本文已在2023年《城市与区域规划研究（未来城市规划与设计）》刊出
作者简介
王鹏，清华大学建筑学院
徐蜀辰，同济大学建筑设计研究院（集团）有限公司
苏奎峰，腾讯自动驾驶
摘要
自动驾驶汽车有可能成为城市和城市空间转型的重要催化剂。文章从自动驾驶对城市空间的可能改变着手，探讨了载具的内部空间和空间使用逻辑、城市空间的信息触媒、车辆储能网络、城市物理空间的改变以及社区空间和行为的改变。在此基础上，提出自动驾驶在城市背景下的关键问题可能不是技术问题，而是城市规划的议题。从点—线—面—流—策几个维度，探讨了自动驾驶背景下城市空间变革的可行策略和方向，并阐述了笔者团队在WeCityX 项目中进行的具体设计和实践。自动驾驶将促进城市空间变革，城市规划又会推进自动驾驶落地。
关键词：自动驾驶汽车；自动驾驶；城市设计；城市规划；空间变革
一、引言
近年来，自动驾驶汽车（以下简称“AVs”）已经开始在中国的开放道路上进行测试和使用，甚至在个别区域实现“主驾无人、副驾有人”方式上路，并已经批准部分“前排无人，后排有人”阶段测试（曹政，2022）。
但是，自动驾驶在安全性、监管和商业模式方面面临重重挑战，需要极大地提升现有自动驾驶汽车的感知和决策控制能力。而技术之外，与自动驾驶有关的法律法规、城市基础设施和交通问题也同样是其进一步普及的重要议题（洪伟权等，2021）。
勒·柯布西耶在《明日之城市》（The City of Tomorrow and Its Planning）中认为，“汽车可能颠覆所有有关城市规划的旧观念”（cars would overturn "all our old ideas of town planning"）。虽然当下整个AVs行业都聚焦于单车智能与车路协同的技术发展，但由于“自动 人工”混合驾驶状态将长期存在于城市道路交通系统中（Montanaro et al.，2019），漫长的演变过程会经历三个阶段∶人工驾驶阶段、交通结构转型阶段、自动驾驶为主阶段（裴玉龙等，2021）。不同阶段城市规划与管理将面临不同的问题，所以，城市规划行业专家们已经意识到汽车向自动驾驶演进的关键问题可能不只是技术问题，也是城市规划与空间的动态变革和响应。这不仅涉及具体空间、功能的使用，也涉及自动驾驶如何在城市空间中平稳过渡的方案。
如王维礼等（2018）基于无人驾驶规模化前景的预测研究，从微观层面探究未来城市街道空间的布局方式，如街道尺度、行人过街方式及街道公共空间设计等。徐小东（2020）等认为，AVs带来的超级流动性会从根本上改变城市交通模式，可能重构城市空间结构、街道空间和社区生活方式，改变绿色廊道、停车空间和街道断面等设施的设计。徐晓峰和马丁（2021）以中国（上海）自由贸易试验区临港新片区规划为例，提出无人驾驶主导的城市模型以及适用无人驾驶的全新道路网体系。张望（2017）认为以无人驾驶技术为核心的智能交通技术发展将会给城市空间发展带来变革，包括城市道路和社区空间建设上。张森和郭亮（2021）分析了无人驾驶技术发展会对城市交通工具拥有量、出行交通特征及出行交通结构产生重要影响，继而导致道路设施系统、步行和非机动车系统、公交设施系统及停车设施系统需求的变化，并将体现在城市职住时空平衡性提高、空间活力点的分散化、公共空间需求增加和空间布局形态变化等方面。
现有自动驾驶与城市空间的关系研究主要聚焦于城市空间和街道空间的规划，或城市道路系统的变革，而较为综合、全面阐述城市各尺度空间响应以及城市各系统的联动变化的研究较少，尤其是真正具备可落地实施性的综合性实践更为罕见。
二、自动驾驶对城市空间的可能改变
载具的内部空间及其使用逻辑
