添加到Mendeley
共有
提及
https://doi.org/10.1016/j.trpro.2018.10.103
获取权限和内容
根据知识共享许可
摘要
自动驾驶有望彻底改变道路交通，减少当前的外部因素，尤其是事故和拥堵。汽车制造商、研究人员和管理部门多年来一直致力于自动驾驶，并取得了重大进展。然而，需要克服的疑虑和挑战仍然巨大，因为自动驾驶环境的实施不仅包括复杂的汽车技术，还包括人类行为、道德、交通管理策略、政策、责任等。因此，汽车制造商不希望在短期内商业化推出全无人驾驶汽车。从技术角度来看，在高速和长距离下明确检测障碍物是面临的最大困难之一。关于交通管理策略，所有方法都有一个共同的愿景，即车辆应该协同行动。通用V2V合作和排兵是正在讨论的选项，两者都有多种变体。从不同的角度构建的各种策略正在通过模拟进行设计和验证。此外，在高度自动化驾驶的背景下，已经出现了法律问题。它们包括对特殊驾驶执照的需求，以及更复杂的话题，如事故或隐私问题的责任。一旦技术可行，所有这些法律和伦理问题都可能阻碍自动驾驶汽车的推广。本文概述了自动驾驶关键方面的最新技术。根据从该领域顶级研究中心现场获得的信息和文献综述，作者强调了迄今为止最重要的进展和发现，讨论了有关自动交通的不同方法，并提出了未来研究的框架。
上一期文章下一期文章
关键词
自动驾驶汽车技术协同驾驶交通效率汽车自动化的影响
1.简介
昨天，自动驾驶汽车被视为一个梦想，离成为现实越来越近。随着时间的推移
在技术进步的同时，对AV的研究也揭示了它们可能产生的巨大影响
暗示不同的领域。车辆自动化对全球机动性、交通效率、
竞争力、劳动力市场、领土占有率等，尽管不可预见
信心水平。目前的研究为未来的调查和观点奠定了基础
找出了随着技术和车辆的发展而必须牢记的可能弱点。保障用户隐私
防止黑客攻击或恐怖主义只是一些例子。然而，最具争议的话题是
与车辆决策过程。在发生危险的情况下会出现争议，因为AV的行为不会基于
基于个人道德或冲动反应，但基于先前编码在车辆软件中的道德准则。
本文以客运为重点，全面介绍了可
有助于研究人员在这个主题上获得更广泛的观点。本文基于详尽的文献综述
以及作者在访问德国和瑞士顶级研究中心期间收集的信息，
作者对AV未来发展的看法补充了这一点。本文的组织结构如下：
第2节包括关于AV技术的实践状况。接下来，第3节讨论AV的影响
关于交通效率和流动模式。其他主题，如AV对环境的影响，用户
第4节讨论了可接受性以及需要克服的法律和道德挑战。最后，一些
结论见第5节。
2.AVs技术视角
汽车工程师学会（SAE，2016）定义的车辆自动化分类
全世界采用。根据车载驾驶员的不同，可区分六个自动化级别（从0到5）
辅助系统，即在车辆和驾驶员之间分配驾驶任务。级别的车辆
0到2被称为“传统”，因为环境仍然由驱动程序监控。从3级开始
任务由车辆执行。这是一个关键的前沿领域，因为它涉及到车辆必须收集所有必要的
来自环境的数据并对其进行解释。此外，车辆可以负责驾驶任务
某些限制。自动化的顶峰达到了第5级，在那里，车辆被要求执行整个
自主驾驶任务，在所有类型的道路上，在所有速度范围内，在任何天气条件下。除了
原型，目前只有奥迪向公众提供SAE3级别的车型。其他汽车制造商目前正在努力
SAE3和SAE4级车辆，可能在短期内上市。相反，尽管
一些公司乐观地宣布，大多数预测都同意（见表1）
使SAE5级别的车辆在技术上可用，并实现更高的实施率
在整车内
合作自动驾驶的主要代理是车辆、基础设施、云和
乘客的个人设备，必须准确、协调地运行，并有可靠的支持
通信系统。车辆的临时架构因公司和研究中心而异。
然而，在任何设计中都可以找到四个不同的部分：传感系统、客户端系统、动作系统和
人机界面（HMI）。
传感系统负责从环境和其他车辆收集数据。数据
必须针对所有类型的边界条件实时收集。通过以下方式实现了传感精细化
在车辆中使用各种传感器，所有传感器都有不同的优点和缺点，因此是合适的
以支持驾驶辅助的特定方面。例如，为车辆配备激光雷达传感器会导致
