无人驾驶出租车计价器计量模式发展研究

【摘要】本文针对无人驾驶出租车计价器的设计问题进行了深入探讨，提出了建立车辆全生命周期成本分析框架、开展实证数据收集分析、构建基于物理模型的能耗计算模型等可行解决思路，同时还阐述了虚拟化环境下的计量溯源难题、多源异构数据融合的溯源挑战、基于人工智能模型的溯源问题等新课题，并对未来的技术发展进行了展望，为该领域的深入研究与实践提供了理论基础和技术参考。

【关键词】无人驾驶；出租车计价器；计量

【DOI编码】10.3969/j.issn.1674-4977.2024.06.078

Research on the Development of Metering Mode of Driverless Taxi Meter

QIU Weihua

（Guangzhou Institute of Measurement and Testing Technology， Guangzhou 510000， China）

Abstract： This paper conducts a thorough discussion on the design issues of driverless taxi meters， proposes feasible solutions such as establishing a framework for analyzing the full life cycle costs of vehicles， conducting empirical data collection and analysis， and building an energy consumption calculation model based on physical models. Additionally， it elaborates on new topics such as the challenges of traceability in a virtualized environment， the traceability challenges of multi-source heterogeneous data fusion， and traceability issues based on artificial intelligence models. Furthermore， it provides an outlook for future technological developments， offering a theoretical foundation and technical reference for in-depth research and practice in this field.

Keywords： driverless； taxi meter； measurement

0引言

随着自动驾驶、人工智能等新兴技术的快速发展，无人驾驶出租车系统成为城市智能出行的一个重要发展方向。根据行业预测，到2030年，全球无人驾驶出租车市场规模将达到数万亿美元。与传统有人驾驶出租车相比，无人驾驶出租车不仅能够提高运营效率、降低人力成本，还能为乘客带来更优质、更安全的出行体验[1]。然而，无人驾驶出租车系统的发展也引发了一系列新的监管问题。其中，计价器的设计与管理就是一个亟待解决的关键问题。计量标准是评价事物属性和特征的关键基准，在贸易结算领域扮演着至关重要的角色，并且在监管体系中具有不可替代的地位。一个健全的计量标准监管体系，不仅能够确保市场的公平竞争，维护消费者权益，还能够促进新技术的健康发展[2]。通过制定科学合理的计量标准，监管机构可以对这一新型出行模式进行有效评估和监管，确保计价过程符合相关法律法规要求，从而保障市场的稳定和消费者的权益[3]。同时，完善的计量标准监管体系还将为无人驾驶出租车行业注入创新活力，推动技术进步，为经济社会持续发展提供有力支持[4]。因此，无人驾驶出租车计价器的设计与集成，需要充分考虑定价的公平性、公开性、反作弊性等监管要求，并合理平衡各方利益。本文将从无人驾驶出租车系统中计价器的设计要求、关键技术，以及未来展望等方面展开系统阐述，为这一新兴领域的研究与实践提供理论基础和技术参考。

1无人出租车计价器现状分析

1.1传统出租车计价器工作原理

传统出租车计价器的工作原理是基于距离和时间测量实现费用计算的。它通过连接到车辆行驶距离传感器（如车轮编码器）来获取距离脉冲信号，内部计数电路对这些脉冲进行累加从而得到行驶距离。同时，计价器内置精密时钟电路用于测量计费时间，可分别累计行车时间和怠速等候时间。根据测量的距离、时间以及这些预设的计费策略，计价器执行相应的运算实时累加应收费用。为防止司机作弊，一些计价器采用密封、防拆卸等反作弊设计，同时由管理部门定期检查核实[5]。总的来说，传统计价器通过测量距离和时间，依据预设的固定计费策略进行费用运算和结果输出显示。

1.2无人驾驶出租车计价器设计问题

1.2.1定价模型设计困难

传统有人驾驶出租车在拥堵情况下，通常会根据时间计费来弥补司机的人工成本损失，但对于无人驾驶出租车，由于不存在人工成本，需要构建一个全新的定价模型综合考虑车辆的资金成本、维修保养成本、能源消耗成本等多方面因素，并在此基础上针对不同拥堵程度制定差异化的计费策略，这在模型构建上存在一定的复杂性和困难。这些问题在计量上的困难体现可以分为以下几方面。

