个小时内的停放周转数,t是调查统计的小时数,N为停车位总数,所述k取1,2,3,…,t,k代表调查统计小时的序号;
综合效率值计算模型为:
其中,Effi表示第i个停车位的综合效率值,xi表示第i个停车位全天小时平均占有率,yi表示第i个停车位全天小时平均周转数,pti表示第i个停车位全天平均停放时间间隔,Z(xi)是xi的归一化函数,xmax表示xi中最大值,xmin表示xi中最小值,Z(yi)是yi的归一化函数,ymax表示yi中最大值,ymin表示yi中最小值,Z(pti)是pti的归一化函数,ptmax表示pti中最大值,ptmin表示pti中最小值,N为停车位总数;
长时占用比例计算模型为:
其中,LPi表示第i个停车位的长时占用比例,mpi表示第i个停车位的全天长时停放次数,pi表示第i个停车位的全天总停放次数;
占有率标准差计算模型为:
其中,Occi表示第i个停车位的占有率标准差,xi,k是第i个停车位在第k个小时内的停放占有率,xi是第i个停车位全天小时平均占有率,t是调查统计的小时数,N为停车位总数;所述k取1,2,3,…,t,k代表调查统计小时的序号;
占有率自相关指数计算模型为:
其中,OccRi表示第i个停车位的占有率自相关指数,xj是第j个停车位全天小时平均占有率,是所有停车位的全天小时平均占有率的均值,wi,j表示第i个停车位和第j个停车位的空间位置关系权重S1为计算结果表义符,j取1,2,3,…,N,j代表停车位序号;
周转数标准差计算模型为:
其中,Turi表示第i个停车位的周转数标准差,yi,k是第i个停车位在第k个小时内的停放周转数,yi是第i个停车位全天小时平均周转数,t是调查统计的小时数,N为停车位总数,k取1,2,3,…,t,k代表调查统计小时的序号;
周转数自相关指数计算模型为:
其中,TurRi表示第i个停车位的周转数自相关指数,yj是第j个停车位全天小时平均周转数,是所有停车位的全天小时平均周转数的均值,wi,j表示第i个停车位和第j个停车位的空间位置关系权重。S2为计算结果表义符。
优选地,步骤3中变量归一化计算模型为:
其中,STiu表示第i个停车位的第u个指标的归一化值,siu表示第i个停车位的第u个指标的计算值,max{su}表示所有停车位的第u个指标中的最大值,min{su}表示所有停车位的第u个指标中的最小值,su0表示第u个指标的最优适中值,min{su}<su0<max{su},N为停车位总数,P为指标总数;所述u取1,2,3,…,P,u代表指标序号。
优选地,步骤5中区域停车需求平均状态计算模型为:
优选地,所述服务对象包括使用者、管理者和经营者。
本发明与现有技术相比,其显著优点为:本发明旨在综合考虑包括停放者、经营者、管理者等在内的多主体的差异性评价目标,从多角度、多维度探究描述和表征大型综合体停车场需求运行状态水平的指标,以获得量化工具与标尺,实现泊位之间、区域之间、停车场之间以及不同时刻的综合体停车需求状态的系统性对比与评价;
因此,通过本发明,可以支撑复杂时空背景和停放环境下车位级停车需求的精细化研究,可以为停车者便捷寻泊提供理论依据,清晰化管理者对车位需求的状态判断,为场内差异化收费等需求管理策略提供方案建议,为推动停车场内需求分布的均衡性和合理性提供判断工具与参考。
附图说明
图1为本发明的流程图。
具体实施方式
下面结合附图和具体实施例,进一步阐明本发明,应理解这些实例仅用于说明本发明而不用于限制本发明的范围,在阅读了本发明之后,本领域技术人员对本发明的各种等价形式的修改均落于本申请所附权利要求所限定的范围。
如图1所示,一种面向大型综合体的车位级停车需求状态评价方法,包括以下步骤:
步骤1、根据分析需要,判断服务对象,所述服务对象包括使用者、管理者和经营者等,确定服务对象的准则层分析目标,所述准则层分析目标包括便利性、效率性和均衡性等;
步骤2、根据准则层分析目标,选定指标层的具体计算指标,便利性目标的具体计算指标包括平均寻泊距离和平均步行距离等,效率性目标的具体计算指标包括全天小时平均占有率、全天小时平均周转数、综合效率值和长时占用比例等,均衡性目标的具体计算指标包括占有率标准差、占有率自相关指数、周转数标准差和周转数自相关指数等,对每个停车位逐一计算每个计算指标;
进一步的实施例中,各指标的计算模型为:
