交通流：堵车从哪来

时空图上那些向左下方倾斜的黑色条纹，就是堵车。它们是斑马纹一样规律的斜线，斜率意味着堵车本身在向后移动——大约每一步退一格。这不是比喻：现实高速上的堵车波确实以大约每小时 15 公里的速度逆着车流往后传，这个数在不同国家、不同年代测出来都差不多。把密度从 5% 慢慢往上拖。低密度时时空图是一片均匀的斜纹（自由流，每辆车都在跑满速）；过了某个密度，第一条黑条纹出现；再往上，黑条纹越来越宽，最后连成一片。注意整个过程里没有任何外部干扰——没有事故、没有红灯、没有坡道。唯一的"原因"是那个随机减速概率 p：某辆车无缘无故慢了一格，后车被迫刹车，再后面的车刹得更狠，这个扰动一边放大一边向后传，就成了一条黑条纹。这是自组织最干净的例子之一：宏观上一个持续、结构分明、可测速度的模式，完全来自微观的随机涨落加上一条局部约束。

这条倒 V 形曲线叫基本图，是交通工程里最基本的一张图。左半边是自由流：车越多，通过的车越多，流量按 q = ρ·v 线性上升。右半边是拥堵流：车越多，大家走得越慢，流量反而下降。顶点就是这条路的通行能力，对应的密度叫临界密度。虚线是完全没有随机减速的理想情况：vmax=5 时最大流量 0.805，临界密度 0.194，和理论值 v/(v+1)=0.833、1/(v+1)=0.167 对得上。实线是有随机减速的真实情况：同样的最高限速，最大流量掉到 0.474，只剩理想值的 59%，而且临界密度提前到 0.129。这四十个百分点的损失，全部来自"司机偶尔无缘无故慢一格"。这个数字有很实际的含义：提高道路通行能力，最有效的手段往往不是提高限速，而是减少驾驶行为的随机性——这正是自适应巡航、车距保持系统和自动驾驶被寄予厚望的原因。把 p 拖到 0 再拖回来，看那个顶点怎么塌下去，你就明白为什么"所有车都由机器开"在理论上能让同一条路多跑将近一倍的车。

两张图用的是同一个密度、同一个限速、同一个随机种子，唯一的区别是右边的司机偶尔会无缘无故慢一格。左边干干净净：所有车排成整齐的斜线，平均速度就是限速，一个堵点都没有。右边黑条纹遍布，密度 20% 时平均速度从 4.00 掉到 2.15——几乎腰斩。这个对比要说的是：堵车不是"车太多"造成的，而是"车太多 + 行为有噪声"共同造成的。在完全确定的规则下，即使密度达到 20%（远超临界密度 0.167），车流也能自组织成一个完美的稳定状态——每辆车保持相同车距、相同速度，谁也不用刹车。这个状态是存在的、稳定的、最优的。随机减速做的事情，是不断把系统从这个最优状态里踢出来。而一旦被踢出来，密集车流没有足够的空间自行恢复，扰动就只能向后放大。把 p 从 0 一格一格往上加，你会看到堵车不是"到某个 p 才出现"，而是只要 p>0 就立刻出现，然后随 p 增大而变密——这是一个没有阈值的退化。

换道能不能提高通行能力？答案是"能，但远没有想象中多"。在同样的密度下，允许换道带来的单位流量增益通常只有百分之几，而且密度越高增益越小，在接近拥堵时甚至可能为负——因为换道本身要占用目标车道的空隙，相当于给后车制造了一次额外的刹车。把"愿意换道的概率"从 0 拖到 100%，看流量和换道频率怎么变：换道频率一路上升，流量却很快就不再涨了。这解释了一个常见的经验：在拥堵路段频繁变道，几乎不会让你更快到达，却明显增加事故风险。真正有效的是另一件事——把密度压在临界密度以下。这就是匝道信号控制（ramp metering）的全部道理：宁可让车在匝道上多等三十秒，也不要让主线越过临界密度。一旦越过，流量会从顶点滑到右半支，而右半支是"车越多走得越慢"的恶性区间，要退回来比不进去难得多。