车辆过度加速——利用自动驾驶车辆和人工智能进行交通崩溃控制的一种基本微观机制
《Physica A: Statistical Mechanics and its Applications》:Vehicle overacceleration—A fundamental microscopic mechanism for traffic breakdown control using automated vehicles and AI
【字体:
大
中
小
】
时间:2026年10月22日
来源:Physica A: Statistical Mechanics and its Applications 3.1
编辑推荐:
• 回顾了关于交通拥堵形成核化作用的相互矛盾的观点。
• 支配拥堵形成核化的是不连续过度加速,而非过度减速。
• 不连续过度加速无需显式模型引入即可自然出现。
• 不连续过度加速是单领导模型固有的。
• 若无自由流中的过度减速,则过度加速显而易见。
**引言**
交通拥堵
• 回顾了关于交通拥堵形成核化作用的相互矛盾的观点。
• 支配拥堵形成核化的是不连续过度加速,而非过度减速。
• 不连续过度加速无需显式模型引入即可自然出现。
• 不连续过度加速是单领导模型固有的。
• 若无自由流中的过度减速,则过度加速显而易见。
**引言**
交通拥堵形成是从自由流到拥堵交通的转变。交通拥堵形成主要发生在瓶颈处。在交通拥堵形成过程中,平均速度降低,车辆密度增加。拥堵交通中行驶时间和能源消耗增加,而交通安全性降低。因此,已发展了不同的理论来解释交通拥堵形成的本质,以及大量不同的宏观和微观建模方法来模拟和控制瓶颈处的交通拥堵形成(参见文献[1]、[2]、[3]、[4]、[5]、[6]、[7]、[8]、[9]、[10]、[11]、[12]、[13]、[14]、[15]、[16]、[17]、[18]、[19]、[20]、[21]、[22]、[23]、[24]、[25]、[26]、[27]、[28],以及综述[29]、[30]、[31]、[32]、[33]、[34]、[35]、[36]、[37]、[38]、[39]、[40]、[41]、[42]、[43]、[44]、[45]、[46]、[47]、[48]、[49]、[50]、[51]、[52]、[53]、[54]、[55]、[56]、[57]、[58]、[59]、[60]、[61]、[62]、[63]、[64]、[65]、[66]、[67]、[68]、[69]、[70]、[71])。交通拥堵控制的宏观方法示例包括入口匝道控制(参见文献[72]、[73]、[74]、[75]、[76]、[77]中的参考文献)和限速控制(参见文献[77]、[78]、[79]、[80]、[81]、[82]、[83]、[84])。微观的交通拥堵控制方法基于微观车辆特征,即通过控制可以防止交通拥堵形成。研究发现,瓶颈处的实际交通拥堵形成表现出经验性的核化特性。因此,交通拥堵控制的建模方法应能够模拟交通拥堵形成的经验性核化特性。1
在汽车自动驾驶和人工智能(AI)时代,研究哪些微观车辆特征可以有效用于交通拥堵控制的重要性大大提升。假定通过适当改变自动驾驶汽车的微观行为,可以避免交通拥堵形成。反之亦然,也假定人工智能可用于确定何时以及如何应用这种微观行为改变,从而在瓶颈处维持自由流方面取得最大效果。因此,在本综述中,我们将研究范围限定为通过自动驾驶汽车和人工智能的控制可防止瓶颈处交通拥堵形成的微观车辆特征。
本综述文章涉及交通理论中一个根本性的、长期存在的争议点:
– 瓶颈处交通拥堵形成的核化特性是由车辆过度减速(过度制动)主导的,还是由车辆的不连续加速——即"车辆过度加速"主导的?
