编辑推荐：
共享自动驾驶车队（SAV）运营中空间分辨率的影响研究。通过对比奥斯汀6县区域CAMPO规划网络与OSM真实网络，以及聚合地址与实际地址，发现忽略集散路和住宅路将增加18.9%的车辆英里 traveled（VMT）和10.4%的车辆小时 traveled（VHT），而地址聚合对交通影响较小。完整网络和真实地址可使SAV效率提升，VMT降低10%，eVMT减少2.5-3.5个百分点。
森健太郎（Kentaro Mori）| 法特梅·法赫尔穆萨维（Fatemeh Fakhrmoosavi）| 克里希纳·穆尔蒂·古鲁穆尔蒂（Krishna Murthy Gurumurthy）| 佩德罗·卡马戈（Pedro Camargo）
美国德克萨斯大学奥斯汀分校土木、建筑与环境工程系
摘要
基于代理的交通模型已被用于模拟共享自动驾驶车辆（SAV）车队的运营，从而加深了对SAV运营方式、影响及潜在机会的理解。本文探讨了空间分辨率问题，因为大多数研究都是在网络简化版本上进行的，这些网络缺少许多连接信息，并且行程起点和终点的地址被进行了汇总。本研究针对德克萨斯州奥斯汀市的SAV车队运营情况，使用POLARIS模型进行了动态交通分配模拟，比较了该地区六个县内两种网络和两组地址设置下的模拟结果。比较对象包括：由首都地区大都会规划组织（CAMPO）提供的、地址高度汇总的网络（基于人口普查区块中心并补充了商业机构信息的地址），以及来自OpenStreetMap（OSM）的真实网络（使用OpenAddresses提供的实际地址）。CAMPO的网络覆盖了OSM网络道路里程的40.6%，而汇总后的地址点主要集中在城市核心区域，平均每个地址点对应23个实际地址。基于代理的模拟结果表明，忽略大量收集路线和居民路线会显著影响网络流量：在奥斯汀市的情况下，非高速公路主干道上的车辆行驶里程（VMT）增加了18.9%，车辆空驶里程（%eVMT）增加了10.4%。相比之下，地址汇总（至少采用本研究中的汇总程度）对交通流量的影响较小。SAV得益于更完善的网络连接性和更多替代路线，从而减少了乘客的出行距离和拼车绕行距离，使得每辆SAV的VMT减少了10%——这一减少幅度几乎是整个网络VMT减少幅度的五倍；同时，车辆空驶里程（%eVMT）也降低了2.5%至3.5%。
引言
未来的人员和货物运输代表着一个充满挑战的领域，其特点是信息技术的应用和车辆自动化带来了创新解决方案，同时人们对以乘客需求为中心的规划也越来越关注（Dominkovi?等人，2018；Hancock等人，2019；Sumalee & Ho，2018；von Sch?nfeld & Bertolini，2017）。为了捕捉新兴交通系统的复杂相互作用，研究人员转向了基于代理的建模方法，这种方法在模拟基于活动的出行行为和新兴移动服务运营方面表现出色。具备动态交通分配（DTA）功能的基于代理的建模工具包括MATSim（Horni等人，2016）、POLARIS（Auld等人，2016）和SimMobility（Lu等人，2015）。这些工具能力的提升，加上计算机性能的改进，使得研究人员能够进行前所未有的详细和大规模的模拟。例如，POLARIS能够在24小时内模拟超过3000万次行程，同时考虑了内生活动调度、出行方式和路线选择、中观层面的交通分配以及拥堵反馈（Gurumurthy等人，2020）。
这些工具的一个特别令人兴奋的应用领域是共享车辆和完全自动化或“自动驾驶”车辆（SAV）的车队运营。除了基于调查的计量经济学模型用于预测潜在SAV用户的需求（Bansal等人，2016；Lavieri & Bhat，2019）外，模拟还为SAV对交通系统的影响提供了重要见解。以往的研究强调了出行选择、运营策略和环境影响（Karolemeas等人，2024；Li等人，2021）。虽然一些研究表明SAV可以提高交通公平性（Lee & Kockelman，2022；Nahmias-Biran等人，2021 & Nahmias-Biran等人，2021），但也有研究指出，如果管理不善，SAV可能会增加车辆行驶里程（VMT）并加剧网络拥堵（Bischoff & Maciejewski，2016；Oh等人，2020 & Oh等人，2021）。幸运的是，动态拼车（DRS）、地理围栏以及基于信用的拥堵定价等道路需求管理政策可以缓解许多负面影响（Fagnant & Kockelman，2018；Gurumurthy等人，2020；Hardaway & Cai，2025；Simoni等人，2019）。研究人员还研究了SAV如何支持公共交通的使用（Basu等人，2018；Gurumurthy等人，2020；Huang等人，2022；Huang等人，2021；Oke等人，2020；Shen等人，2018；Wen等人，2018）。
尽管已经付出了大量努力来模拟SAV的复杂特性，但交通模拟中一些更基本的方面（这些方面可能影响最终结果）却常常被忽视。例如，许多研究仅模拟了总人口的一小部分，并使用简化后的网络，这些网络仅覆盖了城市中实际道路的一小部分。尽管这些简化措施节省了模拟时间和计算资源，但它们对车队指标（如服务人次、等待时间、平均车辆载客率（AVOs）以及车辆空驶里程的比例（%eVMT）的影响尚未得到充分研究。这种差距削弱了我们对所需车队规模、额外行驶里程、排放量、盈利能力等方面的整体理解和研究结论。