显著进步，因为它提供了360º的能见度，并以±2厘米的精度测量距离
距离为60米的激光雷达能够准确地生成附近物体的3D地图
距离高达500米。因此，激光雷达不仅可以绘制地图和导航，还可以检测和跟踪障碍物，
其他汽车、行人等。全球导航卫星系统是对车辆自我定位的补充。
客户端系统由处理数据所需的硬件和操作系统组成。此计算
框架起着关键作用，因为它必须实时i）从原始数据中提取相关和准确的信息
由传感器提供（感知任务）和ii）告诉车辆必须如何进行（决策任务）。非常不同
正在设计各种类型的硬件平台：一些公司选择包含不同
处理器和加速器。其他公司正在开发芯片上系统（SoC）解决方案，这些解决方案是微型集成的
带有微处理器和高级外围设备的电路，后者消耗的能量更少，空间更小
需求，但仍然没有足够的计算能力来实现快速和连续的顺序和
并行数据处理。在这方面，云计算的支持将是至关重要的，也将增加稳健性
系统，即使发生故障也必须继续工作。感知任务包括三个部分：
定位、检测和跟踪，所有这些都是通过不同级别的数据融合实现的。
定位通常通过融合GPS、IMU和LIDAR数据的算法来执行，从而生成高分辨率的地面地图。基于视觉的深度学习技术正在实现对象检测的精确结果，
因为它们能够自主处理大量数据。深度学习技术也已经证明
相对于基于计算机视觉的方法，它们对于对象跟踪的适用性。决策是
AV必须执行的最具挑战性的任务，尤其是在尴尬的情况下。它包括预测、路径
规划和避障，所有这些都是在以前的认知基础上进行的。
动作系统由车辆的机械部件（转向系统、制动系统等）组成
可能会相对于传统汽车进行改进，与AV架构的其他部分保持一致。和
最后，在SAE5级车辆中被称为最低限度的HMI，基本上是面向提供信息的
关于驾驶
尽管有这些车载技术，电动汽车本身并不能带来高效的自动驾驶
计算任务需要外部支持，此外，如果
AV的行为各不相同。需要一个涉及通信的合作环境。AV必须至少
在他们之间进行通信，与基础设施、云、行人、手机和其他
个人设备，成为CAV（互联自动驾驶汽车）。所有这些信息交流都是全球性的
称为V2X通信。建立健全、强大、安全可靠的通信网络
仍然是一个主要问题。这个网络必须能够以非常高的速度传输大量数据
延迟，在所有条件下（天气、交通状态等）并且没有干扰。此外，它必须是安全的
黑客或恐怖袭击，即使在故障条件下也必须能够在一定程度上工作。互操作性
还必须确保不同国家之间的联系。世界各地都在遵循两种趋势：
无线标准802.11p或移动网络的演进，尤其是5G（Intel，2016；Arriola，2017；
沙欣，2018）。事实上，大多数政府都选择了两者的结合，因为两者都有优点和缺点。
在这样一个强大的通信网络下，“云”将在
数据存储和计算（例如高清晰度地图的更新、分布式处理等）。几个任务
分配给车辆的数据也可以在故障的情况下临时转移到云。此外
通信网络将在V2I的基础上发展车载自组织网络
以及V2V通信，由同一区域内的车辆创建，这些车辆充当节点（Zeadally，2010）。因为
车辆移动，VANET变得不稳定，并且只覆盖任意范围，它们被认为是
Margarita Martínez-Díaz等人/《交通研究汇编》33（2018）275–282
4 Margarita Martínez-Díaz和Francesc Soriguera/交通研究出版社00（2018）000–000
与安全、自动通行费支付或导航相关的简单任务。VANET可以链接到云，
他们将负责最重要的任务。这种组合被称为车载云网络
（VCN）（Gerla，2014；Ahmad，2015）。另一种雄心勃勃的方法是车联网（IoV）（Yang，
2014），基于物联网的想法，预计不会在中期实现。
最后，基础设施的技术改进也是必要的。首先，那些旨在帮助
执行感知任务的AV：水平和垂直路标必须清晰完整，道路布局
应尽可能平滑等（Bosetti，2015，García等人，2017）。第二，V2I相关技术必须
已部署。同样，不同的行政部门共同努力，试图设计一个具有跨国界连续性的系统。
