用于无车道交通中连通车辆的风险感知轨迹规划内边界控制方法

《TRANSPORTATION RESEARCH PART C-EMERGING TECHNOLOGIES》：Internal boundary control method with risk-aware trajectory planning for connected vehicles in lane-free traffic

　　•提出了一种结合内部边界控制与轨迹规划的协同方法。•AMS-ARZ模型可实现需求响应式的虚拟边界动态调整。•统一的势场可同时表征边界条件、车辆间相互作用以及运动学风险。•通过风险梯度采样与帕累托优化可生成可行的CAV轨迹。•仿真结果表明，该方案能够实现平滑的边界调整，并提升走廊通行效率。

引言
随着出行需求的持续增长，高速公路拥堵问题日益严重，尤其是在节假日以及早晚高峰时段。此类拥堵会导致严重的行驶延误、污染物排放增加以及交通安全状况恶化。为改善交通状况，人们已广泛采用各种高速公路交通控制措施（Papageorgiou等人，2003年）。然而，这些措施的有效性存在局限，因为控制措施仅作用于少数基础设施节点，且依赖于汇总后的交通数据。而CAV技术的出现使得车辆层面具备感知与控制能力，从而使交通管理策略能够更直接、实时地影响和协调车辆行驶行为（Pan等人，2021年）。

随着自动驾驶技术以及车车通信（V2V）和车路通信（V2I）系统的发展，一种名为TrafficFluid的新交通范式应运而生（Papageorgiou等人，2021年）。这一范式具有两大核心特征：(1)无车道交通：车辆不再受限于固定的车道，可占据道路物理边界内的任意横向位置，从而实现更灵活高效的交通组织方式；(2)车辆间协同调控：CAV之间可交换实时运动信息与意图，使得车辆能够对邻近车辆施加预判性的调控作用。

基于无车道交通模式，近期提出了内部边界控制方法（Malekzadeh等人，2021年）。该方法利用无车道特性，使相向车流之间的分隔距离能够灵活调整而非固定不变，从而根据不同方向的需求动态分配道路空间，提高空间利用率。其实现方式是在两股车流之间设定虚拟边界，并将该边界信息传递给CAV，使其按照要求行驶。虽然内部边界控制为不同方向之间的道路空间分配提供了机制，但其实际效果在很大程度上取决于CAV对内部边界的响应程度（Malekzadeh等人，2024年）。在无车道环境中，内部边界并非实体障碍物，而是一种通过信息传递给CAV的虚拟的、随时间变化的约束条件。因此，内部边界控制的输出本质上就是为每个行驶方向定义的动态可行驾驶区域。不过，要将这一动态可行区域转化为实际的CAV行驶路径，就需要借助轨迹规划机制来确保车辆遵循既定边界要求。这凸显了在无车道环境中，内部边界控制与车辆轨迹规划之间存在着紧密的关联。下文将总结现有关于无车道交通中内部边界控制与轨迹规划的研究成果，同时指出将动态变化的内部边界作为明确规划约束时所面临的问题。

内部边界的概念最初源于可逆车道，这类车道已被应用于圣地亚哥的15号州际公路以及华盛顿特区的运河路等高速公路上（Wolshon和Lambert，2006年）。这些系统旨在解决诸如高峰时段交通需求失衡（交通研究委员会及美国国家科学院、工程院和医学院，2004年）以及特殊活动期间的交通管理问题（Wojtowicz和Wallace，2010年）。类似地，Ding等人（2022年）通过调整部分车道的用途，重新分配了未被充分利用的道路资源，以应对不断变化且不平衡的交通需求。早期的相关研究通常是通过交通标志或路障等设施手动调整边界，没有利用在线网络进行实时调度，因此在处理效率方面存在不足。

为提升效率，后续研究提出了针对实时交通状况的控制策略，包括二元混合整数线性规划（Zhao等人，2015年）、多目标混合整数非线性规划（Zhao等人，2014年）、反馈控制（Xue和Dong，2000年）以及模型预测控制（Ampountolas等人，2019年）。不过，除了Ding等人（2022年）构建了混合整数二次规划模型，以在CAV环境中同步优化信号配时与可变车道设置外，其他建模方法均未充分利用CAV技术所提供的实时交通信息。为填补这一空白，人们提出了内部边界控制机制，作为一种依托CAV技术的手段，用于动态定义双向车流之间的灵活分隔方式。Malekzadeh等人（2025a年）也对这一从传统车道反向调节与潮汐式交通控制向新型内部边界控制的发展进行了总结，他们指出动态道路空间共享是解决不同方向需求失衡问题的重要方向。

在无车道交通范式中，内部边界控制（IBC）的提出正是基于这样一个事实：道路可用宽度的微小变化会相应地影响各方向的实际交通容量。Malekzadeh等人（2021年）首次将IBC构建为一个最优控制问题，在该问题中，道路总宽度会根据实时的交通状况在两个相向行驶的车流之间进行动态分配。这一问题后来被转化为一个凸二次规划模型，为在双向需求随时间变化的情况下实现实时边界调整提供了可行的数学基础。

