基于静态交通发生率的停车需求预测及应用

针对大城市中心城区停车难问题,在对哈尔滨市曼哈顿地区的停车设施面积、停车场用地及归属、停放类型、停放时长、停放频率等进行了调查分析的基础上,利用静态交通发生率模型研究预测了该区停车泊车位的需求状况,并提出了相应的停车需求策略。结果表明,该地区的停车泊位数严重不足,商业性停车泊位数缺口最大。针对预测结果对该地区的停车规划与管理提出了几点建议:加强路外停车和路边停车的合理规划;制定合理的停车收费标准等。预测结果及建议为类似地区的停车规划提供参考。

基于神经网络的静态交通发生率预测方法

静态交通发生率模型是停车需求预测中较为常用的一种方法,但是,关键指标——静态交通发生率一般难以确定,尤其是它的未来年值;而静态交通发生率的大小又受到多种因素的影响,为了实现对其未来年值的预测,本文分析了影响静态交通发生率的主要因素,采用了具有处理"灰色"、复杂问题的有力工具——神经网络BP算法,提出了以国民生产总值、机动车保有量、用地类型、城市人口和城市面积为输入层节点,静态交通发生率为输出节点的BP计算模型;最后,选用四个城市的停车调查数据来进行神经网络训练、预测。训练模拟结果良好,表明该方法能够比较成功地应用于静态交通发生率的预测。

城市停车设施需求预测研究

从分析影响城市内停车设施需求量的因素入手，全面总结了多种停车需求预测模型，并在此基础上提出静态交通发生率的模型及求解算法．模型应用在上海市停车需求预测中并取得了良好效果．