1672-5328

文章编号： （ 2019）
05-0071-06 U491 文献标识码：
中图分类号： A DOI:10.13813/j.cn11-5141/u.2019.0511

自动驾驶场景下城市空间生长模拟方法研究

陆晓琳，江 捷
(深圳市城市交通规划设计研究中心有限公司，广东 深圳 518057)

摘要：自动驾驶汽车对城市空间生长影响的研究未得到足够重视。通过系统梳理自动驾驶汽车的技
术特性和影响，选取新增出行、道路通行效率和出行时间成本作为参数变量，建立改进的土地利
用-交通模型。基于共享性和交通流特性构建不同的自动驾驶场景，运用模型分析和可视化技术，
以 U 市为实例模拟评估不同自动驾驶场景下城市空间生长形态的变化。结果表明，所有场景下的交
通可达性均有效提高，但城市空间呈现蔓延或集聚等不同的生长趋势。研究结论对制定自动驾驶环
境下的城市空间交通、城市发展战略和政策具有参考意义。
关键词：自动驾驶；城市空间生长；交通可达性；土地利用-交通模型
Simulation of Urban Spatial Growth Under Autonomous Vehicles Scenarios
Lu Xiaolin, Jiang Jie
(Shenzhen Urban Transport Planning Center Co. Ltd., Shenzhen Guangdong 518057, China)
Abstract: Research on the impact of autonomous vehicles on urban spatial growth has not received suffi-
cient attention both at home and abroad. Through systematically analyzing the technical characteristics and
impacts of autonomous vehicles, this paper develops an improved land use-transportation interaction mod-
el taking induced travels, traffic efficiency and travel time cost as parameters. Based on sharing and traffic
flow characteristics in different autonomous vehicles scenarios, the paper simulates urban spatial growth in
City-Using modelling analysis and visualization techniques. The results show that the transportation acces-
sibility is effectively improved in all scenarios, while the urban space presents different growth trends in-
cluding sprawl and agglomeration. The research conclusions is of reference significance for the formula-
tion of urban space and urban transportation development strategies and policies facing under the environ-
ment of autonomous vehicles.
Keywords: autonomous vehicles; urban spatial growth; transportation accessibility; land use- transporta-
tion interaction model

收稿日期：2019-06-24
基 金 项 目 ： 深 圳 市 科 技 计 划 项 目 “ 面 向 无 人 驾 驶 公 交 的 车 路 协 同 关 键 技 术 研 发”
(JSGG20170822173002341)
作者简介：陆晓琳(1994— )，女，安徽阜阳人，硕士，助理工程师，主要研究方向：交通规划、智
慧交通、交通仿真。E-mail: luxiaol@sutpc.com
自
动
随着传感技术、通信技术、地理信息技 交通运行的单一影响[7-9]，缺乏系统且量化的 驾
驶
场
术的发展和人工智能的应用，自动驾驶技术 分析、研究建模方法。本文基于自动驾驶汽 景
下
逐步成熟，自动驾驶汽车量产投放和规模化 车的技术特征，通过修正的土地利用-交通 城
市
运营的时代即将到来 。世界各大城市陆续 [1]
模型，以 U 市为实例，量化评估不同场景下 空
间
开放自动驾驶道路测试，自动驾驶技术提 自动驾驶汽车对城市空间形态的改变，揭示 生
长
升、法律法规制定和行业发展前景的研究大 自动驾驶技术与城市空间生长的互动机理。 模 陆
拟 晓
量开展，但自动驾驶车辆可能给城市交通系 方 琳
法
统、城市空间形态乃至于城市内在发展机理 1 自动驾驶汽车的技术特征与影响 研 江
究 捷
带来的巨大影响却未得到足够重视 。既有 [2]

研究或从定性角度对自动驾驶环境下的未来 自动驾驶的关键技术主要包括环境感 71
城市进行展望 ，或仅阐述自动驾驶技术对
[3-6]
知、行为决策、路径规划和运动控制四大部
 出行服务

