【论文分享】自动驾驶技术如何重塑城市公共停车资源配置?

高等级自动驾驶技术赋予车辆自主驾驶能力，使“异地停车”成为可能。它既有望缓解停车难题、释放城市核心区域土地资源，也可能因新增空车出行而加剧交通拥堵。在自动驾驶时代，停车资源配置不只是停车设施规划问题，而成为交通系统与土地利用协同优化的重要议题。本文从城市路网视角出发，探讨如何统筹交通系统运行与土地利用效率，实现城市公共停车资源的优化配置。

自动驾驶技术给居民出行带来最直接的变化之一，或许并不是“自动驾驶”，而是“自动停车”。当车辆具备全自动驾驶能力后，出行者到达目的地后无需再寻找停车位，车辆可以自主驶往其他区域完成停车。这种“异地停车”模式一方面有望缓解停车难题，释放城市核心区域大量停车用地，为商业、办公和公共空间创造更多发展机会；另一方面，也可能会带来新的问题——车辆在载客结束后需要空驶前往停车场，由此产生的额外交通需求可能加剧道路交通拥堵。

因此，在自动驾驶时代，停车资源配置不是单纯的停车设施规划问题，而成为连接土地利用与交通系统的重要纽带。停车位建在哪里、配置多少，不仅影响城市土地开发模式，也会改变车辆出行需求及其空间分布。如何在提升土地利用效益与保障交通运行效率之间取得平衡，成为未来城市规划面临的新课题。

围绕这一议题，本文聚焦自动驾驶背景下的城市公共停车资源规划，试图回答以下两个问题：

（1）自动驾驶汽车完成一次出行后，既涉及载客出行，也涉及后续空驶停车（如图1所示）。如何刻画车辆在路径选择、停车地点选择以及空驶路径选择共同作用下的网络交通流分布规律？

（2）在充分考虑上述行为机制的基础上，如何从交通与土地利用协同优化的视角出发，确定城市范围内公共停车资源的规模与空间布局？

其中，第一个问题为理解自动驾驶时代网络交通流演化规律提供分析工具，第二个问题则直接服务于未来城市停车资源规划决策。

为了分析自动驾驶时代的停车与交通问题，本文构建了一套网络分析工具。其中，核心是一个面向自动驾驶汽车（Autonomous Vehicle, AV）全行程的网络均衡模型，用于预测路网尺度下的交通流与停车需求分布。

现有研究通常假设停车成本仅由停车地点决定，而忽略了车辆出发位置的影响。然而，对于AV而言，同一个停车地点对不同车辆的吸引力可能并不相同。

以图2为例，两辆AV分别从区域r₁和r₂出发，并前往同一目的地s。完成载客任务后，两辆车均可选择停在r₁或r₂（或具有相同费率的s）。对于从r₁出发的AV而言，停回r₁（即“回家停车”）的停车费用为0，而停在r₂需要支付费用β_r2；对于从r₂出发的AV则恰好相反。因此，即使面对同一个停车地点，不同车辆所承担的停车成本也可能不同。

这种成本差异会直接影响停车选择和交通流分布。如果忽略停车成本与出发位置之间的关联，往往会高估公共停车需求，并低估返家停车的吸引力。

针对这一问题，本文从AV完整行程的视角出发，将载客出行、停车地点选择以及空驶停车过程纳入统一分析框架，构建了面向全行程（journey）的网络均衡（及等价凸规划）模型，为后续停车资源配置分析提供基础工具。

除网络均衡模型外，本文还提出了解析型敏感度分析方法，用于评估自动驾驶发展过程中关键参数不确定性对网络交通流预测结果的影响，为相关规划决策提供支撑。

AV的出现为停车资源配置带来了新的可能。过去，停车场通常需要布局在出行目的地附近；而在“异地停车”模式下，部分停车需求可以转移至城市外围区域，从而释放CBD等高价值区域的土地资源，用于商业、办公或公共空间开发等。

然而，这种调整并非没有代价。停车场越远，AV完成载客任务后产生的空驶距离就越长，由此带来的额外交通需求可能加剧道路交通拥堵。因此，停车资源规划本质上是在土地利用效益与交通系统效率之间寻求平衡。

