文摘

提高停车效率对促进城市交通改革至关重要。但停车造成的大量的无谓成本往往是低估了,因为它是难以衡量。基于现有的调查从巡航车辆的一小部分,本文探讨了影响因素的停车问题,描述了它的用户均衡模型。然后,提出了两种类型的许可证管理计划,lot-based和spot。通过分析他们的表现在降低系统成本,三个结论。首先,停车搜索导致旅行的时间表和位置调整,提高了旅行成本,减少停车场占用,使“看不见的停车问题。“其次,允许计划水平经理人控制,它表现良好在减少无谓损失,但只有通过减少搜索成本,可以从根本上减少无谓损失。第三,减少停车搜索需求信息指导;城市停车需求的快速增长,管理者应该过渡到许可证计划停车信息。

1。介绍

电气化和自动化和共享车辆可能会彻底改变城市交通效率,进一步促进旅游,节能和减排。到那时,停车问题仍将是一个固有的大都会地区的汽车旅行而不愉快的属性(1]。

研究表明,尽管绿色旅游已被广泛提倡,私家车仍然是城市旅游的主要方式。在北京的城市,私家车占30%的旅游需求,而且每个汽车旅行超过3次,平均每天约50公里的距离(2]。然而,随着汽车旅行的端点,找到一个停车位往往构成一个可观比例的总旅行时间,会导致交通拥堵和负外部性(3- - - - - -5]。根据调查数据,时间成本,车辆寻找空的地方占30 - 50%的总旅行时间,近70%的直接旅游成本,和30%的交通堵塞6- - - - - -9]。在芝加哥,巡航停车产生的总共有6300万英里的距离,每年48000吨二氧化碳10]。

多年来,收费(包括静态的、多阶段、或动态随时间和空间)调节需求起着重要的作用,它是在实践中被广泛采用11- - - - - -13]。然而,它在处理停车限制搜索。首先,它无法精确调节需求满足停车场的利用率没有车辆巡航。第二,电荷本身并不包含帮助司机避免搜索信息。在实践中,经理们经常提高收费保持少量的停车位空(5% - -15%),认为它是一个有效的妥协(14,15]。

随着信息和通信技术的发展,数量控制方法引入基于许可的领域近几十年来交通需求管理。他们起源于环境外部性的监管方法16,17),已经开发出多种形式,例如,牌照的配给,appointment-based方案,cap-and-auction计划总量管制与排放交易计划,等等。允许计划停车领域的应用是有意义的;首先,它表现良好匹配的供应和需求,避免飞跃增长成本当需求溢出;第二,它兼容身份认证,信息发布,和灵活的价格调整和适用于私人和不完全开放停车资源的集成,如住宅停车位。他们提供了一个潜在的机会,实现智能、共享停车。

在停车的实证研究,现有的知识是强烈的反应偏向司机停车价格(18- - - - - -22),而另一个关键因素,例如,入住率,延迟,和距离目的地,仍然模糊(1]。近年来,各种方法被用来观察停车搜索和巡航,例如,跟随车辆,park-and-visit测试,车载视频和GPS跟踪(4,23- - - - - -31日),但他们没有达成完全一致的结论在研究游客的搜索行为及其对系统的影响。

在理论研究领域,文献停车许可证在两类。一个是停车问题本身和研究解决方案减少旅客的延迟时间或排队时间;另一种是充分利用多个访问模式或公路网络和旅游需求研究如何合理配置32- - - - - -39]。然而,搜索并没有充分考虑停车。搜索是排队要复杂得多。首先,排队是线性的和明确的,成本和旅客等待一段时间后获得停车服务。停车场供应也充分的利用。但是搜索成本是非线性的,它增加与减少空停车位(6,14,40- - - - - -42]。当它高于旅客的期望(系统的平衡点),停车设施可能无法充分利用,和停车的过度需求将扩大范围。第二,排队是受旅行者的出发/到达时间,这可以减少分散旅客的出发/到达。但搜索影响停车场利用率(基本上到达顺序)。晚接孩子的时间较长,所无法解决的分权出发的时间(当前许可证)。

因此,为了探索解决停车的搜索问题,本文总结了现有实证研究的结果。首先,停车搜索和克鲁斯在停车过程中很常见,而且在大多数情况下,他们需要3 - 5分钟。其次,通过比较城市的数据中心和郊区,停车设施的匮乏影响巡航时间。第三,司机更熟悉的道路环境花费更少的时间在巡航,表明信息有利于停车。第四,最近的一些研究发现,搜索时间和距离变短,和目的地前的旅客站的比例增加。推断,旅行者可以认为停车设施的使用在不同的位置更准确和提前作出取舍。因此,停车问题概括为四个方面,停车的搜索成本,相关行程延误起飞时间调整,造成停车位置调整,造成的额外成本行走和未充分利用的停车场。

在此基础上,本文建立了一个用户均衡模型研究停车场利用率之间的关系和停车选择(选择停车位置和起飞时间),然后提出允许基于质量控制计划,探索其可行性解决停车的搜索问题。相应地,三个方案介绍。

