城市交通系统复杂性与输运机理的探讨

高自友 ,  贾斌 ,  谢东繁 ,  王文旭 ,  吴建军

Engineering ›› 2025, Vol. 44 ›› Issue (1) : 26 -31.

PDF (1283KB)
Engineering ›› 2025, Vol. 44 ›› Issue (1) : 26 -31. DOI: 10.1016/j.eng.2024.12.006
观点述评

城市交通系统复杂性与输运机理的探讨

作者信息 +

A Discussion on the Complexity and Transit Mechanisms of Urban Traffic Systems

Author information +
文章历史 +
PDF (1312K)

引用本文

引用格式 ▾
高自友,贾斌,谢东繁,王文旭,吴建军. 城市交通系统复杂性与输运机理的探讨[J]. 工程(英文), 2025, 44(1): 26-31 DOI:10.1016/j.eng.2024.12.006

登录浏览全文

4963

注册一个新账户 忘记密码

城市交通是由人、车、路、运行环境、管理与控制策略等构成的复杂巨系统,具有典型的动态性、随机性、开放性、复杂性特征。传统交通科学与工程研究通常针对具体的交通系统构成对象或子系统[12],如人(出行者行为)、车(出行工具)、路(交通设施)以及交通控制(信号系统)等开展研究,并已取得了丰硕的成果,然而,世界很多城市不同程度拥堵的交通现状从一定程度上反映出传统交通规划、管理与控制等理论方法的局限性。系统科学以复杂系统为研究对象,注重研究系统的结构、环境与功能普适关系、演化与调控的一般规律,使我们能够以系统的视角审视城市交通系统中多元复杂构成要素之间的作用,捕捉个体行为、局部特征与交通系统涌现规律的关联特征[3],以便为寻求城市交通问题解决方案提供新思路。
本文拟探讨基于系统科学的方法开展未来城市交通系统研究所面临的关键挑战。首先,系统科学是认识世界方法论的重要创新,基于系统科学的思维与方法重构城市交通系统研究体系,是有效解决城市交通问题的重要途径[4],但当前缺少广泛深入的理论研究与实践验证。其次,城市交通系统研究的核心问题是涌现、演化与管控,这是对传统交通理论研究体系与方法的革新,当前仍处在初期的探索阶段[5]。再次,新一轮科技革命将深刻影响未来城市交通的研究范式,同时也将为城市交通系统复杂性研究带来诸多新问题与新挑战[4]。特别强调,输运过程是复杂系统涌现机制的关键环节;由于城市交通系统的随机性、动态性和复杂性等特性,其输运问题必然是系统性的科学与工程难题。

1 以系统科学的思维与方法重构城市交通系统研究体系至关重要

得益于还原论等方法的应用,人类在20世纪取得了巨大的科学成就[6]。还原论等方法将一切归结为物质最基本的组成部分和决定它们行为的最基本规律,一旦获得这个最基本规律,便可以用来解释并推导出物理学从微观到宏观的所有现象。然而,诺贝尔物理学奖得主P. W. Anderson指出:一个显然的事实是,尽管一切物质均由基本粒子组成,但原子和分子组成的体系所拥有的性质并不能依据基本粒子的性质和运动规律推导出来[78]。实际上,进入20世纪,特别是21世纪后,现代科学自身的发展演化就引出了一系列强烈冲击其主导范式(还原论、确定性等)的结论,如相对论、量子力学中的混沌理论等。这说明,现实世界并不被传统的“简单性”科学范式所统治[6]。由此,一门新的独立学科——系统科学——应运而生。

系统科学是研究复杂系统的方法论。复杂系统迄今没有准确的定义,但研究者普遍认为复杂系统具有一些共性特征:构成元素多,关系复杂;不具有好的可控性、有序性、可测量性和可预测性;具有很强的动态性、随机性;参数规模大等。

