——记上海交通大学密西根学院副教授金力

　李 双

城市交通是一个城市经济发展的重要支撑，是提高人民生活水平的基本保证。然而近年来，随着人均收入和城市化水平的不断提高，汽车数量迅猛增加，基础设施负荷不断加重，交通环境日益恶化，城市拥堵已经逐渐变成了一件司空见惯的事情，尤以北京、上海等大城市为代表，交通问题几乎已经演变成为城市健康、绿色发展的掣肘之一。在这种情况下，借助大数据、物联网等新技术而新兴的智能交通产业逐渐成为业界关注的焦点。

智能交通是一个朝阳产业，欧美发达国家的智能交通研究相较而言起步较早，但在科技发展大背景的驱动之下，我国在此行业内的发展势头也很迅猛。中国智能交通产业以其巨大的发展潜力和广阔的市场前景带动了相关技术的进步，其中少不了如上海交通大学密西根学院副教授金力一般的科研人员的贡献。

目前，国内智能交通系统行业已进入高速发展期，可以预见的是，增强对智慧交通发展的重视，可以有效推动城市的节能减排工作，且道路交通安全问题也可以得到显著改善。然而，要解决此领域的痛点不可能毕其功于一役，“交通运输业对信息技术的需求十分复杂，且覆盖面广，市场细分多、集中度低”。金力一针见血地道出关窍所在，“并且，以我国车联网的现状来看，在单车智能或者说具体实践层面的经验和成果还是非常丰富的，但在系统层面的研究就较为欠缺了”。基于这种科研敏锐度，智能网联运输系统（智能网联汽车、智慧交通系统）的控制及优化，就顺理成章地成为金力及其团队聚焦的破局点，他们执着地侧重在系统层面的机理描述、理论分析和仿真验证，并在系统在环境扰动和人为决策下的自适应性、信息物理故障和恶意攻击下的安全可靠性等方向上重点发力，力求在新一轮交通模式的更迭与革命之中勇立潮头。

车路协同，助力车辆行驶安全

无论科技如何发展，道路安全一直是人类极度关心的问题。虽然这一问题走过了许多发展阶段，但不可否认的是，在过去很长一段时间里，交通安全一直以被动安全为主。简而言之就是过多仰赖于驾驶者的主观观察和控制，即便有传感器做辅助，也需通过驾驶者做出判断和反应。但其实这种情况是足以令人忧虑的，任何一种足以“蒙蔽”传感器或者人类感知的极端天气和突发状况都有可能导致严重的后果。

“这也就是我们研究车辆队列行驶技术的初衷——希望在安全方面，通过将单车安全提升到协同安全，解决现在解决不了或避免不了的一些潜在危险，切实保障大众的人身安全。”金力说。于是，自2021年从美国纽约大学正式回归母校起，他便带领团队全力在此方向上深耕。而首先摆在他们面前的难题，便是如何优化如今单车智能技术被大规模普及的局面。“车车之间的沟通是队列行驶的要义。当然，如果能进一步打通车与车、车与路、车与人之间的信息交互，就可更快速地通过协同统一的方式避免事故发生。”为此，金力团队首先提出了原创的混合排队模型。其中“混合”一词，顾名思义指的是已网联的车辆与非智能网联车辆的混行状态，这无疑是更贴近现实生活的出发点，毕竟车水马龙的道路之上，车辆会进入哪一队车流，完全是随机且无序的。

那么其中的关键点就在于，混行条件下，调控范围只能覆盖到智能网联组成队列的汽车，干预它们的运动，传统汽车是无法通过信号传输或无线通信等手段，实现点对点干预的。这无疑增加了建模的难度，但迎难而上是科研者所必须具备的攻关态度。于是，依托于国家自然科学基金课题，金力团队在反复的头脑风暴和夜以继日地努力之下，最终解决了传统车流模型无法描述路基系统和智能网联自动驾驶汽车（CAV）队列间点对点互动机制的问题，同时解决了已有CAV运动学模型难以推导系统宏观性能（通行效率、等待时间）的问题。此外，他们还定量分析了CAV队列对系统性能的影响，给出了混行情境下理论最优控制策略，并在复杂仿真平台得到了验证。