分。自动驾驶汽车依靠雷达、卫星定位、电 1.4 对城市空间形态的影响

脑视觉等技术感知道路环境，对获取的信息 自动驾驶汽车的普及将为城市中心区释
进行决策判断后自动规划行车路线，进而控 放大量的可利用空间。现存的集散广场、路
制车辆到达预期目的地，是人工智能、视觉 内停车设施、地下车库等可转变为更具价值
计算、雷达、监控装置和全球定位系统协同 或公共属性功能的地块。城市街巷界面将以
合作的产物[10]。相较于传统汽车，自动驾驶 人为尺度进行组织与设计，道路的主体不再
汽车不仅解放了驾驶人的双手，更实现了对 是车辆，而是人车共享的活动空间。另一方
交通信息的即时共享、交通资源的统一调 面，出行时间成本的降低和舒适度的增加使
配。从城市与交通发展的角度，其带来的影 居住在郊区比在城市中心区更具吸引力。停
响包括对交通流的影响、对出行行为的影 车区域的迁移也将带来同样的后果。城市居
响、对基础设施和街道设计的影响和对城市 住区将不断扩大，城市边缘出现蔓延现象。
空间形态的影响等多个方面。
2 自动驾驶环境下的土地利用
自动驾驶环境下的土地利用-- 交通修
1.1 对交通流的影响 正模型
自动驾驶系统比驾驶人反应和操作时间
更短。与传统汽车相比，自动驾驶汽车间的 2.1 土地利用
土地利用-
-交通相互作用模型
车头时距将会缩小，车道宽度中的余宽也可 土地利用-交通相互作用模型(Land Use-
以相应减少，道路单位时间通行流量将有效 Transport Interaction Model, LUTI) 是 研 究 交
增加。在车车通信和车路通信技术协助下， 通系统与城市空间演化、城市发展时常用的
自动驾驶汽车通过交叉口的时间也将大幅缩 数学模型，其涵盖土地利用与开发、城市空
短。来自不同方向的车辆可以通过速度控制 间规划、交通需求与特征预测、社会经济学
而不通过交通灯的控制穿越冲突区域，交叉 及计算机等多个知识领域，被欧美国家广泛
口前排队现象将不复存在。 应用于模拟城市空间发展过程，是辅助政策
决策的有力工具[12]。模型的作用机理是土地
1.2 对出行行为的影响 利用与交通系统间的反馈循环与相互作用。
驾驶任务的自动化为老人、残疾人、儿 城市交通系统和居民出行行为会影响城市交
童和无法获得驾照的旅客等提供了独自出行 通的可达性，而交通可达性会影响土地的吸
的可能，为道路系统带来新的用户群体。而 引力，在市场力量作用下，城市各地块的房
在不需要操纵汽车和观测环境的情况下，旅 价将被改变，进而带来社会经济活动的相应
客的出行舒适度将大幅提升，出行时间成本 变化(搬家、买车等)，交通系统又会随这些
相应降低，使用自动驾驶汽车出行将更具吸 活动的变化而变化。如此形成了一个反馈循
引力，这也将导致居民总体出行次数和出行 环，其中的各项因素不断相互作用，保持动
里程的增加。此外，出行里程还受未来停车 态平衡状态 [13]。因此，LUTI 模型主要由土
政策和共享化程度的影响。如果共享的自动 地利用和交通两大系统组成。土地利用系统
驾驶汽车只能在规定区域接送乘客和停车， 反映居民在城市中活动的空间分布，交通系
空载行驶距离将增加。 统包括交通基础设施的分布、运行状况、交
Urban Transport of China Vol.17 No.5 September 2019

