高速公路上的幽靈塞車：以 IDM 與 MOBIL 量化自動駕駛穩定效應

封存文章

本文結果來自合成環形道路，沒有感知延遲、混合車型或真實駕駛校準。它展示擾動如何形成交通波，不是自動駕駛安全或容量認證。

高速公路沒有事故也會塞車：一名駕駛稍為收油，後車反應更強，擾動逐車放大，形成向後傳播的「幽靈塞車」。

一、IDM 跟車模型

車輛 $i$ 的加速度為

\dot v_i =a_i\left[ 1-\left(\frac{v_i}{v_{0,i}}\right)^\delta -\left(\frac{s_i^*}{s_i}\right)^2 \right],

期望間距

s_i^* =s_{0,i}+v_iT_i +\frac{v_i\Delta v_i}{2\sqrt{a_ib_i}}.

$s_i$ 是實際淨距， $\Delta v_i=v_i-v_{i-1}$ 。時間頭距 $T$ 、舒適減速度 $b$ 和反應延遲共同決定串列穩定性。

道路長度 $L$ ，位置以模運算更新：

x_i(t+\Delta t) =\bigl[x_i(t)+v_i\Delta t +\tfrac12a_i\Delta t^2\bigr]\bmod L.

車距要沿行駛方向計算；排序與跨越 $0/L$ 邊界是最常見錯誤。碰撞保護不能掩蓋積分不穩，應同時做更小步長測試。

轉線安全條件要求新後車減速度不超過 $b_{\mathrm{safe}}$ 。誘因條件為

\Delta a_{\mathrm{ego}} +p(\Delta a_{\mathrm{newFollower}} +\Delta a_{\mathrm{oldFollower}}) >\Delta a_{\mathrm{th}}.

$p$ 是禮讓係數。加入最短停留時間及冷卻時間可避免左右振盪。

自動車可使用較一致的頭距、平滑加速度及前方多車資訊。重要的是控制律，而非「AV」標籤。過短頭距可提高名義容量，卻對通訊失效更脆弱。

對每個 AV 滲透率固定車輛密度與初始擾動，使用相同隨機種子。量度：

\bar v,\quad \operatorname{SD}(v),\quad \sum_{i,t}a_{i,t}^2,\quad Q,\quad \text{jam duration}.

速度熱圖中向左下或左上傾斜的低速帶，可估計波速；應由軌跡回歸而非憑眼判斷。

若少量平滑控制車令速度方差與波幅下降，證明的是該控制律在該密度和參數下具有穩定作用。不能直接推到開放道路、匝道或人車互動。平均速度提升亦可能來自不安全的小間距，必須同時檢查最小 TTC 和最大減速度。

公開文章保留模型定義與參數表；原始計算在私人研究庫管理。重現時需固定種子、時間步長、暖機期與統計窗，並對密度、反應延遲、AV 控制增益及擾動幅度做掃描。

下一步包括開放邊界、匝道、異質車長、顯式反應延遲、感測噪聲、事故與經驗軌跡校準。真實自動駕駛還受法規、舒適與失效安全約束。

Treiber, Hennecke, and Helbing, “Congested Traffic States in Empirical Observations and Microscopic Simulations,” 2000.
Kesting, Treiber, and Helbing, “General Lane-Changing Model MOBIL,” 2007.
Stern et al., “Dissipation of Stop-and-Go Waves via Control of Autonomous Vehicles,” Transportation Research C, 2018.