“这种针对随机系统的研究其实在国际上都是较为欠缺的，因此，可以说我们的科研在一定程度上填补了国内相关领域的空白。”这当然不是想当然地自吹自擂，这份底气与自信来源于金力多年的广博阅读，与从未停歇的探索脚步。

脚踏实地，奋力追寻学术理想

虽然，与控制与自动化工程领域结缘的过程总被金力戏称“有些相对盲目”，但高考后顺利入读上海交通大学的他，在本硕阶段的学习历程中其实将既来之则安之、干一行就要爱一行的精神诠释得很好。回忆起手握着《报考指南》反复斟酌志愿表中每一项内容的日子，他坦言：“那时候跟现在大部分高考考生的心态差不多，对未来充满迷茫。只能结合自身成绩优势和院校特色，在不太清楚专业具体所学内容的情况下，选择一个前行的大方向。”

最终，上海交通大学自动化系以其名师荟萃、前辈云集的风采在金力的一众选择中脱颖而出，并且凭借着超前的人才培养模式与深刻的学科发展内涵，将他培养成为一名有国际视野的有志青年。2011年，金力踏上了前往美国普渡大学深造的飞机，这一程也短暂地改变了他的研究轨道。硕士期间，他跟随导师孙登峰老师向天发力，在航空交通管制方面颇有进益，仅仅一年半时间便顺利拿到了硕士学位证书。

“虽然我与硕士导师的科研思路很契合，但我认为航空航天相关专业的国家属性相对有些强，所以适时转换赛道可能对回国之后的研究帮助更大，毕竟学以致用、报效祖国才是科研者的终极愿景。”对于博士期间转研道路交通调控的决定，金力如此解释。也因此，智能公路、运输安全等名词在其后数年中，甚至直到今天，仍然是他工作的主旋律。

当站在美国麻省理工学院的校园中，金力的心情久久不能平复，“说实话，我之前从来没想过自己会到那里念书”。5年的时间里，世界顶级学府的浓厚学术氛围滋养着这位年轻学者的思想，使他的“惠民生”之梦在这片沃土中生根发芽。而也正是在深入探索了智慧交通领域之后，金力才领略到这一系统的分支极为庞杂细密，因此他不得不再次面对择向的问题。这时，对于博士导师绍勒布·阿敏（Saurabh Amin）和“随机系统”课程讲师、随机过程及信息论领域专家——罗伯特·加拉格尔（Robert G. Gallager）的崇敬就起到了莫大的作用。

在金力口中，这两位就职于名校的教授与大众刻板印象中热情奔放的美国人不同，前者治学严谨，后者博闻广识。“我的导师总会事无巨细地浏览我提交的每一篇学术论文，甚至对其中的标点符号都有自己的要求。而罗伯特·加拉格尔教授只要一站在讲台上，整个人都显得神采奕奕，开朗疏阔的神情和风采会产生一种天然的信服力。”渐渐地，“随机系统”在两位名师前辈的加持下成为金力博士期间最爱的一门课，也在潜移默化之中成为他往后余生甘愿为之付出不竭努力的学术方向。

智能网联，道路交通终极形态

“或许以世俗的视角来看，我的博士生导师在科研路上的成就已经足够令人羡慕了——在世界顶级的院校内就职，桃李遍布天下。但是他从不满足于这些，他经常跟我说自己真正想要的，是能够凭借所学解决未被攻克的科学问题。”正是在这种思想的影响下，金力也构建起了自己的科研蓝图。早在回国之前，在纽约大学任教期间，他便将着力点放在了智能网联交通系统动态随机扰动下的韧性控制问题上。

