个人自动驾驶车辆对出行行为潜在影响:基于土地利用与交通交互作用方法

《Sustainable Cities and Society》:Potential Impacts of Personal Autonomous Vehicles on Travel Behaviors: A Land Use and Transportation Interaction Approach

【字体: 大 中 小 】 时间:2026年08月04日 来源:Sustainable Cities and Society 13.3

编辑推荐:

  本研究旨在评估在允许家庭内部及朋友网络共享车辆情形下,个人自动驾驶车辆(Autonomous Vehicles,AVs)对人们出行行为的潜在影响。研究人员在TRANUS土地利用与交通交互(Land Use and Transportation Interact

  
本研究旨在评估在允许家庭内部及朋友网络共享车辆情形下,个人自动驾驶车辆(Autonomous Vehicles,AVs)对人们出行行为的潜在影响。研究人员在TRANUS土地利用与交通交互(Land Use and Transportation Interaction,LUTI)框架内的模拟环境中提出若干假设以回应研究问题,利用该LUTI模拟器嵌入的交通模型,针对英国斯温顿(Swindon)市分析三种假设情景来估算AVs的预期效应;并通过提高AVs载客率、速度与等待时间进行敏感性分析,以检验校准模型的稳健性及AV部署的出行需求弹性。结果表明,AVs通过改善可达性并促使家庭迁往周边地区,轻微提升整体出行需求与出行生成量;同时凭借无缝便捷移动及鼓励共享乘车,减少了整体出行段数。结果还显示AVs可能降低车辆保有量、车辆行驶距离、乘客出行小时数、车辆出行小时数及综合出行成本,其驱动因素包括单人驾驶缩减、共享出行增加、空驶行程减少、乘客运输无缝化及人口郊区化。相比之下,引入AVs后乘客公里出行量(Passenger-Km Traveled,PKT)几乎不变。然而,AVs会因向出行者提供便利、强化内城社区外迁及为外围社区提供低机会成本出行,导致公共交通与主动出行使用下降。最后,本研究为考虑AVs在交通系统中预期效应的明智决策提供了有价值的见解与政策含义。
研究背景方面,过去数十年出行行为及其决定因素被广泛研究,近期技术创新使自动驾驶车辆(Autonomous Vehicles,AVs)成为焦点。既有文献对AVs影响的结论不一致,且多聚焦个人AVs而忽视家庭与熟人间的非正式共享,或在高度受控实验中评估共享AVs(Shared AVs,SAVs)仅限网约车场景,同时多数模型未内生处理土地利用与交通系统(Land Use and Transportation Interaction,LUTI)的动态互依。为此,研究人员在《Sustainable Cities and Society》发表该研究,采用LUTI框架下的TRANUS模拟平台,以英国斯温顿市为案例,评估家庭及社交圈共享AVs对出行行为的影响,填补非正式共享情景与LUTI内生耦合的研究空白。
关键技术方法上,研究人员依托已校准的斯温顿TRANUS模型(含56个内部区与9个外部区,九大活动部门),在交通子模块中新增AV模式,参数参照高承载车辆(High-Occupancy Vehicle,HOV)设定载客率2.3、速度64 km/h、等待时间0、距离成本0.17,区别仅在于AV为电池驱动且由家庭共享;设置基线(B)、本地道路受限部署(S1)、全路网无限制部署(S2)三情景,并对AV载客率(增10%–50%)、速度(增5%–20%)、等待时间(增1–10分钟)做敏感性分析;土地利用与交通模型分别迭代至收敛因子0.0001与0.001,通过离散选择(多项Logit)分配出行方式与路径,反馈循环捕捉居民迁居与可达性变化。
研究结果部分,出行需求(Travel Demand)下,出行生成(Trip Generation)显示S2相较基线总出行数增1.48%,其中外部出行增7.20%(郊区居民因AV便利增加远距离出行),工作与服务教育出行微降;敏感性分析中提高载客率使总出行微降约0.15%,提速几乎无影响,增等待时间仅降0.05%–0.06%,说明出行生成对AV运营参数不敏感。出行段数(Trip Segments)按方式看,S2使传统模式段数降27.81%–59.54%,AV捕获31.87%份额,总段数降7.5%;自行车与步行收缩近60%与显著下降,公交降超40%;敏感性中载客率提升进一步令总段数降1.02%–3.86%,提速降0.64%–2.66%,而增等待时间致AV段数暴跌97%以上、总段数反弹8%以上,证实等待成本对模式选择极具弹性。出行距离(Travel Distance)中,各传统模式乘客公里出行量(Passenger-Km Traveled,PKT)下降(SOV降34.45%、公交降44.57%、主动出行降63.55%),AV的PKT增168.02%,但全市总体PKT几乎不变;敏感性中提速比提载客率更能压低总体PKT(降0.06%–0.19% vs 微增),增等待则总体PKT回升0.89%–2.10%。
出行时间(Travel Time)下,乘客小时出行量(Passenger-Hour Traveled,PHT)在S1降4.72%、S2降21.79%,提速与提载客率可再降2%–8%,增等待则升8%–28%。车辆小时出行量(Vehicle-Hour Traveled,VHT)S1降3.03%、S2降24.6%,SOV的VHT降47.67%;车辆公里出行量(Vehicle-Km Traveled,VKT)趋势同VHT,S2总体降9.07%;敏感性结论同PHT方向一致。
综合出行成本(Composite Cost of Travel)上,S1降5.4%、S2降15.7%,SOV用户省35.79%、HOV省26.05%,公交成本几乎未变;提载客率使总成本再降4.05%–17.2%,提速微降,增等待则总成本升13%–26%,说明AV效用依赖零等待与高占用。
讨论部分指出,AVs轻微提总出行生成主要靠外部远距离出行与郊区化,市内工作出行因共享反略降;AVs削减出行段数、PKT传统侧、VKT/VHT及成本,但因人口外迁与长距离AV出行抵消,PKT总量持平。公共交通与主动出行被显著替代,除非与AV协同否则份额萎缩。假设H1(增需求)部分成立,H2(降VKT/PKT)中VKT支持、PKT否定,H3(减私家车)支持,H4(减公交/主动)支持,H5(降PHT/VHT)支持,H6(降成本)支持。
结论部分翻译:本研究通过鲁棒LUTI框架厘清了家庭及熟人共享AVs对出行行为的影响缺口,为决策提供证据。城市应推广AVs并借交通网络公司合作降低门槛;因AVs缓堵降本,可在历史中心区鼓励动态共享乘车;但需主动将AVs整合进高效公交系统、以拥堵收费与优先路权保护主动出行,避免公交与步行自行车消亡。研究局限含单案例(斯温顿汽车依赖强、公交弱)外推受限、未建空驶调度模块、多项Logit(Multinomial Logit,MNL)未嵌套相似模式、未计购车折旧与疫情扰动,未来应换嵌套Logit、加车队重定位、扩至大都市与能源安全维度。
相关新闻
生物通微信公众号
微信
新浪微博

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号