自动驾驶和居住位置偏好：来自

请注意，每日/每周/小时的VOT。可以对两种成本类型的VOT估计值进行有意义的比较，如果旅行成本方面的VOT按周计算。为此，我们假设每周通勤出行时间预算为10小时，并将所报告的参数估计值和VOT在出行和住房成本方面的置信区间分别乘以10小时和1小时。在这一假设下，可以看出，平均而言，受访者更看重通勤旅行时间的节约，自驾汽车通勤的住房成本为1061.3澳元/周，业主为1061.3澳元/周，租客为519.5澳元/周。对于传统汽车和自动驾驶汽车，平均值的差异在统计学上是显著的，因为相应的置信区间不重叠。对于公共交通，业主的置信区间不重叠，但承租人的置信区间重叠程度很小。总的来说，M-MNL I模型可以得出相同的实质性见解，与M-MNL II模型相比，M-MNL I模型没有捕捉到旅行时间敏感性的协变量。从表6可以看出，VOT分布平均参数的点估计与相应的置信区间非常匹配。与M-MNL II模型一样，M-MNL I模型并不表明平均VOT的差异具有统计学意义。5、讨论和结论在本文中，我们试图通过调查在自动驾驶的情况下，居住分配和通勤出行选项组合的规定偏好，从经验上量化自动驾驶对出行行为和土地使用的潜在影响。我们的分析来自澳大利亚悉尼大都会区512名居民完成的规定偏好调查，为自主出行时间估值提供了见解。我们估计了几个混合logit模型。

总的来说，实证结果表明，由于AVs的出现，预计出行时间的估值不会发生变化。几项基于模拟的研究调查了自动驾驶对旅行的影响，相对于传统汽车旅行的VOT，其影响高达100%（见Gelauff et al.，2017；Thakur et al.，2016；Zhang和Guhathakurta，2018）。据推测，AV旅行的VOT低于传统汽车旅行的VOT，因为AVs可以减轻汽车旅行的负担，部分原因是通过在旅行中使用生产性时间。相比之下，其他研究质疑VOT减少的出现是否更可能源于主观幸福感的增加，这是由于广泛的基于旅行的多任务处理能力下降所致。此外，Singleton（2019）认为，一般来说，基于旅行的多任务处理主要是由打发时间的欲望驱动的，而不是由个人活动安排偏好的高阶变化驱动的，在AVs上有效利用旅行时间的可能性可能影响VOT之前。总的来说，这项研究的结果支持了以下观点，即AVs在实质性降低VOT从而影响居住位置偏好方面的即时潜力可能有限（另请参见Singleton，2019）。这一见解的一个直接含义是分析自动驾驶对出行行为和居住地点选择的影响（另见Soteropoulos et al.，2018）。尽管如此，我们的研究结果也表明，AV对旅行时间的敏感性受到相当大的随机味觉变化的影响，而这反过来又是未来研究的一个有趣途径。此外，还有其他几个方向，未来的研究可以在本文所述工作的基础上进行。

首先，目前的研究完全依赖于所述的偏好数据。尽管所述偏好研究在获取新产品和服务属性的相对重要性方面至关重要，但应该承认，当前研究中得出的估计值可能存在假设偏差，因此可能无法准确反映AVs的使用情况（另见Beck et al.，2016；Krueger et al.，2016；Milakis et al.，2017）。目前AVs的出行偏好可能主要是对未知技术的厌恶和恐惧，以及对新技术价值的不确定性。解决这一问题的一个方法是自主驾驶的虚拟现实，例如精心设计的驾驶模拟器研究或自然实验（参见Harb等人，2018）。其次，作为当前研究的一部分提出的陈述选择实验没有明确规定AVs可用的商业模式。有人认为，自动驾驶技术可能非常适合2014年；Krueger等人，2016年）。此类服务的可用性和定价结构可能会影响AVs的出行偏好以及居住位置偏好。第三，已经表明，VOT估计值可能会有所不同，这取决于偏好诱导是在短期还是在长期决策环境中发生的（Beck等人，2017）。沿着这些思路，比较自动驾驶的偏好如何在不同的诱导环境中变化可能是有用的。最后，住宅位置的选择通常是在家庭层面进行的，因此受到群体互动的影响。

