---
title: "没有事故的堵车"
url: https://lingming.blog/labs/phantom-jam/
date: 2026-11-19
lastmod: 2026-11-19
tags: ["交通","涌现","自组织"]
description: "第一人称驾驶的交通流实验：在 Blender 搭建的 3D 环形跑道上亲手开车，看没有瓶颈的车流怎样自己堵住；增减车辆找临界点，用时空图测拥堵波速，对照线性稳定性理论，再用一辆车吸收走走停停波。"
ai: drafted
---

# 没有事故的堵车

> **AI 执笔**：选题出自作者的兴趣，立意、灵感与笔记来自作者；正文由 AI 生成，作者提出修改意见并审定。（[AI 使用说明](https://lingming.blog/ai/)）


## 如何使用

你坐在一辆车里，前后都是车，大家以同样的速度、同样的间距出发。主画面是驾驶座看出去的路，右上角的小窗是从车顶往下看、拉直了的一段路，用来看你和前后车的距离。

- **自己开。** 按「我来开」接管，↑ 加速，↓ 刹车（先点一下画面，或者用下面的两个踏板；手机上按住踏板）。松开踏板，车就保持当前速度，像定速巡航；踏板是渐进的，轻点一下很温和，按住越久越用力。跟得太近时，自动紧急制动会替你刹住：这个实验里不会有事故。
- **交给电脑。** 「电脑开」时，你的车和其他车一样开。「吸收示范」让你的车换一种开法，见下文。
- **从天上看。** 「升空看看」会画出整条路，以及一张时空图：横轴是时间，纵轴是车在环道上的位置，每条线是一辆车，颜色越深（深色主题下越亮）车越慢。沿着一道拥堵条纹按住拖动，可以量出它移动的速度。
- **实验台。** 加车、减车（新车插进最大的空当里）；关掉「驾驶噪声」，司机们就完全精确；「反应时间」是司机看到情况到真正动脚之间的迟滞；「前车点一下刹车」让你正前方那辆车轻踩一秒刹车。旁边的理论图给出每种车数下，一个小扰动是会被放大还是会自己消失。

右边的「实验单」有七步，做到哪一步会自动打勾，并给出一句解释。嫌慢可以用「3 倍速」或「快进 60 秒」。

**驾驶画面的 3D 场景**是用 Blender 搭的：赛道、看台、车和路两旁的林荫道（阔叶树、杨树、松树和灌木，两百多棵）都由一段脚本生成，光照用 Cycles 渲染器提前烘焙，白天一套、黄昏一套，跟着网站的浅色和深色主题切换。页面先显示一张简图，再从本站下载约 520 KB 的场景文件，不经过任何第三方。设备不支持 WebGL、下载失败，或者取消勾选「3D 画面」时，驾驶画面就换成简图：同一台相机，同一条路，实验照常进行。

## 它展示了什么

**堵车不需要原因。** 2008 年，日本的一组物理学家把 22 辆车放在一条周长 230 米的圆形跑道上，均匀排开、同速出发，没有路口、没有瓶颈、没有人变道。车开了一阵，车流里就冒出一团停停走走的拥堵，而且一直不散。这里的默认设置就是这个实验。

**真正的原因是：车多到一定程度，均匀车流就不稳定了。** 每个司机都只看前车：车距小了就减速，车距大了就加速。前车稍慢一点，你发现得晚一点，减得又多一点；后车再晚一点、再多一点……一个小小的减速沿着车队往后传，每传一辆就被放大一点，最后有人不得不停下来。车少的时候，车距宽裕，每个人都有余地把这一下吸收掉，波动传几辆车就平了。分界线可以算出来：把均匀车流稍微推一下，看推出来的波动随时间是增长还是衰减（线性稳定性分析）。理论图上曲线穿过零线的地方就是临界车数。默认参数下，19 辆车稳定，20 辆起不稳定。把反应时间拉长，临界车数会往下掉。

**那一脚刹车只是导火索。** 关掉驾驶噪声后，车流可以一直保持完美均匀。这时让前车轻点一下刹车：车少时，这一下留下的凹陷会被慢慢抹平；车多时，它会越传越大，长成一团拥堵。同样一脚刹车，结果完全不同。差别不在刹车本身，而在车流是否稳定。Sugiyama 等人的论文摘要里说，瓶颈只是触发器，不是堵车的本质原因。

