自動駕駛車輛在美國國內實際運行中的限制因素評估及對策研究

（弗吉尼亞大學城市與環境規劃系，夏洛茨維爾弗吉尼亞州22903）

0 引言

自動駕駛技術在最近幾十年迅猛發展，自動駕駛車輛和服務模式的研究與測試越來越常態化。自動駕駛技術有助于緩解城市交通擁堵，減少交通事故率，拓展服務對象群體，擺脫對傳統機動車出行模式的依賴，最終實現巨大的經濟、環境和社會效益[1-2]。然而，公眾與學術界對自動駕駛車輛在實際運行中的可靠性抱有合理的懷疑。研究證明，若事先未做好充分的準備，自動駕駛技術的直接應用不僅無助于解決反而會加劇城市交通的痼疾[3-4]。因此，當前的研究重點大多在新交通方式對城市交通的各種影響，以及城市交通政策與交通規劃如何引導其成為被出行者們所期待的“以公眾利益服務為導向的交通科技革新”[4]。

在中國，北京、上海、廣東、重慶、浙江等省市相繼啟動了自動駕駛汽車測試，并已出臺地方性的規范性文件或規章制度。2019 年，多部委聯合發布了全國性的道路測試規范框架。同年4月，公安部印發《智能網聯汽車道路測試管理規范（試行）》，第一次從國家層面就規范自動駕駛道路測試作出規定。同年7 月，交通運輸部發布了《自動駕駛封閉場地建設技術指南（暫行）》（以下簡稱《指南》）[5]。但是《指南》內容深度有限，針對更為復雜的自動駕駛規章制度的細節有待完善。從系統性的發展規劃方面看，中國也早已啟動對自動駕駛車輛戰略與規劃框架的制定工作，2020 年出臺了《智能汽車創新發展戰略》，為國內自動駕駛技術的發展方向奠定了基調。

在美國，聯邦政府于2016 年9 月出臺了《聯邦自動駕駛汽車政策指南》，將自動駕駛的監管首次納入聯邦法律框架內，要求車輛運營方對自動駕駛汽車道路測試進行全面的安全評估，并與33 個州的監管機構合作構建了自動駕駛汽車監管體系。在這個大框架下，加利福尼亞、密歇根、弗吉尼亞等州逐步放開了自動駕駛道路測試[6]。在發展規劃方面，弗吉尼亞州規劃管理部門發布了《自動化車輛戰略規劃》（以下簡稱《規劃》），旨在規范這一新科技的發展，為弗吉尼亞州指明了自動駕駛技術的系統性發展路線。該《規劃》指出，雖然交通行業當下仍主要關注傳統類型的車輛和相關服務，但是自動駕駛技術帶來的新車輛設計和新服務模式具有巨大的發展潛力，不容忽視[6]。可見，圍繞著一系列明確的中長期目標而建立的監管體系和發展戰略可以顯著提高自動駕駛技術在實際運行中的可靠性。

本文將從自動駕駛車輛的車輛特征、服務模式及融入未來城市交通的可能形式入手，討論其實際運行中存在的限制因素，并尋找應對措施。主要研究以下四個問題：（1）自動駕駛車輛的車輛特征、服務模式與傳統車輛相比有何不同之處；（2）自動駕駛技術會給城市交通帶來怎樣的積極影響；（3）自動駕駛車輛在城市交通實際應用中被何種因素（經濟、政策、規劃等方面）所限制；（4）針對限制因素，交通從業者、決策者以及其他利益相關者運用何種對策。本文將結合美國國內具有代表性的試點項目實例，研究城市如何擁抱這項新技術，并推測其在未來的合理形式。同時，本文的研究也印證了Mohr 博士在1969 年提出的觀點，即在尋求變革的過程中，新規則的制定需要抱有一定的動機，準備充足的資源，并克服有限的阻礙[7]。

