股票配资证券马万经：道路交通粒流协同控制

专题：2025中国汽车论坛股票配资证券

　　2025年7月10-12日，2025中国汽车论坛在上海嘉定举办。本届论坛主题为“提质向新，智赢未来”，由“闭门峰会、大会论坛、技术领袖峰会、多场主题论坛、N场行业发布、主题参观活动”等15场会议和若干配套活动构成，各场会议围绕汽车行业热点重点话题，探索方向，引领未来。其中，在7月12日上午举办的“主题论坛七：AI创新引擎，驱动智慧出行新生态”上，同济大学交通学院党委书记、教授马万经发表精彩演讲。

　　以下内容为现场演讲实录：

　　非常感谢协会的邀请，也特别感谢汽车城长期以来对同济大学，特别是交通学科的关照和支持，正是因为像刚才的纪录片所展示的一样，同济大学从2016年，甚至更早积极参与了汽车城主导的一系列相关工作，推动了汽车学科和交通学科的融合发展。

　　今天我的报告题目是《道路交通粒流协同控制》，更多想从交通的视角探讨车辆智能化之后对我们可能产生的重大影响，也希望这样一些可能的影响反过来能够为汽车的同行提供一些借鉴和参考。

　　我大概分成两部分。

　　实际上交通工具的迅速发展确实引领了交通技术的变革，长期以来过去的二三十年间交通的发展，无论是技术还是投入，都以基础设施的大规模建设作为牵引，未来我们判断载人工具的变化可能是引领着这个领域创新的重要特点。

　　我们认为工具的发展对于行业来讲，需要找到它们之间的焦点，人工智能的发展可以做出非常优秀的能够喷火的机器人，当然有无数的用途，有非常重要的价值。但对于消防员而言，我其实是想灭火，不同的技术在不同的领域可能有不同的闪光点、不同的需求，对于交通而言，更多希望从汽车技术的发展中找到可能合作的焦点，这是今天发言报告的大的主题和背景。

　　我认为随着交通工具的发展，从交通角度来讲正进入“智能网联新型混合交通流”的时代，也就是说人工开的车构成的交通流，正在、已经演变成有不同智能程度的车，可能是辅助驾驶，可能是高级别的自动驾驶，可能是网联，可能是不网联的交通工具混合的交通流，这是现在的新常态。

　　我想对于交通而言是如此，对汽车而言也是如此，因为你研究的车辆、研究的自动驾驶功能都是在这样的环境下运行的。

　　从交通角度来讲，这样的交通流会带来两个重要的转变：

　　第一，它会展现出粒流二相性。一种交通流在路上像水流一样依然存在，第二个是这里面有一些特殊的例子，可以相互之间进行通讯，可以和系统或者不同程度的边缘计算等设施之间进行通讯，并且能够进行自主的调整，或者说在系统的命令下做出调整，这是一些特殊的粒子。也就是说有一位神仙洒了一些粒子到一些流中，这会引起重要的变化，这个变化主要展现在两个部分。

　　第一部分，长期以来智能交通领域用了大量的投入去建设检测的装备，目标是感知路上的交通个体，感知车辆，有多少车，这些车从哪儿来到哪儿去。以后如果有了智能网联的体系之后，举个例子，有了轨迹数据，车辆在道路上运行的轨迹，不但反映了它本身的特点，也反映了周边的交通流状态。各位可能很清楚，智能车上一系列的感知终端也能够获得一系列感知的数据，所以我们认为第一个转变就是它能够把车辆从传统上交通感知的目标转变成感知的手段，而这个对于提升管控也好、服务也好的水平来讲，可能是至关重要的。

　　第二，从控制对象转变为控制工具，我们通过信号灯、标志牌，核心的目的是让车辆听我们的话，由此能够改变整体道路网络、一条干线的拥堵状态、通行特点。

　　问题在于，如果智能网联车本身可以和中心、边缘进行通讯之后，我们会发现可以通过调整一辆车的状态，让它改变整个道路网络或者一条通道的状态，也就是说原来想控制车，现在可以通过车辆的调整去改变路网的状态，这可能是非常关键的。

　　同时正是因为车辆可以网联、可以交互的通讯之后，可以实现静态的设施动态化，我们经常看到路上有些车道，比如公共专用道可能没有车，但普通的车不能进去，如果网联之后，其实可以产生很好的动态利用效果，这是2013年就已经发表的文章。