虽然网络和起点-终点（OD）地址抽象问题在任何交通模拟中都很重要，但本文主要关注SAV的运营情况，并同时考察了网络交通模式。本研究使用了两个不同的网络对奥斯汀市的SAV车队运营进行了模拟：一个是来自当地大都会规划组织（CAMPO）的典型建模网络（涵盖6个县），另一个是来自OpenStreetMap的实际网络（OpernStreetMap贡献者，2024）。此外，研究还使用了两种不同的地址集：一种是过去研究汇总的地址，另一种是来自OpenAddresses的实际地址（2024）。模拟实验使用了由阿贡国家实验室开发的POLARIS交通模拟工具。POLARIS能够模拟真实网络和复杂区域中的SAV运营（Auld等人，2016）。与其他基于代理的模型类似，POLARIS允许用户追踪车辆和旅行者在互连网络（包括道路、人行道和公共交通线路）中的行驶轨迹。据我们所知，这是首次在同一地区或城市使用来自不同来源的两个网络和地址集进行比较的研究。通过等待时间、VMT、%eVMT、车辆载客率和模拟运行时间等指标，揭示了网络完整性和OD地址细节对SAV车队运营的影响。
本文的结构如下：首先描述了交通建模中的网络完整性和OD地址细节问题，并回顾了近年来（<5年）基于代理的SAV模拟研究中采用的简化方法。接着进一步探讨了SAV模拟中的网络完整性和OD地址细节问题，并展示了文献中几个热门城市的完整网络形态。然后，使用POLARIS交通模拟工具描述了实验过程，并分析了网络完整性和OD地址细节对SAV车队运营的影响。最后，讨论了研究结论和未来发展方向。
文献综述
交通建模的起源可以追溯到20世纪50年代，当时芝加哥地区交通研究提出了四步出行模型，Beckman提出了解决Wardrop用户均衡问题的方法（Beckmann等人，1956；Weiner，1997）。交通建模的第二个重大突破出现在20世纪90年代，基于活动的模型和动态交通分配（DTA）应运而生。此后，出现了各种动态网络建模软件，如DYNASMART（Jayakrishnan等人，1994）和DynaMIT（Ben-Akiva等人，1998）等。
SAV模拟中的空间分辨率
在推广SAV模拟结果时，使用不完整的网络是一个关键问题，因为大多数研究假设SAV能够提供门到门（地址点到地址点）的服务。这意味着在缺失（或未编码）的次要道路上，第一段和最后一段的行程也会发生。此外，简化后的网络倾向于将乘客的上下车地点汇总到已编码的链接上，从而简化了拼车过程。这两个因素都会
模拟框架
本研究使用POLARIS交通系统模拟工具（Auld等人，2016）来模拟奥斯汀市6个县区域的SAV车队运营。POLARIS是一个基于活动和代理的出行需求建模框架和交通模拟器，它可以创建一个合成人口，模拟整个群体的全天活动，并通过时间依赖的动态交通分配模型追踪各个代理的移动轨迹。POLARIS具备许多功能
案例研究
在本研究中，我们评估了网络完整性和OD地址细节对SAV车队性能的影响，使用了两种不同的网络和地址集。研究中使用了Dean、de Souza等人（2023）提供的100%人口固定行程表（包含588万次行程），而不是通过内生模型来模拟出行需求。固定需求输入中SAV的模式占比为7.5%。模拟允许请求
结果
模拟的网络级结果总结在表3中，展示了网络中的交通模式、收敛情况和运行时间。此外，图8显示了模拟过程中每分钟记录的车辆数量。网络和地址的组合在图例中用“Network/Addresses”表示，所有后续图表都使用这一标注。例如，“Full-OSM/Aggregate”指的是包含汇总地址的完整OSM网络
结论
本研究使用POLARIS基于代理的建模平台评估了网络完整性和OD地址细节对SAV车队运营的影响。它模拟了奥斯汀市6个县区域的SAV车队运营，使用了两个网络：CAMPO提供的奥斯汀6个县区域网络和从OSM提取的网络。同时使用了两组地址：一组是过去研究汇总的地址点，另一组是来自OpenAddresses的实际地址。经过标准化处理后，CAMPO网络包含了OSM网络道路里程的40.6%
CRediT作者贡献声明
森健太郎（Kentaro Mori）： 负责撰写——初稿撰写、验证、方法论设计、调查、数据分析、概念构建、软件开发。
法特梅·法赫尔穆萨维（Fatemeh Fakhrmoosavi）： 负责审稿与编辑、方法论设计、数据管理、概念构建。
克里希纳·穆尔蒂·古鲁穆尔蒂（Krishna Murthy Gurumurthy）： 负责审稿与编辑、资源协调、方法论设计、资金筹集。
佩德罗·卡马戈（Pedro Camargo）： 负责审稿与编辑、软件开发。
卡拉·M·科克曼（Kara M. Kockelman）： 负责审稿与编辑、资源协调、项目管理、方法论设计、资金筹集。
致谢
本材料基于美国能源部科学办公室的支持，合同编号为DE-AC02-06CH11357。本手稿及描述的工作得到了美国能源部（DOE）车辆技术办公室（VTO）的支持，该办公室隶属于“通往经济实惠、便捷和高效区域交通的路径”计划，该计划是能源高效交通系统（EEMS）项目的一部分。Erin Boyd是能源部能源效率与可再生能源办公室（EERE）的管理人员