不允许计划。经理只收和不使用许可(采用静电)。旅行者从时间和空间的维度展开竞争。这个方案将作为基准。

停车场许可证方案。经理问题基于独立的停车场,停车许可证和旅行者的凭许可证可以在任何地方公园在相应的停车场,理论上提出的类似于许可证Zhang et al。32不区分停车位。在实践中,它类似于离线许可计划(经常在停车设施),但周期短(例如,在一天之内)。

停车位允许计划。经理允许基于特定的停车位,停车问题和游客停车许可证需要公园在指定的位置。理论上这是类似于允许应用领域的共享停车(供应商的开放时间需要符合要求者的停车时间)。在实践中,它是应用于私人管理的地点在一个居民区或一些地方保留和绑定到特定的车辆牌照(停车位标有数字办公大楼)(表1)。

本文的其余部分组织如下。部分2提出了假设和分析了组件的旅行费用。部分3推导出没有许可证的用户平衡方案。两个停车场许可证制度,阐述了部分4。节5,提供了数值实验。部分6总结了纸。

2。假设

本文集中于商业区停车问题(不是唯一的)在早上高峰,主要考虑以下。

首先,乘客可以从日常行程,积累经验,他们试图实现用户均衡。其次,乘客到达停车场在集中的时间内,导致快速和连续改变停车场入住率在短期内从低到高。搜索问题的影响是显而易见的。第三,通勤旅行一般长时间停车,问题可以简化为一次性停车问题(乘客不要离开在研究期间)。

为了方便的表示基本思想不失一般性,我们做出以下基本假设。

A1:网络。如图1在一个线性网络结构,商业区(办公室) ,和居民区(家)是在另一端这个城市。高速公路与长度连接和(容量足够大,没有拥堵)。

假设1是简化某些OD对的一个城市。(1)车辆司机喜欢短的步行距离(一般不超过0.3公里- 0.6公里在一块)或停车后(43]。(2)通勤数量在一定地区远小于总通勤数。车辆速度主要受外部交通;我们设置道路网络的容量足够大,为简单起见和车辆速度是常数。

A2:通勤者。有通勤者从来一天一次,他们选择出发的时间和停车的位置,以及他们的工作开始时间 。行程是由三部分组成:(1)开车到停车场;(2)寻找一个空的很多;(3)走到 。他们的时间价值(在一次)(到达早期或晚期),分别。

研究假设2早上高峰通勤。(1)旅行集中,停车竞争是显而易见的。(2)相对长时间停车可以避免中途离开的影响。

A3:停车场。有小巷的停车场分布在一条直线在一个可接受的步行距离近 。的能力和位置停车场 是和 ,分别。我们设置停车场内的步行距离为0。为了满足两个附近的停车位短缺停车需求的可满足性,我们集 。

假设3描述了城市停车现状。(1)因为停车供应接近目的地不足,有些乘客可能无法在目的地公园,但可以在一定距离公园(例如,在北京,有超过10平方公里的停车场区域的中部城市)。(2)停车场通常有多个入口和出口,和其内部非线性分布。因此,为了简单起见,我们忽视地方的差异。

此外,其余的符号在表中列出2,我们将直接在以下部分中使用它们。

相应地,旅行成本包括旅行成本(汽车和步行),搜索成本,延误成本和停车收费。

2.1。旅行费用

通勤公园时 ,他/她开车,步行时间 和 ,分别 。然后,旅行成本

2.2。搜索成本

占领了停车位的数量不超过能力,和公式 。如果没有停车诱导信息,乘客将搜索空停车位一个接一个的停车场。预期数量的点搜索之前找到一个空 (40]。满足预期的搜索时间 ( )。如果乘客提前接收停车信息,他们会直接转到指定的位置。考虑到汽车的速度将不会减少现货信息,但搜索距离更长,我们集 。预期的搜索成本计划是

2.3。延迟成本

延误成本的产品延迟时间和时间价值 。上班族的延迟成本在很多公园和时间是

2.4。停车收费

我们所有停车场有负的停车费用(不允许收费价格方案和许可证价格在停车场和车位方案),还有 。

总之,通勤的旅行总成本在很多公园和时间在该方案是

成本(4),旅行成本相关的停车位置 ,延误成本相关的停车时间停车位置,搜索成本和收费价格也与计划有关 。

3所示。用户平衡不允许计划

目前,最常见的城市停车管理是设置一定数量的提前收取费用(没有现货信息)。他们通常适用于广泛的时间和空间范围(例如,白天还是晚上,郊区,或城市中心)。当我们研究一个小范围(比如,一个早晨高峰期间交通区),费用可视为常数。

自总停车位数量大于总通勤数,旅行时间(成本)有一个边界。理性的上班族会权衡各种因素,尽量减少旅行费用单独调整他们的策略(例如,时间表和停车位置)。如果没有人可以减少他/她的旅行费用单独改变策略,用户系统达到平衡状态。

3.1。停车场通勤者的选择

在该方案 ,停车费用不随时间和位置。我们设置停车收费标准,都是等于零为简单起见。上班族的选择包括两个维度,空间(公园)和时间(公园)。在本节中,我们专注于空间维度:(1)推导出用户平衡停车场;(2)计算每个停车场的停车数量和停车空间分布。

