参考消息网8月13日报道 《科学美国人》月刊网站7月25日刊登题为《数学可以帮助缓解交通拥堵》的文章，作者是英国华威大学应用数学系副教授兰达·赫尔扎拉，内容编译如下：

  这个假期，无数人将开车上路，最终要在令人抓狂的交通拥堵中耗费数个小时。如果你曾眼巴巴地盯着旁边车道，笃定那边走得更快，那你并不孤单。大多数人都会本能地认为变道能让自己更早到家。但数学告诉我们，这种直觉通常是错的。

  作为应用数学家，我的许多研究都由一个问题驱动：我们如何预测并控制不确定性下的复杂系统行为？这个问题适用于新兴量子技术，也适用于节假日的交通。

  “幽灵拥堵”

  我们通常以为，堵车需要一个“导火索”，比如事故、道路施工或车道关闭。然而有些最让人郁闷的堵车现象根本找不到明显原因。这称为“幽灵拥堵”：尽管每辆车都在向前行驶，但这种走走停停的波动却向后传导。

  2008年，日本研究人员让22名驾驶员绕环形车道行驶，要求他们保持匀速并与前车保持安全距离。仅仅几分钟内，刹车和反应时间上出现的不可避免的微小差异，就演变成一股在车道上持续循环的走走停停的波动，尽管道路上没有任何障碍物。

  这种现象的原因出奇得简单。一名驾驶员刹车稍微踩重了一点（超过实际需要）。后面的驾驶员反应稍慢了一点，于是刹车踩得更重一些。就这样，最初的微小扰动在向后传导的过程中不断放大，直到几百米外的驾驶员被迫完全停下，而没人能说清到底是什么原因导致这场拥堵。

  连续流体

  数学家并没有对每位驾驶员进行单独建模，而是把交通视为一种连续的流体。他们借用流体力学的概念，像分析水在管道中的流动一样分析车辆的移动。

  交通流理论中最基本的关系式之一是q=ρv。其中q是交通流量（每小时通过某点的车辆数），ρ是交通密度（路上的车辆数量），v是平均速度。

  这个看似简单的方程解释一个违反直觉的现象：起初，随着道路上行驶车辆的增多，通过这段道路的车辆也随之增加，这显然会提高整体的交通流量。

  可一旦道路变得过于拥挤，所有人都不得不放慢速度。最终，速度下降产生的影响超过车辆增加带来的效益，导致整体流量降低。

  同样的数学原理也解释为什么频繁变道很少值得。

  一次变道制造一个小扰动，相邻车道的驾驶员必须对此做出反应。如果很多驾驶员都这么做，这些扰动就会累积，增加产生拥堵波的概率。因此，对某个驾驶员来说感觉像是聪明的决定，最终却可能让所有人的处境都变得更糟。

  通用框架

  在我的概率数学方法研究中，我开发的方法结合预测、协调决策和反馈机制，即使可用信息不完整或充满“噪声”（包含大量无关数据），也能保持复杂系统的稳定。

  在交通领域，我们要防止的扰动是造成“幽灵拥堵”的走走停停波。在其他复杂系统中，它们可能是电力故障、通信瓶颈或不稳定的自主系统。

  应用数学家并非针对某一个特定的应用去设计解决方案，而是开发通用的数学框架。这也是一个原因，解释为什么最初为工程系统开发的概念，同样能帮我们换个角度看待交通。我们的每一种数学工具都在其中扮演不同的角色。

  信号处理把道路传感器、摄像头和网联车辆的测量数据转化为有用信息。

  随机模型把驾驶员行为、天气条件和交通需求变化带来的不确定性纳入考量。

  机器学习识别所有这些数据中的模式，并预测拥堵可能发生的位置。

  控制理论完成闭环，决定交通系统应如何响应，比如调整红绿灯配时、实施动态限速、推荐替代路线或协调自动驾驶车队。

  目标不再是优化单个驾驶员的行程，而是改善整个交通网络的性能。

  最令人瞩目的实验佐证或许出现在2018年。当时，研究人员重复日本的环形车道实验，但做出一个关键改变：把其中一辆车替换为能够平稳加速和刹车的自动驾驶汽车。

  值得注意的是，仅仅那一辆车（占总交通流量不到5%）就足以抑制整个环形车道上走走停停的波动，不仅改善整体交通流量，还降低所有参与驾驶员的燃油消耗。

  主动预防

  交通拥堵不太可能彻底消失。人口增长、出行需求增加以及人类行为的不可预测性，将始终给我们的道路带来压力。但是，数学将帮助我们从被动应对拥堵转向主动预防。

  其中核心一点在于，理解由大量相互作用的智能体构成的庞大网络，如何仅凭局部信息就能做出协同决策，而无需每个组件都掌握整个系统的状态。这些理念对于智能交通系统的设计至关重要。在这些系统中，联网车辆与基础设施必须相互协作，以此优化交通流量。

  与此同时，如果你正准备开车去度假，以下是三条有坚实数学证据支撑的驾驶建议。如果人人都能做到，就能减少你在拥堵队列中耗费的时间：

  保持安全跟车距离；平稳加减速；克制住为稍微能开快一点而不断变道的冲动。

  应用数学告诉我们，抵达目的地最快的方式不是开得更激进，而是帮助维持整个系统的稳定。（编译/赵菲菲）