3.AV对移动性的影响
3.1交通效率
AVs的第一批原型采用了极其保守的参数设计，以确保安全和
方便以时间间隔为例，在人类驾驶中典型的0.8-1秒之前，将AV设置为2秒
（Diakaki，2015）。此外，AV的加速和减速应该平稳，并且需要变道
只有在非常有利的条件下。许多研究得出结论，如果AVs的发生率相当高
在这种驾驶行为的交通流中引入，由于容量减少，拥堵将增加。
平均高速公路的通行能力损失估计约为600辆车/小时/车道
（Ntousakis，2015）。解决方案并不明显，因为很少有人敢乘坐自动驾驶的车辆
像人类一样以侵略性的方式驾驶。解决方案在于车辆之间的合作，即车辆
交换信息并做出合作决策，以寻求i）系统的安全性和ii）系统的全局效率，
尽管他们有特殊的兴趣。
驾驶自动化的背景意味着最终成功实现动态
交通管理策略，以必要的技术和协调的方式。这些策略应该
与车辆自动化一起开发，并随着AV普及率的增长而实施。交通
管理策略的设计必须首先应对混合交通环境，然后逐渐
根据AV的百分比的增加进行调整。高速公路交通可能是第一个需要解决的场景，
原因有两个：i）它代表了最受控制的交通环境，因此更适合
第一次测试和ii）几条高速公路已经具备了部分可用的所需技术。高速公路排队可能
是在存在AV的情况下部署的第一个流量管理策略之一。这意味着形成一种
公路列车，其中AVs将以非常小的间距（小于人类驾驶车辆的间距）安全行驶
高速。这个想法并不新鲜，早在1997年加州大学的PATH项目下就有现场实验
伯克利。当时，技术限制阻碍了排兵战略的普遍实施。
如今，该策略正被几家货运卡车公司用于特定场景，包括SAE2级别的车辆
其通常具有额外的自组织队列设备。然而，对于
通用高速公路排队：最低要求的车辆自动化水平，车辆类型（轿车、货车、卡车，
他们的组合等）、排平均差距、平均速度、最大长度等
与传统车辆的互动：共享车道、专用车道、专用道路等。另一个关键问题是方式
车辆应在其中联合或离开车队。例如
苏黎世联邦理工学院交通规划与系统研究所（IVT）开发了一种混合排编队
优化这一过程的战略（Saeednia和Menéndez，2016）。此外，他们提出了一个分布式
基于一致性算法构建/修改卡车车队的合作方法。（Saeednia和Menéndez，
2017）。这些贡献可以针对乘用车车队进行具体说明。很快，技术就不会
无论是排队还是其他先进的交通管理策略，以及交通研究，都不再是一个问题
管理比以往任何时候都更需要。在混合交通中，这种需求更加紧迫和具有挑战性
环境：必须确保人类驾驶员的安全和舒适，同时提高
AV的存在。事实上，已经证明，交通效率随着
CAV的穿透率。当它们达到流量的30%时，增强已经变得明显（Guériau，
2016）。高级交通管理策略的设计是具有挑战性的并且由于完全的AV仍然不可用，
半自主探测车或模拟正在被用来分析其影响。事实上，大多数研究
迄今为止开发的都使用了微观模拟软件。由于宏观研究只考虑平均交通量
参数，这种微观方法最初更符合逻辑，用于研究车辆之间的协作，以定义最优
间隙和速度等。然而，需要大量不同的参数，甚至更糟的是，需要经验参数
如今无法进行校准。这并不意味着迄今为止开发的研究是无效的，但
结果的准确性将取决于所选参数的充分性。为了克服
这些局限性，巴塞罗那理工大学的研究人员正在进行一个项目，以解决AV对
从细观的角度看交通流。COOP项目“混合环境下的高速公路合作驾驶策略”
无人驾驶和传统车辆的环境”，特别旨在定义车队交通管理
混合环境中的策略。简单地说，介观方法包括在
车道水平。几个微观假设仍然是必要的，但它们比微观假设所要求的要少得多
模型和所有这些都有物理意义，更容易预见。目前的结果是有希望的。
3.2对流动率和流动模式的影响
拼车、叫车和拼车系统的用户数量正在持续增加。更多和
越来越多的人，尤其是年轻人，出于多种原因，认为拥有汽车是不必要的，甚至是不可取的：
私家车通常比在行驶中花费更多的停车时间（根据最近的分析，每天20-23小时），
