印度驾驶员是否遵循纽厄尔跟驰模型？

纽厄尔简化跟驰模型以其简洁性和行为可解释性而闻名，但有限相互作用边界对参数估计的影响仍知之甚少，尤其是在无车道环境中。本研究使用两种独立方法检验该模型在印度无车道交通中的适用性：速度-间距关系的聚合回归和成对特定回归，以及一种通过最小化间距方差来估计最优参数的平移优化方法。我们还提出了一种边界校正的平移方法变体，以隔离相互作用端点处的过渡状态，同时保留原始的纽厄尔公式。分析使用了来自金奈高速公路走廊的高分辨率车辆轨迹数据。成对特定回归模型显著优于聚合模型，凸显了驾驶员异质性的作用。轨迹平移恢复的参数分布与回归估计在统计上等效，独立支持了轨迹平移原理。边界校正将平均轨迹拟合度从平均 $\bar{R^2}$ = 0.66 提高到 0.95，且 91% 的车辆对更倾向于校正后的公式。结果表明，相互作用边界效应（而非核心行为假设的失败）是该场景下模型误差的主要来源。校正这些效应显著改善了参数估计，且不牺牲模型的简洁性。这些发现确立了边界校正在基于轨迹的纽厄尔型模型标定中的关键步骤，对交通状态估计和微观仿真具有直接影响。