城市停车换乘设施吸引需求强度研究＊

秦焕美 关宏志 龙雪琴 殷焕焕 刘 燕

（北京工业大学交通工程北京市重点实验室 北京 100124）

0 引 言

停车换乘（par k ＆ride）作为一种交通出行模式，通常是指在中心城区（或拥堵区域）外围设立停车设施，鼓励私人小汽车出行者在其停车，换乘公共交通进入市中心，以此来缓解城市的交通压力，促进城市公共交通系统的利用.因此，成为世界许多城市解决城市交通问题的一种交通模式.

国内外的相关研究包括，Spillar根据在西雅图、德克萨斯等地区的停车换乘使用者的车辆牌照调查，统计得出设施的需求吸引范围为抛物线形或椭圆形，50%的停车换乘设施吸引需求来自设施周边4 k m为半径的圆形区域内，并对停车换乘需求预测模型和模型的可移植性进行了研究［1］.Bilal Far han建立了基于GIS的停车换乘吸引范围分析方法，同时考虑了停车换乘设施吸引区域的路网可达性、需求者的出行方向，并通过实例对比验证了其方法的有效性［2］.龚韵枝提出了城市外围停车换乘出行方式选择的非集聚结构方程概念模型，对模型的修正、拟合和模型应用进行了阐述［3］.王雪等对停车换乘吸引范围内的需求强度进行了研究，得出了换乘需求强度与距离之间的相互关系，并对影响需求强度的因素进行了分析［4］.

王佳等利用聚集效应理论建立客流吸引范围模型，得到不同类型轨道交通站点对常规公交客流的吸引范围［5］.杨京帅等基于城市轨道交通车站合理步行区与交通区的分析，通过对城市区域划分及车站分类，进行车站加权平均接运距离与吸引范围折算系数的计算，估算了不同区域车站合理吸引范围［6］.本文根据在北京市进行的停车换乘需求调查数据，分析停车换乘设施吸引需求强度分布特性，进而对停车换乘设施吸引需求强度与影响因素的关系进行研究.

1 停车换乘需求调查概述

选取天通苑北和通州北苑停车换乘设施作为调查地点，两处均为与轨道交通和公交接驳的停车换乘设施，停车利用率较高.经调查小汽车停车后主要的换乘交通方式为轨道交通.调查时间为2010年6月21日（星期一）和6月23日（星期三）.

调查的主要内容为出行者个人特性，包括收入、年龄、性别、职业、出行目的等；出行行为，包括出发地、目的地、停车后的换乘方式、驾车到达停车换乘设施的时间、乘坐公共交通／地铁的时间、乘坐公共交通／地铁过程中的换乘次数、换乘时间、选择停车换乘出行的原因等.

调查共收集问卷128份，其中有效调查问卷118份.

2 停车换乘设施吸引需求分布分析

2.1 核密度估计方法（ker nel density estimation，KDE）

一般而言，对于二维数据集（x，y），固定带宽的核密度估计函数采用以下公式

式中：f（x，y）为在（x，y）处的核密度值；n为样本数量；h为带宽；di为样本点i到位置（x，y）处的距离；K为密度函数（通常是放射状对称单峰概率密度函数）.K和h均可自由选取，理论上，为了核密度估计的一致性，h应该随着样本量的增加而减小，并随不同位置数据的分布状况不同，这里采用适应性（adaptive）核密度估计方法，主要是通过估计密度的局部平滑而提高全局估计的效果［7］.

适应性核密度估计公式如下，其中：η为标准化因子；~f（x，y）为基于固定带宽的试验性密度估计.

2.2 停车换乘设施吸引需求强度分析

利用问卷调查中的换乘者出发地数据，通过Google eart h得到各需求点经纬度坐标.在居住用地上分布的停车换乘需求点较多，在停车换乘设施上游，即远离中心区的方向吸引的换乘需求量比较大，也有部分下游返程换乘需求者，即出发地靠近中心区的位置，目的地仍为中心区，与出行方向相反，其换乘需求量较小.将换乘出行者的出发地和停车换乘设施连线，其与停车换乘设施与目的地连线延长线的夹角作为出行方向角度，如图1所示.

