胡笳，羅書源，賴金濤，徐恬，楊曉光*

(1.同濟(jì)大學(xué)，道路與交通工程教育部重點(diǎn)實(shí)驗(yàn)室，上海201804；2.霹圖衛(wèi)軟件科技有限公司，交通規(guī)劃與技術(shù)部，卡爾斯魯厄76131,德國(guó))

0 引言

自動(dòng)駕駛技術(shù)的發(fā)展已上升為國(guó)家戰(zhàn)略規(guī)劃的重要內(nèi)容。2020年2月國(guó)家發(fā)展改革委員會(huì)等11 個(gè)部門聯(lián)合印發(fā)《智能汽車創(chuàng)新發(fā)展戰(zhàn)略》，提出，到2025年中國(guó)標(biāo)準(zhǔn)智能汽車的技術(shù)創(chuàng)新、產(chǎn)業(yè)生態(tài)、基礎(chǔ)設(shè)施、法規(guī)標(biāo)準(zhǔn)、產(chǎn)品監(jiān)管和網(wǎng)絡(luò)安全體系基本形成，并實(shí)現(xiàn)自動(dòng)駕駛汽車(Autonomous Vehicles，AV)規(guī)?；a(chǎn)。預(yù)計(jì)到2050年，AV 在中國(guó)將達(dá)到90%的滲透率[1]。由此可見(jiàn)，自動(dòng)駕駛技術(shù)的大規(guī)模落地應(yīng)用勢(shì)在必行。

自動(dòng)駕駛技術(shù)將引發(fā)交通運(yùn)輸系統(tǒng)變革，因?yàn)樽詣?dòng)駕駛技術(shù)使交通運(yùn)輸系統(tǒng)的供給端和需求端均發(fā)生顯著變化。在供給端，自動(dòng)駕駛技術(shù)的發(fā)展和應(yīng)用將改變交通運(yùn)輸系統(tǒng)的供給特征，例如，在完全自動(dòng)駕駛的條件下，交通供給能力最大可提高50%以上[2]；在需求端，自動(dòng)駕駛技術(shù)會(huì)顯著降低出行者的出行成本，提高出行需求量，并改變出行需求時(shí)空分布特征。

自動(dòng)駕駛技術(shù)帶來(lái)的深刻變革需要對(duì)交通運(yùn)輸系統(tǒng)進(jìn)行再認(rèn)知，再改造。交通運(yùn)輸系統(tǒng)規(guī)劃(即交通規(guī)劃)，作為認(rèn)知及改造交通運(yùn)輸系統(tǒng)的重要工具，其理念方法及技術(shù)體系均需要重新構(gòu)建。隨著自動(dòng)駕駛技術(shù)的日益成熟，對(duì)城市交通機(jī)動(dòng)性、可達(dá)性將產(chǎn)生深刻影響，進(jìn)而使得道路基礎(chǔ)設(shè)施、土地利用、城市空間格局等發(fā)生巨大變革，必將催生出新的交通規(guī)劃理念、模型與方法。例如，傳統(tǒng)的交通規(guī)劃理念和方法已不能滿足自動(dòng)駕駛環(huán)境下新交通方式、新出行結(jié)構(gòu)、新供需特征的需求預(yù)測(cè)，以四步法為代表的經(jīng)典需求預(yù)測(cè)方法框架將向模型組合化、出行行為一體化分析的方向發(fā)展。因此，需在交通規(guī)劃層面總結(jié)歸納自動(dòng)駕駛技術(shù)帶來(lái)的影響及挑戰(zhàn)，并思考應(yīng)對(duì)這些挑戰(zhàn)的對(duì)策。

本文研究自動(dòng)駕駛技術(shù)對(duì)交通運(yùn)輸系統(tǒng)規(guī)劃的影響，梳理國(guó)內(nèi)外相關(guān)文獻(xiàn)，并參照經(jīng)典交通規(guī)劃的理論及技術(shù)分析架構(gòu)，總結(jié)自動(dòng)駕駛環(huán)境下的交通數(shù)據(jù)采集與管理，土地利用與選址，交通供需，交通需求預(yù)測(cè)，城市交通網(wǎng)絡(luò)布局設(shè)計(jì)，發(fā)展趨勢(shì)和重點(diǎn)、難點(diǎn)。其中，交通數(shù)據(jù)采集與管理為交通規(guī)劃提供基礎(chǔ)數(shù)據(jù)來(lái)源，土地利用與選址為交通規(guī)劃過(guò)程中的需求分析提供核心依據(jù)，交通供需、交通需求預(yù)測(cè)是交通規(guī)劃中的關(guān)鍵分析要素和重要分析手段，城市交通網(wǎng)絡(luò)布局設(shè)計(jì)是交通規(guī)劃的重點(diǎn)內(nèi)容。本文總結(jié)自動(dòng)駕駛技術(shù)對(duì)以上交通規(guī)劃理論與方法的影響、變革及應(yīng)對(duì)措施，為未來(lái)城市交通規(guī)劃中城市空間布局與土地利用、交通網(wǎng)絡(luò)布局架構(gòu)、道路設(shè)計(jì)等提供參考。

1 交通數(shù)據(jù)采集與管理

1.1 數(shù)據(jù)采集

1.1.1 采集手段

自動(dòng)駕駛環(huán)境下，交通數(shù)據(jù)采集手段將由人工采集、定點(diǎn)采集為主的手段轉(zhuǎn)變?yōu)樽詣?dòng)化采集、可移動(dòng)采集為主的手段。傳統(tǒng)交通數(shù)據(jù)采集可以通過(guò)人工調(diào)查完成，常見(jiàn)的途徑有問(wèn)卷調(diào)查、交通流量統(tǒng)計(jì)調(diào)查等；也可以通過(guò)定點(diǎn)檢測(cè)器采集完成，例如，交通卡口采集、定點(diǎn)線圈采集等。自動(dòng)駕駛環(huán)境下，利用車載和路端傳感器的協(xié)同自動(dòng)化采集手段，完成全時(shí)空數(shù)據(jù)采集，可以采集到高頻率、高鮮度、高精度的實(shí)時(shí)交通數(shù)據(jù)。

1.1.2 數(shù)據(jù)類別與運(yùn)用

交通數(shù)據(jù)呈現(xiàn)大容量、多樣性、細(xì)粒度、高精度等特征。自動(dòng)駕駛環(huán)境下可獲取個(gè)體車輛實(shí)時(shí)位姿信息以及出行信息[3-4]，涵蓋車輛位置、速度、加速度、航向角、起訖點(diǎn)、路徑選擇、出行目的等；同時(shí)可獲取外部環(huán)境信息，包括由高精度地圖獲取的靜態(tài)道路信息以及實(shí)時(shí)路況信息。這些更為細(xì)粒度、高傳輸速度和高準(zhǔn)確度的數(shù)據(jù)，有助于提高交通狀態(tài)估計(jì)精度，能夠服務(wù)于交通規(guī)劃中的模型校正和系統(tǒng)評(píng)估[5-7]。

1.2 數(shù)據(jù)管理

自動(dòng)駕駛環(huán)境下采集的數(shù)據(jù)通過(guò)分布式云計(jì)算框架存儲(chǔ)、分析和處理[8]，數(shù)據(jù)的儲(chǔ)存、分類、聚類、聚合與傳統(tǒng)交通規(guī)劃數(shù)據(jù)的處理有所區(qū)別。

1.2.1 數(shù)據(jù)存儲(chǔ)

數(shù)據(jù)存儲(chǔ)方法從集中式存儲(chǔ)向分布式存儲(chǔ)和冗余存儲(chǔ)轉(zhuǎn)變。區(qū)別于傳統(tǒng)方式以各個(gè)站點(diǎn)或部門為中心的集中式數(shù)據(jù)存儲(chǔ)模式，自動(dòng)駕駛環(huán)境下，通過(guò)構(gòu)建基于Hadoop 的分布式文件系統(tǒng)(Hadoop Distributed File System,HDFS)實(shí)現(xiàn)交通數(shù)據(jù)云存儲(chǔ)，解決交通海量數(shù)據(jù)存儲(chǔ)難題，降低實(shí)施分布式文件系統(tǒng)的成本[9-10]。