智能网联交通系统（smart and connected transportation system，SCTS）指的是具备动态实时信息采集、自主决策、反馈控制能力的交通系统，这一概念随着近年来自动驾驶、车路协同、车联网等技术的快速发展而受到关注。SCTS在改善交通运行效率、提升社会经济效益方面的潜能已得到公认，但其控制方法还面临若干掣肘，因而制约了这一概念进一步发展落地。具体而言，关键问题涵盖以下3个方面：

首先，此前技术缺乏在系统层面体现SCTS能力优势的建模和分析方法。SCTS的核心是自动控制技术在交通系统中的应用，包括单车层面的自动驾驶、车路协同和系统层面的匝道控制、动态分流。相较于传统交通系统，SCTS有两项关键技术能力优势——多维信息的观测能力和点对点的干预能力。然而，现有交通系统模型往往仅考虑流量、密度等宏观交通状态，既无法融合天气、事故等多维信息，也无法实现对单车/单队列的精准干预，因此难以体现SCTS的技术能力优势。若要体现SCTS的技术优势，需要对交通系统的建模方法进行革新，继而对其分析、优化方法提出了更高要求。然而，现有方法无法解决上述需求。

其次，缺乏系统性应对各类扰动的韧性控制方法。传统交通控制方法侧重于理想情境，即系统关键参数（如通行需求、通行能力）恒定不变、决策机制拥有系统完整状态信息。然而，交通系统的实际场景往往不完全符合上述假设：第一，SCTS用户（车辆）天然的非齐次性使得随机性成为其本质属性；第二，外部环境（天气、需求波动等）具有显著时变性和随机性；第三，各类内部扰动（硬件故障、交通事故）不可避免且难以预测。传统方法往往忽略上述扰动（尤其是其动态效应），因此缺乏设计韧性，即在扰动影响下可保证的性能。获得设计韧性的主要方法是将扰动特性融入控制策略设计过程，从而量化扰动引起的性能损失，继而通过限制或最小化损失来获得控制策略。然而，这一方法在交通控制领域尚未得到充分研究。

此外，交通系统的全局收敛性一直缺乏高效的处理方法。而获得SCTS韧性指标的关键步骤正是分析交通状态的收敛性。交通系统模型包括离散状态的排队模型和连续状态的流体模型，两者都是非线性系统。无论是节点、通道还是网络场景，论证其收敛性的难点是在某些状态下，无论采取何种控制策略，系统中交通总量必然递增；而随机扰动的存在使得上述状态始终处于系统最小不变集内，因此常规的李雅普诺夫函数（例如二次函数）起不到作用。此前最常用的方法是通过数值求解不等式组或优化问题，获得李雅普诺夫函数关键参数，但是此类方法无法给出闭式的稳定性判据，也无法获得解析的系统性能（或其上下限）表达式，因此难以直接用于韧性控制的设计。

针对以上痛点，金力团队很快做出了反应。第一，他们在系统建模和策略设计中，通过在宏观流体模型中引入离散跳变，实现系统层面对单体（车辆或队列）位置的追踪，为交通系统的动态化、精细化控制奠定了基础。第二，为应对扰动，他们融合了“分段决定马尔科夫过程”（piecewise-deterministic Markov process，PDMP）模型，由此可实现扰动发生、扩散继而引起性能损失的动态机理分析，还可获得关键性能指标（如吞吐量、通行时间等）的解析值或解析上下界，从而建立系统名义性能和扰动特性到系统韧性的映射。最后，由于金力团队的控制策略设计方法直接来自对关键性能指标的优化，因此其性能天然具备理论保证，实现了设计韧性。“我们的方法突破了交通系统全局收敛证明的瓶颈。我们提出根据网络中上下游、串并联等结构，显式构造（即不依赖求解优化问题）分段李雅普诺夫函数的算法，从而获得了全局收敛的处理方法。”金力补充道。

曾有许多业内专家设想过智能网联系统会是智能交通系统的终极发展形态，是物联网技术得以融合运用在交通运输领域的最终归宿。如今，金力及团队正在做的便是将愿望中的一切照进现实。虽然目前的道路仍时有拥堵，但终有一日在无数科研人的努力之下，大众出行会畅行如飞。

（责编：郑心）