基于城市综合体分类的停车收费政策预评估

吴娇蓉，朱启政，林子旸

(同济大学道路与交通工程教育部重点实验室，上海201804)

基于城市综合体分类的停车收费政策预评估

吴娇蓉，朱启政，林子旸

(同济大学道路与交通工程教育部重点实验室，上海201804)

为有效评估停车收费政策在不同类型城市综合体中产生的效果差异，基于辐射范围、居民出行距离及公共交通服务水平三项特征指标，利用K-Means聚类算法将城市综合体分成市域型和区域型两类。与区域型综合体相比，市域型综合体辐射范围更广、所吸引的人群活动出行距离更长、公共交通服务水平更具竞争力。构建城市综合体居民行为选择模型，利用RP/SP融合数据标定模型参数，以消除意愿调查产生的偏差。该模型综合考虑停车收费政策和公共交通服务水平的关联性，能有效分析停车收费价格上涨幅度和公共交通服务水平改善对市域型和区域型城市综合体居民方式选择行为影响的贡献程度，为区域差别化停车收费政策制定提供参考依据。

城市综合体；市域型；区域型；停车收费调整；政策预评估

0 引言

城市综合体是一种多功能、高密度的城市开发模式，近年来在中国进入快速发展时期。在提高城市与商业活力的同时，综合体往往是城市空间活动出行最密集、最活跃的地方，由此带来了交通高度集聚、停车困难等一系列问题[1]。于是，提高停车收费标准、调整停车位配建标准[2-3]、引导小汽车出行向公共交通转移等交通举措纷纷推出。

在城市综合体片区实施精细化、差异化的停车收费政策，主要面临两个问题：

1）缺乏面向差异化停车收费政策的城市综合体分类方法。现有研究多按开发性能或主要业态将综合体分成办公、商业、主题综合体等类型[4]，也曾有学者按规模体量、地理区位等要素对综合体进行二元分类[5]。但这些分类方法均无法直接反映居民活动出行特征，即使在同一业态、同一区位的城市综合体中，居民活动出行特征、停车行为及停车意愿都很可能表现出显著的差异性，难以支撑区域差别化停车收费政策的制定。

2）预测停车收费政策对居民出行行为的影响及实际效益十分困难。停车收费政策效果评估经历了由宏观到微观再到宏观的过程。早期研究通过经济学原理、效益分析等方法建立停车收费定价模型，试图探讨停车收费定价与停车设施建设运营成本、道路拥挤成本等宏观指标的关系[6-7]。这类定价模型的缺点是忽略居民的意愿偏好及对于停车收费的容忍程度。后来，众多学者以Logit模型为手段，从微观层面探讨停车费用对居民出行行为、停车选择行为的影响[8-9]，但此类非集计模型的应用多是基于陈述性偏好的意愿调查(Stated Preference,SP)数据，不可避免地会产生伴随假设意向数据误差的预测误差[10]。近年来，随着差别化停车收费政策在北京、深圳、宁波等城市的推行[11-12]，政策评价对象逐渐转向片区停车位占有率、行程车速、商业活力、大气环境等中、宏观层面的指标[13-14]。然而这些政策评价方法多针对城市集中建成区或中央商务区(CBD)，很难直接适用于城市综合体片区的微观尺度。因此，较难分析不同类型城市综合体片区停车收费调整、公共交通服务水平改善或其他外界要素变化对于城市综合体居民行为改变的影响。

为有效分析不同类型城市综合体所在片区的停车收费政策效果，对深圳市2014—2016年路内停车收费政策进行梳理：2014年7月，经综合评估并优化路内停车收费政策后，选取原特区内4个片区开展试点运行；2015年1月，原特区范围内1.2万个路内停车位全面启用；2015年7月，下调路内停车收费标准，并延长免费停车时间[11]。2015年7月至今现有政策已实施一年多，如何把握停车收费政策调价幅度和调价时机，使城市综合体交通达到最佳状态，成为亟须回答的问题。