根据(2),当停车数量接近很多能力,通勤的搜索成本变得如此巨大,以至于将超过成本的平衡。从这个角度,我们得到的话1。

备注1。如果通勤者是理性和守时,不会有旅行时间后到达办公室在用户均衡。

证据1。如果一个通勤到达晚于 ,积极的延迟可以更换成本更高的搜索成本。这意味着停车场可以吸引更多乘客谁打算公园其他地方和减少他们的旅行费用,这与假设。
这意味着停车场可以吸引更多乘客原本计划在其他地方公园。
根据备注1,最后停车的停车场可以表示为 。
考虑到时间点时,系统到达最终状态,我们进一步验证的用户均衡的存在性和唯一性 。我们构建以下模型基于贝克曼的编程模型(贝克曼编程模型(在1956年提出),满足衣橱里的用户均衡条件): 当乘客旅行没有拥堵,他们选择的停车场可以看作是没有重叠的道路网络中弧路线。最后一个停车场的数量 相当于路线流动,满足保护条件。
的拉格朗日函数(5)是 在哪里是拉格朗日乘数。省略和推导,证明的Kuhn-Tucker条件(5)是 因此,最小旅行成本存在,等于拉格朗日乘数 。从(11),如果 , ,如果 , 。
根据成本设置(2)和(4),旅行成本相关的停车数量的目标很多,所以有 (也是停车场的序列号,它是独立的 ),和 根据方程(2), 。目标函数的海赛矩阵(5)是一个正定矩阵。它有一个独特的解决方案 。
问题编程由(5)有一个凸目标函数(每个停车位置的成本是一个严格的停车数量的递增函数),但停车数量在每个位置不一定是凸的。因此,非线性规划问题,并可能有多个解决方案。幸运的是,不同于一般的交通分配问题,停车位停车用户本能地喜欢接近目的地(目的地是对交通流的吸引力)。在此基础上,我们继续讨论是否有独特的停车场分布。
自总停车位数量大于通勤的号码,停车分布边界的计划 。我们表示最远的停车位置 ;然后,对任何 ,有 。
从(4)和(7),我们得到的话2和评论3。

备注2。通勤最远的公园的停车位置不承担延误成本,和他/她的搜索成本是什么 。

证据2。如果搜索成本和延误成本的总和大于在的位置 ,进一步通勤停在一个位置 旅行成本较低,这与假设。

备注3。在该方案 ,当系统达到用户均衡,停车分布(或每个停车场的利用率)是独一无二的。

证据3。从评论2与方程(4),平衡成本可以表示为 从评论2和(9),为停车场用积极 ,有 。
搜索成本满足 因为所有的乘客完成他们的停车 和没有乘客停之间 和 。最后停车数量 在每一个位置都满足 。结合(9),有 结合保护条件(5),有 从理论上讲,我们假设停车场的数量足够大,它们之间的距离足够近;然后,我们可以重写(11)作为积分形式。 我们表示而不是作为一个常数因为停车容量是独立的位置 。(lh的求导12), ,我们得到 。的lh (12)是一个单调递减函数,因此是一个独特的解决方案。同样,离散函数(11)有一个独特的解决方案。

3.2。停车的通勤时间选择

节3所示。1在空间维度,我们讨论了上班族的选择以及最终每个停车场的利用率 。在本节中,我们关心的是停车场内的停车时间的选择(时间维度)。我们把过去的帕克在每个停车场作为基准和时间维度的研究扩展到研究乘客的到达时间(停车场)。

用户均衡下,搜索和延迟成本之和等于为通勤者在不同的时间到达在同一个停车场。指的是最后一个到达的成本,有 (不含相同的旅游成本)。然后,我们得到

第一个到达者,他/她的搜索时间 ,我们计算他的/她的到达时间 :

最后一个到达者,他/她的搜索时间 ,我们计算他/她的到达时间的停车场 :

所有其他乘客的到达时间 之间的是和 。

3.3。图形表示的平衡

在部分3所示。1和3所示。2之间的平衡,我们讨论了上班族的选择停车场和在不同的时间,分别。在本节中,我们得出的数据来描述多个维度的平衡。

根据(2),我们目前的搜索成本的曲线在图2。搜索成本保持在低水平当停车位的入住率很低(例如,80%以下),然后增加明显当入住率接近100%(假设通勤花一个单位时间寻找一个地方;当入住率达到0.8,预期的搜索时间将增加5倍,达到0.95时,停车搜索的成本将增加20倍)。

3.3.1。占用时间维度

图3显示了累计到达率和延迟时间之间的关系。需要四个终极入住率(0.96,0.9,0.8,0.5)作为一个例子(蓝色、橙色、黄色和紫色曲线,分别)。它显示了停车场高入住率;大部分的通勤者将承担更多的延迟时间。当系统达到平衡时,搜索成本和延误成本的总和的旅行者在同一个停车场是平等的;高延时补偿的高搜索时间晚到达。入住率较高的停车场(曲线偏离原点)的位置靠近目的地 。

3.3.2。时距尺寸

充分展现距离的影响因素对停车场的入住率,我们将停车场的离散分布模型转换为连续分布模型和理论分析。任何两个相邻之间的距离满足 。

根据备注2,最后帕克的旅行成本只包括旅行成本和搜索成本,所以他们都离开在 。我们进一步推导出的最新时间(1)离开住所,(2)到达停车场,和(3)离开停车场,,分别绘制在图4由橙色点实线(LT(离开)),橙实线(LT(到达很多),和红色虚线(LT(离开很多))。在每一个位置,为最早的移民成本只包括旅游成本和延误成本,和金额是固定的。根据方程(14)和(15),我们得到的最早的时间(1)离开住所和(2)到达停车点,分别绘制了蓝点实线(ET(离开))和蓝色实线(ET(到达很多))。

