论文标题：Cost-Effective Planning of Station-Based Car-Sharing Systems: Increasing Efficiency While Emphasizing User Comfort

论文链接：https://www.mdpi.com/2624-6511/9/4/60

期刊名：Smart Cities

期刊主页：https://www.mdpi.com/journal/smartcities

一、引言

基于站点的汽车共享系统能够减少私家车保有量，但目前只有小部分人群使用这种服务。为了提高其可用性，来自德国慕尼黑工业大学的 Markus Lienkamp 教授及其团队开发了一种方法，为智慧城市设计了一个高效且经济的基于站点的汽车共享网络，不仅关注用户的舒适性和便利性，同时减少了所需车辆的数量。

二、材料与方法

本研究以德国慕尼黑市为案例，基于2022年人口普查数据与 OpenStreetMap 建筑物数据，构建了一个高分辨率的合成人口模型。同时融合了两个大规模出行调查数据集（ MiD 2023 和 SrV 2023）以及 GPS 出行追踪数据，为每个合成个体分配出行计划，并补充了节假日长途出行信息，以弥补传统出行调查在长途旅行记录方面的不足。

图：合成人口与出行计划的程序化生成模型

图：合成人口的参数赋值

在共享汽车站点布设方面，研究设计了五种不同的布设策略，从密集网络到松散网络不等，并分析了不同用户群体规模、不同站点距离、不同共享比例（5%–100%）和不同私家车替代率（0%–100%）对系统效率的影响。评估指标包括：每辆车服务人数、车辆利用率、所需车队规模、私家车替代率以及用户到站点的步行距离。通过大量的参数组合仿真和敏感性分析，研究量化了不同布设策略下系统的理论潜力。

表：汽车共享站的布设方法。

图：不同站点布局方法生成的吸引范围

三、分析与结果

站点分析：为了方便用户使用共享汽车服务，车辆与共享站点之间的距离以及车辆所服务的用户群体规模是关键因素。随着站点最大步行距离从 50 米增加到 300 米，车辆利用率、私家车替代率和每站服务人数均显著提升，之后趋于平稳。 300 米被认为是最优平衡点，在此距离下， 10%、 50% 和 100% 共享比例对应的私家车替代率分别为 5.1%、 28.7% 和 60.1%，车辆利用率达到 37%–51%。

图：站点距离与各关键参数的关系

随着共享车辆的用户群体规模增大，人均所需车辆数呈下降趋势，并在约 217 人时达到极限值的 105%。表明当群体规模超过 217 人后，继续扩大用户群对降低人均车辆需求的边际收益已非常有限。这一阈值可作为设计共享汽车站点的下限参考。

图：共享汽车站点群体规模与所需车辆数的相关性

车辆利用率随群体规模增加而上升，但增速逐渐放缓，最终约为 61.2%。当群体规模达到 949 人时，利用率已达到极限值的 95%。超过这一规模后，进一步提升利用率的效果微乎其微。因此， 949 人可视为站点设计的效率上限。

图：共享汽车平均利用率与车队规模的关系

城市层面的分析：在 100%替代率（所有共享用户放弃私家车）的理想情况下，站点越稀疏，私家车替代率越高。若共享汽车系统按高峰假日的出行需求设计，私家车替代率将比不考虑长途出行时下降约 50%。若按周末需求设计，替代率则比高峰假日高 11%。

图：长途出行对私家车替代率的影响

虽然慕尼黑市内环与外环的私家车替代率差异不大（分别为 66.9% 和 66.3%），但车辆利用率呈现明显空间梯度：内环区域利用率为 57.9%，比外环高出 5.7%。

图：当采用 300 米的距离设定方法，并将汽车共享使用率设定为 100% 时，不同慕尼黑城镇（底部）和扩展城市中心（顶部）的汽车使用率（左）和汽车减少率（右）的差异情况