它们的购置和维护成本很高、城市地区的停车和拥堵问题很大，
城市地区存在高效的出行替代方案，发达社会的可持续性意识正在增强，
这种使用车辆而不是拥有车辆的趋势预计将在
未来几年：首先，共享和叫车服务的可用性将增长，而且由于
规模经济。其次，AVs是支持这些移动性举措的理想选择，因为已经拥有
技术部分，节省的劳动力成本将对企业家具有吸引力。此外，成本越高
AVs的所有者将支持其共享使用，而不是私有。基于电动汽车的共享系统有望实现
得到行政部门的推动和公众的广泛接受。可以从中得出的第一个结论
前一个考虑因素是整个车队将趋于减少（Grosse Ophoff等人，2017；Litman，
2017年；等等）。据估计，到2030年，欧洲和美国的车队数量将减少22-25%
（Kuhnert和Stürmer，2018）。关于流动率，没有达成一致：几位研究人员估计
每名乘客的车辆公里数减少，但车辆公里数总体增加。两者加在一起意味着
更高的社会个人流动性。前者与共享有关，因为车辆可以运送更多的人
在每次旅行中（目前汽车的平均入住率为1.3人。共享汽车的入住率预计还会增加）。
然而，最近的研究（Correia和van Arem，2016；Milakis，2017）对这一预期和观点提出了质疑
由于私人AV为
例如，一旦主人到达目的地，就要停车。不仅如此，集体的配置
交通系统也将至关重要。共享系统只会提高流动性的效率和可持续性
如果它们取代了私家车出行，而不是乘坐公共交通的出行，公共交通的占用率更高，因此更多
有利于可持续发展。如果共享可以作为集体运输的补充
例如，覆盖通勤者前往低密度环境的最后一公里路程。公共交通必须
通过集成MaaS.等按需服务来适应这些新场景。首先的分析表明，这种权衡
在必要的投资和整体效益之间是非常积极的（Barceló，2016）。关于增加
在整个车辆公里数中，这将是由于
车辆的使用率及其共享使用。因此，货运和客运预计都将增长。
此外，随着非驾驶员、非常年轻或非常年老的人等能够使用，用户范围将不断扩大
AV
3.3安全相关方面
由于车辆的改进，大多数发达国家的道路死亡人数一直在下降
技术（例如驾驶员辅助系统、更强的车身、被动和主动安全系统等）
交通管理部门努力消除事故的主要原因（即使用安全系统、超速行驶、驾驶
在酒精/毒品、驾驶时使用手机的影响下）。但是，发展趋势
像印度这样的国家恰恰相反。在全球范围内，与交通相关的死亡人数仍然巨大，与
许多国家追求零愿景（即无事故）。合作的自动驾驶环境不会
能够避免所有事故。然而考虑到90%的事故源于人为失误，
预计它们将降至最低（Koopman和Wagner，2017；Gear 203017）。两个重要
为了取得这样的成功，必须满足以下条件：i）完全AVs的渗透率必须很高；ii）
合作交通管理策略必须充分发挥作用。否则，行驶公里数的增加可能在一定程度上抵消事故数量的减少。其他类型的风险也必须
阻止。例如，AV的乘客变得过于自信并放弃使用安全带的可能性，
或者行人鲁莽地过马路，以为自动驾驶汽车不会从他们身上碾过。更危险，AV和
V2X作为一个整体可能是黑客或恐怖分子的吸引目标：勒索软件或恶意软件可能很容易
通过网络分发（Douma和Aue，2012；Litman，2017）。各国政府正在分析这些问题
并期望构建一个能够抵御此类攻击的极其安全的系统。尽管
被黑客入侵的通信仍将存在，至少有可能在很短的时间内恢复控制
（BMVI，2015；沙欣，2018等）。
4.关于AV的进一步考虑
与以往所有运输革命一样，支持或限制广义
AV的实现将超越那些与移动性直接相关的。例如
尊重全球变暖和其他环境影响将发挥根本作用。电动汽车的数量
与车辆自动化一起发展，因为它们的主要缺点（例如缺乏足够的充电网络
或与电池相关的续航里程焦虑）预计会在短期内减弱。电动汽车的公共激励措施
维护成本降低，燃油经济性标准和电动汽车强制令的引入
以内燃机为动力的汽车等因素肯定会影响过渡过程
朝向AV。有了自动驾驶汽车，电动汽车将最终占领市场。此外
包括AVs在内的管理策略可以提高交通效率，从而有助于进一步减少污染物