复杂系统的研究始于复杂性科学(complexity science)[9]。国内外关于复杂性的研究最早出现在20世纪。20世纪80年代,Murray Gell-Mann和Philip W. Anderson等几位美国的物理学和经济学等领域诺贝尔奖金获得者认识到复杂性科学的重要意义,创立了著名的桑塔费研究所(Santa Fe Institute),并将研究复杂系统的学科称为复杂性科学。在同一时期,中国学者钱学森也开始关注复杂性科学研究,以开放的复杂巨系统(open complex giant systems, OCGS)理论为基础开创了中国复杂性研究的先河[10]。进入21世纪,复杂系统研究在欧美等国家引起高度重视。2006年欧洲复杂系统学会发布了《欧盟复杂系统研究路线图2007—2013》[11],提出复杂系统科学将是21世纪的核心科学。2003年开始,美国每年的高峰论坛及其文集《工程科学前沿》(Frontiers of Engineering)中,刊载复杂系统研究论文,并在2005年特别刊载了一组“复杂系统工程”专题文章。据不完全统计,2000—2024年在NatureSciencePNAS等期刊上,以“复杂系统”(complex system)、“复杂网络”(complex network)、“复杂性”(complexity)等为主题的论文已发表5349篇,且每年保持较高发表量。

复杂系统的研究历史并不长,发展也不成熟,还没有形成统一的研究范式。但是,复杂系统必将成为未来科学的一个重要研究方向。Stephen Hawking认为“下个世纪将是复杂性的世纪”。钱学森指出“系统学的建立,实际上是一次科学革命,它的重要性绝不亚于相对论或者量子力学”[10]。2021年诺贝尔物理学奖颁给了Syukuro Manabe、Klaus Hasselmann和Giorgio Parisi,“以表彰他们为我们理解复杂物理系统所做的开创性贡献”,在一定程度上证实了复杂性研究的重要价值。

系统科学以复杂系统为研究对象,将复杂系统进行分解,进而采用系统整体研究方法开展系统整体集成研究,从而实现系统的整体涌现。系统科学方法论采用“系统分解—系统集成—系统涌现”的研究思路,实现了还原论方法与整体论方法的辩证统一,架起跨越微观和宏观鸿沟的桥梁。

城市交通系统是典型的开放复杂巨系统。传统基于还原论方法架构的交通系统研究体系正在面临诸多挑战,难以全面解决城市交通拥堵等问题。系统科学的思维与方法对于重构城市交通系统研究体系确实具有至关重要的意义。在系统科学视角下,对巨量出行个体的复杂出行选择行为机理形成清晰理解并进行准确建模,才有可能揭示复杂条件下城市交通的宏观交通现象涌现机制与演化规律,真正剖析多层次交通供需之间的互动与耦合关系,深入研究城市交通系统结构与功能演化及调控,发展与复杂城市交通系统相匹配的规划与管理理论。以系统科学的思维与方法重构城市交通系统研究体系,不仅可为城市交通系统协同规划、设计、调控提供新理论、新方法,对提升我国城市交通系统整体效能、促进城市交通系统的可持续发展、服务交通强国等国家战略也具有非常重要的实际意义。

2 城市交通系统研究的核心问题是涌现、演化与管控

在城市交通系统中,规模巨大的出行者(几百万甚至上千万)在超级大型综合交通网络上借助类型多样的运载工具进行出行决策、动态移动,是典型的开放复杂巨系统。城市交通系统由若干典型的子系统构成,包括载体子系统(道路与城轨等)、流量子系统(交通参与者)、管理控制子系统等。城市交通系统的参与主体具有典型的异质性,供给与需求相互制约,影响因素(变量)繁多且存在复杂的交织叠加关系,如图1 [12]所示。图中,构成城市交通系统的各子系统用不同的颜色表示,包括交通设施、交通工具、定价系统、应急支持、信息服务、土地利用、设备维护、政策法规、城市人口、经济发展和道路等;不同因素之间相互关系的程度则通过连线的宽度定性表示。可以看出,城市交通系统构成要素复杂多样,并且各种因素之间存在直接或间接的强度各异的相互作用。在这些因素的综合作用下,城市交通系统呈现出非线性、非平稳(时变性)、非马尔可夫链过程(相关性)等典型现象与特征[1314]。

