波士頓積極地與自動駕駛公司開展合作，在加速本地自動駕駛應用落地之外，也加深對技術的理解。其中一些有趣的結論包括：未來按需出行服務將占到波士頓總行程的三分之一；城市地區的公共交通客流量將不可避免的總量下降；年齡比收入更能影響人們對自動駕駛的態度；而且有趣的是行程越短越可能使用自動駕駛出行。這些試點背后是政府層面意見統一，規劃目標清晰，公眾廣泛參與等各方面的成功經驗。在我國，政策層面上或許需要另一種頂層設計，但與科技公司開展良好的合作，對新技術有明確的愿景和管理辦法，在試點現有技術的同時共同探索新的發現，并始終鼓勵公眾參與，這些嘗試都值得我們認真學習，加以借鑒！

量化自動駕駛的影響

針對這些問題，世界經濟論壇和BCG完成了兩次自動駕駛影響研究。我們于2016年開始為波士頓市中心開發了基于代理的交通及車輛間互動模擬。詳細結果在2017年十月報告《如何實現自動駕駛：波士頓及其他城市的經驗》。模型研究范圍于2017年擴展至整個城市，并盡可能以真實世界的數據和消費者研究作為基石，模擬未來場景。

1

自動駕駛影響力的研究方法

在2016年，該項目為波士頓市政府周邊的0.5平方公里（0.19平方英里）完成了一個基于代理的交通模擬。以粒度方法分析包括車輛間的互動，并為每輛車的行為建立模型 - 比如，一輛車需要在交叉口等多長時間才能左轉。模型建立了兩個革命性的方案：沒有私人汽車下的自動駕駛汽車應用，與僅有三分之一的私人汽車下的應用。目的是為了確定多少車受到影響，行駛距離，所需停車空間和總出行時間。

2017年，模擬模型性能大幅提升，為更好的代表真實世界的情景，并提供一個對波士頓交通的整體理解（見圖十三）。在這些變化中：

圖十三、自動駕駛車輛影響研究擴展（來源：世界經濟論壇，BCG分析）

面積從市政廳周邊的0.5平方公里（0.19平方英里）擴大到整個波士頓城（142平方公里/54.83平方英里）；

從城市中增加出行和車輛數據：我們的工作小組與UPS（物流供應商）和INRIX（出行數據提供商）合作，以獲得波士頓街道上車輛的真實移動數據；這些數據可模擬200萬私人車輛的日均出行情況（相比于2016年的18萬），并加入2016年未包含的1萬量商用車出行情況；

借助波士頓數據進行聯合分析，而非只是參考理論方案（見上篇）

-影響研究包括了72個獨立的出行方式組合。

-影響研究包括了12個社區，3種出行長度和2個出行場景，為了獲得聯合分析中識別的出行方式組合變化的多樣性。

最后，我們著手對自動駕駛汽車獲得的交通流量效率進行設定。 自動駕駛汽車較為理性，不會因人類駕駛員的行為而降低效率，例如大眾旁觀（“野次馬現象”），低效的車道合并或雙重停車。因此，以相同速度駕駛于同一街道段的前提下，自動駕駛汽車交通容量將高于傳統車輛交通容量。為了量化這種影響，我們在三車道公路上分別完成了1000次常見交通情況模擬。結果表明，純自動駕駛汽車車隊情景中，交通容量有25.4％的增長潛力（見圖十四）。而對于自動駕駛汽車與傳統汽車混合的情景中（37.5％，數據來自聯合分析），交通容量有6.3％的增長潛力。

圖十四、自動駕駛汽車效率提升（來源：世界經濟論壇，BCG分析）

該模擬由BCG先進的分析機構BCG GAMMA構建，包括地理范圍，200萬次出行記錄并涉及超過60萬輛汽車。幾乎實時運行，模擬24小時的交通情況大約需花費20小時的時間。使用特定于街道的流量數據的粒度運行模擬生成了同樣的精度。影響研究的主要結果是根據四個關鍵指標（見圖十五）構建的：

圖十五、自動駕駛汽車影響研究關鍵指標（來源：世界經濟論壇，BCG分析）

路上行駛車輛數

如聯合分析所述，道路上的車輛數量將減少15％，這主要是由于從個人駕駛向按需出行轉變。該值介于2016年研究中的自動駕駛汽車與傳統汽車混合（11％）和純自動駕駛汽車（28％）情景之間。

