商业中心作为城市重要的组成部分,是一个城市商业体系成熟与否的标志,也是一个城市空间结构中重要的组成部分。长期以来,虽然基于土地性质或是共享停车的停车需求预测在宏观上为预测商业中心的停车需求提供了较为完整的方法,但是作为一种集计的研究方法,存在着诸如忽视消费者在消费过程中目的性、未计入对于商业中心中各商户业态组合和商业微区位的影响、消费者个人特质体现不明显、无法反应城市开发或者商业业态动态变化的影响等问题,同时上述研究也都默认地将停放者视为完全理性的“经济人”1,而这些都是与作为“社会人”2而存在的消费者的行为完全不相适应的,因此如何建立一种模型去解决上述若干问题,对于停车研究就显得极为重要。论文对消费者行为与城市空间结构以及两者之间相互影响进行了分析,从消费者的个人特性和城市空间两方面探讨了影响消费者消费行为的主要因素,以上因素体现在消费者停车行为中,即表现为停车目的性的高度明确性和停车费用的相对不敏感性,消费者对于停车之后的消费体验的重视,远远大于停车费用等因素的影响。针对以上问题,论文进行了以下几方面的研究工作:1.通过文献研究,确定了影响消费者行为的主要个人因素和主要城市空间因素,并发现两者之间的相互作用关系。2.结合前述对于消费者行为影响因素的分析,建立了基于MNL的消费者空间选择模型,模型考虑了消费者个人特质和商业中心的空间结构因素,结合实际调查获得的数据,论文对于模型进行了标定,并对标定结果做了分析。3.利用小波变换和ESLOM算法对于具有较强波动性、易受偶发因素影响的停车数据进行了数据预处理,利用预处理之后的数据对神经网络进行了训练,用来预测停车场的短期停车位数量。4.通过构筑双层智能体Agent模型,论文设置不同消费者Agent的行为规则,结合基于模糊偏好下的多目标综合评价法,对于消费者在不同场景下的停车选择进行了模拟和分析。论文将过去单纯从交通、土地或停车费用的角度出发去分析停车,转变为结合消费者行为和城市空间结构对于停车行为进行分析,更多地将进行停车场选择的消费者的停车行为从默认的完全理性的“经济人”转变为更接近现实状态的“社会人”,初步突破了原有停车预测基本完全依赖于以土地和宏观经济数据为主,不考虑消费者个人特性、不能够预测城市长期发展和商业模式变化可能对停车需求产生的影响、不能够反应中微观区位对停车选择的影响等缺点。