1 自動駕駛的概念

根據美國聯邦交通部的定義，自動駕駛車輛是一種配備了完整的自動駕駛系統的車輛，它在沒有駕駛員輔助的情況下也能夠實現自主決策與安全行駛[8]。國際自動機工程師學會（SAE Inter?national） 聯合美國國家公路交通安全管理局（National Highway Traffic Safety Administration,NHTSA）發布了SAE J3016 標準，該標準闡述了自動駕駛的六個不同等級，并對不同自動化等級下駕駛者與車輛各自的分工進行了界定，如圖1所示[9]。目前，SAE J3016 標準仍然是被業界廣泛接受的自動駕駛標準之一。

圖1 不同自動駕駛等級下駕駛者與車輛各自所扮演的角色（SAE J3016標準）

自動駕駛車輛相對傳統車輛具有一定的優勢：更低的出行成本、更優化的行駛路線以及對道路容量更有效的利用[10]。自動駕駛技術能夠很大程度上緩解點對點的出行壓力，擴展城市交通服務的人群（例如老年人和殘疾人），并潛移默化地改變人們的出行方式，也會顯著影響城市的形態和人們的出行，反之亦然[11-12]。交通從業者們需要敏銳地捕捉到新出行模式引發的新變化，適時調整交通政策和規劃[12]。

2 自動駕駛車輛特征

在美國，自動駕駛車輛試運行階段主要測試車輛提供公共交通服務的能力。因而絕大多數公共用途的自動駕駛車輛遵循一些通用的設計規則。每輛車最大承載乘客數一半的乘客擁有座位，另一半乘客則占用開放的站立區域[8]。表1所示為美國自動駕駛公交常用車型的設計參數。

表1 自動駕駛公交常用車型的設計參數

除了設計參數，自動駕駛車輛的主要特征可以概括為以下幾點：

（1）高度科技集成性：自動駕駛車輛的自主決策與自主運行依賴數套車載高科技設備之間的協同運作。

（2）高度自動駕駛（SAE 4 級）：目前幾乎所有的自動駕駛車輛都屬于此等級，即車輛依靠自身各個集成模組獨立完成捕捉環境數據、決策、行駛操作的過程，但是遇到復雜情況時仍需要不同程度的人工輔助。

（3）最高速度與巡航速度均處于保守水平：目前，超過90%的自動駕駛車輛試運行對最高速度和巡航速度有限制，最高速度一般不超過40km·h-1。

（4）載客量在同型車輛中屬于中下水平：每輛自動駕駛車輛可搭載4～15 名成年人，其中3～7名乘客沒有座位，設有1個安全員專座。

（5）自動駕駛車輛的可靠性極易受周邊建成環境的影響：現有的自動駕駛車輛只能對較為有限環境條件下的場景作出精準響應。

（6）與常規交通模式相同的通行權：目前，自動駕駛車輛并不會比常規交通模式在通行權上受到優待[8]。

（7）良好的無障礙通行性：絕大多數的自動駕駛車輛在使用上對殘疾人士非常友好。

3 服務模式特征

目前，美國國內的試點項目仍處于試運行階段，且只提供有限類型的服務，服務的主要特征如下：

（1）公交（客運）服務為主要服務形式：目前，只有很小一部分試點項目中的自動駕駛車輛用于貨運服務，大部分用于公交（客運）服務或兼營兩種服務。

（2）服務暫時免費：在試運行階段，車輛運營方提供的交通服務是免費的；在未來，運營方很有可能收取一定的費用。

（3）與其他運輸服務的兼容性低于預期：大多數試點項目（例如弗吉尼亞州費爾法克斯縣試點項目）的車輛運行路線基本上是專用路線，與其他現有公共交通服務路線完全分離。

雖然自動駕駛車輛還處于試點階段，但是與現有的其他其交通服務相比，其未來潛力是巨大的。Fagnant 和Kockelman 認為其未來的服務模式會根據其是否有固定的路線與站點，服務頻率的大小，是否為不同需求的乘客提供不同的時間表而被進一步細分[13]。第一層級模式是環線接駁服務，這是最基本的服務模式。其路線通常被設置在建成環境復雜程度較小的環境里，例如大學校園、交通量較小的二級道路以及其他封閉的環境。同時，其按照預定的時間表，并沿著指定的路線和固定的站點循環運行。第二層模式是基于出行需求的自定義接駁服務[13]。遵循出行需求使得這種模式的運行時間表更靈活，并且顯著提升其服務能力。乘客可以通過智能手機端應用或車站安裝的設備向車輛反映自己的出行需求。第三層級的服務模式是“點對點”式接駁服務[13]。在理想狀況下，此類模式不但在時間表、路線、站點設置上更加靈活，而且還可兼顧客運與貨運等多種形式。理想情況下，車輛可以在已知服務區域內的任何兩點之間提供接駁服務。但是，這一層級的實現必須建立在極高的自動駕駛技術水平和配套基礎設施建設水平之上。

