低碳视角下的城市公共停车场选址分析

马骏

（合肥市规划设计研究院，安徽 合肥230041）

0 引言

如今随着生态环境问题的日益严峻，绿色低碳已成为城市可持续发展的一项重要目标。城市公共停车场选址，不仅关系到城市交通通畅运行，还关系到城市碳排放高低。因此有必要从低碳视角出发，加强对城市公共停车场选址研究分析，提高公共停车场利用率，降低城市碳排量，推动城市实现可持续发展。

1 城市公共停车场选址低碳目标

1.1 减量目标

城市公共停车场在实际进行选址规划时，首先需要做好停车需求预测与分析，停车需求总量大小，将会对碳排量带来最为直接的影响[1]。实践表明，伴随着停车场建设数量的增加，对私家小汽车出行吸引效果越好，因此整体碳排放总量会显著增多。除此之外，大量私家小汽车的出行，还会加重城市交通拥堵，产生更多碳排放。因此必须要加强停车场总量的合理控制，这样才能有利于降低机动车出行比例，减少碳排放总量。

1.2 集约目标

从Grossman提出的“环境库兹涅茨曲线（简称EKC）”理论能够了解到，城市土地经济密度与碳排放之间，存在EKC重组效应。即当城市土地利用越精细，碳排放越少，反之，碳排放会越多。而不同停车场建设形式，对土地利用率也各不相同。在停车数量相同的情况下，相较于地下停车场与立体停车场，地面停车场显然土地利用率更低。因此在实际进行城市公共停车场选址规划时，需要结合实际用地条件，合理选址停车场建设形式，提高土地利用率，更有利于降低碳排放。

1.3 高使用效率目标

城市土地资源通常较为宝贵，因此公共停车场建设数量有限，并且伴随着社会经济的高速腾飞，人民生活质量提升，私家车数量猛增，公共停车场建设速度显然无法跟上私家车数量增加速度。因此必须要加强对现有公共停车场资源的充分利用，提高公共停车场的使用效率，实现停车场错峰共享。

2 低碳视角下的城市公共停车场选址方法分析

传统的城市公共停车场选址方法主要包括多目标对比系数法、多目标加权分配法、步行距离最小法等，这些方法通过建立各自的选址模型，虽然各有优势特色，为城市公共停车场选址提供了很多思路，但从低碳视角来看，依然存在以下几点缺陷：一是上述方法实际实施约束条件较多，实施难度较大，因此难以有效彰显低碳环保的目标。二是上述传统方法的实施，都是建立在已知的规划条件之上，没有从未来城市发展的角度出发，缺乏对未知公共停车场选址规划的分析[2]。为有效解决上述缺陷问题，文章从“停车吸引点”入手，提出了一种公共停车场选址模型方法，以下是对该方法的详细介绍分析：

2.1 建立“地理信息兴趣点数据”

“地理信息兴趣点数据”简称POI数据，在每个POI数据中，至少包含4个类型的地理特征信息，即“地理名称”“经度”“纬度”以及“地理属性信息”。此次选择采用“某城市POI数据”作为数据源，采用了高德地图POI分类标准，采集了13类常用的POI数据，比如公共设施、商务住宅、公司企业等不同土地利用数据类型。通过这些数据，能够了解城市不同土地利用性质，而城市土地利用性质决定了停车发生源的性质，也决定了停车需求特征，如车辆停放时间、停车目的等。此外，土地开发利用的强度越大，建筑、人口、交通就越集中，停车需求也就越大。POI数据需要应用ARCGIS10.2进行预处理，具体数据显示如图1所示。在此基础上，还需要进行坐标系设置，一般情况下，采用的坐标系为WG1984坐标系。随后，还需要利用“百度热力图”大数据可视化产品，分析在规划区内人口聚集程度。通过利用百度热力图在规划区中进行截图，然后再对截取的图像数据进行矢量化处理。但由于“百度热力图”主要收集的是人口移动数据，与真实的人口分布数据相比必然会存在一定误差。因此在此次研究中，更注重选择在不同时段条件下，不同区域人口流动聚集情况。为更加方便进行数据分析，此次研究采用热力度衡量热力地图所呈现的城市人口流动集聚密度情况，以区域中不同色彩为依据，划分了不同等级的热力度数值（在1-7范围内），该数值越高，说明人口分布越密集，反之则说明人口分布越稀疏。除此之外，还需要应用百度路况，反映规划区内实时交通路况信息。并用不同颜色区分不同路况，红色表示拥堵，黄色表示缓行，绿色表示畅通。在实际清理百度实时路况数据时，需要采用实际路网拓扑结构，提取实时路况栅格数据信息，并基于不同路况，做好分类像元赋值，其中绿色路况像元赋值为1，黄色路况像元赋值为2，红色路况像元赋值为6。像元赋值越高，路况越拥堵。