如图4之间的部分,红色虚线和黑色水平实线乘客的步行时间,红色虚线和固体之间的部分橙线是最大的搜索时间,红色虚线之间的部分和固体蓝线是最大延迟时间的总和(包括单位搜索时间)。在最远的位置,第一个到达者也是最后一个,蓝色和橙色线相交 。

3.3.3。Occupancy-Distance维度

根据的言论1和2,旅行成本和搜索成本的总和为所有过去的通勤者在每个位置都是一样的。我们可以计算出最终的停车数量在每个位置 从(10)。图5显示之间的关系随着距离的每个停车场的入住率 。办公室附近的温和的变化显示,当入住率的价值 很大,旅行成本的线性变化可以抵消一个微小变化(小变化产生一个相对较大的搜索成本变化)。同样,快速下行最远的停车位置附近的一部分显示,当入住率的价值很小,成本驱动的线性变化需要抵消很大改变。

数据2- - - - - -5表明,无谓损失成本与乘客的停车方案主要是反映在搜索和延迟。当停车场的入住率很高,上班族的搜索时间更长。用户平衡下,乘客到达之前在同一个停车场也熊再延迟避免搜索。在图5,大多数停车场在可接受的步行距离高入住率;只有少量的上班族选择更远的停车场,避免搜索成本和相关的延误成本。高的停车问题是一个组合搜索,延迟,和旅行费用,但其外观如图5附近,那里停车不充分的利用。这甚至可以给经理停车位不稀缺的错觉。

3.3.4。Time-Distance-Occupancy维度

通过整合时间、距离和占用,我们画一个三维图来描述时间和空间停车行为(分布),如图6。对“时距”坐标平面上的投影图4“occupancy-distance”坐标平面上,在图5”,在“占用时间坐标平面表示每个位置随着时间的累积的到来(上部黄色入住率不再延伸的一部分 ,表明它已经到了最后的价值)。

图6显示了以下。(1)搜索成本导致的低效率点利用率而所有位置的入住率低于1,随着距离的增加减少。(2)累计到达表面反映了大多数乘客到达早在几乎所有的停车位置,随着时间的推移和到达率会降低。

图6节中提到的停车调查结果是一致的吗1。它提供了一个可视化表示的停车场利用率(个人停车场利用率和停车范围)和延迟。

因此,在最常采用静电方案(单电荷在一定的空间内),不仅有一个明确的停车搜索还有一些隐性的问题,比如,一个宽量程和大规模延误成本发生在停车位供应短缺。

4所示。停车许可证的改进方案

部分3描述了一系列的停车问题,包括停车搜索、进度延迟,旅行成本增加,并使用停车场不足。在本节中,两个停车许可证计划提出,停车场许可证方案和停车位允许计划。他们两人有基本的实际应用原型。停车场许可证计划类似于一个会员系统,旅客可以购买从一个停车场停车服务一段时间(几周、几个月,等等)。通常是商业用途,例如,在机构、公司、社区等停车位允许计划类似于预订系统,旅客预订指定的停车位,在那里他们可以直接公园。通常在一个机票预订系统(包含时间和位置信息),例如,在共享停车管理或机票或火车票预订。

针对降低系统的总成本和通勤者的平衡成本,本部分探讨了影响和限制的许可证在调节不同种类的成本。结合实际停车过程,我们设计一个停车位分配机制(打开的斑点的数量随着时间的变化和空间)和设置价格达到最优停车场分布从系统优化的角度来看。

4.1。停车场通勤者的选择

设计允许发行的最优模式,分析了组件的旅行费用是必要的,这样我们可以找出哪些部分可以改善方案 。根据节2、停车成本包括四部分;其中,旅游成本和搜索成本,分别取决于位置和入住率停车位(或到达顺序);我们将他们定义为“不变成本”(如果位置和停车数量是固定的,成本是独一无二的);延迟成本和停车收费是“可变成本”,这可以由经理或通勤者自己调整。

停车许可证有两个功能:一个是为上班族,另一个是确保停车调整上下班的停车行为通过设置有效期和收费价格。指节的方法3,我们还是先研究的最终平衡态系统和分析的成本组成的最后到达每一个停车场。

