旅游景区停车换乘设施选址优化

孙学珊, 杨忠振, 魏利鹏, 周艳

(1. 天津理工大学中环信息学院 经济与管理系， 天津 300380； 2. 大连海事大学 交通运输管理学院， 辽宁 大连 116026； 3. 天津理工大学 环境科学与安全工程学院， 天津 300384)

旅游景区停车换乘设施选址优化

孙学珊1, 杨忠振2, 魏利鹏1, 周艳3

(1. 天津理工大学中环信息学院 经济与管理系， 天津 300380； 2. 大连海事大学 交通运输管理学院， 辽宁 大连 116026； 3. 天津理工大学 环境科学与安全工程学院， 天津 300384)

为解决旅游景区的交通拥堵和空气污染问题，基于游客选择偏好，构建旅游景区停车换乘(Park and Ride, P&R)设施选址优化模型，进而优化P&R设施选址和景区巡游巴士的巡游线路.模型以改善旅游景区空气污染和降低P&R系统运营成本为目标.利用大连市太阳沟景区进行实证研究，设计一个双层的遗传算法对模型进行求解.结果表明，基于游客选择行为的P&R系统能够有效地改善旅游景区的交通拥堵和空气污染问题.

旅游景区； 停车换乘(P&R)； 多目标优化； 选择行为

0 引 言

随着国民生活水平的提高，国民旅游休闲意识不断增强，每到假期各大旅游景区均呈现人山人海的景象.中国社会科学院旅游研究中心发布的《中国自驾游年度发展报告(2013—2014)》显示，2013年中国自驾游约为17.3亿人次，约占年度出游总人次的53%.大量游客及车辆同时涌入景区，致使众多旅游景区及其附近地区产生一系列交通问题，如道路交通拥堵、汽车噪声、尾气污染等.这些不仅影响了人们旅游出行的质量，而且妨碍了旅游景区的可持续发展.旅游景区的交通问题与城市交通问题相似，均是由交通需求过大造成交通基础设施负担过重而引起的.要解决这种交通问题，优化交通组织与实施需求管理是最行之有效的途径.

近年来，旅游景区的停车规划成为缓解景区交通压力的主要途径.万涛等[1]通过分析发现，北京市旅游景区停车位少、停车设施建设滞后，并分别对位于市中心和郊区的旅游景区提出了解决停车问题的措施和建议.马壮林等[2]总结了黄金周期间北京八达岭长城景区的停车特点及存在的问题，并从停车收费、停车信息服务、限制本市小型车数量和设置短途摆渡车等4个方面提出了解决问题的对策.汪如钢等[3]深入剖析了杭州西湖景区停车场的特点及存在的问题，分别从强化管理、科学布局、优化设计、停车诱导和收费运营等5个方面提出建议与对策.缪江华[4]通过分析发现，广州长隆旅游景区停车存在明显的供求矛盾，并基于广州市历年接待游客数，结合该景区发展规划及发展趋势，预测其未来年客流规模及停车需求规模，进而对公共停车场的选址布局及泊位规模等提出规划建议.袁瑜[5]探讨江西三清山景区的交通需求生成机理，提出景区旅游交通需求预测方法，进一步采用多项Logit模型预测游客出行方式，测算景区未来的停车需求及游客集散中心的规模.王娟等[6]给出了旅游景区停车位需求预测的具体步骤，提出了兼顾景区非高峰期和高峰期日到访人数的停车位预测模型，并通过实例分析来验证预测方法的实用性.AZARI等[7]研究了不同的停车收费政策对停车需求的影响.ZHANG等[8]研究了影响停车需求的不同因素(如服务水平).BOS等[9]从出行者的视角出发，揭示了影响停车换乘(Park and Ride, P&R)行为的最重要因素是P&R中心的便利性，其次是P&R服务水平.HENDRICKS等[10]依据P&R中心的收费政策及泊位数量等因素的变化情况，总结了出行者交通选择行为的主要影响因素，并对所构建的指标体系进行了定量化处理.