城市交通系统区别于大多自然系统的最典型特征是,交通出行者的行为是城市交通系统复杂性的重要根源之一[15]。在交通出行中,交通出行者往往表现出自主性和唯理性特征。自主性特征表现在系统中每个交通参与者本身是一个决策实体,每个交通参与者均可独立确定出发时间、出行方式及路径的选择等。唯理性体现在每个交通参与者的决策都以自身的效益最大为目标,如从起点到终点的时间最少。人与载运工具也是交通系统中规模最大的构成要素,能够对交通环境变化作出反应,具有自组织、自适应和自驱动等智能体的典型能力。

城市交通系统复杂性的另一个重要的根源是构成要素之间的复杂耦合关系。城市交通系统中的各个组成部分之间存在紧密的联系和相互依赖,其中任何一个或多个子系统的变化均可能对其他子系统产生影响。特别地,交通参与者与交通系统其他部分的相互关系与作用是最为复杂的,交通参与者的出行行为不仅仅影响其自身,也会波及整个交通系统的各个部分。网络中运动的人-车-环境之间存在强烈的非线性相互作用,任何一个部分的变化均会出现一些难以预测的结果,如道路交通中出现的幽灵塞车、堵塞扩散、交通振荡、迟滞现象以及相变等复杂交通现象[14,16];局部的突发事件或交通阻塞可能引发周围大范围城市道路网络长时间的交通拥挤或阻塞。

城市交通系统各组成部分具有动态性和随机性,特别是其高度的开放性进一步加剧了交通系统的复杂性。城市交通系统动态性体现在人流、交通流、信息流等的动态演化与动态平衡。随机性特征则主要体现在交通需求、交通参与者与车辆行为、交通设施运行状态等方面;这些随机性特征使得城市交通系统的运行状态难以准确预测和控制。另外,城市交通系统也存在与城市发展、经济和社会环境等系统的关联关系,具有典型的开放性。

综上所述,城市交通系统是开放的复杂巨系统,其展现出的现象与特征并非单个交通系统构成要素性质与特征的简单叠加。例如,整个城市综合交通网络上的特性并不等于道路、轨道等局部交通流微观特性的简单叠加。城市交通流分布则是城市交通需求和交通供给在现有约束(管理控制系统和运行环境)下在交通网络上的具体实现结果。为此,在系统科学视角下,城市交通系统的核心问题是:涌现、演化与管控。涌现关注整体与局部的关系,是一个相互作用的群体的性质,无法通过系统中个体的单独行动来发现。针对交通系统,最核心的问题是利用整体涌现性理论,探索整体涌现发生的条件、机制、演化规律,进而研究如何利用这些规律探索交通系统的管控理论与方法。

3 新一轮科技革命下城市交通系统研究的新挑战与新范式

以信息、计算、人工智能、大数据、大模型为代表的新一轮科技革命为未来城市交通系统带来了一些颠覆性的影响。数字化、网络化与智能化深刻融入交通系统,逐步实现了人、车、机(机器智能)、物、网的互联互通,交通管控的智能决策以及运载工具的自动驾驶,使城市交通系统呈现出新形态,系统整体上则必定会涌现出一些新的特性及演化规律。特别地,机器智能的引入,使得人、车、机之间,机器之间以及人、机与环境之间的交互愈发复杂,构成了具有典型复杂巨系统特征的人-车-机-环混合智能决策场景[1718],使得城市交通系统研究变得愈发困难。

总体来讲,在未来城市复杂动态交通环境下,多源干扰、异质变构、动态随机等给系统的感知、控制、优化和决策带来巨大挑战,现有交通管控方法难以满足系统化、智慧化及个性化等出行需求。为此,未来城市交通系统研究主要存在四方面的挑战[2],具体如下:

