[论文解读] How Much Urban Traffic is Searching for Parking? Simulating Curbside Parking as a Network of Finite Capacity Queues

Chase Dowling, Tanner Fiez+2 more|arXiv (Cornell University)|Feb 20, 2017

Smart Parking Systems Research参考文献 21被引用 13

一句话总结

本文提出一种有限容量队列网络模型，用于模拟城市道路边停车行为，将寻找停车位的驾驶员视为在路段队列间竞争的任务。通过仿真验证，指数（马尔可夫）服务时间能精确近似确定性停车时长下的真实行为，从而实现对占用率和拒绝率的准确估计，这对建模停车搜索引发的交通具有关键意义。

ABSTRACT

With the increasing availability of transaction data collected by digital parking meters, paid curbside parking can be advantageously modeled as a network of interdependent queues. In this article we introduce methods for analyzing a special class of networks of finite capacity queues, where tasks arrive from an exogenous source, join the queue if there is an available server or are rejected and move to another queue in search of service according to the network topology. Such networks can be useful for modeling curbside parking since queues in the network perform the same function and drivers searching for an available server are under combinatorial constraints and jockeying is not instantaneous. Further, we provide a motivating example for such networks of finite capacity queues in the context of drivers searching for parking in the neighborhood of Belltown in Seattle, Washington, USA. Lastly, since the stationary distribution of such networks used to model parking are difficult to satisfactorily characterize, we also introduce a simulation tool for the purpose of testing the assumptions made to estimate interesting performance metrics. Our results suggest that a Markovian relaxation of the problem when solving for the mean rate metrics is comparable to deterministic service times reflective of a driver's tendency to park for the maximum allowable time.

研究动机与目标

• 将路边停车建模为有限容量队列网络，以分析由驾驶员寻找停车位所引发的交通。
• 评估队列网络模型中关键假设的有效性，特别是关于服务时间分布和系统稳定性的假设。
• 开发一种仿真框架，以在高时空分辨率下估计占用率和拒绝率等性能指标。
• 比较指数（马尔可夫）与固定（确定性）服务时间假设在预测真实世界停车动态方面的表现。

提出的方法

• 将路边停车建模为有限容量队列网络，当所有车位满员时，车辆被拒绝并重新路由至相邻路段。
• 使用仿真工具测试系统收敛至稳态的能力，并验证到达过程与服务过程的假设。
• 采用暴力求根法估算匹配观测占用率水平的到达率，设定99%占用率阈值。
• 比较两种服务时间模型：指数（马尔可夫）与固定（确定性），以反映驾驶员实际停车至最大允许时长的行为。
• 通过将仿真得到的占用率与拒绝率与西雅图贝尔敦地区2016年3月至6月的数字停车计费器交易数据对比，验证模型准确性。
• 通过评估路段特定误差与异常案例，分析空间与时间异质性。

实验结果

研究问题

• RQ1 有限容量队列网络在多大程度上能准确模拟城市环境中真实的停车搜索动态？
• RQ2 假设服务时间为指数分布与固定分布对占用率和拒绝率预测精度有何影响？
• RQ3 哪些路段在模拟与观测占用率之间存在显著差异？其根本原因是什么？
• RQ4 在不同服务时间假设下，系统收敛至稳态的速度如何？
• RQ5 该模型在多大程度上可用于估算停车搜索对城市交通拥堵的贡献？

主要发现

• 仿真结果表明，指数服务时间与固定服务时间的差异极小，平均拒绝率分别为0.34和0.38辆/小时（周一数据），表明指数分布可作为良好近似。
• 在固定服务时间假设下，各路段平均占用率误差为-5.3%，拒绝率误差为-0.19辆/小时，表明模型估计偏保守。
• 排名前三的异常路段（91、185、196）的持续偏差源于：路段91平均停车时长过短，路段185受网络边界效应影响，路段196为单车位布局。
• 模型在典型路段的占用率预测最为准确，误差集中于边缘情况，表明其在一般城市规划应用中具有鲁棒性。
• 该模型成功捕捉了停车需求与供给的空间与时间异质性，支持对停车搜索交通进行高分辨率分析。
• 结果支持使用简化的马尔可夫模型来估计真实世界的停车动态，尤其适用于政策制定与定价设计。