4 限制因素評估

目前，美國的自動駕駛試運行項目大多集中在加利福尼亞州、弗吉尼亞州和密歇根州。在這三個州，無論是項目自身深度，還是州政府及立法機關層面的探索，均處在美國國內前列。因此，這些試運行項目中體現出的限制因素具有較強的代表性和關聯性。根據限制因素的影響力強弱，本文選取了成本、立法立策環境、數據安全、公共接受度、交通規劃等因素進行深入分析。

4.1 經濟、時間成本

如前文所述，自動駕駛車輛需要使用諸多的科技組件來保證車輛的安全運行。Shladover[14]的研究表明，大多數自動駕駛車輛的成本約為10萬美元/輛。如果將來實現批量生產，每輛車的成本可能會降至25000～50000 美元，但是至少10 年內不會低于每輛10 000 美元。而每年保有、運行車輛的總成本在6000～13000 美元/輛之間不等，具體取決于車型和里程。Shchetko[15]指出，目前每輛自動駕駛車輛在激光雷達測距與光探測系統上至少需要花費30000～85000 美元。其他的經濟成本來自傳感器、車載軟件、車輛維護等。大多數運營方在沒有第三方資金資助的情況下甚至連車輛的購買費用都無法承擔，不僅如此，運營方獲得資助的協議中通常還會附加各種額外采購條款，比如指定車型、生產廠家等。這無疑使得采購過程除了花費大量金錢以外還會消耗大量時間，最終導致試運行項目的整體進度滯后。

即使車輛購買流程非常順利，距離在道路上實際運行仍很遙遠。這期間還會面臨許多意想不到的成本。一方面，車輛保險費、燃料費、維護費和停車費用甚至可能超過車輛本身的價格。另一方面，較為成熟的自動駕駛車輛生產商數量較少，僅有Easy Mile,2getthere,May Mobility 等幾家。這可能導致在試運行期間，運營方可獲得的技術支持非常有限，如果與某家生產商的協商不順利，那么能夠作為替代的生產商也不夠。因為資金提供者不一定會同意支付許可、車輛購買、維護等費用之外的費用，所以一個細微的后勤問題可能導致整個試點項目夭折。

此外，在道路上運行必須得到政府交通管理部門以及附近社區的授權。這個行政過程也比較漫長，增加了項目預期啟動時間的不確定性。目前，取得完全授權的時間會是預期時間的4 倍之多。值得一提的是，新冠肺炎疫情在全美的暴發也給所有試點項目造成了嚴重的干擾，例如，弗吉尼亞州的所有試點項目已經被州交通管理部門強制暫停運行。

4.2 外部的資金來源

大多數試點項目都需要足夠的政府撥款或第三方資助來覆蓋車輛購買以及燃料、泊車和保險等成本。但是，公共來源資金資格審查的日益嚴格和私人來源資金的稀缺使得很多運營方難以籌集到足夠的項目資金。

