自动驾驶汽车（AV）已经在美国多座主要城市以及世界多国上路测试和运营，被普遍视为未来城市交通的重要组成部分。一项最新研究专门分析了自动驾驶汽车在早晨通勤场景中的作用，重点考察其对出行模式和商业区停车需求的影响。研究成果发表在《管理科学》期刊上，为城市在自动驾驶时代的规划决策提供了数据和模型支持。

这项研究由卡内基梅隆大学与德克萨斯大学达拉斯分校的研究团队联合完成。

卡内基梅隆大学泰珀商学院运营管理与战略IBM教授、论文合著者 Soo-Haeng Cho 指出：“城市规划者正处在一个难得的时间窗口，可以提前制定政策，为自动驾驶汽车大规模普及做好准备。”

目前，为满足高强度的停车需求，城市往往需要在核心区域投入大量土地和资金建设停车设施，但许多早高峰通勤者依然难以找到价格合理、位置便利的车位；与此同时，交通拥堵让早晨通勤更加艰难。研究认为，自动驾驶汽车有潜力缓解这些问题：它们可以先将通勤者送到中央商务区的工作地点，再自行驶往郊区，以更低成本停放。

在这种模式下，通勤者可以减少在商业区支付高额停车费的负担，而城市也有机会减少在核心区建设和维护大型、昂贵且利用率不高的停车设施，从而释放出更多土地用于其他用途。

在具体研究中，团队以宾夕法尼亚州匹兹堡市为案例，分析自动驾驶汽车对前往中央商务区的早高峰通勤行为的影响。他们构建了一个连续时间的博弈论交通模型，将停车费用、交通拥堵、路边上下车等关键经济因素纳入考量，用以刻画通勤者在出发时间和停车地点（商务区内或外）上的选择规律。

模型结果显示，使用自动驾驶汽车的通勤者更可能选择在中央商务区外停车，这会导致车辆整体行驶时间和行驶里程都高于传统人工驾驶情形。由此带来的系统总成本会上升，同时也预示着随着自动驾驶汽车普及，商业区土地利用结构可能发生变化，例如将原有停车空间逐步转为商业或住宅用途。

为降低整体系统成本，研究建议城市规划者可以通过多种政策工具引导通勤行为：短期内可调整停车费结构或征收拥堵费，长期则可通过基础设施改造，例如将部分停车位改造为自动驾驶汽车专用的上下车区域。以匹兹堡为例，研究估算，这类措施有望将系统总成本最多降低 28.5%。

德克萨斯大学达拉斯分校金达尔管理学院运营管理助理教授、本研究负责人 Neda Mirzaeian 表示：“我们的研究并不是为某一座城市给出具体方案，而是揭示当自动驾驶汽车、通勤者和基础设施相互作用时，人类行为中普遍存在的权衡与动态变化。”

她补充说：“我们的模型可以作为一种指导工具，甚至是预警系统，用来识别技术、成本或激励机制中看似微小的变化，如何可能引发通勤行为和系统整体效率的巨大转变。”

卡内基梅隆大学工程学院及海因茨学院土木与环境工程 H. J. Heinz III 教授、论文合著者 Sean Qian 则指出：“在为城市规划者提供建议时——包括市长办公室的出行与基础设施部门、市议会以及各级镇议会和委员会——我们的研究结果有助于判断，在自动驾驶汽车广泛部署之后，何时何地需要根据其独特需求和特性，对现有政策进行调整。”