基于推-拉效应的交通流建模与稳定性分析：缓解拥堵与增强交通效率的新视角

《Heliyon》：Behavioral study of traffic flow field considering bidirectional effect in continuum system

为解决传统跟驰模型在描述复杂交通行为时的局限性，研究人员开展了基于推-拉效应的交通流建模研究，通过引入前向、推式和拉式三种最优速度函数，结合敏感性参数和概率权重，构建了推-拉模型（PPM）。研究通过线性稳定性分析和非线性KdV-Burger方程推导，证明了该模型能有效抑制交通流不稳定性，减少拥堵现象，为智能交通系统优化提供了理论依据。

　　

交通拥堵一直是现代城市发展面临的严峻挑战，传统交通流模型如全速度差模型（FVD）在描述车辆间复杂互动时存在局限性，尤其是在刻画前向、后向车辆的综合影响方面。为解决这一问题，研究人员在《Heliyon》上发表了一项创新研究，通过引入推-拉效应（push-pull effect），构建了一种新型交通流模型（PPM），旨在更真实地模拟实际交通行为，提升交通流的稳定性和效率。

该研究主要采用了理论建模、线性稳定性分析和非线性偏微分方程推导等方法。首先，基于跟驰理论框架，整合了前向最优速度函数（V_eF(ρ)）、推式最优速度函数（V_epush(ρ)）和拉式最优速度函数（V_epull(ρ)），通过概率参数（p和q）加权融合，建立了微观车辆运动方程。随后，通过泰勒展开和连续极限近似，将模型转化为宏观偏微分方程组，并进一步推导出KdV-Burger方程以描述密度波传播。稳定性分析中，通过线性扰动法和特征值计算，确定了中性稳定条件，揭示了参数（如敏感性a、λ和概率权重）对交通稳定性的影响机制。

研究结果分为几个关键部分。在“模型构建”中，作者提出了推-拉模型的基本方程，通过引入概率权重（p表示前向影响权重，q表示推式与拉式的分配权重），使得模型能够灵活调节前车和后车对当前车辆速度的影响程度。在“线性分析”中，通过稳定性判据推导，发现当推式效应（对应加速行为）权重降低、拉式效应（对应减速行为）权重增加时，交通流稳定性显著增强，拥堵区域减少。例如，当p=0.6、q=0.1（即拉式效应主导）时，稳定性区域比传统FVD模型扩大约30%。在“非线性分析”中，通过坐标变换将模型转化为KdV-Burger方程，并解析求解，得到了密度波解，表明推-拉效应能有效抑制激波形成，平滑交通流。

研究结论表明，推-拉模型通过平衡前向和后向车辆的影响，显著提升了交通流的稳定性，减少了拥堵和走走停停现象。讨论部分强调，该模型为智能交通系统（如自适应巡航控制和交通信号优化）提供了理论工具，未来可通过实证数据验证参数优化策略，进一步应用于实际交通管理。这项研究不仅推动了交通流理论的发展，也为解决城市拥堵问题提供了新思路。