1.2.2 數(shù)據(jù)聚合

自動(dòng)駕駛環(huán)境下的交通數(shù)據(jù)匯總、歸納和聚合將由散亂的、無(wú)目的的聚合形式向指定用途目的聚合形式轉(zhuǎn)變。傳統(tǒng)數(shù)據(jù)以全量的形式被收集和儲(chǔ)存，難以直接獲得目標(biāo)用途的有效交通信息，需要經(jīng)過(guò)復(fù)雜繁瑣的數(shù)據(jù)預(yù)處理工作，增加了交通規(guī)劃數(shù)據(jù)獲取的時(shí)間、人力和經(jīng)濟(jì)成本。自動(dòng)駕駛環(huán)境下，以目標(biāo)為驅(qū)動(dòng)的數(shù)據(jù)聚合很大程度上降低了成本[3]。例如，對(duì)自動(dòng)駕駛數(shù)據(jù)進(jìn)行行程級(jí)和空間級(jí)數(shù)據(jù)聚合，可推測(cè)車輛行駛軌跡和出行需求時(shí)空分布，作為交通規(guī)劃需求預(yù)測(cè)的基礎(chǔ)。

2 土地利用與區(qū)位選址

自動(dòng)駕駛技術(shù)的應(yīng)用和發(fā)展將影響未來(lái)的土地利用模式，進(jìn)而影響停車需求和居民生活及生產(chǎn)區(qū)域的選址。即停車需求將減小、停車空間布局趨于緊湊；居民住宅選址會(huì)因不同類型AV 使用比例的變化而變化；自動(dòng)駕駛技術(shù)的應(yīng)用和發(fā)展對(duì)企業(yè)選址的影響間接加快了城市的去工業(yè)化趨勢(shì)。

2.1 自動(dòng)駕駛對(duì)土地利用的影響

自動(dòng)駕駛對(duì)土地利用的影響主要表現(xiàn)為：空間可達(dá)性提高和區(qū)域擴(kuò)張。AV 作為新的交通方式，具備便捷、快速、安全的特點(diǎn)，提高了出行者對(duì)出行時(shí)間和出行距離的接受度，以及各區(qū)域之間的連通性，從而提高空間可達(dá)性[11-12]，使得城市擴(kuò)張、城市用地范圍更廣[13]。

2.2 停車需求及規(guī)劃

停車設(shè)施規(guī)劃是交通基礎(chǔ)設(shè)施規(guī)劃的重點(diǎn)內(nèi)容，自動(dòng)駕駛對(duì)停車設(shè)施的影響主要體現(xiàn)在停車空間需求及停車設(shè)施布局與規(guī)劃方面[1]。

2.2.1 停車需求

影響停車空間總需求的因素主要有車輛保有量和單位車輛占用的停車空間。在自動(dòng)駕駛環(huán)境下，這兩個(gè)因素將受到較大影響。多數(shù)研究表明，自動(dòng)駕駛將導(dǎo)致停車總需求減少。一方面，自動(dòng)駕駛環(huán)境下車輛保有總量減少，從而降低停車總需求[14-17]。研究發(fā)現(xiàn)，私有自動(dòng)駕駛汽車(Private Autonomous Vehicle, PAV)代替人類駕駛汽車(Human-driven Vehicle,HV)后，車輛保有量將下降9.5%；當(dāng)AV 滲透率僅為5%時(shí)，仍將在目前的基礎(chǔ)上減少4.5%的停車需求[18]。另一方面，自動(dòng)駕駛環(huán)境下通過(guò)改變私人及共享交通方式分擔(dān)比例影響停車需求[19-22]。在滿足當(dāng)前出行需求的基礎(chǔ)上，全部使用共享自動(dòng)駕駛汽車(Shared Autonomous Vehicle,SAV)可減少91%的私家車出行[14,23]，減少停車需求。雖然，停車需求的減少幅度受自動(dòng)駕駛車隊(duì)規(guī)模、乘客等待時(shí)間、拼車意愿、空車巡航策略等因素影響[22,24]，但是，SAV在減少停車需求方面的效益仍非?？捎^，即使在SAV 滲透率只有2%，其中50%的SAV提供合乘服務(wù)的情況下，所需停車位數(shù)量也可減少90%以上。

2.2.2 停車設(shè)施布局與規(guī)劃

自動(dòng)駕駛環(huán)境下，停車設(shè)施布局規(guī)劃將向著集約化布局方向發(fā)展，最大程度提高停車場(chǎng)空間利用率。由于AV可實(shí)現(xiàn)自主泊車、代客泊車等功能，因此可減少停車場(chǎng)設(shè)施中不必要的預(yù)留空間，例如，人行空間，開(kāi)車門以及乘客、駕駛員上下車的空間等。此外，利用AV的協(xié)同特性，例如，車與車之間、車輛與基礎(chǔ)設(shè)施間的通信，根據(jù)停車需求時(shí)間分布動(dòng)態(tài)優(yōu)化停車設(shè)施布局，可以提升停車容量[25,27-30]。研究表明，與傳統(tǒng)停車設(shè)施相比，AV停車設(shè)施的容量平均將提高87%。奧迪的“Urban Futures Initiative”計(jì)劃[27]量化了AV停車設(shè)施對(duì)土地利用的影響，該計(jì)劃預(yù)測(cè)到2030年，面向AV 的停車設(shè)施將節(jié)約60%的土地。

2.3 家庭及企業(yè)選址

自動(dòng)駕駛將影響居民住宅及企業(yè)的選址。一方面，自動(dòng)駕駛環(huán)境下城市和郊區(qū)人口數(shù)量的變化將影響居民住宅選址；另一方面，自動(dòng)駕駛環(huán)境下各區(qū)域內(nèi)不同產(chǎn)業(yè)工作崗位密度的變化將影響企業(yè)選址。

2.3.1 居民住宅選址

不同類型的AV 使用占比(或PAV 和SAV 使用的相對(duì)占比)對(duì)城市居民住宅選址有不同的影響。PAV 使用比例較高的情況下，城市呈現(xiàn)擴(kuò)張態(tài)勢(shì)，表現(xiàn)為城市人口減少，郊區(qū)及農(nóng)村地區(qū)人口增加[13,31]；相反，在SAV 使用比例較高的情況下，城市更集約化、城市中心人口將更密集[11,15,32]。

2.3.2 企業(yè)選址

自動(dòng)駕駛對(duì)企業(yè)選址的影響間接加快了城市的去工業(yè)化趨勢(shì)。自動(dòng)駕駛環(huán)境下企業(yè)選址的具體變化表現(xiàn)為：第二產(chǎn)業(yè)企業(yè)選址更傾向于郊區(qū)，第三產(chǎn)業(yè)企業(yè)選址更傾向于城區(qū)；SAV 通過(guò)改變城市商業(yè)用地及工業(yè)用地的可達(dá)性加速城市去工業(yè)化進(jìn)程[22]。此外，由于自動(dòng)駕駛技術(shù)提高了通勤效率和舒適性，進(jìn)而提高了通勤者對(duì)通勤時(shí)間和距離的容忍度，因此，考慮企業(yè)用地成本，第二產(chǎn)業(yè)企業(yè)選址將更傾向于城市郊區(qū)或城市次中心[33]。

3 交通供需

自動(dòng)駕駛技術(shù)的發(fā)展和應(yīng)用將影響交通供給和交通需求，從而改變交通供給特征和出行需求時(shí)空分布特征。即自動(dòng)駕駛環(huán)境下，道路供給能力和系統(tǒng)可靠性均有一定程度提高，出行需求分布將呈現(xiàn)空間分散、時(shí)間均勻的特點(diǎn)。

3.1 交通供給

3.1.1 供給特征

自動(dòng)駕駛技術(shù)的發(fā)展和應(yīng)用將提高交通供給能力和交通系統(tǒng)可靠性。

(1)自動(dòng)駕駛技術(shù)的應(yīng)用將對(duì)交通供給能力產(chǎn)生較大影響。主要表現(xiàn)為：自動(dòng)駕駛將很大程度上提高道路通行能力。自動(dòng)駕駛環(huán)境下，道路通行能力將受到交通流特性變化，交通方式構(gòu)成變化，AV滲透率的變化，道路網(wǎng)絡(luò)規(guī)劃和拓?fù)浣Y(jié)構(gòu)變化等多方面的影響。