式中：hn为初始的固定带宽，基于统计学上的“最优”原则得到；

图1 停车换乘出行角度示意图

从图2可以看出，不同出行方向上的换乘需求比例不同，79%的停车换乘者的出行方向角度为0～80°范围内，81～100°和141～160°范围内的停车换乘需求量较小，均占8%.

图2 不同出行角度上的换乘需求比例

从图3可以看出，停车换乘需求量随着与停车换乘设施距离的增加而减少，基于到达停车换乘设施的驾车行驶时间代替距离来分析需求分布特性，可以体现路网可达性对需求吸引的影响，得到91%的停车换乘需求者驾车行使时间在5～20 min范围内，大于30 min的换乘者仅占3%.

图3 不同驾车时间的换乘需求比例

利用Cri mestat核密度分析软件，采用单核适应性核密度估计方法，样本函数采用高斯核函数，得到各位置处的需求概率密度值，可作为停车换乘设施吸引需求强度值，其概率密度三维输出结果见图4～5.从图中可以看出，在沿停车换乘设施与中心区的轴线方向上，需求密度图上呈现山峰式的隆起，需求强度较大，向两侧方向，即出行角度变大后，需求强度逐渐减少，并且距离停车换乘设施越远，需求强度也逐渐减少，需求强度呈现连续分布曲面，基于核密度估计的方法可以反映停车换乘设施吸引需求分布情况.

图4 天通苑北停车换乘设施吸引需求强度分布图

图5 通州北苑停车换乘设施吸引需求强度分布图

3 停车换乘设施吸引需求强度影响因素分析

停车换乘设施吸引的需求强度随着设施位置、设施服务水平、中心区交通状况等的不同而不同，其影响因素较多，有些无法量化，而结构方程模型弥补了传统统计方法的不足，是多元数据分析的重要工具［8］，可以分析潜在变量之间的关系，同时能够有效处理变量具有一定测量误差的问题.因此，这里采用结构方程模型来分析设施吸引的需求强度与影响因素之间的关系.

3.1 结构方程模型

结构方程模型（str uct ural equation modeling，SEM）是基于变量的协方差矩阵对变量之间关系进行统计分析的方法，也称为协方差结构分析.SEM假定一组潜变量之间存在因果关系，潜变量可以分别用一组观察变量表示，是某几个观察变量中的线性组合.通过验证观察变量之间的协方差，可以估计出线性回归模型的系数，从而在统计上检验所假设的模型对所研究的过程是否适配.结构方程的分析步骤包括理论模型构建、变量的具体化和量化、模型识别、模型评价和模型修正［9］.

SEM由测量模型和结构模型组成，一般结构方程由3个公式组成.其中，式（3）为结构模型，分析潜变量之间的关系.式（4）和（5）为测量模型，表示潜变量与观察变量之间的关系.

式中：η为内生潜变量组成的向量；B为内生潜变量系数矩阵；Γ为外生潜变量系数矩阵；ξ为外生潜变量组成的向量；ζ为结构方程残差向量；y为内生变量组成的向量；Λy为内生变量y在内生潜变量η上的因子负荷矩阵；ε为内生变量测量误差向量；x为外生变量组成的向量；Λx为外生变量x在外生潜变量ξ上的因子负荷矩阵；δ为外生变量测量误差向量.

一个完整的结构方程包含8个参数矩阵，对模型的估计，常用的是最大似然估计（ML）、广义最小平方法（GLS）、加权最小平方法（WLS）、对角线加权平方法（DWLS）等，参数估计能够得到变量之间关系、模型未能解释部分、变量测量上的误差等参数.