排放（Ding和Rakha，2002；Soriguera等人2017）和能源消耗（Wadud等人2016）。事实上
自动化已经在推动生态驾驶（Barth和Boribonsomsin，2009；Yang等人，2017）。
AVs还将影响土地使用，并可能对领土产生负面影响。AV被认为会激怒城市
由于较低的交通成本以及利用旅行时间工作、休息等的可能性。
（Meyer等人，2016）。此外，预计到2050年，70%的人口将生活在城市。城市规划者必须工作
以确保城市蔓延将尊重绿色、农业和休闲区。此外，按需管理良好
为了防止
由于通勤时间较长而造成的拥堵。例如，城市周边的停车换乘设施将产生
自由城市空间与更可持续的城市
必须考虑的另一个重要方面是人们对AV的可接受性。有些人不信任离开
他们的生活“掌握在”机器手中，其他人不愿分享个人数据，最害怕网络攻击等
此外，一些游说团体可能将AV视为竞争对手：出租车、专业司机、传统车库等被称为
适应或消失。事实上，劳动力市场的调整是AVs的另一个影响，必须在
介意相反，其他部门将利用车辆自动化，如与信息学和
通信。技术爱好者、环保意识强的人、，
当然，还有那些如今流动性降低的群体。其他利益相关者对AV的可接受性，
像行人、骑自行车的人或传统车辆的司机一样，也必须考虑在内。最后，这一点不容忽视
年龄、性别、社会环境和教育也在这方面发挥作用。最有可能的结果
讨论的是，进步总是最终被接受的。尽管如此，教育运动应该
旨在清楚地告知人们AV可以给社会带来的优势和劣势，
最后但同样重要的是，车辆自动化需要重大的政策变化以及新的立法。事实上
预计法律方面将推迟自动驾驶汽车的推出，而不仅仅是技术方面
挑战。例如，一项由74个国家于1968年在维也纳批准并于2014年3月修改的协议，
坚持认为驾驶员有责任控制他们的车辆。因此，SAE5级车辆不包括在
这项规定。必要的驾驶执照类型的定义以及获得执照的条件
Margarita Martínez-Díaz等人。/运输研究程序33（2018）275-282
也应予以解决。似乎有必要让AV的负责人了解驾驶规则以及如何
操作车载技术。强制性的定期车辆修订也将从根本上改变。这些是
为明天的AV制定必要的法规。然而，我们也需要面对今天的规定。法规
必须开发旨在促进在真实环境中测试自动化车辆的系统。发生以下情况时的责任
事故可能是关于AVs监管的最具争议的话题。如果
人们考虑到，在很长一段时间内，无人驾驶汽车将不仅与传统汽车共享道路
车辆，但也有受不同法规约束的不同级别的自动化车辆。人们可能会认为
如果SAE5级车辆发生事故，汽车制造商应承担责任，因为
人甚至不是强制性的。这种假设不仅不公平，甚至可能完全阻止AV
阻止其进入市场。维护或使用不当也可能是罪魁祸首。即使一切正常
好吧，会发生一些不可避免的事故。在这种情况下，车辆将不得不做出决定。这个
研究人员试图在AVs软件中引入的决策过程应该模仿人类的决策过程
生物。但为此，必须制定一些指导方针，这意味着道德困境。事实上，伦理和
哲学已经在应用，试图找到解决最复杂情况的方法，比如“手推车”
问题”（Foot，1967）。利益相关者、当局和用户协会已经共同努力，试图达成
共同协议。例如，各方都认为车辆中需要一个“黑匣子”，这对于
在突发事件发生时支持法律决定。然而，只有德国发布了关于
这些要点。德国伦理准则（BMVI伦理委员会，2017）强调
生命优先于动物或事物。他们还需要完全的AVs软件来做出
责任还将影响保险，预计保险对乘客来说更便宜
对于汽车制造商或软件开发商等其他利益相关者来说，成本更高。这方面的政策也是
本质的
最后，还必须规范数据处理。安全和隐私是主要目标，同时确保数据
合作驾驶环境所需的共享。例如，德国汽车工业已经
2014年制定了一套原则，作为安全透明数据处理的基础（VDA，2016）。这个
上述《德国道德准则》也涉及这一主题，事实上支持前一原则。这个
用户保留对其数据控制权的权利，
保护数据免受黑客和恐怖分子攻击的机构等是无可争议的必备条件。