①AV的應(yīng)用會(huì)改變交通流特性，進(jìn)而提高道路通行能力。AV 的決策反應(yīng)時(shí)間比人類短、控制精準(zhǔn)度比人類高，可縮小車頭時(shí)距，提高平均自由流速度和平均擁堵速度，從而提高道路通行能力[34,35]。例如，F(xiàn)RIEDRICH 等[34]認(rèn)為與HV 相比，AV 的車頭時(shí)距減小75%，車頭間距減小62%。CHILDRESS等[36]發(fā)現(xiàn)自動(dòng)駕駛環(huán)境下道路通行能力將增加30%。HUNGNESS 等[37]研究表明，在自動(dòng)駕駛場(chǎng)景下，蓋恩斯維爾的擁堵速度提高了3.2% ，麥迪遜的擁堵速度提高了1.1% 。NOWAKOWSKI等[38]通過(guò)測(cè)試得到AV乘客能夠接受的最短車頭間距，發(fā)現(xiàn)該車頭間距小于HV車頭間距，可顯著提高道路通行能力。

②交通方式構(gòu)成的改變會(huì)影響道路通行能力。TIENTRAKOOL等[39]發(fā)現(xiàn)在所有AV均為PAV且可車－車通信時(shí)，道路通行能力將提升273%；當(dāng)PAV 和SAV 共存時(shí)，通行能力最大可提升400%[40]。SHLADOVER 等[41]研究發(fā)現(xiàn)，使用具有協(xié)同自適應(yīng)巡航控制(CACC)功能的AV 可提高道路通行能力，當(dāng)使用比例從0增加到100%時(shí)，道路通行能力從2000 veh·h-1增加到4000 veh·h-1。

③AV滲透率的變化會(huì)影響道路通行能力。利用交通流基本圖可解釋AV滲透率對(duì)道路通行能力的影響[42]。一方面，由于車頭間距的減小，臨界密度點(diǎn)以及整個(gè)流量－密度和流量－速度曲線會(huì)右移，體現(xiàn)了臨界通行能力的增加；另一方面，由于AV 的不穩(wěn)定因素比HV 少，因此，基本圖中臨界密度點(diǎn)右側(cè)的不穩(wěn)定區(qū)域出現(xiàn)概率更低，不容易出現(xiàn)通行能力下降的現(xiàn)象[43]。總體而言，隨著AV 滲透率升高，道路通行能力將會(huì)增加。KOCKELMAN等[44]研究發(fā)現(xiàn)，AV 滲透率從10%增加到90%，道路通行能力將提高10 倍以上。AMBüHL 等[45]發(fā)現(xiàn)，AV滲透率為100%的條件下，道路通行能力將提高3倍。

④道路網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)變化會(huì)影響路網(wǎng)通行能力。

自動(dòng)駕駛環(huán)境下，由于需要規(guī)劃AV 專用道和專用路等空間，網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)會(huì)發(fā)生變化，而拓?fù)浣Y(jié)構(gòu)的變化會(huì)影響路網(wǎng)通行能力。已有學(xué)者對(duì)此展開(kāi)研究。例如，CONG 等[46]應(yīng)用迭代優(yōu)化框架，得到自動(dòng)駕駛條件下的網(wǎng)絡(luò)拓?fù)湓O(shè)計(jì)方案，提高了路網(wǎng)通行能力。SUN 等[47]通過(guò)網(wǎng)絡(luò)拓?fù)鋮?shù)與網(wǎng)絡(luò)容量的關(guān)系研究表明，自動(dòng)駕駛將弱化道路等級(jí)，從而改變拓?fù)鋮?shù)，使網(wǎng)絡(luò)容量顯著增加。

(2)自動(dòng)駕駛技術(shù)通過(guò)提高出行時(shí)間可靠性和安全性，提高交通系統(tǒng)的可靠性。

時(shí)間可靠性方面，可通過(guò)對(duì)AV進(jìn)行準(zhǔn)確、實(shí)時(shí)的速度和時(shí)間預(yù)測(cè)，減小延誤，提高出行的時(shí)間可靠性[41]。TETTAMANTI等[43]研究發(fā)現(xiàn)，自動(dòng)駕駛公交可穩(wěn)定保持最佳車頭時(shí)距，避免公交車聚串，提高公交時(shí)刻表可靠性。安全性方面，AV 可通過(guò)精準(zhǔn)的車輛控制，提高駕駛的平順性和安全性，大幅降低事故率[48-50]。

3.1.2 交通供給變化帶來(lái)的影響

交通供給特征尤其是供給能力的變化將直接影響出行時(shí)間、出行費(fèi)用、出行時(shí)間效益(Value of Travel Time,VOTT)等出行特征：

(1) 出行時(shí)間減少[32]。STEPHENS[51]預(yù)測(cè)PAV的出行時(shí)間成本下限將降低35%～45%，上限降低的幅度較?。粚?duì)于具有合乘服務(wù)的AV，時(shí)間成本的上限、下限將分別降低45%和75%。

(2) 出行成本降低。BURNS 等[52]研究表明，SAV 的使用能減少高達(dá)10 倍的出行費(fèi)用。FAGNANT等[53]研究發(fā)現(xiàn)，相比于傳統(tǒng)出租車出行，基于SAV 的出行費(fèi)用將降低50% ～65%[54]。WALKER[55]估計(jì)，在SAV的運(yùn)營(yíng)成本基礎(chǔ)上加30%的利潤(rùn)率，仍比傳統(tǒng)出租車費(fèi)用減少約50%。B?SCH等[2]研究認(rèn)為，相比于HV，AV的運(yùn)營(yíng)成本大幅降低，尤其SAV 的運(yùn)營(yíng)成本將進(jìn)一步降低。STEPHENS等[51]發(fā)現(xiàn)，具有合乘服務(wù)的SAV比不具有合乘服務(wù)的SAV 每乘客英里成本約降50%～80%。HAZAN等[56]估計(jì)，在歐洲，合乘SAV可以以每乘客英里0.09歐元的成本運(yùn)營(yíng)，低于歐洲現(xiàn)有的所有機(jī)動(dòng)交通方式。若AV為電動(dòng)車，CHEN等[21]估計(jì)電動(dòng)SAV每英里的成本比使用汽油的SAV更低。

(3) VOTT(Value of Travel Time) 降 低[57]。THAKUR P. 等[11]認(rèn)為AV 滲透率達(dá)到100%時(shí)，VOTT 將減少50%。CHILDRESS 等[36]研究發(fā)現(xiàn)，AV 將使高收入家庭出行的VOTT 降低35%。ZHONG等[58]研究AV對(duì)通勤者VOTT的影響，結(jié)果表明，VOTT 同時(shí)受到出行方式和空間位置的影響，乘坐PAV 的郊區(qū)、城市和農(nóng)村司機(jī)的通勤VOTT分別降低了32%、24%和18%，而乘坐SAV則分別降低了14%、13%和8%。

3.2 出行需求時(shí)空特征

3.2.1 出行需求空間分布

從空間分布特征來(lái)講，由于自動(dòng)駕駛技術(shù)降低了VOTT 及出行成本，出行距離可能增加[59]，同時(shí)居民活動(dòng)空間和范圍增加，使得分配到路網(wǎng)上的交通量增加[60]。

3.2.2 出行需求時(shí)間分布

自動(dòng)駕駛出行將會(huì)增加出行時(shí)間，并且使得出行時(shí)間在全天各時(shí)段的分布趨于均勻。由于自動(dòng)駕駛出行使VOTT降低，出行者對(duì)于長(zhǎng)時(shí)間或長(zhǎng)距離出行的接受度提高[11]，故自動(dòng)駕駛出行可能使出行時(shí)間增加。同時(shí)，自動(dòng)駕駛技術(shù)可助力個(gè)體出行需求信息(OD、路徑、方式等)的實(shí)時(shí)獲取，從而提高非集計(jì)出行需求的預(yù)測(cè)精度。交通管理者可利用高精度的個(gè)體出行需求數(shù)據(jù)，通過(guò)精細(xì)化的“削峰填谷”策略動(dòng)態(tài)引導(dǎo)出行需求，均衡各時(shí)段的出行需求，使得出行活動(dòng)在全天各時(shí)段的分布更均勻[59]。