本文基于居民活动出行时空特征对城市综合体进行分类，以显示偏好(Revealed Preference,RP)与陈述性偏好(SP)调查数据为基础，构建基于RP/SP数据融合的停车收费政策预评估Logit模型，辨识停车收费等政策调整对于不同类型城市综合体的居民交通方式转变的贡献程度，旨在为不同类型城市综合体精细化停车收费政策调整提供依据。

1 研究思路与数据来源

1.1 研究思路

首先，以城市综合体居民活动出行调查为基础，提取综合体辐射范围、居民出行距离等特征指标，并通过K-Means聚类算法对所调研的综合体进行分类。然后，以小汽车和公共交通等不同方式的出行成本为切入点，构建基于RP/SP数据融合的Logit行为选择模型，分析停车收费价格及公共交通服务水平等要素变化下，居民出行行为的转变情况。最后，探讨在不同类型的城市综合体中，停车收费政策对居民出行行为影响的差异性，从而给出差别化的停车收费政策建议，包括政策实施的时机以及停车收费价格调整幅度(见图1)。

1.2 数据来源

选取深圳市12个城市综合体(见图2)，于2015年和2016年分别开展停车行为意愿调查。其中地王大厦、会展中心等综合体以办公为主，调查对象主要为通勤居民；万象城、海岸城、益田假日广场等综合体以商业为主，调查对象主要为非通勤居民。问卷内容分为个人社会经济属性、出行及停车行为特征、停车意愿三部分，同时采用RP和SP调查方法。其中RP调查包括出行方式(是否驾车)、出行距离、停车支付费用等内容，SP调查主要包括居民对停车费用和公共交通服务水平的敏感程度。

对于聚类、离散选择模型等定量分析而言，当样本量达800～1 000个时，所有参数估算的变动系数为0.1以下，即有95%的概率认为参数估计的相对误差在20%以内[15]。因此，本研究以1 000作为样本量基准，共发放问卷1 300份，由调查员在选定的停车场库及路内停车区域发放问卷并当场回收，其中有效问卷1 086份(驾驶人757份，非驾驶人329份)，有效问卷率83.5%。

2 城市综合体分类及特征指标分析

本文采用基于相似度的聚类算法，既考虑城市综合体辐射范围和公共交通系统服务水平，又考虑居民采用不同交通方式的出行距离，开展面向差别化停车政策的综合体分类研究。

2.1 基于K-Means的综合体分类方法

面向停车收费政策的综合体分类往往涉及一个片区，片区内包含办公、购物、餐饮、休闲娱乐等活动。不同城市综合体由于区位、发展阶段及发展模式的差异，综合体片区呈现不同的居民出行特征。利用KMeans聚类算法，依据综合体吸引人群辐射范围、居民出行距离及公共交通服务水平三类要素对深圳市原特区内城市综合体进行分类。其中辐射范围通过受访人群出行起点所覆盖的街道办事处数量和跨行政区出行比例两个变量表征；公共交通服务水平通过公共交通与小汽车门到门出行时耗比(以下简称“出行时耗比”)反映。

最终聚类中心将12个城市综合体分成区域型和市域型两大类(见表1)，其中会展中心、大梅沙奥特莱斯、科技园及南油信和广场4个综合体为市域型，而地王大厦、海岸城等8个综合体为区域型(见图3)。市域型城市综合体的聚类中心相比区域型呈现辐射范围更广的特点，吸引人群的来源覆盖更多街道办事处(23个)，跨行政区出行比例高达66.1%，同时具有更长的出行距离(14.9 km)。两类城市综合体的差异不仅仅体现在吸引范围及对应的活动出行距离，而且公共交通服务水平也有明显差异，市域型综合体的出行时耗比仅为1.62，远低于区域型综合体的1.93。已有研究表明，当出行时耗比不大于1.5时，公共交通将对居民出行产生较高的吸引力[15]。市域型综合体的出行时耗比显然更接近这一水平，可见其公共交通服务较为完善。