所述平均寻泊距离计算模型为:
其中,Cdisi表示第i个停车位的平均寻泊距离,m是停车场建设出入口总数,cfv是第v个出入口的驶入车辆数,cf是m个出入口驶入车辆数总和,cwv是第v个出入口的权重,clv,i是第v个出入口到第i个停车位的寻泊距离,i取1,2,3,…,N,i代表停车位序号,v取1,2,3,…,m,v代表停车场建设出入口序号,N为停车位总数。
所述平均步行距离计算模型为:
其中,Wdisi表示第i个停车位的平均步行距离,n是停车场建设进入设施总数,N为停车位总数,wfr是第r个进入设施的进入客流数,wf是n个进入设施的进入客流数总和,wwr是第r个进入设施的权重,wli,r是第i个停车位到第r个出入口的步行距离,所述i取1,2,3,…,N,i代表停车位序号。所述r取1,2,3,…,n,r代表停车场建设进入设施序号。
所述全天小时平均占有率计算模型为:
其中,xi表示第i个停车位全天小时平均占有率,xi,k是第i个停车位在第k个小时内的停放占有率,例如7:00-7:59间停车位被占用36分钟,则该小时内的停放占有率为0.6,t是调查统计的小时数,N为停车位总数。所述i取1,2,3,…,N,i代表停车位序号。所述k取1,2,3,…,t,k代表调查统计小时的序号。
所述全天小时平均周转数计算模型为:
其中,yi表示第i个停车位全天小时平均周转数,yi,k是第i个停车位在第k个小时内的停放周转数,例如7:00-7:59间停车位陆续被2辆新驶入车辆占用,则该小时内的停放周转数为2,t是调查统计的小时数,N为停车位总数。所述i取1,2,3,…,N,i代表停车位序号。所述k取1,2,3,…,t,k代表调查统计小时的序号。
所述综合效率值计算模型为:
其中,Effi表示第i个停车位的综合效率值,xi表示第i个停车位全天小时平均占有率,yi表示第i个停车位全天小时平均周转数,pti表示第i个停车位全天平均停放时间间隔,停放时间间隔是指上一辆车辆离开到下一辆车辆到达之间的时间差,全天平均停放时间间隔是单车位全天所有停放时间间隔的平均值。Z(xi)是xi的归一化函数,xmax表示xi中最大值,xmin表示xi中最小值,Z(yi)是yi的归一化函数,ymax表示yi中最大值,ymin表示yi中最小值,Z(pti)是pti的归一化函数,ptmax表示pti中最大值,ptmin表示pti中最小值,N为停车位总数。所述i取1,2,3,…,N,i代表停车位序号。
所述长时占用比例计算模型为:
其中,LPi表示第i个停车位的长时占用比例,mpi表示第i个停车位的全天长时停放次数,例如单次停放超过3个小时的次数,pi表示第i个停车位的全天总停放次数,N为停车位总数。所述i取1,2,3,…,N,i代表停车位序号。
所述占有率标准差计算模型为:
其中,Occi表示第i个停车位的占有率标准差,xi,k是第i个停车位在第k个小时内的停放占有率,xi是第i个停车位全天小时平均占有率,t是调查统计的小时数,N为停车位总数。所述i取1,2,3,…,N,i代表停车位序号。所述k取1,2,3,…,t,k代表调查统计小时的序号。
所述占有率自相关指数计算模型为:
其中,OccRi表示第i个停车位的占有率自相关指数,xj是第j个停车位全天小时平均占有率,是所有停车位的全天小时平均占有率的均值,wi,j表示第i个停车位和第j个停车位的空间位置关系权重,例如取两个停车位几何形状的质心间欧几里得距离的倒数值。N为停车位总数。S1为计算结果表义符。所述i取1,2,3,…,N,i代表停车位序号。所述j取1,2,3,…,N,j代表停车位序号。
所述周转数标准差计算模型为:
其中,Turi表示第i个停车位的周转数标准差,yi,k是第i个停车位在第k个小时内的停放周转数,yi是第i个停车位全天小时平均周转数,t是调查统计的小时数,N为停车位总数。所述i取1,2,3,…,N,i代表停车位序号。所述k取1,2,3,…,t,k代表调查统计小时的序号。
所述周转数自相关指数计算模型为:
其中,TurRi表示第i个停车位的周转数自相关指数,yj是第j个停车位全天小时平均周转数,是所有停车位的全天小时平均周转数的均值,wi,j表示第i个停车位和第j个停车位的空间位置关系权重,例如取两个停车位几何形状的质心间欧几里得距离的倒数值。N为停车位总数。S2为计算结果表义符。所述i取1,2,3,…,N,i代表停车位序号。所述j取1,2,3,…,N,j代表停车位序号。
