综述:基于元胞自动机的交通事故分析:系统性综述

《Mathematics》:Cellular Automata for Traffic Accident Analysis: A Systematic Review

【字体: 大 中 小 】 时间:2026年08月29日 来源:Mathematics 2.3

编辑推荐:

  道路交通碰撞是全球致死、经济损失和交通干扰的主要原因之一。理解碰撞产生与传播的内在机制对于制定缓解策略至关重要。在不同的分析方法中,元胞自动机(Cellular Automata, CA)建模因其能够通过简单的局部相互作用再现复杂的集体动力学而成为一种强有力的

  
道路交通碰撞是全球致死、经济损失和交通干扰的主要原因之一。理解碰撞产生与传播的内在机制对于制定缓解策略至关重要。在不同的分析方法中,元胞自动机(Cellular Automata, CA)建模因其能够通过简单的局部相互作用再现复杂的集体动力学而成为一种强有力的工具。尽管已有大量基于CA的研究在不同条件下探讨了交通事故,但文献仍缺乏专门针对基于元胞自动机的车对车(Vehicle-to-Vehicle, V2V)碰撞建模的全面综合。本系统性综述分类并比较分析了元胞自动机模型如何表征车对车碰撞机制、危险交通状态、碰撞发生以及碰撞相关的交通效应。通过在Scopus、Web of Science、TRID和IEEE Xplore中检索,识别出740条记录,随后根据PRISMA方法筛选至90篇论文。所选研究依据通用分类法进行分类,该分类法包括追尾碰撞、正面碰撞和侧面碰撞以及侧向冲突。所提出分类法的贡献有三方面:提供对关键建模原理的深入理解,回顾最频繁分析的碰撞类型,以及识别当前研究空白。总体而言,本文为开发、比较和扩展用于交通安全分析的元胞自动机模型提供了一个参考点。
  1. 1.
    引言
    全球每年约有119万人死于道路交通碰撞,相当于每天近3000人死亡,道路交通伤害是5至29岁人群的首要死因,也是中低收入国家面临的主要公共卫生与发展挑战。除了人员伤亡,交通事故还造成约占国家GDP 3%的经济负担,并破坏城市机动性、加剧拥堵、增加油耗和环境污染。理解事故原因、动态和后果需要能够系统捕捉事件复杂性的建模与仿真工具。传统统计模型如泊松回归和负二项模型在处理过度离散或零膨胀数据时存在局限,机器学习方法则面临数据需求、类别不平衡和可解释性等挑战。交通系统具有非线性相互作用、局部决策规则和涌现集体行为等复杂系统特征。元胞自动机(Cellular Automata, CA)基于简单局部规则,能以较低计算成本再现交通拥堵、拥堵波和相变等涌现模式,且易于扩展至异质驾驶行为、基础设施设计和干扰场景。尽管CA在交通流研究中应用广泛,但此前尚无系统性综述专门综合基于CA的车辆间碰撞建模。本综述填补了这一空白,聚焦于车对车(Vehicle-to-Vehicle, V2V)碰撞机制,通过PRISMA指南筛选90篇文献,为交通安全分析提供统一的概念基础。
  2. 2.
    文献检索
    2.1 检索策略与纳入标准
    检索遵循PRISMA指南,在Scopus、Web of Science、TRID和IEEE Xplore中使用布尔查询,组合“cellular automata”与“modeling”、“crash”等术语。初始检索得740条记录,去重后标题摘要筛选排除332篇,全文评估排除101篇,最终纳入90篇。筛选过程由两名评审员独立完成,分歧通过讨论解决。
2.2 检索文献的描述性映射
文献发表年份分布于1989至2026年初,2006年后研究活动显著增加,2018至2025年达到最高产。关键词分析显示“cellular automata”为主导术语,其次为“traffic flow”和“car accidents”,表明该领域以CA方法应用于交通动力学和碰撞现象为核心。关键词共现网络围绕CA形成多个聚类,包括NaSch模型、交叉口、混合交通流等,反映了从基本纵向碰撞机制向交叉口、合流区和驾驶员决策等更广泛安全问题的扩展。
  1. 3.
    基于元胞自动机的交通事故建模
    CA适用于交通事故建模的原因在于碰撞是离散事件(多车同时占据同一空间),且驾驶员行为具有随机性。最早应用为Wolfram的184号规则(CA-184),随后Biham等人引入双向移动模型。Nagel-Schreckenberg(NaSch)模型成为参考框架,其并行更新规则包括加速、减速(碰撞避免)、随机化和位置更新。NaSch的扩展模型如速度依赖随机化(Velocity-Dependent Randomization, VDR)模型、刹车灯模型、三相CA模型等,通过修改个别规则或格点结构来拟合特定经验特征。近期扩展还纳入了联网自动驾驶车辆(Connected and Autonomous Vehicles, CAV),通过车辆类型相关的更新规则表示V2V通信与合作行为。