随着自动驾驶技术的演进，车辆载具内部的空间逻辑也产生了变化。现有的自动驾驶技术方案已经催生了大量车辆内部空间的变革。车辆内部不再只有传统 2 3 的座位布局，而成为可以灵活布置的空间场域。除了交通功能，AVs也可能成为城市系统中动态的公共空间，为市民提供会议、聚会、社交等功能空间。国内PIXmoving、UPower等创业公司都提出了基于滑板底盘可灵活定制车体的 AVs 方案，丰田和PIXmoving还提出了利用自动驾驶车辆塑造灵活可变城市空间的具体方案。
虽然未来的AVs形态尚很难预测，但当前汽车的一般形态对于实现AVs重塑我们的生活方式和城市设计的全部潜力是一个制约因素。而AVs的变化可能为车辆设计甚至城市和建筑设计开辟新的思路。
城市空间的信息触媒
与依靠人类感官感知环境的传统车辆不同，AVs逐步具备了精确感官与运算、判断决策能力。激光扫描、物体检测、毫米波雷达和计算机视觉技术使AVs能够测量相对距离，躲避障碍物，并保持在既定路线上。尽管学者依然在争论，在雨雪、紧急避险等极端情况下，AVs是否能够达到人类驾驶行为同等的驾驶表现和应急处理能力（Cord and Gimonet，2014）。但依然有较多学者认为，AVs是一种“有知觉”的平台，结合感知和通信技术，通过请求和获取其他汽车及静态道路基础设施信息，通过三维点云、雷达和视觉数据实现对行人、车辆、物理实体的感知与识别，这些能力增强了AVs对空间与环境的理解（Kumar et al.，2012）。
AVs在未来将能够感知周围的环境，并与其他车辆、移动设备和基础设施进行沟通与数据交互， 以便更好地在城市环境中进行无人驾驶运转。正如马萨罗（Massaro）等人所证明的，通过收集900个车内汽车控制器区域网络（CAN）的数据，人们可以了解司机的行为和来自AVs周边环境的时空间数据（Massaro et al.，2016）。这种感知能力也将成为城市物理空间与数字空间之间的重要纽带，是实现数字孪生城市的重要手段（王鹏、付佳明，2022）。
车辆储能网络
AVs自身携带了大容量的电池，可存储大量电能，这使其有可能成为城市储能网络的一部分，实现车辆与能源系统的互动（V2G），从而充分利用风力发电、光伏发电等原本不易储存的可再生能源。江亿院士提出的“光储直柔”系统中，车载电池双向充放电是重要的环节（江亿，2021），而AVs使得这种储能能力还同时具备了能量时间—空间转移腾挪的能力，可以同时在时间上和空间上调控城市能源。
尽管目前多数新能源汽车尚不具备与电网系统实现双向充电的功能，电动汽车与电网的融合也还没有统一的技术标准，用户的经济效益也还不是十分明确，与自动驾驶的融合的讨论更少。但长期来看，“新能源 自动驾驶 储能”的模式仍有较大探索空间，尤其在根据城市用电需求主动进行充放电时空统筹方面（胡泽春等，2022）。
城市物理空间的改变
汤森（Townsend，2012）、拉蒂和比德曼（Ratti and Biderman，2017）等学者认为，AVs在汽车共享项目中越来越多的使用也改变了汽车用户的习惯和城市空间的使用逻辑。在前人研究的基础上，我们有理由相信，无人车的逐渐转换和替代，也将会改变城市空间的规划逻辑、规划指标、空间逻辑和空间布局及尺度。
现代城市对自动驾驶车辆和机器人还并不友好。以目前主流的自动驾驶技术水平，依靠多传感器协同与深度学习技术，其实可以基本上解决常规道路条件下的绝大多数问题，在低速、封闭道路、非载人场景下已经有了非常好的表现。然而，技术全面普及应用需要的是近乎绝对的安全性。只要与人类驾驶汽车和行人混行，各种极小概率的突发事件和人类行为的不确定性，使自动驾驶车辆几乎不可能基于现有道路系统，通过混行演进到完全取代传统车辆的状态（徐晓峰、马丁，2021）。因此，专用车道成为自动驾驶应用早期重要的规划方式（秦波等，2019），由于行驶精确性的提高，车道也可以容纳更多的车辆（Shladover，2012）。
