本文是一篇职称论文，本文通过分析历史停车数据得到当日潜在停车需求，以区域共享停车场和道路网络为研究对象，构建了考虑潜在需求的区域多停车场泊位动态预约与分配整数线性规划模型。
1 问题描述
本文以区域共享停车场和道路网络为研究对象，区域中存在多个共享停车场和多个潜在目的地，停车场的信息可互通共享，区域共享停车受道路网络延误、停车需求、停车时长、步行距离等因素影响，且平台可以保存并使用区域内所有的历史停车数据。在该区域内停车的用户的预约信息将统一发送到同一平台，平台通过分析历史停车数据规律对停车用户信息进行判断之后预约用户会立即收到是否接受请求的通知。
停车用户预约是否成功关键在于平台对停车用户的停车信息的判断，通过分析历史停车数据的规律，如果通过预约的数量判断当日的停车量较少时，则直接反馈给停车用户预约成功的信息；如果通过分析当日停车用户的停车信息包括在此之前的预约数量判断当日停车数量会超过停车场所能承载的容量时，平台则需要为潜在可能出现的停车周转率高且能让整体收益提升的停车用户预留泊位，如果判断该用户的周转率较差或对停车泊位利用率较低且预留的车位小于期望值则对该用户予以拒绝，如果已预留足够的车位或者用户的停车时间周转率较好则接受请求。
2 考虑潜在需求的区域共享泊位滚动时域分配模型
2.1 模型框架
本文构建的模型框架分为两个阶段如图2所示，第一阶段为预约阶段也就是平台对停车用户信息处理阶段，在该阶段平台会根据分析的历史停车数据规律并结合实时预约数量大致估算当日潜在停车需求量，并根据潜在需求数量确定需要在预约阶段拒绝停车用户的数量；第二阶段为分配阶段，以每个决策点为单位根据预约用户的信息，结合实时停车场附近路网交通流状况以相邻决策点时间间隔为单位时间间隔并综合考虑用户成本和平台收益对共享泊位进行滚动时域动态分配，在每个决策点更新一次分配结果，直至停车用户完成停车。
3 数值算例
3.1 测试路网
选取镇江市常发广成写字楼附近停车区域，选定的停车场包括红星紫园停车场、百盛家园停车场和华都名城美锦苑停车场，选定区域内的目的地包括常发广场写字楼、万达广场写字楼和鸿鑫商业广场，停车场与目的地的具体位置关系如图3所示。该区域属于镇江市中心，车流量大且人流密集，是商业办公区和居民区交汇处，该区域存在时空交错停车需求，且区域内的停车场与目的地相距的最远距离小于停车用户可接受的最大步行距离，固满足测试条件。
各个停车场距目的地的距离如表2所示。为了保证区域内的每个停车场对于停车用户相对公平，设定停车收费相同为每0.5小时3元，预定费用为每0.5小时0.5元，每个停车场的可共享时间相同均为8：00-18：00，每个停车用户最短停车时间为3h，每个停车都有相同的100个可共享车位。本测试共设定15个决策点第一个决策点为8：00，最后一个决策点为15：00，单位时间段为0.5h，为了可以使停车用户更早的开始预约，设定第一个决策点前可预约时间为前一天的18：00-22：00和决策当天的6：00-8：00，可预约时间在14：30结束。根据车辆进入停车场规律，假定停车请求的数量服从泊松分布。
3.2 结果分析
为了明确考虑潜在需求的区域性动态滚动时域共享停车分配的具体机制，设置测试实验进行验证，每个共享停车场泊位的可共享时间如表3所示，停车用户的请求信息如表4所示。
