为精细化把握城市建设项目在微观空间尺度下的停车需求规律,从空间视角探究停车需求与建成环境之间的关系。通过高峰小时建筑物单位面积的停车生成数表征停车需求,以土地利用混合度、路网密度、公交服务水平等9个因子描述建成环境,分别...为精细化把握城市建设项目在微观空间尺度下的停车需求规律,从空间视角探究停车需求与建成环境之间的关系。通过高峰小时建筑物单位面积的停车生成数表征停车需求,以土地利用混合度、路网密度、公交服务水平等9个因子描述建成环境,分别构建建成环境对停车需求影响的普通最小二乘(Ordinary Least Squares,OLS)模型与梯度提升迭代决策树(Gradient Boosting Decision Tree,GBDT)模型。以保定市主城区停车调查数据中的商业类配建停车场为对象,基于停车调查数据、兴趣点数据(Point of Interst,POI)、道路网络数据等多源异构数据进行模型实证分析。结果表明,考虑非线性效应的GBDT模型比OLS模型具有更好的拟合度。从影响贡献度来看,配建指标(18.92%)与区位(15.23%)是影响停车需求的最重要建成环境因素,交叉口密度(5.19%)贡献度最小;在非线性关系方面,建成环境因子与停车需求均具有非线性关系与阈值效应,除交叉口密度及人口密度与停车需求呈现U型关系,其余因素与停车需求的关系整体上保持正相关或负相关。展开更多
文摘为精细化把握城市建设项目在微观空间尺度下的停车需求规律,从空间视角探究停车需求与建成环境之间的关系。通过高峰小时建筑物单位面积的停车生成数表征停车需求,以土地利用混合度、路网密度、公交服务水平等9个因子描述建成环境,分别构建建成环境对停车需求影响的普通最小二乘(Ordinary Least Squares,OLS)模型与梯度提升迭代决策树(Gradient Boosting Decision Tree,GBDT)模型。以保定市主城区停车调查数据中的商业类配建停车场为对象,基于停车调查数据、兴趣点数据(Point of Interst,POI)、道路网络数据等多源异构数据进行模型实证分析。结果表明,考虑非线性效应的GBDT模型比OLS模型具有更好的拟合度。从影响贡献度来看,配建指标(18.92%)与区位(15.23%)是影响停车需求的最重要建成环境因素,交叉口密度(5.19%)贡献度最小;在非线性关系方面,建成环境因子与停车需求均具有非线性关系与阈值效应,除交叉口密度及人口密度与停车需求呈现U型关系,其余因素与停车需求的关系整体上保持正相关或负相关。