3.2.3 出行需求時(shí)空特征變化帶來(lái)的影響

自動(dòng)駕駛環(huán)境下，出行需求時(shí)空特征的變化將影響交通規(guī)劃過(guò)程的各個(gè)方面，例如，交通需求預(yù)測(cè)、網(wǎng)絡(luò)布局設(shè)計(jì)等。由于自動(dòng)駕駛條件下居民出行活動(dòng)的空間范圍變廣，分配到路網(wǎng)的交通量更大，因此，進(jìn)行道路網(wǎng)絡(luò)布局設(shè)計(jì)時(shí)，要考慮設(shè)計(jì)足夠大的路網(wǎng)容量，并考慮AV 專用道或?qū)Ｓ寐返脑O(shè)置。LIU 等[61]研究表明，在自動(dòng)駕駛出行需求較大的空間區(qū)域合理規(guī)劃AV 專用道，可以保證充足的路網(wǎng)容量，提升自動(dòng)駕駛出行效率。由于自動(dòng)駕駛條件下，出行活動(dòng)在全天各時(shí)段的分布變得均勻，因此，在交通規(guī)劃的需求預(yù)測(cè)階段不應(yīng)只考慮高峰時(shí)間段的交通分配，而應(yīng)考慮全天各時(shí)段的交通分配。

4 交通需求預(yù)測(cè)

區(qū)別于傳統(tǒng)交通需求預(yù)測(cè)的四階段法(出行生成、交通分布、方式劃分、交通分配)，自動(dòng)駕駛環(huán)境下的交通需求預(yù)測(cè)向著模型組合化、出行行為一體化分析的方向轉(zhuǎn)變。在需求預(yù)測(cè)的過(guò)程中，需要充分考慮AV 對(duì)車輛行駛里程(Vehicle-mile Traveled,VMT)、車輛行駛時(shí)間(Vehicle-hour Traveled,VHT)、出行方式結(jié)構(gòu)等模型參數(shù)的影響，考慮自動(dòng)駕駛環(huán)境下VOTT大幅下降的特點(diǎn)，利用AV特有的海量、高精度、非集計(jì)用戶數(shù)據(jù)，針對(duì)性地構(gòu)建不同出行者的用戶畫像，更準(zhǔn)確地預(yù)測(cè)個(gè)體出行者的出行行為，從而進(jìn)行精細(xì)化的需求預(yù)測(cè)模型構(gòu)建、分析和求解，滿足需求預(yù)測(cè)的前瞻性和準(zhǔn)確性要求。

4.1 需求預(yù)測(cè)框架

自動(dòng)駕駛環(huán)境下，交通需求預(yù)測(cè)框架將發(fā)生結(jié)構(gòu)性變化。主要體現(xiàn)在自動(dòng)駕駛環(huán)境下的需求預(yù)測(cè)不再按照傳統(tǒng)四階段框架進(jìn)行，而是通過(guò)模型組合化和出行行為一體化的框架展開(kāi)。傳統(tǒng)四階段法囿于數(shù)據(jù)量有限且數(shù)據(jù)精度不高，只能將各個(gè)階段分別預(yù)測(cè)，然而真實(shí)的交通生成、分布、模式劃分及分配的過(guò)程往往是相互貫穿、相互影響的，故基于四階段框架的需求預(yù)測(cè)準(zhǔn)確性不高。在自動(dòng)駕駛環(huán)境下，海量的非集計(jì)數(shù)據(jù)為交通分配的模型組合分析、一體化出行行為研究提供有力支撐，新的預(yù)測(cè)框架將提高需求預(yù)測(cè)的準(zhǔn)確性及合理性。新框架的主要研究思路是省略、合并、增加或突出四階段中的一個(gè)或幾個(gè)階段，例如，研究方式劃分與交通分配的組合問(wèn)題，交通分布、方式劃分與交通分配的組合問(wèn)題，或研究集成4個(gè)階段的組合問(wèn)題等。對(duì)于自動(dòng)駕駛環(huán)境下交通需求預(yù)測(cè)的框架結(jié)構(gòu)，學(xué)者們眾說(shuō)紛紜，未有定論。例如，DIAS 等[62]提出一個(gè)擴(kuò)展性的需求預(yù)測(cè)框架，即在現(xiàn)有的四階段模型中考慮AV 使用者出行決策的變化以及AV對(duì)交通網(wǎng)絡(luò)效益的影響等因素。MAHMASSANI等[63]認(rèn)為交通需求預(yù)測(cè)框架應(yīng)包含4個(gè)主要組成部分：交通供給變化、需求變化、網(wǎng)絡(luò)效益和網(wǎng)絡(luò)集成。MCNALLY 等[64]利用具有收斂反饋結(jié)構(gòu)的交通分布模塊、出行方式劃分模塊與交通分配模塊，使整個(gè)需求預(yù)測(cè)框架構(gòu)成反饋閉環(huán)。

4.2 需求預(yù)測(cè)影響因素

交通需求預(yù)測(cè)需要考慮多種受到自動(dòng)駕駛影響的因素：VMT、VHT、出行方式結(jié)構(gòu)等。

(1)自動(dòng)駕駛將對(duì)VMT產(chǎn)生較大影響。

在大部分自動(dòng)駕駛場(chǎng)景下，PAV和SAV的使用會(huì)導(dǎo)致VMT 增加。CORREIA 等[57]認(rèn)為只有PAV的情況下，VMT 會(huì)增長(zhǎng)17%。MARTINEZ 等[16]認(rèn)為使用SAV 提供出行服務(wù)，會(huì)使VMT 增加10%以上。FAGNANT 等認(rèn)為用SAV 提供3.5%的出行服務(wù)，VMT將會(huì)增加11%[65]；用SAV提供1.3%的出行服務(wù)，VMT會(huì)增加8%[66]。FRIEDRICH等[67]認(rèn)為若所有機(jī)動(dòng)車出行都使用SAV，VMT 增長(zhǎng)可能超過(guò)30%。AULD 等[68]研究表明，AV 的使用會(huì)使VMT最高增長(zhǎng)79%。此外，由于AV 不需要在目的地周圍尋找停車位，因此，產(chǎn)生的部分空車行程使得VMT增長(zhǎng)。CHEN等[21]研究發(fā)現(xiàn)，在SAV滿足10%出行需求的前提下，僅由空車行程增加而產(chǎn)生的VMT 將增長(zhǎng)7%。SHOUP[69]估計(jì)，在中心城區(qū)，將有2%～11%的VMT花在尋找停車位上。

然而，在少數(shù)場(chǎng)景中，VMT 有可能降低[65]，例如，當(dāng)SAV 出行成本非常高且出行距離較短時(shí)，VMT將會(huì)大幅降低。BURGHOUT等[70]研究發(fā)現(xiàn)，當(dāng)用不提供合乘服務(wù)的SAV 代替所有的PAV 時(shí)，VMT 將會(huì)增加24%；但若使用提供合乘服務(wù)的SAV，VMT 會(huì)降低11%～24%。HEILIG 等[71]研究發(fā)現(xiàn)，在提供合乘服務(wù)的SAV 場(chǎng)景中，VMT 將降低20%。MARTINEZ 等[16]認(rèn)為所有的出行需求都由提供合乘服務(wù)的SAV 滿足時(shí)，VMT 會(huì)降低25%。MORENO等[72]用SAV代替小部分PAV，結(jié)果表明，VMT將小幅增加，但不同比例的SAV對(duì)VMT的結(jié)果影響不顯著。MEYER 等[73]預(yù)測(cè)，由于停車次數(shù)的減少，VMT會(huì)下降5%～11%。