通量统计计算、交通需求分布等内容。
城
市 1.3 对基础设施的影响
交
通 自动驾驶汽车需要的车道宽度将缩窄， 2.2 自动驾驶环境下的模型修正
二 城市街巷将获得空间重塑的机会，为城市绿 传统的土地利用-交通模型中并没有直
○
一 道、非机动车道、人行道、公共活动区域腾 接模拟自动驾驶汽车的模块，可通过改变模
九
年 出空间资源。为适应自动驾驶汽车，道路交 型中交通系统的各类参数来反映自动驾驶汽
第 叉口将被改造，交通灯和各类交通标志可能 车的特性，以此建立自动驾驶汽车与居民活
十
七 大幅减少。即停即走的自动驾驶车辆对停车 动和交通可达性的关系。考虑自动驾驶汽车
卷
场的需求将显著减少，城市中心区的停车场 的影响，选取三类参数：各种原因导致的新
第
五 被步行可达的停车落客区所替代，集中停
期 增出行、道路通行效率的改变和出行时间成
车区域可被规划到土地价值不高的城市边 本(时间价值)的改变。图 1 展示了修正后自
72 缘地段[11]。 动驾驶环境下的土地利用-交通模型。
2.3 自动驾驶的四类场景 使用的开放模型 [14-15]。该市是典型的区域中
作为一项创新技术，自动驾驶无论是在 心城市，拥有发达的环状放射型道路系统和
技术层面还是应用层面都存在一定的不确定 环绕中心城区分布的城镇，对国内各大城市
性。公众接受度、市场接受度、技术稳定性 具有一定参考意义。将表 1 中参数输入 U 市
与安全性等因素都会对其发展趋势造成影 已有的土地利用-交通仿真模型，得到各场
响。为应对这种不确定性，依托情景分析 景下交通可达性和城市空间形态的变化结果。
法，使用共享性和交通流特性构建自动驾驶
不同的发展场景。在不同的共享程度和交通 3.1 运行结果
流混合程度下，自动驾驶将进入四种不同的 U 市各区域交通可达性变化比例与分布
发展情景(见图 2)，分别是取代型场景、竞 如图 3 所示。三种场景下的交通可达性均有
争型场景、待命型场景和原始场景。1)原始 不同程度的提升，待命型场景中可达性变化
场景下，自动驾驶技术保持在当今的水平而 提升最少但分布最为集中，竞争型场景中可
不再发展。2)取代型场景中，自动驾驶汽车 达性提升最大，90%以上的区域交通可达性
以共享模式取代传统汽车和传统公共汽车、 提升了 40%以上，而取代型场景中恰恰相
出租汽车的功能。这种更安全、更环保的交 反，绝大多数区域可达性提升不足 40%。将
通方式成为社会主流，道路上行驶的车辆全 交通可达性变化作为初始条件输入居住选址
部是自动驾驶车辆。3)竞争型场景与前一场 模型，以 10 年为时间变量，以现状居住密
景相反，人们还是偏向于购置私人自动驾驶 度为基准，得到各场景下居住密度的变化值
汽车，而不是享受自动驾驶的出行服务，自 (见图 4)。原始场景中市中心区居住密度出
动驾驶汽车将与传统汽车、公共交通、出租 现大幅降低，单位面积居住量减少超过 400
汽车等竞争用户与道路空间资源。4)待命型
交通系统
场景下，自动驾驶主要被应用于公共交通的 道路通行效率变化
出行分配 自动驾驶场景
情况，昂贵的价格使普通人无法拥有个人的 (交通流/交通阻抗) 下 OD 矩阵
自动驾驶汽车，但是政府将其视作解决城市 时间价值变化 新增出行
原始 OD 矩阵
拥堵和减少小汽车使用的手段，与公共交
可达性 活动
通、出租汽车行业协同提升城市交通品质。
道路上主体车辆仍是传统小汽车，自动驾驶
汽车需要适应在混合交通流中行驶。

2.4 场景参数预设 土地利用

在取代型场景下，公共交通 OD 矩阵被 图 1 自动驾驶环境下的土地利用-交通模型

全部增加到小汽车出行 OD 矩阵中，因为空 Fig.1 Land use-transportation interaction model in autonomous

vehicles environment
载而增加的出行量取 20%，共享的自动驾驶
资料来源：根据文献[13]改绘。
汽车可以在路边随时停靠，不需要特定的停
车位，因此不产生额外的停车出行。假设车 共享化
车协同和车路协同被全面应用，道路通行效
取代型场景
率得到极大提高，高速公路通行效率将增加 待命型场景
自动驾驶车辆以公共汽
自动驾驶车辆以公共汽 自
100%，城市道路通行效率可增加 50%。交 车、出租汽车等共享形 动
车、出租汽车等共享形
式被广泛应用，完全取 驾
叉口延误几乎完全消失，取 LUTI 模型中可 式被应用，但传统车辆
代传统车辆成为最主要 驶
仍是主体交通工具 场
设定的最小值 0.1。参考已有文献的研究结 交通工具
景
混合 全自动驾驶 下
论，假定时间价值会减少 35%。在竞争型场 交通流 交通流 城
市
景和待命型场景中，对各项参数做相应调整。 竞争型场景 空
原始场景
自动驾驶车辆以私人小 间
自动驾驶的技术和应用 生
汽车的形式被广泛应
停留在目前，不再发 长
用，成为与公共交通、
3 案例分析 展。以私人小汽车为主
出租汽车有竞争性的交
模
拟
陆
晓
且市场份额很小
通工具 方 琳
法
在缺少国内城市交通基础数据和土地利 研 江
私有化 究 捷
用-交通模型的背景下，本研究选用国外 U
市为研究对象，使用该市供高校和科研机构
图 2 自动驾驶场景分析
Fig.2 Scenario of autonomous vehicles
73
 出行服务