車輛行駛距離

車輛行駛距離增加16％來自于：在按需出行中，因上客和落客產生的額外出行距離；及按需行駛車輛在上落乘客空檔產生的空車行駛。該值高于市政廳周圍0.5平方公里（.19平方英里）市區的2016年自動駕駛汽車與傳統汽車混合（13％）和純自動駕駛汽車（6％）情景。可見混合情景對車輛行駛距離的增加影響更大。這種情景下，自動駕駛汽車無論是在上落客、還是在空駛等待接單，都需要花掉更多的里程數。

需要的停車空間

所需停車位數量的大幅減少（48％）表明了需要停車位的私人車輛出行減少。這類出行模式將迅速轉變為按需出行方案，尤其是定期出行。純自動駕駛汽車情景下，停車位數減少的比例（48％）與均值相當。而自動駕駛汽車與傳統汽車混合情景減少比例較低（16％）。波士頓的停車位占地目前約為10平方公里（3.86平方英里），這包括街道和車庫停車位。

平均出行時間

模擬預測平均出行時間將下降4％。道路上車輛將減少，一方面是同一道路上容納更多行駛更理性的車輛，另一方面是汽車行駛距離變長。出行時間減幅低于自動駕駛汽車與傳統汽車混合情景（11％）和純自動駕駛汽車情景（30％）。其一是商用車輛的定時運行，如送貨車和垃圾車早上七點到晚上七點有固定的運營安排。這會減緩交通。但在前期小范圍研究中未納入考慮。其二是因為該模擬基并非先進行未來情景假定，而是考慮逐步演進過程。其中包括了公共交通到按需交通的過渡情景，這導致車輛類型增加，模擬結果遜于其余兩個情景。

2

解決擁堵問題

自動駕駛汽車影響研究兼顧整體與細節分析，幫助政策制定者判斷自動駕駛汽車對交通堵塞的影響。其中涉及兩個問題：

擁堵風險哪里最大？

是否有政策能有效減緩風險？

1. 分解出行時間以識別擁堵風險

聯合分析中，出行模式的混合與演變直接影響交通模擬中的優化出行時間。全城出行時間減少4.3%是基于相對穩定的公交出行比例，同時私家車出行到按需出行轉變達到20%。然而未來仍有40%的私家車出行，這削弱了交通優化的可能性。

圖十六、離散出行時間影響（來源：世界經濟論壇，BCG分析）

以社區的未來出行規律來探索緩解擁堵的方案是個不錯的辦法。以波士頓西部的Allston為例：大部分上班族都通過公交或者自駕進城上班，但當地的公交出行比例達到40%，高于美國大部分社區。在影響研究模擬中依然能達到如此高的公交比例。這是因為以下幾個方面影響了當地的出行模式：較長的出行時間，按需出行成本高于公交，學生為社區主力，平日主要通過步行、騎車或坐公交上學。

但Allston的私家車出行模式未來就不那么樂觀了：私家車使用成本比按需出行成本要高，這包括停車在內的運營與維護成本。模擬研究表明未來私家車使用率將下降24%，并更多轉向共享車輛出行模式。這將減少交通量，并平均減少12.1%的出行時間。圖十七為針對Allston的交通模擬，綠色為交通順暢路段，而紅色為擁堵路段。

圖十七、Allston模擬結果（來源：世界經濟論壇，BCG分析）

然而在市中心，由于短途出行更普遍，而按需出行可以提供點對點服務，并不像公交那樣需要人擠人，因此未來的公交出行將更多的轉向按需出行（占現有公交出行的16%），但私家車出行轉變并沒有那么明顯（僅占現有私家車出行的9%）。從公交出行到按需出行的轉變會增加交通量，因此更容易擁堵，并增加約5.5%的出行時間。圖十八展現了市中心模擬的上述結果。代表擁堵的紅線相比圖十七密度更高。