(2)自動(dòng)駕駛將對(duì)VHT有較大影響。

與傳統(tǒng)交通環(huán)境相比，自動(dòng)駕駛環(huán)境下VHT一般將會(huì)增加。CHILDRESS[36]研究發(fā)現(xiàn)，自動(dòng)駕駛會(huì)導(dǎo)致VHT 增加10%～20%。MILLER[74]研究表明，自動(dòng)駕駛將使VHT增加10%以上。KIM等[75]認(rèn)為，當(dāng)交通供給能力大幅增加，并且PAV 停車費(fèi)大幅減少時(shí)，VHT 將增加10%以上。BURGHOUT等[70]研究發(fā)現(xiàn)，當(dāng)乘客可接受的出行時(shí)間增加幅度由30%增加到50%時(shí)，VHT將增加13%～25%。

雖然在一般情況下，AV 的VHT 會(huì)增加，但也有研究表明，假設(shè)AV 的停車費(fèi)用與HV 相同時(shí)，VHT 甚至?xí)行》鹊慕档蚚34]。此外，當(dāng)AV 組成比例變化時(shí)，VHT 也將發(fā)生變化。VHT 將隨著PAV 占比的提升而增加，隨著SAV 占比的提升而減少。若所有車輛都為SAV，則將使VHT 降低約40%[34]。

(3)自動(dòng)駕駛將改變現(xiàn)有出行方式的結(jié)構(gòu)。

PAV 和SAV 的應(yīng)用將導(dǎo)致公共交通和慢行交通比例降低。KROGER 等[76]認(rèn)為，在VOTT、停車費(fèi)用、車輛運(yùn)營(yíng)成本均大幅降低的條件下，PAV 的出行方式比例大幅增加，但公共交通的出行分擔(dān)率將降低約15%。BOSCH 等[77]認(rèn)為，相對(duì)于PAV，SAV的VOTT和運(yùn)營(yíng)成本大幅減少，故SAV的使用將使公共交通的分擔(dān)率下降25%，慢行交通分擔(dān)率下降23%。雖然如此，SAV的使用也會(huì)降低私家車的分擔(dān)率(可降低25%)，而PAV 的使用卻會(huì)導(dǎo)致私家車的增加[78]。

然而，若所有自動(dòng)駕駛出行方式都為SAV，公共交通和慢行交通比例將增加[34]。尤其當(dāng)出行距離較短時(shí)，人們?yōu)榱私档统鲂匈M(fèi)用，更傾向于選擇公共交通或者步行。例如，HEILIG 等[71]發(fā)現(xiàn)，用SAV代替所有PAV時(shí)，公共交通分擔(dān)率的增長(zhǎng)將高達(dá)30%，慢行交通比例將增長(zhǎng)約40%。

4.3 需求預(yù)測(cè)方法

交通需求預(yù)測(cè)方法將因自動(dòng)駕駛技術(shù)的發(fā)展和應(yīng)用而發(fā)生非結(jié)構(gòu)性的變化，即在出行生成、出行分布、方式劃分和交通分配等階段中，預(yù)測(cè)模型的建模方法或模型參數(shù)會(huì)發(fā)生改變[79]。

(1)出行生成。出行生成側(cè)重于對(duì)交通量的影響分析，主要分析出行生成預(yù)測(cè)中各因素對(duì)出行生成率的影響[62]。停車的便利性將誘導(dǎo)更多的車輛出行；空載AV的重新定位也將增加車輛出行次數(shù)；最后一公里的便捷性提高，使得出行者出行意愿更強(qiáng)烈[80-81]；部分不適宜使用HV 的人群，例如，老年人或未成年人的出行次數(shù)將增加[82]。

(2)出行分布。出行分布預(yù)測(cè)需要考慮自動(dòng)駕駛環(huán)境下阻抗的變化。例如，KOLAROVA 等[83]以AV 出行的阻抗為基準(zhǔn)，調(diào)整并估算其他出行者的阻抗，得到AV 對(duì)出行分布的影響。由于VOTT 的減小，自動(dòng)駕駛出行者對(duì)行程時(shí)間敏感性降低，因此，在出行分布預(yù)測(cè)模型中，需區(qū)別分析不同出行方式的行程時(shí)間敏感性[84-86]。

(3)方式劃分。交通方式劃分中最主要的變化體現(xiàn)在出現(xiàn)了新的交通工具，新交通工具的出現(xiàn)將很大程度地影響出行成本函數(shù)，從而影響出行方式的選擇。

自動(dòng)駕駛環(huán)境下，出行方式選擇模型中出行成本函數(shù)將發(fā)生變化。可使用包含出行時(shí)間、貨幣費(fèi)用和燃料消耗等在內(nèi)的廣義成本函數(shù)分析自動(dòng)駕駛對(duì)出行方式選擇的影響[41]。由于AV 出行的VOTT 變化較大，所以，應(yīng)將VOTT 轉(zhuǎn)化為貨幣成本，加入到成本函數(shù)中[87]。此外，自動(dòng)駕駛環(huán)境下，出行方式選擇模型會(huì)發(fā)生變化。首先，應(yīng)將AV 作為一種特殊的交通工具加入到出行方式選擇中，并定量預(yù)測(cè)它對(duì)其他出行方式所占總出行量比例的影響；其次，應(yīng)量化評(píng)估自動(dòng)駕駛環(huán)境下產(chǎn)生的新的停車方式對(duì)出行方式選擇的影響。例如，由于AV 不需停在目的地附近，在乘客到達(dá)目的地后有多種選擇，就近停車、車輛繼續(xù)載客或讓車輛停到距離較遠(yuǎn)、停車費(fèi)用較低的區(qū)域。不同的選擇，停車費(fèi)用及燃油費(fèi)用差異較大，因此，需要將不同的停車方式對(duì)出行方式選擇的影響加入出行方式選擇模型。KOCKELMAN 等[88]使用三重嵌套Logit模型確定乘客到達(dá)目的地后選擇何種停車方式，新的出行方式劃分由嵌套的Logit模型根據(jù)每種出行方式的效用確定。

(4)交通分配。自動(dòng)駕駛環(huán)境下，出現(xiàn)了新的交通分配方法。例如，路徑選擇和停車位置協(xié)同的路徑分配方法，基于車輛行程信息的動(dòng)態(tài)分配方法[89]，基于交叉口通行效益的分配方法[90]，基于大數(shù)據(jù)的路網(wǎng)流量分配方法[86]等。協(xié)同路徑分配方法，同時(shí)考慮出行者從出發(fā)地到目的地以及出行者下車后車輛從下車點(diǎn)行駛到停車點(diǎn)兩段路徑的選擇，以路網(wǎng)綜合效益最優(yōu)為目標(biāo)進(jìn)行交通分配?；谲囕v行程信息的動(dòng)態(tài)分配方法，基于車輛行程信息進(jìn)行動(dòng)態(tài)路徑調(diào)整和交通流分配。基于交叉口通行效益的分配方法，以整體路網(wǎng)交叉口通行效益最優(yōu)為目標(biāo)進(jìn)行交通分配?；诖髷?shù)據(jù)的路網(wǎng)流量分配方法，采用一種簡(jiǎn)化的方法對(duì)AV 的道路容量占用率建模，在此過(guò)程中不僅考慮單個(gè)子網(wǎng)絡(luò)的路網(wǎng)交通量，也考慮全局范圍的路網(wǎng)效益，由此調(diào)整所有路徑上分配的交通量。此外，還可采用多類別交通分配方法[34,41,62,84]，但由于這類問(wèn)題中目標(biāo)函數(shù)往往是非凸的[89]，會(huì)導(dǎo)致交通分配算法不收斂，求解難度大幅提高。

5 城市交通網(wǎng)絡(luò)布局設(shè)計(jì)

自動(dòng)駕駛環(huán)境下，城市交通網(wǎng)絡(luò)布局設(shè)計(jì)框架和方法亟待變革，解決傳統(tǒng)交通網(wǎng)絡(luò)布局設(shè)計(jì)的時(shí)滯性問(wèn)題。囿于傳統(tǒng)交通數(shù)據(jù)獲取的滯后性，交通網(wǎng)絡(luò)布局設(shè)計(jì)難以適應(yīng)并服務(wù)于動(dòng)態(tài)變化的土地利用及交通需求[91]。而在自動(dòng)駕駛環(huán)境下，交通數(shù)據(jù)可以在連續(xù)時(shí)間域上獲取，能夠及時(shí)反映交通需求每隔一段時(shí)間(例如，半年到一年)的動(dòng)態(tài)變化。因此，自動(dòng)駕駛環(huán)境下，通過(guò)充分利用連續(xù)的交通數(shù)據(jù)，進(jìn)行連續(xù)時(shí)域上的優(yōu)化布局設(shè)計(jì)，能夠使城市交通網(wǎng)絡(luò)及時(shí)調(diào)整布局并服務(wù)于變化的交通需求[92]。

