交通运输从业者对自动驾驶接受度建模与分析

为了研究交通运输从业者对自动驾驶的接受意愿,确定影响接受度的关键因素,从而掌握交通运输从业者对自动驾驶的态度和关注点。通过分析交通运输从业者的职业特性,基于传统的技术接受模型（Technology Acceptance Model,TAM）,综合考虑感知有用性、感知易用性、信任度和使用意愿四方面的功能认知和感知风险性的负面影响认知,并增加外部因素,兼顾个人属性特征的影响,加入从事该职业时长、个人月收入等职业变量,在此基础上设计调查问卷,对样本数据进行相关性分析和有序Logistic回归分析,筛选出自动驾驶接受度的关键影响因素。结果表明,交通运输从业者对自动驾驶的接受度较高,但与普通人群具有一定的区别;感知有用性、感知易用性、信任和使用意愿对自动驾驶的接受度具有显著正向影响;感知风险性具有显著负向影响;受教育程度和个人月收入对接受度也有一定的影响,受教育程度越高、个人月收入越高,对自动驾驶的接受度也越高。研究结论可以为提升自动驾驶汽车落地推广的策略提供一定的理论依据,同时也为政府制定相关政策提供依据。     

基于行人行为与优化CTAM模型的全自动驾驶车辆行人接受度分析

为了解行人对全自动驾驶车辆的接受度,确定影响接受度的关键因素,掌握行人对全自动驾驶技术的关注点,首先,建立优化后的车辆技术接受模型(Car Technology Acceptance Model,CTAM),基于此模型和现场调研观测到的行人行为设计调查问卷,从个体属性、行人行为和行人对自动驾驶车辆技术接受度3方面对行人展开随机调查.然后,采用有序Logit模型,运用问卷数据标定模型参数,筛选出行人对全自动驾驶车辆接受度的关键影响因素.结果表明,行人对全自动驾驶车辆的接受度与居住区、出行次数、过失行为、兼容性、态度及信任有关,且车辆技术接受模型中的感知有用性和感知易用性变量衡量越好,行人对全自动驾驶车辆接受度越高.     

基于扩展技术接受度模型的共享自动驾驶汽车用户使用意愿研究

共享自动驾驶汽车是智慧交通和绿色交通的重要发展方向之一,但目前其相关研究仍不充分,影响用户使用共享自动驾驶汽车意愿的因素及其作用机理有待深入剖析.为此,本文首先通过引入感知风险、服务质量和社会影响三个潜变量,构建了扩展技术接受度模型.然后将扩展技术接受度模型的潜变量、个人社会经济属性变量和出行方式属性变量整合到多项Logit模型,构建混合选择模型,并以用户选择共享自动驾驶汽车出行的概率衡量用户使用共享自动驾驶汽车的意愿.最后基于SP调查数据标定模型参数,得到潜变量关系及关键影响因素,通过弹性分析研究关键因素对用户使用意愿的影响.结果表明,感知有用性、出行费用、感知易用性、等待时间的影响最为显著,对应的弹性值分别是0.0502、-0.0401、0.0385和-0.0350.本研究对相关企业及相关政府部门发展和推广共享自动驾驶汽车具有重要参考价值.     

自动驾驶影响下的出行行为研究综述

从小汽车出行总需求、出行方式选择、在途时间利用三方面梳理了自动驾驶影响下的出行行为研究现状,分析了用于研究自动驾驶对出行行为影响的数据基础与研究方法,总结了影响自动驾驶环境下出行方式选择的关键因素,指出了出行行为研究存在的问题和未来发展方向。研究结果表明:出行总需求的相关研究主要关注当前服务不足人口的潜在出行,大多通过需求假设分析潜在的变化,在假设的可靠性和结果的准确度方面还存在不足;出行方式选择的相关研究显示车辆服务和出行属性、社会人口和家庭属性、出行习惯属性、居住地和环境属性、个人心理和偏好属性等是影响出行方式选择的关键因素,考虑到不同的研究对象、场景设计与分析方法,性别、年龄、持有驾照、家庭结构等因素对出行行为的具体影响还有待进一步检验;人们对自动驾驶时代在途时间利用的方式和受益程度的认知存在较大的不确定性与异质性,亟需理论模型来进一步讨论潜在的时间利用变化;基于自动驾驶对出行行为影响相关研究的局限性,提出了建立自动驾驶汽车的规范化描述和丰富数据采集方式,开展横向与纵向对比研究,加强各影响因素异质性的考量,辨析自动驾驶时代各类出行行为间的相互影响机制的改进方向。      

