Technische Samenvatting: NOVA – Symbolische Regressie Ontdekking van Interpreteerbare Car-Following en Lane-Change Modellen

1. Probleemstelling

Het artikel behandelt de uitdaging van het ontdekken van interpreteerbare, compacte wiskundige structuren die menselijk rijgedrag beschrijven op basis van ruwe trajectgegevens. Terwijl klassieke car-following modellen (bijv. IDM, Krauss) vaste functionele vormen opleggen die door onderzoekers zijn bepaald in plaats van door data, en deep learning-benaderingen een hoge voorspellende nauwkeurigheid bieden maar aan interpreteerbaarheid gebreken hebben (als "black boxes"), blijft er een gat voor een methode die autonoom symbolische vergelijkingen kan terugwinnen zonder structurele priors.

De specifieke wetenschappelijke vraag is of menselijke car-following en lane-changing gedragingen een lage-complexiteit symbolische structuur bevatten die kan worden teruggewonnen uit ruisgevoelige, hoogdimensionale trajectgegevens (specifiek de NGSIM-dataset) zonder vooraf specifieke functionele vormen (zoals lineair, polynomiaal of specifieke verzadigingsfuncties) aan te nemen.

2. Methodologie

2.1. Het NOVA-framework

NOVA is een autonoom symbolisch regressie-framework, geïmplementeerd in Rust voor hoogwaardige, deterministische executie. In tegenstelling tot stochastische genetische programmering-benaderingen, maakt NOVA gebruik van een deterministische exhaustieve combinatorische zoektocht over een begrensde bibliotheek van algebraïsche structuren.

• Zoekruimte: De engine evalueert meer dan 10.000 kandidaat algebraïsche structuren afgeleid van een fundamentele set primitieve kinematische atomen (snelheid $v$, snelheid leider $v_l$, acceleratie leider $a_l$, relatieve snelheid $\Delta v$, afstand/gap) en hun temporele vertraagde tegenhangers.
• Restricties: De zoektocht is beperkt tot polynoomgraden $\le 2$ om overfitting op sensornoise te voorkomen en om aan te sluiten bij fysische kinematische principes. Cruciaal is dat geen legacy modelstructuren (bijv. de free-road term van IDM) als priors worden ingevoid. Hogere cognitieve metrieken zoals Time Headway (THW) of Time-to-Collision (TTC) worden niet vooraf opgenomen; de engine moet deze synthetiseren uit primitieven (bijv. het ontdekken van $gap/v$).
• Optimalisatie: Coëfficiënten worden berekend via Closed-form Ordinary Least Squares (OLS) met behulp van pre-gefactoreerde Singular Value Decomposition (SVD) voor stabiliteit.

2.2. Data en Preprocessing

De studie maakt gebruik van 4.765.788 actieve rijobservaties uit de NGSIM I-80 en US-101 datasets.

• Filtering: Strikte kwaliteitsfilters verwijderen coasting/idling ($|a| < 0,2$ m/s²) en buiten de grenzen liggende kinematica.
• Smoothing: Om de 10 Hz tracking jitter (die niet-fysische acceleratiepieken veroorzaakt bij dubbele differentiatie) te mitigeren, worden twee complementaire preprocessing-pipelines gebruikt:
  1. Pipeline R: Rolling mean (15-frame gecentreerd) met een 0,8 s voorwaarts verschoven target.
  2. Pipeline S: Savitzky–Golay filter (orde 3, venster 15) met een 1,0 s gemiddelde target.
• Evaluatieprotocol: Een strikte 80/20 voertuig-ID holdout wordt afgedwongen om te garanderen dat er wordt gegeneraliseerd naar onbekende bestuurders in plaats van het memoriseren van specifieke trajecten.

2.3. Ontdekkingsproces

De ontdekking volgt een meerfasige "residuele cascade":

1. Fase 1 (Global Law): Ontdekking van de primaire structuur vanuit ruwe data.
2. Fase 2 (Heterogeniteit): Modellering van bestuurderspersoonlijkheid (agressiviteit) en snelheidsregimes (stop-and-go, transitie, vrije doorstroming).
3. Fase 3 (Residuals): Een tweede zoektocht op de residuen van Fase 2 om resterende structurele signalen te identificeren (bijv. botsingsvermijding).

3. Belangrijkste Bijdragen en Bevindingen

3.1. Car-Following: De Invariante Ruggengraat

De primaire ontdekking is dat de hyperbooltangens van de relatieve snelheid, $\tanh(\Delta v)$, de invariante, dominante term is in menselijke car-following.

• De Rank-4 Wet: Het hoogst gerangschikte model is een tweetermvergelijking: $\hat{a} = -0,468 + 1,266 \tanh(\Delta v) + 0,194 \text{THW}$.
• Interpretatie: De $\tanh(\Delta v)$ term vangt een begrensde, verzadigende respons op relatieve snelheid op. Bij kleine relatieve snelheden is de respons lineair; bij grote snelheden verzadigt de acceleratie bij $\approx \pm 1,266$ m/s², wat consistent is met psychofysische Weber–Fechner principes. Deze structuur was niet aanwezig in eerdere modellen (bijv. OVM past verzadiging toe op afstand, niet op sluitsnelheid).
• Robuustheid: Deze ruggengraat werd onafhankelijk teruggevonden in acht verschillende experimentele configuraties (variërend in pipelines, horizonten, populaties van bestuurders en feature-timings), wat bevestigt dat het geen preprocessing-artefact is.
• Bestuurdersheterogeniteit: Een continue agressiviteitsindex ($\kappa$), afgeleid van een Gaussian Mixture Model (GMM), moduleert de $\tanh(\Delta v)$ coëfficiënt. Agressieve bestuurders vertonen een sterkere respons op relatieve snelheid, met name in het "transitie" snelheidsregime.
• Residuele Ontdekking (TTC): Een tweede fase-zoektocht op de residuen identificeerde $\tanh(\text{TTC})$ als de dominante resterende term. Dit verbindt de data-gestuurde ontdekking met Lee's $\tau$-theorie van optische looming, waarbij een begrensde formulering van botsingsrisico wordt geboden zonder expliciete optical-flow modellen als priors te leveren.

