自动驾驶对汽车出行里程潜在影响分析

王通

摘 要：自动驾驶技术的进步和未来应用，将改变未来的出行需求和出行方式，给交通领域带来天翻地覆的变革。本文对自动驾驶技术对出行强度的影响机理和作用途径进行了总结分析，并进一步总结了自动驾驶技术如何通过中间因素影响出行需求和强度的量化结果。研究结果表明，整体而言，自动驾驶技术可降低单次出行的里程，但会增加出行总需求。

关键词：自动驾驶;出行强度;影响

1 引言

随着自动驾驶（AV）技术的进步，世界正处于交通运输领域一场天翻地覆的大变革的最前沿。AV是一种特殊类型的车辆，它具有若干驾驶自动化功能，可以根据所配备的功能，实现不同程度的自动化驾驶。SAE International（SAE）在发布的J3016标准中对驾驶自动化进行了定义，将其分为从没有自动化到全自动的六个等级。AV有着巨大的潜力，它有助于乘客更有效地利用在车内的时间，增强驾驶安全，以及减轻交通拥堵[1-3]。

AV还可能会改变车辆所有权模式和土地利用模式，并创造新的市场和经济机会[3，4]。各国政府正尝试监管自动驾驶车辆。美国的几个州（如内华达州、加利福尼亚州、得克萨斯州）已颁布法律，允许无人驾驶车辆上路测试[5]。韩国和新加坡政府最近也给自动驾驶车辆上路测试开了绿灯。麦肯锡公司估计，从2025年开始，消费者将开始采用全自动驾驶车辆，而到2040年，AV将成为主要交通工具。

Wadud等[1]在研究声称，“自动化本身不太可能显著影响能耗，但它有望推动道路交通领域发生无数的其他变化，进而显著影响能耗和温室气体排放。”相关学者已经开始思考自动驾驶对交通运输部门能源需求量的潜在影响。其中出行强度是交通部门能源需求量的重要影响因素之一。

2 自动驾驶技术发展现状与趋势

全球自动驾驶目前已取得了一些实质性的成果。2016年9月起，Uber就在匹兹堡城区进行了大范围的无人驾驶出租车免费试运行，尽管它是L2和L3水平的，但商业模式是大范围的城区。2017年7月发布的全世界第一款L3级别的自动驾驶量产汽车奥迪新A8，搭载了全球首款车规级的四线激光雷达ScaLa，也配置有车规级的车载计算单元zFAS域控制器。传统车企美国通用汽车，通过收购硅谷Cruise Automation人工智能初创企业，目前已推出第四代量产型无人驾驶汽车Cruise AV，已经完全抛弃了方向盘、制动和油门踏板，并向美国交通运输部提交了安全申请，计划投资1亿美元，在明年实现量产，这是首台宣称可以量产的L4+的自动驾驶汽车。

3 自动驾驶技术对出行里程的影响

自动驾驶水平的提升对出行需求的潜在影响还存在不确定性，而且在为数不多的关于出行需求所受影响的研究中，相关测算的差异很大，尤其是在测算高水平自动驾驶场景时。Brown、MacKenzie、Fagnant和Kockelman以及Wadud等研究人员考察了这方面的数据，列出了车辆自动化可能会影响出行行为的几个方面，其中包括广义出行成本下降导致出行增加、感知的出行时间成本下降、出行需求未得到充分满足的人群（例如少年儿童、老年人和/或残疾人）的出行增加、出行方式变化、共享出行以及车辆上的自动泊车系统或无人驾驶车辆空驶带来的停车方式变化。

相应地，AV对出行需求的潜在影响被分为以下几类：

● 出行需求未得到充分满足的人群增加出行;

● 共享出行增加;

● 减少寻找车位花费时间;

● 步行、公共交通改变出行方式。

对于上述每一个类别，本研究总结了前述研究中对AV技术潜在影响的分析结论。

3.1 出行需求未得到充分满足的人群增加出行

由于缺乏足够的数据来解释为什么某些人群的出行要少于其他人群，因此当前交通需求未得到充分满足的人群的潜在出行变化很难估计。MacKenzie等研究了2014年美国家庭出行调查（NHTS）（美国联邦公路管理局[FHWA]）数据，发现每位驾驶员的VMT在44岁达到峰值，然后稳步下降直到62岁，之后则急剧下降。他们认为62岁以上人群的VMT加速下降是因为这些人的驾驶能力衰退，并因此放弃了出行。全自动驾驶车辆可以满足此类出行需求。通过推断44岁至62岁人群的VMT趋势并从每位62岁以上驾驶员的VMT中减去这一趋势，从而估计出行将增加2%至10%。