图2 调研城市综合体点位分布Fig.2 Distribution of surveyed urban complexes

表1 城市综合体类别划分的最终聚类中心Tab.1 Estimated cluster center of urban complex classification

2.2 综合体分类合理性检验

尽管已经通过K-Means算法对综合体进行聚类，但由于K-Means算法中K事先给定，在合理性方面存在一定质疑。为检验分类方法的合理性，采用t检验法进行验证。t检验是用t分布理论来推论差异发生的概率，从而比较两组样本数据的差异是否显著。由于居民出行距离与出行时耗比两项指标基本符合正态分布，因此可以对两组数据进行独立样本t检验。检验过程中做出以下两个基本假设：H1，两类综合体的居民出行距离并无差异；H2，两类综合体的居民出行时耗比并无差异。结果显示，出行距离和出行时耗比两个指标的检验结果皆为显著(见表2)，因此可以拒绝原假设H1和H2，即认为市域型和区域型两组综合体数据之间确实存在显著差异，通过K-Means算法对综合体进行聚类方法可行。

通过以上分析可知，要想处理好整数系向有理数系的扩充，关键点在于“测量”与“除法”途径下的分数概念教学.首先，在“测量”途径的分数概念教学中，最好利用度量类问题，使学生发现“测量”途径产生分数的真正目的是找到一数对另一数的度量值，这个过程是为有理数系的产生做铺垫.其次，在“除法”途径下的分数概念教学中，应注意如下两方面内容的教学：一方面，要强调乘法逆元是一个独立的元素；另一方面，则需要在教学过程中体现分数与整数可以在四则运算中反复施行，即分数与整数所构成的集合对于四则运算封闭.

2.3 不同类型综合体特征指标对比分析

对比两类综合体的出行距离累积频率曲线(见图4a)，发现区域型综合体的出行距离较短，约50%为6～8 km，超过85%不大于20 km。可见，区域型综合体的辐射范围随出行距离的增加衰减较快，6～8 km是区域型综合体的强辐射范围，20 km是区域型综合体的辐射边界。而市域型综合体的出行距离较长，且在10 km，16 km，25 km等中长距离的圈层上出现微弱的波峰，出行距离50%及85%分位点分别长达12 km和26 km。

对比两类综合体的出行时耗比分布累积曲线(见图4b)，发现市域型综合体50%的居民能享受到出行时耗比小于1.6的公共交通服务，约15%的居民出行时耗比大于2.2。区域型综合体中，仅约39%的居民出行时耗比小于1.6，约37%的居民出行时耗比大于2.0。通常，当公共交通门到门出行时耗为小汽车出行时耗近2倍时，公共交通出行几乎对所有乘客不具吸引力。

值得注意的是，区域型和市域型出行时耗比小于等于1.2的部分几乎重合，即两类综合体中均有约20%的人群能享受到便捷的公共交通服务。这反映出区域型和市域型两类综合体在面向小范围、中短距离出行时，公共交通均具有一定的竞争力，但区域型较为缺乏面向中长距离出行、快速、直达的公共交通服务。

图3 城市综合体受访人群来源分布Fig.3 Distribution of surveyed travelers in urban complex

表2 市域型和区域型综合体数据独立样本检验结果Tab.2 Independent sample test results of metropolitan and regional urban complex

图4 前往综合体的居民活动特征累积频率曲线Fig.4 Cumulative frequency curve of the residents'activity characteristics in urban complex

3 城市综合体中居民出行行为模型

3.1 Logit模型构建

通常，城市综合体的居民绝大部分对该综合体较为熟悉。因此，在理性人假定条件下构建二项Logit离散选择模型，定量分析不同类型城市综合体的停车收费价格调整对出行方式选择行为的影响程度。效用函数中除出行时耗和小汽车出行的停车收费两个关键项外，还加入综合体类型、家庭收入、出行目的三个与出行行为选择显著相关的因素。假设效用函数的固定项与各解释变量之间呈线性关系，则第n个居民选择小汽车或公共交通出行的效用

