[论文解读] Agent-Based Modeling for Transportation Planning: A Method for Estimating Parking Search Time Based on Demand and Supply

Nir Fulman, Itzhak Benenson|arXiv (Cornell University)|Jan 1, 2018

Smart Parking Systems Research被引用 5

一句话总结

本文提出了一种基于代理的建模方法，用于估算需求与供给空间异质性城市区域的停车搜索时间曲线。通过结合行为停车博弈模型与最大密度停车模式，推导出全市范围的巡游时间概率，表明即使整体需求-供给比率较低，由于需求的空间集中，市中心的搜索时间仍可能超过10分钟。

ABSTRACT

We estimate parking cruising time curves - the probability Pi({ au}) of longer than { au} parking search for destination Ni located within an area with heterogeneous demand and supply. To do that, we estimate cruising time curves for an area of homogeneous demand and supply and then average these curves based on (1) a model of parking search behavior established in a serious parking game; and (2) a Maximally Dense parking pattern obtained for the case where drivers possess full knowledge of the available parking spots and are able to park at the spot closest to their destination that is vacant at the moment they start searching for parking. We verify the proposed methods by comparing their outcomes to the cruising time curves obtained in an agent-based model of parking search in a city. As a practical example, we construct a map of cruising time for the Israeli city of Bat Yam. We demonstrate that despite low (0.65) overall demand-to-supply ratio in Bat Yam, high demand-to-supply ratio in the center of the city may result in longer than 10 minutes parking search there. We discuss the application of the proposed approach for urban planning.

研究动机与目标

• 开发一种估算空间异质性需求与供给城市区域停车搜索时间曲线的方法。
• 利用严肃停车游戏中的洞察，对停车搜索过程中的驾驶员行为进行建模。
• 通过假设驾驶员完全知晓空闲车位的最密集停车模式，建立理论基准。
• 在真实城市环境中，通过与基于代理的仿真结果对比，验证所提出方法的有效性。
• 通过以色列巴扬市的案例研究，展示该方法在绘制停车搜索时间空间差异方面的实际应用。

提出的方法

• 该方法使用源自严肃停车游戏的行为模型，估算同质需求与供给区域的巡游时间曲线。
• 采用最大密度停车模式作为理论上限，假设驾驶员始终能根据完全信息选择最近的空闲车位。
• 通过根据局部需求与供给水平加权，将各区域的巡游时间曲线进行聚合。
• 该方法结合了行为真实性与理论最优性，以在实用性与准确性之间取得平衡。
• 通过将模型输出与城市中停车搜索的完整基于代理仿真结果进行比较，对模型进行验证。
• 在以色列巴扬市的案例研究中，应用该方法生成预期停车搜索时间的空间分布图。

实验结果

研究问题

• RQ1 如何在需求与供给空间异质性显著的城市区域估算停车搜索时间曲线？
• RQ2 如在严肃停车游戏中所建模的驾驶员行为，在塑造现实的搜索时间分布中起到何种作用？
• RQ3 理论上的最大密度停车模式如何为实际搜索时间的估算提供参考？
• RQ4 所提出方法在多大程度上能准确复现基于代理仿真中观察到的停车搜索动态？
• RQ5 在真实城市环境中，需求-供给比率的空间差异如何影响停车搜索时间？

主要发现

• 尽管巴扬市的整体需求-供给比仅为0.65，但由于需求在空间上高度集中，市中心的停车搜索时间仍超过10分钟。
• 在与完整基于代理仿真模型对比验证后，所提出方法能准确复现停车搜索时间曲线。
• 行为模型与理论最优停车模式的结合，使得在空间异质性城市区域中可靠估算搜索时间概率成为可能。
• 巡游时间的空间制图揭示了市中心与外围区域之间存在显著差异，即使整体需求-供给比率较低。
• 该方法为城市规划者提供了一项实用工具，可用于评估和缓解停车相关的拥堵与出行延误。