5.1 城市交通網(wǎng)絡(luò)布局設(shè)計(jì)框架

自動(dòng)駕駛環(huán)境下，城市交通網(wǎng)絡(luò)設(shè)計(jì)框架將從單一時(shí)間片架構(gòu)向連續(xù)時(shí)間域架構(gòu)轉(zhuǎn)變。傳統(tǒng)單一時(shí)間片的網(wǎng)絡(luò)布局設(shè)計(jì)框架是靜態(tài)決策框架，假設(shè)網(wǎng)絡(luò)設(shè)計(jì)方案具有規(guī)劃即實(shí)現(xiàn)的特征，且不考慮交通需求對(duì)網(wǎng)絡(luò)設(shè)計(jì)方案的動(dòng)態(tài)適應(yīng)過(guò)程。整個(gè)設(shè)計(jì)架構(gòu)是靜態(tài)的雙層架構(gòu)[93]，上層是以政府部門為代表的管理者決策，通過(guò)設(shè)計(jì)科學(xué)合理的規(guī)劃方案，一次性確定交通網(wǎng)絡(luò)的最終形態(tài)及布局，網(wǎng)絡(luò)設(shè)計(jì)過(guò)程只考慮交通需求在網(wǎng)絡(luò)達(dá)到均衡后的最終表現(xiàn)，而不關(guān)心達(dá)到均衡的過(guò)程；下層是對(duì)交通需求均衡狀態(tài)的預(yù)測(cè)，可為上層所用，下層模擬出行者的出行選擇過(guò)程，即根據(jù)最終確定的交通網(wǎng)絡(luò)形態(tài)及布局的網(wǎng)絡(luò)特性及時(shí)調(diào)整出行方式及路徑，使自己的出行成本最小，該出行選擇過(guò)程認(rèn)為網(wǎng)絡(luò)形態(tài)和布局是固定的，而不隨時(shí)間動(dòng)態(tài)變化。連續(xù)時(shí)間域上的網(wǎng)絡(luò)布局設(shè)計(jì)框架充分考慮土地利用及需求的時(shí)變性，以自動(dòng)駕駛環(huán)境下的連續(xù)動(dòng)態(tài)規(guī)劃數(shù)據(jù)作為支撐，構(gòu)建連續(xù)時(shí)域上的網(wǎng)絡(luò)布局設(shè)計(jì)框架。該框架是動(dòng)態(tài)的雙層架構(gòu)[94]，上層網(wǎng)絡(luò)布局決策不再只確定交通網(wǎng)絡(luò)的最終形態(tài)及布局，而是逐步確定網(wǎng)絡(luò)在不同時(shí)段的中間形態(tài)及布局，網(wǎng)絡(luò)設(shè)計(jì)過(guò)程中有可能會(huì)考慮交通需求達(dá)到均衡過(guò)程中的系統(tǒng)效益和成本；下層出行行為預(yù)測(cè)不再基于交通網(wǎng)絡(luò)形態(tài)和布局固定的認(rèn)知，而是隨著規(guī)劃方案實(shí)施落地的不同階段以及土地利用形態(tài)的演變而動(dòng)態(tài)變化。

5.2 城市交通網(wǎng)絡(luò)布局設(shè)計(jì)方法

自動(dòng)駕駛環(huán)境下，城市交通網(wǎng)絡(luò)設(shè)計(jì)方法會(huì)發(fā)生變化。傳統(tǒng)城市交通網(wǎng)絡(luò)布局設(shè)計(jì)方法的核心設(shè)計(jì)思路是[93]：在單次網(wǎng)絡(luò)布局設(shè)計(jì)過(guò)程中，預(yù)測(cè)出行者在交通網(wǎng)絡(luò)中的出行行為選擇，得到交通系統(tǒng)運(yùn)行的均衡狀態(tài)；與此同時(shí)，以最大化交通運(yùn)行效益為目標(biāo)，通過(guò)優(yōu)化配置網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)，確定交通網(wǎng)絡(luò)整體布局及形態(tài)。自動(dòng)駕駛環(huán)境下，城市交通網(wǎng)絡(luò)布局設(shè)計(jì)方法的核心設(shè)計(jì)思路是[94]：進(jìn)行多次交通網(wǎng)絡(luò)設(shè)計(jì)，單次設(shè)計(jì)會(huì)完成一次交通網(wǎng)絡(luò)布局的提升；每次設(shè)計(jì)會(huì)考慮未來(lái)多次設(shè)計(jì)引起的交通需求動(dòng)態(tài)演變，并通過(guò)最大化動(dòng)態(tài)交通運(yùn)行效益，完成多階段的網(wǎng)絡(luò)布局優(yōu)化，實(shí)現(xiàn)多階段網(wǎng)絡(luò)設(shè)計(jì)方案的動(dòng)態(tài)平滑銜接；此外，利用自動(dòng)駕駛環(huán)境下獲取的連續(xù)、海量的交通數(shù)據(jù)，每次網(wǎng)絡(luò)設(shè)計(jì)(例如，道路網(wǎng)絡(luò)設(shè)計(jì)、公共交通網(wǎng)絡(luò)設(shè)計(jì)等)后的交通運(yùn)行效果都能被及時(shí)地觀測(cè)與反饋，反饋信息可以作為下一階段網(wǎng)絡(luò)設(shè)計(jì)的輸入，實(shí)現(xiàn)交通網(wǎng)絡(luò)布局每隔一段時(shí)間(例如，半年至一年)的動(dòng)態(tài)調(diào)整，以適應(yīng)不斷變化的交通需求。

無(wú)論是傳統(tǒng)方法還是自動(dòng)駕駛環(huán)境下的新方法，在網(wǎng)絡(luò)設(shè)計(jì)過(guò)程中都需要構(gòu)建及求解網(wǎng)絡(luò)設(shè)計(jì)的雙層規(guī)劃模型。受自動(dòng)駕駛的影響，雙層規(guī)劃模型中的上層模型及下層模型均需要重構(gòu)。

上層模型為網(wǎng)絡(luò)布局決策模型。自動(dòng)駕駛環(huán)境下，目標(biāo)函數(shù)及網(wǎng)絡(luò)拓?fù)錄Q策變量均會(huì)發(fā)生變化。目標(biāo)函數(shù)需要引入對(duì)AV 出行時(shí)間價(jià)值的衡量[95]。傳統(tǒng)網(wǎng)絡(luò)布局決策模型中，出行時(shí)間在被引入目標(biāo)函數(shù)中時(shí)，往往被當(dāng)作是被消耗的代價(jià)或成本且不產(chǎn)生價(jià)值；自動(dòng)駕駛環(huán)境下，出行時(shí)間有可能會(huì)產(chǎn)生價(jià)值，因?yàn)樽詣?dòng)駕駛可輔助駕駛員和乘車人利用出行時(shí)間進(jìn)行其他有價(jià)值的活動(dòng)，例如，娛樂(lè)、辦公等。傳統(tǒng)的網(wǎng)絡(luò)拓?fù)錄Q策變量一般用來(lái)表征節(jié)點(diǎn)的添加與否，連線的添加與否，連線容量等。自動(dòng)駕駛環(huán)境下，網(wǎng)絡(luò)拓?fù)錄Q策變量還需要能夠表征自動(dòng)駕駛專用車道、專用路或?qū)Ｓ脜^(qū)的設(shè)置[96]。未來(lái)AV 與HV 長(zhǎng)期混行的背景下，專用道、專用路或?qū)Ｓ脜^(qū)的設(shè)置是必要的。通過(guò)為AV開(kāi)辟專用運(yùn)行空間提升整體交通網(wǎng)絡(luò)的效益，將成為未來(lái)交通網(wǎng)絡(luò)布局設(shè)計(jì)中需要重點(diǎn)考慮的手段。