车路协同（V2X）技术思想的出现，通过对道路基础设施的数字化改造，实现对整体路网和车辆态势更全面的感知与群控，实现比单车智能更高的安全性和整体效率，然而还是无法根本解决混行的安全问题。因此，沃特金斯（Watkins）提出了以公交、步行和自行车为基础，辅以无人驾驶的未来交通系统，并基于此逐步扩展（Watkins，2018）。除了路网结构以外，从用地结构到道路断面形式，也都需要重新考虑。具体包括：停车场等车用设施转变为公共空间（王维礼等，2018），将精准驾驶释放的车道空间转为植物为主的透水空间（罗亚丹，2019），通过设施改造创造“人车混合街道”（徐小东等，2020）等。
多伦多滨水区是Sidewalk Labs公司2017年开始在多伦多进行的一项未来城市实践，已于 2021 年宣布中止。在其规划方案中，提出了行人优先通行的道路，在原则上禁止除AVs以外的车辆。另外， 他们认为只要将最高时速限制在能确保行人和自行车安全的水平上后，AVs则能在任何地方畅通无阻。而丰田Woven City的方案将道路分为互不影响的三种，来实现更安全的、行人友好型的人车关系，三种交叉的道路形成的交通网络以及对应的街区是Woven City的基本单元。首先是为快速自动驾驶车辆优化过的自动驾驶道路；其次是休闲小道，供自行车、滑板车以及其他个人出行工具使用，包括丰田的i-Walk，其中街道共享可供居民步行；最后是线性公园，供居民完全步行其中享受自然。这三种街道类型交织在一起，形成新的道路网格模式，以加速自动驾驶的测试和应用进程。
社区空间与行为的改变
AVs是交通方式的一次“革命性”飞跃，将再次引发人们生活方式与居住模式的转变，并最终影响到城市社区的持续发展。按照现有出行方式和价值判断，一般离中心区耗时越短，越易到达，社区住宅的价格就越高，但AVs带来“点到点”的快捷服务，对现有公共交通体系和社区价格形成会构成挑战与改变。AVs低成本、易于出行的特征使得使用者对公共交通的需求变得不再像以前那样关切， 传统概念中邻近交通枢纽而获得的区位优势将不再体现在房价的明显优势上，从而推动城市结构的分散化（Orfeuil et al.，2018）。此外，AVs提供的无缝衔接服务，可能会对社区居民的健康产生负面影响：技术过于便利会导致人们减少或放弃步行、骑自行车出行或其他绿色出行方式。因此，AVs的转换也需要城市规划对社区空间和居民行为作出一定的引导，避免在城市场景中使用所带来的负面影响。自动驾驶时代的社区空间，更应该向紧凑高效城市、鼓励体力活动、增进社区交往、绿色出行等方向引导。
三、“点线面流策”——适应自动驾驶技术演进的城市空间策略
AVs，或者说更为广义的自主机器人系统，可能是目前可见的改变城市最为重要的技术变量。自动机器，使物质的生产和运输从机器辅助变成了真正的无人自主，代替人类完成了与物理空间交互的从感知到执行的整个闭环，成为人与物理世界交互的重要介质。
与曾经的很多发明一样，作为一个需要与整个城市体系完全耦合的应用系统，自动驾驶的全面应用，在很大程度上是一个城市规划与管理问题，需要在各个层面采取变革的策略与思考。
点——预留设施
当汽车成为主要的交通方式时，城市被重新塑造，以适应这个新来者，如街道变得更宽、更长、更直，以便让汽车发挥最佳性能。AVs同样也需要改变道路基础设施。当AVs被认为是一种与其他城市基础设施整合并交换数据的技术时，城市空间与道路的设计就会出现突破和逻辑重组。