首先,我们推导出平衡的计划 。作为讨论的部分3,我们开始发现最远的停车位置,推导出系统的平衡。

根据备注2,所有的 通勤者在每批计划只有体验旅行费用和搜索成本,两者都是不变的成本和无法内化的充电。因此,我们画一个进一步的评论。

备注4。如果系统的不变成本保持不变,停车场许可证不能降低均衡成本。

证据4。根据方程(4)和(9)的成本 在每个很多是通勤 平衡成本等于旅行成本的总和,搜索成本,和停车收费;当电荷 ,成本将超过均衡成本 。此外,如果经理减轻搜索通过减少发行许可证,一些乘客将搬到其他停车场, ,这将出现在至少一个停车场,这与假设。
因此,最后每个停车场的停车数量 保持静止,如图5。平衡成本计划满足 。
相比之下,延迟成本是可变的。如图6,大多数乘客体验延迟成本高入住率高的地方。如果经理提出了指控,乘客不愿意早早离开,争夺用户均衡下的停车位。同时,系统的无谓损失也转换成内部收入。
理论上,停车收费接近通勤的延迟成本似乎在内化很大一部分系统的无谓损失。然而,有两个约束条件。
首先,如果所有乘客在同一停车场不延迟或他们的到达时间是在一个很小的范围内,乘客到达几乎同一时间(或在很短的时间间隔),但他们严格保持特定的订单到来。很难实现。
其次,作为最后一个乘客在每个位置有最长的搜索时间,其他乘客不能比他们晚些时候抵达。因此,上班族的延迟时间不少于搜索时间之间的差异。
搜索成本取决于到达停车场。达到理论上的最优,经理需要设置不同的费用每一个到达时间。我们设置了最低的两个相邻移民之间的时间间隔作为 ;然后,最新的到达时间通勤的位置 , 是 作为讨论的部分3所示。1之前,当乘客离开停车场 ,他们经历延迟成本。的延误成本通勤满足 自从上次在很多通勤完成一次停车 和到达在时间,我们计算的延误成本通勤的方案根据他/她的区别(从停车场)和离开时间 。
用(17)(18),延迟满足成本 在哪里 。当 , ,通勤者的计划比以前晚些时候抵达。延误成本等于均衡成本减去旅行和搜索成本。 当 。
当且仅当 , 。
因此,收取费用(零的计划 )=搜索方案的成本之间的差异和方案 。 的到达时间的通勤是满足规定 第一个和最后一个到达的到达时间和 ,分别满足 最后,经理的计划应该问题 停车场停车许可证之间的和为 。两个相邻的时间间隔发行 。禁止停车许可证将在其他时间和停车场。
结合理论分析,我们进一步画出图7的方案(图的传说是相同的3)。
图7显示充电的影响在上班族的日程计划 。根据备注1,没有延迟成本在过去的帕克在每个很多,和他/她的搜索成本(时间)是最大的在所有帕克。另一方面,搜索成本(时间)到达的顺序。因此,如果最后一个通勤的搜索时间 ,然后延迟时间的总和和搜索时间不少于其他乘客 在该方案 。
每个曲线的拐点在图7代表倒数第二通勤的延迟时间。是受过去的搜索时间通勤(搜索的时间越长,相邻的通勤者和搜索时间差别越大越长倒数第二通勤的延迟)。曲线的部分是与图一致3方案中所描述的 。在转折点之前,每个通勤的时间间隔 ,这是一条直线的斜率 。乘数是由缩小定义字段从(0,)(0,1)。
第一个 通勤者提前到达仍将经历非负延迟成本,因为搜索最新到达的时间不是消除。
,以更好地反映距离因素的影响停车场的入住率,我们使停车场连续的离散分布。
图8和图一样的传说吗4;它表明所有停车位置是足够小,蓝色虚线(ET(离开))接近橙色虚线(LT(离开))和蓝色实线(ET(到达很多))也接近橙色实线(LT(到达很多)),它描述了第一的时间组成 上班族可以达到最后的通勤在他们到达之前。第一个的延迟时间 通勤者没有被许可;相反,它是略高于去年通勤的搜索时间。
从时间的维度,距离,入住率,计划被描述为三维图吗9。与计划相比图中所描述的6的到达时间(办公室),大部分的上班族更接近 ,和变化是更重要更接近 。
我们分析了停车场许可证方案的性能。方法理论体系优化,它需要(1)经理区分每个通勤的到达时间和(2)上的所有乘客到达时间,这是在实践中难以实现。作为替代方案,经理可以设置少量的组(每组的通勤者有相同的收费价格和过期时间)。如果有在一群上班族,工作负载将减少 次了。然而,作为一个权衡,经理只能发行许可证根据每组的最后到达和忽略的成本差异。很容易证明,当 ,该计划等于计划 ;当 ,该计划等于计划 。我们将检查这个妥协方案5。

4.2。停车位允许计划

根据节4.1,停车场许可证方案的贡献一定比例的延迟成本可以通过充电内化。然而,它仍然有一定的局限性。它无法消除搜索成本和效率损失直接相关(例如,早期移民和停车场的利用率不足)。

首先,该计划不会改变平衡;停车场的利用率是一样的计划 ;尽管高附近的停车需求 ,停车场没有被充分利用的问题仍然存在。一些乘客继续承载更多的旅行费用,因为他们有公园在更远的位置。旅游总成本的计划是 ,这是高于斑点是完全利用时旅游总成本( )。

其次,它不能有效地降低系统的总延误成本。所有乘客的到达在一个位置是有限的,过去的到达时间和搜索时间(或几)通勤者,和延迟的成本不能消除。与理想情况相比,它减少了系统的总延误成本不到 。

通勤者采取停车搜索时无法得到关于停车位的信息。他们必须穿过整个停车位(或停车场)。为了解决这个问题,我们提出了停车位允许计划 。在这个方案中,经理问题停车许可证与特定的位置信息。根据位置和允许设置和收费服务时间。乘客提前获取现场信息(出发前)和直接走到目标位置。他们的平均搜索时间 。