后续研究则将IBC从集中式的最优分配方式，发展为更加灵活且易于实际应用的控制方案。例如，有研究提出了重叠式的分散式IBC策略，以便在保持局部控制能力的同时协调相邻路段的交通运行（Malekzadeh等人，2023年）。Jin等人（2022年）基于单元传输模型（CTM）建立了最优控制模型，明确了共享系数与交通流量参数之间的线性关系。该模型能够实现内部边界的动态调整，从而促进双向交通容量的共享，有效缓解拥堵并提升道路使用效率。更近期的研究则进一步将无车道空间分配与其他高速公路控制措施相结合。Malekzadeh等人（2025b年）提出了通过控制匝道车辆速度来实现无车道自动化交通的匝道计量功能，而Jin等人（2026年）则将内部边界、匝道车流以及可变速度限制结合起来，用于无车道CAV高速公路交通管理。这些研究表明，内部边界控制正从单纯的宽度共享功能，逐步发展为无车道范式下的综合高速公路管理手段。

近期还有研究探讨了无车道自动化交通的交通特征及建模基础。Malekzadeh等人（2022年）通过微观仿真方法研究了无车道自动化车辆交通的特性，有助于了解车辆可通过连续横向移动及相互协同调控而产生的独特流动行为。Papamichail等人（2023年）则利用无车道车辆运动所产生的数据，对宏观交通流模型进行了校准，为无车道自动化交通的宏观描述提供了依据。不过，目前针对无车道双向交通的IBC研究大多仍依赖一阶宏观模型，以便于进行可行的优化计算及实时决策制定。虽然一阶宏观模型适用于实时优化，但由于无法明确描述速度动态，因此在捕捉交通系统的不稳定性及非平衡现象方面存在局限（Agrawal等人，2023年）。在这方面，ARZ模型通过引入速度动态，为宏观建模提供了二阶层面的理论基础，进而扩展了一阶守恒定律，使得能够更全面地描述交通系统的演化机制（Aw和Rascle，2000年）。基于这一研究思路，近期的一些各向异性ARZ模型扩展版本还纳入了CAV的感知与操控特性，通过预见性效应为CAV驱动的交通系统及其稳定性分析提供了更具实用价值的描述方法（Hui和Zhang，2025年）。

除了内部边界控制之外，无车道交通系统还需要通过车辆层面的轨迹规划，将边界约束转化为安全且可行的车辆行驶路径。在结构化道路环境中，CAV的轨迹规划已经得到了广泛研究，由此形成了多种成熟的控制与协调策略（Benloucif等人，2019年；Chen等人，2020年；Oudainia等人，2022年；Wang等人，2023年；Xu等人，2017年；Xu等人，2018年）。然而，针对无车道环境中的轨迹规划研究仍然相对较少。

在这种背景下，轨迹规划通常会将周围车辆的影响以及道路约束直接纳入优化模型之中。势场方法则为将这些影响因素以连续的空间势场形式表达提供了一种简洁的方式，使得与安全性相关的因素能够直接纳入规划过程中。Yanumula等人（2023年）利用包含车辆协同调控功能的最佳轨迹规划模型，研究了无车道环境中的车辆交互行为，结果表明，通过基于风险意识的成本函数引导车辆进行动态横向调整，能够显著提升道路容量利用率。Dabestani等人（2024年）进一步发展了这些理念，为二维无车道交通环境中的多辆自动化车辆设计了联合路径规划算法，该算法明确考虑了车辆间的协同调控行为以及空间碰撞风险。此外，Rostami-Shahrbabaki等人（2023年）提出了基于群体行为的无车道车辆交互表征方法，为车辆群体的宏观运动提供了描述，且该方法与用于描述群体运动的势场模型相兼容。无车道车辆运动策略也被应用于更复杂的交通场景中。Naderi等人（2025年）为无信号灯交叉口的无车道通行场景设计了基于模型预测控制的策略，而Naderi等人（2024年）则进一步研究了在大型无车道环形交叉路口中，如何通过设置专用行驶通道以及分布式车辆控制策略来实现自动化车辆的管理。这些研究都表明，无车道运动控制技术在复杂交互条件下，具有支持车辆实现灵活二维运动的巨大潜力。

现有的内部边界控制相关研究已经证明了动态宽度共享在无车道双向交通中的应用潜力，但大多数研究模型仍基于简化的流量模型，可能无法充分体现速度变化、非线性波传播以及在需求快速变化且不平衡情况下出现的非对称车流耦合等二阶交通动态特性。与此同时，以势场为基础的无车道轨迹规划研究虽然能够在局部范围内实现碰撞避免与空间协调，但很少与由空间分配所产生的动态变化的内部边界相整合。因此，目前仍存在一个关键的缺失环节：内部边界控制虽然规定了道路宽度应如何重新分配，但却未能为CAV提供一种可直接执行的机制，使其能够在保持安全与舒适性的前提下，遵循不断变化的、非物理意义上的分隔要求行驶。