图1 某城市POI数据示例

2.2 停车吸引点识别

为了能够对规划城区内的公共停车场选址布局各种影响因素进行可视化分析，还需要做好停车吸引单元的划分。在实际划分时，需要将规划城区主干道间距以及公共停车场的服务半径作为重要的划分依据[3]。可选择以500m作为一个单位，将规划城区划分为500×500m停车单元，具体如图1所示。随后，还需要停车吸引点空间聚集分析，在这一过程中，如果仅仅采用传统的核密度分析方法，无法实现量化统计评价，因此在此次研究中，选择在采用核密度分析方法的基础上，充分结合城市设施服务影响因素，先完成地理单元的城市设施POI群点空间密度值计算，再采用Getis OrdGi局部空间统计方法，从而使得城市空间POI分布热点更具统计意义。最后，还需要考虑到人口聚集以及交通路况因素，做好相应的聚类分析。针对前者，首先需要采用时空聚类分析方法，具体可分为三步，第一步，城市空间结合百度地图的热力图数据，做好数据的预处理，将错误的时空数据删除。第二步，判断时空对象间差异性。这种差异性判断分为两种，一是属性相似，需要通过结合密度的分布，对时空对象属性差异进行描述；二是距离差异，需要采用时空对象间各种距离函数来衡量，比较常用的距离函数为欧式距离函数。第三步，开展时空聚类分析，需要以时空对象之间差异大小为依据，实现时空数据聚类分析。随后还需要进行人口聚集时空聚类分析，具体可分为以下四步，第一步，通过截取规划城区一周内的百度热力地图，分析该时间段内的人口热力度数值，获取人口聚集时间切片样本。第二步，采用模糊叠加法，完成对不同热力度人口聚集面积的计算。第三步，在GIS工具的帮助下，对规划城区高热区的地理位置，按照50×50m进行单元划分，并采用以下公式计算每个单元的整日数据平均值：

式（1）中：Hi(平均)表示单元i整日平均热力度，取值为1，2，3，……，n；Hix则表示在点x时刻下的热力度数值，取值为1，2，3，……，24。第四步，明确城市人口重心变化。虽然采用百度热力地图，难以真实反映出城市人口聚集变化的情况，但也能够很好的展示出人口疏密的空间相对关系，因此可以以百度热力图为依据，计算出城市的“热力重心”，用于替代城市“人口重心”变化。基于此，可以在GIS工具的帮助下，围绕各封闭热力等值区域，做好重心位置的计算，再按照各自热力值和面积，完成加权计算。计算公式如式(2)、(3)所示，最终可以得出活动整周工时间段人口重心移动轨迹。

式（2）～（3）中：X，Y表示 在某时刻，城市人口中心坐标值。其中，Hj表示第j处封闭热力等值区域的热力值；Sj表示第j处封闭热力等值区域的面积；Xj与Yj表示第j处封闭热力等值区域的重心坐标；其中j=1,2,3,...,n。

针对后者，则需要进行交通拥堵时空聚类分析。首先，按照一周时间段，获取交通拥堵时间切片样本。随后，对从百度地图平台上获得的路况栅格数据进行矢量化处理，在处理过程中，需要应用ARCGIS10.2平台生成随机点工具，对道路路网数据进行离散化点处理。然后对路况进行赋值，用数字1表示道路通畅；数字2表示缓行，数字3表示拥堵。最后，提取拥堵规律。

2.3 综合停车吸引点识别

当某类停车吸引点密度不变，人口聚集度越高，停车数量将会越多，交通拥堵自然越严重，那么停车需求量也会提升。因此将最终根据上述聚类分析结果，可得出各类停车吸引点和停车需求的相关性。然后采用ARCGIS中的栅格叠加工具，将各类停车吸引点的核密度进行加权叠加，权重即为该类停车吸引点对停车需求的相关性，得到综合加权平均核密度图。最后再以此为依据，完成公共停车场选址分配运算，在分析计算结果的基础上确定合适的公共停车场站个数与建设位置。

3 结语

总而言之，城市公共停车场选址本身便是一项较为复杂系统的工作，再加上从低碳视角出发，实际进行选址时，还需要满足绿色环保低碳的需求，进一步加重了停车场选址的复杂性。因此需要加强对选址方法的分析，满足绿色低碳目标的同时，避免城市交通拥堵。