面向泊位共享的泊位资源预测与分配模型

为缓解城市停车难题,面向泊位共享构建一种基于共享泊位供给量预测的泊位分配模型。基于BP神经网络,构建当日相邻时刻、相邻工作日同时刻、相邻周同工作日同时刻三种不同时间粒度下的共享泊位预测模型,进而基于组合预测理论构建组合预测模型。以此为基础,考虑收费模式的影响以共享收益最大化为目标,建立固定收费、递减阶梯收费以及递增阶梯收费三种泊位分配模型,提出停车共享总收益、泊位利用率和停车请求接受率的评价指标。以深圳某办公停车场及其毗邻居住区为例进行实例应用和分析,验证模型的有效性。结果表明:组合预测模型对共享泊位供给量的预测效果最好,平均绝对百分比误差为6.49%;泊位分配模型能显著提高泊位利用率,测算案例办公区夜间共享时段停车场的整体泊位利用率由共享前低谷的14%提高到共享后的76%;递增阶梯收费模式的收益和泊位利用率最高,接受的长时停车请求最多;递减阶梯收费模式的收益和泊位利用率最低,接受的短时停车请求最多。