步骤3、根据选定的计算指标,判断其指标类型,即根据指标大小与有益性的对应关系,指标可分为正向型指标、负向型指标和适中型指标。正向型指标为指标越大越好,即指标越大效益越大;负向型指标为指标越小越好,即指标越小效益越大;适中型指标是指指标在某一个范围值内为好,不宜过大或过小。根据具体指标类型,采用相应的变量归一化计算方法计算指标结果;
进一步的实施例中,变量归一化计算模型为:
其中,STiu表示第i个停车位的第u个指标的归一化值,siu表示第i个停车位的第u个指标的计算值,max{su}表示所有停车位的第u个指标中的最大值,min{su}表示所有停车位的第u个指标中的最小值,su0表示第u个指标的最优适中值,min{su}<su0<max{su},N为停车位总数,P为指标总数;所述u取1,2,3,…,P,u代表指标序号。
在某些实施例中给出计算指标及其对应指标类型,如表1所示。
表1计算指标及对应指标类型
步骤4、根据停车位的各项计算指标结果,选取评价模型,常用评价模型可分为主观方法和客观方法。主观方法依赖专家和学者的经验判断,典型方法有德尔菲法、AHP层次分析法、专家打分法等。客观方法依赖评价对象、评价指标的客观数据,典型方法有熵值法、灰色关联度法、CRITIC法、信息量权重法等。综合运用典型评价模型,例如取AHP层次分析法和CRITIC法的结果平均值,评价大型综合体车位级停车需求状态;
步骤5、根据大型综合体车位级停车需求状态和停车位分区特征,建立面向大型综合体的区域停车需求平均状态计算模型,例如按照大型综合体停车场管理分区,分别计算各区的区域停车需求平均状态值,评价大型综合体区域级停车需求状态;
进一步的实施例中,所述区域停车需求平均状态计算模型为:
步骤6、根据车位级和区域级停车需求状态以及设定低水平阈值,识别区域内的低水平车位。例如车位级停车需求状态低于区域级平均停车需求状态的85%时,识别为区域内的低水平车位。
本发明通过判断评价需求,确定准则层的研究目标为单一目标或多目标;根据准则层中的各目标,选定指标层的计算指标,并依照车位逐一计算各指标;根据变量类型,采取对应的归一化模型,进行计算;采用评价模型对车位级停车需求状态进行评价;基于车位级评价结果,对区域级停车需求状态进行评价;根据区域级停车需求状态评价均值,识别区域中低水平状态停车位。本发明适用于城市综合体不断增加背景下的车位级停车需求状态评价与分析。
实施例
运用此发明中的的方法,选取某市某区某大型综合体停车场作为实例,该停车场包括A-G共七个停车位分区,含551个停车位。
1.依照步骤1,分析评价方法服务对象包括使用者、管理者和经营者,确定相对应的准则层分析目标包括便利性、效率性和均衡性;
2.依照步骤2,根据准则层分析目标,选定指标层的具体计算指标,包括服务于便利性目标的平均寻泊距离和平均步行距离,服务于效率性目标的全天小时平均占有率、全天小时平均周转数、综合效率值和长时占用比例,服务于均衡性目标的占有率标准差、占有率自相关指数、周转数标准差和周转数自相关指数,对每个停车位逐一计算每个计算指标;
根据大型停车场车位级停车需求调查数据,依照具体计算指标公式,可得计算结果如表2所示。
表2车位级停车需求计算指标结果
3.依照步骤3,根据表1判断选定的10个计算指标的指标类型,采用对应变量归一化计算方法进行计算;
可得计算结果如表3所示。
表3计算指标归一化计算结果
4.依照步骤4,选取包括AHP层次分析法的主观方法和CRITIC法的客观方法的综合评价模型,以AHP层次分析法和CRITIC法的均值作为车位级停车需求状态值,评价大型综合体车位级停车需求状态;
可得结果如表4所示。
表4大型综合体车位级停车需求状态评价结果
5.依照步骤5,按照大型综合体停车场管理分区A-G共7个区,分别计算各区的区域停车需求平均状态值,评价大型综合体区域级停车需求状态;
可得结果如表5所示。
表5大型综合体区域级停车需求状态评价结果
6.依照步骤6,根据车位级和区域级停车需求状态,以及设定的低水平阈值,即单车位的停车需求状态综合评价结果低于所在区域的区域级停车需求状态评价结果的85%,识别区域内低水平车位。
