车辆数量的快速增长给城市道路基础设施带来了重大挑战，因为道路的容量受到可用空间的限制（Dubey等人，2024年；Samra等人，2014年；Yu等人，2017年；Zhao和Ma，2021年）。有效管理这一受限空间对于优化交通运行和缓解拥堵至关重要。提高空间利用率的策略包括动态车道分配（Wang等人，2024年；Zhang和Wu，2012年）、可逆车道（Liu等人，2022年；Phan等人，2019年；Zhao等人，2015年）、左转出口车道（Zhao和Liu，2017年；Zhao等人，2013年）以及无车道分配策略（Hao等人，2023年；Yu等人，2019年），这些策略通过促进不同交通流在不同时间无缝共享总道路容量来减少空间浪费。然而，现有研究主要集中在纵向空间的共享上，但忽略了一个基本限制，即总可实现道路容量最终受到车道数量的限制（Seliman等人，2020年；Zeng等人，2022年）。当车道数量固定时，这些策略的有效性受到内在限制，因为只有通过调整车道“量子”才能显著改变总容量（Malekzadeh等人，2021年）。
提高横向空间的利用率似乎是一个有前景的策略，可以容纳更多并行行驶的车辆，从而可能增加整体道路容量。不同大小的车辆对横向空间的需求各不相同。例如，中型汽车的宽度通常约为1.8米，而卡车的宽度约为2.5米（Papageorgiou等人，2021年）。在传统的车道设计中，车道宽度是根据较大车辆的尺寸来确定的，以确保所有类型车辆的安全行驶（Hancock和Wright，2013年；Manual，2000年）。这种做法往往导致较小车辆的空间利用不足，因为研究表明高速公路上的横向占用率仅略高于50%（Papageorgiou等人，2021年），这凸显了空间利用的显著低效。因此，提高横向道路空间的有效利用是一个重要的研究方向。Papageorgiou等人（2021年）提出的无车道概念是一个值得注意的横向空间共享范例，它允许车辆在不受车道边界限制的情况下行驶，从而优化了横向空间的使用。后续研究集中在实时内部边界控制上，以灵活共享总道路宽度和容量，从而最大化总流量效率（Karafyllis等人，2022年；Malekzadeh等人，2024年；Naderi等人，2025年；Troullinos等人，2021年；Yanumula等人，2023年）。然而，成功实施无车道设计需要自动驾驶车辆（AVs）的高普及率，以确保安全和可靠的交通流动（Beza等人，2025年）。在当前和可预见的未来，实现如此高的AV普及率具有挑战性（Sadaf等人，2023年），这限制了其即时应用性。
特殊宽度车道（SWAL）概念提供了一种在保持结构化、基于车道框架的同时提高横向空间利用率的策略，该框架可调节车辆轨迹以确保安全（Zhao等人，2016年）。如图1所示，SWAL包括两条相邻的较窄的接近车道，这些车道由两辆乘用车或一辆重型车辆（如公交车或卡车）动态共享。通过减小每条车道的宽度，这种配置有助于增加更多车道，从而提高道路容量（Zhao等人，2020年）。值得注意的是，这种方法不会妨碍交通安全和有序流动，因为乘用车和重型车辆都受限于各自指定的车道边界内。此外，较窄的车道已被证明可以降低车辆速度（Han等人，2023年），从而显著减少横向位移（Godley等人，2004年）并提高安全性（Lee等人，2015年；Liu等人，2016年）。在德国卡尔斯鲁厄实际应用SWAL设计的观察表明，驾驶员在较窄的车道中行驶时更加谨慎，以避免横向冲突（Zhao等人，2020年）。Shi等人（2025年）的进一步改进细化了SWALs和相邻车道的宽度分配，以优化整体交通流量。然而，有效管理多个SWALs存在挑战。如图1(a)所示，使用三个相邻的SWALs可能导致纵向空间利用效率低下（如虚线区域所示）。图1(a)中的场景显示，车辆5（重型车辆）阻碍了车辆6（乘用车）的行驶，这种配置可能导致延误和排队长度增加。SWALs在减少横向空间方面的预期好处因纵向空间利用不足而受到影响。
