智能司机模型（IDM）二十五年：基础、扩展、应用及未来方向
物理与社会
2025-11-25 v2
摘要
智能司机模型（IDM），于 2000 年提出，已成为交通流建模中的基础工具，因其简单性、计算效率以及捕捉多样化交通动力学的能力而著名。过去二十五年里，IDM 在 car-following 理论方面取得显著进展，并广泛应用于智能交通系统，包括驾驶员辅助系统和自动驾驶车辆控制。然而，IDM 的确定性框架和简化假设在处理实�世界复杂性方面面临局限，如随机变异性、驾驶员异质性和混合交通条件。本文对 IDM 的理论基础、学术影响、实际应用和模型扩展进行系统性综述与批判性反思。虽然强调了 IDM 的贡献，仍强调将模型扩展为模块化和可扩展框架的必要性。未来方向包括整合随机要素、人类行为洞察以及混合建模方法，这些方法将结合基于物理的结构与数据驱动方法。通过重新构想 IDM 作为灵活建模基础，本文旨在激发其持续发展，以满足智能、互联且日益复杂交通系统的需求。
引用
@article{arxiv.2506.05909,
title = {Twenty-Five Years of the Intelligent Driver Model: Foundations, Extensions, Applications, and Future Directions},
author = {Shirui Zhou and Shiteng Zheng and Junfang Tian and Rui Jiang and and H. M. Zhang},
journal= {arXiv preprint arXiv:2506.05909},
year = {2025}
}