如果将10公里以内的短途出行从汽车转向其他交通方式（步行、骑行、公交），站点布设方法似乎对额外的替代率没有显著影响。对于布设方法 PM 来说，如果未来所有 10 公里以下的行程都不使用汽车，其额外的替代率可达 12.5%。其他所有布设方法的替代率在 10.4% 至 11.2% 之间变化。共享率对额外的汽车减少率没有显著影响。

图：共享率80%时，不同出行距离的弃车行为对理论汽车减排率的附加影响

四、讨论

本研究对共享汽车需求的估算属于理论上限情景，不代表真实需求，其优势在于能够比较尚未实际落地的服务设计。实际需求受成本、车型、出行方式选择等因素影响，但估算真实需求并非本研究目标。住宅区共享汽车的理论潜力受多项参数影响，其中共享率和私家车替代率最为关键。最糟糕的情形是使用人数众多但替代率偏低，反而导致城市汽车总量增加。

本研究的计算为理论估计，但与慕尼黑一项 24 人的实测案例（人均日需 0.17 辆车）结果吻合。若全市100%使用共享汽车且全部放弃私家车，车队可缩减20%–70%，每辆共享汽车替代1.25–3.3辆私家车，远低于文献中报告的 5至 23 辆。作者认为，这一差异可能源于真实行为与主观陈述之间的偏差。

在各项影响因素中，长途出行作用最大（理论影响高达 50%），但作者也指出该数值可能略有高估；将短途出行转移至其他交通方式，最多仅能减少12.5%的车队规模，电动化的影响仅为几个百分点。此外，当群体规模超过约 217–949 人的区间后，共享汽车效益迅速趋于饱和。

需要说明的是，本研究基于慕尼黑数据，该市日常汽车出行比例较低、长途出行比例较高，因此结论在推广至其他城市时需谨慎对待。

五、展望与结论

本研究提出了一种面向住宅区站点式共享汽车的成本效益规划方法，并以慕尼黑为案例进行验证，重点关注长途出行行为对车队规模及共享群体大小的影响。结果表明，每个共享车队的共享汽车用户群体不宜过小，理想的群体规模为 217 至 949 人，这能够在确保车辆可用性的同时，在保持较高用户便利性的前提下，实现降低成本和提高车辆效率的潜力。在所有影响车队规模的因素中，长途出行对车队规模影响最大，若不涉及长途出行，车队最多可缩减 50%，而将 10 公里以下短途转移至其他交通方式的效果不足 10%。每辆共享汽车在慕尼黑理论上可替代 1.25 至 3.3 辆私家车，但该结果基于用户全部放弃私车等理想假设，代表理论上限，实际需求可能更低，未来需在现实生活实验室条件下进一步验证。

引用格式：

Nachtigall, N.; Lienkamp, M. Cost-Effective Planning of Station-Based Car-Sharing Systems: Increasing Efficiency While Emphasizing User Comfort. Smart Cities 2026, 9, 60. https://doi.org/10.3390/smartcities9040060

期刊介绍

主编：Prof. Dr. Pierluigi Siano, University of Salerno, Italy

Smart Cities（ISSN 2624-6511）是一个由 MDPI 出版的国际型开放获取同行评审英文学术期刊，专注于发表智慧城市领域的最新研究进展，目前已被 ESCI、Scopus、PubMed、Dimensions以及DOAJ 等重要数据库收录。Smart Cities发文领域包括但不限于智慧城市的核心技术与方法、智慧城市的关键应用领域、智慧城市交叉领域融合以及韧性智慧城市建设等,重点关注利用先进的信息技术、通信技术及数据分析工具，推动城市资源优化配置、公共服务改善、管理效率提升及居民生活质量提高等议题的原创论文，综述、通讯等类型，致力于为智慧城市相关研究提供一个优质、高效、快速的发表服务平台，有效促进智慧城市最新科研成果的推广和传播，加快推进智慧城市新生态建设。

2024 Impact Factor：5.5

2024 CiteScore：14.7

Time to First Decision：25.5 Days

Acceptance to Publication：3.9 Days