5.结论
该论文解释了AV如何有助于使未来的移动更加高效、安全、清洁和更多
包含全部费用然而，也强调必须满足几个条件才能实现这一目标。否则
在业务流中引入AV不能带来期望的益处。全自动驾驶车辆将不会
很快商业化。同时，必须利用克服技术挑战所需的时间进行设计
合作交通管理策略，这将保证其引入后的成功。此外，特别
必须关注法律和伦理问题，这将决定社会何时为未来做好准备
自动驾驶环境
6.鸣谢
这项研究得到了西班牙经济、工业和竞争力部的部分资助，
在旨在应对社会挑战的国家研究计划中（拨款编号：TRA2016-79019-R）。
作者还感谢Marcel Sala的评论，这些评论有助于改进论文。
7.参考文献
Ahmad，F.，Kazim，M.，Adnane，A.，Awad，A.，2015。车载云网络：架构、应用和安全问题，2015
IEEE/ACM第八届国际公用事业和云计算会议（UCC）。塞浦路斯利马索尔。
Arriola，J.J.，2017。《汽车流通》：立法者。Carreteras 216，18-27。
自动化和互联驾驶：德国联邦交通与数字基础设施部报告，2017年。
Barceló，J.，2016。范式转变：从智慧城市到智慧城市以及交通模式的作用，中青旅2016年工作坊。智利圣地亚哥。
Barth，M.，Boribonsomsin，K.，2009年。基于高速公路的动态ECO驾驶系统对能源和排放的影响。TR-D 14.6400–410。
Bosetti，P.，Da Lio，M.，Saroldi，A.，2015。曲线谈判：从驱动程序支持到自动化。IEEE ITS汇刊162082-2093。
Correia，G.H.，van Arem，B.，2016。解决用户最优私有自动车辆分配问题（UO-POAVAP）：A
探讨自动驾驶汽车对城市流动性影响的模型。运输研究B部分：方法论87，64–88。
Diakaki，C.，Papageorgiou，M.，Papamichail，I.，Nikolos，I.，2015。车辆自动化与通信系统综述与分析
从高速公路交通管理的角度来看。交通研究A部分：政策与实践75147-165。
丁，Y.，拉哈，H.，2002。基于跳闸的外植体。variable。用于estimat。veh。燃油消耗。以及排放率。水、空气和土壤民意调查。2.5-6，61-77。
Douma，F.，Aue，S.，2012。自动驾驶汽车引发的刑事责任问题。圣克拉拉法律评论52.41157-1169
推动变革：技术与汽车的未来。车辆：加拿大参议院交通和商业常务委员会报告，2018年。
确保欧洲拥有2030年代及以后最具竞争力、最具创新性和可持续性的汽车行业：《高级报告》
欧盟汽车工业竞争力和可持续增长水平小组（GEAR 2030），2017年。
富特，F.，1967年。堕胎问题与德性与德性双重作用学说。牛津评论5，5-15。
加西亚，a.，卡马乔，F.J.，帕多瓦尼，P.V.，2017。基础设施对自动车辆速度的影响。Carreteras 216，52-61。
Gehrke，S.R.，Felix，A.，Reardon，T.波士顿地铁网约车乘客调查：波士顿大都会区规划委员会，2018年。
Gerla，M.，Lee E.K.，Pau，G.，2014。车联网：从智能电网到自动驾驶汽车和车载云，2014 IEEE世界论坛
物联网（WF-IoT）。韩国首尔。
Godsmark，P.，Kirk，B.，Gill，V.m Flemming，B.，2015。Autom。车辆：《下一代颠覆性技术报告》，加拿大会议委员会，2015年。
Grosse Ophoff，A.，Hausler，S.，Heineke，K.，Möller，T.共享出行将如何改变汽车行业：Mc Kinsey&Company，2017。
Guériau，M.，Billot，R.，El Faouzi，N.-E.，Monteil，J.，Armetta，F.，2016。如何评估联网汽车的好处？模拟
合作交通管理策略设计框架。交通研究C部分：新兴技术67266-279。
