一种多标准决策方法，用于研究

它们的单价在原型制作阶段约为70000美元，之后降至6000美元左右，一旦公司实现大规模生产，单价可能会降至250美元（IndustryWeek，2018）。5.2 CLD：反馈回路图3中的CLD补充了R–C和R+C分数提供的见解，并有助于理解反馈回路中障碍之间的关系。通过检查涉及生命周期评价的六个反馈回路，可以发现关系中的某些模式。回路R1（LCA<-> RSP）表示LCA和RSP之间的相互影响。这与Sener等人（2019年）的观点一致，他们发现安全和隐私会对德克萨斯人使用AVs的意图产生负面影响。这也与Kyriakidis等人（2015年）一致，他们在109个国家进行的广泛研究也表明了类似的结果。在Bagloee et al.（2016）中，系统安全性和完整性也成为了一个严重的问题，因此客户可能不愿意使用AVs。当客户认为需要安全和隐私时，他们对AVS的接受度可能很低。相反，其中一个的增加可以由另一个的增加驱动，也可以导致另一个的增加。最近，美国政府颁布了一项新的立法，称为《数据隐私间谍车法案》，该法案为NHTSA提供了管辖权，以保护在美国制造销售的所有车辆中使用驾驶数据（Taeihagh和Lim，2019）。这可能有利于客户接受AVs。LCA和ARC也相互影响，如回路R2（LCA）所示<->圆弧）。国际无人机系统协会（AUVSI）在美国进行的一项研究表明，监管框架是AV采用的一个问题（Hyde，2019）。

在该研究中，54%的受访者倾向于AV相关法规应来自美国交通部，而非各州。由于缺乏联邦法规，许多州制定了与AVs测试和许可相关的冲突法规（《自动驾驶车辆调查报告》，2019年）。如果没有一致的法规或框架，AV制造商可能面临测试和认证方面的不确定性（Fagnant&Kockelman，2015）。反过来，如果全国范围内的客户接受度增加，可以预计联邦ZF将面临更大的压力，需要更好地定义AV相关法规，因此法规和认证将更加清晰和成熟。回路R2包括电弧对LCA的直接影响。然而，ARC也通过其对其他变量的影响以及这些变量对其他变量的顺序影响间接影响LCA。这就产生了四个回路，即R3到R6。Inloop R3（LCA→ 弧→ OSA公司→ ARC对OSA的影响是关键。也就是说，缺乏监管和认证会导致问责制更加模糊。也可以推断，当法规改善时，规定谁在发生事故或意外事件时负责的规则也会发展并变得更加明确。此外，OSA影响LCA，即当与AV相关的责任不够明确时，它可以阻止客户接受AVs，从而完成循环R3。回路R4（LCA→ 弧→ 洛杉矶→ LCA）是由于ARC对服务水平的影响而产生的。缺乏法规和认证阻碍了AVs相关行业标准的发展。这里，李等人。

（2018）讨论缺乏标准可能导致客户对购买犹豫不决。Shladover和Nowakowski（2017）指出，在没有明确定义的标准的情况下，即使是安全性也很难得到开发人员的认证。虽然之前的研究提供了服务水平与其他障碍的成对关联，但本研究揭示了服务水平与其他障碍之间更复杂的因果关系。在服务水平上，R5和R6环路均从R4环路分支。回路R5（LCA→ 弧→洛杉矶→  OSA公司→  LCA）和回路R6（LCA→  弧→  洛杉矶→  INF公司→  LCA）的产生是由于缺乏标准对模糊程度、不可计算性和AVs相关可用基础设施范围的影响。这些调查结果表明，缺乏全国范围的标准将减缓与债务相关的规则以及必要的有形基础设施的发展。CLD中的其余四个回路（R7至R10）与上面描述的前六个回路（R1至R6）并不独立。相反，它们是由于一些障碍之间的相互关系而形成的。

前三个R7（ARC<-> OSA），R8（ARC<-> LOS）和R9（ARC→ 洛杉矶→ OSA公司→ ARC）涉及ARC、LOS和OSA之间的相互关系，而R10（LOS<-> INF）涉及LOS和INF。总之，消费者接受度（LCA）的缺乏是AV应用最突出的障碍，但与AVs相关的协会（如ZF或制造商）应该专注于缓解更有形的障碍——缺乏标准（LOS）和缺乏监管和认证（ARC），这不仅在优势方面排名第二和第三，而且还通过各种机制对其他障碍（包括生命周期评价）产生重大影响。为此，美国国家公路交通安全管理局（NHTSA）已经开始在美国制定行业标准，但面临着挑战，因为NHTSA提供了指导方针，并对美国AVs制造、设计、供应、测试、销售、运营和部署的不同实体进行了监管。该技术以商业秘密的形式存在（NHTSA，2017）。NHTSA还概述了AV制造商的车辆性能指南（Taeihagh和Lim，2019），这有助于提高行业标准。这些指导原则在大规模部署自动导航系统中也至关重要，因为如果不同制造商对其型号使用不同的协议，自动导航系统的生态系统将变得复杂。