　　这样两个转变会带来非常有意思的工作，我们认为可以概括为粒流协同，我们做了一些综述。

　　（1）以粒测流。

　　在交通领域，如何获得路网的状态，获得每个出行个体的信息一直是长期以来去追求的，我们一直有大量的投入做这部分工作。

　　网联车出来之后，世界范围内有很多咨询机构、政府都提出来很重要的方向，网联车的数据可以提供非常多的服务。这样为我们怎么样用好网联车从交通的视角提供了很好的思路。做了一系列工作，一方面通过车辆的轨迹数据分析断面的交通状态特征，核心点、难点在于网联车数量比较少，轨迹渗透率比较低的情况下怎么让它发挥作用？

　　后来发现其实可以做两部分的工作：

　　第一部分工作，虽然数据少，但大量累计数据有可能呈现出别人呈现不了的特征，而且我们这些车辆很可能触达到路网的各个角落，它是固定检测技术所不能取代的。因此，我们可以做基于大量数据的统计分析和挖掘的工作，得到一些行业应用结果，比如说评估路网运行效能，评估信号控制的潜力和价值等，做了一系列工作。

　　第二部分工作，是很重要的，也是现在认为非常有意思的，虽然数据量是少的，车是少的，但能不能发现那些随机发生的事件，并且快速发现？这是难的。我们做了一系列工作，如果我们简单地在笛卡尔坐标系下把车辆放在里面会展现出一系列特点，但蓝色和红色之间很难发现特定的规律。当我们做了研究，转成极坐标之后，可以发现类似星云图的形式，具体的工作不详细介绍了，但特点在于即便有很少的数据，可以通过一系列有趣的方法，让它能够快速发现那些随机的事件，而这些事件对于交通而言是非常重要的，而且是固定的断面检测器不能取代的，这展现出来智能网联车辆在交通检测方面的重要价值，也是很好地利用切入点，当然我们后面做了分析，有很好的效果。

　　（2）以粒控流。

　　现在一条高速公路上有四车道，通行量很高，但在极端的情况下有4辆警车就可以保证这条高速公路在恶劣天气下相对正常地运行。我们都学过高数，这是一种极限状态，车是警车，用4辆车并排去走，这是极限状态。如果一般化，就变成了在高速公路上、网络上、正常行驶的交通流中有一些车辆可以听你的话。这些车辆是不是可以通过调整这些车辆驾驶的策略，比如说速度、车道选择，来改变整个高速公路的运行状态？这显然是可以的。

　　之前通过华盛顿西雅图一段高速公路的数据做了分析，展现出了效果，进一步进行深入研究，怎么样从这些路网中选择合适的车，怎么样给这些车提供驾驶的建议？因为有些时候你说你开70公里，但它是开不到的，你让它换道也换不成。我们做了一些工作，中间的工作不详细解释了。

　　用通往崇明岛的大桥作为仿真的案例，选取随机志愿者车辆作为管控服务对象，让他按照我们驾驶的速度和车道选择进行通行。既可以有效地减少排队的长度，也可以提升瓶颈点的通过量。

　　这是很有意思的问题，坦率讲，我用安亭的数据做过所谓的不同的测试车会对交通流产生的影响，可能各位都能猜到对交通流的影响是正的还是负的。但问题在于，如果通过这样一种策略，即便你不是智能的，你只要是网联的，如果我们有些志愿者可以这样去做，就可以通过这样一种措施去缓解主通道的交通拥挤，这可能是智能网联发展过程中对交通产生的重要影响。

　　当然，我们现在还在做进一步分析，怎么样才能实现每个驾驶员是好的，整体又是好的，所谓“粒”是好的，“流”也是好的，这可能是更容易被接受的。

　　（3）流中控粒。

　　自动车是行驶在交通流之中的，未来相当长一段时间内，即便你是L5的车，如果你上了路，你周边的很多车可能不是L5的，可能是人开的或者各种辅助驾驶的。交通能够为这样一些不同智能的车提供什么帮助呢？我们的观点是不会控你的车，但基本逻辑是你现在所谓的FSD、智能驾驶等，你学老司机，但老司机也需要导航，导航关心什么？导航关心的是特征点，比如说我要下高速，我从哪里变到车道上去，要从路口转怎么样才能到路口可以不停车通过。