为弥补上述缺陷，本文提出了一种耦合框架，该框架将内部边界控制与基于风险意识的轨迹规划相结合，以应对动态变化的内部边界约束。在该框架下，边界控制会为每个行驶方向确定一个随时间变化的可行驾驶区域，该区域随后会与周围车辆的交互信息以及道路约束条件一起被纳入统一的势场表示中，从而实现一致的轨迹采样与多目标优化过程。通过这种方式，道路空间分配能够在满足双向交通需求的同时，确保行驶的可行性、安全性、舒适性以及车辆行为的稳定性。

无车道双向交通的协同控制策略是通过将内部边界控制与CAV的轨迹规划相结合而形成的。该策略能够在需求不对称的情况下实现道路空间的持续重新分配，同时确保在不断变化的内部边界约束下，车辆仍能保持稳定且可执行的行驶行为。本文的主要贡献如下：(1)采用改进的二阶ARZ交通流模型（AMS-ARZ），设计出了自适应内部边界控制方法。在无车道双向CAV交通系统中，由于相向车流共享同一连续的行驶截面，需求失衡会加剧车流间的耦合效应，放大拥堵波的传播，进而降低道路空间利用率。与传统的ARZ模型相比，AMS-ARZ模型加入了多阶段自适应动态机制以及局部密度偏差反馈功能，从而能够更好地应对不断变化且空间分布不均的交通状况，使虚拟分隔界面能够根据实时的双向需求持续变形与调整，实现平稳且稳定的道路宽度重新分配。(2)提出了一种多模态势场耦合模型，用于将内部边界约束融入无车道轨迹规划中。由于内部边界会不断改变车辆的可行行驶空间，因此规划过程必须同时考虑边界可行性、周围车辆的交互作用以及行驶的平滑性，而这些因素在现有的势场建模方法中往往被分开处理。所提出的耦合模型将来自道路边缘及内部边界的静态风险、CAV之间的动态交互风险以及基于弗雷内框架的运动学约束条件，整合到一个连续的时空场中，从而为约束条件的建立与规划过程提供一致的梯度引导。(3)提出了一种基于风险意识的轨迹规划方法，以确保在动态变化的内部边界约束下仍能生成可行的行驶路径。随着分隔界面的不断变化，可行行驶区域也会发生变形，如果不对CAV的行驶约束进行明确约束，就可能导致车辆需要突然改变行驶方向或加剧车辆间的相互作用。该方法将分隔界面视为多模态势场表示中的一个时空约束条件，以此构建出可行的驾驶区域，随后通过基于风险梯度引导的采样方法以及基于帕累托优化的多目标选择机制，最终得到一条既兼顾安全性、舒适性与效率，又能满足内部边界要求的可行轨迹。

框架概述
如图1所示，所提出的框架将内部边界控制、多模态势场构建以及轨迹规划集成在一个实时更新的结构中。系统会结合不平衡的双向交通需求、V2X通信获取的信息以及车辆状态，通过带有局部密度反馈与自适应机制的AMS-ARZ模型来评估交通状况，并据此确定动态变化的道路空间分配策略。通过B样条曲线拟合来更新内部边界，进而为无车道交通建立多模态势场模型。在由动态内部边界调控的无车道双向交通中，车辆运动必须在调整内部边界的同时保持可行性，同时避免与道路设施及周围的自动驾驶车辆发生碰撞。当内部边界随时间变化时，若将其影响视为静态障碍物或硬性约束，可能会导致车辆出现突然的横向反应以及轨迹适应的不稳定性。为解决上述问题，需对势场进行优化处理。

基于统一势场的风险感知轨迹规划。前一节建立了多模态势场模型，为轨迹规划提供了全局风险分布视角。本节旨在设计一种基于该多模态势场的轨迹规划方法，对从初始状态到目标状态之间的多种可能的轨迹加以约束。具体而言，是将多模态风险场转化为轨迹规划的约束条件，再通过风险梯度引导生成可行的轨迹候选方案。

在内部边界控制下无车道双向交通的仿真实验。本节构建了一个整合了前述方法模块的完整系统，并在MATLAB平台上开展仿真实验。其目的是评估基于无车道内部边界控制的控制策略与轨迹规划方法的鲁棒性、实时性能以及工程可行性，从而为自动驾驶系统的应用提供理论支持与实践指导。

结论。本文研究了高速公路上无车道双向自动驾驶车辆交通中的内部边界控制与风险感知轨迹规划问题。内部边界控制采用改进的AMS-ARZ模型进行建模，以便在需求不均衡的情况下灵活分配道路空间。此外，还提出了一种基于多模态势场的风险感知轨迹规划方法，通过整合静态风险因素，能够在移动边界约束条件下生成安全且可行的车辆运动路径。

CRediT作者贡献说明：傅汉杰：撰写——初稿、方法论、概念设计；马晓腾：撰写——初稿、方法论、研究分析；董宏兆：撰写——审阅与编辑、监督、概念设计；王一兵：监督、概念设计；谢一妮：监督、项目管理。傅汉杰|马晓腾|董宏兆|王一兵|谢一妮