式中：θk为第k个变量对应的参数；In为第n个居民的家庭收入；TCn，TBn分别为选择小汽车和公共交通出行所需出行时耗/min；Cn为停车支付费用/元；εCn和εBn为第n个居民选择小汽车和公共交通出行方式效用函数中的随机项；Mn为出行目的，分为通勤与非通勤；Kn为反映综合体类型的二元虚拟变量。

二项Logit模型为

式中：PCn和PBn分别为居民n选择小汽车或公共交通出行的概率。

3.2 模型参数标定与解释

由于SP调查数据和受访者最终发生的实际行为可能不一致，因此仅用SP数据对Logit模型参数进行标定容易出现偏差。为能同时反映居民的真实出行方式选择及其在意愿调查过程中的思考权衡过程，本文利用SP和RP融合的调查数据，通过最大似然估计进行回归系数求解，模型标定结果如表3所示。表3中ρˉ2为经过自由度调整的优度比，其值为0.29，表明模型精度较高。此外，从模型的参数标定结果看，各解释变量的显著性检验值均小于0.1，可认为家庭收入、出行目的、出行时耗、停车支付费用、城市综合体类型等变量在90%的置信水平上对出行方式选择结果均有显著影响。出行目的的回归参数为正，说明在非通勤活动中居民更倾向于选择小汽车出行。而停车支付费用和公共交通出行时耗的系数均为负，表明停车费用越高、公共交通服务水平越好，居民越容易放弃小汽车出行。另外，综合体类型这一哑元变量的参数估计值为-0.31，表明在市域型综合体中活动的居民更倾向于选择公共交通出行，对小汽车出行的依赖程度显著低于区域型综合体中的居民。

表3 Logit模型标定结果Tab.3 Calibration results of binary Logit Model

表4 不同类型综合体中不同活动目的的停车行为特征Tab.4 Parking behaviors by travel purposes in different types of urban complex

4 停车政策效果评估

4.1 停车收费价格对个人出行方式选择的影响

调研的12个综合体在现行停车收费标准并无显著差异情况下，市域型和区域型两类综合体不管是通勤还是非通勤出行，停车支付费用和停车时长无显著差异(见表4)。然而，两类综合体中居民对于停车收费价格上涨的意愿和敏感性却有显著差异(见图5)。

依据Logit模型测算居民选择小汽车出行概率随停车收费价格上涨的变化情况，发现在不同类型的城市综合体中概率变化曲线的趋势十分相似，即随着停车支付费用上升，继续选择小汽车出行的概率逐渐降低(见图5a)。但不同之处在于，市域型综合体中居民出行对于停车收费价格的上涨更为敏感；在相同的停车收费价格条件下(例如15元)，市域型综合体个人出行选择小汽车的概率为62.9%，明显低于区域型综合体(86.1%)。在市域型和区域型两类综合体中，居民选择小汽车出行的概率临界值(P=0.5)所对应的停车支付费用分别为20元和31元，差异显著。

对停车收费价格进行敏感性分析，发现两类综合体的敏感分析结果均呈抛物线形态，即随着停车收费价格提高，居民对价格变化的敏感性逐渐增加，达到峰值后又逐渐降低(见图5b)。市域型与区域型综合体相比，敏感性曲线峰值靠左。在市域型综合体中，当停车收费水平达到通勤出行约24.3元·次-1，非通勤出行17.4元·次-1(不考虑停车时长)，即在现状水平上提升约30%，居民的敏感程度将达到最大值，选择小汽车的概率迅速下降；而区域型综合体若想达到相同效果，则需要将每次通勤及非通勤出行的停车收费分别提升至34元和24元，政策才能发挥有效作用。

