摘要：随着科技的高速发展，人工智能相关技术日趋成熟，自动驾驶有望从理想走进现实。然而，自动驾驶完全代替人工驾驶仍然需要很长时间。目前更现实的是将自动驾驶作为一种新的交通方式，与人工驾驶并存于城市路网中共同分担居民出行需求。自动驾驶与人工驾驶这两种交通方式的差异性导致了在早高峰时两类出行者的出行行为完全不同。混合驾驶环境下的早高峰通勤需求有何动态特征？自动驾驶对出发时间安排、个人出行成本和系统总成本有何影响？

为了回答以上问题，本文建立了混合驾驶环境下的早高峰出行行为模型，同时考虑了自动驾驶汽车与普通汽车在行车与停车两方面的行为差异，研究了两者共存时瓶颈交通走廊的早高峰出行行为。分析了每种情形下所有可能的均衡出发形式，并推导发现，晚出发的出行方式具有更低的均衡出行成本。最后通过数值算例，分别讨论了自动驾驶汽车占比对走行、延误和空驶等成本的影响，以及通行能力、出行时间价值的变化对系统总成本的影响。

一、研究背景和意义

社会经济和城市化快速发展的同时伴随着城市交通的快速发展。随着人均生活水平的提高，居民私家车的保有量直线上升。与国外大城市相比，中国大城市的机动化进程远超预期。近十几年来，我国私家车的增长速度不断加快。截至2020年底，全国私人汽车保有量为2.44亿辆，几乎达到2008年的6倍。在这种情况下，城市公共资源包括道路、交通基础设施的建设跟不上汽车保有量的增加速度，交通拥堵由此产生并日益严重。

交通拥堵给出行者和社会发展都带来了不同程度的负面影响。对于出行者来说，降低了其出行速度、增加了其出行时间、不利于规划出行行程；对于社会来说，道路拥堵造成了整个社会的巨大经济损失、能源消耗以及大量的环境污染。随着人工智能技术的发展，自动驾驶有望成为缓解交通拥堵的新出路。近日，百度公司已在北京和雄安新区展开自动驾驶汽车测试，美国也计划于2021年在奥斯汀市大规模推出自动驾驶出租车服务和送货服务。

自动驾驶汽车指主要依靠人工智能、全球定位、雷达、视觉计算以及车路协同等技术，使汽车具有环境感知、路径规划和自主控制的能力，从而可让计算机自动操作的机动车辆。相比于普通驾驶汽车，在行驶速度相同的情况下，自动驾驶汽车可以安全地靠得更近，即车头时距更小，带来道路通行能力的增加。除了这种有利的通行能力效应之外，选用自动驾驶汽车的人可以提升他们的出行体验，因为车内的时间可以用于驾驶之外的其他活动，比如看书、娱乐或休息。这使得旅行时间更有用，从而降低了其出行成本。因此，对于自动驾驶和人工驾驶构成的混合驾驶环境，人们的出行时间价值（VOT）将变得更加异质。这种异质性可能会改变居民的出行需求结构，重塑早高峰的交通面貌。

自动驾驶汽车也可以减少事故的发生，提高速度，减少燃油使用等。因此可以估计自动驾驶汽车将对城市交通产生重大影响，从长远来看，我们的城市布局也会受到影响。这激发了研究者、政策制定者、媒体等对交通问题解决方案的浓厚兴趣。自动驾驶汽车也可用于共享出行，在原来传统的公共交通出行方式如公交、地铁之上增加共享自动驾驶出行，居民的出行需求将发生新的变化，这些研究将对城市交通瓶颈拥堵问题的解决提供了一些特别的思路。