从交通组织和需求管理角度解决交通问题的一个重要方法是建设P&R系统，但目前有关旅游景区P&R系统建设与运营的研究并不多.田勇等[11]以北京八达岭长城景区滚天沟停车场规划为例，按照近远期交通组织方式制订多种候选方案，然后通过方案比选确定车辆的接驳方案.刘增华等[12]针对陕西金丝峡景区发展中的容量限制问题，提出了停车场规划方案和巴士运营线路设计方案，希望通过P&R方式改善景区交通状况.在国外，ANDERSON等[13]针对美国Newport旅游景区的Rhode岛，提出用SP(Stated Preference)数据分析自驾游客对景区P&R系统以及巡游方式的选择行为，但只提出了解决P&R设施选址的大致框架，并没有进行深入的研究.因此，本文在上述研究的基础上，根据在景区调查得到的游客的意愿与行为特征，分析游客到达景区的规律和对景点提供的巡游巴士的偏好，建立综合考虑P&R设施选址、运营成本、巡游巴士线路、巡游巴士票价和游客出行偏好等因素的多层模型，实现对景区P&R系统的全面优化设计.

1 旅游景区P&R系统描述

开发建设旅游景区P&R系统的主要目标是缓解景区内交通拥堵以及减少尾气噪声等对环境的破坏.乘客可选择在P&R枢纽处换乘到各景点的巡游巴士或继续自驾进行游览.因此，为提升P&R系统的吸引力，在设定巡游巴士的线路、票价和发车频率时要考虑游客的选择偏好.另外，因为需要考虑P&R系统经营者的财政压力，所以在迎合游客偏好的情况下还要尽可能降低巡游巴士和P&R枢纽的建设与运营的费用.只有从上述两个方面考虑P&R枢纽的选址以及巡游巴士的线路、票价和发车频率，才能既保证游客在景区的旅游质量，又保证在成本约束下最大限度地缓解景区的交通与环境压力.

2 P&R系统优化模型

2.1 模型假设

本文通过建立双层模型解决P&R枢纽的选址以及巡游巴士的线路和票价等问题，涉及的参数以及环境较复杂.基于此，假设：(1)景区内有多处景点，车辆只有通过景区的几个出入口才能进入景区巡游；(2)出入口外有多处可建P&R枢纽的候选地，要在其中的一处建设P&R枢纽；(3)P&R枢纽建成后，所有旅游车辆都要经过P&R枢纽才能进入景区；(4)私家车与巡游巴士的巡游线路相同，即访问各景点的顺序相同.

2.2 模型

为实现景区P&R系统的全面优化，以景区空气污染最少和P&R系统运营成本最低为目标建立双层模型.模型变量：xi为决策变量(如果在候选地i建设P&R枢纽，则xi=1，否则xi=0)；mt,i为在第t时间段从候选地i进入的私家车数量；w为观测时间段数量；nt,i为当候选地i被选为P&R枢纽时，第t时间段所需的巡游巴士数量；Sb,i和Sc,i分别为巡游巴士和私家车的巡游里程，km；eb和ec分别为巡游巴士和私家车的排放系数，g/km；Pc,i为从候选地i进入的私家车选择P&R的概率；r为巡游巴士单位里程的行驶费用,元/km；c为巡游巴士的单位司机成本，元/(人·d)；a为巡游巴士的日均资产折旧,元/d；Db为巡游巴士的容量,人；Dc为私家车的平均载客数,人；T为景区每日的开放时间段；f为巡游巴士的发车频率，min/班；p为巡游巴士票价，元/人；gt为在第t时间段到达的游客人数.Sb,i和Pc,i与P&R枢纽的候选地等因素有关，需要用具体函数计算.

(1)

(2)

s. t.

w=T/f

(3)

Dbnt,i≥mt,iDcPc,i

(4)

∑ixi=1

(5)

式(1)和(2)为两个目标函数，分别为景区空气污染最轻和P&R系统运营成本最低；式(3)根据规划的巡游巴士的发车频率将研究时间段进行分段；式(4)为巴士的容量约束，保证发出的巡游巴士能够运载所有P&R的乘客;式(5)保证选择1个候选地作为枢纽.