基于面板数据Mixed logit模型的自动驾驶选择行为分析

为准确把握自动驾驶环境下出行方式选择规律,引入面板数据Mixed logit模型分析在自动驾驶环境下表征出行者个体社会经济属性的年龄、收入、受教育程度等变量和表征出行方式特性的出行成本、等待时间、在途时间等变量对出行方式选择行为影响作用机理.利用新加坡自动驾驶出行意愿调研获得150位受访者在7个不同情景的1050个选择意愿有效样本数据,构建自动驾驶环境下出行选择行为模型.结果显示:模型卡方检验p值小于0.000说明模型具有较好的适用性;参数估计结果显示人群中不同个体对出行成本、等待时间、出行时间存在较强异质性;边际效应分析显示随着年龄增大选择自动驾驶、公交和步行出行概率增大选择网约车概率降低,当出行成本、出行时间、等待时间增加一倍将使选择自动驾驶出行概率降低近4.0％.     

考虑不对称性的地铁旅客支付及受偿意愿研究

支付意愿与受偿意愿是交通评价及服务水平优化的关键输入参数，但现有关于地铁系统的研究及实证多未考虑两者间的不对称性. 针对这一问题，依托成都地铁旅客路径选择SP 数据，基于非集计模型，构建并标定了对称同质偏好、不对称同质偏好、对称异质偏好、不对称异质偏好等异构模型；分别从个体及总体水平求解，对比换乘走行时间、换乘等待时间、换乘次数和拥挤乘车时间的支付意愿与受偿意愿. 结果表明，受偿意愿与支付意愿的不对称性在总体水平大小及个体间异质性方面皆有体现，参数分布假设对不对称异质偏好模型支付意愿与受偿意愿求解结果影响明显.     

考虑合乘的共享自动驾驶汽车选择行为实证分析

共享自动驾驶汽车(Shared Autonomous Vehicles，SAV)是自动驾驶汽车和共享经济相结合的产物，为人们提供了一种新型的出行方式. 为探究出行者在考虑合乘的SAV与私家车或公共交通之间的选择偏好，实施了SAV选择意愿调查，并分析了考虑合乘的SAV的潜在用户特征. 基于问卷调查所得有效数据，采用K-Means 聚类法划分了历史出行模式，利用因子分析对性格态度特征进行了分类. 分别对有无私家车人群建立解释变量的参数服从不同分布的混合Logit 模型，并对参数标定结果进行对比分析. 研究结果表明，出行方式特性非常显著地影响出行者方式选择行为，性格态度特征是影响出行者选择考虑合乘的SAV出行方式的显著因素，且其显著性明显高于性别、年龄等社会经济属性.     

基于混合Logit 模型的网约车选择行为研究

近年来,网约车发展迅速,而现有研究较少从市场角度理解用户对网约车的选择偏 好.本文构建了基于混合Logit选择模型,选取网约车依赖性、出行目的等出行相关属性,年龄等 个人社会经济属性为效用函数特征变量,假设到达时间、在车时间和费用为随机变量并服从对 数正态分布.使用D-efficient效率设计法生成问卷,在成都市开展网约车使用特征与选择偏好的 实证调查.基于观察数据标定模型,参数显著性及符号解释了城市综合交通背景下出行方式选 择的关键因素.对出租车和网约车费用进行边际效应分析,明确了价格变化对出行结构的影响.     