为了增强所述偏好研究的现实性，调查AVs对住宅位置偏好的潜在影响，因此，在基于agroup的决策背景下得出偏好可能是有用的。致谢我们要感谢两位匿名评论员对我们的工作所作的批评性评估。本论文的初步版本已在运输研究委员会98年年度会议上发表；我们要感谢本初稿的匿名评论者提出的建设性意见。作者感谢澳大利亚研究委员会（LP160100450）的支持。作者贡献陈述工作：构思与设计、数据收集、准备与分析、手稿撰写与编辑。THR：概念与设计、数据收集与分析、手稿编辑、监督。VVD：数据收集。参考Saizaki，H.（2012）。R.统计软件杂志，50:1–24中支持选择实验实施的基本功能。Anderson，J.M.、Kalla，N.、Stanley，K.D.、Sorensen，P.、Samaras，C.和Oluwota，O.A.（2014）。自主车辆技术-决策者指南。兰德公司。澳大利亚统计局（2019年）。2016年澳大利亚人口普查。http://www.censusdata.abs.gov.au.Bansal，P.和Kockelman，K.M.（2018）。我们准备好接受联网和自动驾驶车辆了吗？德克萨斯州案例研究。运输，45（2）：641–675。Bansal，P.、Kockelman，K.M.和Singh，A.（2016）。评估公众对新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。Beck，M.J.、Fifer，S.和Rose，J.M.（2016）。你能肯定吗？减少假设偏差通过受访者报告的选择确定性进行选择实验。交通研究B部分：方法学，89:149–167。贝克，M。

J、 ，Hess，S.，Cabral，M.O.，和Dubernet，I.（2017）。评估旅行时间节约：短期还是长期选择？运输研究E部分：物流和运输评论，100（补充C）：133–143。Bhat，C.R.和Guo，J.Y.（2007）。综合分析建筑环境特征对家庭住宅选择和汽车拥有水平的影响。运输研究B部分：方法学，41（5）：506–526。Bhat，C.R.和Lavieri，P.S.（2018）。一种新的混合mnp模型，适应各种依赖正态系数分布。《理论与决策》，84（2）：239-275。模式。计量经济学杂志，89（1）：109–129。Burns，L.D.（2013年）。我们的交通未来愿景。《自然》，497（7448）：181-182。Burns，L.D.、Jordan，W.C.和Scarborough，B.A.（2013）。改变个人流动性。哥伦比亚大学地球研究所技术报告。B"osch，P.M.、Becker，F.、Becker，H.和Axhausen，K.W.（2018）。基于成本的自主移动服务分析。交通政策，64:76–91。Carson，R.T.和Czajkowski，M.（2018）。从离散选择模型估计支付意愿的新基线模型。技术报告。Cirillo，C.和Axhausen，K.W.（2006）。六周日志中节省的旅行时间值分布的证据。交通研究A部分：政策与实践，40（5）：444–457。Daziano，R.A.、Sarrias，M.和Leard，B.（2017年）。消费者愿意付钱让汽车为他们开车吗？分析对自动驾驶车辆的响应。交通研究C部分：新兴技术，78:150–164。Dubernet，I.和Axhausen，K.W.（2016）。德国工作场所和居住地点的选择。第16届瑞士交通研究会议。Fagnant，D.J.和Kockelman，K.（2015）。为自主汽车做好准备：机遇、障碍和政策建议。