以交通灯为例。大约 150 年前，交通信号灯被设计用于解决十字交叉路口的交通冲突。未来，通过实施分布式的交通数据交换系统，则可以替代交通信号灯，如雷米等人（Remi et al.，2016）讨论的那样，作者提出了一个基于插槽的交叉口解决方案，汽车通过交换有关位置、速度和方向性的数据， 可以协调车辆之间的路权。这也是目前车路协同技术思路的出发点之一，引发了将感知、通信和边缘计算等设备在多功能智能杆上集成的方式，这在各种自动驾驶示范区已经是规划设计需要考虑的基本要素。
线——为自动驾驶的逐渐切换提供道路的可变性
自动驾驶车辆实现全面应用并取代传统车辆，必然需要对传统的道路系统进行改造，但并非一定要大拆大建。设置自动驾驶专用车道和专用断面形式是最常见的手段（陈丽烨，2020）。Sidewalk Toronto和 Woven City 都为 AVs 的普及提出了自己的道路与空间设计方案，且都是基于专属路权和道路。但无人车网络、人行网络与现有车辆隔离，且不考虑演进过程，只适用于新建区域，且会占用较多空间。我们希望无人车道路网络的生长不影响现有城市道路、不影响城市区域交通。基于自动驾驶对行人友好的特征，利用原有的步行系统甚至支路系统，建立一套相对独立的自动驾驶路网系统，与原有的机动车道路体系并存。这套新的路网系统可以一定程度上独立承担地块之间的交通功能，并通过 逐渐增加车辆、编队行驶等方式实现扩容。传统道路的交通量会越来越小并逐渐萎缩和改变功能。在两套路网负荷实现平衡之后，可以将更多的步行系统和传统道路改造为慢行系统与自动驾驶结合 的道路，最终实现完全的取代。这应该是一套可以逐步演进的动态过程，道路系统设计应该提供这 种弹性（表 1）。
表 1 自动驾驶发展阶段及其路网演进的三种模式
面——为车库等空间的未来释放提供可能
AVs以及共享出行方式的普及，使车辆可以连续接送乘客而无需停车，因此停车场用地将是较为直接被其释放的城市空间。目前位于市中心的车库建筑和露天停车场可以转换为其他零售业等用途， 从而使市中心地区更具活力。取消路边停车位可以激发公共区域的涌现和复活，例如自 2010 年以来旧金山创建的 51 个小公园。此外，取消路边停车位可以减少车道数量，使城市更加紧凑，有助于减少与私家车相关的人均能源消耗以及私人和公共客运的总支出（Bruun and Givoni，2015）。这些空间功能的可能改变，需要城市规划提前考虑并积极利用。
流——关注不可见流的价值
AVs及其生态系统产生的大量感知数据，可以实时全面描述道路与城市的物理空间状态。这些数据除了对AVs和车路协同来说是十分重要的运行基础，也可以成为城市及其子系统运行与管理的重要依据。
在我国，已经开始在各种自动驾驶示范区进行路侧传感器、高速通信设备以及边缘计算等智能设备部署，包括智能红绿灯、激光雷达和智能摄像头等设备结合高精地图来补充车端感知的不足，从而实现车路协同。在智慧城市建设中，也应该充分考虑并积极利用这些车端和路侧感知数据，在保证数据安全和隐私保护的前提下，建立共享和流转机制，使其在城市其他系统的运行以及城市管理中发挥更多价值，节约各种传统专用设备的大量投资。
策——推进政策适应变革
地方政府的政策可能会影响AVs的发展。除了常规的示范区设置、设备部署、测试上路等许可外， 以上涉及城市空间的响应更需要政府管理和规划政策的辅助。如果城市规划与管理部门积极配合，调整相关规范与设计标准，可以最大限度地推动自动驾驶的快速发展与演进。
除此之外，另外一些与自动驾驶相关的领域，比如车辆分布式储能和反向充电、与公共交通和慢行交通的协同、车辆与功能空间的转换等，都可能对现有城市系统运行模式造成较大影响，而且受到各种现行政策法规的制约，也应该在技术测试的同时进行综合试点，推进城市空间的全面进化。
