《IEEE Open Journal of Intelligent Transportation Systems》：An Agent-Based Framework for Performance Evaluation and Trade-Off Analysis of Highway Work Zone Policies
编辑推荐：
本文针对传统方法难以建模高速公路施工区交通流与临时管控政策间复杂动态交互的难题，提出了一种基于多智能体系统（MAS）的决策支持框架。该研究通过将车辆和基础设施建模为自主智能体，实现了对杭州绕城高速施工场景的系统级仿真，揭示了排放指标与政策参数间的非线性关系，并通过多目标权衡分析发现了非直观的帕累托最优策略（如优化配置的双车道封闭可在效率和环境影响上优于欠优化的单车道封闭），为智能交通系统时代可持续施工区管理提供了可扩展的虚拟试验平台。
在全球应对气候变化的背景下，高速公路施工区的管理面临巨大挑战。这些施工区虽然对维持道路服务质量至关重要，但其临时性的车道封闭和交通管控措施往往会显著降低道路通行能力，引发交通延误和拥堵。更值得关注的是，由此产生的车辆额外能耗和碳排放问题，在以往的研究中却常常被忽视。传统评估方法往往难以精确模拟交通流与管控政策间的复杂动态交互，而微观交通仿真器（如VISSIM）虽能高精度还原车辆跟驰行为，却因计算成本过高难以应用于大规模路网的多场景分析。宏观模型又缺乏对个体车辆异质性的刻画能力，导致排放估算精度不足。这一方法论上的空白，恰恰是智能交通系统（ITS）发展中亟待解决的关键问题。
为解决这一难题，发表在《IEEE Open Journal of Intelligent Transportation Systems》上的研究，设计、实现并验证了一个创新的基于多智能体系统（MAS）的决策支持框架。该研究的核心在于将个体车辆和基础设施元素建模为自主交互的智能体（Agent），通过自下而上的方式模拟涌现出的系统级交通动态。这种中观模拟方法巧妙地在微观模型的精细度和宏观模型的计算效率之间取得了平衡，从而能够对不同施工区场景下各种控制政策减少CO2排放的相对有效性进行系统级量化。
为了开展这项研究，作者团队主要运用了几个关键技术方法：首先是构建了包含13种车辆类型的异质车队模型，并基于实际道路调查数据拟合了车速-能耗回归关系，为精确的碳排放估算奠定了基础；其次是设计了由道路智能体（Road Agent）、车辆智能体（Vehicle Agent）和施工智能体（Construction Agent）组成的多智能体仿真框架，利用BPR（Bureau of Public Roads）阻抗函数计算路段平均速度，并采用Dijkstra最短路径算法实现车辆的动态路径选择；最后是建立了基于“自下而上”清单法的碳排放测量模型，通过整合车辆类型、行驶里程、单位里程能耗及碳排放因子来量化总排放。案例研究以杭州绕城高速公路（G2504）为对象，利用2022年浙江省高速公路收费数据生成时空变化的OD矩阵，验证了模型在模拟异质车辆行为和网络动态方面的准确性。
模型验证
研究对构建的MAS框架进行了多方面的验证。通过将模拟的断面交通量与2022年实际数据对比，误差低于10%，证实了模型在模拟异质车辆行为方面的准确性。对24小时网络动态的模拟结果显示，平均速度的波谷与交通流量的波峰在早晚高峰时段吻合，符合真实的交通拥堵动态。此外，从模拟数据中提取的流量-速度-密度基本图再现了交通流理论预测的典型形状，且涌现出的路段容量（约1960 pcu/h/ln）与理论基准值（2200 pcu/h/ln）相对误差为-10.91%，进一步增强了模型的可信度。
施工对路段交通流的影响