交通不稳定性是由Herman、Gazis、Montroll、Potts和Rothery [89]、[90]、[91]以及Kometani和Sasaki [92]、[93]、[94]、[95]在20世纪50年代末通过微观交通模拟发现的。交通不稳定性是由驾驶员的延迟引起的,特别是驾驶员反应时间可导致车辆过度减速。车辆过度减速是指:制动车辆的速度低于前车速度。若后车也发生过度减速,则交通流中将出现交通不稳定性,即局部速度降低的速度波向上游传播且不断增大。2 注意,车辆过度减速也称为车辆过度制动。
交通不稳定性这一用于解释交通拥堵形成的思想被应用于大多数经典的微观交通流模型中,特别是众所周知且广泛使用的模型,包括Newell [96]、Gipps [97]、[98]、Wiedemann [99]的模型,Payne [100]、[101]和Aw-Rascle [102]的宏观模型,Nagel和Schreckenberg [103]的元胞自动机(CA)模型,Bando等人 [104]、[105]、[106]、[107]的最优速度模型(OVM),Nagatani [108]、[109]的晶格交通流模型,Treiber [110]的智能驾驶员模型(IDM),Krau? [111]、[112]的随机微观模型,以及Jiang等人 [113]的全速度差模型(FVDM)。还存在大量其他微观和宏观交通流模型,通过由车辆过度减速引起的经典交通不稳定性来模拟交通拥堵形成(参见文献[114]、[115]、[116]、[117]、[118]、[119]、[120],以及综述[34]、[35]、[41]、[42]、[43]、[49]、[53]、[54]、[55]、[56]、[59]、[60]、[62]、[63]、[64])。
1993年,研究发现[121]经典交通不稳定性的发展会导致在初始自由流(F)中形成移动阻塞(J),这被称为F→J转变。移动阻塞是一种向上游传播的拥堵模式,空间上由两个阻塞前锋界定。在移动阻塞内,车辆密度很高,而速度和流量可能降至零。移动阻塞的序列(也称为走走停停交通、阻塞流、阻塞或交通振荡)自交通研究之初就已在实际交通中被观察到(参见Koshi、Edie、Treiterer等人的经典论文[122]、[123]、[124]、[125]、[126]、[127]、[128])(移动阻塞序列的经验示例参见[77]第2.6节图2.13和图2.14)。在标准交通模型的模拟中,3 瓶颈处由交通不稳定性解释交通拥堵形成时,瓶颈处交通拥堵形成期间和之后移动阻塞的形成表现出复杂的空间—时间交通流动态 [48]、[49]、[55]、[60]、[106]、[129]、[130]、[131]、[132]、[133]。
假定未来的车辆交通将是混合交通,由人工驾驶车辆和自动驾驶车辆组成(例如[134]至[203])。由车辆过度减速引起的交通不稳定性也可能发生在自动驾驶车辆的交通中。这种交通不稳定性称为弦不稳定,即使自动驾驶车辆的反应时间可忽略不计,它也可能发生在自动驾驶车辆编队中(例如[134]、[135]、[136]、[137]、[138]、[139]、[140]、[149]、[151]、[152]、[153]、[154]、[155]、[156]、[157])。在这种情况下,自动驾驶车辆控制中动态系数的选择决定了车辆是否过度减速,从而决定弦不稳定是否发生。应强调指出,混合交通模拟通常使用人工驾驶车辆的标准交通模型(例如[158]至[203])。
基于上述关于导致移动阻塞形成的交通不稳定性理论的古典工作,已发展了阻塞吸收驾驶(也称为走走停停波消散、走走停停波抑制、交通振荡缓解或冲击波阻尼)的微观方法(参见文献[204]、[205]、[206]、[207]、[208]、[209]、[210]、[211]、[212]、[213]、[214]、[215]);阻塞吸收驾驶的历史可参阅He等人 [216] 最近的综述。这些研究假定交通拥堵形成的原因是由车辆过度减速引起的交通不稳定性。