(1)开放性挑战:揭示未来城市交通出行需求生成机理与演化规律。我国城市化的进程仍处于快速发展阶段,出行需求激增引起的交通系统供需失衡仍然显著。此外,城市交通需求具有波峰和波谷的非均匀周期性特征,也就是说即使供需总体均衡,也势必会有部分区域和时段存在严重的失衡。城市交通问题的产生与存在在一定时间和范围内难以避免。特别是,我国城市化进程中机动车快速激增的态势是其他国家和地区所没有的,面临的城市交通问题远比发达国家更多、更复杂。当前,我国城市交通体系正面临从“基础设施建设”为主向“交通效能提升”为主的重大转型,迫切需要揭示交通出行需求生成机理与演化规律。

(2)模型性挑战:构建将传统研究方法与新技术驱动的人工智能相结合的新研究范式。以移动互联、5G通信、大数据、人工智能等新兴技术为代表的新一轮科技革命推动了出行模式变革,在一定程度上重塑了交通个体微观选择行为与交通需求宏观时空分布规律。传统粗放型城市交通管理理论与方法难以适应智慧交通的发展。传统研究方法与新技术驱动的人工智能相结合可以实现优势互补:传统方法保证研究的严谨性,人工智能则带来高效的数据处理能力、规律挖掘能力以及复杂场景的建模能力。然而,传统研究方法与人工智能的逻辑差异可能导致模型耦合的困难,需要建立有效的融合策略。此外,数据质量等问题也可能对新研究范式构成挑战。

(3)复杂性挑战:设计对大规模、智联网下各种复杂场景交通问题的快速高效求解算法。城市交通系统涉及的要素众多、功能多样、关系复杂、规模庞大,呈现复杂性、动态性、随机性等特点,未来的城市交通中人工驾驶车和网联自动驾驶车混合行驶,这些特征进一步增加了我国城市交通系统管理的复杂度。在高度人工智能计算环境下,ALPHA GO面临的状态空间是10171,ALPHA STAR为101000,而典型城市的交通状态为10的十亿次方规模,再加上连续空间问题,建模和求解的难度巨大。城市交通管理智能决策的复杂性、开放性、大规模、不完全信息、动态博弈等特点更为突出,更迫切需要开放、动态、适应性的智能决策方法。

(4)应用性挑战:研发大规模、智联网场景下城市交通运行平行系统与决策智能支持平台。大数据、人工智能和数字孪生等新一代信息技术的蓬勃发展,推动了传统城市交通系统在组织和服务模式上产生深刻变革,同时带来了海量多源数据融合、复杂出行行为学习、超大规模交通网络智能优化与推演等方面的挑战。另外,由于需处理海量多源异构交通数据,为确保数据的准确性和实时性,对算法和算力也提出了极高要求。

新科技为城市交通系统带来了更多复杂因素,但也为城市交通系统研究提供了强有力的工具,促成城市交通系统研究的新范式。大数据为城市交通系统研究提供了海量且丰富的多元多维异构数据信息[19]。例如,通过车载终端及各种类型固定检测器获取的车辆行驶数据、客流量数据、道路监控数据等,能够全面反映城市交通系统的运行状态和规律。大模型则为复杂数据分析与数据驱动建模提供了有力的工具[20]。例如,深度学习模型可以自动从海量数据中提取复杂特征与模式,从而对交通流量进行准确预测与精细管控。强大的计算能力是大数据处理和大模型运算的底层支撑,它使得大规模数据的快速处理和复杂模型的高效训练成为可能,为交通规划、管理和调控提供实时动态决策支持。总之,以大数据、大模型和强大的计算能力融合为基础,逐渐形成了交通系统研究的新范式:在内容方面,强调交通系统研究从局部到系统的转变;从研究方法上突出计算、理论与实验的综合集成;从研究范畴上则从传统的分科转向开展共性研究。

研究方法与研究范式带来的改变有助于更好发现、理解复杂城市交通系统的运行状态与发展规律,分析、解决现实交通管控问题,显著提升城市交通系统的精细化和智慧化管控水平;有助于探索、发现和预测未来城市交通的变化趋势,科学应对未来城市交通管控带来的巨大挑战。总之,新研究范式为城市交通系统研究带来了新的机遇和挑战,有望引领城市交通走向更加智能、高效和可持续的发展道路。

