What California Regulatory Filings Reveal about Robotaxi Operations at Scale

想象一下这样一个城市：接送你的汽车没有驾驶员。它们不仅仅是电动汽车，而是全自动驾驶的，能够应对复杂的街道、在交通中停顿，并在无需人工操控方向盘的情况下，精准地将你送达目的地。这就是无人驾驶出租车（robotaxi）所承诺的未来——这项技术已从科幻小说走进了旧金山和洛杉矶等城市的街头。人们长期以来一直寄希望于这些机器能同时解决多个问题：通过使用电力，它们将减少污染；通过共享模式，它们将减少堵塞道路的车辆数量；通过自动化，它们将实现人类驾驶员无法企及的运行效率，例如通过保持车辆持续移动，且在等待乘客时无需停车。

然而，这些车队在规模化运营时究竟如何运作，其真实情况一直是一个谜，隐藏在公司的仪表盘和私有数据之后。多年来，公众一直依赖于总结、模拟或模型来猜测这些系统的运作方式。但一项新的分析揭开了这层面纱，利用官方政府记录，精确观察正在发生的一切。劳伦斯伯克利国家实验室的研究人员审查了无人驾驶出租车公司向加州公共事业委员会提交的数千页报告。这些依法必须提交的文件包含了每一次行程、每一英里行驶里程以及每一次车辆停止充电的详细日志。通过筛选这些数据，研究人员描绘出一幅无人驾驶出租车运营的图景，其复杂程度远超预期，且效率远低于乐观的愿景。

该研究主要针对 Waymo（美国最大的无人驾驶出租车运营商），并将其表现与目前正在进行大规模试点计划的另一家主要参与者 Zoox 进行了对比。研究人员查看了 2025 年 1 月至 2026 年 6 月期间的数据，在此期间，Waymo 在加州的车队规模已增长至约 3,285 辆，占全美总车队的约 80%。他们追踪了这些车辆在载客行驶的里程数与空载行驶的里程数。在网约车领域，空载行驶被称为“空驶”（deadheading）。这是业务中必不可少的一部分，因为车辆必须行驶到接乘客，并在放下乘客后驶离。但自动化的目标本应是最大限度地减少这种浪费。

数据呈现了一个不同的故事。虽然 Waymo 的效率随时间有所提高，但空驶率依然居高不下。在 2025 年初至 2026 年年中期间，无乘客行驶的里程占比从 53% 下降到了约 42%。虽然这是一种进步，但仍显著高于人类驾驶的网约车服务，其比例高出后者 50% 以上。研究人员发现，即使随着车队规模扩大且车辆在寻找乘客方面变得更加高效，仍有大量的能量消耗在移动空载车辆上。这种持续的空载行驶与“自动化会自动带来更精简、更高效系统”的观点背道而驰。

最令人惊讶的发现或许在于车辆在不载客时都在做什么。研究人员发现，很大一部分“空闲”时间并非用于在路上巡游寻找订单，而是处于静止状态。随着车队规模的扩大，车辆等待（停放或怠速）的总时长增加了 39%。这表明该系统并不像人类驱动的网络那样灵活。当需求激增时，人类驱动的网约车服务可以从已经在路上的司机或能快速上线工作的庞大群体中获取资源。然而，无人驾驶出租车依赖于固定的车队，必须物理存在才能响应请求。为了应对突发的人流高峰，系统需要大量的车辆停放在停车场或调度站中待命。这产生了一个巨大的“停车足迹”，即数以千计的车辆长时间处于静止状态，消耗着空间和资源却不产生位移。

这种行为对能源的影响是显著的。研究人员利用报表中记录的充电频率来估算车队实际使用的电量。他们发现，维持车队运转所需的能量远高于车辆官方给出的效率评级。对于 Waymo 而言，充电数据所暗示的能量消耗大约是车辆额定推进功率的两倍，达到了典型燃油车行驶相同距离所需能量的 64% 左右（注：原文为 69%，此处依原文翻译）。这部分额外的能量被消耗在了频繁移动空载车辆、怠速等待以及维持车队运转所需的频繁充电循环中。当研究人员观察 Zoox 时，其能源开销更高，达到了燃油等效基准的 147%。

研究还强调了空驶里程性质的变化。在服务初期，大部分空驶属于“未分配”（unassigned）状态，即车辆在没有特定目的地的情况下巡游，试图寻找乘客。随着时间的推移，这种情况发生了变化。更大份额的空驶里程变成了“接驾”（approach）里程，即在乘客发出请求后，车辆前往接人的路程。这表明，尽管车辆在寻找乘客方面变得更高效，但它们到达乘客身边的距离却在增加，这可能是因为服务区域扩大了，或者是由于车辆停放的位置距离乘客下单的地方较远。

研究人员谨慎地指出，这些发现是基于现实世界的运营数据，而非模拟实验。他们审查了数百万条行程记录和充电日志，为这些车队在大规模运作下的真实功能提供了一个罕见的、具体的视角。数据并不支持“无人驾驶出租车已经实现了许多人预期的效率提升”这一观点。相反，它揭示了一个仍在努力应对移动空载车辆以及在动态环境中管理固定车队等基本挑战的系统。无人驾驶出租车实现更清洁、更高效未来的承诺仍然存在，但通往那里的路径并非仅仅把方向盘交给计算机那么简单。数据表明，如果不对这些车队进行管理方式的重大变革——例如更好地实现车辆与需求的匹配，或者寻找减少大量静态车辆需求的方法——无人驾驶出租车的能源和空间成本可能会居高不下。

最终，这项分析为无人驾驶出租车行业提供了一次现实的审视。它表明，尽管技术在进步，车队在扩张，但运营层面的现实是非常复杂的。自动化的效率收益正被“必须保持大量车辆随时待命”的需求所抵消，导致了大量的能源消耗和空驶现象。随着这些服务的不断扩张，关注点可能需要从单纯地增加车辆数量，转向研究如何让现有的车队运行得更聪明。在此之前，那个完美高效、无人驾驶的未来愿景，依然仅仅是一个愿景，而非现实。