  2. 4.
    交通事故建模分类法
    基于事故配置标准,将CA文献中的车辆间碰撞分为四类:追尾碰撞、正面碰撞、角度碰撞(T-bone)和侧向冲突。表1映射了各研究到该分类法,并标注了校准与验证情况。总体而言,经验校准和验证在现有CA事故模型中仍然有限,主要由于事故数据的稀缺性、伦理限制以及微观轨迹数据的缺乏。许多研究使用替代冲突指标或危险交通状态来表征风险。
4.1 追尾碰撞
4.1.1 Boccara模型
标准NaSch模型通过更新规则防止单元重叠,Boccara等人通过引入与标准更新同时评估的显式事故条件,使碰撞可作为识别事件。条件包括:间距相对于最大允许速度不足、领导者当前步移动、以及领导者在下一步骤突然停止。Huang等人研究了非确定性NaSch模型中追尾碰撞概率与密度、最大速度和刹车概率的关系。后续研究沿五个方向扩展:平均场理论与确定-随机分析,通过平均场近似关联事故概率与交通密度相变;行为因素与多车道扩展,引入攻击性驾驶和换道交互;停走波、VDR和结构异质性,分析同步流和瓶颈对事故形成的影响;行为调整与预期减速,修改刹车规则以降低事故概率;基础设施与环境扰动,将模型嵌入开放边界、立交、公交站和天气条件等场景。
4.1.2 链式碰撞
Boccara的二元交互模型被扩展至链式碰撞,其中突然停止向上游传播,顺序涉及三辆或以上车辆。多车模型考虑刹车波传播、受损车辆移除或持续以及局部堵塞演化,强调初始冲击引发的集体放大效应。
4.1.3 碰撞时间(Time-to-Collision, TTC)
TTC定义为跟随车与前车的距离除以相对速度,提供基于时间的连续风险度量。在CA中,TTC可作为状态变量直接调节纵向运动,或作为后动态安全指标从模拟轨迹计算,或结合反应时间条件,当可用TTC低于驾驶员反应时间时触发风险。
4.1.4 追尾冲突的替代模型
部分方法通过感知-智虑-情绪-意志(Perception–Intellection–Emotion–Volition, PIEV)周期建模驾驶员决策阶段,定义基于行为或反应的追尾冲突。包括认知决策失败(反应延迟或误判车头时距)、意志-机械限制(有限加减速能力导致冲突)、显式碰撞状态(概率性规则触发事故)和事故倾向(通过交通稳定性和合作控制推断风险)。
4.2 正面碰撞
正面碰撞发生在双向流中,由于超车或误判间隙导致对向车辆侵入同一空间。仅发现少量CA研究明确建模此类碰撞,主要因为多数CA模型针对单向或分隔多车道道路,且正面碰撞多见于两车道农村公路超车场景,在CA文献中尚未充分探索。
4.3 角度碰撞(T型碰撞)
4.3.1 无信号交叉口
无信号交叉口冲突通过确定性优先权规则、先到达规则(基于到达交叉口时间Time-To-Intersection, TTI)或行为决策模型(如Weibull分布描述的不耐烦违规、两人混合策略博弈论屈服)建模。这些模型捕捉了主路优先、到达时间竞争和驾驶员互动谈判。
4.3.2 信号交叉口
信号交叉口碰撞机制与信号相位、驾驶员对红黄灯反应、停止线附近换道和允许转向间隙接受有关。CA模型通过红灯违规概率(基于剩余时间阈值)和替代安全指标(如TTC和冲突导致减速次数Deceleration Occurrences Caused by Conflicts, DOC)量化风险。模糊元胞自动机(Fuzzy Cellular Automata, FCA)框架被用于表征右转决策。当前模型仍受限于简化假设,如固定违规概率和同质反应时间。
4.4 侧向冲突
4.4.1 刮擦事故(换道与超车)
刮擦事故源于换道或超车时空间或时间余量不足。建模范式包括:确定性空间重叠(如Simon-Gutowitz CA模型,当再入车辆与滞后车间距不足时发生碰撞)、概率时间冲突(基于期望碰撞风险的产品选择最小风险操纵)和间隙接受(比较可用间隙与安全距离,如Bentaleb等人的超车模型,以及Chai等人的信号交叉口换道冲突分析)。
4.4.2 合流事故
合流事故发生在匝道、环岛或瓶颈等处,两交通流汇聚至共享冲突单元。模型通过几何收敛和优先权条件触发碰撞,如强制换道时的间隙接受失败。近期研究还考虑了事故对通行能力的影响,以及联网自动驾驶车辆(Connected and Automated Vehicles, CAV)在缓解拥堵中的作用。
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号