四、WeCityX 项目的探索与实验
WeCityX 是腾讯研究院基于前海湾总部园区发起的未来城市探索项目。作为一项前瞻性研究，其理念未来可能用于该园区建设甚至更广泛的未来城市实践。我们充分考虑未来自动驾驶系统的运行和演进，从“点、线、面、流、策”等方面综合考虑，进行了各层次的空间和设施的整体规划统筹，希望成为自动驾驶系统测试运行以及扩展应用的综合实验平台，并探索可以支持自动驾驶逐渐演进的空间模式。
从单车智能到车路协同的设施进化
腾讯前海湾总部园区位于深圳大铲湾，总面积约1.2平方千米，主要功能为办公及其配套设施。贯穿南北排列的五个地块中央，规划了一条折线形的架空道路，我们称为中央绿轴，作为整个园区的慢行系统的主干，并通过“绿毯”将绿地系统和慢行系统向周边延伸，可以连接每个地块和建筑物出入口。在WeCityX的原型规划中，我们将这条道路也作为自动驾驶的主路，AVs与行人共板并共享路权，但在地面通过铺装和划线适当隔离。
每辆AVs都将配备完善的激光雷达、毫米波雷达和视觉感知能力。而为了实现编队行驶、超视距感知、全局调度等车路协同能力，实现更高安全性，我们也在设计阶段就充分预留了各种路侧设施的安装空间。在中央绿轴上，按需设计了数十根多功能灯杆，并将部署5G专用网络基站、路测感知、边缘计算等设备，同时在供电容量、光纤带宽、信号遮挡等方面进行了多专业协调，确保其工程合理性（图 1）。车侧和路侧各种感知设备相结合，可以对整个物理空间和人、车行为的实时感知，配合预先采集的高精度地图，就实现了整个园区的实时数字孪生系统。除了满足自动驾驶和远程驾驶、交通调度和管理等需求以外，在接入能源、环境、设施、服务等领域数据后，也成为园区综合运营管理平台的数据基础。
图 1 WeCityX 路侧设施
资料来源：腾讯研究院与帝都绘合作《未来城市说明书》。
道路系统与车辆协同进化
在绿毯层上，除了中央绿轴的自动驾驶主路，我们还在连接各建筑物的步行道路上设置了自动驾驶的次级路，AVs可以更慢的速度直接在步行道路上行驶，与行人更高程度共享路权。除此之外，我们还在次级路上设置了更次一级的“末梢路”，可以直接驶入绿地和草坪内部并停留和作为移动空间临时使用。这一级道路通常设置在风景优美、视野开阔的绿地内部，通过少量透水铺装供精确驾驶的AVs行驶，避免车辆破坏草坪（图 2）。
除了满足自动驾驶车辆行驶以及路侧感知与通信能力以外，与绿地和慢行系统深度结合的路网设计，充分考虑了自动驾驶技术演进的需求，而且既可以用于新建区域，也适用于城市更新改造。第一步，改造原有贯穿各地块的绿道体系或者绿化隔离带、带状公园等，使其在满足慢行需求的同时，可兼容AVs行驶；第二步，进一步利用地块内部原有步行系统和支路系统，建立独立的自动驾驶路网系统，独立承担地块间的交通功能，并与原有的机动车道路体系互不影响；第三步，通过加宽车道、编队行驶等方式扩容，扩容后的绿道系统与传统道路系统并存；第四步，在两套系统平衡之后，可以将更多传统道路改造为慢行系统与自动驾驶结合的道路，最终实现完全取代（图 3）。
图 2 WeCityX 三级自动驾驶道路
资料来源：腾讯研究院与帝都绘合作《未来城市说明书》。
移动的共享公共空间
在上述道路系统的设想中，“支路”和“末梢路”都并非一般意义上的交通性道路，而是专门为AVs与慢行系统结合设置的新类型。在这些道路上，“出行”已经不再是唯一或者说最重要的职能， AVs更多作为一种移动的空间载体，承载各种空间功能。