与第1.3节标准交通模型的理论和预测相反 [34]、[35]、[41]、[42]、[43]、[49]、[53]、[54]、[55]、[56]、[59]、[60]、[62]、[63]、[64]、[106]、[129]、[131]、[132]、[133]、[204]、[205]、[206]、[207]、[208]、[209]、[210]、[211]、[212]、[213]、[214]、[215]、[216],如文献[71]、[77]、[217]、[218]所示,实际交通数据中观察到的经验性交通拥堵形成是从自由流(F)到同步流(S)的转变(F→S转变),而非移动阻塞的出现。同步流是三相交通理论 [71]、[77]、[217]、[218] 中引入的拥堵交通新阶段。瓶颈处的交通拥堵形成(F→S转变)表现出核化特性。
那么,瓶颈处交通拥堵形成(F→S转变)的经验性核化特性是什么?图1(a)展示了交通拥堵形成的经验性核化特性的一个示例:在下游出口匝道瓶颈B-down处出现移动同步流模式(MSP),并继续向上游传播。当MSP到达上游入口匝道瓶颈B时,MSP在瓶颈B处诱发交通拥堵形成(F→S转变)(图1(b),x = 17.0 km)。由于拥堵形成,在瓶颈B处产生局域同步流模式(LSP)(图1(b),x = 17.0 km和16.2 km)。
与移动阻塞不同——移动阻塞中的流量明显低于阻塞外的流量——经验性同步流中的流量几乎与MSP和LSP外自由流中的流量相同。换言之:MSP内不会出现移动阻塞(图1(b),x = 17.9 km),LSP内也不会出现移动阻塞(图1(b),x = 16.2 km)。因此,瓶颈处的经验性交通拥堵形成确实是表现出经验性核化特性的F→S转变(图1(a))。? 如文献[71]、[77]、[217]、[218]所示(参见[77]第10章),没有任何标准交通理论(参见文献[89]、[90]、[91]、[92]、[93]、[94]、[95]、[96]、[97]、[98]、[99]、[100]、[101]、[102]、[103]、[104]、[105]、[106]、[107]、[108]、[109]、[110]、[111]、[112]、[113]、[114]、[115]、[116]、[117]、[121]、[129]、[131]、[132]、[133]、[220],以及综述[29]、[30]、[31]、[32]、[33]、[34]、[35]、[36]、[37]、[38]、[39]、[40]、[41]、[42]、[43]、[44]、[45]、[46]、[47]、[48]、[49]、[50]、[51]、[52]、[53]、[54]、[55]、[56]、[57]、[58]、[59]、[60]、[61]、[62]、[63]、[64]、[65]、[66]、[67]、[68]、[69]、[70])能够解释瓶颈处交通拥堵形成(F→S转变)的经验性核化特性(图1)。
在过去的几十年中,通过进一步发展经典模型(例如IDM、FVDM、OVM和Wiedemann模型),取得了重大进展,其中许多现代改进已成功纳入了驾驶员心理阈值、加速不对称性、非线性有限理性以及驾驶员行为的其他特征(参见Panwai和Dia [222]、Treiber、Kesting和Helbing [171]、[223]、[224]、Gong等人 [225]、Tang等人 [226]、[227]、[228]、Bifulco等人 [229]、Yu和Shi [230],以及文献[43]、[231]、[232]、[233]、[234]、[235]、[236]、[237]、[238]、[239]、[240]、[241]、[242]、[243]、[244]、[245]、[246]及其中的参考文献)。