4 输运过程是城市交通系统涌现机制的关键环节

从全局角度审视复杂系统,能够发现一些复杂的涌现现象,这些现象不能通过简单叠加单一个体的功能而获取。这一问题是困扰复杂系统研究的核心问题之一,迄今仍未有统一的观点。究其更进一步的原因,关键在于个体之间存在各式各样的相互作用。输运是指物质、能量、信息等在空间中从一个位置移动到另一个位置的过程,是系统内部或系统之间相互作用和联系的重要方式之一。可以说没有输运过程,就没有系统。

在地球系统中,地球得到从太阳输运来的能量,因此通过熵减产生了丰富多样的物种,物种反过来又会影响气候的变化。在生态系统中,物种之间同时存在能量和物质的转换。植物通过光合作用接收太阳输送的能量,将光能转化为生物能。食草动物利用植物的生物能源和养分构建自己的身体。捕食者与被捕食者之间存在碳元素的输运以及能量的转移。在人体系统中,人体的消化系统相当于生态系统中植物的作用,从外界获得能量来构建身体所需要的物质。血液循环系统把能量和养分输送到全身,保证人体各部分机能的正常工作。淋巴系统的主要功能是免疫、营养物质输运和受伤修复。人类大脑中的血管网络通过血流给神经元提供所需的养分。神经元之间通过电信号的输运实现各种复杂的认知和决策功能。在人类社会系统中,资金和资本在不同部门和机构之间流动和转换,人力在各个公司和机构之间流动,原材料和半成品在各个制造商之间输运和转移等。经济金融系统是资本和资金输运的载体。银行系统收集储户的资金用于投资,并以利息的形式反馈给储户。股市是银行之外的资金汇集地,实现了资产重新分配的任务。网络购物和电商不仅涉及资金的转移,而且涉及物流网络中的交通运输过程。正是由于输运过程在复杂系统中的重要性,2024年7月2日,中国科学技术协会发布了2024年十大前沿科学问题,其中第五个便是“多尺度非平衡流动的输运机理”[21]。

由此可见,输运过程是各种系统的灵魂,输运过程造成系统中的自组织行为,承载系统的各种功能,保证系统中个体之间各种能量和物质的交换。输运过程塑造了自然生态系统,是复杂生命形态中的普遍特征,导致了广泛存在的动平衡现象。从理论角度来看,输运过程是系统不同状态之间转换的纽带,是系统演化到稳态和动平衡状态的桥梁,作为系统演化的基础具有不可替代的作用。因此,研究输运过程对于深刻理解复杂系统的结构、功能、本质特征以及指导交通运输系统的理论和应用研究意义重大。

以城市交通系统为例,交通参与者借助载运工具在交通网络上的输运过程是交通系统涌现出复杂现象的根源。交通系统的主要功能是人和物品的输运。输运过程涉及输运方式、输运路径和输运时间。不同于其他系统,交通系统输运过程的突出特点是交通参与者的复杂动态决策行为。针对城市交通系统,现代交通科学通过观察交通现象、剖析交通数据、分析出行选择行为、发现群体规律和复杂性,进而从整体上调控车辆与行人的时空分布,以期最大限度地利用现有交通资源,缓解和预防交通拥堵[2223]。基于此,高自友等[24]和龙建成等[25]针对城市道路交通网络中交通拥堵的产生、传播与消散开展了探索性研究,采用微观与宏观相结合的方法构建拥堵传播模型,在此基础上进而挖掘分析了突发事件所导致交通拥堵传播规律、交通需求增长所导致拥堵瓶颈识别等,并提出了多种动态拥堵消散控制策略。研究发现,瓶颈的产生是需求不断增大的必然结果;城市道路交通网络瓶颈的形成规模与交通需求水平正相关,但是交通需求的增长对各路段交通状况的影响却不尽相同;对于城市交通拥堵消散控制而言,面控策略效果最佳。