不同的方案和 ,通勤者的搜索成本不再超过均衡成本时 (他们不受到其他帕克的计划 )。因此,我们推断 ,所有停车场的停车需求大于供给满足 。在这些很多上班族公园只有旅行成本和固定的搜索成本π。表示最远的位置停车方案作为 ;根据(4),旅行成本

从(24),我们可以得到下面的备注。

备注5。当这个计划达到最高效率,收费价格满足 。如果系统达到平衡,平衡成本最低 。

证据5。扣除停车费用,停车成本是最高最远的停车位置 。如果收费价格 ,然后乘客的成本和平衡的成本将会增加,这与假设。
现在我们研究每个停车位置的利用率。正如我们已经讨论的,方案之间的差异和是上班族的计划吗不需要寻找停车位停车时;成本没有关系与当前停车场的利用率或到达的顺序。的很多满足 ,最后一个乘客不延迟成本经验,和他们的旅行费用 在该方案 ,停车场(使用)仍有吸引力通勤停车收费时适当的设置(例如,不超过 )。此外,成本不包括最后的通勤者在每个停车场收费不再是平等的,所以当系统处于平衡状态,收费停车场 是积极的。
在离散模型,如果的位置停车场 在该方案 ,然后满足 (26)表明,当停车场离散分布,停车场可能不会充分利用。
平衡成本该计划的满足 根据(24),最后一个到达者收取费用是 所有乘客在同一个停车场同时到达。因此,所有乘客到达(理论上),和第一个通勤者也或最后一个,它满足 与方程(30.): 最后,经理的计划应该问题停车场停车许可证当时 为 。禁止停车许可证将在其他时间和停车场。
我们继续使用停车场,以确保连续分布模型理论分析的准确性。从上面的推导,我们在图代表乘客的旅行计划10(传说是一致的数据4和8和停车场是连续分布)。在该方案 ,每个停车场的利用率是100%,和搜索时间 。
不同的数据4和8,在图10(1)最远的停车位置满足 ,比前两个方案更近;(2)两个系列的行(蓝色虚线和橙色和蓝色和橙色实线),分别代表最早的和最新的离开和到达时间相互重叠,这表明,上下班时间组成的公园在同一位置往往是相同的,延迟时间最小化;(3)最新的到来(橙色固体)线接近最新的离开(红点),这表明,搜索时间最小化。
从时间的维度,距离,入住率,停车分布方案进一步发展图11。
相比之下,图9,该计划继续推迟离开和到达时间的通勤者。的改变几乎等于改变计划这个计划 。与计划相比 ,延迟成本计划减少了近两倍,人均搜索成本变化恒定值 。另一方面,表面会变成一架飞机;对“时距”坐标平面上的投影直线,描绘的安排所有乘客停在相同的位置是一致的。其预测“占用时间”和“occupancy-distance”坐标平面矩形,这表明所有的停车场都充分利用时间和空间维度。

5。数值实验

在本节中,我们提供了一个数值实验分析停车成本和用户均衡的方案然后定量检查方案的有效性和 。我们设置参数如下:停车场。停车场设置数量 。的距离停车场的目的地是 公里。通勤者。通勤的数字设置为 。搜索时间设置为单位 秒(14]。在停车位允许计划 ,通勤者的指导下搜索时间信息设置为60秒根据因素的实证研究巡航速度和距离范围(44- - - - - -50]。时间价值是1分每秒,的每秒0.5美分(见[50])。上下班开车在16公里/小时,走5公里/小时,分别。经理。经理停车位收费。为简单起见,我们停车收费设定为0元 。在计划和 ,经理指控可变费用根据位置和停车时间。场景。可接受的步行距离一般在600米。因此,我们集中在1公里范围内的停车行为从目的地 。从稀缺到足够,我们四个停车供应情况,对应200年7停车场与能力,250年,400年和800年,分别。

5.1。均衡的方案

根据(7)和评论2,当系统用户平衡,所有使用停车场的成本相等,当它是最小值, 。理论上,有最远的停车位置 ,将不会使用的停车场以外。因此,并不是所有的七个停车场可能利用通勤者。

从(10)和(11),利用停车场的平衡和保护条件

替代(29日)方程(30.),平衡成本可以计算。

根据已知的条件,我们计算平衡入住率( )每个停车场的四个场景,如表所示3。

前两列的表3停车场的数量和目的地的距离 ,最后四列代表四个场景的入住率。

它表明,在四个场景,停车场平衡入住率随距离的增加而减小。例如,在场景1,停车一个最近的入住率是0.932,停车场六最远的是0.589。另外,并不是所有的停车场都是由乘客使用。停车场容量的增加,通勤者倾向于集中在停车场接近目的地。例如,只有七场景1中没有使用停车场,在场景2 - 4和未使用的停车场的数量逐渐增加。

我们把信息表3如图12。它与图一致5(四个曲线从远到近原点,分别代表每个停车场的入住率当一个停车场的容量是200年,250年,400年和800年)。虽然离散分布式停车场影响曲线的平滑度,还描绘了趋势,停车场入住率随距离的增加而减小。