大多數試點項目投資回報率非常有限，私人出資方也很難確定在之后的正式運營階段是否會有更成熟的商業模式產生，這加深了他們對風險的顧慮。這種顧慮加劇了試點項目獲得私人資金的難度。因此，目前試點項目的大部分資金來自政府等公共機構。以弗吉尼亞州為例，位于費爾法克斯縣的試點項目作為弗吉尼亞州第一個由州財政資助的自主化公共交通示范項目，已經從弗吉尼亞州鐵路和公共交通部（Virginia Department of Rail&Public Transportation,DRPT）以及弗吉尼亞電力公司（Dominion Energy Virginia）獲得了超過20 萬美元的資助[16]。另外，密歇根州交通部（Michigan Department of Transportation,MDOT）汽車研究中心也在2019年年度報告中提到，雖然有相當一部分公共資金用于自動駕駛車輛（例如通過“尖端科技緩解交通擁堵計劃”“交通擁堵緩解與空氣質量提升計劃”及“聯邦土地與交通計劃”），試點項目還是在公共（聯邦政府和機構、國家政府和機構等）資助來源遭遇了其他項目的激烈競爭，自動駕駛試點項目通過有限的資金來源獲得資助的能力被這種競爭進一步削弱了[17]。

4.3 立法環境

根據MDOT 2019 年度的官方報告，只有少數幾個州（弗吉尼亞、加利福尼亞、密歇根等）對自動駕駛車輛立法相對完善[17]。以弗吉尼亞州為例，州立法機構在2016 年通過了H454 號法令，旨在對自動駕駛車輛相關問題進行明確。其主要涉及兩條與自動駕駛車輛有關的細節：第一，法案將自動駕駛車輛列入了特殊牌照豁免條款的車輛種類中，即高等教育機構和州政府認證的研究機構可以僅以研究為目的，而不用再強制申請特殊牌照便可直接在特定的州內公共道路上行駛；第二，本州自動駕駛車輛即使裝配有用于監視車輛內外情況的攝像設備，其仍然可以從“禁止本州車輛安裝此類監視裝置”的法律條款中豁免，而不會被追究任何法律責任[17]。雖然弗吉尼亞州對那些僅以研究為目的的自動駕駛車輛在部分方面給予了優待，但對其在道路上運行幾乎沒有給予任何其他“特權”。雖然該法案的通過對于前期準備階段的試點項目是重大利好，但是對于后續運行階段來說仍顯得保守。

與弗吉尼亞州相比，加利福尼亞州對于自動駕駛車輛的立法內容則更為詳細和具體。加利福尼亞州的SB 1298 法案規定了在州內公共道路上進行自動駕駛車輛測試的具體要求，包括數據政策、車輛保險、在危險時轉為手動駕駛的能力等[18]。SB 1298法案顯示了加利福尼亞州在這方面的遠見，加利福尼亞州交通管理部門和立法機構認真地評估（研究性/商業性）了自動駕駛車輛未來在道路上行駛的可能性。2015 年，經過多次修訂的法案正式明確了加利福尼亞州對于（研究性/商業性）自動駕駛車輛資質的認定標準與要求，包括車輛注冊編號、供應商資質要求等方面的具體規定。

此外，法案還要求對自動化駕駛車輛的立法增設強制性的公開聽證環節，并要求車輛管理部門與車輛生產商、運營商建立強效的聯絡機制，方便對自動駕駛車輛進行更嚴格的監管。由于在信息技術和相關立法等方面均處于全美領先地位，加利福尼亞州政府已經率先向相關的科技巨頭（例如谷歌）提供了正式的政府授權，批準它們參與自動駕駛車輛相關的研究與測試。

4.4 交通責任認定

常規巴士的司機是車輛的唯一決策者和事故責任人，但是當司機遭遇某些不可抗因素時，他們通常不會被追究相應的責任。與常規的公交巴士不同的是，自動駕駛車輛配備了最先進的環境感知設備，完全依靠車輛系統本身進行決策，并不配備司機。因此，如果車輛造成了交通事故，誰應該承擔事故的責任是有爭議的法律問題。美國信息與社會中心（The Center for Internet and So?ciety）指出，自動駕駛車輛的交通責任認定必然會在法庭上引發爭議[18]。這種爭議的內核是：車輛生產商和運營方是否具有連帶責任的問題，即二者是否該對因自動駕駛車輛的誤判而造成的后果負責。如果需要負責，該如何認定責任的分配？目前，加利福尼亞州在應對自動駕駛車輛的責任認定上已經取得了一些進展。該州頒布的法律要求“在車輛數據記錄功能完整的情況下，車輛運營方必須將事故前后30秒的車輛數據作為證據提交法庭，以協助認定事故中的責任[19]。”

