编辑推荐：
问题 2
为解决自动驾驶公交融入城市交通系统的决策难题，研究人员构建模糊 LMAW-DOBI 集成模型，从 33 项可持续性标准评估 20 种方案。发现 Proterra Catalyst（A9）等表现领先，为城市交通系统选型提供科学框架，助力可持续交通目标落地。
问题 5
研究背景与意义
在城市化进程加速的当下，城市交通面临着多重挑战。传统驾驶员驾驶的公交系统虽在灵活性、成本等方面有一定优势，如能灵活使用城市道路、线路修改便捷、安装成本低于轨道交通等，但也存在诸多问题。驾驶员因分心、操作失误等导致的交通事故频发，像伊斯坦布尔 BRT 线路就曾出现多起相关事故；同时，化石燃料的使用造成严重的环境 pollution，有研究表明城市公交的碳排放量在部分欧洲大城市可达 40%1，还加剧了交通拥堵，尤其在高峰时段，公交缓慢行驶影响整体交通流。此外，运营效率也受人为因素制约。
在此背景下，自动驾驶公交成为解决这些问题的重要方向。它有望通过精准算法减少人为失误引发的事故，利用先进检测系统实时应对风险，还能通过实时规划路线优化燃料消耗，部分车型采用氢能、电力等可再生能源，降低碳排放。然而，其推广面临技术成熟度、成本、社会接受度、法律规范及基础设施等多方面的障碍。例如，技术上需应对复杂交通环境，经济上采购、维护成本高，社会层面公众对安全存疑，法律和基础设施也有待完善。而且，现有文献缺乏从社会、经济、环境、技术和运营等多维度综合评估自动驾驶公交适用性的研究，决策模型也存在不足。
为填补这些研究空白，相关研究人员开展了针对自动驾驶公交可持续性评估的研究。该研究成果发表在《Engineering Applications of Artificial Intelligence》，为城市交通系统引入自动驾驶公交提供了关键的决策依据，有助于推动城市交通向更安全、高效、环保的方向发展。
关键技术方法
研究采用了模糊多标准决策方法，集成了基于模糊 Aczel-Alsina 函数的加性权重对数法（LMAW）和模糊 Dombi Bonferroni（DOBI）法。LMAW 用于确定 33 项可持续性标准的权重，通过专家给出的模糊数处理评估中的不确定性；DOBI 则利用模糊聚合算子对 20 种自动驾驶公交方案进行排序，考虑标准间的线性和非线性交互关系。研究还进行了敏感性分析，包括 LMAW 和 DOBI 参数分析及蒙特卡洛模拟，以验证模型的稳定性和可靠性。
研究结果
- 方案评估与排序：通过集成模型对 20 种自动驾驶公交方案从环境、社会、经济、技术和运营维度的 33 项标准进行评估，结果显示 Proterra Catalyst（A9）综合可持续性表现最优，其次为梅赛德斯 - 奔驰 Future Bus（A18）和 eCitaro（A8）。这表明技术先进性和可持续性平衡在评估中至关重要。
- 关键因素分析：研究识别出影响自动驾驶公交可持续性的关键因素，如安全性能、能源效率、基础设施兼容性、运营成本和社会接受度等。其中，安全性能通过减少人为失误事故体现优势，能源效率与可再生能源使用直接相关，基础设施兼容性影响系统集成难度，运营成本涉及经济可行性，社会接受度则关系到推广速度。
- 模型优势验证：该集成模型相比传统方法，能更有效处理复杂不确定性，通过分步确定权重和排序，清晰展现标准间的交互作用，且算法简单易操作，无需高深数学知识，适合决策人员应用。敏感性分析结果显示模型稳定性强，参数变化对结果影响在可接受范围内。
结论与讨论
本研究构建的模糊 LMAW-DOBI 集成模型为自动驾驶公交的可持续性评估提供了创新且实用的框架，填补了多维度综合评估的研究空白。研究明确了不同方案的性能差异，Proterra Catalyst（A9）等车型的领先表现为城市交通部门选型提供了直接参考。同时，研究强调了用户导向和系统可靠性在实现可持续交通目标中的关键作用，指出技术进步需与社会、经济、环境因素协同考量。
该研究的意义不仅在于方法论的创新，还为解决城市交通可持续发展的实际问题提供了科学路径。通过量化评估和多因素分析，有助于决策者权衡利弊，制定针对性的推广策略，推动自动驾驶公交的实际应用，进而提升城市交通的安全性、效率和环境友好性。未来研究可进一步拓展评估标准，结合更多实际案例验证模型，为自动驾驶技术在交通领域的深入应用奠定更坚实的基础。