英特尔Go自动驾驶解决方案。产品简介：“自动驾驶，加速”，2016
Koopman，P.，Wagner，M.，2017。自动驾驶汽车安全：跨学科挑战。IEEE ITS交易9.1，90-97。
Kuhnert，F.，Stürmer，C.汽车行业转型的五大趋势：普华永道会计师事务所报告，2018。
Litman，T.《自动驾驶汽车实施预测：对交通规划的影响：维多利亚州交通政策研究所报告》，2018年。
Meyer，J.，Becker，H.，Bösch，P.M.，Axhausen，K.W.，2017。AVs：可访问性的下一次飞跃？Transp研究。经济学62，80-91。
Milakis，D.，Snelder，M.，Van Arem，B.，Van Wee，G.P.，Homem De Almeida Correia，G.，2017。对发展和运输的影响
荷兰的自动化车辆：2030年和2050年的情景。《欧洲运输与基础设施研究杂志》17.1，63–85。
Ntousakis，I.A.，Nikolos，I.K.，Papageorgiou，M.2015。自适应巡航控制系统的微观建模。运输
研究汇编6111-127。
SAE J3016:2014年1月。道路机动车自动驾驶相关术语的分类和定义。系统。汽车协会。Eng.，2014。
Saeednia，M.，Menéndez，M.，2016。卡车排兵策略分析。混合战略。交通研究记录：《交通杂志》
荷兰的自动驾驶汽车：2030年和2050年的情景。《欧洲运输与基础设施研究杂志》17.1，63–85。
Ntousakis，I.A.，Nikolos，I.K.，Papageorgiou，M.2015。自适应巡航控制系统的微观建模。运输
研究汇编6111-127。
SAE J3016:2014年1月。道路机动车自动驾驶相关术语的分类和定义。系统。汽车协会。Eng.，2014。
Saeednia，M.，Menéndez，M.，2016。卡车排兵策略分析。混合战略。交通研究记录：《交通杂志》
运输研究委员会2547，41-48。
Saeednia，M.，Menéndez，M.，2017。一种基于共识的卡车排队算法。IEEE ITS汇刊18.2404-415。
Shaheen，S.，Totte，H.，Stocker，A.流动性的未来。白皮书：加州大学伯克利分校报告，UCConnect，2018。
Shladover，S.E.，2016。关于自动驾驶汽车的真相。《科学美国人》314.6，52-57。
Soriguera，F.，Martínez，I.，Sala，M.，Menéndez，M.，2017。低速限制对高速公路交通流的影响。Tran。Res.C，77257-274。
自动化和政府战略：德国报告
德国联邦经济与数字基础设施部，2015年。
驯服自动驾驶汽车。城市入门：彭博慈善机构和阿斯彭研究所的报告，2017年。
安德伍德，S.密歇根州联网和自动化车辆工作组会议要点，2014年10月，国防走廊中心
协作与协同（DC3S），密歇根州斯特林高地，2014年
Wadud，Z.，Mackenzie，D.，Leiby，P.，2016。帮助还是阻碍？高度自动化车辆对出行、能源和碳排放的影响。
交通研究A部分：政策与实践86，1-18。
杨，F.，王，S.，李，J.，Zhihan，L.，Qibo，S.，2014。车联网概述。中国交通11.10，1-15。
Yang，H.，Rakha，H.和Venkat，M.，2017。考虑排队效应的信号交叉口生态协作自适应巡航控制。IEEE
《智能交通系统汇刊》1861575-1585。
Zeadally，S.，Hunt，R.，Chen，Y.S.，2012。车载自组织网络（VANET）：现状、结果和挑战。电信系统50，
217-241
Zmud，J.，Goodin，G.，Moran，M.，Kalra，N.，Thorn，E.推进自动化和互联汽车的战略：国家报告
公路合作研究计划。运输研究委员会，2017年。
