一种城市中心区路侧停车特性影响分析及需求预测方法
本发明涉及一种城市中心区路侧停车特性影响分析及需求预测方法，属于智能交通。
背景技术：
1、随着我国城市交通发展水平不断提高，机动车保有量呈现“井喷式”增长，私家车出行比例逐年递增，停车问题随之成为我国城市交通的主要问题。城市中心区道路和街区交通密集，路侧停车空间资源紧缺，城市中心区路侧停车供需矛盾突出，严重阻碍了城市交通通行效率和安全。
2、通常解决停车问题的方法是增加更多的停车场来增大泊位供给水平，这种做法虽然能在一定程度上缓解停车矛盾，但过度依赖稀缺的土地资源和大量政府投资，难以实现可持续发展。一方面，停车供需矛盾突出的地区往往用地资源紧张；另一方面，通过增加停车供给会导致该区域交通量进一步增加，交通拥堵更加严重。因此，进行城市中心区路侧停车特性影响分析与改善措施研究对构建新型的、可持续发展的城市智慧停车服务具有重要的意义。
技术实现思路
1、本发明的目的在于针对现有技术的不足，提供一种城市中心区路侧停车特性影响分析及需求预测方法，该方法通过对城市中心区域路侧停车特性影响机理分析能够确定各影响因素的重要性及影响正负关系，并可有效预测停车需求，有利于城市智慧停车服务的推进。
2、本发明所采用的技术方案如下：
3、一种城市中心区路侧停车特性影响分析及需求预测方法，包括以下步骤：
4、s1、获取城市中心区路侧停车需求时间序列，进行特性统计及聚类处理后，确定路侧停车需求时空特性；
5、s2、建立梯度提升决策树非线性模型，进行路侧停车需求非线性影响机理分析，确定所研究的建筑环境因素停车影响因素对路侧停车需求的重要性及具体影响正负关系；
6、s3、基于路侧停车需求时空特性和非线性影响机理分析结果，构建convlstm时空序列路侧停车需求短时预测模型，进行区域路侧停车需求短时预测。
7、上述技术方案中，进一步的，所述s1具体包括：
8、s11首先确定研究区域范围，采集城市中心智慧停车系统的路侧停车订单数据，进行数据清洗和聚合，得到区域路侧停车需求时间序列；
9、s12统计路侧停车基本特征，所述基本特征包括路侧停车的停车泊位数、停车时长、停车周转率以及停车占有率时间序列基本特征；
10、s13基于所确定的一种路侧停车基本特征，采用聚合式层次聚类法对路侧停车区域进行聚类分析；
11、s14根据路侧停车数据聚类分析结果，研究它们的停车时间序列相关性、路侧停车的空间分布以及空间相关性以检验聚类结果是否合理。
12、进一步的，针对停车占有率时间序列基本特征进行聚类，首先将研究区域内所有路侧停车区域的停车占有率时间序列整合到一张数据表中，得到路侧停车区域的停车占有率时间序列样本数据；然后计算距离矩阵，分别计算所有路侧停车占有率时间序列样本间的距离，得到两两样本间的距离矩阵；其次构建聚类树，从距离矩阵中选择最小的距离作为合并标准，将距离最近的两个样本聚类合并为一个新的聚类，当类内存在多个样本数据时，采用新的计算规则重新计算类中样本与其他类的距离，不断计算距离矩阵及构建聚类树，直到满足设定的类与类之间的相似度阈值要求则输出聚类结果。
13、进一步的，在各类中各取一个路侧停车区域作为代表，研究其时间自相关性，对于类与类之间以及各类内部均进行路侧停车区域的空间相关性研究，结合调研信息判断聚类结果是否合理。
14、进一步的，所述s2中考虑三类建筑环境因素：土地使用属性、交通设施属性和社会经济属性，确定用于表征各类建筑环境因素的影响因素变量；选取路侧停车区域500m缓冲区作为建成环境的研究尺度，在每个路侧停车影响缓冲区范围内定量表征各类停车影响因素，从而构建路侧停车区域周边建成环境定量表征数据。
15、进一步的，选取poi兴趣点来表征土地使用属性、选取道路网和交叉口密度、公交线路和站点密度及停车泊位总量来表征交通设施属性、选取人口密度来表征社会经济属性；定量表征时，使用空间连接功能统计各个停车缓冲区内各类poi点数量、交叉口数量、公交站点数量、停车泊位总量和人口密度；使用矢量裁剪功能得到每个停车缓冲区内的道路网长度、公交线路长度、各类建筑用地面积占比。
16、进一步的，s2中基于gbdt构建非线性模型如下：
17、
18、其中，x是所选取的各个停车影响因素变量；f(x)代表响应变量的近似函数，即停车需求；βm为第m个弱学习器的权重；αm为第m个弱学习器的参数；h(x,αm)为第m个弱学习器的估计结果；m为弱学习器的数量；
19、对其进行迭代求解直到达到预先设置的迭代次数或精度要求，并基于shap的模型对其进行解释，shap方法将模型的预测结果解释为每个输入特征的归因值之和，由此得到停车影响因素对路侧停车需求的重要性及具体影响正负关系。
20、进一步的，s3中构建convlstm时空序列路侧停车需求短时预测模型，该模型以时刻t的前t个小时的t×m×n的时空栅格数据作为输入1，以所确定的重要停车影响因素构成的1×m×n的空间栅格数据作为输入2，组合输入1和输入2得到(t+1)×m×n的时空栅格数据作为模型输入，以未来t+1时刻的停车占有率栅格数据作为模型输出，其中t为根据路侧停车时间序列相关性确定路侧停车时间序列在t小时内具有正相关性。
