随着城市化的发展，基础设施建设的增长已远远赶不上机动车的增长速度，由此带来的交通拥堵、停车难和环境污染问题日益影响居民的正常生活。同时相关研究表明，大部分私家车大部分时间处于闲置状态，车辆的利用率很低，造成严重的资源浪费。当下，自动驾驶技术成为研究的热点方向，取得了一系列成功的应用，随着自动驾驶技术的发展和普及，未来以自动驾驶车辆替代传统有人驾驶私家车成为大势所趋。
　　本文研究是在大规模系统中使用自动驾驶共享汽车(Shared Autonomous Vehicle, SAV)来满足所有机动化出行的情景下，SAV的最小车队规模问题。本文使用了两种模型来计算最小车队规模：图论模型和多旅行商模型。为对比两种模型的求解质量，本文使用上海市50辆新能源车一年的轨迹数据，从中提取出行需求。在这一小系统中，通过构造衔接矩阵来判断哪些出行之间可由一辆车完成。针对图论模型，将最小车队规模问题转化为有向无环图的最小路径覆盖问题，使用Hopcroft-Karp算法求解；针对多旅行商模型，转化为多旅行商最短路问题，证明两者具有等价性，使用遗传算法求解。结果发现图论模型无论在求解精度还是速度上均显著优于多旅行商模型。
　　本文对图论模型进行了详细阐述，介绍了将衔接矩阵转化为车辆可共享网络的具体方法，给出若干定义、定理及证明，说明了计算最小车队规模和求解该网络的最小路径覆盖问题具有等价性。在求解阶段，将车辆可共享网络的最小路径覆盖问题转化为相应二分图的最大匹配问题，使用Hopcroft-Karp算法求解，详细介绍该算法的关键步骤：宽度优先搜索(Breadth-first search, BFS)和深度优先搜索(Depth-first search, DFS)。
　　本文使用图论模型计算从上海市300万手机用户信令数据中提取出的机动化出行需求所需的最小车队规模，分别抽取1万、5万、10万、…、50万次出行计算对应的最小车队规模，使用拟合程度最好的幂函数进行拟合，得到曲线方程。使用该方程计算300万手机用户对应的最小车队规模，需要约12.8万辆SAV即可满足所有机动化出行需求，扩大到上海市2400万常住居民，得到SAV的最小车队规模是约93.5万辆，平均一辆SAV的替代率是36.2次/辆。另外，本文对比了SAV和出租车的相应参数，指出两者服务的异同点。本文还研究了最大调度时间限制、服务范围限制对车队规模的影响，设计了车辆智能共享系统。