然而,这些改进并未改变这些模型中交通拥堵形成是由过度减速引起的交通不稳定性所解释这一事实。因此,这些模型的改进同样无法解释瓶颈处交通拥堵形成(F→S转变)的经验性核化特性(图1)。这正是"车辆过度减速及其导致的交通不稳定性不能是经验性交通拥堵形成原因"这一论断的由来。Treiber和Kesting [55] 的著作中可以找到标准交通流动态理论的详细说明,该理论假定交通不稳定性是交通拥堵形成的根源。必须强调,多年来在不同国家收集的大量人工驾驶车辆道路交通实地数据支持了关于标准交通流动态理论的这一关键结论。? 因此,我们可以得出以下结论:
– 车辆过度减速及其导致的交通不稳定性不能是瓶颈处经验性交通拥堵形成(F→S转变)的原因。
三相交通理论 [247]、[248]、[249]、[250]、[251]、[252] 的引入正是源于交通拥堵形成(F→S转变)的经验性核化特性。
三相交通理论是描述实证车辆交通三种交通相的框架,67.:1.自由流(F)。2.同步流(S)。3.宽移动拥堵(J)。三相交通理论完全源自对实证时空交通数据的分析,而非源自数学交通模型的模拟。–通过对多年来从各国收集到的实际交通数据的分析,三相交通理论已确立存在一些共同的实证时空交通现象,无需通过数学交通模型进行确认。这些无需通过数学交通模型确认的最重要的实证时空交通现象之一是以下现象(见[71]第5章及图1(a)):–瓶颈处的实证交通崩溃是F→S转变,它表现出实证的成核特性。三相交通理论通过一系列理论假设(假说)来解释共同的实证时空交通现象,而这些假设应由数学交通模型确认[247], [248], [249], [250], [251], [252]。三相交通理论最重要的理论假设之一是以下假设:–瓶颈处交通崩溃(F→S转变)的实证成核是由车辆加速行为的间断性引起的,称为车辆过度加速。在交通科学家中普遍存在一种信念,即交通崩溃应主要通过导致车辆过度减速从而引发交通不稳定的车辆制动特征来解释(第1.4节)。与标准交通理论(例如[31], [32], [34], [35], [36], [38], [39], [40], [42], [43], [44], [45], [48], [49], [50], [51], [52], [53], [54], [55], [56], [57], [58], [59], [60], [61], [62], [63], [64], [68], [70])的这一结论不同,三相交通理论提出了根本不同的机制[71], [77], [217], [218], [256]:–三相交通理论假设交通崩溃并非由导致车辆过度减速的制动行为引起,而是由车辆加速的间断性引起:当由于交通崩溃自由流转变为同步流时,车辆加速的概率会下降。在三相交通理论中,这种车辆加速行为被称为过度加速。由于长期以来一直认为交通崩溃是由过度减速导致的交通不稳定驱动的,过度加速可能是实际交通崩溃的根本原因这一观念对许多研究人员来说很难接受。“间断过度加速”这一概念旨在解释交通崩溃(F→S转变)的实证起源,于1999年首次在三相交通理论框架内提出[247], [248], [249]。当时,使用的术语不是“过度加速概率”,而是“超车概率”([249]图4(b))。也就是说,按现在的术语,假设了一种通过变道实现的过度加速机制(通过变道实现的过度加速机制将在第6节讨论)。第一个过度加速数学模型由Kerner和Klenov[257]于2002年在其随机微观交通模型中引入,该模型再现了F→S转变的成核特性。间断过度加速的不同数学表述随后被应用于其他三相交通流模型(例如[258], [259], [260], [261], [262], [263])。三相交通理论框架内的交通流模型已得到进一步发展并在许多交通模拟中被使用,特别是在Lee等人[264]、Jiang和Wu[265]、Gao等人[266]、Y. Wang等人[79]、Tian等人[267], [268]、Z. Wang等人[269]、Yang等人[80], [270]、Wu等人[271]、He等人[272]、Hu等人[273], [274], [275], [276], [277], [278], [279]、Qian等人[280]、Lyu等人[281]和Zeng等人[282], [283]的论文中(另见论文[284], [285], [286], [287], [288], [289], [290]及其参考文献)。