自动驾驶测试场景研究进展

阐述了目前形成的自动驾驶测试场景的5种定义,并在梳理测试场景、基元场景、场景要素之间逻辑关系的基础上提出了自动驾驶测试场景及有关概念的定义;对比了目前业界较为认可的3种自动驾驶测试场景架构;从场景数据来源梳理了国内外开展的交通事故数据与自然驾驶数据采集与研究现状;概括了利用已知数据、专家数据、测试需求、测试对象以及自动驾驶技术特征等开展未知自动驾驶测试场景构建与自动生成研究的成果。研究结果表明:自动驾驶测试场景的定义及架构与自动驾驶场景的构建与自动生成关系密切;自动驾驶场景可以认为是自动驾驶汽车的行驶环境、交通参与者与驾驶行为等场景要素的有机组合与综合反映,自动驾驶测试场景除包含场景的所有要素外,还应包含场景起始状态、场景发生的态势以及场景结束时造成的影响和结果等内容的动态语义描述;现有测试场景架构已较为完善,但难以满足不同测试目标及测试方法的需求,其优化应充分考虑测试场景设计的流程;交通事故数据采集精度及有效数据特征不一,自然驾驶场景数据难以完全采集,且采集规范不统一,其面向自动驾驶测试场景构建的有效性还有待进一步论证,自动驾驶测试数据有望成为重要补充;提升场景覆盖度、加速测试进程是自动驾驶测试场景构建的重要研究目标,人工智能技术在自动驾驶场景生成领域的深度应用有望满足测试场景的完全覆盖或高覆盖需求;面向不同自动驾驶等级的测试场景分级及面向自动驾驶加速测试场景构建方法将是自动驾驶测试场景构建下一步研究的重要方向。      

基于混合Logit模型的电动汽车购买意愿影响因素研究

为加快电动汽车的推广使用,基于混合Logit模型,应用在北京市收取的问卷数据开展模型实证研究以分析电动汽车购买意愿.首先,从个人属性、车辆属性、充电基础设施、购车与用车激励政策4方面考虑国内消费者电动汽车购买偏好影响因素,并通过网络问卷调查和陈述性偏好实验(Sated Preference,SP)获取相关数据.然后,分别使用混合Logit模型和多项Logit模型(Multinominal Logit Model,MNL)定量分析各类因素对消费者购置意愿的影响,并对比两种方法的拟合优度,结果显示混合Logit模型有更好的拟合优度,可以避免样本间异质性导致的误差.最后,通过对各类因素的参数估计结果、显著性水平及成分效用值的分析可知:除购买价格外,充电服务设施以及车辆牌照制度对电动汽车购买意愿有较为明显的影响;针对电动汽车的购车财政补贴对电动汽车的购买意愿无显著影响,因此补贴政策效果有限,有待进一步调整;电动汽车牌照的排队等候时长对电动汽车的购买意愿有显著影响,未来可以进一步考虑将传统燃油车的部分牌照配额转移至电动汽车.     

自动驾驶对交通运输系统规划的影响综述

车辆是交通运输系统的重要组成部分,伴随着自动驾驶技术的发展与应用,交通运输系统 将发生深刻变革。本文聚焦于自动驾驶技术对交通运输系统规划的影响,综述自动驾驶特点下 交通数据采集与管理手段、土地利用、停车需求、交通供需、交通需求预测、交通网络布局等方面 发生的新变化。在此基础上,从规划的角度出发,实现对自动驾驶环境下交通运输系统的再认 知,总结自动驾驶环境下交通需求预测、城市交通网络布局等新的交通规划方法与技术。通过对 交通运输系统的再认知发现：在自动驾驶环境下,交通数据具有细粒度、高鲜度的新特点;土地利 用模式将发生改变,城市将呈扩张和去工业化趋势,停车需求减小;交通系统供给能力和可靠性 提高,出行需求的时空分布将更为分散。交通系统规划方法的变化体现在交通需求预测和交通 网络布局两个层面：交通需求预测框架从“四步”框架转变为模型组合化和出行行为一体化的预 测框架,同时,需求预测的各阶段需引入对自动驾驶特征及其系统性影响的分析;交通网络布局 设计采用连续时域上的布局设计框架,有望解决传统交通网络布局设计的时滞性问题,可适应并 服务于动态变化的土地利用及交通需求。本研究认为,未来需重点研究自动驾驶对交通安全、交 通拥堵、公共交通规划、慢行交通规划等方面的影响。此外,解决自动驾驶实测数据缺乏的困境、 解析异构交通阶段交通系统的运作机理、应对交通需求反弹引起的供不应求、评估难以衡量的外 部成本等问题将是未来研究的难点。     

