自动驾驶公众接受度研究综述

全面梳理并总结了自动驾驶公众接受度领域的相关研究, 从接受自动驾驶的可能性与态度、了解与信任程度、感知与关注点、支付意愿和使用偏好5个方面定义并阐述了接受度的内涵; 从调查对象的选取、问卷设计、调查方式与抽样、模型构建与数据分析方法等方面对比了现有研究采用的数据采集和分析方法; 总结了影响自动驾驶公众接受度的关键因素, 剖析了其对公众接受度的影响, 指出了存在的问题和未来研究方向。研究结果表明: 现有大部分研究重点关注接受自动驾驶的可能性、态度和使用偏好等问题, 对支付意愿的研究相对较少; 公众对自动驾驶普遍持积极态度, 对自动驾驶技术及其相关功能有所了解; 安全问题是人们对自动驾驶的首要关注点, 不同群体对该问题的担忧程度有显著差异; 人们为享受自动驾驶技术而愿意支付额外费用的意愿不够强烈, 来自发达国家受访者的支付意愿普遍低于发展中国家受访者; 个人心理和生理属性, 社会人口属性, 伦理、法律责任和车辆安全水平, 车辆自动化水平及相关属性, 出行相关属性以及环境因素等是影响公众对自动驾驶接受度的几类关键因素; 然而, 现有研究对伦理和法律责任等因素的量化分析还较为缺乏, 性别、年龄和收入水平等部分关键因素的影响仍存在争议, 还需进一步讨论; 相关研究在对样本的代表性分析、问卷和调查方案的精细化设计以及关键因素的具体作用机制分析等方面还有待进一步深入。      

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。