这些车辆使用统一的滑板底盘，实现微型化、可共享、单次使用时间短且对流动性容忍程度高的新型空间，其功能包括而不限于会议、游戏、医疗、餐饮、零售、产品体验等。尤其是与VR、AR等技术相结合之后，可以给人带来全新的沉浸式空间体验，并可能创造新的商业模式。
图 3 WeCityX 自动驾驶路网系统演进方式
（腾讯研究院与帝都绘合作《未来城市说明书》）。
我们设计了一套预约自动驾驶车辆的软件，除了预约纯粹交通功能的穿梭车以外，用户还可以在工作时间预约各种功能性 AVs，在指定时间地点上车并沿支路和末梢路行驶到风景与环境较好的位置停留，利用车内的会议、虚拟现实和沉浸式游戏等设备，实现工作或者休闲体验（图 4）。
与能源系统联动的交通系统
除了适应AVs系统演进的道路系统以外，WeCityX的交通系统特别考虑了与能源系统的连接与互动。WeCityX项目计划大规模应用光伏、风电等可再生能源技术，并建立本地化、分布式的微电网群， 形成能源互联网应用。由于风光资源的时空不平衡属性，会导致可再生能源大量应用后城市能源需求与供给的时空错配，分布式储能也就成为能源互联网非常关键的环节。
借鉴“光储直柔”思想，WeCityX在自动驾驶、停车场库、充电和直流配电、柔性用电等系统设计中，充分考虑AVs和私家车作为分布式储能设备的能力，设置双向充电桩。在白天，车辆作为分布式储能设备，与传统储能设备协同，消纳风光电能。除了供车辆使用外，在闲时还可以反向放电，用于应急照明、景观照明等场景。未来利用其自动驾驶特性，还可以在园区内各微电网之间实现能源的时空调度（图 5）。
图4 WeCityX 功能性 AVs
资料来源：腾讯研究院与帝都绘合作《未来城市说明书》。
图 5 AVs 与电网双向充电联动模式（V2G）
资料来源：腾讯研究院与帝都绘合作《未来城市说明书》。
总的来说，在WeCityX项目中，我们重新设计了车辆内部的空间使用逻辑，使其具备多种功能， 成为移动的共享公共空间；在路侧设计安装多功能灯杆并预留多种设备的安装空间（点）；为自动驾驶的逐渐切换设计了与慢行系统相结合、可扩展的弹性道路系统（线）；使用车路协同感知系统采集的数据，形成园区实时数字孪生运营平台，满足全面精细化运营需求（流）。
除此之外，我们也考虑了目前建筑设计中的大量地下停车位，在未来自动驾驶和共享出行普及后逐渐转为弹性共享空间的用途（面）。作为一项前瞻性研究，这些创新点在工程实施过程中正在面临与各种政策法规和工程经验的不匹配甚至冲突，在早期也必然会一定程度上增加建设成本，因此各种工程和政策协调才是最大的难点，也是WeCityX团队正在努力的重点（策）。
五、结语
汽车及适应汽车行驶的道路系统，可以说是现代城市规划设计的重要前提和组成部分。当下，随着AVs的出现，我们需要重新思考城市生活、城市空间和城市设计，城市规划也再一次成为新的交通技术普及的关键。在全面理解自动驾驶相关技术的前提下，我们认为，AVs会给城市空间带来很多变化，而城市对自动驾驶技术的主动响应也成为 AVs 顺利演进并最终成为主流的最重要因素之一。自动驾驶将促进规划变革，而规划又将推进自动驾驶的全面普及。WeCityX 项目是笔者团队在对技术发展趋势全面研判基础上的一次综合性的探索和试验，希望在城市空间规划设计中综合考虑各系统的充分协同，适应并加速自动驾驶的全面普及。
参考文献
[1] BISSELL D, BIRTCHNELL T, ELLIOTT A, et al. Autonomous automobilities: the social impacts of driverless vehicles[J]. Current Sociology, 2020, 68(1): 116-134.
