①基于区域内多种用地产生率
设P为高峰停车需求量,Pj为j类用地高峰停车需求产生率,可理解为高峰时刻各种用地的累计最大吸引量(辆/公顷),LUj为j类用地的面积(公顷),则:
表面看起来,这种方法其特性与上边的f条相同,只是对f条各种停车需求量的叠加,但亊实上,由于城市用地之间的相互影响,除前述f条存在问题外,额外又增加了两个问题:
a.不同城市区位用地产生率的差异
各种停车用地停车产生率实际上由两部分构成:基本产生率与区位产生率。基本产生率是由用地本身的一些属性决定的,如某商业设施某种商品对周边购物者的吸引作用大小,主要是由其在竞争市场中的有效作用范围和消费者比较固定的消费偏好水准决定的。是停车需求的基本组成部分。区位产生率则可能是由于城市用地之间相互作用导致的额外增加量。例如,城市商业中心地带的商业设施,除了基本产生率对应的基准停车泊位外,还可能吸引打发闲暇时间或以逛街作为娱乐者更多的光顾,尽管这些顾客可能并无明确的购物计划,但他(她)们的光临也会给商家提供推销的机会。这种情况在城市偏远效区发生的可能性很小,因此,由 于区位不同,同一性质的用地产生率也会是有所差异的,但这一差异,本模型很难考虑到。
b.不同性质用地停车场共用作用
不同性质的停车用地高峰需求量发生的时刻是不同的。为此,如将停车需求高峰时刻错开的两种用地安排在一起,则可能导致城市停车用地的节约。图中为美国ULK(the Urban Land Institute)提出的办公用地与宾馆用地共用停车用地后的停车状况示意,从图中可见,如果停车用地分别设置,工作日上午10时,办公用地需要1200泊位;周六时8时,宾馆需要460泊位,共计需1660泊位。而共同使用停车用地,工作日上午10时,则只需1445个泊位, 可以使停车产生率下降10%左右。在国内外城市停车的实践中,类似的这种共用现象是普遍的,这将会使国内外目前普逋采用的本方法有高估的可能。
办公/宾馆停车累积曲线
②基于相关因素的多因素回归
这一方法通过建立停车需求与城市经济活动及土地使用变量之间的函数关系来进行预测。如邓兴栋等采用停车泊位与人口、工作岗位、建筑面积、小汽车注册数、零售服务业人数的多元线性回归预测广州市中心的停车需求量。这 种方法的优点是考虑的相关因素较全面,理论上较严密。缺点是相关因素考虑得较多,但数据的可获得性及准确性,尤其是未来年的数据波动对预测结果的影响,事前很难评估。因此,在实际工作中采用的次数较少。这一模型在理论上需注意的问题可能存在多元共线性问题,由于选用的自变量较多,高相关性的自变量会使回归稳 定性成为一个问题,并使这一问题在预测年份中随数据的可能剧烈波动而影响到预测。
无论是单元还是多元,回归模型追求的误差平方和最小的目标,使实类际工作中的泊位需求量预测结果满足实际的可能性均偏小,这一点,可从图中得到体现。
回归模型使泊位需求偏小的可能性变大
从图中可见,如果采用回归模型设置泊位,约有50%的可能性使现有停车设施的预留泊位数偏小,而采用90%的概率使现有停车设施满足需求,拟合线位就要上移,这是使用回归类模型应引起注意的。
对于城镇间运输而言,我国现行管理办法可以通过运营车辆(以通过客货运输服务从他人处获得利润为目标的车辆)登记制度,获得其车辆数目,然后通过实栽率抽査放大后便可以获得区域内城间客货运输量。然后通过组织量分析(可组织为运输企业运营数量的比例分析)及适站量分析(组织量中可进入汽车站的比例分析)就可确定出站场的服务运输景,以运输量为依据,通过站场分设后,就可以分别确定各个客货运汽车站的各类用地的规模,这是我国现行场站设置的需求分析框架。这一方法体系也是较为合理的,存在问题的地方主要是运输组织童及适站量系数的把握难度大,不同城市间的差异,指标对应的城市与城镇间的比例分担很难考虑周全。在我国进入物流业时代以后,由于物流与运输是相互交叉的 两个概念,货物运输只有与物流结合起来才能逐渐作大,而第三方物流也有必要以货物运输为核心,因此,对基于货运为中心的物流园区规划,必须更新现有方法。对于城间旅客运输而言,也有必要对其系数及方法的严密性方面作出更为符合时代发展趋势的完善。