研究城市交通系统输运过程的首要任务应该是研究具有不同时空特征的交通需求在城市交通系统中的产生过程,即不同类别的出行者如何决定出发时间和出行方式,如何选择换乘地点、工具和路径,以及这些选择行为将导致怎样的网络流量分布,即巨量的微观离散个人决策结果如何形成宏观网络聚集现象。同时,研究由多层次、多类别的出行决策行为所导致的网络流量如何受到系统内在机制和外部条件的影响也有重要意义。在实际城市交通系统中,交通流量是各种复杂出行决策行为在有限时间与空间上的宏观聚集结果,而出行者的出行决策通常包括产生出行需求、搜集信息、评价与选择、出行和反馈等五个步骤,涉及极为复杂的行为机理,蕴含大量的基础科学问题,需要借助管理科学、交通工程、系统科学、行为科学、计算机科学、信息科学和统计学等多学科知识的交叉融合,才能完整刻画城市居民的复杂出行决策行为,发现多层次交通需求的时空分布特征,剖析多方式交通供需之间的互动与耦合机理,揭示复杂条件下交通网络流量的变化规律(输运过程)。

尽管新一代信息技术为我们获取丰富的交通数据提供了强有力支撑,但是针对一些特定场景的高精度数据获取仍然存在一些困难,如研究微观车辆跟驰行为所需的长距离路段车辆轨迹数据等。此外,当前特别需要关注:在实际观测限制和高质量数据获取困难等情况下,如何通过数据重构来推断复杂交通系统的内在特征,进而识别输运过程的关键控制因素集并加以调控等热点和难点问题。

5 总结与展望

现代城市综合交通系统是由“人-车-路-环境-管控” 等要素及其之间的耦合关系构成的动态复杂巨系统,具有典型的动态性、复杂性、随机性等特征。深入研究城市交通系统复杂性理论不仅可为城市综合交通系统协同规划、设计、调控提供新理论、新方法,而且对提升我国城市交通系统整体效能、促进我国城市交通系统的可持续发展、服务交通强国等国家战略也具有非常重要的意义。基于此,本文探讨了城市交通系统及其复杂性特征,剖析了城市交通系统管理调控的问题与挑战,进而引出了城市交通系统复杂性分析与调理的研究领域。

当前,对综合交通运输网络系统工程的理论和方法论体系研究尚存在不足,这一问题将可能导致我们缺乏对综合交通发展战略和体制机制的顶层设计的支撑能力。同时,由于城市交通系统自身的复杂性,这一领域是需要长期坚持的重要研究方向。另外,城市交通系统研究应关注新技术的发展与应用,特别是当前以人工智能为代表的新一代信息技术在城市交通系统中的发展应用,正在对城市交通业态、管理模式、控制方法产生颠覆性变革,也为城市交通系统复杂性研究与智能调控提出新方向与新挑战。

本文以系统科学的视角讨论了城市交通系统复杂性与输运过程。需要说明的是,本文主要是为了讨论新的观点,而不是深入研究一个具体理论或实际问题。为此,一些观点并未经过充分的验证。未来我们将采用系统科学的方法对城市交通系统开展研究探索。

参考文献

[1]

Guan W, Wu JJ, Gao ZY. Transportation network systems engineering. J Transp Syst Eng Inf Technol 2020;20:9‒21.

[2]

Gao ZY. The challenges of urban traffic management in the future. Manag World 2022;38(10):3‒5. Chinese.

[3]

Lu J, Li B, Li H, Al-Barakani A. Expansion of city scale, traffic modes, traffic congestion, and air pollution. Cities 2021;108:102974. . 10.1016/j.cities.2020.102974

[4]

Gao ZY, Guo L, Liu ZM, Wang HW, Sheng ZH, Zeng DJ, et al. Some key scientific issues of complex system management research in the era of big data and artificial intelligence. Bull Nat Natural Sci Found China 2023;37:429‒38. Chinese.

[5]

Zeng G, Gao J, Shekhtman L, Guo S, Lv W, Wu J, et al. Multiple metastable network states in urban traffic. Proc Natl Acad Sci USA 2020;117(30):17528‒34. . 10.1073/pnas.1907493117

[6]

Guo L. What is systematology. J Syst Sci Math Sci 2016;36:291‒301.

