在数据驱动框架中融合短暂流量波动：针对 CARLA 微观仿真

本文介绍了一种用于 CARLA 的数据驱动交通微观仿真框架，通过利用 I-24 MOTION 测试平台的高保真时空数据来重构真实世界的波动动力学。将路网校准以再现大规模仿真中短暂现象（如交通波）的过程充满诸多挑战。本工作重新考虑将交通状态数据视为沿 ego 车辶通过先前记录的交通数据路径上的边界条件，而非在校准的微观仿真中再现这些现象。我们的做法是自动生成对应 I-24 线路的 1 英里段 highway，利用 I-24 数据驱动 cosimulation 模块将交通信息注入仿真。CARLA 与 cosimulation 仿真围绕从经验数据中抽取的 ego 车辶展开，自动生成 ego 车辶 longitudinal 范围内的“可见”交通。通过在 ego 车辶之上游（upstream）和下游（downstream）处的 ghost 单元实现边界控制。不同于以往聚焦于局部车辆跟随行为或抽象几何的仿真工作，本框架以完整时空图谱保真度作为验证目标。利用 CARLA 丰富的传感器套件和可配置的车辆动力学，我们在低拥堵和高拥堵场景中模拟波的形成与消散，以进行定性分析。产生的涌现行为与真实交通高度相似，为评估交通控制策略、感知驱动的自主系统以及未来波动缓解方案的部署提供了新颖的 cosimulation 框架。本工作桥接了微观建模与物理实验数据，使首次在 CARLA 中实现感知上真实、边界驱动的经验交通波动现象仿真。