3.2. Lane-Change Modellering

NOVA werd uitgebreid naar een Multinomial Logit (MNL) framework om de nutfuncties voor lane-changes te ontdekken.

• Prestaties: Het ontdekte model met 16 features bereikte een gebalanceerde nauwkeurigheid van 67,4% op 502 onbekende bestuurders onder strikte voertuig-ID holdout. Dit overtreft de standaard MOBIL-baseline (37,6%) met +29,8 procentpunt en een hand-engineered MNL-baseline met ongeveer 17 pp.
• Structuur: De nutfuncties zijn directioneel ontkoppeld. Belangrijke features zijn inverse gap ($1/gap$) en inverse time-to-collision ($1/\text{TTC}$), wat bevestigt dat optische looming een gedeeld veiligheidssignaal is voor zowel longitudinale (remmen) als laterale (lane-change) beslissingen.
• Limieten: Feature-augmentatie (het toevoegen van complexere gap-acceptatie fysica) en residual boosting slaagden er niet in om de nauwkeurigheid per bestuurder te verbeteren. Het artikel identificeert een structurele plafond voor single-snapshot kinematische features bij het onderscheiden van "Stay" vs. "Change" beslissingen, wat suggereert dat toekomstig werk temporele historie-features vereist.

3.3. Cross-Locatie Transfer

De ontdekte symbolische operatoren vertoonden zero-shot transferbaarheid tussen de I-80 en US-101 locaties.

• Het overdragen van het op één locatie getrainde model naar de andere resulteerde in slechts een verlies van 2,5–2,8 procentpunt in $R^2$, waarbij 97–99% van de lokale oracle-prestatie werd herwonnen. Dit geeft aan dat de ontdekte structuren eigenschappen zijn van menselijk snelwegrijgedrag en geen dataset-specifieke fits zijn.

4. Resultaten en Benchmarks

• Car-Following Nauwkeurigheid: Onder Pipeline S (Savitzky–Golay) bereikte NOVA een RMSE = 1,376 m/s² ($R^2 = 15,57\%$), waarmee het de beste gerekalibreerde symbolische regressie-baseline (SR-LLM) verslaat met 0,135 m/s² in RMSE onder een identiek protocol.
• Vergelijking met Klassieke Modellen: Klassieke modellen zoals IDM en Krauss presteerden slecht op instantane empirische snapshots (IDM $R^2 = -68\%$ op Pipeline R) omdat hun vaste functionele vormen niet overeenkomen met de instantane acceleratiedynamiek van de NGSIM-data.
• Simulatiestabiliteit:
  • Open-loop: Met een veiligheidsoverriding (TTC < 1,5s) bereikte de 3-pass wet een crash rate van 2,5% over 30-seconden horizonten, waarbij het de gekalibreerde IDM overtreft in lange-horizon snelheidfouten.
  • String Stability: Een 13-voertuig platoon simulatie leverde een stabiliteitsratio $\Lambda = 1,064$ en een achterwaartse golfsnelheid van 35,4 m/s op, wat de empirische NGSIM observaties van stop-and-go golven evenaart. Dit is een emergente eigenschap, geen ontwerprestrictie.

5. Betekenis en Claims

Het artikel claimt dat NOVA succesvol aantoont dat autonome symbolische regressie in staat is om interpreteerbare structurele regelmatigheden te herontdekken uit ruisgevoelige menselijke gedragsdata.

• Wetenschappelijke Ontdekking: Het framework identificeerde autonoom de $\tanh(\Delta v)$ niet-lineariteit en het $\tanh(\text{TTC})$ looming-signaal zonder dat deze functionele vormen als priors werden meegegeven. Dit suggereert dat menselijk rijgedrag een lage-complexiteit symbolische structuur bevat die voorheen werd verborgen door de vaste aannames van klassieke modellen.
• Convergentie van Theorie en Data: De data-gestuurde ontdekking van optische looming ($\text{TTC}$) in zowel car-following als lane-change contexten biedt breed empirisch bewijs dat Lee's $\tau$-theorie ondersteunt, waarbij longitudinale en laterale veiligheidssignalen worden verenigd.
• Methodologische Rigor: Door strikte voertuig-ID holdouts, meerdere preprocessing-pipelines en zero-shot transfer tests af te dwingen, betoogt het artikel dat de ontdekte structuren robuuste gedragsinvarianten zijn en geen statistische artefacten of overfitting op specifieke datasets.
• Erkende Limieten: De auteurs merken nederig op dat het model specifiek is voor highway gap-following (faalt op stedelijke kruispuntdata), dat de discriminatie van lane-changes begrensd wordt door de beperkingen van single-snapshot features, en dat de resultaten momenteel beperkt zijn tot Amerikaanse snelwegdata uit 2005.

Concluderend presenteert NOVA een paradigmaverschuiving van het kalibreren van vaste modellen naar het ontdekken van interpreteerbare vergelijkingen, waarbij wordt aangetoond dat menselijk rijgedrag wordt beheerst door begrensde, verzadigende responsen op relatieve snelheid en optische looming die wiskundig uit ruwe data kunnen worden teruggewonnen.