近日，吉林大学交通学院孙宝凤教授团队在快速路交织区异质多车协同汇入控制研究中取得重要进展。团队提出统一风险场框架下的快速路交织区一维/二维轨迹一体化优化方法，解决了传统预汇入纵向协调与汇入纵横向规划分离导致的性能次优难题。相关成果以“1D and 2D trajectory optimization in weaving segments under a unified risk field framework: cooperative merging control strategy towards mixed traffic environment”为题，于2026年5月30日发表在交通运输领域国际顶级期刊《Transportation Research Part B》上。该论文的第一作者为吉林大学交通学院2024级博士研究生马国栋，通讯作者为交通学院孙宝凤教授。西南交通大学交通运输与物流学院姚志洪副教授与吉林大学交通学院2024级硕士研究生杨文禹为共同作者。该项研究得到了国家自然科学基金面上项目的资助。

快速路交织区是公认的交通系统瓶颈，直行、匝道汇入、主线驶出车流交互复杂，频繁换道易引发拥堵与安全事故。现有研究存在以下局限：一是将预汇入阶段一维纵向轨迹优化（1DTO）与汇入阶段二维换道轨迹优化（2DTO）分离处理，各阶段采用独立的风险评估标准和优化目标，难以实现系统全局最优；二是未充分考虑网联车辆混合交通环境下人工驾驶车辆（HDV）的不确定性，微观行为基础模型不适配真实混合交通场景；三是多针对合流区、单车道汇入场景，缺乏对交织区、多车道的有效解决方案。

针对上述挑战，研究团队首先创新性地构建了主客观统一的驾驶风险评估体系：CAV采用多源信息融合的客观风险场，HDV采用耦合驾驶员认知特性的主观风险场。基于此，团队开发了适用于CAV和HDV的主客观风险场跟驰模型（SORFCF-CAV和SORFCF-HDV）。其中，SORFCF-CAV作为CAV轨迹优化的基础模型，SORFCF-HDV模拟混合环境中HDV的不确定性。之后，研究团队设计了集成汇入序列（MS）生成、1DTO和2DTO的联合控制框架：一是基于SORFCF-CAV与虚拟跟驰技术的1DTO策略，实现了平滑的纵向速度协调；二是扩展一维模型的合作场景下的2DTO策略，结合多项式生成满足车辆动力学约束的平滑换道轨迹；三是基于时空风险占用图的非合作场景2DTO策略，能够动态规划可变汇入点和轨迹，有效应对HDV行为的不确定性。

大量长春西部快速路真实场景的仿真实验表明，该方法在安全性、效率和稳定性方面均取得了显著提升：在纯CAV环境下，实现了100% 的预定汇入序列达成率，优于分布式模型预测控制（DMPC）和传统虚拟跟驰的方法；在混合CAV与HDV环境下，将所提框架与五种常用基线全面对比（Fig. 23）：在行车安全上（Fig. 24），所提策略的高风险事件次数并列最低；在通行效率上（Fig. 25），所提策略的汇入完成、驶出交织区的效率均最优；在交通稳定性上（Fig. 26），尽管所提策略的稳定性并非最优，但仍表现优异，且波动最小。总而言之，所提策略的综合性能优于所有基线。最后，研究团队还系统开展了CAV 渗透率影响验证与算法运行时间分析，结果显示系统性能随CAV渗透率提升持续优化，算法在各类车流规模下均满足自动驾驶实时控制要求，这进一步夯实了成果的实用价值。

  Fig. 23 Vehicle trajectories under different methods in C/NCM scenario under joint framework.

  Fig. 24 Comparison of safety metric in C/NCM scenario under joint framework.

  Fig. 25 Comparison of efficiency metric in C/NCM scenario under joint framework.

  Fig. 26 Comparison of stability metric in C/NCM scenario under joint framework.

该研究实现了快速路交织区汇入的MS、1DTO和2DTO一体化优化，研究成果不仅丰富了智能交通控制理论，也为未来自动驾驶汽车的大规模部署和城市快速路的精细化管理提供了重要的科学依据和技术支撑。

论文全文链接：

https://doi.org/10.1016/j.trb.2026.103505

编校 | 孙宝凤、马国栋