可得结果如表6所示。
表6低水平车位识别结果
综上,本发明判断评价需求,确定准则层的研究目标为单一目标或多目标;根据准则层中的各目标,选定指标层的计算指标,并依照车位逐一计算各指标;根据变量类型,采取对应的归一化模型,进行计算;采用评价模型对车位级停车需求状态进行评价;基于车位级评价结果,对区域级停车需求状态进行评价;根据区域级停车需求状态评价均值,识别区域中低水平状态停车位。是本发明可为综合体车位级停车需求的精细化研究提供支撑,是适用于城市综合体不断增加背景下的车位级停车需求状态评价与分析的新手段。
以上所述仅是本发明的优选实施方式,应当指出:对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视为本发明的保护范围。
Claims (4)
1.一种面向综合体的车位级停车需求状态评价方法,其特征在于,包括以下步骤:
步骤1、根据分析需要,判断服务对象,确定服务对象的准则层分析目标,所述准则层分析目标包括便利性、效率性和均衡性;
步骤2、根据准则层分析目标,选定指标层的具体计算指标,对每个停车位逐一计算每个计算指标,所述便利性目标的具体计算指标包括平均寻泊距离和平均步行距离,效率性目标的具体计算指标包括全天小时平均占有率、全天小时平均周转数、综合效率值和长时占用比例,均衡性目标的具体计算指标包括占有率标准差、占有率自相关指数、周转数标准差和周转数自相关指数;
平均寻泊距离计算模型为:
其中,Cdisi表示第i个停车位的平均寻泊距离,m是停车场建设出入口总数,cfv是第v个出入口的驶入车辆数,cf是m个出入口驶入车辆数总和,cwv是第v个出入口的权重,clv,i是第v个出入口到第i个停车位的寻泊距离,i取1,2,3,…,N,i代表停车位序号,v取1,2,3,…,m,v代表停车场建设出入口序号,N为停车位总数;
平均步行距离计算模型为:
其中,Wdisi表示第i个停车位的平均步行距离,n是停车场建设进入设施总数,N为停车位总数,wfr是第r个进入设施的进入客流数,wf是n个进入设施的进入客流数总和,wwr是第r个进入设施的权重,wli,r是第i个停车位到第r个出入口的步行距离,所述i取1,2,3,…,N,i代表停车位序号,r取1,2,3,…,n,r代表停车场建设进入设施序号;
全天小时平均占有率计算模型为:
其中,xi表示第i个停车位全天小时平均占有率,xi,k是第i个停车位在第k个小时内的停放占有率,t是调查统计的小时数,i代表停车位序号,所述k取1,2,3,…,t,k 代表调查统计小时的序号;
全天小时平均周转数计算模型为:
其中,yi表示第i个停车位全天小时平均周转数,yi,k是第i个停车位在第k个小时内的停放周转数,t是调查统计的小时数,N为停车位总数,所述k取1,2,3,…,t,k代表调查统计小时的序号;
综合效率值计算模型为:
其中,Effi表示第i个停车位的综合效率值,xi表示第i个停车位全天小时平均占有率,yi表示第i个停车位全天小时平均周转数,pti表示第i个停车位全天平均停放时间间隔,Z(xi)是xi的归一化函数,xmax表示xi中最大值,xmin表示xi中最小值,Z(yi)是yi的归一化函数,ymax表示yi中最大值,ymin表示yi中最小值,Z(pti)是pti的归一化函数,ptmax表示pti中最大值,ptmin表示pti中最小值,N为停车位总数;
长时占用比例计算模型为:
其中,LPi表示第i个停车位的长时占用比例,mpi表示第i个停车位的全天长时停放次数,pi表示第i个停车位的全天总停放次数;
占有率标准差计算模型为:
其中,Occi表示第i个停车位的占有率标准差,xi,k是第i个停车位在第k个小时内的停放占有率,xi是第i个停车位全天小时平均占有率,t是调查统计的小时数,N为停车位总数;所述k取1,2,3,…,t,k代表调查统计小时的序号;
占有率自相关指数计算模型为:
其中,OccRi表示第i个停车位的占有率自相关指数,xj是第j个停车位全天小时平均占有率,是所有停车位的全天小时平均占有率的均值,wi,j表示第i个停车位和第j个停车位的空间位置关系权重;S1为计算结果表义符,j取1,2,3,…,N,j代表停车位序号;
周转数标准差计算模型为:
