本刊“学术动态(Planning Reviews)”栏目,推介国内外学术书籍和文献、关注国际研究动态和前沿热点、分享规划案例研究。今天推送的是“城乡规划管理与政策”专栏的国外期刊文献介绍。(专栏编辑:赵蔚)
智能城市停车管理的动态预约和定价研究
来源:CHAO Lei, OUYANG Yanfeng.Dynamic pricing and reservation for intelligent urban parking[J].Transportation Research Part C Emerging Technologies, 2017, 77: 226-244.
尽管智能停车系统的信息技术飞速发展,但在繁忙的城市街区,对有限的停车资源进行最佳管理仍然是一个挑战。这项研究使用和动态位置相关的停车定价和预约系统来提高智能停车系统的性能。通过这个系统,停车位可以决定停车价格的空间和时间分布,从而实现多个目标,而不同来源和目的地的司机可以通过在线预订来争夺有限的停车位。我们开发了一种多阶段的非合作双级模型,以捕捉停车代理和多司机之间的复杂交互作用,以及一种近似动态规划(ADP)方法来解决模型问题。实例表明,基于广告的定价策略在提高停车系统性能方面始终优于其他策略,在处理停车需求的空间和时间变化方面表现出了可靠性。这一研究得到了美国国家科学基金会的支持。研究主要针对四个问题进行探讨:一是动态停车预约和收费管理;二是捕捉停车场和司机之间的非合作的复杂关系;三是用近似动态规划方法解决多阶段停车问题;四是数据实验的分析和对管理的启示。
近年来,信息技术的飞速发展带来了世界各地智能停车系统(IPS)的快速发展。在IPS内部,动态停车定价是利用有限的停车资源,使系统“智能”的一个重要组成部分。例如,2008年,旧金山市交通局(SFMTA)启动了一项SFpark项目,通过该项目,它成功地实现了一个响应需求的停车定价机制,用于旧金山几个选定区域的街道计价停车空间和SFMTA 管理的车库。这个项目的基本理念是,通过合理地操纵停车率,在每个城市街区保持一个理想的居住水平,这样任何新到达的司机都可以找到一个合适的开放空间, 而不需要到处停车。smart 泊车的类似做法也包括洛杉矶市中心的LA express spark项目,以及西雅图的Sea Park。这些已有的项目都有一个共同的特点:每几周甚至几个月,停车价格就会更新一次,这对于处理现实日常运营中的高度动态的停车需求来说是不够敏感的。缺乏快速反应将不可避免地限制动态定价策略的有效性。
信息和通信技术的快速发展为智能停车提供了巨大的机会,如现场的探测器可以追踪一个停车位的占用状况,并通过智能手机即时将信息传达给司机。司机们还可以实时地在网上进行停车搜索和预订。在智能手机上出现了大量的停车应用程序,让司机有搜索停车位的可用性,并在他们的行程前预订。此外,通过引入预订服务,司机的体验可以得到极大的改善,停车场的规模也有可能扩大。例如,一些不熟悉停车区的初次出行者,现在可以通过预约系统方便地找到合适的停车位。此外,停车预订服务在减少城市拥堵方面也起到了积极的作用。允许预留部分停车空间有助于减少拥堵,因为它有助于分散早高峰通勤者的出行。
因此,实施动态停车定价和预订策略的前景在技术上是可行的,在社会经济上也很有吸引力。研究致力于开发复杂的数学模型,以最大化动态停车定价策略的性能,从而充分利用城市地区有限的停车资源。研究试图通过一个在线预约系统来实现这个系统,这个系统允许司机在一定的时间内预订一个停车位。与停车系统相关的一个挑战是,利益相关方,通常包括机构和个人司机,在他们的决策过程中表现出某些游戏行为。例如,该机构使用不同的定价策略来影响司机停车位置的选择,增加停车收入,或平衡停车空间的空间分布。与此同时,根据停车价格和出行便利,个体司机在热门地点争夺有限的停车位。因此,有必要提出一个全局性的建模框架,以共同考虑不同利益相关方在实施停车系统管理方面的目标。
研究针对需求驱动的动态停车定价和预订问题,提出了一个数学规划模型,在此基础上,司机可以在出行前进行停车预约,并在未来一段时间内保证停车位的安全。这个问题是用一个具有平衡约束(MPEC)的多周期数学程序的形式来表述的,这是非常困难的。研究还进一步开发了一种基于近似动态规划(ADP)的有效的非近视算法,以解决该模型的问题,将未来的停车供应和需求信息纳入动态定价决策过程中。还提出了一个嵌入式子例程,将双级MPEC模型(每段时间)转换为一个可解决的单级混合整数二次规划(MIQP)。通过一系列数值实验,对所提出的模型和算法的性能进行了测试,并得出了相应的管理见解。结果表明,通过基于广告的定价策略,停车系统可以获得比其他政策更优越的性能。