AVs的标准化设计和制造将使它们能够相互交流，并有助于改善其内部结构。事实上，Taeihagh和Lim（2019）指出，从立法角度来看，标准化至关重要——可能是由于缺乏行业标准，美国联邦ZF没有制定关于向相关方分配责任和保险的全国性标准规则。5.3其他见解从反馈回路来看，CLD还表明制造成本显著影响客户接受度。直觉上，可以推断，如果制造成本增加，那么客户对AVs的接受度就会降低，反之亦然。这一结果与CarInsurance一致。com在美国的调查显示，如果公司提供AVs 80%的折扣，34%和56%的受访者表示有兴趣购买自动化程度较高和中等的汽车（Bansal等人，2016）。两大障碍——社会不平等和诱导旅行——也不会影响任何其他障碍，但都会受到另一个障碍的影响。社会不平等受到制造成本的影响。这是意料之中的，因为更高的制造成本意味着AVs的贴纸价格更高，这反过来意味着只有一小部分人能买得起AVs。诱导旅行受到客户接受度不足的影响。一旦消费者确信AVs的好处（例如，减少旅行时间和成本），他们可能会驾驶更多的车辆里程。6结论和未来工作自动驾驶汽车（AVs）目前正处于商业化的尖端，学术界对AVs的兴趣正在增长。

当前的研究正是在这种背景下进行的，因为它引起了人们对AV采用的关键障碍的关注，并提供了关于优先考虑克服这些障碍的政策的见解。为此，该研究将视听采纳障碍视为一个系统的组成部分，相互影响。为了理解这个系统，本研究使用灰色数据模型和系统思维分析了障碍之间的关系。根据毕马威会计师事务所（2018）最近的一份报告，美国的充电站相对较少，道路质量较差，基础设施与荷兰或新加坡不相媲美。有关AVs的诉讼在美国仍处于初级阶段，尚未在法庭上进行测试。这项研究的结果对制造商、决策者和政府具有多方面的社会和实际意义。分析表明，消费者接受度不足是AV采用的最大障碍。为了赢得消费者的信任，需要多个利益相关者协同工作。例如，政府实体可能需要干预，并在美国实施标准化AV生产和测试法规。技术革新者和制造商可以专注于降低成本，这也将有助于解决社会公平问题。将AVs作为共享模式引入可能会实现这两个目标，因为车辆成本将变得无关紧要，而对于相同的车辆车队，标准化将更加容易。此外，这项研究表明，决策者不必太担心AVs造成的就业损失，这通常被炒作为一个重要问题。也许，专家们认为，自动化造成的工作岗位损失可能会被新创造的工作岗位所弥补。这项研究有一些局限性。首先，它只依赖于18位专家的意见，而且是针对美国的具体情况。

虽然敏感性分析支持所获得结果的稳健性，但有可能让更多的专家参与并在更广泛的地理背景下进行研究，可以揭示更精细的方面。第二，当新技术的好处显而易见时，它们通常会得到消费者的认可。然而，与智能手机、个人电脑和数码相机等其他技术相比，汽车带来了交通拥堵、事故风险和污染等外部成本。这意味着，即使个人消费者接受AVs，也可能在集体或社区层面上抵制AVs。因此，社区接受对AVs的采用也很重要。虽然社区接受在当前的研究中并没有成为障碍，但它不能被忽视，未来的研究应该探索它在AVs采用中可能发挥的潜在作用。尽管存在这些局限性，但本研究对障碍之间的因果关系提供了独特的见解，这无法从依赖大样本的消费者行为研究中得出。这项研究最重要的贡献在于了解到，AV采用的障碍并非孤立存在，而是作为一个相互关联的实体系统，在因果循环中相互影响。因此，将DEMATEL框架与计量经济学建模相结合可以成为未来研究的一个潜在途径，可以利用多种方法的优势，同时克服它们的缺点。致谢作者感谢参与本研究的行业专家和学者。如果没有他们的合作以及愿景和经验的分享，这项工作就不可能完成。