自动驾驶环境下驾驶人接管行为结构方程模型

为提取自动驾驶环境下驾驶人接管行为的关键影响因素,使用驾驶模拟器和眼动仪进行自动驾驶环境下驾驶人接管试验;采集了11个受试者对5种接管情境的反应数据,包括车辆运行数据和眼部运动数据,并调查了受试者的个人属性;基于实测数据定性分析和情境差异定量分析的结果,利用AMOS软件建立了描述驾驶人接管行为的结构方程模型;假设纵向接管行为、横向接管行为和眼部运动行为是3个潜在变量,找到可以表征这3个潜在变量的9个观测变量;根据修正指数多次修正得到最终的结构方程模型,由此获得表征驾驶人接管行为的各变量间的关系及对应的参数。研究结果表明:驾驶人接管自动驾驶车辆的全过程可分为5个阶段,即感知反应、减速避让、加速回升、稳定恢复以及稳定运行;当左前方车辆汇入当前车道,此时驾驶人接管风险较高;横向驾驶行为与纵向驾驶行为、眼部运动行为均显著负相关,相关系数分别为-0.226和-0.223,纵向驾驶行为与眼部运动行为正相关,相关系数为0.152;平均速度、总体横摆角均值、一秒内扫视时间可分别高度解释驾驶人接管自动驾驶车辆时纵向、横向及眼部的潜在行为。可见,此模型能有效揭示驾驶人接管自动驾驶车辆的整体行为与局部行为,有助于改进人机交互模式与自动驾驶接管请求提示。      

城市智慧公交研究综述与展望

以当前城市智慧公交发展为背景，本文从我国城市智慧公交当前发展现状出发，围绕智慧公交客流特征分析、智慧公交运营研究、智慧公交网络设计与优化、智慧公交服务评估等4个方面对智慧公交的研究现状进行了综述并指出现有研究的重点。在此基础上，对现有研究进一步从智慧公交客流特征分析、智慧公交运营、智慧公交网络设计与优化，以及智慧公共交通服务评估 等4个方面进行了评述，并指出每个方面存在的不足。进一步，本文从乘客特征智能识别与预测、 复杂场景下的智慧公交运营、智慧公交网络设计与优化，以及智慧公交服务评估等4个方面对智慧公交的未来发展趋势进行研究展望，并分别提出了代表性的研究问题。通过总结当前智慧公交的研究不足以及研究展望，本文进一步指出智慧公交的创新性研究和发展，亟需从如下4个方面展开：挖掘乘客全出行链信息，提供一站式智慧公交出行服务；土地利用与交通整合视角下集 成智慧公交基础设施布局优化和公交运营效率提升；基于智慧公交多层级发展需求，构建面向政府、企业、社会用户的立体化公交运营系统评估体系；构建智慧公交一站式出行服务平台。结合当前智慧公交出行的日渐兴起，本文总结了智慧公交当前的研究现状，指出了当前智慧公交研究存在的不足，并展望了智慧公交发展的关键科学问题。研究认为：随着大数据、云计算、自动驾驶、智能网联与新能源汽车等新兴技术和颠覆性技术在城市交通领域的集成应用，对提供多模式智慧公交服务和促进城市可持续发展提供了新思路与新机遇。但是，单凭新技术无法提升智慧公交服务水平和促进城市可持续发展，还需交通系统和管理水平的提升，当前亟需围绕关键问题开展研究。本文同时强调当前研究需进一步加强多学科交叉，突出产学研相结合，为我国智慧公交高质量发展提供强有力的科学支撑。     

货车轨迹数据在公路货运系统中应用研究综述

随着轨迹数据可获取性及精度的持续提高，货车轨迹数据被广泛应用于公路货运系统的 规划与管理中，同时，人工智能和大数据分析技术的快速发展也为公路货运系统研究带来新的机 遇与挑战。本文全面梳理并总结了公路货运轨迹数据应用领域的相关研究，从基于轨迹数据的 货运出行信息辨识、货运系统关键特征预测、货运轨迹数据进一步应用3个方面回顾现有文献的 研究目标、主要内容和研究方法。通过文献分析发现：货运出行信息辨识研究聚焦于货运停留 点、车辆和货物、活动出行模式等热点主题，但现有辨识方法多移植于旅客出行研究，需要更多地 考虑货运出行的独特特征。在货运系统关键特征预测方面，研究者主要针对货运行程时间、空间 位置、出行需求等主题展开研究，并证明了基于轨迹数据预测货运特征的可行性，但预测时空范 围较为局限，需要根据具体的货运任务、货车司机特征和货运政策进行深入研究。此外，轨迹数 据也被应用于货运出行路径选择行为、货运停车休息行为、行驶安全、货运排放和能耗分析、货运 政策评估等研究。最后，在总结现有研究不足的基础上，本文认为未来研究应重点将货运轨迹数 据与其他多源数据相结合，从3个关键技术进行突破：一是针对货运实践个体，重点探索高效货车 驾驶员的出行特征和出行模式，并在货运系统中进行推广应用；二是针对交通运输新技术和新形 势，重点开发和优化自动驾驶技术和重大应急事件影响下的货运组织模式与策略；三是针对货运 供需关系及匹配机制，重点研究货运全流程供需状态辨识与预测，并结合深度学习等方法训练和 开发智能供需匹配模型，从而优化货运系统调度，助力社会散乱运力资源整合，提高货运系统的 综合效率。     

