早晚高峰的堵车长龙、导航提示“前方拥堵已持续20分钟”——这样的场景是否让你抓狂？随着自动驾驶技术加速落地，未来的城市交通能否告别“各自为战”的拥堵困局？近日，《Front. Eng. Manag.》期刊发表的一项研究给出新思路：通过全局控制模式（如同交通系统的“空中管制”），自动驾驶车辆可实现全网协同调度，实验显示其能让路网平均车辆密度降低50%，等待时间减少30%。

从“各自为战”到“统一指挥”：交通控制模式的革新

当前自动驾驶车辆主要依赖“本地决策”，即车辆根据自身传感器数据独立规划路线，就像司机仅凭眼前路况开车，容易因“抢道”“加塞”导致局部拥堵。研究指出，这种模式下道路资源分配差异可达77%，市中心路段常沦为“停车场”。

为破解这一难题，研究团队提出自动驾驶全局调度模式：通过车路协同（VIC，车辆与道路设施实时通信）技术，将城市路网划分为多个子区域，每个区域由智能交通系统（ITS）集中调度。形象地说，这相当于给每辆车配备“交通调度员”，全网车辆共享路况信息，动态调整行驶路线和速度，从“各自为战”升级为“统一指挥”。

技术突破点：会“算路”更会“避撞”的AI算法

全局调度的核心在于改进A*算法（MASA）。与传统导航算法仅优化行驶距离不同，MASA像“超级交通大脑”，综合考虑行驶时间、等待成本、转弯效率甚至方向偏好，快速生成无碰撞路径。例如，在复杂交叉口，算法会根据车辆优先级（如救护车优先）和道路等级，自动协调通过顺序，避免“鬼探头”式碰撞。

实验数据显示，MASA在从5×5到30×30的不同规模路网中，均能在0.05秒内完成调度计算，比传统A*算法等待时间减少30%，且结果与理论最优解差距小于1%。更关键的是，通过数学模型优化（混合整数线性规划），系统求解效率提升61%，即使2000辆自动驾驶车辆同时行驶，也能保持路网畅通。

实测效果：交通流密度降一半，中心区拥堵缓解42%

在仿真实验中，全局调度模式展现出显著优势：

• 效率提升：路网平均车辆密度降低50%，道路资源分配更均衡，中心区域路段最大车流量较传统模式减少42%；
• 跨区协同：跨区域车辆（如从城东到城西）通行连续性提升，因“区域边界等待”导致的延误减少60%；
• 鲁棒性强：即使20%车辆为跨区域行驶，系统仍能保持稳定调度，验证了大规模应用的潜力。

研究还发现，全局模式下交通流“时空分布”更均匀。通过对比传统模式，全局调度让各路段车流量标准差减少77%，避免了“某些路段空荡、某些路段堵死”的极端情况。

未来挑战：从“理想”到“现实”还有多远？

尽管前景诱人，技术落地仍需突破瓶颈。当前模型假设道路为双向两车道，且未考虑手动驾驶车辆混入的情况——现实中，“人机混行”可能引发新的协调难题。此外，数据安全（全网车辆位置信息实时共享）、调度公平性（如何平衡私家车与公交车优先级）等伦理问题也需解决。

研究团队指出，下一步将扩展模型至多车道场景，并探索“动态分区”技术，让子区域边界随交通流实时调整。若能与5G、车路协同基础设施结合，这一系统或在未来10年逐步应用于智慧城市。

来源: 工程管理前沿