公共交通服务水平的差异对两类综合体在停车费用敏感性上所体现的差异起重要作用。市域型综合体公共交通服务较为完善，与小汽车出行相比具备一定的竞争力，当小汽车出行成本增加时，居民出行方式能更为容易地从小汽车向公共交通转移。而区域型综合体由于缺乏有吸引力的公共交通作为替代出行方式，居民对于停车收费价格的上涨较不敏感。

4.2 差别化停车收费政策预评估

基于二项Logit模型，分别预测区域型和市域型综合体不同停车收费价格上涨幅度及公共交通服务水平变化场景下的政策效果。对于每类城市综合体分别设置两个场景：1)在现状公共交通服务水平下提升停车收费价格；2)公共交通改善策略与停车收费政策同时实施(见表5)。平均出行时耗比1.70和1.50是居民出行感知的两个重要临界值[16]，因此将其分别作为区域型和市域型综合体公共交通服务改善的场景目标。

市域型综合体由于已经具备较为完善的公共交通服务，因此场景一相比场景二效果更明显(见图6黑实线和黑虚线)。即居民对停车费用上涨更为敏感，当停车费用在当前基础上增加30%，放弃使用小汽车的居民比例迅速上升至约20%。当停车费用持续增加至50%，放弃使用小汽车的居民比例增长幅度明显，可以认为这一幅度是当前市域型综合体居民最为敏感的价格增长区间，停车收费政策经济杠杆效果良好。而市域型综合体改善公共交通服务水平的效果却十分有限。假设维持当前公共交通服务水平，平均出行时耗比为1.62，将停车费用增加50%，预计将有33%的居民选择放弃小汽车出行；若将公共交通服务水平改善至1.50，同样实现33%的人群选择放弃开车目标，停车费用需上涨47%，与直接提高停车费用相比仅差3个百分点。这反映出市域型综合体现阶段实施改善公共交通服务水平策略对于小汽车使用者出行行为转变的贡献度小于直接实施停车收费价格上涨政策。

图5 小汽车出行概率随停车收费价格上涨的变化情况Fig.5 Change of driving probability when increasing parking fee

表5 政策实施场景及预评估内容Tab.5 Policy implementation scenarios and pre-evaluation contents

对于区域型综合体而言，场景四相比场景三效果更明显(见图6红实线和红虚线)。即现状公共交通服务水平下，停车费用增加30%，预计仅有约6%的居民会选择放弃小汽车出行，可见直接提升停车收费价格收效甚微。但是，若先提升公共交通服务水平，使平均出行时耗比从现状1.93降低至1.70，方式选择预测曲线将出现截距，即在当前的停车收费水平下也会有约8%的小汽车居民放弃小汽车出行，此效果甚至好于直接将停车费用增加30%。此外，面对相同的停车收费价格上涨幅度，公共交通服务改善后放弃小汽车出行的居民比例将显著增加。例如在当前公共交通服务水平下(1.93)将停车费用增加50%，预计将有20%的人群选择放弃小汽车出行；若将公共交通服务水平改善至1.70，同样实现20%的人群选择放弃小汽车出行的目标，停车费用仅需在当前基础上增加39%。由此说明区域型综合体首先实施改善公共交通服务水平策略对小汽车居民出行行为转变的贡献度要大于现阶段直接实施停车收费价格上涨政策。

4.3 政策建议

对于市域型综合体，近期应先将停车收费持续上调作为核心政策，停车收费价格上涨幅度建议控制在现状水平的30%～50%，通过宣传手段给出停车收费会持续上涨的预期。然后再推出提升公共交通服务水平举措，以巩固停车收费政策效果。

对于区域型综合体，近期应先提升公共交通服务水平，推出相关举措，目标是使平均出行时耗比降至1.70。之后再启动停车收费价格调整政策，停车收费在现状基础上提升35%～60%时，放弃小汽车出行的居民比例增长幅度明显，因此停车收费水平涨幅建议控制在该区间。