交通研究A部分：政策与实践，77:167–181。Fagnant，D.J.和Kockelman，K.M.（2014）。使用基于代理的模型场景，分析sharedautonomous车辆的出行和环境影响。交通研究C部分：新兴技术，40:1–13。集中还是两者兼而有之？自主车辆的选择研究。交通研究C部分：新兴技术，98:323–337。郭，J.，冯，T.，和Timmermans，H.J.P.（2018）。使用误差分量混合logit模型对工作场所、居住地和通勤模式的相互依赖选择进行建模。运输Haboucha，C.J.，Ishaq，R.，和Shiftan，Y.（2017）。关于自动驾驶车辆的用户偏好。交通研究C部分：新兴技术，78:37–49。Harb，M.、Xiao，Y.、Circella，G.、Mokhtarian，P.L.和Walker，J.L.（2018）。将旅行者投射到自动驾驶汽车的世界：通过自然主义实验评估旅行行为的影响。运输，第1-15页。Harper，C.D.、Hendrickson，C.T.、Mangones，S.和Samaras，C.（2016）。估计无人驾驶、老年人和有旅行限制性医疗条件的人使用自动驾驶汽车旅行的潜在增长。交通研究C部分：新兴技术，72:1–9。Hensher，D.A.、Greene，W.H.和Li，Z.（2011年）。在非线性logit中嵌入风险态度和决策权重，以适应预期旅行时间节省值的时间变化。运输研究B部分：方法学，45（7）：954–972。Ho，C.和Mulley，C.（2013）。周末和工作日家庭联合出行模式的旅游模式选择。运输，40（4）：789–811。Ho，C.Q.、Mulley，C.、Shiftan，Y.和Hensher，D.A.（2016）。旅行时间节约的车辆价值：基于组的建模方法的证据。

交通研究A部分：政策与实践，88:134–150。Kolarova，V.、Steck，F.、Cyganski，R.和Trommer，S.（2017）。使用显示和陈述偏好法估计自主驾驶的时间价值。在欧洲运输会议上。Krinsky，I.和Robb，A.L.（1986年）。关于近似弹性的统计性质。TheReview of Economics and Statistics，第715-719页。Krueger，R.、Rashidi，T.H.和Rose，J.M.（2016）。共享自动驾驶车辆的首选项。交通研究C部分：新兴技术，69:343–355。Le Vine，S.、Zolfaghari，A.和Polak，J.（2015年）。自动驾驶汽车：乘员体验和交叉口通行能力之间的张力。交通研究C部分：新兴技术，52（补充C）：1-14。Matousek，J.（1998年）。关于锚定箱的差异。《复杂性杂志》，14（4）：527–556。麦克法登，D.和特拉恩，K.（2000年）。离散响应的混合MNL模型。《应用计量学杂志》，15（5）：447–470。Meyer，J.、Becker，H.、B"osch，P.M.和Axhausen，K.W.（2017）。自动驾驶汽车：下一个跳跃式进入？《运输经济学研究》，62（补编C）：80–91。Milakis，D.、Arem，B.v.和Wee，B.v.（2017）。自动驾驶的政策和社会相关影响：文献回顾和未来研究方向。《智能运输系统杂志》，21（4）：324–348。Milakis，D.、Kroesen，M.和van Wee，B.（2018年）。自动化车辆对可达性和位置选择的影响：基于专家的实验证据。交通地理杂志，68:142–148。自动化车辆。走向定量方法，以分析自动化车辆的长期创新扩散327。Ory，D.T.、Mokhtarian，P.L.、Redmond，L.S.、Salomon，I.、Collantes，G.O.和Choo，S.（2004）。

个人什么时候需要通勤？增长与变化，35（3）：334–359。了解建筑环境对通勤模式选择的影响。运输，34（5）：557–573。“Pud”ane，B.、Rataj，M.、Molin，E.J.、Mouter，N.、van Cranenburgh，S.和Chorus，C.G.（2018b）。自动化车辆将如何影响用户的日常活动？荷兰通勤人群焦点小组的见解。交通研究D部分：交通与环境。分析《区域科学杂志》，41（3）：475–505。Schwanen，T.和Mokhtarian，P.L.（2005）。影响通勤模式选择的因素：社区物理结构或对社区的偏好？交通地理杂志，13（1）：83–99。Schwarz，G.（1978）。估计模型的维度。《统计年鉴》，6（2）：461–464。C部分：新兴技术，93:463–478。辛格尔顿，P.A.（2019）。讨论自动驾驶汽车的“积极效用”：旅行者会有效地利用时间吗？交通评论，39（1）：50–65。Small，K.A.（2012）。旅行时间估价。运输经济学，1（1）：2–14。So，K.S.、Orazem，P.F.和Otto，D.M.（2001）。房价、工资和通勤时间对共同居住和工作地点选择的影响。《美国农业经济学杂志》，83（4）：1036-1048。苏联计算数学和数学物理，7（4）：86–112。国际汽车工程师学会（2016）。道路机动车辆驾驶自动化系统相关术语的分类和定义；J3016_201609。和土地利用：建模研究的国际回顾。交通评论，第1-21页。Sparrow，R.和Howard，M.（2017）。当人类像喝醉的机器人：无人驾驶汽车，215。Thakur，P.、Kinghorn，R.和Grace，R.（2016）。自治时代的城市形态与功能。