下層模型為出行行為預(yù)測(cè)模型。自動(dòng)駕駛環(huán)境下，目標(biāo)函數(shù)及約束條件均會(huì)發(fā)生變化。傳統(tǒng)出行行為預(yù)測(cè)模型中，目標(biāo)函數(shù)單獨(dú)采用系統(tǒng)最優(yōu)的效用函數(shù)或是用戶均衡的效用函數(shù)；在自動(dòng)駕駛環(huán)境下，模型需要采用系統(tǒng)最優(yōu)及用戶最優(yōu)的混合效用函數(shù)。因?yàn)榛煨袟l件下AV與HV的運(yùn)行特征存在顯著差異，故需采用不同的效用函數(shù)[97]。AV 直接可以實(shí)現(xiàn)相互協(xié)同而達(dá)到系統(tǒng)最優(yōu)的均衡狀態(tài)，故需在目標(biāo)函數(shù)中加入系統(tǒng)最優(yōu)的效用函數(shù)；HV會(huì)通過(guò)車輛間的相互博弈達(dá)到用戶均衡，故需在目標(biāo)函數(shù)中加入用戶均衡的效用函數(shù)。約束條件中需要引入自動(dòng)駕駛環(huán)境下的新型路阻函數(shù)[98]。路阻函數(shù)直接反應(yīng)時(shí)間阻抗與交通流量之間的關(guān)系。傳統(tǒng)路阻函數(shù)對(duì)流量較敏感，而由于AV 的協(xié)同特性，高流量條件下車輛亦能高速行駛，故AV出行時(shí)間阻抗的流量敏感性下降，需要采用新型路阻函數(shù)予以表征。

6 發(fā)展趨勢(shì)和重點(diǎn)、難點(diǎn)

6.1 發(fā)展趨勢(shì)和重點(diǎn)研究方向

6.1.1 自動(dòng)駕駛與交通安全規(guī)劃

自動(dòng)駕駛環(huán)境下，交通安全仍然是首先需要考慮的因素。全球每年有上百萬(wàn)人死于交通事故，其中90%以上事故由人為因素造成[99]。而自動(dòng)駕駛技術(shù)可以通過(guò)有效減少人為因素導(dǎo)致的事故，提升道路交通安全[100]。

但是，近年來(lái)發(fā)生多起與AV 相關(guān)的道路交通事故，分析提示在自動(dòng)駕駛環(huán)境下交通安全方面仍存在一系列亟需深入研究和完善的問(wèn)題。目前，與自動(dòng)駕駛安全相關(guān)的研究大多停留在車輛[101-102]或車流層面[103]，缺少?gòu)慕煌ňW(wǎng)絡(luò)層面對(duì)整體交通安全做相應(yīng)的分析與規(guī)劃。為應(yīng)對(duì)自動(dòng)駕駛技術(shù)帶來(lái)的安全風(fēng)險(xiǎn)，需要從交通規(guī)劃層面做好應(yīng)對(duì)措施。一方面，自動(dòng)駕駛專用車道、專用自行車道、專用人行道的規(guī)劃設(shè)計(jì)能減少AV和其他道路使用者的沖突；另一方面，通過(guò)規(guī)劃數(shù)據(jù)、事故數(shù)據(jù)的共享和分析，并利用V2X 通信實(shí)時(shí)監(jiān)測(cè)，可以向AV 提供事故預(yù)警，提高安全性。

因此，基于自動(dòng)駕駛誘生的分布式大容量異構(gòu)數(shù)據(jù)，通過(guò)車載和路端傳感器協(xié)同式感知技術(shù)，構(gòu)建多模式城市交通網(wǎng)絡(luò)的安全風(fēng)險(xiǎn)清單，識(shí)別AV的安全隱患區(qū)域；充分運(yùn)用連續(xù)時(shí)域的交通規(guī)劃框架及方法，規(guī)劃連續(xù)時(shí)間域的自動(dòng)駕駛交通專用網(wǎng)絡(luò)，保障自動(dòng)駕駛背景下網(wǎng)絡(luò)層級(jí)的動(dòng)態(tài)交通安全，是未來(lái)重點(diǎn)研究方向之一。

6.1.2 自動(dòng)駕駛與公共交通規(guī)劃

目前，僅有少數(shù)研究探討自動(dòng)駕駛對(duì)公共交通調(diào)度運(yùn)營(yíng)的影響[104]，缺少對(duì)自動(dòng)駕駛環(huán)境下公共交通規(guī)劃的研究。在利用自動(dòng)駕駛技術(shù)對(duì)交通系統(tǒng)進(jìn)行轉(zhuǎn)型升級(jí)的過(guò)程中，公共交通規(guī)劃將面臨新的挑戰(zhàn)和機(jī)遇，自動(dòng)駕駛技術(shù)帶來(lái)的利弊需要客觀分析并予以應(yīng)對(duì)。因此，充分運(yùn)用自動(dòng)駕駛及其衍生技術(shù)，合理規(guī)劃布局新型公共交通網(wǎng)絡(luò)，促進(jìn)公共交通的發(fā)展，是未來(lái)研究的重點(diǎn)之一。

一方面，自動(dòng)駕駛可能會(huì)對(duì)公共交通發(fā)展造成負(fù)面影響。成本較低的SAV 可能使公共交通分擔(dān)率大幅降低。由于新土地利用模式下空間可達(dá)性提高，區(qū)域擴(kuò)張使得出行距離增加；且AV很大程度提高了出行機(jī)動(dòng)性，因此，AV不僅可以深入路網(wǎng)的“毛細(xì)血管”中，還可以在長(zhǎng)距離出行中保持舒適性，這是公共交通無(wú)法比擬的。另一方面，自動(dòng)駕駛技術(shù)在公交系統(tǒng)中的應(yīng)用將提高公交系統(tǒng)可靠性、舒適性、安全性以及服務(wù)水平，促進(jìn)公共交通系統(tǒng)的發(fā)展。

因此，面向乘客對(duì)低成本、高舒適性、高便捷性的公交服務(wù)需求，充分運(yùn)用適用于公共交通系統(tǒng)的自動(dòng)駕駛裝備及技術(shù)，解析多模式交通網(wǎng)絡(luò)的競(jìng)爭(zhēng)合作關(guān)系，構(gòu)建新土地利用模式下的新型公交網(wǎng)絡(luò)，應(yīng)對(duì)空間可達(dá)性提高和區(qū)域擴(kuò)張帶來(lái)的挑戰(zhàn)，提升公共交通服務(wù)水平及分擔(dān)率，是未來(lái)研究的重點(diǎn)之一。

6.1.3 自動(dòng)駕駛與慢行交通規(guī)劃

AV 可能會(huì)對(duì)慢行交通出行者產(chǎn)生不利影響。第一，AV 可能會(huì)對(duì)慢行交通出行者的安全性造成負(fù)面影響[105]。由于與HV相比，AV車頭時(shí)距較小，因此，行人、非機(jī)動(dòng)車過(guò)街時(shí)間間隔減小，過(guò)街安全性降低。第二，AV 專用道可能會(huì)侵占慢行交通出行者的道路空間，增加行人與非機(jī)動(dòng)車、非機(jī)動(dòng)車與非機(jī)動(dòng)車之間的沖突，影響安全性和舒適性。第三，較低的AV 出行成本可能導(dǎo)致更多的城市向郊區(qū)擴(kuò)張，致使出行距離增加，無(wú)法通過(guò)慢行交通方式覆蓋，降低人們使用慢行交通方式出行的意愿[106]。

但是，AV 也可能造福慢行交通出行者。一方面，與HV 相比，AV 所需的道路寬度和停車空間均較小，節(jié)約的道路空間和路邊停車空間可以改造為非機(jī)動(dòng)車道或人行設(shè)施[107]。另一方面，SAV一定程度上能解決“最后一公里”問(wèn)題，既可以提高出行效率和舒適性[5]，也能提高公共交通吸引力。

因此，以全局交通參與者效益最優(yōu)為目標(biāo)，深入剖析慢行交通與機(jī)動(dòng)車交通的相互作用機(jī)制與影響機(jī)理，構(gòu)建自上而下的全景式交通規(guī)劃管理模式，建立兼顧兩者需求的慢行交通規(guī)劃體系，是未來(lái)研究的重點(diǎn)之一。