值得注意的是，若两类综合体的停车收费在现状基础上持续上涨至80%～100%，放弃小汽车出行的居民增加速度将放缓而渐趋平稳，最终放弃小汽车出行的居民比例将稳定在约40%，不再增加。这应该是现阶段实施停车收费价格上涨政策对出行方式选择影响程度所能达到的上限，因为居民中始终存在一部分小汽车出行的忠诚用户，他们并不会因为停车收费价格上涨而轻易放弃小汽车出行；另一方面，当城市综合体片区停车收费价格上涨幅度过高时，一部分小汽车居民会放弃该片区而选择到其他综合体片区进行活动、消费。

图6 四种场景下随停车收费价格上涨选择放弃小汽车出行的居民比例Fig.6 Proportion of residents which will abundant self-driving when increasing parking fee under four scenarios

5 结语

本文提出一种基于居民出行特征及公共交通服务水平的城市综合体分类方法，并通过Logit模型评价停车收费政策在不同类型综合体中产生的差异性效果。该评价方法利用RP/SP融合数据进行参数估计，一方面减小了意愿调查产生的偏差，另一方面综合考虑了停车收费政策和公共交通服务水平的关联性，能有效分析停车收费价格上涨幅度和公共交通服务水平改善对城市综合体居民方式选择行为影响的贡献程度。后续研究将持续采集不同城市综合体停车行为调查数据，跟踪验证本文建立模型的有效性，同时针对不同城市数据分别建立行为分析模型，开展模型适用性分析，为城市综合体差别化停车收费政策制定提供参考依据。

[1]张肖峰，路启，董静，张壮，张雅婷.大城市商业综合体交通策略研究：以天津市为例[J].城市交通，2015，13(6)：53-60.Zhang Xiaofeng,Lu Qi,Dong Jing,Zhang Zhuang,Zhang Yating.Transportation Strategies for Commercial Complex in Large Metropolitans:A Case Study in Tianjin[J].Urban Transport of China,2015,13(6):53-60.

[2]陆洋，吕国林.深圳市路内停车收费管理创新与实践[J].城市交通，2016，14(4)：26-29，25.Lu Yang,Lyu Guolin.On-Street Parking Managementin Shenzhen:Innovation &Practice[J].Urban Transport of China,2016,14(4):26-29,25.

[3]楼齐峰，马晓龙，叶盈，梅振宇.基于出行成本的停车收费和供给政策影响分析[J].浙江大学学报(工学版)，2016，50(2)：257-264.Lou Qifeng,Ma Xiaolong,Ye Ying,Mei Zhenyu.Combined Impact of Parking Charge and Supply Policy Based on Travel Cost[J].Journal of Zhejiang University(Engineering Science),2016,50(2):257-264.

[4]王波，毕恩贵，孙超，张云龙.基于城市综合体开发的交通供给模式解析[DB/CD]北京：中国城市规划学会城市交通规划学术委员会，2012.

[5]张永奇.城市综合体概念的“二元分类法”及其特征比较[J].城市建设理论研究：电子版，2015(1)：1-7.

[6]吴涛，晏克非.停车需求管理的机理研究[J].城市规划，2002，26(10)：85-88.Wu Tao,Yan Kefei.The Mechanism Study on the Parking Demand Management[J].City Planning Review,2002,26(10):85-88.

[7]安实，马天超，尹缙瑞.我国城市停车收费定价模型研究[J].哈尔滨工业大学学报，2000，32(2)：65-69.An Shi,Ma Tianchao,Yin Jinrui.Parking Fee Pricing Model for Urban Cities in China[J].Journal of Harbin Institute of Technology,2000,32(2):65-69.

[8]秦焕美，关宏志，殷焕焕.停车收费价格对居民出行方式选择行为的影响研究：以北京市居民小汽车、公交、出租车选择行为为例[J].土木工程学报，2008，41(8)：93-98.Qin Huanmei,Guan Hongzhi,Yin Huanhuan.A Study of the Effect of Parking Price on the Mode of Inhabitant Trip Behavior with the Cars,Public Transit and Taxi in Beijing as an Example[J].China Civil Engineering Journal,2008,41(8):93-98.

