李 雙

城市交通是一個(gè)城市經(jīng)濟(jì)發(fā)展的重要支撐，是提高人民生活水平的基本保證。然而近年來，隨著人均收入和城市化水平的不斷提高，汽車數(shù)量迅猛增加，基礎(chǔ)設(shè)施負(fù)荷不斷加重，交通環(huán)境日益惡化，城市擁堵已經(jīng)逐漸變成了一件司空見慣的事情，尤以北京、上海等大城市為代表，交通問題幾乎已經(jīng)演變成為城市健康、綠色發(fā)展的掣肘之一。在這種情況下，借助大數(shù)據(jù)、物聯(lián)網(wǎng)等新技術(shù)而新興的智能交通產(chǎn)業(yè)逐漸成為業(yè)界關(guān)注的焦點(diǎn)。

智能交通是一個(gè)朝陽產(chǎn)業(yè)，歐美發(fā)達(dá)國家的智能交通研究相較而言起步較早，但在科技發(fā)展大背景的驅(qū)動(dòng)之下，我國在此行業(yè)內(nèi)的發(fā)展勢頭也很迅猛。中國智能交通產(chǎn)業(yè)以其巨大的發(fā)展?jié)摿蛷V闊的市場前景帶動(dòng)了相關(guān)技術(shù)的進(jìn)步，其中少不了如上海交通大學(xué)密西根學(xué)院副教授金力一般的科研人員的貢獻(xiàn)。

目前，國內(nèi)智能交通系統(tǒng)行業(yè)已進(jìn)入高速發(fā)展期，可以預(yù)見的是，增強(qiáng)對智慧交通發(fā)展的重視，可以有效推動(dòng)城市的節(jié)能減排工作，且道路交通安全問題也可以得到顯著改善。然而，要解決此領(lǐng)域的痛點(diǎn)不可能畢其功于一役，“交通運(yùn)輸業(yè)對信息技術(shù)的需求十分復(fù)雜，且覆蓋面廣，市場細(xì)分多、集中度低”。金力一針見血地道出關(guān)竅所在，“并且，以我國車聯(lián)網(wǎng)的現(xiàn)狀來看，在單車智能或者說具體實(shí)踐層面的經(jīng)驗(yàn)和成果還是非常豐富的，但在系統(tǒng)層面的研究就較為欠缺了”?；谶@種科研敏銳度，智能網(wǎng)聯(lián)運(yùn)輸系統(tǒng)（智能網(wǎng)聯(lián)汽車、智慧交通系統(tǒng)）的控制及優(yōu)化，就順理成章地成為金力及其團(tuán)隊(duì)聚焦的破局點(diǎn)，他們執(zhí)著地側(cè)重在系統(tǒng)層面的機(jī)理描述、理論分析和仿真驗(yàn)證，并在系統(tǒng)在環(huán)境擾動(dòng)和人為決策下的自適應(yīng)性、信息物理故障和惡意攻擊下的安全可靠性等方向上重點(diǎn)發(fā)力，力求在新一輪交通模式的更迭與革命之中勇立潮頭。

車路協(xié)同，助力車輛行駛安全

無論科技如何發(fā)展，道路安全一直是人類極度關(guān)心的問題。雖然這一問題走過了許多發(fā)展階段，但不可否認(rèn)的是，在過去很長一段時(shí)間里，交通安全一直以被動(dòng)安全為主。簡而言之就是過多仰賴于駕駛者的主觀觀察和控制，即便有傳感器做輔助，也需通過駕駛者做出判斷和反應(yīng)。但其實(shí)這種情況是足以令人憂慮的，任何一種足以“蒙蔽”傳感器或者人類感知的極端天氣和突發(fā)狀況都有可能導(dǎo)致嚴(yán)重的后果。

金力（攝于2018年紐約大學(xué)校園）

“這也就是我們研究車輛隊(duì)列行駛技術(shù)的初衷——希望在安全方面，通過將單車安全提升到協(xié)同安全，解決現(xiàn)在解決不了或避免不了的一些潛在危險(xiǎn)，切實(shí)保障大眾的人身安全?！苯鹆φf。于是，自2021年從美國紐約大學(xué)正式回歸母校起，他便帶領(lǐng)團(tuán)隊(duì)全力在此方向上深耕。而首先擺在他們面前的難題，便是如何優(yōu)化如今單車智能技術(shù)被大規(guī)模普及的局面。“車車之間的溝通是隊(duì)列行駛的要義。當(dāng)然，如果能進(jìn)一步打通車與車、車與路、車與人之間的信息交互，就可更快速地通過協(xié)同統(tǒng)一的方式避免事故發(fā)生?！睘榇?，金力團(tuán)隊(duì)首先提出了原創(chuàng)的混合排隊(duì)模型。其中“混合”一詞，顧名思義指的是已網(wǎng)聯(lián)的車輛與非智能網(wǎng)聯(lián)車輛的混行狀態(tài)，這無疑是更貼近現(xiàn)實(shí)生活的出發(fā)點(diǎn)，畢竟車水馬龍的道路之上，車輛會(huì)進(jìn)入哪一隊(duì)車流，完全是隨機(jī)且無序的。