户·km-2，而在外围城镇中心出现了居住集中 将得到缓解。同时，自动驾驶+共享出行的
现象。取代型场景中市中心区吸引了大量住 模型下，道路网可覆盖的周边城镇中心也将
户迁入，增长大于 200 户·km ，周边城镇中 -2
成为市民的居住倾向点。
心有一定幅度居住增长。竞争型场景与取代 竞争型场景中，城市居住分布形态将日
型场景相比呈现相反趋势，市中心区居住密 益分散，城市边界蔓延。自动驾驶汽车仍为
度降低，居民更倾向于居住在周边非中心 家庭或个人私有，需要停泊区域与停车空
区，城市边界蔓延。待命型场景中居住扩散 间。其舒适度和行驶速度将降低人们的出行
范围与原始场景相差不大，但市中心区域出 时间成本，并产生新的出行需求。同时，自
现一定量增长。 动驾驶汽车将与公共交通、出租汽车等形成
竞争关系。这不仅表现在吸引用户上，更表
3.2 结果分析 现在占据城市空间资源上。城市道路和高速
取代型场景中，城市将呈现多中心紧凑 公路可能需要分配单独的车道给自动驾驶汽
型的空间分布形态。在道路网和交叉口密集 车。为了便于管理，停车区域的重新规划也
的城市中心区，大量的道路空间可被重新分 会随之施行。城市中心区空间资源不足的问
配给绿道、非机动车道和人行道，空间中的 题被恶化，与拥堵、品质不高的中心区相
主体将发生从车到人的转变，街道的品质与 比，人们更愿意居住到偏僻但环境优越的郊
活力得到大幅提升。占用道路的停车区域将 区。出行距离的增加可以被使用自动驾驶汽
不再需要，通过与建筑外部空间的结合，可 车出行的舒适感提高、时间价值降低所中和。
以改造为共享的商业空间。同样，建筑将不 待命型场景中，城市空间形态缓慢扩
再需要停车配建，更多的空间可以分配给市 散，自动驾驶技术对城市发展进程的影响有
民居住，居住密度因此提高，职住分离问题 限。作为公共交通和共享出行中的一种交通

表 1 各场景参数 工具，自动驾驶汽车的优势并未完全发挥，
Tab.1 Parameters of different scenarios 但仍在一定程度上缓解了城市拥堵和停车困
难的问题。此外，自动驾驶公共汽车和出租
场景
参数 汽车的舒适感和体验感超过传统小汽车，公
取代型场景 竞争型场景 待命型场景
共交通出行在出行方式中的比例提升。公共
替代全部的公共
源自新用户群体
交通出行
增加 10% 交通便利的地区是人们倾向的居住点。

新增 源自空载状态接其
增加 20% 增加 10%
出行 他乘客 4 结语
源自空载状态行至 乘客必须在规划的
规划停车位 停车区域上下车
通过建立自动驾驶场景下城市空间生长
高速公路 增加 100% 增加 40% 增加 40%
道路 的模拟方法，评估自动驾驶汽车对城市发展
通行 城市道路 增加 50% 增加 20% 的影响。研究表明，自动驾驶环境下，不同
效率
交叉口延误因子 0.1 0.25 场景中城市交通的可达性均可得到提高，但
出行 自动驾驶汽车对城市未来空间形态的影响不
时间价值 减少 35% 减少 50% 减少 15%
费用
尽相同。当自动驾驶汽车以共享模式作为一
Urban Transport of China Vol.17 No.5 September 2019

城
市
交
通 30 30 30
二
区域数/100 个
区域数/100 个

区域数/100 个

○ 20 20 20
一
九
年 10 10 10
第
十 0 0 0
七 -80 -40 0 40 80 -80 -40 0 40 80 -80 -40 0 40 80
卷
变化率/% 变化率/% 变化率/%
第
五 a 取代型场景 b 竞争型场景 c 待命型场景
期
图 3 各场景区域交通可达性变化与分布
74 Fig.3 Change and distribution of transportation accessibility in different scenarios
资料来源：文献[14]。
 居住密度变化量/ 居住密度变化量/
(户·km-2) (户·km-2)
0 0
M区 <-400 M区 <-400