[9]殷焕焕，关宏志，秦焕美，齐佳，张鑫.北京市居住区停车收费价格研究[J].城市交通，2011，9(3)：78-81.Yin Huanhuan,Guan Hongzhi,Qin Huanmei,QiJia,Zhang Xin.Parking Pricing of Residential Communities in Beijing[J].Urban Transport of China,2011,9(3):78-81.

[10]刘志明，邓卫，郭唐仪.基于RP/SP调查的非集计模型在交通方式分担率预测的应用[J].交通运输工程与信息学报，2008，6(3)：59-64.Liu Zhiming,DengWei,GuoTangyi.Application of Disaggregate Model Based on RP/SP Survey to Transportation Planning[J].Journal of Transportation Engineering and Information,2008,6(3):59-64.

[11]吕国林，孙正安.深圳市停车收费调整探索[J].城市交通，2014，12(1)：12-17.Lyu Guolin,Sun Zheng'an.Parking Charge Adjustment in Shenzhen[J].Urban Transport of China,2014,12(1):12-17.

[12]於昊，杨涛，刘小明，钱林波.北京市停车分区与差别化政策研究[J].现代城市研究，2006(10)：66-71.Yu Hao,Yang Tao,Liu Xiaoming,Qian Linbo.The Parking Zoning and Differential Policy in Beijing,China[J].Modern Urban Research,2006(10):66-71.

[13]林涛，吕国林，田锋，陆洋.深圳市试点片区路内停车收费政策评估[J].城市交通，2016，14(4)：30-39.Lin Tao,Lyu Guolin,Tian Feng,Lu Yang.A Pilot Study of On-Street Parking Charge in Shenzen[J].Urban Transport of China,2016,14(4):30-39.

[14]王健，洪麟琳，何建平.基于可变泊位容量的停车收费定价模型研究[J].武汉理工大学学报(交通科学与工程版)，2013，37(3)：517-520.Wang Jian,HongLinlin,HeJianping.Research on Parking Price Model Based on Variable Parking Capacity[J].Journalof Wuhan University of Technology(Transportation Science&Engineering),2013,37(3):517-520.

[15]关宏志.非集计模型：交通行为分析的工具[M].北京：人民交通出版社，2004.Guan Hongzhi.Disaggregate Model:A Tool of Traffic Behavior Analysis[M].Beijing:China Communication Press,2004.

[16]陈学武，王妤岌.需求导向的城市公共交通发展策略研究[C]//中国城市规划学会城市交通规划学术委员会.交通变革：多元与融合——2016年中国城市交通规划年会论文集.北京：中国建筑工业出版社，2016：15.

Pre-Evaluation of Parking Charge Policy Based on the Classification of Urban Complex

Wu Jiaorong,Zhu Qizheng,Lin Ziyang
(Key Laboratory of Road and Traffic Engineering of Ministry of Education,Tongji University,Shanghai 201804,China)

In order to evaluate the effect of parking charge policy in different types of urban complex,this paper categorizes the surveyed urban complexes into two types:metropolitan and regional,based on impact range,travel distance,and level of service of public transit using K-Means clustering algorithm.Compared with regional complex,metropolitan complexes have larger impact range,longer travel distance and higher level of service of public transit.This paper develops a traveler behavior choice model for urban complex,using SP/RP survey data for model calibration so as to eliminate the deviations caused by survey bias.Considering the relationship between parking charge policy and level of service of public transit,the model can effectively describe the contributions of increasing parking fee and improving level of service of public transit to travel choice behavior.The findings are expected to be reference of differentiating parking charge policy by areas.

urban complex;metropolitan;regional;parking charge policy;pre-evaluation

2016-12-23

国家自然科学基金项目“基于城市综合体复合度的交通需求预测方法”(51278363)

吴娇蓉(1973—)，女，上海人，博士，教授，博士生导师，主要研究方向：交通运输规划与管理。E-mail:wjrshtj@163.com