[7]

Strogatz S, Walker S, Yeomans JM, Tarnita C, Arcaute E, De Domenico M, et al. Fifty years of ‘more is different’. Nat Rev Phys 2022;4(8):508‒10. . 10.1038/s42254-022-00483-x

[8]

Anderson PW. More is different: broken symmetry and the nature of the hierarchical structure of science. Science 1972;177(4047):393‒6. . 10.1126/science.177.4047.393

[9]

Klir GJ. Facets of systems science. Boston: Springer New York 1991. . 10.1007/978-1-4899-0718-9

[10]

Qian XS. Found systematology. Shanghai: Shanghai Jiao Tong University Press; 2007. Chinese.

[11]

Bourgine P, Johnson J. Living roadmap for complex systems science. Report. Paris: Open Network of Centres of Excellence in Complex Systems; 2006. . 10.1159/isbn.978-3-318-01389-4

[12]

Gao ZY, Huang HJ, Guo JF, Yang LX, Wu J. Future urban transport management. Front Eng Manag 2023;10:534‒9. . 10.1007/s42524-023-0255-3

[13]

Zhang L, Zeng G, Li D, Huang HJ, Stanley HE, Havlin S. Scale-free resilience of real traffic jams. Proc Natl Acad Sci USA 2019;116(18):8673‒8. . 10.1073/pnas.1814982116

[14]

Helbing D. Traffic and related self-driven many-particle systems. Rev Mod Phys 2001;73(4):1067‒141. . 10.1103/revmodphys.73.1067

[15]

Alessandretti L, Aslak U, Lehmann S. The scales of human mobility. Nature 2020;587(7834):402‒7. . 10.1038/s41586-020-2909-1

[16]

Chowdhury D. Statistical physics of vehicular traffic and some related systems. Phys Rep 2000;329(4‒6):199‒329.

[17]

Feng S, Yan X, Sun H, Feng Y, Liu HX. Intelligent driving intelligence test for autonomous vehicles with naturalistic and adversarial environment. Nat Commun 2021;12(1):748. . 10.1038/s41467-021-21007-8

[18]

Feng S, Sun H, Yan X, Zhu H, Zou Z, Shen S, et al. Dense reinforcement learning for safety validation of autonomous vehicles. Nature 2023;615(7953):620‒7. . 10.1038/s41586-023-05732-2

[19]

Mayer-Schönberger V, Cukier K. Big data: a revolution that will transform how we live, work, and think. Boston: Mariner Books, Houghton Mifflin Harcourt; 2014.

[20]

Zhao WX, Zhou K, Li J, Tang T, Wang X, Hou Y, et al. A survey of large language models. 2023. arXiv:

[21]

China Association for Science and Technology. China Association for Science and Technology releases 2024 major scientific issues, engineering and technological challenges, and industrial and technological issues [Internet]. Beijing: China Association for Science and Technology; 2024 Jul 2 [cited 2024 Aug 8]. Available from:

[22]

Yao J, Cheng Z, Chen A. Bibliometric analysis and systematic literature review of the traffic paradoxes (1968‒2022). Transp Res Part B Methodol 2023;177:102832.

[23]

Modak NM, Merigó JM, Weber R, Manzor F, Ortúzar JDD. Fifty years of transportation research journals: a bibliometric overview. Transp Res Part A Policy Pract 2019;120:188‒223. . 10.1016/j.tra.2018.11.015

[24]

Gao ZY, Long JC, Li XG. Congestion propagation law and dissipation control strategies for urban traffic. J Shanghai Univ Sci Technol 2011;33:701‒8, 508. Chinese.

[25]

Long J, Huang HJ, Gao Z, Szeto WY. An intersection-movement-based dynamic user optimal route choice problem. Oper Res 2013;61(5):1134‒47. . 10.1287/opre.2013.1202

AI Summary AI Mindmap
PDF (1283KB)

4111

访问

0

被引

详细

导航
相关文章

AI思维导图

/