S镇 A市 -400~<-300
S镇 A市 -400~<-300
-300~<-200 -300~<-200
B区 -200~<-100 B区 -200~<-100
-100~<0 -100~<0
U 市中心城 Z区 0~<100 U 市中心城 Z区 0~<100
W镇 O镇 W镇 O镇
100~<200 100~<200
N区 200~<300 N区 200~<300
I区 H区 V镇 300~<400
I区 H区 V镇 300~<400
≥400 ≥400
Z镇 K镇 Z镇 K镇
R镇 R镇

a 原始场景 b 取代型场景

居住密度变化量/ 居住密度变化量/
(户·km-2) (户·km-2)
0 0
M区 <-400 M区 <-400

S镇 A市 -400~<-300
S镇 A市 -400~<-300
-300~<-200 -300~<-200
B区 -200~<-100 B区 -200~<-100
-100~<0 -100~<0
U 市中心城 Z区 0~<100 U 市中心城 Z区 0~<100
W镇 O镇 W镇 O镇
100~<200 100~<200
N区 200~<300 N区 200~<300
I区 H区 V镇 300~<400
I区 H区 V镇 300~<400
≥400 ≥400
Z镇 K镇 Z镇 K镇
R镇 R镇

c 竞争型场景 d 待命型场景
图 4 各场景区域居住密度变化和分布
Fig.4 Change and distribution of residential density in different scenarios
资料来源：文献[15]。

种公共交通方式时，城市空间将呈现环绕市 Technologies and Industry Development of

中心区的多中心紧凑型格局，道路空间资源 Autonomous Vehicles[J]. Information and
与停车空间资源获得了重分配的机会。当自 Communications Technology and Policy, 2018
动驾驶汽车仍是私人小汽车模式时，交通可 (8): 45-50.
达性的提升、出行舒适性的提升与时间成本 [2] 王鹏，雷诚 . 自动驾驶汽车对城市发展的影
的下降，可能会带来城市边界的蔓延和郊区 响 及 规 划 应 对 [J]. 规 划 师 ， 2019， 35(8)：
化现象。 79-84.

自动驾驶时代的到来可能突破甚至颠覆 Wang Peng, Lei Cheng. The Impact of

传统的城市交通模式，进而带来城市空间形 Autonomous Vehicles on Urban Development

and Planning Response[J]. Planners, 2019, 35
态与布局的重大变化。针对自动驾驶的规划
(8): 79-84.
工作不应局限于车辆技术或是交通系统本
[3] 王维礼，朱杰，郑莘荑 . 无人驾驶汽车时代
身，更要从国土空间分析框架入手，充分考
的城市空间特征之初探[J]. 规划师，2018， 自
量和评估自动驾驶与城市空间生长、城市发 动
34(12)：155-160. 驾
展进程的关系，客观、辩证地看待这一新兴 驶
Wang Weili, Zhu Jie, Zheng Xinyi. The 场
技术可能带来的影响。相关方面的研究应进 景
Characters of Urban Space in Automated 下
一步加强，为自动驾驶时代城市空间、城市 城
Vehicle Era[J]. Planners, 2018, 34(12): 155- 市
交通发展战略和政策的制定提供依据。 空
160. 间
[4] Jean-Pierre Orfeuil，Mireille Apel-Muller. 自 生
长
参考文献： 动驾驶与未来城市发展[J]. 上海城市规划 ， 模 陆
拟 晓
References: 2018(2)：11-17. 方 琳
法
[1] 宫慧琪，牛芳 . 自动驾驶关键技术与产业发 Jean- Pierre Orfeuil, Mireille Apel- Muller. 研 江
究 捷
展态势研究[J]. 信息通信技术与政策，2018 Cities and the Invasion of the Autonomous
(8)：45-50. Vehicle[J]. Shanghai Urban Planning Review,
75
Gong Huiqi, Niu Fang. Research on the Key 2018(2): 11-17.
 出行服务

