This paper provides insight into the opportunity offered by shared autonomous vehicles (SAVs) to improve urban populations’ spatial equity in accessibility. It provides a concrete implementation model for SAVs set to improve equity in accessibility and highlights the need of regulation in order for SAVs to help overcome identified spatial mismatches. Through the formulation of linear regression models, the relationship between land-use and transportation accessibility (by car and public transport) and socio-economic well-being indicators is tested on district-level in four European cities: Paris, Berlin, London and Vienna. Accessibility data is used to analyse access to points of interest within given timespans by both car and public transport. To measure equity in socio-economic well-being, three district-level proxies are introduced: yearly income, unemployment rate and educational attainment. In the cities of Paris, London and Vienna, as well as partially in Berlin, positive effects of educational attainment on accessibility are evidenced. Further, positive effects on accessibility by yearly income are found in Paris and London. Additionally, negative effects of an increased unemployment rate on accessibility are observed in Paris and Vienna. Through the comparison between accessibility by car and public transportation in the districts of the four cities, the potential for SAVs is evidenced. Lastly, on the basis of the findings a ‘SAV identification matrix’ is created, visualizing the underserved districts in each of the four cities and the need of equity enhancing policy for the introduction of SAVs is emphasized.

中文翻译：

---

共享自动驾驶汽车改善欧洲城市地区可达性和社会经济发展的空间公平性的机会

本文深入探讨了共享自动驾驶汽车 (SAV) 提供的机会，以改善城市人口在可达性方面的空间公平性。它为 SAV 提供了一个具体的实施模型，以提高可访问性的公平性，并强调了监管的必要性，以便 SAV 帮助克服已识别的空间不匹配。通过线性回归模型的制定，在巴黎、柏林、伦敦和维也纳四个欧洲城市的地区层面测试土地利用和交通可达性（汽车和公共交通）与社会经济福祉指标之间的关系. 可访问性数据用于分析汽车和公共交通工具在给定时间跨度内对兴趣点的访问。为了衡量社会经济福祉的公平性，引入了三个区级代理：年收入、失业率和教育程度。在巴黎、伦敦和维也纳等城市，以及部分在柏林，教育程度对可达性的积极影响得到了证明。此外，巴黎和伦敦的年收入对可达性产生了积极影响。此外，在巴黎和维也纳观察到失业率上升对可达性的负面影响。通过对四个城市地区的汽车和公共交通可达性的比较，证明了 SAV 的潜力。最后，在调查结果的基础上，创建了一个“SAV 识别矩阵”，将四个城市中每个城市的服务欠缺地区可视化，并强调了引入 SAV 的公平增强政策的必要性。在巴黎、伦敦和维也纳等城市，以及部分在柏林，教育程度对可达性的积极影响得到了证明。此外，巴黎和伦敦的年收入对可达性产生了积极影响。此外，在巴黎和维也纳观察到失业率上升对可达性的负面影响。通过对四个城市地区的汽车和公共交通可达性的比较，证明了 SAV 的潜力。最后，在调查结果的基础上，创建了一个“SAV 识别矩阵”，将四个城市中每个城市的服务欠缺地区可视化，并强调了引入 SAV 的公平增强政策的必要性。在巴黎、伦敦和维也纳等城市，以及部分在柏林，教育程度对可达性的积极影响得到了证明。此外，巴黎和伦敦的年收入对可达性产生了积极影响。此外，在巴黎和维也纳观察到失业率上升对可达性的负面影响。通过对四个城市地区的汽车和公共交通可达性的比较，证明了 SAV 的潜力。最后，在调查结果的基础上，创建了一个“SAV 识别矩阵”，将四个城市中每个城市的服务欠缺地区可视化，并强调了引入 SAV 的公平增强政策的必要性。教育程度对可及性的积极影响得到了证明。此外，巴黎和伦敦的年收入对可达性产生了积极影响。此外，在巴黎和维也纳观察到失业率上升对可达性的负面影响。通过对四个城市地区的汽车和公共交通可达性的比较，证明了 SAV 的潜力。最后，在调查结果的基础上，创建了一个“SAV 识别矩阵”，将四个城市中每个城市的服务欠缺地区可视化，并强调了引入 SAV 的公平增强政策的必要性。教育程度对可及性的积极影响得到了证明。此外，巴黎和伦敦的年收入对可达性产生了积极影响。此外，在巴黎和维也纳观察到失业率上升对可达性的负面影响。通过对四个城市地区的汽车和公共交通可达性的比较，证明了 SAV 的潜力。最后，在调查结果的基础上，创建了一个“SAV 识别矩阵”，将四个城市中每个城市的服务欠缺地区可视化，并强调了引入 SAV 的公平增强政策的必要性。在巴黎和维也纳观察到失业率上升对可达性的负面影响。通过对四个城市地区的汽车和公共交通可达性的比较，证明了 SAV 的潜力。最后，在调查结果的基础上，创建了一个“SAV 识别矩阵”，将四个城市中每个城市的服务欠缺地区可视化，并强调了引入 SAV 的公平增强政策的必要性。在巴黎和维也纳观察到失业率上升对可达性的负面影响。通过对四个城市地区的汽车和公共交通可达性的比较，证明了 SAV 的潜力。最后，在调查结果的基础上，创建了一个“SAV 识别矩阵”，将四个城市中每个城市的服务欠缺地区可视化，并强调了引入 SAV 的公平增强政策的必要性。