3.2 模型变量的选取

通过初步筛选，选取7个主要的停车换乘设施吸引需求强度影响因素作为结构模型的观察变量（见表1），包括目的地交通运行情况，目的地的停车供给情况，公交／地铁乘车时间，乘坐公交／地铁的换乘次数，自驾车到达停车换乘设施的出行时间，出行角度.结构方程的潜变量包括目的地交通状况、驾车出行活动、公交出行活动和换乘需求强度，其中换乘需求强度由1个观察变量表示.

表1 结构方程模型变量表

3.3 模型标定及分析

本研究利用Amos来建立结构方程模型.模型构建考虑了各变量之间的相互关系，停车换乘设施吸引需求强度是基于换乘出行活动产生的，包括驾车出行活动和换乘公交出行活动，同时又受到目的地（中心区）交通状况的影响，在Amos中绘制停车换乘吸引需求强度结构方程假设关系模型见图6.

图6 模型关系图

由于Amos软件不能以结构方程模型公式中的残差符号ζ，ε，δ来表示残差，在模型图中均以e来表示，这里采用最大似然估计方法进行模型的标定，得到标准化模型参数估计结果和模型适配度指标，如表2所列.可以看出，模型各项适配度指标均符合标准临界值要求，假设模型与实际数据可以契合.

表2 模型适配度指标

从图7可以看出，对于潜变量之间的影响关系，目的地交通状况与换乘需求强度之间的负荷系数为－0.14，说明目的地交通状况越差，吸引的换乘需求强度越大.换乘公交活动与换乘需求强度之间的负荷系数为－0.46，说明换乘公交／地铁后，公交／地铁乘车时间越长，换乘次数越多，吸引的换乘需求强度越小，因此，如果提高公共交通服务水平，减少换乘后的出行时间和次数，可以提高停车换乘需求出行比例.驾车出行活动与换乘需求强度之间的负荷系数为－0.34，同时驾车出行时间和出行角度观察变量对潜变量驾车出行活动的系数分别为0.99和－0.12，即负相关，说明驾车出行时间越长，出行角度越小，停车换乘设施吸引需求强度越小.总体来看，换乘公交活动对吸引的换乘需求强度的影响大于驾车出行活动，影响最小的是目的地交通状况.

图7 标准化模型参数估计结果

4 结束语

停车换乘设施吸引范围内需求强度变化规律的分析是进行停车换乘需求预测的重要方面，本文根据在北京市进行的停车换乘需求调查数据，利用核密度估计理论分析了停车换乘需求分布特性，进而利用结构方程模型分析了停车换乘设施吸引需求强度与影响因素之间的关系，得出目的地交通状况越差、公交服务水平越高、出发地与换乘设施之间的距离越近，停车换乘设施吸引的换乘需求强度越大.

［1］Robert J，Spillar P E.Par k－and－ride planning and design guidelines［C］／／Parsons Brinckerhoff Quade＆Douglas，Inc.1997.

［2］Farhan B，Evaluation M S.Modeling and policy assess ment for par k and ride ser vices as a co mponent of public transportation［D］.Ohio State University，2003.

［3］龚韵枝，城市外围停车换乘设施需求预测模型研究［J］.交通科技，2008（3）：83－85.

［4］王 雪，关宏志，王 鑫.停车换乘设施吸引强度研究［J］.道路交通与安全，2007，7（1）：24－26.

［5］王 佳，胡列格.城市轨道交通站点对常规公交客流的吸引范围［J］.系统工程，2010，28（1）：14－18.

［6］杨京帅，张殿业.城市轨道交通车站合理吸引范围研究［J］.中国铁路，2008（1）：72－75.

［7］Spencer J，Angeles G.Ker nel density estimation as a technique for assessing［J］.Health Serv Outco mes Res Method，2007（7）：145－157.

［8］邱皓政.结构方程模型的原理与应用［M］.中国轻工业出版社，2009.

［9］吴明隆.结构方程模型－AMOS的操作与应用［M］.重庆：重庆大学出版社，2010.