全天的封闭模拟显示，施工区作为一个“动态瓶颈”，其核心影响是降低路段容量。在四车道高速公路上，单车道封闭在交通需求上升后诱导交通流状态从自由流相变为拥堵流，系统速度从96 km/h降至60-72 km/h的拥堵平衡状态。而单向通行封闭（双4车道变为2车道双向通行）导致容量急剧下降，瓶颈更早激活，系统平衡速度崩溃至48 km/h以下。六车道路段也呈现类似趋势，但双车道封闭表现出更低的系统韧性，即使在夜间低需求时段，由于上游排队未完全消散，系统仍会维持更长时间的拥堵状态。
碳排放分析
通过模拟不同施工参数（封闭类型、限速、区域长度）下24小时的车辆运行，量化了相对于无施工情景的额外碳排放。三维表面图显示，随着限速提高，额外碳排放总体减少，表明提高限速是最显著的减排路径。在40-60 km/h的中等速度范围内出现一个“平带”，反映了车辆能耗率与速度之间的U形关系。等高线图揭示了系统对参数变化的敏感性，在低限速（<40 km/h）下系统处于高度敏感状态，而在中等速度范围（约50-60 km/h）则形成高鲁棒性区域。分析还发现，对于较短的施工区，排放主要由限速主导；对于较长的施工区，限速和长度之间存在显著的交互效应。
施工影响因素的敏感性分析
以双向四车道封闭为典型场景的敏感性分析表明，增加施工区长度会提高排放，但在低交通量（<1500 pcu/h）下，不同施工区长度的碳排放差异不显著。当交通量接近或超过临界容量（>2000 pcu/h）时，系统进入拥堵崩溃状态，增加施工长度会非线性放大排队长度和延误，导致排放增长率加速。限速策略则从根本上定义了系统的容量和鲁棒性。30 km/h限速策略容量最低，排放曲线斜率陡峭；80 km/h限速策略容量最高，排放曲线斜率最低，系统鲁棒性最强。排放对限速的敏感性高于对施工区长度的敏感性，因为限速直接决定了瓶颈容量，对总延误和排放具有最根本的影响。
权衡分析与智能决策支持框架
研究的核心应用是作为一个智能决策支持工具，基于定量的多目标权衡分析来选择最优施工区政策。将所有模拟情景的输出处理为两个关键绩效指标：运营效率（量化平均车辆延误）和环境影响（量化每日额外CO2排放）。可视化多目标决策空间的分析揭示，虽然双车道封闭通常导致比单车道封闭更高的延误和排放，但系统性能由所有政策参数的复杂相互作用决定。研究发现了一个全局最优解：一个配置良好的双车道封闭（施工长度200米，限速60 km/h）在车辆延误（10.6分钟）和额外排放（约108吨）方面均优于最佳的单车道封闭策略。这凸显了真正的政策优化需要采用整体的、多目标的方法。
研究结论与意义
本研究成功设计、实现并验证了一个基于中观多智能体系统（MAS）的决策支持框架，用于智能交通系统（ITS）背景下高速公路施工区的智能管理。该框架通过将车辆和基础设施建模为自主交互的智能体，将智能体异质性与计算高效的链路级动态相结合，弥补了微观交通模拟器与传统宏观分析模型之间的方法论差距。研究结果强调了采用整体性、多目标优化视角的重要性。管理当局需要采用系统级权衡分析工具，动态识别并避免导致交通流崩溃和排放激增的策略组合，选择在安全、效率和环境之间实现稳健平衡的可行操作窗口。该MAS框架本身作为一个强大且可扩展的虚拟实验室，是其核心贡献，使交通管理部门能够在实地实施之前，在无风险的环境中主动模拟、可视化和优化复杂的政策情景。
尽管当前实现提供了一个稳健的基础，但该框架的真正价值在于其未来ITS研究的可扩展性，例如集成网联自动驾驶汽车（CAVs）的特定行为模型，或利用经过验证的MAS环境作为强化学习（RL）算法的训练平台，以开发实时自适应控制系统。这些扩展将进一步提升MAS框架作为决策支持工具的能力，促进在日益互联、自动化和可持续的交通系统中实现智能和自适应的施工区管理。
