随着科学技术的快速发展,未来自动驾驶共享汽车（Shared Autonomous Vehicles,SAV）将逐步替代人工驾驶,使共享方式服务城市机动化出行成为可能。SAV可减少道路交通量,缓解城市交通拥堵和停车困难等交通顽疾,是今后城市交通发展的必然趋势。因此,在用SAV代替机动车服务其机动化出行需求时,有必要对城市SAV的投放规模问题展开研究。本文从车牌识别数据出发,在研究城市机动车出行需求提取算法的基础上,测算了SAV投放规模,并以浙江省金华市为例进行了实证研究。本文的主要研究内容概括如下:（1）城市机动车出行需求提取算法研究。首先,从城市智能卡口采集的车牌识别数据出发,考虑相邻轨迹单元间的速度相关性,结合轨迹单元平均速度、轨迹的持续时间和运动方向变化角度等参数,提出了基于轨迹单元运动状态的同态线性聚类算法,识别机动车的多次出行轨迹;其次,结合城市兴趣点（Point-of-Interest,POI）的空间分布特征,识别机动车的出行起讫点;最后,对比传统的时间间隔法,阐明算法的有效性和准确性。（2）自动驾驶条件下共享汽车投放规模研究。首先,依据共享出行模式,通过构建车辆共享网络,将测算满足所有出行需求的SAV最小投放规模问题转化为求解车辆共享网络的最小路径覆盖,同时引入Hopcroft-Karp（HK）算法进行求解;其次,在共享出行的基础上,构建组合出行模式下的车辆共享网络,测算SAV和轨道交通两种交通出行方式组合情况下SAV的投放规模,进一步分析了考虑轨道交通的组合出行模式对投放规模的影响。（3）以浙江省金华市为例进行实证研究。首先,基于机动车出行需求提取算法提取了金华市一天内40多万次机动车出行需求;其次,用SAV取代机动车后,计算得到满足全部机动车出行需求时SAV最小投放规模为62284辆,相比现有机动车数量,SAV总量减少了74.7%;最后,根据SAV和轨道交通组合出行模式,计算得到SAV最小投放规模为49345辆,相比现有机动车数量,此时SAV总量减少了80%。实验结果表明,组合出行模式下,SAV投放规模进一步优化了21%。本文的研究成果有助于优化自动驾驶条件下共享汽车的投放规模,对未来“出行即服务”系统下的城市交通规划与管理具有实践指导意义。