6.1.4 規(guī)劃結(jié)果驗(yàn)證

為驗(yàn)證所提出的面向自動(dòng)駕駛背景的新規(guī)劃方法和模型的適用性，需要對(duì)大量自動(dòng)駕駛場(chǎng)景進(jìn)行建模和仿真驗(yàn)證。目前大多數(shù)面向自動(dòng)駕駛的規(guī)劃模型是基于多重假設(shè)和簡(jiǎn)化模型而建立的，而交通需求對(duì)影響因素的敏感性差異較大，為弱化不確定性因素對(duì)規(guī)劃結(jié)果的干擾，亟需構(gòu)建仿真測(cè)試和驗(yàn)證平臺(tái)。

因此，以減小交通規(guī)劃過(guò)程中的不確定性為目標(biāo)，充分運(yùn)用自動(dòng)駕駛仿真及驗(yàn)證技術(shù)，進(jìn)行自動(dòng)駕駛背景下的交通規(guī)劃場(chǎng)景庫(kù)設(shè)計(jì)和測(cè)試方法標(biāo)準(zhǔn)化，細(xì)化各場(chǎng)景中的模型假設(shè)，構(gòu)建多模式交互驗(yàn)證系統(tǒng)，驗(yàn)證規(guī)劃結(jié)果的合理性，是未來(lái)研究的重點(diǎn)之一。

6.2 難點(diǎn)

6.2.1 缺乏大規(guī)模應(yīng)用自動(dòng)駕駛的調(diào)研和仿真數(shù)據(jù)

目前，在自動(dòng)駕駛技術(shù)對(duì)交通規(guī)劃影響的研究方面，最大的難點(diǎn)是缺乏大規(guī)模應(yīng)用自動(dòng)駕駛的出行需求調(diào)研數(shù)據(jù)和大規(guī)模城市交通仿真數(shù)據(jù)。由于缺乏數(shù)據(jù)，相關(guān)研究對(duì)假設(shè)條件(例如，停車費(fèi)率、專用道設(shè)置等)的依賴很大，難以基于充分的依據(jù)分析自動(dòng)駕駛對(duì)交通規(guī)劃各要素的影響程度，即難以開(kāi)展基于循證的交通規(guī)劃。目前，大量研究分析AV的應(yīng)用對(duì)宏觀、微觀交通運(yùn)行的影響，以此為基礎(chǔ)預(yù)測(cè)交通供給能力和出行需求。但是，這些研究結(jié)論均未經(jīng)過(guò)大規(guī)模應(yīng)用自動(dòng)駕駛的出行需求調(diào)研和仿真數(shù)據(jù)的驗(yàn)證，若以此為基礎(chǔ)進(jìn)行新的道路交通網(wǎng)絡(luò)規(guī)劃，可能會(huì)造成新的交通問(wèn)題[108]。

因此，加快完成自動(dòng)駕駛條件下的出行需求調(diào)研及大規(guī)模城市交通仿真，獲得充足的交通調(diào)研數(shù)據(jù)及仿真數(shù)據(jù)，準(zhǔn)確地量化自動(dòng)駕駛對(duì)交通規(guī)劃各要素的影響，并以此為基礎(chǔ)預(yù)測(cè)交通需求和交通供給，是開(kāi)展自動(dòng)駕駛環(huán)境下的交通規(guī)劃亟待解決的難題。

6.2.2 異構(gòu)交通階段的問(wèn)題

在AV 滲透率達(dá)到100%之前，將長(zhǎng)期處于HV與不同等級(jí)AV 共存的階段，即異構(gòu)交通階段。該階段的交通系統(tǒng)特點(diǎn)、交通規(guī)劃的發(fā)展趨勢(shì)都亟待研究。由于異構(gòu)交通階段HV、不同等級(jí)AV及慢行交通之間的相互作用機(jī)理極其復(fù)雜，如何開(kāi)展異構(gòu)交通背景下的規(guī)劃工作可能成為未來(lái)幾十年長(zhǎng)期存在且難度較大的問(wèn)題。

一方面，對(duì)于交通供給、居民出行行為及需求特征等要素，異構(gòu)交通階段與完全自動(dòng)駕駛階段或人工駕駛階段存在較大差異。異構(gòu)交通階段可能面臨車輛總行駛里程增加、道路通行能力降低等問(wèn)題，也可能面臨排放增加等環(huán)境問(wèn)題，以及由自動(dòng)駕駛專用車道引起的公平性問(wèn)題，因此，需要謹(jǐn)慎評(píng)估在異構(gòu)交通階段AV對(duì)交通系統(tǒng)及其他社會(huì)效益產(chǎn)生的影響，并提出可靠的土地利用分析方法、交通供需分析方法、交通需求預(yù)測(cè)方法、交通網(wǎng)絡(luò)布局方法等[95]。

另一方面，由于在異構(gòu)交通階段AV 滲透率不斷發(fā)生變化，且不同等級(jí)AV 運(yùn)行特征存在顯著差異，因此，交通流將長(zhǎng)期處于多等級(jí)自動(dòng)駕駛與人類駕駛混行且不穩(wěn)定的狀態(tài)。相應(yīng)地，交通系統(tǒng)可能處于系統(tǒng)最優(yōu)與用戶均衡的動(dòng)態(tài)博弈過(guò)程中，交通分配問(wèn)題將從本質(zhì)上發(fā)生變化，為應(yīng)對(duì)變化，在面向異構(gòu)交通的規(guī)劃過(guò)程中需構(gòu)建兼顧系統(tǒng)最優(yōu)與用戶均衡的交通分配方法[97]。

6.2.3 交通需求反彈引起的供不應(yīng)求

雖然自動(dòng)駕駛技術(shù)的發(fā)展和應(yīng)用將大規(guī)模提升供給能力，同時(shí)減少機(jī)動(dòng)車保有量，但居民的出行頻率和出行距離也將顯著提高(AV提高機(jī)動(dòng)性，誘生新的出行需求)。因此，交通系統(tǒng)可能再次出現(xiàn)供不應(yīng)求的情況，即出行需求再次達(dá)到交通供給能力的上限。主要是由于AV 帶來(lái)的積極影響(例如，降低出行成本、提升出行舒適度等)將使出行者有增加出行次數(shù)的意愿，這種潛在的效應(yīng)被稱為“反彈效應(yīng)”。

目前的研究較少考慮需求反彈效應(yīng)。因此，如何在無(wú)需大規(guī)模新建道路的前提下，以滿足自動(dòng)駕駛環(huán)境下的出行需求為目標(biāo)，合理運(yùn)用模型組合化、出行行為一體化分析等需求預(yù)測(cè)方法，準(zhǔn)確分析及預(yù)測(cè)潛在的彈性需求，從優(yōu)化交通規(guī)劃、引導(dǎo)出行需求的角度進(jìn)一步消化增加的交通需求，是未來(lái)研究的難點(diǎn)之一。

6.2.4 交通系統(tǒng)外部成本難以衡量

自動(dòng)駕駛技術(shù)的發(fā)展和應(yīng)用可能對(duì)交通系統(tǒng)以外的其他方面造成影響，例如，經(jīng)濟(jì)、社會(huì)、環(huán)境和勞動(dòng)力等[109]。目前的研究大多側(cè)重于自動(dòng)駕駛技術(shù)的應(yīng)用對(duì)交通系統(tǒng)本身的影響，忽略社會(huì)經(jīng)濟(jì)效益和環(huán)境影響，而這些外部效益也可能間接對(duì)交通系統(tǒng)產(chǎn)生影響。例如，目前研究倡議AV 使用專用道，但如何量化分析AV 特有路權(quán)帶來(lái)的不公平性，值得深思。

因此，在自動(dòng)駕駛環(huán)境下，如何在規(guī)劃過(guò)程中充分考慮交通系統(tǒng)及其外部系統(tǒng)的平衡，如何在最大限度發(fā)揮自動(dòng)駕駛技術(shù)優(yōu)勢(shì)的同時(shí)保障社會(huì)公平、提升經(jīng)濟(jì)效益、實(shí)現(xiàn)可持續(xù)發(fā)展，是未來(lái)研究的難點(diǎn)之一。