自动驾驶汽车对出行行为的影响综述

孙静璇，刘浩

（1.山东建筑大学交通工程学院，山东 济南 250101；2.山东建筑大学计算机科学与技术学院，山东 济南 250101）

目前，具有自动驾驶员辅助系统的车辆已广泛使用，随着自动驾驶技术的不断改进，L5 级的全自动驾驶汽车（Autonomous Vehicles，AVs）[1]大规模落地应用的时代终将到来。AVs 将允许以不同的方式组织交通供给，在出行舒适度、出行时间、出行时间价值（Value of Travel Time,VTT）[2]、可靠性、成本[3]和安全性等方面带来巨大变化，这些变化将对需求端的出行行为产生深刻作用，进而影响交通需求时空分布、网络拥堵效应等，了解这些影响有助于设计与解决未来AVs 环境下城市交通问题。

AVs 对出行行为影响方面研究一直受到重视[4]。由于AVs 尚未广泛落地无法收集经验数据，已有文献大多通过构建不同的应用场景利用模型或模拟的方法进行研究[5]，分析过程中也包含若干基本假设，如出行过程中VTT 降低、道路容量变化等。结果总体上呈现对不同场景设置的关联特征，揭示了AVs 技术对出行行为的巨大影响与挑战。出行行为的特征与机制的变化将催生交通规划、管控和需求管理等方面新的方法与模型。因此，有必要总结AVs 对交通行为带来的影响，并对未来研究提出建议。

1 AVs 环境特征

AVs 环境下与出行行为相关的基本特征有道路容量变化、VTT 降低等。

1.1 道路容量改变

前期研究表明，不同级别的自动驾驶对道路容量都会产生影响。先进的通信和控制技术使车辆对周围驾驶环境有更多的感知和更短的反应时间，可提高交通流效率、舒适度和道路容量。协同自适应巡航控制（Cooperative Adaptive Cruise Control，CACC）和自适应巡航控制（Adaptive Cruise Control，ACC）两种控制技术均会导致容量的增加[6]，且ACC 的影响较小，CACC的影响较大[7]。AVs 渗透率越高，交通网络容量增加得越多。但当AVs 渗透率较低时，会导致道路容量的降低，延误增加[8]。

大多数场景下AVs 会增加道路容量，可在一定程度上减少道路拥堵，然而容量增加可能导致AVs 的出行需求增加，反而对交通网络带来负面影响。

1.2 出行时间价值（VTT）降低

VTT 是AVs 对用户出行行为影响评估中需要考虑的重要特征因素，AVs 的核心特征之一是可以在途中进行非驾驶性车上活动来减少出行时间成本，从而降低VTT[9]。降低程度大小，和车上活动类型、AVs 及其用户类型、用户认知相关。

（1）车上活动性质。Pudane[9]等基于活动模型研究发现车上活动效用水平决定了AVs 的VTT 降低程度。且在AVs 行进途中从事工作活动比休闲活动有更低的VTT。

（2）AVs 性质。私人自动驾驶汽车（Private Autonomous Vehicles,PAVs）的VTT 比共享自动驾驶（Shared Autonomous Vehicles,SAVs）的VTT 更低[10]。

（3）AVs 用户异质性。高收入用户愿意为了节省出行时间而支付更多费用，其VTT 比低收入用户的更高[11]。

（4）AVs 出行距离。长距离出行的AVs 有更强的车上活动能力，比短距离出行的AVs 的VTT 降低幅度更大[12]。

以上大多基于agent 模型推演或通过用户出行偏好调查进行研究，由于高级AVs 尚未广泛投入使用，用户对AVs 的安全性和舒适性有一定担忧，车上活动可能更多是为了消磨时间，而不是有效地利用时间，因此AVs 的VTT 减少程度会比预期较小[13]。

2 出行行为影响

2.1 出行方式选择影响

研究表明，AVs 渗透率增加和VTT 降低会导致HVs（Human Vehicles）出行模式、慢行出行模式和公共交通出行模式向AVs 的转变[14]，此外，人群异质性，出行距离，PAVs 和SAVs 的比例等均会影响出行模式选择。

Kröger 等人[15]发现VTT 降低有利于PAVs 车辆模式份额增加，而较高的停车收费对PAVs 车辆份额上升有抑制作用。用户异质性也会影响出行模式选择。根据Litman[16]预计未来PAVs 额外的硬件和软件、维护和地图订阅费用会导致其出行成本增多。这意味着低收入家庭将负担不起PAVs，转向SAVs 模式，而高收入家庭更注重隐私和舒适度，倾向于PAVs 模式。

上述研究表明AVs 的应用将导致公共交通和慢行交通比例降低，但Heilig M[17]发现在短距离出行中，出行方式只有SAVs、公共交通和慢行交通时，用户为了节省出行成本，公共交通和慢行交通分担率也会增加。

2.2 对出行里程（Vehicle Miles Traveled，VMT）的影响

根据文献中对AVs 对车辆的VMT 的影响研究，总结了如下场景。

（1）道路容量，AVs 渗透率增加使道路容量增加，从而引起出行需求增多。Fagnant[18]仿真模拟发现当PAVs 的渗透率为10—100%时，整个系统的VMT 增加了4—15%，用SAVs 替代城市中所有HVs 来满足出行需求，结果显示会增加10%的VMT。Gucwa[19]等实验表明当道路容量增加10%到100%，VMT 增加4%—8%。

（2）出行成本，AVs 汽车本身的固定成本较高，驾驶成本（主要是VTT 和燃油成本）较低，这激励了AVs 用户最大限度利用AVs 出行以补偿对AVs 的投入[20]，使VMT 增加。相比道路容量，VTT 对AVs 的VMT影响更大。

（3）空载行驶，AVs 的空载行驶包括寻找乘客时和价位更低的停车位时的空车出行[21]。Harper[22]在一个假定的网格区域中，研究表示乘客愿意让AVs 行驶更远的距离以获得更便宜的停车位，增加的空载VMT 与AVs 渗透率成正比[23]。

3 结论和建议

本文主要研究高级AVs 对出行行为的影响，从AVs 环境特征和不同场景出发，总结AVs 影响下的出行模式选择、出行里程等。其中，AVs 环境特征是出行行为分析的基础，出行模式选择是出行行为中的选择行为，出行时间与出行里程是出行行为在路网上的体现。研究成果为未来城市AVs 环境下交通规划、管控与需求管理提供参考，并对未来研究的重点提供建议。

本研究认为，应该对行程时间价值、道路容量变化、舒适性，以及车上活动效率与类型在出行行为中的作用机理与敏感性进行更多的实证分析，并在场景评估方面建立模型评估机制，进一步建立包含各出行方式的评估框架。