巡游巴士或私家车从P&R枢纽出发巡访景区内的各景点，在每个景点停一次后返回P&R枢纽.因此，巡游巴士线路设计是典型的旅行商问题，通过解决这个问题可以确定巡游巴士或私家车访问各景点的顺序，这个顺序决定私家车或巡游巴士的行驶距离.当候选地i被选为P&R枢纽且景区内旅游景点1,2,…,ρ的被巡访顺序为H=(μ1,μ2,…,μρ)时，

(6)

式中:μρ+1=μ1；di,μβ,μβ+1为μβ与μβ+1间的最短距离.

游客到达景区P&R枢纽后，选择巡游巴士和私家车到访景点的概率与两种交通方式给游客带来的效用有关.由随机效用理论[14]可知，某种交通方式提供的效用越大，它被出行者选择的概率就越大.

(7)

(8)

式中:Ujk为第j位游客选择交通方式k的效用；Vjk为第j位游客选择交通方式k的直接效用；εk为随机误差项；δk为交通方式k的哑元变量；yjk,b为第j位游客选择交通方式k的第b项影响因素；αb为第b项影响因素的参数；Pjk为第j位游客选择交通方式k的概率.

3 实证分析

3.1 研究地点概述

将大连市太阳沟景区作为研究对象进行数值计算.太阳沟景区总面积约350万m2，分布有9个景点和3个旅游购物中心，共12个巡游地点.景区内道路多为双向2车道，出入景区有2条主要的道路(革新街和友谊路).来自主城区方向的游客和当地居民主要通过东侧的友谊路进入景区(图1).根据P&R系统的设定原则[15]，考虑到景区附近的道路条件与土地利用形态，首先为P&R枢纽选取5个候选地(图2).景区其他相关参数见表1.

图1 太阳沟景区的地理位置

图2 P&R枢纽候选地

参数值i5r0.216元/kma356元/dDc34人f10,15,20,25,30min/班参数值eb,ec22.223g/kmc100元/(人·d)Db45人T48p1～10元/人注:相关参数来自“基于停车换乘的太阳沟景区旅游交通组织”项目

3.2 游客的交通方式选择行为分析

在进行景区的P&R枢纽选址和巡游巴士线路优化时，需要考虑游客的到达规律及其选择偏好，本算例中具体情况如下.

3.2.1 游客到达规律

游客到达规律决定巡游巴士的发车频率和用车数量.为最大程度满足游客的需求，同时降低巡游巴士的运营费用，需要确切知道游客的到达规律.为此,在位于友谊路的军港游园景点进行到访游客人数调查，调查时间段为7:30—15:30(共8 h).分析通过调查获得的数据发现，当以10 min为时间段单元时，游客到达规律服从高斯分布:gt=1 365.44e-((t-18.02)/12.05)2+802.06e-((t-35.67)/6.786)2

基于高斯分布的拟合效果见图3.从图3可以看出,游客到访景点有两个高峰时间段：10:20—10:30(t=18)和13:20—13:30(t=34)，且上午的高峰时间段到达的游客更多.

图3 太阳沟景区游客到达规律的拟合曲线

3.2.2 巡游巴士选择概率计算

为确定交通方式选择模型，在景区对游客进行交通方式选择意愿的SP调查.共发放调查问卷500份，收回有效问卷470份.具体的调查内容见图4.

图4 SP调查问卷的内容

可供游客选择的交通方式只有2种，因此可以采用离散分析软件Biogeme 2.0[16]中的Binary Logit模型，将巡游巴士作为参考项确定式(7)中相关参数，得到表2.从表2可以看出：哑元变量、巡游里程、发车频率和票价等4项影响因素在90%的置信水平上均显著；巡游巴士哑元变量为正，表明在其他影响因素不变的情况下，游客偏向于选择巡游巴士；票价水平对选择概率的影响最大，这表明游客对旅游中的额外消费较为敏感.

