《TRANSPORTATION RESEARCH PART C-EMERGING TECHNOLOGIES》：Use of travel time in a shared automated vehicle for work and leisure: Results from a field experiment with a Wizard-of-Oz simulator-on-wheels vehicle
编辑推荐：
本文针对自动驾驶汽车（AVs）普及过程中的核心瓶颈——如何将通勤时间转化为生产力，开展了一项创新性实证研究。研究人员利用“绿野仙踪”车载模拟器，首次在真实城市交通环境中，让104名参与者体验了共享自动驾驶汽车（SAV）内的工作与休闲活动，并通过详尽的问卷调查和视频分析，量化了非驾驶相关任务对旅行时间价值的影响。研究结果表明，SAV因其允许乘客专注于工作，可显著降低其旅行时间价值，从而凸显了其在提升出行生产力、重塑通勤体验方面的巨大潜力。这项研究为自动驾驶技术的商业化推广和城市交通系统的可持续规划提供了关键的行为学证据。该成果发表于《TRANSPORTATION RESEARCH PART C-EMERGING TECHNOLOGIES》。
每天，数以亿计的人花费大量时间在通勤路上。在荷兰，平均单程通勤时间火车约为80分钟，城市公共交通（公交、电车、地铁）约45分钟，汽车或自行车约25分钟。这段时光常常被视为“被浪费的时间”，人们被迫困在方向盘后，或在拥挤的车厢中无所事事。为了应对这种“时间损失”，乘客们开始在通勤途中进行“旅行多任务处理”，即从事非驾驶相关任务，比如在火车上工作、阅读，或在公交车上社交、放松。虽然这在一定程度上利用了时间，但传统交通模式固有的局限性（如需要驾驶、环境嘈杂、空间受限）严重制约了活动的质量和效率。
技术的曙光已经出现。自动驾驶车辆，特别是SAE Level 4和Level 5的完全自动驾驶汽车，承诺将人类从驾驶任务中彻底解放。想象一下，未来的通勤不再是紧绷神经地盯着路况，而是可以舒适地坐在车内，全身心投入到工作、学习、娱乐甚至小憩中。这不仅能将“垃圾时间”转化为“生产力时间”或“休闲时间”，还能从根本上提升出行满意度和生活质量。然而，美好的愿景面临现实的挑战。如果自动驾驶汽车像今天的私家车一样被个人拥有和使用，很可能加剧城市拥堵，抵消其潜在效益。因此，一种更可持续的路径是将其部署为共享自动驾驶汽车服务，并与现有的公共交通系统整合。
但关键问题在于：人们真的能在SAV中有效从事这些活动吗？这种“车内生产力”的体验，又会如何改变人们对SAV的接受度、偏好，乃至对“旅行时间价值”的认知？此前的研究大多基于假设性的问卷调查或实验室模拟，缺乏在真实交通环境中的实证检验，留下了一个重要的知识空白。
为了填补这一空白，来自荷兰代尔夫特理工大学的研究团队Maryna ?ztürker, Sina Nordhoff, Sascha Hoogendoorn-Lanser, Bart van Arem, Gon?alo Homem de Almeida Correia 进行了一项开创性的现场实验。他们巧妙地采用“绿野仙踪” 方法，将一辆普通的日产e-NV200厢式车改装成一台“车载模拟器”。通过在驾驶室后方安装隔板，并在乘客舱内安装三块OLED屏幕实时显示由前置摄像头拍摄的道路画面，他们成功地为参与者营造了一种乘坐Level 5 SAV的沉浸式体验。一位隐藏的“安全员”负责实际驾驶，而参与者则被告知车辆是完全自动驾驶的。研究招募了104名参与者，每人在荷兰代尔夫特市一条7.2公里、包含多种路况的城市路线上进行了两次约20分钟的“自动驾驶”行程。在两次行程中，他们被要求分别进行一项工作相关任务（如回复邮件、制定计划）和一项休闲相关任务（如阅读、使用手机）。为了精确捕捉参与者的投入程度，研究人员在车内安装了摄像头，通过分析参与者的头部朝向（如下垂专注设备）来量化其任务专注水平。实验前后，参与者均完成了详细的陈述性选择问卷，评估他们对SAV、传统汽车、公共交通和自行车的偏好及相关的旅行时间价值。