[2] CHEHRI A, MOUFTAH H T. Autonomous vehicles in the sustainable cities, the beginning of a green adventure[J]. Sustainable Cities and Society, 2019, 51: 101751.
[3] CORD A, GIMONET N. Detecting unfocused raindrops: in-vehicle multipurpose cameras[J]. Robotics & Automation Magazine, 2014, 21(1): 49-56.
[4] CUGURULLO F. Urban artificial intelligence: from automation to autonomy in the smart city[J]. Frontiers in Sustainable Cities, 2020, 2: 38.
[5] CUGURULLO F, ACHEAMPONG R A, GUERIAU M, et al. The transition to autonomous cars, the redesign of cities and the future of urban sustainability[J]. Urban Geography, 2021, 42(6): 833-859.
[6] FAGNANT D J, KOCKELMAN K M. The travel and environmental implications of shared autonomous vehicles, using agent-based model scenarios[J]. Transportation Research Part C, 2014, 40(mar): 1-13.
[7] FAGNANT D J, KOCKELMAN K M. Preparing a nation for autonomous vehicles: opportunities, barriers and policy recommendations[J]. Transportation Research Part A: Policy and Practice, 2015, 77: 167-181.
[8] FREEMARK Y, HUDSON A, ZHAO J. Are cities prepared for autonomous vehicles? Planning for technological change by US local governments[J]. Journal of the American Planning Association, 2019, 85(2): 133-151.
[9] GUERRRA E. Planning for cars that drive themselves: metropolitan planning organizations, regional transportation plans, and autonomous vehicles[J]. Journal of Planning Education and Research, 2016, 36(2): 210-224.
[10] KUMAR S, SHI L, AHMED N, et al. Carspeak: a content-centric network for autonomous driving[J]. ACM SIGCOMM Computer Communication Review, 2012, 42(4): 259-270.
[11] MASSARO E, AHN C, RATTI C, et al. The car as an ambient sensing platform [point of view] [J]. Proceedings of the IEEE, 2016, 105(1): 3-7.
[12] MONTANARO U, DIXIT S, FALLAH S, et al. Towards connected autonomous driving: review of use-cases[J]. Vehicle System Dynamics, 2019, 57(6): 779-814.
[13] SANTI P, RATTI C. A future of shared mobility[J]. Journal of Urban Regeneration and Renewal, 2017, 10(4): 328-333.
[14] RATTI C, BIDERMAN A. From parking lot to paradise[J]. Scientific American, 2017, 317(1): 54-59.
[15] REMI T, PAOLO S, STANISLAV S, et al. Revisiting street intersections using slot-based systems[J]. Plos One, 2016, 11(3): e0149607.
[16] SHLADOVER S E, SU D, LU X Y. Impacts of cooperative adaptive cruise control on freeway traffic flow[J]. Transportation Research Record, 2012, 2324(1): 63-70.
[17] TOWNSEND A. Re-programming mobility: how the tech industry is driving us towards a crisis in transportation planning[J]. New Cities Foundation, 2012, 16.
[18] WATKINS S J. Driverless cars: advantages of not owning them: car share, active travel and total mobility[J]. Proceedings of the Institution of Civil Engineers-Municipal Engineer, 2018, 171(1): 26-30.