圖十八、波士頓市中心模擬結果（來源：世界經濟論壇，BCG分析）

值得注意的是，研究模擬顯示，將私人和共享自動駕駛汽車納入波士頓居民的出行方式會減少市域的總出行時間，但會惡化市中心的擁堵情況。城市規劃師應意識到這一點，在未來規劃的時候要考慮到自動駕駛汽車對交通的影響。政府在2030年波士頓總體規劃中提出，公交汽車出行比例應增加34%。但如果不通過政策引導而是任由自動駕駛汽車市場化，公交出行目標很難實現。

圖十九、政策杠桿模擬結果（來源：世界經濟論壇，BCG分析）

上述分析可作為政府和企業開始探討如何最大化發揮自動駕駛汽車作用的起點。政府和企業所追求的目標也許不一致，但不妨礙他們互利互惠。比如，政府有興趣通過提高載客能力低的出行方式的費用，或設置收稅門檻，來降低出行成本（例如利用市場經濟讓更多人選擇拼車出行）。而提供出行服務的app（如Lyft和Uber）也有興趣通過針對app的算法調整，鼓勵拼車出行。這樣既可以少交稅，又可以提升車輛利用效率。

事實當然沒有那么簡單。但是上述舉例是想說明，政府和企業完全可以達到雙贏。提供出行的app能夠為提升城市交通出一份力，而不是將其推至公共交通的對立面。

在波士頓開展自動駕駛試點

在BCG宣布與世界經濟論壇合作的四個月后，第一輛自動駕駛測試車輛首次完成了在波士頓的一英里自動駕駛里程。測試和運營自動駕駛項目，需要地方和州級別的政策制定者之間開展相關合作來制定監管框架。同時也需要與掌握自動駕駛關鍵技術的私人企業，例如自動駕駛車運營商nuTonomy和Optimus Ride（兩家從MIT走出來的當地公司），進行合作。在僅僅開展試點一年之后，我們可以此作為擴展試點項目的里程碑，為全世界希望開展自動駕駛測試的城市提供借鑒。

1

從第一英里到上千英里

馬薩諸塞州和波士頓市一同制定了一個包含有拓展區域，里程，測試條件和車內乘客的測試計劃。這個計劃會針對每個自動駕駛企業進行微調，企業也都簽署了理解州和當地政府的備忘錄，但該計劃為拓展測試計劃提供了一個清晰的框架。計劃的每個階段包括定義明確的測試范圍，和為了進入下一階段自動駕駛車企業需要向當地和州政府展示的相關要求。nuTonomy實施了一套在波士頓街道上多階段的測試方案。作為第一個開展試點的公司，nuTonomy提供了進行自動駕駛測試的案例：

階段A

第一階段重點在對道路測試進行技術準備。包括測試區域的高精地圖，以及為自動駕駛所需要的軟件采集必要的數據。

階段B1

在2017年1月4日，nuTonomy啟動了該階段的路測。它在南波士頓的工業園區內完成了第一英里的測試。該園區因其內部含有公共道路，且交通環境簡單清晰而被選中。B1階段包含有2017年1月一個月內，100英里良好天氣的白天測試歷程。

階段B2

B2階段將測試擴展到了夜間和混合天氣狀態下的自動駕駛。由于B2階段在二月份啟動，測試車輛經歷了一些雨雪天氣。事實證明雨雪天氣是自動駕駛技術的一大挑戰。下雪不僅會影響車輛的軌跡，還會影響傳感器如何感知環境。nuTonomy在新加坡的測試就沒有這種挑戰。

海鷗也對波士頓的自動駕駛車測試帶來了挑戰。海鷗會站在街上，且并不會在nuTonomy的電動車安靜地靠近時飛走。面對海鷗，車上的傳感器會直接檢測到一個物體并迅速停車，和海鷗形成了一個“對峙“的場面。在這種情況下，nuTonomy的工程師讓車向前一小步來讓海鷗飛走。

階段C

在2017年3月，nuTonumy獲得了該階段的許可，得以覆蓋南波士頓更大范圍。這次拓展的測試區域不僅包括更具挑戰性的交通和街道布局，該包括波士頓南站——目的在于對自動駕駛車在多模式交通環境下進行測試。每天有超過200000通勤者通過波士頓南站。其中90%的通勤者會選擇步行，因此自動駕駛車在車站附近會面對大量的步行交通。