那么其中的關(guān)鍵點(diǎn)就在于，混行條件下，調(diào)控范圍只能覆蓋到智能網(wǎng)聯(lián)組成隊(duì)列的汽車，干預(yù)它們的運(yùn)動(dòng)，傳統(tǒng)汽車是無法通過信號傳輸或無線通信等手段，實(shí)現(xiàn)點(diǎn)對點(diǎn)干預(yù)的。這無疑增加了建模的難度，但迎難而上是科研者所必須具備的攻關(guān)態(tài)度。于是，依托于國家自然科學(xué)基金課題，金力團(tuán)隊(duì)在反復(fù)的頭腦風(fēng)暴和夜以繼日地努力之下，最終解決了傳統(tǒng)車流模型無法描述路基系統(tǒng)和智能網(wǎng)聯(lián)自動(dòng)駕駛汽車（CAV）隊(duì)列間點(diǎn)對點(diǎn)互動(dòng)機(jī)制的問題，同時(shí)解決了已有CAV運(yùn)動(dòng)學(xué)模型難以推導(dǎo)系統(tǒng)宏觀性能（通行效率、等待時(shí)間）的問題。此外，他們還定量分析了CAV隊(duì)列對系統(tǒng)性能的影響，給出了混行情境下理論最優(yōu)控制策略，并在復(fù)雜仿真平臺(tái)得到了驗(yàn)證。

“這種針對隨機(jī)系統(tǒng)的研究其實(shí)在國際上都是較為欠缺的，因此，可以說我們的科研在一定程度上填補(bǔ)了國內(nèi)相關(guān)領(lǐng)域的空白?！边@當(dāng)然不是想當(dāng)然地自吹自擂，這份底氣與自信來源于金力多年的廣博閱讀，與從未停歇的探索腳步。

腳踏實(shí)地，奮力追尋學(xué)術(shù)理想

金力（左）與其博士生導(dǎo)師合影

雖然，與控制與自動(dòng)化工程領(lǐng)域結(jié)緣的過程總被金力戲稱“有些相對盲目”，但高考后順利入讀上海交通大學(xué)的他，在本碩階段的學(xué)習(xí)歷程中其實(shí)將既來之則安之、干一行就要愛一行的精神詮釋得很好?；貞浧鹗治罩秷?bào)考指南》反復(fù)斟酌志愿表中每一項(xiàng)內(nèi)容的日子，他坦言：“那時(shí)候跟現(xiàn)在大部分高考考生的心態(tài)差不多，對未來充滿迷茫。只能結(jié)合自身成績優(yōu)勢和院校特色，在不太清楚專業(yè)具體所學(xué)內(nèi)容的情況下，選擇一個(gè)前行的大方向。”

最終，上海交通大學(xué)自動(dòng)化系以其名師薈萃、前輩云集的風(fēng)采在金力的一眾選擇中脫穎而出，并且憑借著超前的人才培養(yǎng)模式與深刻的學(xué)科發(fā)展內(nèi)涵，將他培養(yǎng)成為一名有國際視野的有志青年。2011年，金力踏上了前往美國普渡大學(xué)深造的飛機(jī)，這一程也短暫地改變了他的研究軌道。碩士期間，他跟隨導(dǎo)師孫登峰老師向天發(fā)力，在航空交通管制方面頗有進(jìn)益，僅僅一年半時(shí)間便順利拿到了碩士學(xué)位證書。

“雖然我與碩士導(dǎo)師的科研思路很契合，但我認(rèn)為航空航天相關(guān)專業(yè)的國家屬性相對有些強(qiáng)，所以適時(shí)轉(zhuǎn)換賽道可能對回國之后的研究幫助更大，畢竟學(xué)以致用、報(bào)效祖國才是科研者的終極愿景?！睂τ诓┦科陂g轉(zhuǎn)研道路交通調(diào)控的決定，金力如此解釋。也因此，智能公路、運(yùn)輸安全等名詞在其后數(shù)年中，甚至直到今天，仍然是他工作的主旋律。