基于随机三相交通模型[257], [258], [259], [260], [262], [263]的间断过度加速概念的数学表述已在[71], [77], [217], [218], [256]中进行过综述。然而,在随机模型中,过度加速和相反效果的过度减速都是平均地通过模型波动来描述的[257], [258], [259], [260], [262], [263]。似乎基于随机三相交通模型的模拟,很难表明交通崩溃的实证成核特性可以完全由间断过度加速解释,即没有任何车辆过度减速的效果。–车辆过度减速的行为起源与车辆避免碰撞的愿望有关。–车辆过度加速的行为起源与车辆在自由流中运动的愿望有关。与综述[71], [77], [217], [218], [256]相反,我们在这篇综述中使用不同的方法论:我们针对人类驾驶车辆和自动驾驶车辆都考虑确定性三相交通流模型[291], [292], [293]。我们在确定性三相交通流模型[291], [292], [293]中选择不会实现车辆过度减速的模型参数。这意味着模型中不存在经典交通不稳定性和串列不稳定性。我们在这篇综述中希望回答的核心问题如下:–即使在不发生车辆过度减速和交通不稳定的情况下,数学三相交通模型是否仍然可以仅通过车辆加速行为来模拟瓶颈处交通崩溃(F→S转变)的实证成核?模型中不存在车辆过度减速以及由此产生的交通不稳定,使我们能够解释为什么过度加速是人类驾驶车辆和自动驾驶车辆交通崩溃控制中的基本微观机制。这篇综述的主要贡献在于,通过使用文献[291], [292], [293]的微观确定性模型,我们表明通过个体车辆运动控制可以实现的车辆过度加速控制是交通崩溃控制的关键要素。因此,车辆过度加速是控制交通崩溃的基本微观特征。使用上述方法论,我们表明,即使交通流中没有车辆过度制动效果和交通不稳定,实际交通数据中观察到的交通崩溃仍然表现出由间断过度加速引起的成核特性。这挑战了通过拥堵吸收驾驶可以有效管理交通崩溃的广泛假设。然而,我们定性讨论道,拥堵吸收驾驶与过度加速管理相结合对交通拥堵缓解可能是有效的(第10.3节)。已开发出许多不同的建模方法来解释交通崩溃机制。特别是,为了解释实证的F→S转变和产生的同步流,Jiang和Wu[294]的模型、Tian等人[295]的模型以及称为广义Nagel-Schreckengerg元胞自动机模型的若干CA模型[296], [297](如Gao等人[266], [298]的模型、Zhao等人[299]的模型、Jia等人[300]的模型和Tian等人[267], [268]的两状态模型)中,已开发了诸如异质驾驶行为、随机性或多相速度-间距关系等模型扩展。为描述同步流,Knospe等人[301]提出了舒适驾驶模型,该模型纳入了预期效应、降低的加速能力和增强的制动相互作用范围(刹车灯模型);Knospe等人[302], [303]、Jiang和Wu[265], [304]、Tian等人[305], [306], [307]和Wang等人[269]进一步修改和应用了舒适驾驶模型(另见Tian等人[296], [297]的综述)。为解释同步流,Lee等人[264]的模型通过应用两种离散行为状态(乐观和悲观)结合无碰撞制动来纳入了情境依赖的车辆减速安全余量。Lee等人的模型已被Pottmeier等人[308]、Li等人[309]、Kokubo等人[310]、Tian等人[311]、Lárraga和Alvarez-Icaza[312]以及Habel和Schreckenberg[313]进一步发展和使用。如第1.4节所述,过去几十年来,更广泛的交通流社区在交通理论方面做出了许多其他实质性进展;特别是,对经典模型的许多现代修改成功地纳入了驾驶员心理速度阈值和非线性有限理性。