整個2017年，nuTonomy持續拓展自己的測試。公司在年中宣布在車輛與用戶交互方面與Lyft開展合作。同時，nuTonomy也希望自己的自動駕駛車能夠在lyft的打車平臺上線，更早地與乘客見面。在2017年11月，一位在海港地區的乘客第一次打到了nuTonomy的自動駕駛車。初期的反饋十分良好。例如，第一位合法的盲人乘客形容他的出行經歷為“所有我能想到的美好詞匯。”

2

從一家測試公司到三家測試公司

到2017年6月，波士頓街頭的自動駕駛測試車隊得以擴展，加入了波士頓第二個和第三個合作伙伴——Optimus Ride和Aptiv。

Optimus Ride在17年的2月份申請了測試牌照。和nuTonomy一樣，Optimus Ride也誕生于MIT，但關注點略有不同。Optimus Ride的車是四座到六座的Polaris型號，看起來更像是高爾夫球車，而不是乘用車。公司致力于解決第一公里和最后一公里問題，為乘客提供到公交站點的接駁服務。在2017年6月，馬薩諸塞州和波士頓市批準了Optimus Ride作為第二家正式的自動駕駛車測試合作伙伴。

Aptiv作為一家從德爾福分離出來的自動駕駛和電子器件公司，很快成為了第三家合作伙伴。Aptiv向自動駕駛技術投入巨大，且和科技公司IBM，Mobileye以及寶馬等車廠開展合作。公司早期的自動駕駛車測試基本通過奧迪Q5完成，現在希望在波士頓測試搭載了Aptiv自動駕駛技術的寶馬5系列車型。在2017年10月，Aptiv宣布收購nuTonomy并在波士頓創建一個新的自動駕駛車技術中心。

3

自動駕駛車測試的五個建議

在波士頓街道上進行的自動駕駛車測試揭示了五條成功的要點。盡管不是所有地方都有雨雪或海鷗，但是波士頓所提供的原則對所有希望開展自動駕駛車測試，為未來交通做出準備的城市仍然具有借鑒意義。

1. 開始階段要有一個明確的愿景和績效考核方式

波士頓的自動駕駛車測試得利于該市此前建立的出行計劃Go Boston 2030。根植于政策目標并基于與上千波士頓居民的互動，這種強大的框架為定義城市的自動駕駛車測試提供了基礎，并將所有內容同既定目標和考核方式聯系起來。

Go Boston 2030 為交通出行定義了三個總體目標：拓展通達性，改善安全性和保證可靠性。Go Boston 2030愿景是將城市道路傷亡從每年20人減少為0。該計劃希望到2030年增加30%的公交出行。這也是自動駕駛車公司聚焦于第一公里和最后一公里問題的原動力，與公共交通形成互補而不是取代公交。希望開展類似測試的城市也應該有相應的具體目標和考核。

2. 在許可階段平衡各方利益

在美國關于自動駕駛車監管的討論，凸顯了聯邦，州和地方管理者在決定誰應該為監管的哪部分負責過程中存在的摩擦。在紐約州的事件反映了自動駕駛車測試過程中遇到的挑戰。州長Andrew Cuomo宣布了通用自動駕駛車在紐約市曼哈頓的測試。紐約市市長Bill de Blasio表示了對安全的擔憂，表達了對計劃的反對。波士頓的應用成功處在于市政府和州政府以統一的姿態與自動駕駛車公司合作，各方可以對協同決策的條件達成一致。

3. 建立一個分層，具有階段性成果的測試計劃

政策制定者嚴格且實際的測試計劃對波士頓頗有益處，因為這樣明確了自動駕駛車公司在測試開始前需要什么及如何開啟下一步，避免了過程中存在的歧異。然而，測試計劃也是動態的，在面對需要的變化時具有一定的彈性。波士頓的整體計劃吸引了額外的測試參與方，并允許測試使用案例的拓展。這種標準，分層的測試計劃很好地作為一個扎實的起點，來聯合各個參與方。

4. 盡早建立公眾信任

波士頓自動駕駛車測試計劃的一個關鍵原則是要涉及市民，保證市民參與到測試過程中來。讓公眾對自動駕駛技術產生信心可以對技術普及產生重要推動，但同時也是極其不穩定的因素——一次事故可能讓輿論瞬間轉向負面，即使自動駕駛技術并沒有過錯。

