【2017年美赛C题参考资料】Traffic models for self-driving connected cars

资 源 简 介

【2017年美赛C题参考资料】Traffic models for self-driving connected cars

详 情 说 明

2017年美国大学生数学建模竞赛（MCM）的C题聚焦于自动驾驶联网汽车的交通模型构建，这一主题在今天看来仍具有前瞻性。题目要求参赛者针对自动驾驶车辆与传统车辆混行的交通场景，建立有效的数学模型来优化流量和安全性。

自动驾驶交通模型的核心挑战在于如何处理车辆间的实时信息交互。联网汽车通过V2V（车对车）和V2I（车对基础设施）通信共享位置、速度等数据，使得集中式或分布式的协同控制成为可能。常见的建模思路包括：基于微观的跟驰模型（如改进的IDM模型）反映单车动力学行为，或宏观的流体力学类比模型预测整体流量变化。

在混合交通场景中，需特别考虑人类驾驶员的随机性。部分研究采用博弈论框架，将自动驾驶车辆视为“理性决策者”，而传统车辆的行为则通过概率分布模拟。此外，强化学习被用于训练自动驾驶策略，使其能在动态环境中自适应调整跟车距离和变道逻辑。

这一问题的现实意义在于，它为未来智慧城市中交通效率与安全的平衡提供了理论验证场景。模型优化目标可能包括最小化拥堵指数、均衡路网负载或紧急情况下的优先通行权分配。