二、研究内容

本文基于瓶颈模型，研究了自动驾驶与普通驾驶汽车两种出行方式下的高峰期通勤行为。在行车方面，考虑了两种出行方式共存时的三种情况：1）自动驾驶汽车仅提高道路通行能力；2）自动驾驶汽车仅降低VOT；3）自动驾驶汽车同时影响道路通行能力与VOT。在停车方面，普通汽车行驶至停车位之后，出行者步行至工作地；而自动驾驶汽车将乘客送至目的地之后，再空驶返回至停车位。首先给出了仅有普通驾驶或仅有自动驾驶这两种特殊情况下的出发形式，然后分情况重点分析了普通驾驶与自动驾驶共存时该瓶颈交通走廊的早高峰出行行为。最后，通过数值算例展示了道路通行能力、VOT和自动驾驶汽车占比对系统总成本以及系统各部分成本的影响。

分析异质用户的早高峰出行问题时，需要了解和比较每类通勤者的VOT和早到单位时间的惩罚成本。早到惩罚系数与VOT的比值较小的通勤者将会更早出发；在均衡状态下，任何类别的用户都不能通过改变自身的出发时间来降低自身出行成本。

三、主要结论

对于自动驾驶与普通驾驶的混合交通需求问题，假设所有通勤者的早到惩罚系数相同。通勤者驾驶普通汽车达到停车位后，需步行到单位产生步行成本；而自动驾驶汽车可将人送到单位再自动行驶返回停车位，产生空驶成本。通过建模解析，我们得到这两种出行方式的广义早到惩罚系数。广义早到惩罚系数两者是不同的。通过分析这两种出行方式共存时的三种情况，得到以下研究结论：

（1）两种方式下的广义早到惩罚系数不仅与早到惩罚系数相关，还与行车和停车的行为特征相关。普通驾驶的广义早到惩罚系数依赖于步行速度、单位步行成本、一般情况下的通行能力；而自动驾驶的广义早到惩罚系数还与汽车空驶速度、单位时间空驶成本以及自动驾驶对道路通行能力的提升相关。

（2）这三种情况下，均衡时自动驾驶用户和普通驾驶用户将分离出行。如果自动驾驶用户的早到惩罚系数与VOT的比值大于普通驾驶用户时，那么普通驾驶用户群会先出发；反之，自动驾驶用户群会先出发。

（3）在用户均衡态时，自动驾驶的出行成本并非总是较低，而是依赖于VOT、早到惩罚、步行时间价值及自动驾驶对通行能力的影响等多个参数。根据不同情形下两类通勤者的出行总成本对比分析可知，晚出发的出行方式对应更低的均衡出行成本。

（4）随着自动驾驶技术对道路通行能力的提升和VOT的降低，系统总成本逐渐减小。

四、边际贡献与未来拓展

本文的边际贡献主要在于：

（1）本文分析了自动驾驶的引入对早高峰通勤行为的影响，拓展并丰富了经典瓶颈模型的相关理论体系。

（2）综合考虑自动驾驶和普通驾驶在停驶两方面的行为差异，构建了混合驾驶环境下两类出行者的早高峰通勤均衡模型。根据广义早到惩罚系数与VOT的比值这一关键要素，系统分析得到不同的出发形式，以及不同出发形式下的个体出行成本和系统总成本。

（3）通过数值算例对模型进一步解释，分析通行能力的增大系数、VOT的降低系数以及自动驾驶占比对系统总成本的影响。
本文针对的是早高峰出行行为，但是实际生活中存在早晚两个高峰期。早高峰通勤者从生活区出发到工作区，晚高峰从工作区回家，这一早晚高峰出行链是一个整体，而不是孤立的个体。自动驾驶的出现，不仅改变了早高峰，同样也会影响晚高峰。综合研究混合驾驶环境下早晚高峰的出行行为和停车行为，也是一个值得探索的研究方向。感兴趣的读者可以阅读Zhang等（2019）和Lu等（2021）。

本文摘编自《系统工程理论与实践》第41卷第7期论文《混合驾驶环境下的早高峰出行行为分析》，点击链接下载全文：http://www.sysengi.com/CN/abstract/abstract112876.shtml

作者：朱玲、卢晓珊，合肥工业大学 汽车与交通工程学院副教授、硕士研究生。