波士頓在盡可能地增加自動駕駛技術的曝光率。在2017年10月份，一個“機器人街區派對”在波士頓市政大廳舉辦，超過6000名波士頓市民參與并體驗了世界上第一個“自動駕駛車寵物園”。城市的目標是利用慶典活動來增加人們對自動駕駛車的接受度。nuTonumy，Optimus Ride和Aptiv在街區派對上展示了他們的車輛，并為當地居民提供了提問和表達擔憂的機會。

如何結合自動駕駛與現有交通系統

1

城市交通的管理需要全面性的考慮

上文所提到的聯合分析和自動駕駛的影響力分析都表明，單獨關注城市交通的一部分，而不注重全局，將會使得研究角度過于狹隘。實際上，比起具體交通工具，更重要的是乘客和貨物如何在整個城市的交通系統中流動。

制定政策時需要解決的幾個重要問題包括：如何使得乘客的出行需求能夠在一天做更平均地分布以減少高峰時段的擁堵？如何降低馬路上的車輛總數？如何保證自動駕駛不會擴大貧富差距？什么樣的價格優惠能夠促使市民的出行規律與城市的目標更為一致？市政府應該通過多少宏觀控制和法規制定來逐步改變人們的出行方式？我們需要獲得哪些數據來做出正確的投資決策？

消費者決定出行方式時有自己獨特的角度，會注重方便、實惠和環保之間的一個平衡。怎么樣才能幫助消費者更直觀地比較不同的出行方式，并制定出一個符合他們個人出行規律的合適方案呢？

交通運營商的目標是將用戶群最大化并且產生相對較多的利潤，盡管不同運營商可能存在一定的競爭關系，但是從全局來看運營商需要互相合作才能達到自己與乘客以及政府三方共贏的效果。

這三個最主要的利益相關者有不同的利益和動機，因此能夠促進相互之間溝通協作的管理方式是非常重要的。

2

從小做起、逐步擴張

數據平臺的概念對于每個利益相關者來說都是極具吸引力的。世界各地的城市都在關注著這一概念的發展，比如說芬蘭赫爾辛基的Whim區，就是第一個應用了多種交通工具統一付費平臺的城市社區。然而，開發這樣的一個平臺工作量可能會很大，比如設計一個合理的競標系統就需要好幾年。許多城市都在計劃小范圍的試點，希望能夠逐漸在政府、交通公司以及乘客間獲得更多的支持。

總結與展望

1

自動駕駛出租車和接駁車的商業化將很快來臨

全世界各地目前有100多個自動駕駛的試點項目正在進行，從這些試點項目的迅速擴張和科技的高速發展來看，自動駕駛出租車服務將有望在2018年現身一些超大城市的街道，并開始加快發展。2018的第二季度，Aptiv宣布將在拉斯維加斯通過Lyft的平臺放出30輛自動駕駛汽車，與此同時Waymo也完成了測試指標并且在真實街道上進行了司機坐在后排而不是駕駛座的測試。很多自動駕駛的接駁車也在世界各地很多公共或私人的道路上進行了測試。自動駕駛真正成為城市出行的一部分的那天將來得比我們想象得更快。

2

其他城市從波士頓案例中獲取經驗

從世界經濟論壇到波士頓咨詢公司，這一案例并不僅僅是關于波士頓本身，更多的是要展現自動駕駛在世界各地的城市中所藏有的潛力，波士頓試點能夠成功的一大重點就是不同利益相關者之間的溝通和協作，包括政府、交通公司、學術界、自動駕駛與城市出行工作組，以及波士頓咨詢公司。要想為自動駕駛制定一個合理的政策環境，深入了解顧客的需求、行為改變的規律以及這些改變對城市交通的影響是十分必要的。

3

世界經濟論壇

對自動駕駛和城市交通的研究還在繼續

隨著自動駕駛項目進入下一階段，項目總部將設立在重塑城市交通計劃下屬的第四次工業革命中心內，論壇的自動駕駛和城市交通工作組將繼續協助各利益相關者之間的溝通，并且將波士頓的成功案例分享給世界各地的其他城市，并且進一步明確自動駕駛相關的重點管理缺口。