4.5 數據隱私

在信息時代，數據的安全問題一直受到大眾關注。在加利福尼亞州，一位立法者對自動駕駛汽車的數據安全提出了幾個尖銳的問題：誰會是數據的所有者？什么類型的數據將被收集與存儲？這些數據將與誰共享？這些數據將以何種方式提供與呈現？這些數據將被用于什么目的？[20]

與傳統的客運巴士相比，自動駕駛車輛配備了更豐富的數據收集裝備，如整套的傳感器和攝像頭。如果自動駕駛車輛的運營方愿意，它完全有能力收集到詳盡的車輛運行數據以及個人隱私數據。因此，公眾所擔憂的隱私泄露問題是真實存在的。無限制的數據收集，無授權的數據共享，乃至界限模糊的數據所有權可能會給自動駕駛車輛的運行帶來難以想象的法律問題和巨大的輿論壓力。

4.6 公眾接受度

試點項目的重要目的之一是確定當地社區的居民對自動駕駛技術的接受與認可程度。在費爾法克斯縣的試點項目中，運營方選擇使用問卷調查的方式來了解公眾接受度。具體做法是在車輛內放置意見簿及電子問卷的二維碼。然而，使用問卷調查以了解公眾接受度的最大問題之一是數據的精確度。首先，乘坐自動駕駛車輛的乘客樣本可能存在抽樣偏差，乘客們大多來自同一個地區，或是擁有相近的家庭收入和機動車保有數量，因而代表性并不高。其次，與通過手機和網站進行的長期調查相比，車內的問卷雖然回復率更高，但是信息的精確度與可靠度更低。

調查公眾態度過程中的另一個問題是它有著很強的主觀性。在車輛運行區域內的公眾對自動駕駛技術的機制有了更多的了解后，公眾的反對和抵觸就會一定程度上減少。自動駕駛巴士與人們更熟悉的傳統客運巴士有著很大的不同，并且自動駕駛技術仍在以日新月異的速度更新著。可是當前的公眾宣傳工作不到位，安全性研究、可行性研究和實際運行得到的證據仍較為缺乏，導致連運營方的部分員工對自動駕駛車輛也抱有懷疑，這無疑使得公眾接受這項新科技更加困難。

實際上，試運行是無意識中將一部分乘客群體排除在外的，這種不公平對待必然會招來部分公眾的反對。正因為公眾的意見對政府立法、立策、分配公共資金有深遠的影響，公眾的反對毫無疑問將成為限制自動駕駛車輛運行的因素之一。

4.7 配套的交通規劃與分區

在美國各級政府制定的交通規劃和分區規劃中，關于自動駕駛車輛的內容非常有限。交通規劃師們似乎因為自動駕駛車輛當下的種種安全問題，并沒有在中長期規劃中詳細考慮自動駕駛車輛的應用場景，更沒有考慮如何將自動駕駛科技整合到未來的交通系統中，以及其對未來交通投資的影響。此外，這種新模式對未來交通分區也有顯著影響，然而交通管理部門并沒有就其對出行模式、泊車需求等方面的影響予以足夠的重視，亦無逐步對交通重新分區的長遠規劃。

5 對策分析

5.1 降低車輛的購買門檻

一是盡可能地降低自動駕駛車輛的購買門檻，優化車輛的購買流程。政府方面可以給予車輛運營方一定比例的購車補貼，而車輛生產商則可以給予車輛運營方一定的購車價格優惠，適當減少購車合同中的綁定條款，保證整個購車流程的順暢。

二是使車輛運營者獲得的外部資金來源多樣化。政府或者公共機構背景的贊助者們可以在評估自動駕駛車輛試點項目時擁有更大的權重，自動駕駛項目在資格審核流程中可以被給予一定的優先權。同時，公共贊助者們可以使得已經通過審核的自動駕駛項目通過綠色通道優先獲得所需資金。除了公共背景的資金來源之外，自動駕駛試點項目的運營方可以嘗試拓寬資金來源的種類，尋求一定比例的私人資金，以支付項目中產生的部分額外費用。這些私人資金可能來自車輛廣告商或汽車工業從業者。目前，大多數試點項目都是以研究為最主要目的，并沒有收取乘客任何費用，但是運營方可以在未來的運營中收取一個可接受的費用來補貼運營成本。