然而,讨论所有这些现代建模方法超出了本综述的范围。8这是因为综述的重点是解决上述交通理论中一个根本性的争议:瓶颈处交通崩溃的成核特性是由车辆过度减速还是由间断车辆加速(过度加速)主导?为实现这一目标并在数学上对交通崩溃的成核特性进行建模,第3节自动驾驶车辆自适应巡航控制(ACC)Helly模型中通过安全加速实现的过度加速和第4节三相ACC(TPACC)中通过安全加速实现的过度加速使用了单领导者确定性跟驰交通流模型。这些基本模型不包括(i)对前瞻交通数据的依赖和情境依赖的安全余量,(ii)驾驶员或车辆心理速度阈值,(iii)非线性有限理性,(iv)驾驶员或自动系统对上游速度扰动响应中加速倾向强于减速倾向,(v)对自由流条件相对于遵守安全间距的更强偏好,以及(vi)其他模型扩展,如异质驾驶行为、随机性或多相速度-间距关系。为强调间断过度加速对交通理论的基本重要性,在第3节自动驾驶车辆自适应巡航控制(ACC)Helly模型中通过安全加速实现的过度加速和第4节三相ACC(TPACC)中通过安全加速实现的过度加速的确定性模型中,未明确引入过度加速机制。–间断过度加速确实出现在单领导者确定性跟驰交通流模型中,即使未明确在模型中引入。–当在自由流条件下未将车辆过度减速纳入模型时,过度加速机制会变得明显。–过度加速机制是固有的模型属性:它直接源自人类驾驶和自动驾驶车辆的数学单领导者确定性跟驰交通流模型。为使综述聚焦于通过间断过度加速解释交通崩溃(F→S转变)的成核特性以及过度加速与过度减速的讨论,我们不回顾间断过度加速的其他重要特征。特别是,我们不考虑F→S→F转变序列的物理机制,也不考虑由于间断过度加速导致同步流中S→F不稳定的理论[314]。9我们也不回顾由过度加速引起的S→F不稳定性与由过度减速引起的S→J不稳定性之间的时空竞争[315]。综述的组织如下:在第2节,我们定性解释过度加速的概念。在第3-7节,考虑到各种交通条件,针对由自动驾驶车辆或人类驾驶车辆组成的交通流,为以下基本陈述提供数学验证:–即使交通流中没有车辆过度减速效果和交通不稳定,实际交通数据中观察到的交通崩溃仍然表现出由间断过度加速引起的成核特性。在第8节,我们考虑一个集成过度加速和过度减速机制的人类驾驶车辆微观模型。
第8节的目标如下:我们证明,交通崩溃的成核特性(F→S转变)完全由不连续的过度加速引起,而非过度减速引起,后者决定了交通崩溃后同步交通流中移动拥堵形成的特性。第9节讨论以下主题:(i) 为什么以及不连续过度加速是单车跟随模型固有属性的原因(9.1节),(ii) "过度加速"概念的不一致解释(9.2节),(iii) 为什么不连续过度加速可以被视为一种关键的自组织时空交通现象(9.3节),(iv) 关于理论高速公路通行能力的争议观点(9.4节),(v) 关于过度减速对实际交通中瓶颈处交通崩溃成核(F→S转变)的可能贡献(9.5节)以及在数学建模中的情况(9.6节),(vi) 不同过度加速机制的共性与个性(9.7节),(vii) F→S转变成核随机模型中可能的过度加速机制(9.8节),(viii) 关于交通模型经验验证的不同观点(9.9节)。第10节考虑了通过自动驾驶车辆和人工智能对微观过度加速进行管理的若干思路:(i) 关于预防交通崩溃的策略(10.1节),(ii) 微观过度加速管理如何组织(10.2节),(iii) 不连续过度加速与拥堵吸收驾驶在何时以及如何合作以在瓶颈处恢复自由交通流(10.3节),(iv) 一辆自动驾驶车辆通过在瓶颈处通过过度加速的不连续特性引发S→F转变,从而引发瓶颈处同步流消散的可能性(10.4节)。结论在第11节中给出。节选片段——跟驰中的无感区速度适应:在我们定义"过度加速"这一术语之前,我们先解释为什么瓶颈处的经验交通崩溃并非由交通不稳定性引起,即在瓶颈处的自由流中不会发生过度减速。我们考虑一种发生在假想交通流稳态中的跟驰场景,其中相同车辆以给定速度v行驶,满足条件0< />