Optimizing Traffic Conflict Analysis at Signalized Intersections Using Multi-Scale Cellular Automata

在繁忙的城市中心，交叉路口是一个不断进行博弈的场所。在这里，交通灯的僵化时刻表与人类运动的不可预测节奏相遇。几十年来，工程师们一直试图驯服这种混乱，通常依赖于将汽车和行人视为独立交通流的模型。然而，在世界许多地方，特别是在印度，现实情况则要交织得多。行人不仅仅是在路缘等待；他们穿梭于车辆之间，而车辆也必须不断根据人的存在进行调整。为了理解这场关于安全与效率的复杂舞蹈，研究人员转向了一种被称为“元胞自动机”（cellular automata）的方法。想象一个巨大的网格，就像棋盘一样，每个方格可以是空的，也可以是被占据的。在这些模型的传统版本中，方格的大小都是相同的，且移动规则简单且统一。但现实生活并非如此统一；一个人迈出的一小步，与一辆转弯卡车的巨大横扫是完全不同的，而且人群的流动也会根据街道的拥挤程度而改变。这正是更先进、更复杂的方法介入的地方，这种方法允许网格本身改变其关注点，既能放大到观察单个步伐，又能同时后退一步以观察整个街道的流量。

印度 SRM 科学技术学院的一位研究人员将这种先进的思想应用于一个特定的问题：信号控制路口处汽车与人之间危险且往往令人困惑的相互作用。他们的研究成果发表在一篇研究论文中，重点关注一个车辆与行人根据交通灯引导在其中交汇的三岔路口。该团队利用他们称之为“多尺度元胞自动机”（Multi-Scale Cellular Automata）的技术构建了一个数字模拟系统。与那些可能用单一、模糊的镜头观察整个路口的旧模型不同，这个新模型使用了一个分层网格。它在不同的细节层级上同时运行。在最小层级，它追踪一个人踏入空白空间的移动；在中等层级，它考虑人群密度如何影响步行速度；在最大层级，它计入了交通信号和车辆的整体流量。通过叠加这些视角，研究人员创建了一个虚拟环境，模拟了繁忙印度街道那种杂乱的现实行为，在那里，混合交通是常态。

该模拟专注于一个特定的场景：一个具有 90 秒固定周期的信号控制路口。在这个周期内，车辆和行人的交通灯时间设置不同。例如，行人信号允许 30 秒绿灯，随后是 60 秒红灯。通往该路口的道路是一条双向两车道的街道，人行横道本身长 24 米，宽 3 米。研究人员在这个数字空间中布置了虚拟的行人和车辆。他们对虚拟行人进行了编程，使他们以随机的时间间隔到达，就像真实的人群一样，并根据人行横道的拥挤程度改变移动速度。如果前方路径清晰，虚拟行人可能会移动得很快；如果空间狭窄，他们就会减速或停止。车辆也被编程遵循类似的逻辑，对人的出现和交通灯的颜色做出反应。该模型设计为开放式，这意味着新的车辆和人可以进入系统并离开系统，就像在真实的城市中一样，而不是被困在一个封闭的循环中。

这项研究的核心是观察这些虚拟代理如何相互作用以及在哪里发生冲突。研究人员识别出了冲突最可能发生的特定区域。一个主要的紧张点是左转车道，在那里，左转车辆可能会横穿行人正在过绿灯时的路径。另一个冲突区域涉及直行车辆和横穿街道的行人，特别是当规则允许车辆在行人仍在过街时继续行驶时。模拟追踪了每一次车辆和行人试图在同一时间占据同一空间的情况。它还测量了这些相互作用造成的延迟，计算了行人为了避免碰撞必须等待或停止的时间。结果显示，随着车辆数量的增加，行人的延迟显著增长。模型揭示了这些延迟不仅仅是时间的简单累加；它们会产生连锁反应。当车辆密度达到一定程度时，整个系统的行为会发生转变，导致拥堵和冲突突然增加。

这项研究的独特之处在于它捕捉到了这些相互作用的非线性特征。在较简单的模型中，增加车辆可能只是意味着等待时间的稳步增加。但在这种多尺度模拟中，研究人员观察到系统在不同的拥挤程度下表现出不同的行为。在低密度时，行人和车辆移动相对自由。但随着人群变厚，相互作用变得更加复杂，延迟会以传统方法难以预测的方式激增。模型显示，交通灯的计时起着至关重要的作用。即使行人信号与车辆流之间只有几秒钟的错位，也可能导致一系列冲突。研究人员发现，当行人被迫等待太久时，他们可能会开始违反红灯过街，这种行为进一步使交通流复杂化，并增加了事故风险。模拟还强调了人行横道的宽度和行人的到达率是关键因素。加宽人行横道看似是一个简单的解决方案，但如果交通信号的定时没有根据流量进行调整，它可能无法如预期般减少冲突。

研究结果表明，优化这些路口需要同时从多个角度看待问题。仅仅改变绿灯的时长或拓宽道路是不够的。研究人员证明，一个能够同时看到个体步伐和整体人群移动的模型，对于理解城市交通的真实动态是必不可少的。通过使用这种多尺度方法，他们能够精准定位冲突发生的位置及其原因。他们发现，最危险的时刻通常发生在道路规则模糊的时候，例如当车辆被允许在行人过街时进行红灯转弯时。这项研究并不声称已经解决了交通安全问题，但它提供了一个测试解决方案的强大工具。研究人员建议，该模型可以用于设计能够实时适应人群和车辆密度变化的更好交通信号。他们还建议，未来的工作可以包括将这些模型与实际路口的真实世界数据进行对比测试，以观察模拟效果如何。

最终，这项研究为我们日常通勤中的无形力量提供了更清晰的视角。它超越了将交通视为单纯金属与橡胶流动的观念，转而将其视为一个由人类决策和物理约束构成的复杂系统。多尺度元胞自动机模型就像是这个系统的一个窗口，允许工程师在不冒真实生命危险的情况下实验不同的策略。通过理解一个行人的犹豫如何波及整个路口，城市规划者可以设计出不仅更高效，而且对每个人都更安全的空间。这项研究强调了将行人视为交通生态系统中核心组成部分，而非仅仅作为需要管理的障碍物的必要性。随着城市不断扩张和变得更加拥挤，建模这些复杂相互作用的能力，对于创造人车共存且无需持续冲突的城市环境将变得日益重要。