三是盡可能促使自動駕駛車輛的生產商在本土開設分支機構，并加速生產線與供應鏈的本土化進程。這可以進一步減少購車后續的維護成本。截至目前，最知名的幾家自動駕駛車輛生產、供應商，如Easy Mile、NAVYA 和2getthere，均已經在美國開始了生產線本土化的進程，并配套設立了駐美國辦事處和其他分支機構。這些生產線已經可以直接向美國國內的合作伙伴提供高效、及時的服務。

5.2 建立完整的監管規范框架

在自動駕駛技術通過道路試驗不斷取得突破的同時，公眾的安全也必須得到保障，這要求監管者們建立一套完整的監管規范體系。此外，在目前的監管與政策制定中，自動車輛商用化還存在許多問題，而受到的關注非常有限。基于這些已經存在的問題，新的監管框架需要立足于這項技術尚處于新生狀態的現實以及其在受到合理監管下能夠獲得廣闊市場利益的前提之上。一般來說，上級政府的立法機構和交通運輸機構需要負責框架的整體架構，而相應的地方機構與部門需要因地制宜，在這一大框架下制定具體的地方性規定。例如，弗吉尼亞州已經開始在州一級立法機構的牽頭下開始細化聯邦政府通過的自動駕駛車輛監管規范框架（以下簡稱規范框架）。

首先，無論是規范框架的上級制定者，還是中下游完善者，都應該對自動駕駛的一些專業術語和定義進行統一。在美國各州的法律與規范中，“autonomous vehicle”一詞的使用最為普遍，但“automated vehicle”“automated driving systemequipped vehicle”和“automated motor vehicle”等名稱也被許多州和專業人士所使用。這些術語的表達或多或少有些重疊，因而還需要利用相近但不同的概念，如“自動技術”“操作員”“自動模式”“自動駕駛系統”等來統一解釋。對車輛生產商、服務供應商而言，對SAE J3016 標準中L4和L5層級下的自動化術語進行統一是比較急迫的需求。

其次，將自動駕駛車輛所有的許可要求進行規范化也是核心措施之一，這也是自動駕駛車輛被允許在公共道路上進行測試的必要條件。其中，最重要的包括對測試道路的要求，對自動駕駛車輛本身的要求，對運營者和供應商的要求，以及突發情況申報的義務。

在美國的聯邦政府一級，自動駕駛車輛都被要求先取得特別許可方可上路行駛。聯邦政府基于聯邦機動車安全標準（Federal Motor Vehicle Safety Standards,FMVSS），形成了一套較為全面和詳細的自動駕駛車輛規范，并允許下級州或縣政府的許可授權機構在許可延期、行政處罰等細節方面具有一定的靈活性。例如，除非其事先獲得了交通管理部門特定的豁免，自動駕駛車輛通常被要求在特定的路段行駛，并遵守所屬地的道路交通法規。此外，框架還規定自動駕駛汽車的運營方必須為車輛購買一定金額的保險，例如，加利福尼亞州要求的保險金額為每輛車至少500萬美元。

同時，規范框架還需要根據自動駕駛車輛在用途上的不同，對車輛在公共道路上行駛時的“真實”“非測試”等字樣的外觀標識及內部裝置制定詳細的標準。例如，根據FMVSS的規定，政府要求所有上路的自動駕駛車輛裝備“黑匣子”（該設備能夠以只讀格式存儲碰撞前至少30s的傳感器數據）。同時，自動駕駛車輛還應配備故障警示系統來提醒駕駛員或安全員適時進行人工干預。由于自動駕駛車輛內置有各種新科技模塊，在特定情況下可能需要駕駛員/安全員具有超出駕駛普通機動車之外的技術，因此他們可能需要持有特殊的駕駛證。在加利福尼亞州，作為自動駕駛汽車的駕駛員/安全員需要持有特殊類型的駕駛證，而取得這種駕駛證必須學習國家規定的特殊駕駛課程并通過考核。規范框架還需要明確建立一個清晰的事件溝通機制，例如，自動駕駛車輛在任何突發情況下都必須及時向當地交通管理部門報告。