通常短视的定价政策往往在初始阶段提供低价,以吸引更多的需求。然而,随着时间的推移,需求会迅速增加,短视的政策似乎无法相应地改变价格。主要原因是,由于之前对低价的预订,大部分停车位都已经预订,而且系统已经丧失了在以后的时间内接受新需求的能力。如果没有产品供应,价格对需求的影响是相当有限的。因此,如果系统已经耗尽了空间,就不需要更改停车价格。相反,我们可以看到,ADP的定价政策会在规划的早期阶段设定一个相对较高的价格,这样一来,一些停车位就可以在不远的将来被存起来以获得更有利可图的预定。此外,ADP政策会以一种更灵敏的方式改变价格,以便为整个规划范围内的需求变化提供更快的响应。
尽管停车价格和相关收入相对较低,但消费者剩余的增加带来了更大的目标函数价值。其背后的基本原理是,在目标函数中,消费者剩余的期限将会降低停车价格,以增加消费者剩余,这样就可以避免极高的停车价格。因此,除非该机构经营一个以利润为中心的业务,否则,如果该机构想通过为停车系统提供一个更合理的价格来提高消费者的满意度,那么就必须包含消费者剩余。
研究实验都是为了增加随时间的需求而进行的。下面,我们将尝试研究不同需求模式下的ADP定价策略的健壮性。除了先前假设的需求增加外,还考虑了一个钟形和减少的需求模式。
研究还通过允许不同的需求目的地有不同的需求模式来测试ADP定价策略的性能,来检验需求和停车场,以及停车价格之间的动态关系。结果清楚地表明,ADP政策在所有性能指标上都优于短视的政策,这表明,ADP方法能够有效地处理停车需求的空间和时间上的差异。
该研究针对需求驱动的停车定价和预订问题,研究表明,在此过程中,某机构决定了停车价格的空间和时间分布,从而实现了整个系统的目标,而不同来源和目的地的司机则通过在线预订来争夺有限的停车位。拟议的动态Stackelberg领导的游戏是一个多阶段的非合作的双级MPEC模式,在这个模式中,该机构在高层决策中做出价格决定,而司机则在较低的水平上做出停车位置决定。针对该模型提出的一种非近视的ADP算法,研究进一步设计了一个嵌入式子例程,将每段时期的双级MPEC模型转换为一个可解决的单级MIQP。研究以伊利诺斯大学香槟分校校区为例,对该模型的性能进行了测试。通过大量的数值实验,证明了基于ADP的定价策略能够实现更好的系统性能,特别是将未来的停车供应和需求信息整合到动态定价决策中。
未来还有许多可能的研究机会。在这项研究中,所有的参数都被假定为确定性的,而在现实中,不确定性在需求和用户行为中广泛存在。在这种情况下,确定性模型的定价策略可能会变得不合适,甚至会导致系统性能低下。因此,在未来的研究中,机构与司机之间的博弈行为是一个有趣的话题。此外,未来的努力还可以用于探索更复杂的司机停车行为。例如,司机可以调整他们预订或离开的时间(延迟或提前)以避开高价格期。停车位的选择也可能会根据停车价格的变化而变化。此外,我们还希望通过考虑多个停车管理机构在价格竞争中的参与来扩大研究范围。在这种情况下,平衡约束(EPEC)的平衡问题很可能是在动态环境中形成的。这些可能性可以在未来的研究中得到考虑。
欢迎在朋友圈转发,转载请联系@126.com
URBAN PLANNING FORUM Since 1957创新性、前瞻性、学术性中文核心期刊、中国科技核心期刊、中国人文社会科学核心期刊、中文社会科学引文索引来源期刊(CSSCI)、中国期刊全文数据库(CJFD)全文收录期刊,中国学术期刊综合评价数据库(CAJCED)统计源期刊,中国科学引文数据来源期刊,RCCSE中国核心学术期刊官方网站:http://www..org投稿链接:http://cxgh.cbpt.cnki.netEmail: @vip.126.com电话:021-65983507传真:021-65975019微信号:
URBAN PLANNING FORUM Since 1957
创新性、前瞻性、学术性
中文核心期刊、中国科技核心期刊、中国人文社会科学核心期刊、中文社会科学引文索引来源期刊(CSSCI)、中国期刊全文数据库(CJFD)全文收录期刊,中国学术期刊综合评价数据库(CAJCED)统计源期刊,中国科学引文数据来源期刊,RCCSE中国核心学术期刊
官方网站:http://www..org
投稿链接:http://cxgh.cbpt.cnki.net
Email: @vip.126.com
电话:021-65983507
传真:021-65975019
微信号:
长按并识别二维码 关注“”