表2 效用函数参数标定结果

3.3 模型求解

3.3.1 求解算法

上述模型是一个多目标优化问题，可以同时确定P&R枢纽的位置以及巡游巴士的最佳线路、发车频率、票价和配车数.由于模型结构复杂，故设计一个双层的遗传算法进行求解.具体的求解步骤如下：

步骤1 初始化.采用二进制编码生成上层问题的初始种群，每个个体表示一个选址方案.

步骤2 计算上层个体的适应度值.子步骤1：针对某选址方案，用实数编码生成下层问题的初始种群，个体表示巡游巴士的巡游线路方案，包括巡游里程、发车频率、票价和配车数.子步骤2：计算下层中各个体的适应度值——巡游巴士的尾气排放量和运营成本.子步骤3：若满足适应度值最小或达到迭代次数上限，则终止下层计算，将最优适应度值传至步骤3；否则执行子步骤4.子步骤4：执行交叉、变异、选择操作后返回子步骤2.

步骤3 判断计算是否终止.如果上层模型的适应度值未收敛或计算次数未达到上限，则执行步骤4；否则终止计算.

步骤4 针对上层实施交叉、变异、选择操作后返回步骤2.

3.3.2 算法参数设定

经过多次测试获得上述双层遗传算法的相关参数，见表3.

表3 遗传算法中的参数

3.3.3 计算结果

经过1 000次迭代计算，发现迭代到714次时结果开始收敛(图5).最终的计算结果为：P&R枢纽应选在图2中的候选地1，巡游巴士发车频率为10 min/班，票价为5元/人.在这种情况下，到访太阳沟景区的旅游车辆尾气污染将减少43.7%，P&R系统运营成本为18 169元/d.

图5 算法结果

3.3.4 算法检验

本文样本规模较小(只有5个候选地)，因此为验证遗传算法对本问题的适用性及优越性，进行了算法检验(图6)，即在同样的条件下使用遗传算法对算例进行10次计算.由图6可以观察到，每当迭代4 000次后标准均方根误差均趋于平稳，迭代到5 000次后标准均方根误差几乎保持不变，因此可以说明遗传算法对本算例具有良好的收敛性.

图6 遗传算法检验

4 结束语

本文探讨了解决旅游景区交通拥堵和空气污染问题的方法，并以游客的选择偏好为基础，构建了以旅游景区空气污染最轻和运营成本最低为目标的P&R系统优化模型.以大连市太阳沟景区为例实施调查，利用实际数据进行分析测试.分析结果表明，游客选择交通方式的概率受巡游巴士的巡游里程、发车频率、票价等因素的影响，游客到达景区的规律服从高斯分布.在此基础上，根据游客选择行为偏好，优化设计了太阳沟景区的P&R系统.结果表明，当景区的P&R枢纽选址在候选地1，巡游巴士的票价为5元/人，发车频率为10 min/班时，整个系统达到最优，即景区的交通拥堵和空气污染得到最大改善，且整个P&R系统的运营费用最低.

[1]万涛, 张伟. 北京市旅游景区(点)停车问题现状及解决方法[J]. 道路交通管理, 2003(6): 28-29.

[2]马壮林, 邵春福, 孙壮志. 黄金周期间旅游景区停车管理对策[J]. 综合运输, 2008(8): 53-56.

[3]汪如钢, 丁蔓琪. 杭州西湖景区停车场问题与对策[J]. 华中建筑, 2010(11): 61-63. DOI: 10.13942/j.cnki.hzjz.2010.11.002.

[4]缪江华. 广州长隆旅游度假区公共停车场规划研究[J]. 交通与运输, 2014(7): 167-170.

[5]袁瑜.基于三清山景区的旅游交通需求预测方法研究[J].交通世界, 2013, 18(9): 114-115. DOI: 10.16248/j.cnki.cn11-3723/u.2013.09.035.