最后，如何解決自動駕駛車輛面臨的責任認定問題也是規范框架下的重要內容之一。規范框架需要明確車輛生產商、車輛運營方、駕駛員/安全員、車輛自動駕駛系統供應商的責任邊界。因此，規范框架本身仍需對自動駕駛車輛責任認定的細節作進一步的完善，力求明確各方在不同的交通場景下的責任歸屬。

5.3 制定合理的數據政策

為了保證車輛的正常運行，自動駕駛車輛運營方擁有收集和存儲部分必要數據（如車輛自身的安全數據、服務日常運行的數據）的正當需求。爭議點在于運營方是否有權利收集所有運行相關的數據，以及是否有權利把部分數據與他們的第三方合作伙伴（如保險公司）共享。關于車輛行駛數據部分的爭議相對較少，因為美國國家公路交通安全管理局及其他交通管理機構自1970年以來一直在收集車輛的行駛數據，以支持它們履行提升道路交通安全的職責。因此，它們被允許以申請授權訪問的形式來獲取相應的行駛數據，但是整個獲取流程中如何對隱私進行保護的細節仍然需要進一步明確。

但是，如果運營方將諸如乘客特征、里程數、路線信息或其他匿名運行數據不加篩選地分享給政府、交通機構、規劃部門等，那必然會引發公眾對數據隱私問題的擔憂。毫無疑問，自動駕駛車輛的出行數據的合理使用可以幫助政府決策者、交通規劃師和工程師對其在道路上的運行狀況進行監測與評價。交通規劃師可以利用這些數據作出更準確的交通基礎設施投資決策，或是用于制定更科學合理的交通規劃與交通政策。交通工程師們則可以革新性地利用這些數據來升級交通基礎設施。所以，共享車輛運行數據需要權衡利弊。盡管保護運營數據的隱私性是首要的任務，但是任何隱私保護的措施都應與共享數據之后能獲得的公眾利益進行權衡。但是，任何關于乘客個人的出行細節數據（如出行軌跡、上下車站點等），以及任何與乘客的個人信息（年齡、電話號碼、地址等）相關的數據，都必須受到最嚴格的保護。這些隱私性極強數據的收集、共享應該被嚴格禁止。

綜上所述，自動駕駛車輛運營方需要制定合理的數據政策來保護乘客的數據隱私。首先，運營方需要決定提供何種形式的數據、將被允許以何種特定格式（如視頻、音頻、文字）進行收集；其次，其需要明確數據收集的頻率和數據傳輸的形式；最后，其必須確定哪些數據可以與第三方合作伙伴直接共享，哪些需要額外的授權程序（以及授權程序的細節），哪些是嚴格被禁止或限制共享的。

5.4 提高利益相關者的參與度

在美國國內的自動駕駛試點項目中，因為聯邦政府對自動駕駛技術的應用越來越關注，迫切地希望參與到試驗的每一個環節，特別是在車輛類型、路線選擇、法律要求、安全運行、數據政策等方面。因此，聯邦層級利益相關者的加入變得越來越普遍[18]。州層級的利益相關者，例如州交通管理機構，有權決定車輛能否在州內公共道路上運行[18]。此外，鐵路部門和公共運輸部門也可以作為授權者或運營方的合作伙伴參與。而當地利益相關者與州利益相關者類似，是來自當地的協作者[18]。私人利益相關者要么作為資助提供者，要么作為技術協作者，或者兩者兼備。利益相關者的高參與度有助于車輛的配置與管理，減少經濟和時間成本。因此，統籌公私利益相關者各自的客觀需求，建立不同層級利益相關者之間健全的協同機制，是提升利益相關者參與度的重要策略之一。