其中,Turi表示第i个停车位的周转数标准差,yi,k是第i个停车位在第k个小时内的停放周转数,yi是第i个停车位全天小时平均周转数,t是调查统计的小时数,N为停车位总数,k取1,2,3,…,t,k代表调查统计小时的序号;
周转数自相关指数计算模型为:
步骤3、根据选定的计算指标,判断其指标类型,并采用相应变量归一化计算方法计算归一化后的指标结果;
步骤4、根据停车位的各项计算指标结果,综合运用评价模型,评价大型综合体车位级停车需求状态,具体为:取AHP层次分析法和CRITIC法的结果平均值,评价大型综合体车位级停车需求状态;
步骤5、根据大型综合体车位级停车需求状态和停车位分区特征,建立面向大型综合体的区域停车需求平均状态计算模型,评价大型综合体区域级停车需求状态;
步骤6、根据车位级和区域级停车需求状态以及设定的低水平阈值,识别区域内低水平车位。
4.根据权利要求1所述的面向综合体的车位级停车需求状态评价方法,其特征在于,所述服务对象包括使用者、管理者和经营者。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110713139.0A CN113380071B (zh) | 2021-06-25 | 2021-06-25 | 一种面向大型综合体的车位级停车需求状态评价方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110713139.0A CN113380071B (zh) | 2021-06-25 | 2021-06-25 | 一种面向大型综合体的车位级停车需求状态评价方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113380071A CN113380071A (zh) | 2021-09-10 |
CN113380071B true CN113380071B (zh) | 2022-09-06 |
Family
ID=77579291
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110713139.0A Active CN113380071B (zh) | 2021-06-25 | 2021-06-25 | 一种面向大型综合体的车位级停车需求状态评价方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113380071B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114038211B (zh) * | 2021-11-30 | 2022-11-15 | 东南大学 | 一种基于车辆平均延误的大型停车场出入口拥堵研判方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104899679A (zh) * | 2015-05-11 | 2015-09-09 | 上海交通大学 | 城市cbd停车场综合评价方法 |
CN106935031A (zh) * | 2017-04-05 | 2017-07-07 | 东南大学 | 一种区域私人共享停车位利用率评价方法 |
CN107958610A (zh) * | 2017-11-21 | 2018-04-24 | 同济大学 | 一种基于泊位共享的功能混合用地停车位预估方法 |
CN108961813A (zh) * | 2018-06-22 | 2018-12-07 | 华北水利水电大学 | 一种新型智能停车场 |
CN109886459A (zh) * | 2019-01-16 | 2019-06-14 | 同济大学 | 一种基于神经网络的公共停车场停车需求预测方法 |
-
2021
- 2021-06-25 CN CN202110713139.0A patent/CN113380071B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104899679A (zh) * | 2015-05-11 | 2015-09-09 | 上海交通大学 | 城市cbd停车场综合评价方法 |