1）车辆资金成本。车辆资金成本包括购置成本和资金机会成本等。购置成本可根据车辆价格和折旧年限进行估算，但资金机会成本的计量就较为复杂。它需要考虑市场利率水平、通胀率、投资回报率等因素，并根据车辆的使用年限和剩余价值进行精确评估，存在一定的不确定性。资金机会成本与无人出租车的运营商运营状况有着密切的关系，一般来说正常的公司不会把这部分的风险转嫁给消费者。因此，只需考虑车辆本身的资金成本。

2）能源消耗成本。无人驾驶车辆一般都以电力为主要的能源，能源消耗成本主要取决于电力成本和车辆续航里程。电力成本受电价政策影响较大，而续航里程则与车辆载重、路况、驾驶策略等多种因素相关。准确计量不同工况下的能耗水平并非易事，需要深入研究车辆能量系统特性。

3）拥堵程度量化。为了针对不同拥堵程度制定差异化的定价策略，必须对拥堵状态进行量化。然而，交通拥堵是一个动态的、复杂的状态，难以用单一指标完全量化。在缺少人类司机对路况的直观判断的情况下，构建一个补偿机制以应对拥堵问题显得尤为必要。这需要开发一个综合考虑路况、车流量、车速等多个维度数据的交通拥堵指数模型，并设定合理的阈值范围，而模型构建和参数调优都是一个挑战。

4）成本权重分配。由于存在多种成本因素，在将它们综合到定价模型中时，需要对各成本因素的权重进行合理分配，以反映它们对定价的影响程度。但由于缺乏统一的成本计量标准，不同成本因素间权重分配往往需要依赖专家经验和大量实证数据支持，具有一定的主观性和不确定性。

5）模型泛化能力。无人驾驶出租车系统运营环境复杂多变，单一的定价模型很难全面应对各种情况。因此，必须开发一个具有较强泛化能力的模型，以适应不同城市、不同时段、不同天气等多种情况，同时还要确保计费的公平性和合理性，这对模型的可解释性和鲁棒性提出了更高要求。

1.2.2动态定价策略优化挑战

即使能够检测到当前的拥堵情况，制定最优的动态定价策略仍是一个巨大的挑战。这需要平衡乘客的接受程度、系统的经济效益、资源利用效率等多方面因素，并对定价的时间、空间维度进行合理分配。此过程涵盖了机器学习、运筹优化等多个领域的理论与技术，需要依赖大量的实操数据和算法迭代来实现逐步优化。

1.2.3公平性和透明度考量

在实施差异化定价时，必须确保定价策略的公平性，避免对特定群体或地区产生不公平的影响。同时，需要向乘客清晰解释不同定价的依据和原因，提高定价的透明度，增加乘客对系统的信任度。这就要求定价算法具备可解释性，并设计合理的信息展示机制。

1.2.4法规政策的制约

出租车计价是一个受严格监管的领域，各地相关的法规政策对计价模式和价格水平均有明确的规定。实施基于交通拥堵状况的差异化定价策略不仅需要得到相关部门的批准，还可能会遇到现行法规的限制。因此，现有的政策法规需要进一步修订或完善。

2无人驾驶出租车计价器设计问题的解决思路

2.1建立车辆全生命周期成本分析框架

通过建立车辆全生命周期成本分析框架，可以系统地识别和量化资金成本、运营成本、维修保养成本、报废处理成本等各个环节的成本构成。在此基础上，借鉴产品全生命周期成本计量的理论和方法，综合运用会计学、工程经济学等学科的知识，对各项成本进行科学计量和模型化描述。

2.2开展实证数据收集和分析

大量实证数据的收集和分析是准确计量各项成本的关键。通过与无人驾驶出租车企业和车辆制造商的合作，获取真实的购置成本、运维成本、能耗数据等，并结合车辆使用轨迹数据，分析不同工况下的成本变化情况。同时，利用大数据分析和机器学习技术，从海量数据中自动识别影响成本的关键因素，为成本建模提供数据支撑。