我们进一步计算的平均入住率利用停车场、平衡成本、人均旅游成本和人均无谓损失(搜索和延迟成本之和)的四个场景表4。

前两列的表4场景数据和单一停车场容量;第三列的平均入住率是利用停车场、最后三列通勤者的平衡成本、人均旅游成本和人均无谓损失。

在表4停车场容量的增加,平衡成本减少。的原因如下。(1)有更多的目的地附近的停车位能够适应上班族;因此,旅行成本降低。(2)更多的停车位也减少了乘客的搜索与之相关的成本和延误成本,然后减少无谓损失。

我们还可以看到从表4这列5中的数据的下降低于列6中的数据的下降。它描绘了停车能力的提高起着更重要的作用在减少无谓损失成本比减少旅行费用。从这个角度来看,这是合理的经理把一些停车位接近目的地空和降低搜索成本(例如,SFpark)和让一些乘客公园在遥远的地方。

影响停车场的离散分布,平均利用率不减少严格,但我们可以推断出从停车供给的减少无谓损失逐渐得到更充足的。

5.2。改善停车场许可证计划

在该方案 ,因为没有信息无法消除停车许可的搜索成本,最后通勤的旅行安排每批计划是一样的 。每批的利用率与表中所描述的情况是一致的吗3和图11。

不同的方案 ,经理的计划可以设置时变费用降低延误成本。基于(2)和部分3所示。2,通勤者的搜索成本是由被占领的现货数量,即到达顺序。两个相邻的到达时间区别通勤者 次他们的搜索时间差别。然后,我们计算每个通勤的到达时间搜索成本的最后一个乘客。

比较方案 ,我们还设置的最后在最远的很多通勤0和定义两种情况。例1是基于理论的(从在(17)满足 ,这意味着经理可以准确区分乘客的到达顺序并设置每个通勤时变收费。案例1可以被视为系统改进的上限。第二种情况是基于实践,满足 ,这意味着经理很难准确区分到达顺序。相反,经理设置少量expirable时间(相应地设置组包括多个乘客),收取不同的停车费。当组织的数量是1,这一计划该计划是一样的吗 ,可视为系统改进的下限(如表所示4)。代表一组之间的情况下 组。

在第一种情况下,经理可以减少延迟时间收取的原始到达时间之间的差异通勤的停车场和搜索时间上下班。在此基础上,我们收集的收入计算充电四个场景。

列在表3和45等于列在表4和54。列6是停车方案p人均费用;它等于计划n的无谓损失的区别(列在表54)和计划(列5页)。列7是停车费用的比例平衡成本,代表总成本的比例,系统可以通过费用减少(例如,在场景1中,平均停车费用1.01元,占15.1%的平衡成本6.69元)。

表5描述,尽管许可证计划不减少乘客的实际成本,它节省了无谓损失的一定比例收取从系统的角度来看。我们还可以看到从表5与停车供给的增加,成本内部化收取的比例减少,这主要是由于缓解停车搜索,和延迟成本也降低。

在例2中,我们设置经理组每20通勤者在停车场和设置费用到达时间的基础上每组最后一个通勤。这个设置的数量大大减少了停车收费标准调整,实现简单。在这种情况下,无谓损失内部化的充电四个场景如表所示6。

每一列在表的含义6是一样的那些表吗5;自20通勤者对每组的最后一个通勤基准测试,延迟成本并没有消除(只有每组的最后一个乘客的延迟成本消除);相反,它们之间的延迟时间的到达时间差异最后通勤。

通过比较列在表5 - 75和6无谓损失的数量,内在化的经理通过费用减少在例2。场景1和2的效果更加明显,在停车位相对稀缺(减少了1.1%),而在场景3和4,分别减少0.4%和0.3%。原因是停车场利用率的增加会导致增加搜索附近上班族的时间(延迟)。同样的20国集团(g20)通勤者,他们的到达时间相对密集的和相对分散的如果他们到达后早些时候到达。

5.3。改善停车位允许计划

在该方案 ,通勤者被引导到停车位以外的信息寻找空点。因此,每个通勤的搜索时间是一个固定的时间。根据4.3节,计划缩短乘客的停车搜索时间和延迟时间和提高停车位的入住率。

与其他两个方案进行比较,我们设置的上班族在最远的很多0。在该方案 ,根据已知的条件,我们计算了平衡入住率 每个停车场的四个场景,如表所示7。

每一列在表的含义7是一样的那些表吗3;它显示了上班族的停车场分布更加紧凑的计划 。除了最远的停车场(要求的数量不能除以供应数量),所有的停车场都充分利用。

我们把信息表7如图13。四个曲线从远到近原点,分别代表每个停车场的入住率当一个停车场的容量是200,250,400,800。

在图13,停车位允许计划停车空间分布变化。不同的图12,大多数停车场有0或1的入住率。上班族更接近目标比计划和方案 。更遥远的停车场被空。

根据表7,我们进一步计算的平均入住率利用停车场、平衡成本、人均旅游成本、人均无谓损失(搜索和延迟成本)和人均停车收费在桌子的四个场景8(列3 - 7)。

相比之下,表4,一个新列(列7)(人均)添加到表中8。在表8,后来移民在每个停车场没有更多的经验相对较长的搜索时间,和增加使用停车场的入住率。在场景1和2,停车场的入住率达到100%;在场景3和4,由于离散分布的停车场,入住率保持不变。相比之下,表4平衡成本和减少无谓损失都是计划(例如,场景1,平衡成本计划和是6.69,5.52的计划吗 ;无谓损失是2.74的计划 ,和1.73和1.80两种情况的方案 ,虽然是0.60的计划 )。此外,增加停车供给,停车位的通勤者减少停车,乘客的旅行成本和经理的费用也减少数量的增加。

