The pace of changes in automating cars has sped up in the last few decades. Autonomous Vehicles (AVs) will dramatically change the future of transportation, and household-level decisions will play a large role in the AV market. However, no data is readily available on household travel behavior using AVs. This study introduces a framework to assess households’ adaptation to AV operations. We developed a mixed integer program, Household Activity Pattern Problem with AV (HAPPAV), to model traveler behavior under realistic conditions while using AVs. The model generates feasible activity patterns for household members under spatial and temporal constraints. The model is able to consider complete driverless operations, such as AV pick-up and drop-off, parking availability, empty trips, and carpooling. A decomposition method is developed to solve the NP-hard problem HAPPAV. The method includes two major stages; the first stage is to generate all feasible travel patterns for household members and the second stage finds the best AV route along with detailed travel patterns. We also use novel pruning rules to enhance the performance of the decomposition method. The model is applied on the California Statewide Travel Survey. The results indicate that 62% of households can perform their daily activities with only one AV in place of two or three regular vehicles. However, AV empty trips increase total VMT by 15%. The new method improves the average runtime and solution quality by 86% and 23%, respectively.

在过去的几十年里，自动化汽车的变化步伐加快了。自动驾驶汽车 (AV) 将极大地改变交通的未来，而家庭层面的决策将在 AV 市场中发挥重要作用。然而，没有现成的关于使用自动驾驶汽车的家庭旅行行为的数据。本研究引入了一个框架来评估家庭对 AV 操作的适应。我们开发了一个混合整数程序，家庭活动模式问题与 AV (HAPPAV)，用于模拟旅行者在使用 AV 时在现实条件下的行为。该模型在空间和时间限制下为家庭成员生成可行的活动模式。该模型能够考虑完整的无人驾驶操作，例如 AV 上下车、停车位、空车和拼车。开发了一种分解方法来解决 NP 难问题 HAPPAV。该方法包括两个主要阶段；第一阶段是为家庭成员生成所有可行的出行模式，第二阶段找到最佳的自动驾驶路线以及详细的出行模式。我们还使用新的修剪规则来提高分解方法的性能。该模型应用于加州全州旅游调查。结果表明，62% 的家庭可以仅用一辆自动驾驶汽车代替两到三辆普通车辆进行日常活动。然而，AV 空行程使总 VMT 增加了 15%。新方法将平均运行时间和解决方案质量分别提高了 86% 和 23%。第一阶段是为家庭成员生成所有可行的出行模式，第二阶段找到最佳的自动驾驶路线以及详细的出行模式。我们还使用新的修剪规则来提高分解方法的性能。该模型应用于加州全州旅游调查。结果表明，62% 的家庭可以仅用一辆自动驾驶汽车代替两到三辆普通车辆进行日常活动。然而，AV 空行程使总 VMT 增加了 15%。新方法将平均运行时间和解决方案质量分别提高了 86% 和 23%。第一阶段是为家庭成员生成所有可行的出行模式，第二阶段找到最佳的自动驾驶路线以及详细的出行模式。我们还使用新的修剪规则来提高分解方法的性能。该模型应用于加州全州旅游调查。结果表明，62% 的家庭可以仅用一辆自动驾驶汽车代替两到三辆普通车辆进行日常活动。然而，AV 空行程使总 VMT 增加了 15%。新方法将平均运行时间和解决方案质量分别提高了 86% 和 23%。结果表明，62% 的家庭可以仅用一辆自动驾驶汽车代替两到三辆普通车辆进行日常活动。然而，AV 空行程使总 VMT 增加了 15%。新方法将平均运行时间和解决方案质量分别提高了 86% 和 23%。结果表明，62% 的家庭可以仅用一辆自动驾驶汽车代替两到三辆普通车辆进行日常活动。然而，AV 空行程使总 VMT 增加了 15%。新方法将平均运行时间和解决方案质量分别提高了 86% 和 23%。