人车路综合风险场模型构建及驾驶风格评估

为帮助驾驶人正确认知自身的安全驾驶能力，揭示“人-车-路”相互作用关系并衡量各要 素对车辆驾驶安全性的影响，构建了考虑驾驶风格因子的综合风险场模型。首先，针对现有风险 场模型在人因要素刻画不足，将车辆加速度方差和方向盘转角方差转化为驾驶风格因子，表征驾 驶人潜在驾驶习惯；然后，根据事故风险的突发性和短时性特征，利用希尔伯特-黄变换(HilbertHuang Transform, HHT)将驾驶全域风险分解为平稳阶段和局部突变阶段风险信号能量，作为评 价驾驶能力内在属性的关键依据；最后，开展行人横穿风险场景的驾驶模拟试验验证。结果表 明：驾驶风险能量在空间形态上呈“椭圆形”圈层分布，沿物理轮廓中心高边缘低，风险演变过程 能量大小“爬山式”递增效应显著。对风险能量聚类可获得比主观问卷更加细致可量化的分类结 果，对比发现，驾驶人存在“认知-操纵”偏差(问卷安全型-模型危险型/危险倾向)同时丰富的驾驶 经验对薄弱的安全意识有补偿作用(问卷危险型-模型安全型/安全倾向)。研究成果可以为识别 危险驾驶人群，提高安全驾驶能力提供一种新方法。     

自动驾驶接管影响因素分析与研究进展

部分或有条件自动驾驶车辆允许驾驶员将驾驶任务移交给自动驾驶系统，但驾驶员仍需对驾驶环境进行监测，若发生紧急事件或驾驶环境超出系统运行设计域等情况，驾驶员需要及时接管车辆。影响驾驶接管过程的因素主要包括：人因、交通环境以及人-机交互系统。本文分析了驾驶员认知负荷特性等人因对接管过程和接管时间预算的影响。分析发现，驾驶员长时间脱离驾驶任务会导致其陷入被动疲劳或驾驶分心状态，从而降低接管绩效。适当的非驾驶任务可以使驾驶员保持一定的认知负荷，降低驾驶员的被动疲劳水平。结合网联技术的应用可以多次发出预警信号，提高接管绩效。本文讨论了交通密度、道路条件等交通环境对接管时驾驶员感知、认知及决策的影响，探讨混合交通下过渡区智能网联车辆控制权切换 (Transitions of Control, ToC) 的管理问题。在复杂道路交通下，驾驶员需要更多时间恢复对环境的感知，且驾驶员在弯道接管车辆时更容易出现较大横向偏差。在混合交通环境中，为防止过渡区出现集中的ToC，可以制定相应交通管理措施，以降低过渡区域中车辆之间的相互干扰。本文还分析了视觉、听觉、触 觉、嗅觉及其组合类型交互方式的优、缺点，讨论网联环境下人-机交互系统设计以及ToC形式。 单个的交互方式有其自身的优、缺点，多种类型相结合的交互形式能形成优势互补，及时地将接 管信息传递给驾驶员，并将其注意力集中于对环境的感知。网联技术发展使得可利用的行车信息的数量和种类都有所提高，网联信息需要更好地呈现策略，以保证人-机交互界面具有较高的可用性和接受性，为驾驶员提供更加准确的交互信息。同时，利用驾驶员状态识别技术实时监测驾驶员所处状态，并通过人-机交互系统提醒驾驶员，使其保持警觉，提高接管绩效。未来研究应该重点关注非驾驶任务对驾驶员认知特性的影响，结合接管时的驾驶环境，遵循预测算法辅助驾驶员实现控制权的平稳过渡。随着网联技术的不断应用，逐步改进现有人-机交互系统的设计和性能，对过渡区域ToC的管理问题展开深入研究。