2.3构建基于物理模型的能耗计算模型

对于能源消耗成本的准确计量，可以考虑构建基于车辆动力学和能量系统物理模型的能耗计算模型。该模型需要融入车辆参数、道路信息、驾驶策略等多方面数据，精确模拟不同工况下的能量流动和损耗情况。在此基础上，结合实际测量数据进行模型校准，从而提高能耗计算的准确性。

3新型无人出租车计价器的计量挑战

3.1虚拟化环境下的计量溯源挑战

基于物理模型的能耗计算模型、交通大数据驱动的拥堵评估模型等都是建立在虚拟化的模型和仿真环境之上的。这种虚拟化环境与传统的实体硬件测量环境存在明显差异，很难直接借鉴传统的计量溯源方法。

大多数虚拟化模型需要输入大量异构数据，如实时交通数据、车辆运行数据、天气数据等。这些来自不同源头的数据在格式、时间戳、坐标系统等方面存在差异，给数据溯源带来了巨大挑战。虚拟化模型中通常包含了大量的数据处理、模型计算等中间环节，这些环节可能涉及复杂的算法、迭代过程等。在大量的计算过程中误差随着计算发生累积也对计算过程的溯源提出了更高的要求。

3.2基于人工智能模型的溯源挑战

建立拥堵评估模型、成本权重优化模型的时候，可能需要应用机器学习等人工智能技术。然而，人工智能模型是一个黑箱过程，缺乏可解释性，这给计量溯源带来了新的挑战。在神经网络等人工智能模型的训练中通常需要经过多轮迭代优化，涉及调整架构、更新参数、修改超参数等复杂过程。可解释人工智能（XAI）技术将可解释AI与溯源技术相融合，为解决人工智能模型黑箱问题带来了希望。通过一些后续分析技术，可以在一定程度上理解模型内部机理。但如何将这些技术与计量溯源理论与实践相结合，建立起人工智能计量溯源的完整体系仍有待深入探索。总的来说，实现对模型内部参数、特征提取过程以及训练数据的溯源是一个有待探索的全新课题。

无人驾驶出租车系统中存在诸多不确定性因素，如交通状况、天气、人类行为等。这些不确定性将直接影响到成本计量的准确性。量化这些不确定性并将其纳入计量溯源体系中是一个具有挑战性的问题。

4结论与展望

无人驾驶出租车系统的发展为城市智能出行提供了新的解决方案，但同时也带来了新的监管挑战。传统的基于固定策略的计价器难以适应无人驾驶出租车系统的灵活运营需求，因而需要构建全新的定价模型，综合考虑车辆资金成本、维修保养成本、能源消耗成本等多方面因素，并针对不同拥堵程度制定差异化的计费策略。

展望未来，随着大数据、人工智能等新技术的发展，无人驾驶出租车的计价问题有望得到更好的解决。通过建立完善的成本计量体系，结合机器学习算法优化动态定价策略，并融入可解释AI技术提高模型透明度，将能够实现更加公平合理的计费机制。与此同时，在法规政策层面也需要与时俱进，为这一新兴技术制定明确的监管标准和指引。而在计量溯源领域，需要深入探索虚拟化环境下的计量方法，建立统一的异构数据标准和溯源机制，研究基于人工智能的可解释溯源技术，并将不确定性因素纳入溯源体系考量。通过跨学科的理论创新与技术突破，为无人驾驶出租车的健康发展保驾护航。

【参考文献】

[1]王婧涵.自动驾驶商业化示范运营加速推进[N].中国证券报，2024-05-18（A4）.

[2]曹政.北京无人驾驶出租车可以收费载客了[J].新型城镇化，2023（8）：100.

[3]刘鹏.出租车计价器误差来源及解决方法研究[J].大众标准化，2024（7）：113-115.

[4]何燕媚，李新强，秦王丹.出租车计价器智慧监管和投诉案件处理[J].中国计量，2021（10）：28-29.

[5]卢云忠.出租车计价器作弊手段及应对措施探究[J].计量与测试技术，2020，47（10）：50-52.

【作者简介】

邱伟华，男，1970年出生，助理工程师，研究方向为出租汽车计价器计量。

（编辑：李加鹏）