當(dāng)站在美國麻省理工學(xué)院的校園中，金力的心情久久不能平復(fù)，“說實(shí)話，我之前從來沒想過自己會(huì)到那里念書”。5年的時(shí)間里，世界頂級學(xué)府的濃厚學(xué)術(shù)氛圍滋養(yǎng)著這位年輕學(xué)者的思想，使他的“惠民生”之夢在這片沃土中生根發(fā)芽。而也正是在深入探索了智慧交通領(lǐng)域之后，金力才領(lǐng)略到這一系統(tǒng)的分支極為龐雜細(xì)密，因此他不得不再次面對擇向的問題。這時(shí)，對于博士導(dǎo)師紹勒布·阿敏（Saurabh Amin）和“隨機(jī)系統(tǒng)”課程講師、隨機(jī)過程及信息論領(lǐng)域?qū)＜摇_伯特·加拉格爾（Robert G. Gallager）的崇敬就起到了莫大的作用。

在金力口中，這兩位就職于名校的教授與大眾刻板印象中熱情奔放的美國人不同，前者治學(xué)嚴(yán)謹(jǐn)，后者博聞廣識(shí)?！拔业膶?dǎo)師總會(huì)事無巨細(xì)地瀏覽我提交的每一篇學(xué)術(shù)論文，甚至對其中的標(biāo)點(diǎn)符號都有自己的要求。而羅伯特·加拉格爾教授只要一站在講臺(tái)上，整個(gè)人都顯得神采奕奕，開朗疏闊的神情和風(fēng)采會(huì)產(chǎn)生一種天然的信服力?！睗u漸地，“隨機(jī)系統(tǒng)”在兩位名師前輩的加持下成為金力博士期間最愛的一門課，也在潛移默化之中成為他往后余生甘愿為之付出不竭努力的學(xué)術(shù)方向。

智能網(wǎng)聯(lián)，道路交通終極形態(tài)

“或許以世俗的視角來看，我的博士生導(dǎo)師在科研路上的成就已經(jīng)足夠令人羨慕了——在世界頂級的院校內(nèi)就職，桃李遍布天下。但是他從不滿足于這些，他經(jīng)常跟我說自己真正想要的，是能夠憑借所學(xué)解決未被攻克的科學(xué)問題。”正是在這種思想的影響下，金力也構(gòu)建起了自己的科研藍(lán)圖。早在回國之前，在紐約大學(xué)任教期間，他便將著力點(diǎn)放在了智能網(wǎng)聯(lián)交通系統(tǒng)動(dòng)態(tài)隨機(jī)擾動(dòng)下的韌性控制問題上。

智能網(wǎng)聯(lián)交通系統(tǒng)（smart and connected transportation system，SCTS）指的是具備動(dòng)態(tài)實(shí)時(shí)信息采集、自主決策、反饋控制能力的交通系統(tǒng)，這一概念隨著近年來自動(dòng)駕駛、車路協(xié)同、車聯(lián)網(wǎng)等技術(shù)的快速發(fā)展而受到關(guān)注。SCTS在改善交通運(yùn)行效率、提升社會(huì)經(jīng)濟(jì)效益方面的潛能已得到公認(rèn)，但其控制方法還面臨若干掣肘，因而制約了這一概念進(jìn)一步發(fā)展落地。具體而言，關(guān)鍵問題涵蓋以下3個(gè)方面：

首先，此前技術(shù)缺乏在系統(tǒng)層面體現(xiàn)SCTS能力優(yōu)勢的建模和分析方法。SCTS的核心是自動(dòng)控制技術(shù)在交通系統(tǒng)中的應(yīng)用，包括單車層面的自動(dòng)駕駛、車路協(xié)同和系統(tǒng)層面的匝道控制、動(dòng)態(tài)分流。相較于傳統(tǒng)交通系統(tǒng)，SCTS有兩項(xiàng)關(guān)鍵技術(shù)能力優(yōu)勢——多維信息的觀測能力和點(diǎn)對點(diǎn)的干預(yù)能力。然而，現(xiàn)有交通系統(tǒng)模型往往僅考慮流量、密度等宏觀交通狀態(tài)，既無法融合天氣、事故等多維信息，也無法實(shí)現(xiàn)對單車/單隊(duì)列的精準(zhǔn)干預(yù)，因此難以體現(xiàn)SCTS的技術(shù)能力優(yōu)勢。若要體現(xiàn)SCTS的技術(shù)優(yōu)勢，需要對交通系統(tǒng)的建模方法進(jìn)行革新，繼而對其分析、優(yōu)化方法提出了更高要求。然而，現(xiàn)有方法無法解決上述需求。