[6]王娟, 王世能, 周涛. 环保旅游理念下景区小汽车停车位需求预测方法研究[J]. 交通节能与环保, 2014, 10(4): 44-48.

[7]AZARI K A, ARINTONO S, HAMID H,etal. Modeling demand under parking and cordon pricing policy[J]. Transportation Policy, 2013, 25(1): 1-9. DOI: 10.1016/j.tranpol.2012.10.003.

[8]ZHANG X, YANG H, HUANG H J. Improving travel efficiency by parking permits distribution and trading[J]. Transportation Research Part B, 2011, 45(7): 1018-1034. DOI: 10.1016/j.trb.2011.05.003.

[9]BOS I, MOLIN E, TIMMERMANS H,etal. Cognitions and relative importance underlying consumer valuation of park and ride facilities[J]. Transportation Research Record： Journal of the Transportation Research Board, 2003, 1835(1): 121-127. DOI: 10.3141/1835-15.

[10]HENDRICKS S, OUTWATER M. A demand forecasting model for park and ride lots in King Country, Washington[J]. Journal of the Transportation Research Board, 1998, 1623(1): 80-87. DOI: 10.3141/1623-11.

[11]田勇, 高进博.北京景区停车场规划及交通组织初探[J]. 市政技术, 2009, 27(4): 340-343. DOI: 1009-7767(2009)04-0340-04.

[12]刘增华, 江捷, 李军, 等. 金丝峡景区交通规划及游线设计方案研究[J]. 交通标准化, 2010, 228(9): 189-192.

[13]ANDERSON C M, DAS C, TYRRELL T J. Parking preferences among tourists in Newport, Rhode Island[J]. Transportation Research Part A, 2006, 40(3): 334-353. DOI: 10.1016/j.tra.2005.06.005.

[14]BEN A M, LEMAN S R. Discrete choice analysis: theory and application to travel demand[M]. Cambridge: MIT Press, 1985: 180-184.

[15]刘有军, 晏克非. 基于GIS的停车换乘设施优化选择方法的研究[J]. 交通科技, 2003(4): 85-87.

[16]BIERLAIRE M. BIOGEME: a free package for the estimation of discrete choice models[C]//Proceedings of 3rd Swiss Transportation Research Conference, Monte Verita, 2003： 102-113.

(编辑 赵勉)

Optimization of P&R facility location in tourist attractions

SUN Xueshan1, YANG Zhongzhen2, WEI Lipeng1, ZHOU Yan3

(1. Department of Economic and Management, Zhonghuan Information College Tianjin University of Technology, Tianjin 300380, China; 2. Transportation Management College, Dalian Maritime University, Dalian 116026, Liaoning, China; 3. Environmental Science and Safety Engineering College, Tianjin University of Technology, Tianjin 300384, China)

In order to solve the traffic congestion and air pollution problem around tourist attractions, based on tourists’ choice preference, an optimization model of Park and Ride (P&R) facility location in tourist attractions is built to optimize the P&R facility location and the cruise route of shuttle buses. The model aims to minimize the exhaust pollution and the operation cost of P&R system. The Taiyanggou tourist attraction in Dalian is selected to carry out the case study, and a two-layer genetic algorithm is designed to solve the model. The results indicate that P&R system based on the tourists’ choice preference can efficiently alleviate the traffic congestion and air pollution problem around tourist attractions.

tourist attraction; Park and Ride (P&R); multi-objective optimization; choice behavior

10.13340/j.jsmu.2017.01.012

1672-9498(2017)01-0057-05

2016-03-03

2016-06-07

天津市科学技术普及项目(15KPXM01SF036)

孙学珊(1988—),女, 天津人, 讲师, 硕士, 研究方向为交通运输系统优化与设计,(E-mail)crystal171@live.cn; 杨忠振(1964—),男, 辽宁凌海人, 教授, 博导, 博士, 研究方向为交通规划与设计,(E-mail)yangzhongzhen@263.net

U115；F590.32

A