21、本发明还提供一种计算机可读存储介质，所述存储介质上存储有计算机程序，当所述计算机程序被处理器执行时，实现如上述任一项所述的城市中心区路侧停车特性影响分析及需求预测方法。
22、本发明还提供一种计算机电子设备，包括存储器和处理器；
23、所述存储器，用于存储计算机程序；
24、所述处理器，用于当执行所述计算机程序时，实现如上任一项所述的城市中心区路侧停车特性影响分析及需求预测方法。
25、本发明的有益效果是：
26、本发明基于智慧停车系统路侧停车订单数据，对城市中心区路侧停车需求进行时空特性分析；根据路侧停车占有率时间和空间特性分析结果，基于停车区域周边土地使用、交通设施和社会经济属性等多源异构数据构建机器学习模型，探索停车影响因素与城市中心区路侧停车需求间复杂的非线性影响关系与影响机理；根据影响机理分析结果，构建基于深度学习的城市中心区路侧停车需求短时预测模型，本发明能够为城市中心区路侧停车规划与管理提供理论基础。
技术特征：
1.一种城市中心区路侧停车特性影响分析及需求预测方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的城市中心区路侧停车特性影响分析及需求预测方法，其特征在于，所述s1具体包括：
3.根据权利要求2所述的城市中心区路侧停车特性影响分析及需求预测方法，其特征在于，针对停车占有率时间序列基本特征进行聚类，首先将研究区域内所有路侧停车区域的停车占有率时间序列整合到一张数据表中，得到路侧停车区域的停车占有率时间序列样本数据；然后计算距离矩阵，分别计算所有路侧停车占有率时间序列样本间的距离，得到两两样本间的距离矩阵；其次构建聚类树，从距离矩阵中选择最小的距离作为合并标准，将距离最近的两个样本聚类合并为一个新的聚类，当类内存在多个样本数据时，采用新的计算规则重新计算类中样本与其他类的距离，不断计算距离矩阵及构建聚类树，直到满足设定的类与类之间的相似度阈值要求则输出聚类结果。
4.根据权利要求2所述的城市中心区路侧停车特性影响分析及需求预测方法，其特征在于，在各类中各取一个路侧停车区域作为代表，研究其时间自相关性，对于类与类之间以及各类内部均进行路侧停车区域的空间相关性研究，结合调研信息判断聚类结果是否合理。
5.根据权利要求1所述的城市中心区路侧停车特性影响分析及需求预测方法，其特征在于，所述s2中考虑三类建筑环境因素：土地使用属性、交通设施属性和社会经济属性，确定用于表征各类建筑环境因素的影响因素变量；选取路侧停车区域500m缓冲区作为建成环境的研究尺度，在每个路侧停车影响缓冲区范围内定量表征各类停车影响因素，从而构建路侧停车区域周边建成环境定量表征数据。
6.根据权利要求5所述的城市中心区路侧停车特性影响分析及需求预测方法，其特征在于，选取poi兴趣点来表征土地使用属性、选取道路网和交叉口密度、公交线路和站点密度及停车泊位总量来表征交通设施属性、选取人口密度来表征社会经济属性；定量表征时，使用空间连接功能统计各个停车缓冲区内各类poi点数量、交叉口数量、公交站点数量、停车泊位总量和人口密度；使用矢量裁剪功能得到每个停车缓冲区内的道路网长度、公交线路长度、各类建筑用地面积占比。
7.根据权利要求1所述的城市中心区路侧停车特性影响分析及需求预测方法，其特征在于，s2中基于gbdt构建非线性模型如下：
8.根据权利要求1所述的城市中心区路侧停车特性影响分析及需求预测方法，其特征在于，s3中构建convlstm时空序列路侧停车需求短时预测模型，首先构造模型的输入数据，需要对研究区域的进行栅格化处理，栅格大小为0.001经度×0.001纬度，得到m×n的空间栅格，栅格值为当前时刻t的停车占有率；根据路侧停车时间序列相关性确定路侧停车时间序列在t小时内具有正相关性，以时刻t的前t个小时的t×m×n的时空栅格数据作为输入1，以所确定的重要停车影响因素构成的1×m×n的空间栅格数据作为输入2，组合输入1和输入2得到(t+1)×m×n的时空栅格数据作为模型输入，以未来t+1时刻的停车占有率栅格数据作为模型输出。
9.一种计算机可读存储介质，其特征在于，所述存储介质上存储有计算机程序，当所述计算机程序被处理器执行时，实现如权利要求1-8任一项所述的城市中心区路侧停车特性影响分析及需求预测方法。
10.一种计算机电子设备，其特征在于，包括存储器和处理器；
技术总结
本发明公开了一种城市中心区路侧停车特性影响分析及需求预测方法。包括：S1、城市中心区路侧停车需求时空特性分析；S2、建立梯度提升决策树非线性模型进行路侧停车需求非线性影响机理分析；S3、建立ConvLSTM时空序列预测模型进行路侧停车需求短时预测。本发明通过研究发现路侧停车需求具有较强的时空相关性，利用层次聚类法对路侧停车需求的时序特征进行分析。然后分别从土地利用属性、交通设施属性和社会经济属性三个维度选取解释变量，建立梯度提升决策树非线性模型，结合SHAP算法分析了解释变量与路侧停车需求之间的关系。最后基于路侧停车需求时空特性和影响机理分析结果，提出了ConvLSTM时空序列预测模型，进行区域路侧停车需求短时预测。
技术研发人员：梅振宇,王东,唐崴,许艺凡,巩津瑞,张弘扬,杨佳逸,章徐杰
受保护的技术使用者：浙江大学
技术研发日：
技术公布日：2024/9/23