表9描述了各种成本的比较方案之间的通勤者和方案 。

在表9,列1 - 3对应列1,2,4表8列4和6,分别显示减少通勤的平衡成本和旅行成本与计划相比 。列8显示了减少系统成本从经理的角度(不包括乘客的停车收费)。不同于计划和 ,该计划通勤者和系统都带来了好处,减少了平衡点。

结合表9和5在计划 ,通勤者的平衡成本与计划相比显著降低(8.5% - -23.5%) ,大概是1.2到1.7倍有效方案(7.0% - -14.1%)。与计划相比和 ,乘客的出行成本也降低了3.7% - -6.1%。从系统的角度来看,人均成本的减少更明显(19.0% - -54.1%),约为2.7至3.8倍的效果 。

6。结论和讨论

目前,许多改革已经逐步实施并致力于建立一个智能、高效、绿色、城市交通系统和共享。作为一个最重要的旅行方式在大城市,具有重要意义,提高停车场管理的效率。然而,由于有限的市区公共停车位,停车需求常常超过停车供给。寻找空点不仅提高旅客的旅行成本停车位也加剧了竞争,这使得游客出发前或公园进一步保证空点,导致延误成本。此外,停车场是惊人的充分利用。

本文研究了停车早晨通勤和平衡和分布的假定所有停车位都是只使用一次(事实上,市中心停车点往往高饱和度和周转率,在这种情况下,系统无谓损失要高得多)。

本文首先分析了组件的旅行成本,获取用户平衡,分布不允许停车方案。在这个方案中,(1)停车位不能充分利用在最后一刻由于搜索成本较高;(2)大量的乘客提前到达,和上下班准时到达熊搜索成本高。

为了应对这一问题,本文提出了两个改进方案基于数量控制的方法。第一个是停车场许可证计划。通过分析各种成本的原因,我们把他们分为两类(不变成本和可变成本),发现(1)允许没有停车信息只能保证停车,但消除了搜索成本取决于利用延迟的停车位和(2)可以减少成本,但是由于订单到来,早期的移民经历至少相同的延迟时间搜索时间的到来。因此,该计划的效果是有限的。

我们进一步提出一个停车位允许计划与精确的位置信息和发现信息中发挥着重要作用消除搜索成本以及减少系统无谓损失。通勤者的计划可以直接去目标停车位而不是通过所有的地方找一个空的地方,他们不再是限制停车现状,以及通勤者之间的相互作用就消失了。在停车供应不足的情况下,有效地减少了搜索和延迟成本高。通过推导新的平衡,我们发现(1)作为搜索成本控制(它们不再高于均衡成本),增加停车位的入住率和最远的停车位置接近办公室,以及平衡成本降低;(2)延迟不再是相关的搜索成本,和它可以转换成系统收入完全收取费用;(3)系统,成本只有旅行成本和平均搜索成本 。

介绍了一个算例研究最后一公里内的成本。它显示了以下。(1)停车场许可证方案提高了系统获得停车收入(其妥协也工作得很好),但用户均衡成本不会改变。(2)停车位允许计划降低系统的总成本都在更大程度上提高停车场的入住率和减少用户均衡成本。这与前面分析的结论是一致的。

随着经济和社会的发展,城市停车资源越来越稀缺;幸运的是,信息收集和传播变得更加方便,获得停车信息的准确性大大提高。停车许可证不仅是衡量也是一个信息载体。(1)保证提前停车权利和防止旅客之间来回停车场(这并不发生在本文理论平衡,但它可能发生在实践中当有需求扰动)和(2)调整有效地通过设置不同的开放时间和停车收费价格。与不允许计划相比,它改变了需求和供给的监管模式基于“价格”,基于“数量和价格,”更准确。此外,停车许可用户和停车场之间建立一对一的关系/斑点(适用于身份验证),使在各种停车场管理方案可行的(例如,住宅共享停车场)。它将促进停车管理对智能的发展,分享,和自动化。

我们分析分配和收费机制框架下的两个改进方案系统优化目标(最小化系统总成本和用户同时平衡成本)。然而,仍然有一些重要的问题需要回答。其中一个是,停车管理管理不仅由政府也由运营商盈利的目的;是有区别的目的利润和宣传的目的(更高的收费和更低的入住率一般)。如何缩小差距,需要进一步研究。其他停车困难不仅反映在一次性停车过程也发现许多重复使用的空点。停车场时保持高入住率和周转率,系统的无谓损失成本也会更高,尤其是在计划和 。停车定价和用户平衡应该计算基于前期的情况和当前的时间间隔。这是值得进一步的研究。

数据可用性

使用的数据来支持本研究的结果包括在本文中。

的利益冲突

作者宣称没有利益冲突。

确认

这项工作得到了国家自然科学基金(91846202,91846202 / 71890970,91846202),和111年的项目(b20071)。