[19] YIGITCANLAR T, WILSON M, KAMRUZZAMAN M. Disruptive impacts of automated driving systems on the built environment and land use: an urban planner’s perspective[J]. Journal of Open Innovation: Technology, Market, and Complexity, 2019, 5(2): 24.
[20] ZHANG W, GUHATHAKURTA S, FANG J, et al. Exploring the impact of shared autonomous vehicles on urban parking demand: an agent-based simulation approach[J]. Sustainable Cities & Society, 2015, 19: 34-45.
[21] 曹政. “无人”在即！北京自动驾驶开启“前排无人”测试时代[EB/OL]. (2022-11-22)[2022-11-24] https:
//baijiahao. baidu. com/s?id=1750179274439263255&wfr=spider&for=pc.
[22] 陈丽烨. 面向自动驾驶汽车规模化应用的道路交通系统规划与设计若干思考[J]. 交通与运输, 2020, 33(S1): 205-208 218.
[23] 韩彪, 张兆民. 交通运输与中国经济增长——基于“运输成本”的视角[J]. 经济问题探索. 2015(8): 14-21.
[24] 洪伟权, 谭华, 张海涛. 国内外自动驾驶发展态势[J]. 通信企业管理, 2021(3): 54-57.
[25] 胡泽春, 邵成成, 何方, 等. 电网与交通网耦合的设施规划与运行优化研究综述及展望[J]. 电力系统自动化, 2022, 46(12): 3-19.
[26] 江亿. 光储直柔——助力实现零碳电力的新型建筑配电系统[J]. 暖通空调, 2021, 51(10): 1-12.
[27] 罗亚丹. 从交通基础设施到绿色基础设施——无人驾驶城市中的柔性未来道路[J]. 景观设计学, 2019, 7(2): 92-99.
[28] ORFEUIL P J, M APEL-MULLER, 祖源源. 自动驾驶与未来城市发展[J]. 上海城市规划, 2018(2): 11-17.
[29] 裴玉龙, 迟佰强, 吕景亮, 等. “自动 人工”混合驾驶环境下交通管理研究综述[J]. 交通信息与安全, 2021, 39(5): 1-11.
[30] 秦波, 陈筱璇, 屈伸. 自动驾驶车辆对城市的影响与规划应对: 基于涟漪模型的文献综述[J]. 国际城市规划, 2019, 34(6): 108-114.
[31] 邱建华. 交通方式的进步对城市空间结构、城市规划的影响[J]. 规划师, 2002(7): 67-69.
[32] 王鹏, 付佳明. 从数字孪生到元宇宙[J]．时代建筑, 2022(4): 70-73.
[33] 王维礼, 朱杰, 郑莘荑. 无人驾驶汽车时代的城市空间特征之初探[J]. 规划师, 2018, 34(12): 155-160.
[34] 徐小东, 徐宁, 王伟. 无人驾驶背景下的城市空间转型及城市设计应对策略研究[J]. 城市发展研究, 2020, 27(1): 44-50.
[33] 徐晓峰, 马丁. 无人驾驶技术对城市空间的影响初探——基于中国（上海）自由贸易试验区临港新片区探索性方案[J]. 上海城市规划, 2021(3): 142-148.
[34] 张森, 郭亮. 无人驾驶技术发展对城市空间的影响初探[C]//面向高质量发展的空间治理——2021 中国城市规划年会论文集（06 城市交通规划）, 2021: 392-403.
[37] 张望. 智能交通对城市空间的影响[J]. 规划师, 2017, 33(S1): 78-82.
[欢迎引用]
王鹏, 徐蜀辰, 苏奎峰. 适应自动驾驶技术演进的城市空间策略研究[J]. 城市与区域规划研究, 2023, 15(1): 1-14.
WANG P, XU S C, SU K F. Research on urban spatial strategies adapting to the evolution of autonomous driving technology[J]. Journal of Urban and Regional Planning, 2023, 15(1): 1-14.