Harper对2009年NHTS的分析略有不同。他们假设各年龄段中，非驾驶员的出行与驾驶员的出行需求一样多，老年人的出行与19至64岁没有健康状况的驾驶员一样多，以及存在健康状况的驾驶员的出行与每个年龄段中没有健康状况的驾驶员一样多。通过分析三组非驾驶员——19岁及以上、没有健康状况的老年驾驶员以及19岁及以上有健康状况的驾驶员——他们估计，使用全自動驾驶车辆后，未得到充分满足的出行需求有可能会导致VMT最多增加12%。

Brown等也研究了2009年NHTS以及2003年运输统计局出版的《自由出行》（Freedom to Travel）中的数据。他们估计，如果所有年龄段的人的出行都像每个年龄段中出行最多的前十分之一的人那样多，那么这将导致出行最多增加40%。

3.2 共享出行增加

共享出行可以在降低VMT的情况下满足更多的出行需求。例如，Santi等分析了2011年纽约市出租车的行程，发现如果允许合乘，出租车可以在减少40%出租车里程数的情况下完成行程需求。他们还模拟了空间密度更低的场景，发现在密度低于纽约市的地区，共享出行也是有效的。但是，如何实现共享出行以及有多少用户愿意共享出行都非常不确定。Brown等引用了一项共享出行计划研究，并在此基础上估计，共享出行最多可以将总VMT减少12%。Porter等指出，在历史上共享出行计划对VMT的影响很小。然而，他们进一步观察到，根据FHWA的数据，平均每辆车的搭乘人数约为1.6到1.7人，而工作出行时每辆车的搭乘人数不到1.1人，并据此得出结论称共享出行有可能大幅降低VMT。

3.3 減少寻找车位花费时间

Shoup估计，在中心城区，2%到11%的VMT都花在了寻找停车位上。各项车联网技术可以在车辆和基础设施之间实现信息共享，有助于提供准确的停车位信息，从而减少花在寻找停车位上的VMT。共享的全自动驾驶汽车可能根本不需要停车（尽管空驶VMT增加会抵消在停车方面减少的VMT）。Brown等估计，平均每辆乘用车最多将5%的燃油花在了寻找停车位上。

3.4 步行、公共交通改变出行方式

很少有人测算过出行者从步行、乘坐公共交通或短途航班转变为乘坐AV的情况。估计这一因素的影响上限时，可假设人们从这些出行方式100%转变为搭乘只载一人的AV。至于全自动（乃至半自动）场景下这一因素的影响下限，可假设出行方式没有改变，进而VMT也没有改变。作为参考，美国能源信息管理局发布的《2014年度能源展望参考》中提供的全美LDV VMT数据为2.785万亿车辆英里。

估计从步行转变为搭乘AV的上限时，我们从2009年NHTS（FHWA）报告中可知每年步行里程数为279.43亿人英里。其中，164亿人英里是行程超过1英里的步行里程数，占每年LDV VMT的0.59%。考虑到大多数小于1英里的行程并不适合搭乘机动车，因此在估计界限时，我们将达到或超过1英里的行程中的步行里程数作为城市VMT的增幅上限。

根据2013年美国公共交通数据库的数据，乘坐公共交通的乘客里程数总计为565亿英里。如果所有这些乘客里程数都转变为车辆里程数，则意味着VMT将增加2.0%。此增幅假定只适用于城市出行。

4 总结

本文对自动驾驶技术对出行强度的相关影响进行了分析总结。整体而言，自动驾驶技术可降低单次出行的里程，但会增加出行总需求。具体如下：

（1）驾驶员出行需求在44岁达到峰值，然后开始缓慢减少，62岁后出现迅速减少，自动驾驶可满足出行不便人群的出行需求，出行里程增加2%-12%。

（2）共享出行的增加可提升乘用车的出行效率，使VMT降低12%-13.2%。

（3）智能网联技术可使驾驶员实时获取车位信息，减少驾驶员寻找车位的麻烦，使VMT减少5%-11%。

（4）自动驾驶技术带来的便利性，可能使部分步行、公共交通出行人群转为驾驶出行，从而是VMT增加5.5%。

参考文献：

[1]WADUD Z，MACKENZIE D，LEIBY P. Help or hindrance？ The travel，energy and carbon impacts of highly automated vehicles[J].Transportation Research Part A： Policy and Practice，2016，86：1-18.

[2]FAGNANT D J，KOCKELMAN K. Preparing a Nation for Autonomous Vehicles：Opportunities，Barriers and Policy Recommendations[J]. Transportation Research Part A：Policy and Practice， 2015，77：167-181.

[3]ANDERSON J M，KALRA N， TANLEY K D，et al. Autonomous Vehicle Technology：A Guide for Policymakers[M]. RAND Corporation，2014.

[4]B?SCH P M，BECKER F， BECKER H，et al. Cost-based analysis of autonomous mobility services[J].Transport Policy，2018，64.