整体动态分配过程如图4所示，图4（a）表示区域内停车场的初始状态，图4（b）表示在第一个决策点之后对10个停车请求分配至区域内的3个停车场的8个车位的结果。第二次分配新插入4个停车请求，是否考虑潜在需求的分配结果分别是图4（d）和图4（c），图4（d）分配结果如表4所示。在第一次分配的过程中考虑了平台和用户的综合收益。如果在第一次分配中未考虑潜在需求则在第二次动态分配过程中将1r从1号停车场1号车位调整至3号停车场的7号车位，将4r从1号停车场3号车位调整至3号停车场的8号车位，11r和12r分别插入到了原来1r和4r的位置，其他请求则被拒绝，整体车位利用率为86%，拒绝率为14.3%。而如果在第一次分配中考虑了潜在需求则第二次动态分配过程中会将被拒绝掉的如3r既不能提高车位利用率又会降低车位周转率的停车用户的车位分配给13r和14r以提高整体分配收益，整体车位利用率为88%，拒绝率为7.1%。
3.3 模型对比
为了验证模型的可行性以及相较于其他模型的优越性，在测试中对模型的评价指标进行了敏感性分析。主要进行对比的模型包括各停车场之间独立存在，只在单个停车场内进行静态分配的模型和不考虑潜在需求的区域性停车场动态分配模型。本次测试设定停车请求从0到2000变化，对结果图5各评价指标进行对比分析。
在图5(a)中，停车场总收益在停车请求数小于300时，由于所有的停车请求都可被分配所以三种模型分配的收益是相同的；当停车请求大于300时开始出现被拒绝的停车请求，这时区域性动态分配可以将可组合停车的停车用户组合到一起，而单个停车场的静态分配则难以做到，且当停车请求小于500时是否考虑潜在停车需求则不影响最后的停车平台收益；当停车请求大于500时此时停车压力增加，区域性动态分配与单个停车场静态分配的收益差值较为固定，约为1.4%，而考虑潜在需求的分配收益较另外两种分配的收益差值逐渐增大，这是由于在停车请求数量较大的时候提前拒绝掉一些周转率较差且停车位利用率较低而接受一些收益较高的停车用户，会显著增加停车平台收益，且收益差值在停车请求为1800的时候收益差值趋于稳定为20%，可见在停车请求数量远超停车位数量时，适当考虑未来需求的停车分配的收益显著高于另外两种分配模型。
3.4 用户拒绝分析
根据前一段时间的全天停车数据可以对当天的停车用户的数量和停车时间进行预测，当在第一次决策点之前的停车用户已经全部占满停车位就要考虑未来需求以拒绝一些这部分的用户。考虑到停车用户数量大于1000时需求远远大于供给，所以设置M在1000~2000之间变化。
4 结论
本文以停车平台收益和用户停车成本为优化目标，构建考虑潜在需求的区域性多停车场滚动时域动态分配模型，模型分配过程从区域性多个共享停车场联动出发分为两个阶段，在预约阶段分析历史停车数据规律估算当日停车潜在需求，并根据潜在需求数量拒绝对停车泊位时空利用率差的停车预约用户；在分配阶段考虑多个停车场周边路网交通流状况和到目的地距离，在保证共享停车平台和停车用户综合收益最高的基础上以划分的决策时间点为单位进行周期性的滚动时域动态分配。选取平台收入、停车泊位利用率、停车请求接受率和平均步行距离作为评价指标并通过算例来验证模型的有效性。
对比分析发现，在停车用户较少时，是否考虑未来需求的区域性动态分配收益相同且大于独立停车场的静态分配，在停车需求较大且出现较多的因没有车位而拒绝的停车用户时，考虑未来需求的区域性动态分配整体收益较另外两种分配方式平均提高10%，每个停车场之间平均收益增幅差值为14.6%需要对部分停车场进行补助，停车位利用率平均提高20%，停车位拒绝率平均降低8.5%，且停车需求越大收益差值越明显。根据历史停车数据规律考虑未来需求而拒绝的停车用户的数量和停车时间的最优值均与停车请求数量有关，且随着停车请求数量的增加而增大。拒绝的停车用户的数量在到达最优值前增加则收益呈现递增的状态，在达到最优值后如果继续增加收益基本保持不变；拒绝的停车用户的停车时间在递增过程中收益呈现先增加后减少的趋势。平台可以根据停车用户数量来具体选择分配方式。
本研究对于需要拒绝的停车用户的数量和平均停车时间的估计精确度还不够高，未来将可以采用深度学习方法来对数据进行更准确地预测以进一步提高分配收益。
参考文献（略）