CN106935031A (zh) * | 2017-04-05 | 2017-07-07 | 东南大学 | 一种区域私人共享停车位利用率评价方法 |
CN107958610A (zh) * | 2017-11-21 | 2018-04-24 | 同济大学 | 一种基于泊位共享的功能混合用地停车位预估方法 |
CN108961813A (zh) * | 2018-06-22 | 2018-12-07 | 华北水利水电大学 | 一种新型智能停车场 |
CN109886459A (zh) * | 2019-01-16 | 2019-06-14 | 同济大学 | 一种基于神经网络的公共停车场停车需求预测方法 |
Also Published As
Publication number | Publication date |
---|---|
CN113380071A (zh) | 2021-09-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109191896B (zh) | 个性化停车位推荐方法和系统 | |
CN109308546B (zh) | 乘客公交出行下车站点预测方法及系统 | |
WO2023056696A1 (zh) | 基于循环神经网络的城市轨道交通短时客流预测方法 | |
CN103632212B (zh) | 一种时变用户均衡动态网络演化客流预测系统和方法 | |
CN110390349A (zh) | 基于XGBoost模型的公交车客流量预测建模方法 | |
US20230060713A1 (en) | Methods for recommending parking lots in smart cities, internet of things systems, and storage medium thereof | |
CN109376935B (zh) | 一种基于神经网络的公交客流分时段组合预测方法 | |
US20230186188A1 (en) | Intelligent scheduling table generation method based on multi-source data analysis of buses | |
CN113034913A (zh) | 交通拥堵预测方法、装置、设备及存储介质 | |
CN111932429B (zh) | 基于od的轨道交通站点客流结构相似性分析方法及装置 | |
CN107766983B (zh) | 一种城市轨道交通车站应急救援驻车点的设置方法 | |
CN114969007A (zh) | 一种基于功能混合度和集成学习的城市功能区识别方法 | |
CN113868830B (zh) | 一种基于交通可达性的同城化城际客流生成模型构建方法 | |
CN113380071B (zh) | 一种面向大型综合体的车位级停车需求状态评价方法 | |
CN111190942A (zh) | 一种基于数据挖掘技术的城市道路停车点统筹分析方法 | |
CN115953186A (zh) | 一种网约车需求模式识别与短时需求预测方法 | |
CN115269758A (zh) | 面向乘客诱导的路网客流状态推演方法及系统 | |
CN113821547B (zh) | 快速高效的停车场占有率短时预测方法、系统及存储介质 | |
CN114549075A (zh) | 一种基于停车和视频大数据的区域停车评价方法 | |
CN111915076A (zh) | 一种利用人工智能神经网络实现景区观景人员预测的方法 | |
CN113380070B (zh) | 一种面向大型综合体的车位级停车需求时空特征获取方法 | |
CN112669595B (zh) | 一种基于深度学习的网约车流量预测方法 | |
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 | |
CN116959288A (zh) | 一种基于历史数据的停车场推荐方法、装置和分布式系统 | |
CN114387816B (zh) | 基于消费者行为预测分析的商城车流引导系统及方法 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |