ITF报告研读:自动驾驶共享车将淘汰90%车辆

  • 发表于: 2015/05/21 10:32:23 来源:车云网

ITF用数学建模的方式,证明用“自动驾驶+汽车共享”,最低只需现存10%的车辆,就能满足一个欧洲中型城市所有人的出行需求。How?

“亦庄开发区有点像个乌托邦”,这是车云菌08年搬来亦庄时的第一感觉。如今随着高耸入云的写字楼大举入侵,美国小镇的味道淡了一些,但当你驾车从荒芜的南四环进入开发区,一种松口气般的体会还是难以阻挡,这就是亦庄的味道。从路上情况看,一点儿都不带帝堵范。

车云菌近期研读了一篇长达36页的研究报告,作者是大名鼎鼎的ITF,国际交通论坛。基于严谨的数学建模和实践过程,报告探讨了两种自动驾驶共享车服务模式,最关键是定量预测了车队规模,用以满足目标城市所有人的出行需求

“又是自动驾驶,又是未来研究……好吧,那车云菌你告诉我,他们最激进的结果是多少?”

辅以大容量公共交通(地铁、快轨等)的情况下,路面上只需要现有数量10%的轿车就能满足一个欧洲中型城市的出行需求。

“擦的咧,老外也这么能吹啊,反正也没法检验,吹多少是不是都无所谓啊?”

那您的数据是多少?依据的又是何种数学模型?凡事预则立,不预则废,定性研究+定量分析,ITF的研究还是有一定的数据基础的。随着时间的推移,无人驾驶梦想照进现实,东三环不再堵车的那一天,车云菌没准儿还能活着看到。

好吧,各种吐槽暂且按下不表,我们来读一下这份报告。

研究内容

在一个欧洲中型城市,干掉公路上的所有客运车辆(包括私家车、出租车和公交巴士),然后关门放出共享自动驾驶车队,来看看模式对于现在的交通出行情况是否能够有所改善。

共享车有两种工作模型,TaxiBot(拼车)AutoVot(专车)TaxiBot允许多名去往不同目的地的乘客拼车使用,而AutoVot则依照现有的出租车运营模式,每次只接送一单乘客,送抵后再接下一单。

研究开始前,先设定两个前提:

  1. 其一,无论使用TaxiBot还是AutoVot,都必须满足该城市当前(现实情况)的工作日客运总量。

  2. 其二,共享无人车取代该城市全体私家车和公交巴士(不包含轨道交通)。而研究目标是在两种交通状况下(24小时平均和仅限高峰期),通过定量研究给出车队规模(数量)、运输总量、以及对停车位的需求。

研究方法

研究人员设计了一种新的基于智能单元的模型来仿真复杂的交通参与者们:

  1. 首先是乘客,他们随时计划从城市的一处去往另一处;

  2. 其次是车,可以在全市路网行驶,在任意路口接送乘客,或者在固定的站点之间移动。

  3. 其三,自动驾驶车队的大管家,中央调度系统,负责以最高效的算法派单(车云菌还是想到了Uber),从而严格控制服务标准,比如等待时间或送抵时间。

车队是虚构的,但城市不需要,因此研究人员选择了葡萄牙首都里斯本。选它的原因是现存大量可用数据对应实际的路网,这些数据可以直接拿来建模;此外,里斯本自身也是非常典型的欧洲城市,对其交通状况进行仿真,所得结果对其它地区和城市也有很好的参考性。

接下来就是具体的城市参数了,84.6平方公里,56.5万人口(连帝堵的零头都不够)等等,车云菌此处不再详述,以下是基本的路网数据:

自动驾驶+汽车共享=没有拥堵?
里斯本基本路网数据

仿真模型的具体设计

首先,整个数学模型的设计是基于里斯本的真实路网和一个工作日的真实交通活动而来。整个城市按200米见方的网格划分为数百个节点,乘客发出乘车请求,中央调度系统按三个要素来派单:乘客位置、车辆位置和车上成员数(是否满载)。由此,该模型主要考虑的是人和共享车之间的互动,而车辆之间的关系也就自然被忽视掉了(也即:模型不包含动态交通数据/算法)。

对交通行为的模拟则不只是时间、起点和终点这么简单,作者对里斯本居民做了抽样调查,并按地图所对应的网格来生成仿真的出行需求。随后一个基于规则的交通模型大展神威:

  1. 1)低于1km的出行需求视为自行车或步行需求。

  2. 2)远距出行,起点和终点皆临近地铁站,而换乘次数不超过1次的,一概分配到地铁/轻轨。

  3. 3)其它各种出行需求按具体情况,由自动共享车参与,或完全承运。

当“乘客”选择自动共享车出行,一个出行请求就随之生成,请求包含三个要素:起点、终点和出行时间。调度中心收到请求后,依据不同工作模式(拼车、单送)来实时派单给附近最适合承运的车辆。唯一的不同是拼车模式会要求乘客走到附近的拼车点,而单送模式类似于目前的出租车,原地等接即可。  

调度中心在整个系统中负责的不仅仅是派车,一些预设的硬性限制也很重要。比如“乘客”的等待时间不得超过5分钟,每辆车最多8名乘员。由于拼车的关系,某些乘客的出行时间可能会被影响,但延误时间不得超过原始行程的20%,10分钟封顶;而拼车造成的绕路也同理,里程增量不超过20%,2km封顶。举个例子,一个原本10分钟的行程,在最差情形下不会超过17分钟,多出来的7分钟中有5分钟等车时间和2分钟的拼车绕路。

其实,在仿真运行过程中,调度中心的“派车”多数比实际案例要快。尤其对比公交巴士的案例,车云菌窃以为话不多说,帝堵公交车乘客应当秒懂。而对比私家车的案例,其实“参考行程”并不包含车主取车的时间,也不包含到达目的地时寻找车位和停车的时间,帝堵自驾车主更加应当秒懂。当整个数学仿真模型运行起来,效果还是灰常酷炫狂霸滴。


仿真模型运行情况

测试过程的执行

应用场景单一是很多仿真测试的大敌,因此作者在这次仿真中设计了4个变参来形成尽可能多的测试场景:

  1. 1)自动共享车的应用模式不同。TaxiBot拼车模式,不同乘客可以分享临近的旅程;AutoVot,传统出租车模式,接一单送一单,抵达后就近接下一单。

  2. 2)大容量公共交通(地铁/通勤火车/轻轨等)的介入与否。

  3. 3)100%自动共享车出行,抑或50%(剩下50%依然传统私家车)。

  4. 4)仿真的时间跨度。工作日计算24小时平均值,或者仅测试交通高峰时段。

先看仿真得出的车队规模。拼车模式,加上大容量公共交通的协助,整个路面上的客运汽车数量最低可降至目前的10.4%(前提是提供与目前路面上等价的运力),这个数据可以说非常有吸引力。


不同共享模式下所需车辆数值

再看车队总里程,枯燥的数据请恕车云菌不再bla。最优结果自然还是拼车模式+城铁辅助,工作日24小时结果是现实案例的106%,考虑到拼车偶尔需要绕路接送,这个结果已经很出乎意料。而单送模式独立承担(无快轨)的结果则高达189.4%,几乎是目前的两倍,不得不说车辆和路网的利用率都很高。


共享模式自动驾驶车队行驶里程对比

更为直观的路况分析,早上8~9点,拼车+城铁的区域化统计结果。作者承认,某些地区在高峰时段,其通行效率相对现实情况略有下降,但总体看起来依然不错。更为具体化的分析显示,交通流量大规模上升的区域,也即共享自动车队工作最为繁忙的地段,恰巧是地铁/城轨站点分布最少的地方。国人经典之买房三要素“地段!地段!地段!”再次在欧洲得以印证。


高峰时期通行效率分析

还有停车问题,不可忽视的一大重要因素。汽车这玩意儿,无论开在路上还是停在车位,占地儿都没法省。自从围观群众开上了共享自动车,停车场管理员叔叔腰不酸了,腿不疼了,生命危险也木有了。所有路面停车位可以一个不留(地下车位还富余)。省出来153万平米的面积,无论用作自行车道、人行道或是其他商业用途,都是极好的。


不同共享模式下所需停车位数量

在出行旅客表示皆大欢喜之后,作者开始琢磨车子是不是开心的问题。AutoVot定位单送服务,所以每程只接一单,此问题自然也不存在。而TaxiBot是Ride Sharing模式,既然是拼车就得考虑车上座位的利用率。此处作者透露了一个诀窍,在半夜或是凌晨这种人员极少流动的时间段,把空安排在酒吧及夜场聚集区是个好点子,座位利用率依然令人满意,并且还能减少先上车乘客的拼车绕路时间(车云菌:话说帝堵出租司机趴活儿这点儿密不外传的技术是咋被ITF砖家学去的?)。


TaxiBot模式的乘客数量与拼车需求关系

最后,既然是国际巨师,电动车这种热门话题是不可能不提到的,毕竟前面的数据明确显示全车队的一日总里程十有八九要大过当前水平。但车云菌一直在想,以客运为主的小车真的有时间停下来充电么?如果充电确实影响了运力,那得增加多少台车子才足够救场呢?

不急,作者随后对车子的属性加了限制——每行驶175km需要充电30分钟,车云菌窃以为这充电速度恐怕跟自动共享车一样,也是“将来进行时”。当然结果也很出乎车云菌的意料,在这样的预设之下,居然只需要2%增量,车队就能继续搞定全市客运任务,可见自动共享车的模型优势。

研究结果

1)TaxiBot拼车模式,加上轨道交通,一个欧洲中型城市路面上只需要现存10%数量的智能车。即便是AutoVot专车模式,关停轨道交通,全城客运完全依赖于自动共享车,20+%也足以担此重任。

2)全体车辆的一日总里程十有八九要增加。在轨道交通辅助前提下,拼车模式的一日总里程相比目前(现实情况)多了6%,毕竟自动出租车不仅承担所有私家车的运输任务,还有传统出租车和公交车的量。而专车模式,按惯例把轨道交通也关掉,每日总里程将跃升89%,近乎翻倍。

3)对高峰时段的交通影响。拼车+轨道交通,高峰期的车辆需求大概是当前的35%;专车模式解决全城客运,那么自动出租车数量需要达到目前的77%。对于高峰时段的总里程,前者比现实状况仅增加9%,完全是可控的;而后者则达到了恐怖的103%(增量),这个数字听起来就有点失控的意味了。

4)自动出租车减少了近80%的停车需求(除了等待订单的时间)。省出来的近210个足球场的空间,做成绿地或者商业化都不失为很好的城市进化方案。

5)大容量公共交通(轨道运输)还是非常必要的。没有了这货,拼车模式要增加18%的车辆,而专车模式则需要26%的增量。而每日总里程也相应增加了13%24%

政策层面的影响

1)公交系统被颠覆,交通政策将直接影响自动出租车队的规模,与轨道交通的配合,乃至全城的客运总量、拥堵情况、以及排放。而车队的车型配置,服务的运营和管理都需要崭新的商业模式。

2)停车位削减而释放出来的空间应当被善用。

3)交通安全性的提升几乎毋庸置疑,而对环境的影响则取决于车辆的技术水平。自动出租车平均每天行驶12小时,行程200km;比之目前私家车50分钟/30km而言,自动出租车每天预计工作12小时/200km——后者可以更快到达寿命并更新换代,我们自然有理由期望更高效清洁的技术可以应用在自动出租车上。

4)部分自动出租车+部分私家车很难对城市交通的改善作出如上的贡献,但好处依然还是有滴。

车云小结:

随着国内厂商着手布局自动驾驶技术(如百度+宝马),车云菌其实也希望一些LBS业务巨头如BAT(百度/阿里/腾讯)能够不局限于坐拥大量数据。动辄50万乃至数百万年薪招来的数据挖掘专家们,不妨也来针对北上广深做一些类似的,以现实数据为依托的预测——没准儿几轮仿真下来,“北京缓解拥堵”就有靠谱儿的对策了呢?

相关标签:
报告
智能交通
汽车共享
自动驾驶
  • 车云星
  • 空间站
  • 福特星球
  • 虫洞

加料 /

人评论 | 人参与 登录
查看更多评论