[发明专利]区域多停车场联合定价方法

权利要求书

1.一种区域多停车场联合定价方法，其特征在于，步骤如下：

(1)构建的最优停车费率是通过求解双层规划模型得到，其中，下层模型是驾驶员停车选择行为模型，上层模型是多目标规划；在下层驾驶员停车选择行为模型中，驾驶员在进行停车选择时考虑多种因素：经济因素、时间因素、信息因素，凭此构建效用函数最大化模型；在上层模型中，将多目标分割，即分别构建两个单目标上层函数，在不考虑另一目标的情况下单独分析最优停车费率；两个目标分别是考虑多种合作以及竞争模式下若干个停车场的总经济收益最大，以及区域内停车场泊位占有率尽可能均衡；

(2)为了合理界定问题，提出以下几点假设：

1)研究区域主要为城市中心区的需求旺盛的盈利性停车场；

2)停车时间小于等于24小时；

3)驾驶者可获得停车费率信息、步行时间信息和预计可用泊位信息；

4)每个驾驶者均为理性经济人，停车决策时综合考虑各停车场的停车费用、步行时间要素，选择自己感知效用最大的出行方式；

5)研究对象均为小型车，每辆停放车辆接受相同的收费标准；

6)若目的地区域内停车费率高于其最大可接收费率则驾驶员放弃私家车出行；

7)停车场备选方案之间关系满足IIA特性；

8)驾驶员为下个定价周期内到达停车场的驾驶员；

(3)驾驶员停车选择行为模型按如下步骤构建：

步骤1)向驾驶员发放意向调查问卷，问卷内容为：出行停车行为特征调查、停车选择行为影响因素调查、个人社会经济属性调查；

步骤2)数据处理及分析；为获得建模所需的正确数据，对数据进行进一步的剔除和处理；基于以下原则进行不合理数据的剔除：

1)回答时间小于120秒；

2)对于相同的个人经济属性问题，前后回答不一致；

3)始终选择某个选项；

步骤3)MNL模型；交通现象实际上是由个体出行产生的，个体出行往往伴随着连续决策；对于决策分析，最重要是使所研究现象的不确定性量化，并对可能出现的各种结果赋值；其中，不确定性的量化用各状态出现的概率来表示，满足随机效用理论；

效用最大化理论可解释为若出行者n的出行选择方案集合为A_n，则选择方案集合A_n中对于方案j的效用为U_jn，j为不包括方案i在内的其他方案，出行者最终选择的出行方案i的效用为U_in，则选择出行方案i的条件是：

U_in≥U_jn,i≠j,i,j∈A_n

随机效用理论中，固定效用V为被可观查要素所解释的部分；随机部分ε为没有被观测到的效用及误差所造成的影响；出行者最终选择的出行方案i的效用U_in表示为：

U_in＝V_in+ε_in

其中，V_in为效用函数中固定项部分，ε_in为效用函数中概率项部分；

结合效用最大化理论，选择概率P_in表示为：

P_in＝prob(U_inU_jn,i≠j,j∈A_n)＝prob(V_in+ε_inU_jn+ε_jn,i≠j,j∈A_n)

＝prob(ε_jnV_in-V_jn+ε_in,i≠j,j∈A_n)

其中，0≤P_in≤1,

将效用函数线性表示，其公式如下：

其中，θ_k为待定系数，X_kin为第k个固定效用变量的特征值；

采用MNL模型进行停车选择行为建模；MNL模型是Logit模型的基本形式，其效用的随机项相互独立且服从二重指数分布；Logit模型假设随机效用ε_in服从二重指数分布，出行者n选择i的概率为P_in，由于服从Gumbel分布，则：

在MNL模型中，随机效用ε_in假设满足独立同分布；因此λ＝1，概率表示为：

步骤4)构建效用函数；驾驶员考虑停车场的各种特性，最终选择合适的停车场停放车辆；个人社会经济属性变量根据受访者的选择分布进行确定，依据分布平均性以及典型性作为标准；结合驾驶员本身的社会经济属性因素，对初步选出的17个停车设施选择影响因素进行赋值，停车选择影响因素自变量如表1所示；

表1：停车选择行为影响变量设置

以医院停车场作为参照项，则三种停车设施：医院停车场，商业中心停车场，商住两用停车场的效用函数依次为：

V₁＝b₁*Cost₁+b₂*Anum₁+b₃*Wtime₁

V₂＝a₁+b₁*Cost₂+b₂*Anum₂+b₃*Wtime₂+c₁*Ptime+c₃*Spurpose+c₅*Wpurpose+d₁*Gender+d₃*Hsalary+d₅*Ldyear+d₇*Hdyear

V₃＝a₂+b₁*Cost₃+b₂*Anum₃+b₃*Wtime₃+c₂*Ptime+c₄*Spurpose+c₆*Wpurpose+d₂*Gender+d₄*Hsalary+d₆*Ldyear+d₈*Hdyear

(4)定价流程如下：

步骤1)确定目标函数以及计算费率的目标停车场；本发明的目标函数为两个，分别是考虑多种合作以及竞争模式下若干个停车场的总经济收益最大，以及区域内停车场泊位占有率均衡；目标停车场考虑同一区域内的若干个相邻停车场；

步骤2)预测研究区域内的各个停车场的定价间隔内可用泊位数Anum_k，驾驶员获得泊位信息，以及其他信息；预测可用泊位数通过LSTM-ARIMA组合预测方法实现；驾驶员获得泊位信息及其他信息通过意向调查获得；

步骤3)设定停车场的停车费率初始值Cost_k⁰，将停车场容量限制设置为total_k，停车场的费率约束上下界分别为Cost_k^max和Cost_k^min；

步骤4)输入定价间隔内驾驶员的停车行为变量以及其他信息变量；

步骤5)运用序列二次规划算法求解最优停车费率Cost_k；序列二次规划的基本思想：将约束优化问题转化为求解一系列的二次规划问题；

步骤6)分析各项指标，衡量定价可行性。