基于这一思路，本文构建了一个融合土地利用与交通系统的城市公共停车资源配置框架（图3）。在土地资源总量有限的条件下，模型通过优化各区域停车供给规模，协调停车需求、土地开发与交通系统运行之间的相互作用。其中，土地开发模式会影响车辆出行需求，而停车供给又会影响自动驾驶汽车的路径选择和停车选择，二者共同决定整个路网的交通运行状态。

进一步地，本文建立了城市尺度的公共停车供给优化模型（如下）。模型以提升交通系统性能（路网所能承载的出行需求，即路网容量）为目标，同时要求土地利用效益不低于预设目标值Φ（可理解为特定经济效益目标），从而在交通与土地利用之间寻找平衡。模型通过出行需求、停车供给以及出行者行为响应等机制，刻画土地利用与交通系统之间的相互作用。

该模型本质上是一个双层优化问题，文中设计了相应求解算法，并在Sioux Falls和Barcelona路网上验证了算法的收敛性与计算效率。

首先在一个包含CBD的三节点示例网络（图4）上检验模型特征。图5展示了土地利用效率目标Φ变化时，路网容量与最优停车供给的变化情况。

结果表明，土地利用效益与交通系统性能并非完全对立。当Φ处于较低水平时，部分停车用地可以转用于商业开发，而不会明显降低路网容量。这意味着城市能够在基本保持交通服务水平的同时，获得额外的土地开发效益。

然而，随着Φ持续提高，停车供给被进一步压缩，交通系统性能开始明显下降。这说明土地开发与交通系统运行之间存在客观的权衡关系。在本算例中，城市能够在几乎不损失交通性能的前提下，实现约500个单位的土地利用效益提升。

此外，随着土地利用目标提高，CBD区域的停车供给下降速度明显快于其他区域。特别是在较高Φ水平下，部分停车需求开始从CBD向邻近区域转移。这表明，当核心城区土地资源稀缺时，在周边区域提供停车空间可能比继续在CBD内部扩建停车设施更具优势。

本文进一步在经典Sioux Falls路网上设计三种情景进行验证：基准情景、增加CBD（节点10）土地供给，以及增加CBD周边区域（节点9、11、15、16以及17）土地供给。

结果显示，无论是扩建CBD还是扩建其周边区域，都能够提升路网容量；但相比直接增加CBD停车供给，在CBD邻近区域布局停车资源的效果更为显著（图6）。这意味着，当自动驾驶汽车具备异地停车能力后，提升交通系统性能未必依赖于建设更多市中心停车场，而可能更多依赖于CBD周边区域的停车供给。

进一步分析发现，停车需求从CBD向周边区域转移后，自动驾驶汽车会产生更多短距离空驶出行，从而增加CBD与周边区域之间的交通流量。这种现象揭示了自动驾驶时代的一种潜在新型拥堵模式：交通瓶颈可能出现在“离开CBD寻找停车位”的方向。

图7展示了最优停车供给方案。可以看到，无论新增土地位于CBD还是其周边区域，最优方案均倾向于减少CBD停车供给，并增加周边区域停车供给。这说明，部分服务于CBD的自动驾驶汽车只需进行短距离空驶，便可在邻近区域完成停车。

这一结果揭示了一条值得关注的规划思路：自动驾驶时代并非要消除所有空驶出行，而是通过合理布局停车资源，引导“短距离空驶”替代“核心区停车”，从而在土地利用效益与交通系统性能之间取得更优平衡。

自动驾驶技术正在重新定义城市停车问题。停车资源配置不再只是“把车停在哪里”，而成为统筹土地利用与交通系统运行的重要议题。本文的研究表明，适度引导停车需求向CBD周边区域转移，并鼓励短距离空驶停车，或许是自动驾驶时代兼顾土地利用效益与交通系统性能的一种思路。

当然，自动驾驶时代究竟会如何到来，仍存在诸多不确定性。混合交通流、共享自动驾驶以及停车定价等问题，都值得进一步研究。

或许在不久的将来，人们不再需要思考“车停在哪里”，而城市规划者需要思考的则是“停车应该为城市创造什么价值”。