**堵点在往后退。** 时空图上，每辆车的轨迹都往右上方走（车在往前开），拥堵条纹却一律向右下方倾斜：车从堵点的前头开出去，又从后头补进来，堵点本身逆着车流往后移。这里量出来大约是每小时 15 公里，而且几乎不随车数变化。高速公路上实测的走走停停波，向后移动的速度也在这个量级。

**一辆车就能救场。** Stern 等人在美国亚利桑那州图森重做了环道实验（2018 年发表；周长 260 米，21 到 22 辆车），其中一辆是可以自动驾驶的车。等走走停停波出现以后，他们让这辆车按平均车速匀速开：前面堵，它就提早慢慢减速，用车距把波动吃掉，而不是跟着急刹。在效果最好的一段里，全场车速的标准差下降了 80.8%，每车每公里的急刹次数从 8.58 次降到 0.12 次。「吸收示范」用的就是这个思路（他们那套带饱和的比例积分控制器的简化版）。在这里的模型里，它能把车速差异压到原来的两成左右。然后切到「我来开」，换你试试：诀窍是留出比别人大的车距，按平均速度匀速开，别跟着前车一停一走。

## 这个模型的边界

**司机是一个公式。** 其他车用的是智能驾驶模型（IDM，Treiber 等人 2000 年提出），再加上 0.3 秒的反应迟滞和一点点随机的油门抖动。它只看前车的车距、自己的车速和接近前车的速度。真实的司机会看更远的车，会分心，也会在不同时间开得不一样。参数是为了让 22 辆车在 230 米环道上以约每小时 25 公里巡航、并且不稳定而挑选的，不是对哪一位真实司机的测量。

**拥堵比真实实验更深。** 在这个模型里，一团拥堵里会有十来辆车同时停住，平均车速掉到每小时十几公里。真实环道实验里的拥堵通常更松一些。临界车数、波速和停车的多少都取决于参数，这里要讲的是机制：车流超过临界密度就会不稳定，拥堵向后传播，平滑驾驶能够吸收它。

**理论只管「会不会开始」。** 线性稳定性分析回答的是一个极小的扰动会增长还是衰减，它不预测拥堵最后有多大。在临界点附近，噪声偶尔能把稳定的车流推进拥堵（这里 20 辆车有时堵、有时不堵），已经形成的拥堵也不一定会因为减掉一辆车就立刻散开。

**自动紧急制动不是物理。** 为了让「没有事故」这个前提成立，你的车跟得太近时会被强制刹住，其他车也永远不会相撞。现实中追尾正是走走停停波最危险的后果之一。

**光敏安全。** 路边的标杆每 10 米一根，树每二三十米一棵，路面上只有实线，路缘也不做红白相间的条纹：以这辆车最快每小时 60 公里计，任何一处画面每秒变化不到两次。刹车灯有 0.6 秒的最短保持时间，不会频闪。开启「减弱动态效果」时，实验暂停在起点，可以用「快进 60 秒」直接看结果。

## 延伸阅读

- Sugiyama, Y. et al. (2008). Traffic jams without bottlenecks—experimental evidence for the physical mechanism of the formation of a jam. *New Journal of Physics* 10, 033001 — [IOP 开放获取](https://doi.org/10.1088/1367-2630/10/3/033001)
- Tadaki, S. et al. (2013). Phase transition in traffic jam experiment on a circuit. *New Journal of Physics* 15, 103034 — [IOP 开放获取](https://doi.org/10.1088/1367-2630/15/10/103034)
- Stern, R. E. et al. (2018). Dissipation of stop-and-go waves via control of autonomous vehicles: Field experiments. *Transportation Research Part C* 89, 205–221 — [arXiv:1705.01693](https://arxiv.org/abs/1705.01693)
- Treiber, M., Hennecke, A. & Helbing, D. (2000). Congested traffic states in empirical observations and microscopic simulations. *Physical Review E* 62, 1805 — [arXiv:cond-mat/0002177](https://arxiv.org/abs/cond-mat/0002177)
- Bando, M. et al. (1995). Dynamical model of traffic congestion and numerical simulation. *Physical Review E* 51, 1035
- Treiber, M. & Kesting, A. (2013). *Traffic Flow Dynamics: Data, Models and Simulation*. Springer
- 站内：[第一个技能](/labs/first-skill/) 也是一群简单个体合起来，做出谁也没有打算做的事