[5] 张凤霖，万涛，陈云微 . 基于自动驾驶汽车 展带来的影响[J]. 现代电信科技，2017，

的城市交通变革与展望[C]//中国城市规划学
会 . 新常态：传承与变革：2015 中国城市规
划年会论文集 . 北京：中国建筑工业出版
社，2015：622-626.
[6] Milakis D, Snelder M, van Arem B, et al.
Scenarios About Development and Implications
of Automated Vehicles in the Netherlands[C]//
Transportation Research Board. 95th Annual
Meeting of the Transportation Research Board.
Washington DC: Transportation Research Board,
2016: 1-17.
[7] 王文，汤文蕴，庄宇，等 . 基于元胞自动机
的自动驾驶技术对交通运行的影响研究[J].
现代交通技术，2018，15(1)：71-75.
Wang Wen, Tang Wenyun, Zhuang Yu, et al.
Research on the Influence of Self- Driving
Cooperating Cars on Traffic System Based on
Cellular Automaton[J]. Modern Transportation
Technology, 2018, 15(1): 71-75.
[8] Correia G H d A, van Arem B. Solving the
User Optimum Privately- Owned Automated
Vehicles Assignment Problem (UO- POAVAP):
A Model to Explore the Impacts of Self-Driving
Vehicles on Urban Mobility[J]. Transportation
Research Part B: Methodological, 2016, 87:
64-88.
[9] 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: Emerging
Technologies, 2014(40): 1-13.
[10] 王远桂，何欢 . 人工智能 2.0 给自动驾驶发
47(4)：20-24.
Wang Yuangui, He Huan. The Analysis on
the Impact of Artificial Intelligence 2.0
Toward the Automatic Driving[J]. Modern
Science & Technology of Telecommunications,
2017, 47(4): 20-24.
[11] 谢思源，易维良，雷旭升 . 无人驾驶技术
影响下街道空间优化设计浅探[C]//中国城
市规划学会 . 共享与品质：2018 中国城市
规划年会论文集，北京：中国建筑工业出
版社，2018：1152-1159.
[12] 牛方曲 . LUTI 模型的概念结构、实现方法
及发展趋势[J]. 地理科学，2017，37(1)：
46-54.
Niu Fangqu. Overview of Urban Land- Use/
Transport Interaction Model: Origin, Techniques
and Future[J]. Scientia Geographica Sinica,
2017, 37(1): 46-54.
[13] Wegener M, Fürst F. Land- Use Transport
Interaction: State of the Art[R/OL]. 1999[2019-
05-03]. http://dx.doi.org/10.2139/ssrn.1434678.
[14] Provincie Utrecht. Provincieel Arbeidsplaatsen
Register (PAR)[EB/OL]. 2013[2018-09-13] .
http://nationaalgeoregister.nl/geonetwork/srv/
dut/catalog.search/metadata/c60f9763- 5bfd-
49c1-8a86-f3e9552860e6.
[15] Provincie Utrecht. Verkeer en Vervoer: Infrastructuur
[EB/OL]. 2016[2018-09-13]. http://geoservices.
provincieutrecht.nl/arcgis/services/wfs_v01_
verkeer_vervoer_infrastructuur/MapServer/
WFSServer?SERVICE=WFS&VERSION=
1.0.0.

(上接第 70 页)

盾；2)有利于协调道路停车和居住停车的关 展研究院，2017.
系，避免道路停车改革过程中居民产生抵触 [2] GB 50067—2014 汽车库、修车库、停车场
Urban Transport of China Vol.17 No.5 September 2019

城 情绪；3)有利于让居民逐步建立起权属意识 设计防火规范[S].
市
交 GB 50067—2014 Code for Fire Protection
通 和缴费意识，对于停车综合治理将起到重要
的推动作用。同时，政策的推行需要各相关 Design of Garage, Motor- Repair- Shop and
二
○ Parking-Area[S].
一 部门的紧密配合，共同做好政策的贯彻落
九 [3] 国家统计局北京调查总队 . 砥砺奋进四十载
年 实、宣传解释，形成合力；实施过程中，根
据实际情况做好审核认证工作，用实际行动 民 生 发 展 谱 新 篇 [EB/OL]. 2018[2019- 05-
第
十 26]. http://tjj.beijing.gov.cn/zt/dgsdzxp/msgs/
七 促进政策落地。
卷 201811/t20181105_410363.html.
第 [4] 于丽爽 . 王府井 15 条胡同禁停车，共享车
五 参考文献：
期 位解决居民泊车难题[EB/OL]. 2018[2019-
References:
76 [1] 北京交通发展研究院 . 北京市机动车停车资
05- 26]. https://www.sohu.com/a/253335692_
161623.
源普查数据分析报告[R]. 北京：北京交通发