本研究主要采用了以下几种关键技术方法：1) “绿野仙踪”车载模拟器：通过物理改装和实时视频反馈，在真实道路环境中安全、逼真地模拟了L5级SAV的乘坐体验。2) 混合方法数据采集：结合了主观的问卷、半结构化访谈，以及客观的生理数据（视频记录分析）。3) 陈述性选择实验：设计了包含SAV、传统汽车、公交/电车、自行车四种出行方式的虚拟选择场景，通过多轮选择任务量化参与者的偏好及其对时间、成本、活动类型等属性的敏感性。4) 联合混合Logit面板模型：建立了包含仪器变量、潜变量和社会经济变量的计量经济模型，用于分析实验前后选择行为的变化，并计算VoTT。
研究结果
1. 对SAV的感知变化：从想象到体验
实验前的问卷调查显示，参与者普遍对SAV抱有很高的期望，其旅行时间价值 高于传统汽车和公共交通。这意味着，在实验前，参与者认为SAV的时间“更宝贵”，或者说，他们愿意为节省SAV的出行时间支付更高的成本。然而，在亲身体验了在SAV内工作后，情况发生了有趣的变化。参与者在后测 中为SAV（用于工作时）赋予的VoTT显著下降 了。这表明，实际体验到SAV能够提供专注的工作环境后，参与者认为在SAV中工作的时间“贬值”了——因为它可以被有效利用，从而减少了时间的浪费感。与之相对，那些在体验后更偏好于在SAV中进行工作而非休闲活动的参与者，对SAV出行时间的整体感知变得更加积极。
2. 与传统模式的对比：SAV的成本和时间优势
与公共交通和传统汽车相比，SAV的出行成本被参与者感知为不那么负面。这暗示了SAV作为一种服务，其定价模式可能更具吸引力。更重要的是，研究揭示了全神贯注 对传统汽车VoTT的负面影响。在实验中，那些在SAV行程中能够完全专注于任务的参与者，在后续评估中，认为传统汽车替代方案的时间无效用增加了。这说明，一旦体验过在自动驾驶环境下高效工作的舒适，人们对驾驶汽车时需要分心路况、无法充分利用时间的情况会感到更加不满，从而“拔高”了对传统汽车出行时间的负面评价。
3. 实验设置的有效性：绿野仙踪的魔力
本研究成功验证了“绿野仙踪”方法在模拟真实SAV体验方面的有效性。高达74% 的参与者相信他们乘坐的是一辆真正的自动驾驶汽车，这为实验结果的生态效度提供了有力支持。
研究结论与意义
这项研究通过一项精心设计的现场实验，首次在真实城市交通环境中，实证检验了在SAV中利用通勤时间进行工作与休闲活动对用户态度、偏好及旅行时间价值的影响。核心结论是：SAV通过赋能“车内生产力”，能够有效降低用户感知的旅行时间价值，从而在出行模式竞争中建立独特优势。 具体而言：
- 1.
生产力优势：SAV在支持工作相关活动方面表现突出。体验过在SAV中工作后，用户对其旅行时间价值的评价降低，这表明SAV能将通勤转化为有价值的工作时间，缓解了人们对“时间浪费”的焦虑。
- 2.
体验重塑效应：积极的NDRT体验不仅提升了SAV的吸引力，还反过来“拉高”了人们对传统驾驶模式的要求。习惯了在SAV中专注工作或休闲后，用户对必须亲自驾驶的汽车所耗费的时间容忍度下降。
- 3.
方法学贡献：研究成功部署了“绿野仙踪”车载模拟器，证明了这是一种在现有法规和技术限制下，安全、经济且有效地研究未来出行体验的强大工具。
这项研究具有重要的理论和实践意义。在理论上，它弥补了关于SAV中NDRT行为与体验交互研究的空白，提供了基于真实体验而非假设的选择行为数据。在实践上，它为交通规划者、汽车制造商和共享出行服务商提供了关键洞察：SAV的核心竞争力可能不仅在于“自动化”，更在于它所创造的“可自由支配的车内时间”。 在推广SAV时，应着重宣传其提升出行生产力和生活质量的潜力。同时，研究结果支持将SAV整合到城市公共交通系统中的战略，通过提供“门到门”且高生产力的出行服务，SAV可以成为缓解拥堵、促进可持续城市交通转型的有力工具。未来的研究可以进一步探索不同内饰设计、行程长度、任务类型以及用户群体对SAV使用体验和偏好的影响。