　　从交通的视角来讲，可以做轨迹特征点的优化，可以给你自动车，无论是人开的还是机器开的自动车，只不过我会以不同的形式提供给你，但核心点是你的特征点是什么？我不关心你的轨迹控制，这是自动车本身的功能，但战略性的要点选择是交通才能更好地告诉你的，例如人工开车的导航。

　　我们做了一系列工作，主要集中在一些瓶颈点，比如说高速公路、隧道等相对比较有瓶颈的特征点，这些特征点的规划能够产生比较好的价值，无论是对本车自动驾驶的通行，还是对瓶颈效率的提升。

　　（4）粒流协控。

　　协控更多考虑以后有两种情况：

　　第一种情况是特定场景的自动驾驶，比如说我们最近在承担国家重点研发计划的课题，是飞行区有人无人的混合运行，其实我们可以想象，飞行区相对于道路网络而言是相对的，随机性要低，几乎每个人每个车出现在哪里都有背后的逻辑，不像路上一样。但特点是要求是极高的，特定情况下的自动驾驶怎么做？又涉及所谓的粒流协控，可能有一部分车是自动的，有一部分车是人工的，有人无人混合的情况下，怎么样提升瓶颈点的运行效率？这是我们探讨的工作。

　　我们分析了很多可能的变量，如果自动车到一定程度之后，会不会需要专用的车道，如果自动车到了一定程度之后，在路口会不会需要专门的自动车通行时间？我们做了一系列数学优化分析，考虑了不同的情况之后，通过我们的策略，一般的模型可以描述不同混合比例情况下怎么控制混合的交通流。

　　第二种情况是所谓的信息安全，信息安全有很多种形式，其中一种形式是如果轨迹数据、BSM的信息用于交通服务的话，很可能被作为非常容易攻破的数据篡改的途径。这种数据篡改有可能会产生很大的影响，所以交通管控系统就能够快速地识别这些篡改是不是会发生了。如果有人篡改了我的东西，能不能避免篡改的数据引起很大的影响？

　　前段时间发布了行知大模型，在此基础上基于模型训练了智能体，可以根据我们所检测到的轨迹数据的信息，也可能是真的，也可能是篡改了的，可以动态地选择合适的控制器，以至于生成的方案能够避免可能是篡改的之后引起交通路网的瘫痪。

　　我们做工作发现大模型确实还蛮好，能够产生很好的作用，可以想象，如果你是黑客，你如果要篡改我的数据，你的目的肯定是基于篡改的数据把真实的路网迅速搞到瘫痪，我们发现这个方法能够有效避免这个目的的实现。

　　简要给各位汇报了基本的想法，不一定准备，很多工作也在推进过程中。

　　三、未来展望

　　现在都谈智能化，什么是智能化？大学里讲究严谨的逻辑，我们做了文献综述。荀子说“知有所合谓之智，能有所合谓之能。”智慧在于认知的正确性，我们是不是正确地认知了这个问题、技术。同时能力在于实践的有效性，无论汽车技术多么发展，对交通而言能不能解决实际的问题？反过来，有没有可能对载运工具提供可能的帮助？这是我们可以切入的要点。

　　现在“交通强国”不仅仅要解决交通问题，也期待交通解决问题，这不仅是中国的逻辑，美国也是如此，美国要做V2X关心什么？关心标准、市场、经济、社会，道理是一样的，交通更多是各位的战场，我们是服务好产业技术的发展。

　　我们有足够的信心和勇气，在协会、在汽车城的鼎力支持下，我们去做可以做得更好，因为我们有规模效应。一会儿潘总如果请各位“吃大饼”，9寸的大饼没有了，有2个5寸的大饼，你千万不要同意，因为5+5肯定是小于9的，规模会产生非线性的影响，我们用好规模效应，无论从交通还是从汽车角度来讲，都会有更好的成绩，取得更大的成果。

　　我相信汽车交通的融合是非常重要的，车路的融合也是非常重要的，“交通强国”梦想的实现和个人完美生活的融合也是非常重要的。

　　祝福各位，谢谢！

　　新浪声明：所有会议实录均为现场速记整理，未经演讲者审阅，新浪网登载此文出于传递更多信息之目的，并不意味着赞同其观点或证实其描述。