2016年第38届澳大利亚交通研究论坛（ATRF），澳大利亚维多利亚州墨尔本。Train，K.和Sonnier，G.（2005年）。相关零件价值有界分布的混合Logit，第117–134页。荷兰施普林格，多德雷赫特。Train，K.E.（2009）。模拟离散选择方法。剑桥大学出版社，第2版。线：Pv2道路参数值。技术报告，联邦基础设施、区域发展和城市部。Van Acker，V.、Van Wee，B.和Witlox，F.（2010年）。《当交通地理学与社会心理学相遇：走向旅游行为的概念模型》。交通评论，30（2）：219–240。Walker，J.L.、Ben Akiva，M.和Bolduc，D.（2007年）。正常误差分量logit混合（neclm）模型中的参数识别。应用计量经济学杂志，22（6）：1095–1125。Walker，J.L.和Li，J.（2006）。潜在的生活方式偏好和家庭位置决定。地理系统杂志，9（1）：77–101。Winter，K.、Cats，O.、Martens，K.和van Arem，B.（2017）。在自由浮动汽车共享和共享自动驾驶汽车的时代，关于ModeChoice的声明性选择实验。Zhang，W.和Guhathakurta，S.（2018）。共享自主车辆时代的住宅区位选择。《规划教育与研究杂志》，第0739456X18776062页。A、 所述选择数据属性的描述最小中值平均最大标准偏差。

N抵押付款【澳元/周】143 475 537.4 4200 431.4 2256租金【澳元/周】143 405 438.8 1281 191.5 1840额外房间数0 1 1.0 2 0.8 4096住宅类型（假人）单元0 0 0 0.26 1 0.44 1074业主0 0 0.36 1 0.48 1472独立住宅0 0 0.38 1 0.49 1550邻里类型（假人）大多为单户住宅0 0 0 0 0 0 0 0.36 1 0.48 1454混合住宅建筑和商业用途0 0 0.33 1 0.47 1332混合住宅和商业用途的高层建筑0 0.32 1 0.47 1310开发年限（假人）0–5年0 0 0.38 1 0.49 15525–15年0 0 0.33 1 0.47 1362超过15年0 0.29 1 0.45 1182本地服务（假人）无店铺0 0.27 1 0.44 1103基本店铺和餐厅0 0 0 0 0.34 1 0.47 1388基本加特色店铺和餐厅0 0 0 0 0 0.391 0.49 1605步行到当地服务的时间，如果有当地服务【分钟】10 20 19.4 30 8.1 2993表7：住房方案（N=4096）所选备选方案属性水平的汇总统计数据属性最小平均值最大标准偏差常规运输成本【AUD】3.2 5.0 6.0 18.0 2.8 1452旅行时间【分钟】32 42 48.9 120 20.5 1452在交通拥挤条件下花费的旅行时间比例[%]10 35.665 22.9 1452自驾汽车旅行成本【AUD】3.2 5.6 6.3 18.0 2.8 1116旅行时间【分钟】32 45 51.6 120 21.0 1116在拥挤交通条件下花费的旅行时间比例[%]10 35 33.2 65 21.9 1116公共交通旅行成本【AUD】3.2 5.6 6 6.5 18.0 2.9 1528旅行时间【分钟】32 45 52.9 120 21.3 1528表8：所选备选方案属性级别的汇总统计通勤出行选择（N=4096）