为了解决由于SWAL导致的纵向空间利用不足问题，连接车辆（CV）技术的进步提供了有希望的解决方案（Guo等人，2019a；Lu等人，2014年）。CV技术能够收集详细的车辆信息（如位置和类型），以便进行有效的交通管理（Feng等人，2015年；Guler等人，2014年；Long等人，2022年；Yang等人，2016年）。同时，这些技术可以促进交通信息（如信号时序和路线引导）向车辆的传输，以改善它们的运行（Liang等人，2020a；Ma等人，2023年；Yao等人，2023年；Yu等人，2018年）。这种双向信息交换可以通过两种互补的方式增强SWAL操作，从而证明车道引导和信号控制的联合优化是合理的。首先，车道引导策略可以直接影响车辆的空间分布，从而减少空间浪费。例如，如图1(b)所示，如果车辆5收到向左变道的提示，它前面的空间就会变得可用，允许第六辆乘用车移动到停车线。这种操作不会影响其他车辆的排队长度，但显著减少了车辆5的排队长度。然而，仅靠空间优化往往是不够的，因为由于物理限制（如安全变道距离不足）或异质交通条件，仍可能产生不可避免的间隙。其次，在这种情况下，自适应信号控制可以通过根据从CVs收集的实时车辆分布信息调整相位序列或延长绿灯时间来发挥补充作用（Feng等人，2015年；Liang等人，2020b；Tsitsokas等人，2023年）。这确保了有剩余间隙的车道可以及时释放剩余车辆，减轻空间浪费的负面影响并减少延误。这样，车道引导优化了车辆分布的空间维度，而自适应信号控制优化了车辆释放的时间维度。它们的协调整合实现了一个时空优化框架，显著提高了交叉口效率。
尽管已经进行了大量关于轨迹和信号控制优化的研究（Feng等人，2018年；Guo等人，2019b；Li等人，2014年；Soleimaniamiri等人，2020年；Yu等人，2018年），但这些研究不能直接应用于多SWAL场景。在图1(a)中，车辆6的前进受到车辆5的影响，而车辆5又受到车辆4的影响，车辆4又受到车辆3的影响，车辆3的行为又受到车辆1和2的影响。这种多SWAL设计引入了基本的建模和控制挑战。在传统的交叉口控制中，每个车道可以被视为独立的，其信号时序主要由该车道内的车辆决定。然而，当多个SWAL并排部署时，车道间的交通动态变得紧密耦合：一个车道中的车辆移动直接影响相邻车道的释放效率。因此，建模和解决过程变得更加复杂。特别是出现了两个主要困难。第一个困难是耦合的车辆跟随关系，即车辆关系不再局限于单个车道，而是扩展到多个车道，需要优化过程考虑车道间的依赖性和协调的车辆关系。这里的依赖关系指的是车辆之间的动态依赖链，如图1中的箭头所示。此外，多个车道间的信号释放决策也是耦合的。例如，要释放图1(a)中的车辆6，必须先释放车辆1、2、3、4和5，这意味着释放顺序不仅取决于同一车道内的车辆，还取决于相邻车道内的车辆。第二个困难在于车道选择决策。在传统设计中，车辆通常根据贪婪原则选择车道，即选择等待时间最短的车道。相比之下，在多SWAL设计中，车道选择本身成为一个关键的控制变量，影响车辆的整体空间分布，从而影响下游的释放性能。
在本文中，我们提出了一种基于多SWAL的车道引导和自适应信号控制方法，以协同利用孤立交叉口的空间和时间资源。这项研究的贡献有两个方面。首先，我们利用SWAL的潜力来减小车道宽度并增加车道数量，建立了一种多SWAL车道管理方法，充分利用整个道路的横向空间。与传统的车道设计和单SWAL配置（例如Shi等人（2025年）相比，所提出的多SWAL方法更充分地利用了窄车道，从而提高了道路空间利用率，进而提高了运营效率。其次，我们提出了一种基于多SWAL的车道引导和自适应信号控制方法，以优化车辆的空间分布和释放时机。这最大化了交叉口空间和时间的利用率，从而减少了平均车辆延误并提高了整体交叉口效率。所提出的优化问题与现有的轨迹和信号控制工作（例如Yu等人（2018年）有显著不同，后者仅考虑单车道设置。通过优化不同车道中车辆之间的以下关系，我们确定了车辆的最佳空间分布，并引导它们相应地变道。最佳空间分布也与车辆在各自车道的释放时机相关，这需要车道变换引导和自适应信号控制的协同优化。
本文的其余部分结构如下。第2节介绍了关键符号和问题描述。第3节提出了优化车辆序列、信号控制和车道变换引导的模型。第4节分析了所提方法的效果并进行了敏感性分析。第5节总结了本文并提出了未来的研究方向。