在弗吉尼亞州，弗吉尼亞交通部（Virginia Department of Transportation,VDOT）和弗吉尼亞機動車管理局（Virginia Department of Motor Vehi?cles,DMV）與Transurban 公司、HERE 公司和弗吉尼亞理工大學交通學院建立了緊密的合作關系，這直接促成了弗吉尼亞州“自動化駕駛走廊”的建立[19]。弗吉尼亞州“自動化駕駛走廊”的目標是在弗吉尼亞州的公共道路上建立一系列統一的測試設施和測試標準，實現自動駕駛技術從學術研究到實際應用的一步到位。費爾法克斯縣試點項目的運營方利用“自動化駕駛走廊”聯合了許多來自政府交通機構、規劃機構、地方社區和私營機構等不同層級的利益相關者，其初步成功正是得益于利益相關者的積極協作。

而公眾則是代表社區利益的重要利益相關者。社區居民更深入地參與到試點項目中即代表著這一層利益相關者的參與度提高。在運行之前，社區將自動駕駛車輛的運行細節（時間表、路線等）告知整個社區，并征詢居民們的意見。車輛運營方則根據社區居民的反饋對運行時間表和路線進行調整。在運行期間，社區居民會被提醒在特定的道路上謹慎駕駛，防止自動駕駛車輛發生事故。從費爾法克斯縣試點項目運行情況來看，自動駕駛車輛追尾事故的頻發給社區帶來了不小的麻煩[19]。弗吉尼亞州交通管理部門聯合社區工作者對乘客群體和其他道路使用者（非動車和行人）進行了長期的科普宣傳，當地的公眾參與度和接受度有顯著提升。

5.5 完善中長期交通規劃與戰略

各級政府可以在中長期的交通規劃中考慮將自動駕駛車輛納入現有交通系統的可能性。可以由上級（聯邦） 政府提供指導方針，而地方（州、縣）政府則為自動駕駛技術制定具體的政策和規劃發展的方向，交通規劃與交通管理部門亦然。在戰略層面，各級政府可以結合實際情況制定針對研發與道路測試的發展戰略。針對自動駕駛車輛配套設施，需要立足數個合理的中長期目標，使成熟的配套設施數量穩步增長。在保證測試設施充足的同時，逐步提升測試設施的質量。

與此同時，交通規劃機構和交通管理部門可以對自動駕駛車輛可能給出行需求、土地使用及交通基礎設施帶來的影響作出定性和定量的預測。根據影響程度的大小，交通規劃師制定中長期規劃與交通政策時可從以下幾點著手：一是借助新技術的發展，不斷完善原有的政策規范框架，例如數據政策部分；二是探索城市交通分區、交通規劃及城市設計的新形式；三是合理地處理新出行模式與現有出行模式的關系，包括新模式內部之間的關系（如與共享交通的關系）；四是通過探索新型的公私合作關系，達到提升服務能力、拓展線路可達范圍、保證多樣化出行選擇的目的。

6 結語

美國國內諸多具有代表性的試行項目均暴露出運行（經濟、時間）成本高昂，配套交通規劃及相關政策框架不完善，數據安全隱患較大，公眾接受度較低等限制因素。這些因素極大地限制了自動駕駛技術對未來交通系統的改造力與革新力。因此，需要利益相關者在各自背景下協同合作，合理應對這些限制因素：政府相關部門可以在提供多元化的資助渠道的同時，提供良好的立法立策環境；交通規劃師可以針對性地制定配套的交通規劃和交通政策；車輛生產商可以致力于生產與服務的本土化，簡化車輛購買流程，降低維護服務的成本；運營方可以完善數據的收集分享政策，加強利益相關者的參與度。

隨著自動駕駛技術的日漸成熟和運行的日益深入，還會有更多本文未提及的限制因素出現。當前，政策制定者、立法機構、交通科研人員需要立足于自動駕駛技術核心概念的界定、自動駕駛級別的劃分、自動駕駛利益相關者的合作機制以及各級政府部門的管理職責等核心問題，深入探索自動駕駛技術對社會經濟、出行方式、土地使用模式與交通政策產生的深遠影響。而面向未來，自動駕駛車輛如何更好地、有機地融入現有的交通系統，自動駕駛技術如何充分發揮其革新性優勢，以何種形式促進國家發展、造福民眾等，將是下一階段研究的重點。