其次，缺乏系統(tǒng)性應(yīng)對各類擾動(dòng)的韌性控制方法。傳統(tǒng)交通控制方法側(cè)重于理想情境，即系統(tǒng)關(guān)鍵參數(shù)（如通行需求、通行能力）恒定不變、決策機(jī)制擁有系統(tǒng)完整狀態(tài)信息。然而，交通系統(tǒng)的實(shí)際場景往往不完全符合上述假設(shè)：第一，SCTS用戶（車輛）天然的非齊次性使得隨機(jī)性成為其本質(zhì)屬性；第二，外部環(huán)境（天氣、需求波動(dòng)等）具有顯著時(shí)變性和隨機(jī)性；第三，各類內(nèi)部擾動(dòng)（硬件故障、交通事故）不可避免且難以預(yù)測。傳統(tǒng)方法往往忽略上述擾動(dòng)（尤其是其動(dòng)態(tài)效應(yīng)），因此缺乏設(shè)計(jì)韌性，即在擾動(dòng)影響下可保證的性能。獲得設(shè)計(jì)韌性的主要方法是將擾動(dòng)特性融入控制策略設(shè)計(jì)過程，從而量化擾動(dòng)引起的性能損失，繼而通過限制或最小化損失來獲得控制策略。然而，這一方法在交通控制領(lǐng)域尚未得到充分研究。

此外，交通系統(tǒng)的全局收斂性一直缺乏高效的處理方法。而獲得SCTS韌性指標(biāo)的關(guān)鍵步驟正是分析交通狀態(tài)的收斂性。交通系統(tǒng)模型包括離散狀態(tài)的排隊(duì)模型和連續(xù)狀態(tài)的流體模型，兩者都是非線性系統(tǒng)。無論是節(jié)點(diǎn)、通道還是網(wǎng)絡(luò)場景，論證其收斂性的難點(diǎn)是在某些狀態(tài)下，無論采取何種控制策略，系統(tǒng)中交通總量必然遞增；而隨機(jī)擾動(dòng)的存在使得上述狀態(tài)始終處于系統(tǒng)最小不變集內(nèi)，因此常規(guī)的李雅普諾夫函數(shù)（例如二次函數(shù)）起不到作用。此前最常用的方法是通過數(shù)值求解不等式組或優(yōu)化問題，獲得李雅普諾夫函數(shù)關(guān)鍵參數(shù)，但是此類方法無法給出閉式的穩(wěn)定性判據(jù)，也無法獲得解析的系統(tǒng)性能（或其上下限）表達(dá)式，因此難以直接用于韌性控制的設(shè)計(jì)。

針對以上痛點(diǎn)，金力團(tuán)隊(duì)很快做出了反應(yīng)。第一，他們在系統(tǒng)建模和策略設(shè)計(jì)中，通過在宏觀流體模型中引入離散跳變，實(shí)現(xiàn)系統(tǒng)層面對單體（車輛或隊(duì)列）位置的追蹤，為交通系統(tǒng)的動(dòng)態(tài)化、精細(xì)化控制奠定了基礎(chǔ)。第二，為應(yīng)對擾動(dòng)，他們?nèi)诤狭恕胺侄螞Q定馬爾科夫過程”（piecewise-deterministic Markov process，PDMP）模型，由此可實(shí)現(xiàn)擾動(dòng)發(fā)生、擴(kuò)散繼而引起性能損失的動(dòng)態(tài)機(jī)理分析，還可獲得關(guān)鍵性能指標(biāo)（如吞吐量、通行時(shí)間等）的解析值或解析上下界，從而建立系統(tǒng)名義性能和擾動(dòng)特性到系統(tǒng)韌性的映射。最后，由于金力團(tuán)隊(duì)的控制策略設(shè)計(jì)方法直接來自對關(guān)鍵性能指標(biāo)的優(yōu)化，因此其性能天然具備理論保證，實(shí)現(xiàn)了設(shè)計(jì)韌性?！拔覀兊姆椒ㄍ黄屏私煌ㄏ到y(tǒng)全局收斂證明的瓶頸。我們提出根據(jù)網(wǎng)絡(luò)中上下游、串并聯(lián)等結(jié)構(gòu)，顯式構(gòu)造（即不依賴求解優(yōu)化問題）分段李雅普諾夫函數(shù)的算法，從而獲得了全局收斂的處理方法?！苯鹆ρa(bǔ)充道。

曾有許多業(yè)內(nèi)專家設(shè)想過智能網(wǎng)聯(lián)系統(tǒng)會(huì)是智能交通系統(tǒng)的終極發(fā)展形態(tài)，是物聯(lián)網(wǎng)技術(shù)得以融合運(yùn)用在交通運(yùn)輸領(lǐng)域的最終歸宿。如今，金力及團(tuán)隊(duì)正在做的便是將愿望中的一切照進(jìn)現(xiàn)實(shí)。雖然目前的道路仍時(shí)有擁堵，但終有一日在無數(shù)科研人的努力之下，大眾出行會(huì)暢行如飛。