我们还要感谢三位匿名评论员和编辑，他们的评论大大改进了这篇手稿。参考Anderson，J.M.、Nidhi，K.、Stanley，K.D.、Sorensen，P.、Samaras，C.、Oluwatola，O.A.（2014）。自主车辆技术：决策者指南。兰德公司。Arnold，R.D.，&Wade，J.P.（2015）。系统思维的定义：系统思维。ProMedia计算机科学，44669-678。《自动驾驶汽车调查报告》（2019年）[在线]。可用：<https://www.perkinscoie.com/images/content/2/1/v3/216738/2019-Autonomous-VehiclesSurvey-Report-v.3.pdf>[访问日期：2019年1月20日]Awasthi，A.、Omrani，H.、Gerber，P.（2018）。研究用于城市机动项目可持续性评估的基于理想解决方案的多目标决策技术。交通研究A部分：政策与实践，116，247-259。Bagloee，S.A.、Tavana，M.、Asadi，M.、Oliver，T.（2016）。自动驾驶汽车：运输政策的挑战、机遇和未来影响。《现代运输杂志》，24（4），284-303。Bai，C.&Sarkis，J.（2010）。利用灰色系统和粗糙集方法将可持续性纳入供应商选择。《国际生产经济学杂志》，124（1），252264。Bai，C.，&Sarkis，J.（2013）。用于评估业务流程管理关键成功因素的基于灰色的DEMATEL模型。《国际生产经济学杂志》，146（1），281-292。Balakrishnan，A.（2017年）。高盛对自动驾驶汽车失业的分析。CNBC。[在线]。可用：.<https://www.cnbc.com/2017/05/22/goldmansachs-analysis-ofautonomous-vehicle-job-loss.html>【2019年1月20日查阅】Ballaban，M.（2015）。梅赛德斯（Mercedes）、谷歌（Google）、沃尔沃（Volvo）将在其自主汽车[在线]出故障时承担责任。可用：。

<https://jalopnik.com/mercedes-google-volvo-toaccept-liability-when-their-1735170893>【2018年3月23日查阅】。Bansal，P.、Kockelman，K.M.、Singh，A.（2016）。评估公众对新汽车技术的意见和兴趣：奥斯汀的观点。交通研究C部分：新兴技术，67，1-14。Bansal，P.，&Kockelman，K.M.（2017）。预测美国人对连接式和自动驾驶汽车技术的长期采用情况。交通研究A部分：政策与实践，95，49-63。Buckley，L.、Kaye，S.A.、Pradhan，A.K.（2018）。定性检查驾驶员对部分自动化车辆的反应。交通研究F部分：交通心理与行为，56167-175。Büyük"ozkan，G.，&Güleryüz，S.（2016）。土耳其可再生能源选择的综合DEMATEL-ANP方法。《国际生产经济学杂志》，182，435-448。Chen，Y.、Gonder，J.、Young，S.、Wood，E.（2017）。量化自动驾驶车辆对国家燃料消耗的影响：一种数据丰富的方法。交通研究A部分：政策与实践。Childress，S.、Nichols，B.、Charlton，B.、Coe，S.，2015年。使用基于活动的模型探索自动化车辆的潜在影响。交通研究记录2493,99–106。https://doi.org/10.3141/2493-11Bai，C.、Sarkis，J.、Wei，X.（2010）。使用粗糙集方法解决关键的可持续供应链管理问题。《管理研究评论》，33（12），1113-1127。Chottani，A.、Hastings，G.、Murnane，J.、Neuhaus，F.（2018）。分心还是干扰？自动驾驶卡车在美国物流业占据一席之地。麦肯锡史密斯公司。

可用：<https://www.mckinsey.com/industries/travel-transport-and-logistics/our-insights/distractionor-disruption-autonomous-trucks-gain-ground-in-us-logistics>[访问日期：2019年11月10日]。Clark，B.、Parkhurst，G.和Ricci，M.（2016）《了解自动驾驶汽车的社会经济采用情况：文献综述》。项目报告。英国布里斯托尔西英格兰大学。可从以下网址获得：http://eprints.uwe.ac.uk/29134Cohen，S.，&Sahar，S.（2017）。我们能否通过共享、自主和电动汽车促进社会公平？。加州大学戴维斯分校交通研究所。Cui，L.，Chan，H.K.，Zhou，Y.，Dai，J.，和Lim，J.J.（2019）。基于灰色决策试验与评估实验室（DEMATEL），探索绿色企业失败的关键因素。商业研究杂志，98450-461。David，W.&Elisabeth，B.（2018）。谁在自动驾驶汽车比赛中获胜？彭博社。通用域名格式。[在线]。可用：<https://www.bloomberg.com/news/features/2018-0507/who-s-winning-the-self-driving-car-race.>[于2018年3月23日访问]。Daziano，R.A.、Sarrias，M.、Leard，B.（2017）。消费者愿意付钱让汽车为他们代步吗？分析对自动驾驶车辆的响应。交通研究C部分：新兴技术，78150-164。Deng，J.L.（1982）。灰色系统的控制问题。系统（&S）控制。Lett。，1(5), 288-294.Julong，D.（1989）。灰色系统理论导论。灰色系统杂志，1（1），1-24。Dyble，J.（2018）。了解SAE自动驾驶–解释了0至5级[在线]。可用：<https://www.gigabitmagazine.com/ai/understanding-sae-automated-drivinglevels-0-5-explained>【2018年3月23日查阅】。Fraedrich，E.、Heinrichs，D.、Bahamonde Birke，F.J.、Cyganski，R.（2018）。